Targeting

นิยาม

Targeting หรือ การกำหนดกลุ่มเป้าหมาย คือกระบวนการคัดเลือกว่าโฆษณาของเราจะไปแสดงกับ "ใคร" โดยอาศัยมิติต่างๆ เช่น ประชากรศาสตร์ (เพศ อายุ รายได้) พื้นที่ทางภูมิศาสตร์ ความสนใจ พฤติกรรมการใช้งาน และข้อมูลเชิงลึกอื่นๆ แทนที่จะยิงโฆษณาออกไปหาทุกคนแบบหว่านแห Targeting ช่วยให้เราจ่ายเงินเฉพาะกับคนที่มีโอกาสซื้อจริง ทำให้ ROAS และ CPA ดีขึ้นอย่างมีนัยสำคัญ

ในโลก DTC ไทยที่ค่าคลิก (CPC) บน Meta อยู่ที่ประมาณ 8–25 บาท ต่อคลิก และบน TikTok อยู่ที่ 5–15 บาท การไม่ทำ Targeting เลยเท่ากับเผางบโฆษณาทิ้งไปมากกว่าครึ่ง

เปรียบเทียบให้เห็นภาพ

ลองนึกภาพว่าเราขาย เซรั่มบำรุงผิวสำหรับผิวแพ้ง่าย ราคา 890 บาท

- ไม่ทำ Targeting = ไปยืนแจกใบปลิวที่สยามทุกคนที่เดินผ่าน ตั้งแต่เด็กมัธยมจนถึงคุณลุงวัย 70 → เสียใบปลิว 1,000 ใบ ได้ลูกค้า 3 คน

- ทำ Targeting = ไปยืนแจกเฉพาะหน้าร้านคลินิกผิวหนัง ในช่วง 18:00–21:00 ให้ผู้หญิงอายุ 25–40 ที่เพิ่งเดินออกมาพร้อมถุงยา → เสียใบปลิว 200 ใบ ได้ลูกค้า 12 คน

ต้นทุนเท่ากัน แต่ผลลัพธ์ต่างกัน 4 เท่า นี่คือหัวใจของ Targeting

สูตรที่ต้องรู้

ROAS = รายได้จากโฆษณา ÷ งบโฆษณาที่ใช้

CPA = งบโฆษณาที่ใช้ ÷ จำนวน Conversion

ตัวอย่างจริง:

- งบโฆษณา 30,000 บาท

- ได้ยอดขาย 150,000 บาท

- ได้ออเดอร์ 120 ครั้ง

→ ROAS = 150,000 ÷ 30,000 = 5.0

→ CPA = 30,000 ÷ 120 = 250 บาท

ถ้าต้นทุนสินค้า + ค่าส่ง = 350 บาท และราคาขาย 890 บาท กำไรขั้นต้นต่อออเดอร์ = 540 บาท → หัก CPA 250 บาท ยังเหลือกำไร 290 บาท/ออเดอร์ แปลว่ากลุ่มเป้าหมายนี้ยัง "กินได้" แต่ถ้า CPA พุ่งไป 500 บาท ต้องกลับไปปรับ Targeting ทันที

ตารางเปรียบเทียบประเภท Targeting

application ในสถานการณ์จริง

1. ช่วงเปิดตัวสินค้าใหม่

ใช้ Interest + Broad ผสมกัน เพื่อให้ Algorithm เก็บข้อมูลก่อน งบประมาณ 500–1,000 บาท/วัน ต่อ Ad Set ไม่ควรตั้งกลุ่มเล็กกว่า 500,000 คน เพราะระบบจะเรียนรู้น้อย

2. ช่วงสเกล

ใช้ Lookalike 1% จากผู้ซื้อจริง 30 วันย้อนหลัง + Broad เพื่อขยายฐาน ถ้า ROAS ยังเกิน 3.0 ให้เพิ่มงบทีละ 20% ต่อ 2–3 วัน

3. ช่วงรีมาร์เก็ตติ้ง

แบ่งกลุ่มตามพฤติกรรม เช่น ดูวิดีโอ 75% แต่ยังไม่กดซื้อ / เพิ่มลงตะกร้าแล้วทิ้ง / ซื้อซ้ำ กลุ่มเหล่านี้ CPA มักต่ำกว่ากลุ่ม Cold อยู่ 40–60%

4. สินค้าตามฤดูกาล

เช่น ครีมกันแดดช่วงมีนาคม–พฤษภาคม ควร Targeting ภาคใต้และภาคกลางที่อากาศร้อนจัด ร่วมกับ Interest เกี่ยวกับทะเลและท่องเที่ยว

ข้อผิดพลาดที่พบบ่อย

1. ตั้งกลุ่มเล็กเกินไป — ต่ำกว่า 100,000 คน ระบบจะหมุนเวียนโฆษณาซ้ำๆ ทำให้คนเห็นบ่อยเกินไป (Frequency สูง) และ CPC แพงขึ้น

2. ซ้อน Interest เยอะเกิน — การใส่ Interest 10 อย่างพร้อมกันไม่ได้แปลว่าแม่นขึ้น แต่แปลว่ากลุ่มเล็กลงและระบบเรียนรู้น้อยลง

3. ไม่แยก Cold / Warm / Hot — ใช้ข้อความโฆษณาเดียวกันกับทุกกลุ่ม ทำให้คนที่พร้อมซื้ออยู่แล้วเห็นข้อความแนะนำสินค้าซ้ำๆ

4. ลืมปิดกลุ่มที่ Conversion ต่ำ — ควรตรวจสอบทุก 3–7 วัน ตัด Ad Set ที่ CPA สูงกว่าเป้า 30% ขึ้นไป

5. ไม่ทำ Exclusion — เช่น ไม่ตัดคนที่ซื้อแล้วออกจากกลุ่ม Cold ทำให้เสียงบประมาณซ้ำ

6. เชื่อว่า Broad = ไม่ต้องทำอะไร — จริงๆ แล้ว Broad ต้องอาศัย Creative ที่แข็งแรงมาก เพราะ Algorithm จะหาคนจากเนื้อหาวิดีโอของเรา

คำศัพท์ที่เกี่ยวข้อง

- Custom Audience — กลุ่มเป้าหมายที่สร้างจากข้อมูลของเราเอง เช่น อีเมล เบอร์โทร คนที่กดลิงก์

- Lookalike Audience — กลุ่มที่ระบบสร้างจากความคล้ายของ Custom Audience

- Retargeting — การยิงโฆษณาซ้ำกับคนที่เคยมีปฏิสัมพันธ์แล้ว

- Frequency — จำนวนครั้งเฉลี่ยที่คนหนึ่งเห็นโฆษณาในระยะเวลาหนึ่ง

- CPA / ROAS — ตัวชี้วัดต้นทุนและผลตอบแทนที่ใช้ตัดสินคุณภาพของ Targeting

- Ad Set — ระดับที่เราใส่การตั้งค่า Targeting, งบประมาณ และตำแหน่งโฆษณา

- Pixel / CAPI — เครื่องมือเก็บข้อมูล Conversion เพื่อให้ระบบเรียนรู้กลุ่มเป้าหมายได้แม่นขึ้น

สรุปสั้นๆ: Targeting ไม่ใช่แค่การเลือกเพศกับอายุ แต่คือการจัดวาง "คนที่ใช่" ให้เจอ "ข้อความที่ใช่" ใน "เวลาที่ใช่" ด้วย "งบที่คุ้ม" — ถ้าทำได้ครบทั้ง 4 อย่าง ROAS 5 เท่าไม่ใช่เรื่องไกลตัวเลย