1-2
เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
ROAS BIBLE · ภาค 1 — มุมมอง: โฆษณา Meta ที่ใช้ได้กับทุกธุรกิจ
ROAS 2.91 · ₩34,022 ต่อการซื้อ ROAS 2.78 · ₩47,281 ต่อการซื้อ 4 69 คลิก 1 วัน 5 78 คลิก 7 วัน 5 80 คลิก 28 วัน
ความสูงของแท่งเป็นสัดส่วนกับจำนวนการซื้อ (ค่าจากคอลัมน์ "ผลลัพธ์ตามการตั้งค่าการระบุที่มา")
อย่าดูแค่ ROAS ให้ดูการซื้อที่ยังเข้ามาเรื่อยๆ ตามเวลา
1
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
ประเด็นสำคัญของบทนี้
1 เกณฑ์แรกในการแยกโฆษณาที่ดีไม่ใช่ ROAS (ผลตอบแทนจากค่าโฆษณา) แต่คือค่าสัมบูรณ์อย่างต้นทุนต่อผลลัพธ์ เกณฑ์ที่สองคือตัวชี้วัดเสริม เช่น การตั้งค่าการระบุที่มา
2 ถ้าแยกผลลัพธ์เป็นคลิก 1 วัน 7 วัน และ 28 วัน จะเห็นว่าบางโฆษณามีต้นทุนต่อการซื้อถูกลงเมื่อเวลาผ่านไป โฆษณาแบบนี้ให้รันต่อไป แม้ความถี่จะสูงก็ตาม
3 ดูโฆษณาไปได้ถึง 2 เท่าของ BEP (จุดคุ้มทุน) ถ้าตัดแน่นที่ 1.3 เท่า จะพลาดโฆษณาที่จะฟื้นกลับมาทีหลัง
4 คำถามเรื่องอัลกอริทึม การกำหนดเป้าหมายอย่างละเอียด งบประมาณต่อวัน หรือจะเพิ่มงบเท่าไร ล้วนเป็นมุมมองเชิงระบบ คำถามที่ควรถามคือ คนตอบสนองหรือไม่
5 ครีเอทีฟที่เคยขายดีตายลง เพราะกลุ่มคนที่ตอบสนองต่อจุดขายนั้นหมดไปแล้ว ให้เปลี่ยนจุดขาย ไม่ใช่เปลี่ยนการตั้งค่า
2
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
1. เคส 3: โฆษณาที่ ROAS สูงกว่าคือโฆษณาที่ดีกว่าหรือไม่
เคสที่สามมีทั้งผลลัพธ์ ต้นทุนต่อผลลัพธ์ และ ROAS ของการซื้อ ถ้าดู ROAS อย่างเดียว โฆษณาที่ ROAS สูงสุดคือโฆษณาที่ดีที่สุด แต่โฆษณา Meta คือการเพิ่มตัวเลือกแล้วปรับให้ดีที่สุด ถ้าไล่ตาม ROAS อย่างเดียว วันหนึ่งตัวเลือกอาจหมดไป
บนหน้าจอของคอร์ส กรอบสีแดงบนคือโฆษณาที่มีการซื้อ 5 ครั้ง ROAS 2.91 ส่วนกรอบล่างคือโฆษณาที่มีการซื้อ 89 ครั้ง ROAS 2.78
3
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
ดูสองโฆษณาในกรอบสีแดง โฆษณาแรกมีการซื้อ 5 ครั้ง ต้นทุน ₩34,022 (ประมาณ ฿870) ต่อการซื้อ (ตลาดเกาหลี) และ ROAS 2.91 (291%) อีกโฆษณามีการซื้อ 89 ครั้ง ต้นทุน ₩47,281 (ประมาณ ฿1,200) ต่อการซื้อ และ ROAS 2.78 (278%) การซื้อ 5 ครั้งกับ 89 ครั้งมีขนาดกลุ่มตัวอย่างต่างกันมาก การเปรียบเทียบจึงไม่มั่นคง และอาจมองได้ว่าเทียบกันไม่ได้เลย แต่ตารางนี้ยังชี้ให้เห็นสองเรื่อง
ข้อแรก: ค่าสัมบูรณ์
ดูต้นทุนต่อผลลัพธ์ก่อน โฆษณาที่ต้นทุนต่อผลลัพธ์ต่ำสุดคือโฆษณาที่ดีอันดับแรก แต่โฆษณาแบบนี้อาจหมดแรงเร็ว ถ้าไม่สร้างตัวเลือกเผื่อไว้ก็เสี่ยง
ข้อสอง: ตัวชี้วัดเสริม
ดูตัวชี้วัดอย่างการตั้งค่าการระบุที่มาควบคู่ไปด้วย จะเห็นว่าคอนเวอร์ชันเกิดขึ้นภายใน 1 วัน 7 วัน หรือ 28 วันหลังคลิกโฆษณา ถ้าจะเพิ่มการตั้งค่าการระบุที่มาเป็นตัวชี้วัดแบบกำหนดเอง ให้ค้นหา "การตั้งค่าการระบุที่มา" ในแดชบอร์ดข้อมูลของตัวจัดการโฆษณา Meta
4
แผนภาพเสริม · เรียงตาม ROAS
แผนภาพเสริม
เรียงตาม ROAS แล้ว โฆษณาอันดับ 1 มีต้นทุนต่อการซื้อเกิน 2 เท่าของ BEP
การซื้อที่แพงกว่า BEP BEP ₩60,000 2 เท่า BEP ₩120,000 8.80 ซื้อ 3 ₩121,614 4.54 ซื้อ 84 47,725 4.15 ซื้อ 22 60,951 3.81 ซื้อ 25 58,653 2.98 ซื้อ 27 58,466 2.91 ซื้อ 5 A 34,022 2.90 ซื้อ 40 43,834 2.78 ซื้อ 38 49,417 2.78 ซื้อ 89 B 47,281 2.65 ซื้อ 2 37,337 ₩30,000 ₩60,000 ₩90,000 ₩120,000 เรียงตาม ROAS จุด = ต้นทุนต่อการซื้อ (₩)
