Causal Measurement: ทำไมยอดขายที่เพิ่มขึ้น จึงไม่ได้แปลว่าการตลาดของคุณได้ผล

47 นาทีที่ผ่านมา

ยาว 2 นาที

หนึ่งในความผิดพลาดของการวัดผลการตลาด คือการเข้าใจว่ายอดขายที่เกิดขึ้นหลังทำแคมเปญ เป็นยอดขายที่เกิดขึ้นเพราะแคมเปญทั้งหมด

ลองจินตนาการว่าบริษัทแห่งหนึ่งใช้งบโฆษณา 1 ล้านบาท และพบว่าสามารถสร้างยอดขายได้ 5 ล้านบาท ทีมการตลาดจึงรายงานว่าแคมเปญประสบความสำเร็จ เพราะมี ROAS (Return on Ad Spend) สูงถึง 5 เท่า

แต่มีคำถามสำคัญที่มักถูกมองข้ามว่า หากบริษัทไม่ได้ทำโฆษณาเลย ยอดขาย 5 ล้านบาทนี้จะหายไปทั้งหมดจริงหรือไม่?

เป็นไปได้ว่าลูกค้าบางส่วนตั้งใจซื้อสินค้าอยู่แล้ว บางคนรู้จักแบรนด์มานาน หรือบางคนกำลังจะตัดสินใจซื้อ แต่บังเอิญเห็นโฆษณาก่อนทำรายการ

สมมติว่าหากไม่มีแคมเปญ บริษัทก็ยังขายได้ 4 ล้านบาท นั่นหมายความว่าโฆษณา 1 ล้านบาทไม่ได้สร้างยอดขายเพิ่มขึ้น 5 ล้านบาท แต่สร้างยอดขายส่วนเพิ่มจริงเพียง 1 ล้านบาทเท่านั้น

นี่คือเหตุผลที่นักการตลาดและผู้บริหารควรทำความเข้าใจแนวคิดที่เรียกว่า Causal Measurement

🔴 Causal Measurement: การวัดผลที่ต้องพิสูจน์ว่าอะไรเป็นสาเหตุของอะไร

Causal Measurement คือการวัดว่าปัจจัยหนึ่งเป็นสาเหตุที่ทำให้เกิดการเปลี่ยนแปลงของอีกปัจจัยหนึ่งจริงหรือไม่ ไม่ใช่เพียงการสังเกตว่าทั้งสองสิ่งเกิดขึ้นพร้อมกัน

แนวคิดนี้ตั้งอยู่บนความแตกต่างระหว่าง Correlation (ความสัมพันธ์) กับ Causation (ความเป็นเหตุเป็นผล)

ตัวอย่างเช่น ยอดขายเพิ่มขึ้นหลังเริ่มแคมเปญโฆษณา เป็นเพียงความสัมพันธ์ที่สังเกตได้ แต่ยังไม่สามารถสรุปว่าโฆษณาเป็นสาเหตุของยอดขายที่เพิ่มขึ้น เพราะยอดขายอาจได้รับอิทธิพลจากฤดูกาล ราคา โปรโมชั่น หรือความต้องการซื้อที่มีอยู่ก่อนแล้ว

ปัญหาของการวัดผลการตลาดในปัจจุบันจึงไม่ใช่การขาดข้อมูล แต่เป็นการนำข้อมูลที่แสดงความสัมพันธ์มาตีความเป็นเหตุและผล

การที่ลูกค้าเห็นโฆษณาก่อนซื้อสินค้า ไม่ได้หมายความว่าลูกค้าซื้อสินค้าเพราะเห็นโฆษณา

🔴 ทำไม ROAS ที่สูง อาจไม่ได้หมายถึงการตลาดที่มีประสิทธิภาพ

เครื่องมือวัดผลการตลาดส่วนใหญ่ให้ความสำคัญกับ Attribution หรือการระบุว่ายอดขายเกี่ยวข้องกับช่องทางการตลาดใด

ตัวอย่างเช่น หากลูกค้าคลิกโฆษณาแล้วซื้อสินค้า ระบบอาจนับยอดขายนั้นเป็นผลงานของโฆษณา แม้ว่าลูกค้าจะมีความตั้งใจซื้ออยู่ก่อนแล้วก็ตาม

ปัญหาคือ Attribution ช่วยตอบว่าแคมเปญใดได้รับเครดิตจากยอดขาย แต่ไม่ได้พิสูจน์ว่าแคมเปญนั้นทำให้เกิดยอดขายเพิ่มขึ้นจริงเท่าไร

ด้วยเหตุนี้ แคมเปญที่มี ROAS สูงจึงอาจไม่ได้สร้างผลลัพธ์ส่วนเพิ่มมากที่สุด โดยเฉพาะแคมเปญที่เข้าถึงลูกค้าซึ่งมีความต้องการซื้อสูงอยู่แล้ว

หากผู้บริหารใช้ ROAS เป็นเกณฑ์หลักในการจัดสรรงบประมาณ องค์กรอาจลงทุนเพิ่มในช่องทางที่เก่งในการรับยอดขายที่กำลังจะเกิดขึ้น มากกว่าช่องทางที่สามารถสร้างยอดขายใหม่ได้จริง

