Episode ที่เจ็ดของ Digipedia Podcast จะพาคุณรู้ในสิ่งที่ควรคำนึงถึงในการอ่าน Data ของแคมเปญโฆษณาออนไลน์เบื้องต้น

มองให้ลึกถึงจุดที่กระทบกับ Campaign Performance ที่สุดก่อนเสมอ

การอ่านและวิเคราะห์ Data ผิดจุดอาจจะทำให้การ Optimize แคมเปญผิดเพี้ยนไปได้ การอ่าน Data เบื้องต้นมักจะเริ่มจากปัญหาและการตั้งคำถามก่อนเช่น เรามีแคมเปญที่มี Objective เพื่อการ Drive Traffic เข้าเว็บไซต์ของเราให้ได้เยอะที่สุดแล้วปรากฏว่า CPC ของเราแพงเกินจากแพลนที่วางไว้ เราอาจจะต้องหยิบ Metrics ต่าง ๆ ออกมากางดูเพื่อค้นหาต้นตอของปัญหาจริง ๆ นอกจากนี้การที่แคมเปญ Performance ออกมาไม่เป็นไปตามที่เราแพลนไว้ เราอาจจะต้องเข้าไปดูกลุ่ม Target หรือโฆษณาที่ใช้เงินมากที่สุดก่อนว่า Perform เป็นยังไงเพราะกลุ่ม Target หรือโฆษณาที่ได้ใช้เงินที่สุดย่อมเป็นตัวบ่งชี้ Performance ภาพรวมของแคมเปญ เพราะฉะนั้นการมอง Data เมื่อแคมเปญเกิดปัญหาขึ้นจึงควรมองให้ลึกถึงส่วนที่กระทบกับ Campaign Performance ที่สุดจริง ๆ และต้องตั้งคำถามและสมมุติฐานกับ Data ที่มีอยู่เสมอ

Sample Size เป็นเรื่องสำคัญ!

การวิเคราะห์ Data และหาต้นตอของปัญหาในแคมเปญนั้น ๆ มีอีกสิ่งหนึ่งที่จะมองข้ามไม่ได้เลยนั่นก็คือขนาด Sample Size ของ Data ที่เราจะเอามาวิเคราะห์นั่นเอง การตัดสินว่าแคมเปญนี้หรือกลุ่มเป้าหมายนี้ไม่มีประสิทธิภาพและควรปิดแคมเปญไปเวลาที่ Data มี Sample Size น้อย อาจจะเป็นการด่วนตัดสินใจไปหน่อย เพราะระบบเองก็ต้องใช้เวลาในการเรียนรู้สักช่วงเวลาหนึ่งกว่าที่จะได้ผลลัพธ์ที่มากพอเพื่อ Optimize แคมเปญของเราให้มีประสิทธิภาพ การที่เราด่วนตัดสินใจและปิดแคมเปญไปทั้ง ๆ ที่ยังได้ Sample Size ไม่เพียงพอให้เราวิเคราะห์ อาจจะเป็นการตัดโอกาสตัวเองก็เป็นได้

หยิบทุก Metric ขึ้นมาวิเคราะห์อย่างมีเหตุผลอย่างสม่ำเสมอ

การทำโฆษณาออนไลน์อย่างแรกที่เราต้องคำนึงถึงคือ Objective ของแคมเปญว่าเราอยากได้ผลลัพธ์ในเชิงไหนมากที่สุด ซึ่งสิ่งเหล่านี้เราสามารถเลือกได้โดยตรงในระบบหลังบ้านของ Platform ต่าง ๆ เพื่อเป็นการบอกระบบว่า Result ใดที่เราอยากได้และให้ไปหาคนที่มีแนวโน้มจะเกิด Result เหล่านั้นมา ถ้าอ้างอิงจาก Objective ของแคมเปญแล้วการแพลนส่วนใหญ่มักจะมอง KPI ไปที่ผลลัพธ์ของ Objective แคมเปญนั้น ๆ เป็นหลักเช่น แต่ถ้าเรามองดู Data ที่แพลตฟอร์มต่าง ๆ ดี ๆ แล้วจะเห็นว่าระบบยังมี Metrics อื่น ๆ อีกมากมายซึ่งเป็นตัวช่วยบ่งบอกคุณภาพและประสิทธิภาพของแคมเปญเราในแง่มุมอื่น ๆ ด้วย ยกตัวอย่างเช่น เราตั้ง KPI และ Objective แคมเปญของเราเป็น Engagement เพื่อต้องการให้คนมา Engage กับโฆษณาของเรามากที่สุด แต่พอรันแคมเปญไปแล้ว เราพบว่าคนมา Like โฆษณาของเราเยอะจริง ๆ แต่เมื่อดู Metric Post Comment หรือ Post Share แล้วกลับไม่มีใคร Comment หรือ Share Content ของเราเลย เพราะฉะนั้นเราอาจจะวิเคราะห์ต่อไปได้ว่า Post Like ที่เราได้มานั้นเกิดประโยชน์จริง ๆ กับธุรกิจของเราหรือเปล่า หรือ Content ของเรานั้นจริง ๆ น่าสนใจมากน้อยขนาดไหนและต้องปรับเปลี่ยนอย่างไร การวิเคราะห์ Metrics อื่น ๆ และตั้ง Secondary KPI เอาไว้จึงไม่ใช่เรื่องเสียหาย และยังอาจทำให้เรา Optimize แคมเปญให้มีคุณภาพและประสิทธิภาพมากขึ้นอีกด้วย

ถูกหรือแพง ขึ้นอยู่กับตัวเราเอง!

หลาย ๆ คนคงมีปัญหาที่คิดว่า Cost per Result แพงเกินไปหรือทำไมแคมเปญอื่น ๆ ในธุรกิจ Industry เดียวกันถึงได้ Cost per Result ที่ถูกกว่า จริง ๆ แล้วคำว่า Result ถูกหรือแพงนั้นมีหลายปัจจัยที่แตกต่างกันไป ต่อให้จะเป็นธุรกิจใน Industry เดียวกันก็ตาม ไม่ว่าจะเป็นการตั้งกลุ่มเป้าหมาย, Content, Placement ที่โฆษณาไปโชว์ หรือแม้แต่การใช้ Bidding Strategy ที่แตกต่างกัน เพราะฉะนั้นการเทียบตัวเองกับคู่แข่งอาจจะไม่ใช่วิธีชี้วัดความถูกแพงของผลลัพธ์โฆษณาที่ยุติธรรมนัก การที่จะวิเคราะห์ว่า Cost per Result ถูกหรือแพงนั้น เราควรที่จะสร้าง Benchmark ขึ้นมาจากแคมเปญที่เราเคยยิงไปแล้วในอดีต

__

แซม อธิราช หุตะสิงห์ / Sam Athirach Hutasingh

วิว อริญชย์ ภุมรินทร์ / View Arin Phummarin

Spotify: https://open.spotify.com/show/0GXiudAU3dme7U7nOmf1vp

Apple Podcasts: https://podcasts.apple.com/th/podcast/digipedia-podcast/id1526963594

Pocket Casts: https://pca.st/3vknh01u

YouTube: https://www.youtube.com/channel/UC4ze_IMMzsEPhnhTu8uzwVg

Website: https://digipedia.studio/