ROAS × ต้นทุนต่อการซื้อ = มูลค่าเฉลี่ยต่อการซื้อ
8.80 × ₩121,614 ≈ ₩1.07 ล้าน (ประมาณ ฿27,000) 2.91 × ₩34,022 ≈ ₩99,000 · 2.78 × ₩47,281 ≈ ₩131,000
โฆษณา 10 ตัวจากหน้าจอเคส 3 เรียงตามลำดับบนหน้าจอ A·B = สองโฆษณาที่คอร์สนำมาเทียบ ROAS มีมูลค่าการซื้อปนอยู่ โฆษณาอันดับ 1 (8.80) ได้คะแนนสูงเพียงเพราะการซื้อ 3 ครั้งมีมูลค่าเฉลี่ยราว ₩1.07 ล้าน นี่คือเหตุผลที่คอร์สบอกให้ดูค่าสัมบูรณ์ (ต้นทุนต่อผลลัพธ์) ก่อน
ที่มา: ศูนย์ช่วยเหลือทางธุรกิจของ Meta, Website purchase ROAS (return on ad spend) · Cost per result (ตรวจสอบ 2026-11-20)
5
ข้อมูลเสริม · การทดลองโฆษณา 25 ครั้ง
ข้อมูลเสริม
ในการทดลองโฆษณาขนาดใหญ่ 25 ครั้ง มีเพียง 3 ครั้งที่แยกได้ว่ากำไรมากหรือแค่เท่าทุน
ค้าปลีก: 19 การเงิน: 6 ตอบได้น่าเชื่อถือ โฆษณาได้ผลบ้างไหม? 10 จาก 25 แยก ROI −100% กับ 0% กำไรมาก หรือแค่เท่าทุน? 3 จาก 25 แยก ROI 0% กับ +50% พอใช้ได้ หรือแค่เท่าทุน? 0 จาก 25 แยก ROI 0% กับ +10%
ยอดซื้อต่อคนแกว่งมาก ส่วนเบี่ยงเบนมาตรฐาน ≈ 10 เท่าของค่าเฉลี่ย
ความคลาดเคลื่อนของ ROI ในการทดลองค้าปลีก ค่ามัธยฐาน 26.1% ช่วงความเชื่อมั่นกว้างเกิน 100 จุด
จะแยกความต่าง ROI 10 จุด การทดลองระดับมัธยฐานต้องใหญ่ขึ้น 62 เท่า
คอร์ส การซื้อ 5 ครั้ง (ROAS 2.91) กับ 89 ครั้ง (ROAS 2.78): ขนาดกลุ่มตัวอย่างต่างกันมากจนการเปรียบเทียบเองไม่มั่นคง
การทดลองแบบสุ่มมีกลุ่มควบคุม 25 ครั้งของผู้ลงโฆษณาค้าปลีกและการเงินในสหรัฐฯ หนึ่งช่อง = หนึ่งการทดลอง สีน้ำเงิน = มีกำลังพอจะตอบคำถามแถวนั้นได้อย่างน่าเชื่อถือ (ค่า t ที่คาดไว้เกิน 3) ยอดใช้จ่ายต่อคนแกว่งราว 10 เท่าของค่าเฉลี่ย ความคลาดเคลื่อนจึงยังสูงแม้มีคนเกิน 500,000 คนต่อการทดลอง ROI ในงานวิจัยคิดจากกำไรและวัดด้วยการทดลองแบบสุ่ม นิยามจึงต่างจาก ROAS บนแดชบอร์ด
ที่มา: Lewis, R. A. and Rao, J. M. (2015), The Unfavorable Economics of Measuring the Returns to Advertising, Quarterly Journal of Economics 130(4), Table III (ตรวจสอบ 2026-11-20)
6
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
2. ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
จากสองโฆษณานั้น ตัวที่เราเพิ่มงบคือโฆษณา 2.78 ไม่ใช่ 2.91 เหตุผลอยู่ในคอลัมน์ "ผลลัพธ์ตามการตั้งค่าการระบุที่มา"
โฆษณา 2.78 มีคอนเวอร์ชันโดยตรงภายใน 1 วันหลังคลิกแค่ 69 ครั้ง แต่ถ้าเปิดรันต่อไป ภายในหนึ่งสัปดาห์จะมีเพิ่มอีก 9 ครั้งเป็น 78 และภายใน 28 วันมีเพิ่มรวม 11 ครั้งเป็น 80 ยิ่งเวลาผ่านไป ต้นทุนต่อการซื้อยิ่งลดลงและ ROAS โดยรวมยิ่งดีขึ้น
คลิก 1 วัน 69 คอนเวอร์ชันโดยตรง
▶
คลิก 7 วัน 78 เพิ่ม 9
▶
คลิก 28 วัน 80 เพิ่ม 11
7
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
ในคอลัมน์คลิก 1 วัน 7 วัน และ 28 วัน โฆษณา ROAS 2.78 เพิ่มจาก 69 เป็น 78 เป็น 80 ส่วนโฆษณา ROAS 2.91 หยุดอยู่ที่ 4, 5, 5
โฆษณา
ROAS 2.91 (291%)
ROAS 2.78 (278%)
ต้นทุนต่อการซื้อ
₩34,022
₩47,281
คลิก 1 วัน
4
69
คลิก 7 วัน
5
78 (เพิ่ม 9)
คลิก 28 วัน
5
80 (เพิ่ม 11)
การตัดสิน
ไม่เพิ่มงบ
เพิ่มงบ