🔴 Incrementality Testing: ถ้าไม่ทำแคมเปญ ยอดขายจะเป็นเท่าไร

หนึ่งในวิธีสำคัญของ Causal Measurement คือ Incrementality Testing ซึ่งเป็นการทดลองเพื่อวัดผลลัพธ์ส่วนเพิ่มจากกิจกรรมการตลาด

หลักการคือการเปรียบเทียบกลุ่มลูกค้าที่ได้รับโฆษณากับกลุ่มที่ไม่ได้รับโฆษณา โดยออกแบบการทดลองให้ทั้งสองกลุ่มมีลักษณะใกล้เคียงกัน และสุ่มแบ่งกลุ่มเมื่อสามารถทำได้

สมมติว่ากลุ่มที่เห็นโฆษณาสร้างยอดขาย 1.2 ล้านบาท ขณะที่กลุ่มควบคุมซึ่งมีขนาดเท่ากันสร้างยอดขาย 1 ล้านบาท

หากการทดลองออกแบบอย่างเหมาะสม ผลต่าง 200,000 บาทจะเป็นค่าประมาณของยอดขายส่วนเพิ่มที่เกิดจากโฆษณา

วิธีนี้ช่วยเปลี่ยนคำถามจาก “โฆษณาเกี่ยวข้องกับยอดขายเท่าไร” มาเป็น “หากไม่มีโฆษณา ยอดขายส่วนใดจะไม่เกิดขึ้น”

ซึ่งเป็นคำถามที่สำคัญกว่ามากสำหรับการตัดสินใจลงทุน

🔴 Marketing Mix Modeling: แยกผลของการตลาดออกจากปัจจัยอื่น

นอกจากการทดลองแล้ว องค์กรยังสามารถใช้ Marketing Mix Modeling (MMM) ซึ่งเป็นแบบจำลองทางสถิติที่วิเคราะห์ความสัมพันธ์ระหว่างยอดขายกับปัจจัยต่าง ๆ เช่น งบโฆษณา ราคา โปรโมชั่น ฤดูกาล และสภาพตลาด

ตัวอย่างเช่น ยอดขายที่เพิ่มขึ้นในช่วงปลายปีอาจไม่ได้เกิดจากแคมเปญโฆษณาทั้งหมด แต่อาจเกิดจากความต้องการซื้อในช่วงเทศกาลด้วย

MMM ช่วยประมาณว่าปัจจัยแต่ละส่วนมีบทบาทต่อยอดขายมากน้อยเพียงใด และช่วยประเมินผลตอบแทนจากการลงทุนในช่องทางการตลาดต่าง ๆ

อย่างไรก็ตาม MMM ไม่ได้พิสูจน์เหตุและผลโดยอัตโนมัติ ความแม่นยำขึ้นอยู่กับข้อมูล สมมติฐาน และการควบคุมปัจจัยรบกวน จึงควรใช้ร่วมกับผลการทดลองเพื่อเพิ่มความน่าเชื่อถือ

🔴 Organic Demand: ยอดขายบางส่วนอาจเกิดขึ้นอยู่แล้ว แม้ไม่มีแคมเปญ

อีกประเด็นสำคัญคือการแยกความต้องการซื้อที่อาจเกิดขึ้นอยู่แล้ว ออกจากความต้องการซื้อส่วนเพิ่มที่เกิดจากแคมเปญ

ตัวอย่างเช่น ลูกค้าที่ค้นหาชื่อแบรนด์โดยตรงอาจมีความตั้งใจซื้อสูงอยู่ก่อนแล้ว หากบริษัทซื้อโฆษณาเพื่อให้ปรากฏในผลการค้นหา ระบบอาจรายงานว่าสร้างยอดขายได้จำนวนมาก

แต่คำถามคือ หากไม่มีโฆษณานั้น ลูกค้าจะยังซื้อสินค้าผ่านผลการค้นหาปกติหรือไม่?

หากคำตอบคือใช่สำหรับลูกค้าจำนวนมาก แสดงว่าโฆษณาอาจไม่ได้สร้างยอดขายส่วนเพิ่มมากเท่าที่รายงาน

อย่างไรก็ตาม ความต้องการซื้อที่มีอยู่แล้วอาจเกิดจากการลงทุนสร้างแบรนด์ในอดีต จึงไม่ควรตีความว่า Organic Demand เป็นยอดขายที่ไม่เกี่ยวข้องกับการตลาดเลย

สิ่งที่ต้องแยกให้ชัดคือ ผลลัพธ์ที่เกิดจากแคมเปญที่กำลังวัด กับผลลัพธ์ที่น่าจะเกิดขึ้นแม้ไม่มีแคมเปญนั้น

🔴 จาก ROAS สู่ Incremental ROAS: วัดผลเพื่อจัดสรรงบประมาณให้ถูกที่

ความสำคัญของ Causal Measurement ไม่ได้อยู่ที่การทำรายงานให้ซับซ้อนขึ้น แต่อยู่ที่การช่วยให้องค์กรตัดสินใจใช้งบประมาณได้ดีขึ้น

