Marketing Analytics

คำนิยาม

Marketing Analytics คือการเก็บรวบรวม วัดผล และวิเคราะห์ข้อมูลจากทุกช่องทาง marketing ไม่ว่าจะเป็น Facebook Ads, TikTok Ads, Google Ads, LINE OA, Email หรือ Influencer เพื่อดูว่ากิจกรรมไหน "ได้ผลจริง" และกิจกรรมไหน "เผาเงินทิ้ง" แล้วนำข้อมูลนั้นมาตัดสินใจเรื่องงบประมาณ ครีเอทีฟ และกลุ่มเป้าหมายในรอบถัดไป

พูดง่าย ๆ คือการเปลี่ยน "ความรู้สึก" ให้เป็น "ตัวเลข" แล้วเอาเลขนั้นมาตอบคำถามว่า ควรเพิ่มงบ หรือควรปิดแคมเปญ

สำหรับคนทำ DTC/e-commerce ในไทย Marketing Analytics ไม่ใช่แค่ดูยอดขายใน Shopee หรือ TikTok Shop แต่ต้องเชื่อมข้อมูลจากหลายระบบเข้าด้วยกัน เช่น

- Ad Platform (Meta, TikTok, Google)

- Web/App Analytics (GA4, Firebase)

- CRM / LINE OA (ลูกค้าซื้อซ้ำไหม)

- Order System (ยอดขายจริง หัก return แล้ว)

การเปรียบเทียบให้เห็นภาพ

ลองนึกว่าคุณเปิดร้านข้าวเหนียวหมูปิ้ง 1 ป้าย

- ถ้าคุณแค่ยืนดูว่า "วันนี้ขายดี" = Reporting

- ถ้าคุณรู้ว่า "ลูกค้าส่วนใหญ่มาจากปากซอยตอน 7 โมงเช้า และซื้อคู่กับน้ำเต้าหู้" = Marketing Analytics

- ถ้าคุณรู้ว่า "ถ้าลดราคาหมูปิ้ง 2 บาท ยอดขายเพิ่ม 30% แต่กำไรลด 5%" = Marketing Analytics ระดับสูง (Optimization)

Marketing Analytics คือการรู้ไม่ใช่แค่ "ขายได้เท่าไร" แต่รู้ว่า "ทำไมขายได้" และ "ทำอย่างไรให้ขายได้มากขึ้นโดยใช้เงินเท่าเดิม"

สูตรหลักที่ต้องรู้

1. ROAS (Return on Ad Spend)

ROAS = รายได้จากโฆษณา ÷ ค่าใช้จ่ายโฆษณา

ตัวอย่าง: ยิงแอด TikTok 25,000 บาท ได้ยอดขาย 125,000 บาท

→ ROAS = 125,000 ÷ 25,000 = 5.0x

2. CAC (Customer Acquisition Cost)

CAC = ค่าใช้จ่ายการตลาดทั้งหมด ÷ จำนวนลูกค้าใหม่

ตัวอย่าง: ใช้งบ 80,000 บาท ได้ลูกค้าใหม่ 400 คน

→ CAC = 80,000 ÷ 400 = 200 บาท/คน

3. LTV (Lifetime Value)

LTV = มูลค่าซื้อเฉลี่ย × จำนวนครั้งที่ซื้อต่อปี × จำนวนปีที่เป็นลูกค้า

ตัวอย่าง: ซื้อเฉลี่ย 650 บาท, ซื้อ 3 ครั้ง/ปี, เป็นลูกค้า 2 ปี

→ LTV = 650 × 3 × 2 = 3,900 บาท

4. LTV:CAC Ratio

LTV:CAC = LTV ÷ CAC

ถ้า LTV = 3,900 และ CAC = 200 → Ratio = 19.5:1

(เกณฑ์สุขภาพดีสำหรับ DTC ไทยควรอยู่ที่ 3:1 ขึ้นไป)

5. AOV (Average Order Value)

AOV = รายได้รวม ÷ จำนวนออเดอร์

ตารางเปรียบเทียบตัวชี้วัด

สถานการณ์ใช้งานจริง

กรณีที่ 1: แบรนด์สกินแคร์บน TikTok Shop

ยิงแอด 3 แคมเปญ งบรวม 150,000 บาท

- แคมเปญ A: ROAS 6.2x → เพิ่มงบ 50%

- แคมเปญ B: ROAS 2.1x → ปรับครีเอทีฟใหม่

- แคมเปญ C: ROAS 0.8x → ปิดทันที

ผลลัพธ์หลังปรับ 30 วัน: ROAS รวมเพิ่มจาก 3.0x → 4.5x

กรณีที่ 2: ร้านอาหารเสริมบน LINE OA

พบว่า CAC จากการยิงแอด = 320 บาท แต่ CAC จาก LINE Broadcast = 45 บาท

→ โยกงบ 40% ไปทำ CRM และส่งข้อความหาลูกค้าเก่า

→ ลด CAC เฉลี่ยเหลือ 180 บาท ภายใน 2 เดือน

กรณีที่ 3: แบรนด์แฟชั่นบน Shopee

AOV = 720 บาท, LTV = 2,880 บาท, CAC = 260 บาท

→ LTV:CAC = 11:1 → ปลอดภัยที่จะ เพิ่มงบโฆษณาแบบ aggressive

ข้อเข้าใจผิดที่พบบ่อย

1. ดู ROAS อย่างเดียว — ROAS สูงแต่กำไรติดลบก็เกิดขึ้นได้ ถ้า margin ต่ำหรือมี return เยอะ

2. เชื่อตัวเลขจาก Ad Platform 100% — Meta กับ TikTok นับ attribution ต่างกัน บางครั้งซ้ำซ้อน ต้องเทียบกับยอดขายจริงในหลังบ้าน

3. ไม่หักค่า return/refund — ยอดขายบนแดชบอร์ดไม่เท่ากับเงินเข้าจริง

4. ดูข้อมูลแค่ 7 วัน — DTC ไทยหลายแบรนด์มี cycle การตัดสินใจ 14–30 วัน ต้องดู window ที่เหมาะสม

5. ลืมวัดลูกค้าเก่า — คนส่วนใหญ่โฟกัสแต่ลูกค้าใหม่ แต่กำไรจริงมักมาจาก repeat purchase

6. ไม่มี UTM tracking — ทำให้ไม่รู้ว่ายอดมาจากช่องทางไหน ต้องเดาแบบเสียเวลา

คำศัพท์ที่เกี่ยวข้อง

- Attribution Model — โมเดลการให้เครดิตช่องทาง (First-click, Last-click, Data-driven)

- Cohort Analysis — การติดตามกลุ่มลูกค้าตามช่วงเวลาที่สมัคร

- Funnel Analysis — การวิเคราะห์ขั้นตอนตั้งแต่เห็นโฆษณาถึงซื้อ

- Retention Rate — อัตราการกลับมาซื้อซ้ำ

- Blended ROAS — ROAS รวมทุกช่องทาง (MER)

- MER (Marketing Efficiency Ratio) — รายได้รวม ÷ งบการตลาดรวม

- Pixel / Conversion API — เครื่องมือติดตาม conversion

- UTM Parameter — ตัวแปรต่อท้าย URL เพื่อแยกแหล่งที่มา

สรุปสั้น ๆ: Marketing Analytics ที่ดีไม่ใช่การดูตัวเลขเยอะ แต่คือการเลือกดู ตัวเลขที่ถูกตัว แล้วลงมือปรับอย่างรวดเร็ว ทดลอง สังเกต วนซ้ำ — นั่นคือหัวใจของ DTC ที่ profitable ในตลาดไทย