มีคำพูดว่า "เปิดโฆษณาแล้วต้องดูให้ครบ 7 วัน" ถ้าคิดรวมการตั้งค่าการระบุที่มาด้วย คำนี้ก็อาจถูกอยู่บ้าง
8
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
แต่การหา "คำตอบที่ถูก" แบบ "งบประมาณต่อวันต้องเป็น ₩30,000 (ประมาณ ฿770)" หรือ "ต้องรันโฆษณาอย่างน้อย 7 วันเสมอ" เป็นแนวทางที่ผิด การรอ 7 วันจะถูกก็ต่อเมื่อมองจากมุมการตั้งค่าการระบุที่มาเท่านั้น
BEP ของสินค้านี้ =
₩60,000 (ประมาณ ฿1,500) ปิดทุกโฆษณาที่ต้นทุนต่อการซื้อ ₩120,000 (ประมาณ ฿3,100) เก็บไว้เฉพาะโฆษณาที่ต่ำกว่า ₩60,000 (ประมาณ ฿1,500)
โฆษณาแถวบนสุดมี ROAS สูงสุดที่ 8.80 แต่ต้นทุนต่อการซื้อคือ ₩121,614 (ประมาณ ฿3,100) ถ้าตัดสินด้วยค่าสัมบูรณ์อย่างต้นทุนต่อผลลัพธ์แทน ROAS นี่คือโฆษณาที่ต้องตัดออก
โฆษณา ROAS 8.80 ₩121,614
ความยาวแถบเป็นสัดส่วนกับต้นทุนต่อการซื้อ
9
แผนภาพเสริม · ช่วงเวลาการระบุที่มา
แผนภาพเสริม
ขยายช่วงจาก 1 เป็น 28 วัน การซื้อเพิ่มจาก 69 เป็น 80
ความยาวแถบ = ช่วงเวลาที่นับ (สัดส่วนกับจำนวนวัน) ตัวเลขหนา = การซื้อของโฆษณา ROAS 2.78 / โฆษณา ROAS 2.91
คลิก 1 วัน ตัวเลือกทางการ คอนเวอร์ชันโดยตรง 69 / 4 คลิก 7 วัน ตัวเลือกทางการ +9 เทียบกับ 1 วัน 78 / 5 คลิก 28 วัน ค่าบนหน้าจอคอร์ส +11 เทียบกับ 1 วัน 80 / 5 การดู 1 วัน ตัวเลือกทางการ 1 วันหลังแค่เห็นโฆษณา ไม่มีในเคสของคอร์ส 0 1 วัน 7 วัน 28 วัน
0 = ตอนคลิกโฆษณา (ถ้าเป็นการดูคือตอนแสดงผล) ช่วงเวลาเริ่มนับจากจุดที่คนเจอโฆษณา ไม่ใช่จากการซื้อ
เอกสารทางการของ Meta การตั้งค่าการระบุที่มามาตรฐานที่เลือกได้ในชุดโฆษณาคือ คลิก 1 วันหรือ 7 วัน การดู 1 วัน และการดูแบบมีส่วนร่วม 1 วันคอร์ส ใช้คอลัมน์ "เปรียบเทียบการตั้งค่าการระบุที่มา" วางคลิก 1 วัน 7 วัน และ 28 วันเทียบกัน 28 วันไม่อยู่ในรายการตัวเลือกทางการที่เราอ่านครั้งนี้
ยิ่งช่วงเวลายาว ยิ่งจับการซื้อที่มาช้าได้มาก โฆษณา ROAS 2.91 หยุดที่ 4 เป็น 5 ค่า 28 วันอ่านจากคอลัมน์เปรียบเทียบบนหน้าจอคอร์ส จึงวาดเป็นเส้นประ
ที่มา: ศูนย์ช่วยเหลือทางธุรกิจของ Meta, About attribution models and attribution settings · About actions attributed to your ad (ตรวจสอบ 2026-11-20)
10
ข้อมูลเสริม · คอนเวอร์ชันมาถึงเมื่อไรหลังคลิก
ข้อมูลเสริม
ข้อมูลจากบริษัทเทคโนโลยีโฆษณาก็ตรงกัน: คอนเวอร์ชันครึ่งหนึ่งมาหลังวันแรก และ 13% มาหลัง 2 สัปดาห์
ให้คอนเวอร์ชันทั้งหมด = 100 แบ่งตามเวลาที่เกิดหลังคลิก หน่วย: %
งานวิจัยของ Criteo ผู้ลงโฆษณาหลายราย ช่วง 30 วัน ภายในหนึ่งวัน: ≈50% ≈35% 15% 37% 13% < 1 ชม. 1–24 ชม. 1–14 วัน หลัง 14 วัน โฆษณาในคอร์ส ROAS 2.78, 80 ครั้งที่ 28 วัน ภายในหนึ่งวัน: 86% 69 · 86% 9 ภายในคลิก 1 วัน วันที่ 1–7: 9 · 11%, วันที่ 7–28: 2 · 3%
ประเด็นของงานวิจัย
ถ้าดูแค่ข้อมูลทันทีหลังคลิก จะนับคอนเวอร์ชันที่ยังมาไม่ถึงเป็นความล้มเหลว 13% มาหลัง 2 สัปดาห์
ประเด็นของคอร์ส
ถ้าปิดเพราะเห็น 69 ครั้งที่ 1 วัน จะเสีย 11 ครั้งที่ตามมาทีหลัง ให้ดูที่ 1 วัน 7 วัน และ 28 วัน
ทั้งสองแถบแสดงว่าตัวเลขของวันเดียวไม่ใช่ภาพทั้งหมด ส่วนที่มาช้าของโฆษณาในคอร์ส (14%) น้อยกว่าข้อมูล Criteo (ราว 50%) ตัวเลขของ Criteo รวมโฆษณาดิสเพลย์จากผู้ลงโฆษณาหลายราย ส่วนของคอร์สคือโฆษณา Meta ตัวเดียว สัดส่วนนี้จึงต่างกันไปตามสินค้าและช่องทาง