สมมติว่าบริษัทมีแคมเปญสองรายการที่ใช้งบประมาณเท่ากัน

แคมเปญ A รายงาน ROAS 6 เท่า แต่สร้างยอดขายส่วนเพิ่มจริงเพียง 1.5 เท่าของงบประมาณ ขณะที่แคมเปญ B รายงาน ROAS 3 เท่า แต่สร้างยอดขายส่วนเพิ่มจริง 2.5 เท่าของงบประมาณ

หากพิจารณา ROAS แบบเดิม แคมเปญ A ดูเหมือนประสบความสำเร็จมากกว่า แต่เมื่อใช้ Incremental ROAS (iROAS) แคมเปญ B กลับสร้างยอดขายส่วนเพิ่มต่อเงินลงทุนได้มากกว่า

แน่นอนว่าการตัดสินใจยังต้องพิจารณาอัตรากำไรและต้นทุนอื่น ๆ เพราะยอดขายส่วนเพิ่มไม่ได้เท่ากับกำไรส่วนเพิ่มเสมอไป

ยิ่งไปกว่านั้น การเพิ่มงบประมาณไม่ได้รับประกันว่าจะได้ผลตอบแทนในอัตราเดิม ผู้บริหารจึงควรประเมินด้วยว่าเงินลงทุนก้อนถัดไปจะสร้างผลตอบแทนส่วนเพิ่มได้มากน้อยเพียงใด

นี่คือการเปลี่ยนจากการวัดว่า Marketing ได้รับเครดิตจากยอดขายเท่าไร ไปสู่การวัดว่า Marketing สร้างมูลค่าเพิ่มให้ธุรกิจจริงเท่าไร

🔴 เมื่อวัดผลผิด องค์กรก็อาจจัดสรรงบประมาณผิด

สิ่งที่น่ากังวลที่สุดไม่ใช่การที่ตัวเลข ROAS หรือ Conversion Rate ไม่ถูกต้อง แต่คือการที่ตัวเลขเหล่านั้นอาจถูกต้องตามวิธีคำนวณของระบบ ทว่าถูกนำไปใช้ตอบคำถามที่ผิด

เมื่อองค์กรให้รางวัลกับแคมเปญที่รายงานยอดขายได้สูง ทีมการตลาดย่อมมีแรงจูงใจที่จะลงทุนในกิจกรรมที่แสดงผลลัพธ์ได้ง่าย แม้กิจกรรมเหล่านั้นอาจไม่ได้สร้างยอดขายส่วนเพิ่มมากนัก

ในทางกลับกัน กิจกรรมที่สร้างความต้องการซื้อใหม่หรือสร้างแบรนด์ในระยะยาว อาจถูกลดงบประมาณเพียงเพราะไม่สามารถแสดงยอดขายผ่าน Attribution ได้ชัดเจนเท่ากัน

Causal Measurement จึงไม่ใช่เพียงเรื่องของนักวิเคราะห์ข้อมูล แต่เป็นเรื่องของระบบการตัดสินใจและการจัดสรรทรัพยากรขององค์กร

บทสรุป: อย่าวัดเพียงว่าเกิดอะไรขึ้น แต่ต้องวัดด้วยว่าอะไรทำให้มันเกิดขึ้น

การตลาดยุคใหม่มีข้อมูลมากกว่าที่เคย แต่ข้อมูลจำนวนมากไม่ได้รับประกันว่าองค์กรจะเข้าใจสาเหตุของผลลัพธ์ได้ดีขึ้น

ยอดขายที่เพิ่มขึ้นหลังทำแคมเปญ ไม่ได้พิสูจน์ว่าแคมเปญเป็นสาเหตุของยอดขายทั้งหมด เช่นเดียวกับ ROAS ที่สูง ก็ไม่ได้รับประกันว่าเงินลงทุนนั้นสร้างผลตอบแทนส่วนเพิ่มได้ดีที่สุด

Causal Measurement ช่วยให้องค์กรเปลี่ยนจากการวัดความสัมพันธ์ มาเป็นการประเมินผลกระทบเชิงเหตุและผล ซึ่งเป็นพื้นฐานสำคัญของการตัดสินใจจัดสรรงบประมาณอย่างมีประสิทธิภาพ

เพราะท้ายที่สุดแล้ว คำถามสำคัญไม่ใช่ “เราทำการตลาดแล้วขายได้เท่าไร” แต่คือ “ถ้าเราไม่ทำการตลาดนี้ ยอดขายและกำไรจะต่างไปจากเดิมเท่าไร”

และความแตกต่างระหว่างสองคำถามนี้ อาจเป็นตัวกำหนดว่าองค์กรกำลังลงทุนเพื่อสร้างการเติบโตจริง ๆ หรือเพียงจ่ายเงินเพื่อรับเครดิตจากยอดขายที่กำลังจะเกิดขึ้นอยู่แล้ว