ที่มา: Chapelle, O. (2014), Modeling Delayed Feedback in Display Advertising, KDD 2014 (Sec. 2.3 Analysis of the Conversion Delay) (ตรวจสอบ 2026-11-20)
11
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
3. โฆษณาที่เรารันต่อแม้ความถี่สูง
หน้าจอนี้แสดงต้นทุนต่อผลลัพธ์แยกตามการตั้งค่าการระบุที่มา และความถี่ ด้วย โฆษณาหมายเลข 2, 4, 10 และ 12 มีบางตัวที่ความถี่สูง แต่เรายังรันต่อ
บนหน้าจอคอร์ส กรอบแนวนอนสีแดงคือโฆษณาหมายเลข 2, 4, 10 และ 12 กรอบแนวตั้งตรงกลางคือต้นทุนต่อผลลัพธ์ตามการตั้งค่าการระบุที่มา (คลิก 1 วัน 7 วัน และ 28 วัน) และกรอบแนวตั้งขวาสุดคือความถี่
12
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
คำแนะนำทั่วไปคือ เมื่อความถี่เกิน 2 แล้วเกิน 3 แปลว่าเริ่มเกิดความล้า ให้เปลี่ยนครีเอทีฟหรือขยายกลุ่มเป้าหมาย แต่โฆษณาแบบระบุที่มาล่าช้า ซึ่งมีคอนเวอร์ชันเข้ามาเรื่อยๆ ตามเวลา ไม่เป็นแบบนั้น การเห็นซ้ำหลายครั้งนั่นเองที่กระตุ้นให้เกิดคอนเวอร์ชัน
หลักทั่วไป
ความถี่เกิน 2 หรือ 3 แปลว่าล้าแล้ว ให้เปลี่ยนครีเอทีฟหรือขยายกลุ่มเป้าหมาย
โฆษณาแบบระบุที่มาล่าช้า
การเห็นซ้ำทำให้เกิดคอนเวอร์ชัน ต้นทุนต่อการซื้อลดลงเมื่อความถี่สะสม จึงไม่ปิด แต่รันให้มากขึ้น
โฆษณาหมายเลข 4, 10 และ 12 ยังสะสมความถี่ไม่มาก แต่คอนเวอร์ชันที่มาช้ามีมาก บนหน้าจอ ความถี่ของหมายเลข 4 คือ 2.75 หมายเลข 10 คือ 1.35 หมายเลข 12 คือ 1.69 และหมายเลข 2 ด้านบนสุดคือ 3.47 ทั้งสี่ตัวมีต้นทุนต่อการซื้อลดลงต่อเนื่องจากวันที่ 1 ไป 7 ไป 28
13
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
ความถี่และต้นทุนต่อการซื้อตามช่วงการระบุที่มา สี่โฆษณา
#2ความถี่ 3.47
คลิก 1 วัน ₩62,638
คลิก 7 วัน ₩54,916
คลิก 28 วัน ₩53,451
ทำผลงานดีอยู่แล้ว ความถี่สูงสุดแต่มีประสิทธิภาพที่สุด
#4ความถี่ 2.75
คลิก 1 วัน ₩97,755
คลิก 7 วัน ₩66,651
คลิก 28 วัน ₩63,753
คอนเวอร์ชันโดยตรงอยู่ที่ ₩97,700 แต่ลดลงมาเหลือ ₩63,700 ถ้ารันนานกว่านี้จะลดลงอีก
#10ความถี่ 1.35
คลิก 1 วัน ₩74,674
คลิก 7 วัน ₩37,337
คลิก 28 วัน ₩37,337
ลดจาก ₩74,000 เหลือ ₩37,000 มีการซื้อแค่ 2 ครั้ง จึงยังไม่แม่นยำ
#12ความถี่ 1.69
คลิก 1 วัน ₩74,834
คลิก 7 วัน ₩44,901
คลิก 28 วัน ₩44,901
ถ้าตัดสินสัปดาห์แรกด้วยตัวเลข 1 วันอย่างเดียว โฆษณานี้จะตายไปพร้อมกับหมายเลข 4
14
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
ทั้งสี่โฆษณา จาก 1 → 7 → 28 วัน ต้นทุนต่อการซื้อลดลง
₩40,000 ₩80,000 ₩100,000 BEP ₩60,000 #4 63,753 #2 53,451 #12 44,901 #10 37,337 97,755 74,834 74,674 62,638 66,651 54,916 คลิก 1 วัน คลิก 7 วัน คลิก 28 วัน
ต้นทุนต่อการซื้อตามช่วงการระบุที่มาของสี่โฆษณา (ค่าบนหน้าจอ) ที่ 1 วัน ทั้งสี่ตัวอยู่เหนือ BEP ₩60,000 (ประมาณ ฿1,500) ที่ 28 วัน หมายเลข 2, 10 และ 12 ลงมาต่ำกว่า BEP และหมายเลข 4 ลงมาที่ราว ₩63,000
ต่ำกว่า BEP ที่ 1 วัน 0 ตัว
ต่ำกว่า BEP ที่ 28 วัน 3 ตัว
15
แผนภาพเสริม · ความถี่และความล้า
แผนภาพเสริม
ความถี่สูงอย่างเดียวไม่ใช่ความล้า ต้นทุนต่อการซื้อ เป็นตัวตัดสิน
ความถี่เกิน 2 หรือ 3สัญญาณความล้าตามหลักทั่วไป
▼
1 → 7 → 28 วัน: ต้นทุนต่อการซื้อไปทางไหน?
ลดลง
เพิ่มขึ้น
ระบุที่มาล่าช้า เปิดไว้ต่อ การเห็นซ้ำทำหน้าที่กระตุ้นคอนเวอร์ชัน (คอร์ส)
ต่ำกว่า BEP แล้ว: เพิ่มงบ #2 ความถี่ 3.47 · ₩62,638 → ₩53,451ยังสูงกว่า BEP: ดูต่อไป #4 ความถี่ 2.75 · ₩97,755 → ₩63,753
ถ้า CTR ลดลงด้วย: ครีเอทีฟล้า ยิ่งคนเห็นครีเอทีฟเดิมบ่อย CTR (อัตราการคลิกผ่าน) ยิ่งลด และต้นทุนต่อการกระทำยิ่งสูง (เอกสารนักพัฒนาของ Meta)
ที่แนะนำ สร้างโฆษณาใหม่ด้วยภาพหรือวิดีโออื่น ขยายกลุ่มเป้าหมาย เปลี่ยนครีเอทีฟ หรือหยุดชั่วคราว
ที่มา: Meta for Developers, Marketing API Ads Webhooks: Creative Fatigue · ศูนย์ช่วยเหลือทางธุรกิจของ Meta, Frequency (ตรวจสอบ 2026-11-20)
16
แผนภาพเสริม · ความถี่และความล้า
แผนภาพเสริม
หลักจำง่ายของคอร์ส เทียบกับเอกสาร Meta: ความล้าไม่ได้วัดด้วยตัวเลขความถี่
หลักทั่วไปที่พูดถึงในคอร์ส
เมื่อความถี่เกิน 2 แล้วเกิน 3 ให้ถือว่าล้าแล้ว และเปลี่ยนครีเอทีฟหรือขยายกลุ่มเป้าหมาย
เอกสารนักพัฒนาของ Meta
ไม่ได้กำหนดความล้าด้วยตัวเลขความถี่ แต่บอกให้ดูความถี่ CTR และต้นทุนต่อการกระทำไปพร้อมกันทุกวัน
หมายเลข 2 และ 4 ที่ต้นทุนกำลังลดลง ก็ไม่นับว่าล้าตามเกณฑ์ของเอกสารเช่นกัน
ที่มา: Meta for Developers, Marketing API Ads Webhooks: Creative Fatigue · ศูนย์ช่วยเหลือทางธุรกิจของ Meta, Frequency (ตรวจสอบ 2026-11-20)
17
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
4. ควรยอมให้ถึงกี่เท่าของ BEP
เวลาตัดสินโฆษณา ดูไปได้ถึง 2 เท่าของ BEP 2 เท่าในที่นี้ไม่ใช่งบประมาณ แต่เป็นเส้นตัดสินว่าจะรันโฆษณาต่อหรือไม่ ถ้า BEP คือ ₩60,000 (ประมาณ ฿1,500) ให้ดูไปได้ถึง ₩120,000 (ประมาณ ฿3,100) ต่อการซื้อ นี่คือเกณฑ์ที่ผมให้พนักงานเวลามอบงาน ถ้าผมรันเองและต้องคุมแน่น ผมจะยอมแค่ 1.3 เท่า
เส้นตัดตามต้นทุนต่อการซื้อ (BEP ₩60,000)
BEP ₩60,000 2 เท่า ₩120,000 เส้นตัดพื้นฐาน 1.3 เท่า ₩68,000–70,000 เมื่อคุมแน่น (ตัวเลขตามที่คอร์สพูด) 0
สเกลเป็นสัดส่วนกับจำนวนเงิน แถบสีน้ำเงินคือช่วงที่ดูต่อ
18
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
ใช้ 1.3 เท่ากับ BEP ₩60,000 ตามตัวเลขที่คอร์สพูด จะได้ราว ₩68,000–70,000 (ประมาณ ฿1,700–1,800) ถ้าโฆษณาไม่ลงมาต่ำกว่านั้นก็ปิด ปัญหาคือ โฆษณาอย่างหมายเลข 10 ที่คอนเวอร์ชันโดยตรงอยู่ที่ ₩74,000 (ประมาณ ฿1,900) จะตายไป ทั้งที่ถ้ารันต่ออีกนิดให้ความถี่สะสม อาจลงไปถึง ₩37,000 (ประมาณ ฿940) ได้ ถ้าคุมแน่นที่ 1.3 เท่า คุณจะเสียโฆษณาแบบนี้ไป
2 เท่าของ BEPพื้นฐาน เมื่อให้พนักงานรัน
ดูได้ถึง ₩120,000 → รักษาโฆษณาที่ต้นทุนลดลงตามเวลาไว้ได้
1.3 เท่าของ BEPรันเองแบบคุมแน่น
ปิดถ้าไม่ต่ำกว่า ~₩70,000 → โฆษณาอย่างหมายเลข 10 (1 วัน ₩74,674) ตาย
1.3 หรือ 1.5 เท่าของ BEPเมื่อเงินตึงมาก
ทำกระบวนการสร้างคอนเทนต์จำนวนมากเพื่อเพิ่มตัวเลือกซ้ำไปเรื่อยๆ
19
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
เพิ่มงบหมายเลข 2 ที่ทำผลงานดีอยู่แล้ว
โฆษณาหมายเลข 2 มีความถี่สูง แต่ ROAS ดีมากที่ 4.54 และต้นทุนต่อการซื้อลดลงเรื่อยๆ ตามหลักทั่วไปจะได้ข้อสรุปว่าต้องเปลี่ยนครีเอทีฟเพราะความล้า แต่ถ้าดูตัวเลขการตั้งค่าการระบุที่มา โฆษณาที่ความถี่สูงสุดตัวนี้คือโฆษณาที่มีประสิทธิภาพที่สุด โฆษณาแบบนี้ยิ่งเพิ่มงบยิ่งดีขึ้น
1 เพิ่มงบ กลุ่มคนที่เข้าถึงกว้างขึ้น
2 ความถี่ลดลง คนเดิมเห็นซ้ำน้อยลง
3 รันต่อไป เริ่มจากความถี่ที่ลดลง แล้วความถี่ก็สะสมขึ้นอีกครั้ง
4 ผลลัพธ์ดีขึ้น ความถี่สะสมเท่าไร ผลลัพธ์ก็ดีขึ้นเท่านั้น
20
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
ถ้าปิดเพราะ ROAS 1 วันในสัปดาห์แรก…
ถ้าปิดโฆษณาในสัปดาห์แรกโดยดูแค่ ROAS 1 วัน โฆษณาหมายเลข 4 และ 12 จะตาย ตามที่ระบุบนหน้าจอ ต้นทุนต่อการซื้อของหมายเลข 4 ลดลง 35% จากตัวเลข 1 วัน และหมายเลข 12 ลดลง 40% ผมจึงถือว่าดูได้ถึงราว 2 เท่าของ BEP ถ้าเงินตึงมาก ให้ตั้งที่ 1.3 หรือ 1.5 เท่า แล้วทำกระบวนการสร้างคอนเทนต์จำนวนมากเพื่อเพิ่มตัวเลือกซ้ำไปเรื่อยๆ
หน้าจอเขียนว่าหมายเลข 4 "ลดลง 35%" และหมายเลข 12 "ลดลง 40%" คือส่วนที่ต้นทุนต่อการซื้อลดลงจากคลิก 1 วัน ไปถึง 7 วันและ 28 วัน
มาถึงตรงนี้มีเคล็ดลับจากงานจริงหลายข้อ มือใหม่อาจรู้สึกไม่คุ้น แต่คนที่เคยรันโฆษณามาสักพักจะพยักหน้าตาม
21
แผนภาพสรุป · เส้นตัดและโฆษณาที่ถูกตัด
แผนภาพสรุป
ตัดต้นทุนวันแรกที่เส้นไหน เป็นตัวกำหนดว่าโฆษณาที่จะลงมาใกล้ BEP ในวันที่ 28 จะถูกปิดก่อนหรือไม่
BEP ₩60,000 คอร์ส 1.3 เท่า: ₩68,000–70,000 คำนวณ 1.3 เท่า: ₩78,000 1.5 เท่า: ₩90,000 2 เท่า: ₩120,000 (พื้นฐานของคอร์ส) #4 ความถี่ 2.75 97,755 63,753 #12 ความถี่ 1.69 74,834 44,901 #10 ความถี่ 1.35 74,674 37,337 #2 ความถี่ 3.47 62,638 53,451 ₩40,000 ₩60,000 ₩80,000 ₩100,000 ₩120,000 คลิก 1 วัน ค่า 28 วัน · แกน x: ₩ ต่อการซื้อ
เส้นตัดที่ค่า 1 วัน
ถูกปิดในวันแรก
ค่า 28 วันของโฆษณาเหล่านั้น
คอร์ส 1.3 เท่า: ₩68,000–70,000
#4, #10, #12
₩63,753 · ₩37,337 · ₩44,901
คำนวณ 1.3 เท่า ₩78,000, 1.5 เท่า ₩90,000
#4
₩63,753
2 เท่า: ₩120,000
ไม่มี
ดูต่อทั้งสี่ตัว
ลูกศรหนึ่งเส้น = โฆษณาหนึ่งตัว คอร์สเรียก 1.3 เท่าว่า "₩68,000, ₩70,000" แต่ 60,000 × 1.3 = ₩78,000 จึงวาดทั้งสองเส้น ที่เส้นตามการคำนวณ หมายเลข 10 และ 12 รอด มีเพียงหมายเลข 4 ที่ถูกปิด
ภาพวาดใหม่จากเนื้อหาคอร์ส
22
แผนภาพสรุป · การเพิ่มงบและความถี่
แผนภาพสรุป
ความถี่สูงแต่มีประสิทธิภาพ: เพิ่มงบ ให้ความถี่ลดลง แล้วปล่อยให้สะสมใหม่
ก่อนเพิ่มงบ คนกลุ่มเดิมเห็นซ้ำหลายครั้ง #2: ความถี่ 3.47 · ROAS 4.54 เพิ่มงบ เข้าถึงคนได้กว้างขึ้น และแต่ละคนเห็นน้อยลง รันต่อไป ความถี่สะสมขึ้นอีกครั้ง และผลลัพธ์ก็ดีขึ้นตาม
จุดหนึ่งจุด = การแสดงผลหนึ่งครั้งต่อคนนั้น เป็นภาพแนวคิด จำนวนคนและจุดไม่ใช่ค่าจริง
หลักทั่วไป
ความถี่เกิน 2 หรือ 3 แปลว่าล้าแล้ว ให้เปลี่ยนครีเอทีฟหรือขยายกลุ่มเป้าหมาย
โฆษณาหมายเลข 2 ในคอร์ส
ต้นทุนต่อการซื้อลดลงเรื่อยๆ: ₩62,638, ₩54,916, ₩53,451 เปิดไว้ต่อและเพิ่มงบ
อย่าเปลี่ยนครีเอทีฟเพียงเพราะความถี่สูง ให้ตรวจก่อนว่าต้นทุนต่อการซื้อลดลงจากคลิก 1 วัน 7 วัน ถึง 28 วันหรือไม่ แล้วค่อยเพิ่มงบ
ภาพวาดใหม่จากเนื้อหาคอร์ส
23
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
5. หาทางไปสู่คำตอบ ไม่ใช่หาคำตอบที่ถูก
คนส่วนใหญ่อยากได้คำตอบที่ถูก ถามว่าวันหนึ่งควรใช้เงินเท่าไร และควรตั้งค่าแคมเปญอย่างไร นี่แหละคือปัญหา
คำตอบที่ถูกไม่มีอยู่จริง ต้องเข้าหาด้วยมุมมองของการหาทางไปสู่คำตอบ แทนที่จะคิดว่า "เดือนนี้ต้องลงโฆษณา ₩N" หรือ "CTR เกิน N% แปลว่าดี" ให้มองผ่านสี่ข้อด้านล่าง
24
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
1 ต้นทุนต่อผลลัพธ์ ต้นทุนต่อผลลัพธ์คือตัวตัดสินใหญ่ ให้ประเมินแบบสัมบูรณ์ก่อนจะเทียบโฆษณากันเอง เกณฑ์สัมบูรณ์คือต้นทุนต่อผลลัพธ์ หมายถึงต้นทุนต่อคอนเวอร์ชันการซื้อ ต้นทุนต่อผลลัพธ์ที่ไม่ใช่คอนเวอร์ชันการซื้อ (เช่น ต้นทุนต่อการกด Favorite ที่เห็นในบทก่อน) ไม่ใช่เกณฑ์สัมบูรณ์ เทียบกันเฉพาะโฆษณาที่ผ่านการประเมินแบบสัมบูรณ์แล้ว การปรับให้ดีที่สุดจะดีขึ้นเรื่อยๆ
2 พิจารณาสภาพการเข้าชมและคอนเวอร์ชัน เหมือนเคสสถาบันติวแบบพักประจำ CTR สูงอย่างเดียวไม่ได้แปลว่าดี และการตอบสนองต่อคอนเทนต์สูงอย่างการแชร์อย่างเดียวก็ไม่ได้แปลว่าดี ต้องพิจารณาด้วยว่ามีสภาพที่จะเกิดคอนเวอร์ชันจริงแค่ไหน
3 ใช้ตัวชี้วัดไขว้กัน ดูการตั้งค่าการระบุที่มา ความถี่ CPM (ต้นทุนต่ออิมเพรสชั่น 1,000 ครั้ง) และ CTR ถ้าอ่านตัวชี้วัดเดียว อาจตีความผิดได้
25
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
4 ทั้งหมดนี้เริ่มจาก "ทำไม" ถามว่าทำไมคนถึงทำแบบนี้ และตัวเลขนี้สะท้อนอะไรจริงๆ
ตัวอย่างหนึ่งของตัวชี้วัดไขว้คืออัตราการดูต่อ 3 วินาทีถึง 15 วินาทีในบทก่อน ตัวชี้วัดนั้นตัวเดียวบอกไม่ได้ว่าอัตราการดูต่อที่ต่ำหมายถึงสินค้าน่าสนใจจนคนออกไปซื้อ หรือแค่เลิกดูไป จึงต้องดูคลิกขาออกที่ไม่ซ้ำกัน ควบคู่ไปด้วย
ถ้าไม่มี "ทำไม" คุณอาจเห็นแค่ว่าอัตราการดูต่อ 3 ถึง 15 วินาทีของแคมเปญแรก (48.52%) ต่ำกว่าแคมเปญที่สอง (68.31%) แล้วตัดสินว่าเป็นแคมเปญที่ไม่ดีและปิดไป อย่าทำแบบนั้น คอนเทนต์ที่น่าสนใจจริงๆ อาจทำให้คนไม่ดูจนครบ 15 วินาทีแล้วไปซื้อทันที ให้ฝึกถามว่าทำไมตัวเลขจึงออกมาแบบนั้น และหาทางไปสู่คำตอบ
26
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
บนหน้าจอที่เทียบสองแคมเปญ อัตราการดูต่อ 3 ถึง 15 วินาทีของแคมเปญแรกคือ 48.52% และแคมเปญที่สองคือ 68.31% ถ้าดูตัวเลขนี้อย่างเดียวคุณจะปิดแคมเปญแรก แต่แคมเปญแรกนำในอัตราเข้าแลนดิ้งเพจ (5.82%) และการกด Favorite (1,062)
อัตราการดูต่อ 3 วิ → 15 วิ 48.52% vs 68.31%
อัตราเข้าแลนดิ้งเพจ · การกด Favorite 5.82% · 1,062
แคมเปญที่สองมีอัตราการดูต่อสูงกว่า แต่แคมเปญแรกนำในอัตราเข้าแลนดิ้งเพจ และการกด Favorite
27
แผนภาพเสริม · สัมบูรณ์ก่อน แล้วค่อยเทียบ
แผนภาพเสริม
กรองด้วยเกณฑ์สัมบูรณ์ก่อน แล้วเทียบเฉพาะตัวที่ผ่านด้วยตัวชี้วัดไขว้
ลำดับของคอร์สที่ใช้กับหน้าจอเคส 3 (11 โฆษณา) ความยาวแถบ = จำนวนโฆษณา
หน้าจอเคส 3 โฆษณาในตารางที่เรียงตาม ROAS
11
ROAS 8.80 ลงไปถึง 2.65 มีหนึ่งแถวที่ ROAS อยู่นอกหน้าจอ
▼
1 ประเมินแบบสัมบูรณ์ต้นทุนต่อการซื้อ < BEP ₩60,000
ผ่าน 8 ตก 3
ตก 3 รวม ROAS 8.80 · ₩121,614 · ₩63,216 · ₩60,951
▼
2 สภาพการเข้าชมและคอนเวอร์ชันภายใน 8 ตัว
ภายใน 8 ตัวที่ผ่าน
คัดโฆษณาที่ CTR หรือการแชร์สูงแต่ไม่มีคอนเวอร์ชันออก (สถาบันติว)
▼
3 ประเมินแบบเทียบกันเทียบด้วยตัวชี้วัดไขว้
ระบุที่มา · ความถี่ · CPM · CTR
เก็บโฆษณาที่ต้นทุนลดลงจาก 1 ถึง 28 วันไว้ แล้วเพิ่มงบ
4 ทุกขั้นเริ่มจาก
"ทำไม" ทำไมคนถึงทำแบบนี้? ตัวเลขนี้สะท้อนอะไร?
"ทำไม" ด้านล่างไม่ใช่ขั้นหนึ่งขั้น แต่เป็นคำถามที่อยู่ใต้ทุกขั้น
ที่มา: ศูนย์ช่วยเหลือทางธุรกิจของ Meta, Results · Cost per result (ตรวจสอบ 2026-11-20)
28
แผนภาพเสริม · สัมบูรณ์ก่อน แล้วค่อยเทียบ
แผนภาพเสริม
ทำไมขั้น 1 ใช้การซื้อ: ผลลัพธ์ต่างกันไปตามแคมเปญ
นิยามของ Meta
ผลลัพธ์ = จำนวนครั้งที่โฆษณาบรรลุผลตามวัตถุประสงค์และการตั้งค่าที่คุณเลือก ผลลัพธ์จึงต่างกันไปในแต่ละแคมเปญ ต้นทุนต่อผลลัพธ์ของผลลัพธ์ที่ไม่ใช่การซื้อ (เช่น การกด Favorite ในบทก่อน) จึงใช้เป็นเกณฑ์สัมบูรณ์ในขั้น 1 ไม่ได้
ที่มา: ศูนย์ช่วยเหลือทางธุรกิจของ Meta, Results · Cost per result (ตรวจสอบ 2026-11-20)
29
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
6. ทางไปสู่คำตอบ: 3 ขั้น และ 3 สิ่งที่ต้องรู้
ทางไปสู่คำตอบคือ ตั้งเกณฑ์ ตรวจเกณฑ์ แล้วเพิ่มตัวเลือก เปรียบเทียบ และเลือก
1. ตั้งเกณฑ์
ใช้เงินได้ถึงเท่าไรต่อลูกค้าหนึ่งคน?
2. ตรวจเกณฑ์
ตอนนี้ใช้เงินอยู่ในช่วงนั้นจริงหรือไม่?
3. เพิ่มตัวเลือก เปรียบเทียบ แล้วเลือก
จะให้อยู่ในช่วง และให้ดีขึ้นอีกภายในช่วงนั้น ต้องส่งข้อความอะไรให้กลุ่มเป้าหมายไหน และจะออกแบบวิธีส่งอย่างไร?
30
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
เพื่อหาทางไปสู่คำตอบ คุณต้องรู้แค่สามอย่าง อย่างสุดท้ายคืออัลกอริทึมและเครื่องมือของ Meta ซึ่งแค่เรียนคอร์สนี้ก็จะรู้ อีกสองอย่างคือกลุ่มเป้าหมายและฟันเนลการตลาด ต้องฝึกมาก
กลุ่มเป้าหมาย
(= คอนเทนต์) · ต้องฝึกมาก
ฟันเนลการตลาด
(การออกแบบแคมเปญ) · ต้องฝึกมาก
อื่นๆ
(อัลกอริทึมและเครื่องมือของ Meta) · แค่เรียนคอร์สนี้ก็รู้
31
แผนภาพสรุป · สามขั้นสู่คำตอบ
แผนภาพสรุป
บทนี้ในสามขั้น: เกณฑ์ = BEP, ตรวจ = ช่วงการระบุที่มา, ตัวเลือก = จุดขาย
เลือกแล้วตรวจอีกครั้ง (ทำซ้ำ)
1. ตั้งเกณฑ์
2. ตรวจเกณฑ์
3. เพิ่มตัวเลือก เทียบ เลือก
คำถามที่ต้องตอบ
ใช้เงินได้ถึงเท่าไรต่อลูกค้าหนึ่งคน?
ตอนนี้ใช้เงินอยู่ในช่วงนั้นจริงหรือไม่?
ข้อความอะไร ถึงใคร ส่งอย่างไร?
ตัวอย่างจากบทนี้
BEP ₩60,000 เส้นตัดที่ 2 เท่า ₩120,000 1.3 เท่าถ้าคุมแน่น(ข้อ 2–4)
ต้นทุนต่อการซื้อ 1/7/28 วัน #4 ₩97,755 → ₩63,753 อ่านคู่กับความถี่(ข้อ 2–3)
4 จุดขายของกางเกงยีนส์ตัวเดียว สลับผู้ใช้กับลูกค้า ohora, CLUG(ข้อ 8–9)
ภาพวาดใหม่จากเนื้อหาคอร์ส
32
แผนภาพสรุป · สามขั้นสู่คำตอบ
แผนภาพสรุป
ในสามสิ่งที่ต้องรู้ กลุ่มเป้าหมายกับฟันเนลต้องฝึก
สามสิ่งที่ต้องรู้เพื่อหาทางไปสู่คำตอบ
กลุ่มเป้าหมาย (= คอนเทนต์) "ข้อความอะไร ถึงใคร" ของขั้นที่ 3ต้องฝึกมาก
ฟันเนลการตลาด (การออกแบบแคมเปญ) "ส่งอย่างไร" ของขั้นที่ 3ต้องฝึกมาก
อื่นๆ (อัลกอริทึมและเครื่องมือของ Meta) เช่น คอลัมน์การระบุที่มาที่ใช้ในขั้นที่ 2แค่เรียนคอร์สก็รู้
ชื่อของ "สามสิ่งที่ต้องรู้" และสิ่งที่ต้องฝึกเป็นไปตามหน้าจอคอร์ส การจับคู่กับแต่ละขั้นอิงตามประโยคของขั้นที่ 3 ในข้อ 6
ภาพวาดใหม่จากเนื้อหาคอร์ส
33
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
7. ทำไมการยึดติดกับอัลกอริทึม การกำหนดกลุ่มเป้าหมาย และการตั้งค่าจึงล้มเหลว
พอเริ่มทำโฆษณา Meta คนส่วนใหญ่จะไปทางเดียวกัน ได้ยินว่าช่วงนี้ Meta อัปเดตเป็นอัลกอริทึมชื่อ Andromeda ก็ไปตามหาก่อนว่ามันคืออะไร นั่นไม่ใช่วิธีเข้าหา
มือใหม่ถามสี่คำถามต่อกัน และตามที่ตัวอักษรสีแดงบนสไลด์ของคอร์สบอก ทุกคำถามล้วนเป็นมุมมองเชิงระบบ
34
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
วิธีรันโฆษณา Meta ที่ผมอธิบายอยู่นี้ คือวิธีเดียวกับที่ใช้มาตั้งแต่ปี 2014 และ 2015 ช่วงแรกยังหยาบกว่านี้ แต่กรอบเหมือนเดิม ผมรันโฆษณาแบบนี้มากว่า 5–6 ปี: สร้างและรันแคมเปญ 1-1-1 (อธิบายภายหลัง) รวมเป็น ABO (การปรับงบประมาณระดับชุดโฆษณาให้เหมาะสม) ให้ครีเอทีฟแข่งกัน แล้วสุดท้ายไปที่ CBO (การปรับงบประมาณระดับแคมเปญให้เหมาะสม)
แคมเปญ 1-1-1 สร้างแล้วรัน
▼
ABO รวมกลุ่มให้ครีเอทีฟแข่งกัน
▼
CBO ขั้นสุดท้าย
35
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
ผมไม่เคยใช้การกำหนดเป้าหมายอย่างละเอียดเลย มีข้อยกเว้นแค่สองกรณี คือเมื่อเอเจนซีหรือลูกค้าขอให้ใช้การกำหนดเป้าหมายอย่างละเอียดตามที่กำหนด และเมื่อกลุ่มเป้าหมายชัดเจนตายตัว เช่น ลูกค้าชาวจีนหรือชาวญี่ปุ่น
การถามว่าแมชชีนเลิร์นนิงต้องใช้งบประมาณต่อวันเท่าไรถึงจะปรับให้เหมาะสมได้ ก็เป็นมุมมองที่ผิดเช่นกัน: เขาว่า ₩10,000 (ประมาณ ฿260) ไม่ดี ต้องใช้วันละ ₩50,000 (ประมาณ ฿1,300) หรือ? แคมเปญละ ₩30,000? การเพิ่มงบก็เหมือนกัน: เขาว่าห้ามเพิ่ม แล้วเพิ่มทีละ 20% ได้ไหม? ให้ถือไว้เลยว่า เปลี่ยนอะไรสักอย่างเดียว แมชชีนเลิร์นนิงก็เริ่มใหม่
36
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
คำถามว่าควรรันกี่แคมเปญ และควรทำครีเอทีฟกี่ชิ้นก็เหมือนกัน คำถามเหล่านี้ล้วนเป็นมุมมองเชิงระบบ และไม่มีคนอยู่ในนั้นเลย ให้ถามจากมุมมองของคน: ทำไม Andromeda จึงเกิดขึ้น ทำไมต้องใช้การกำหนดเป้าหมายอย่างละเอียด ทำไมการปรับให้เหมาะสมด้วยแมชชีนเลิร์นนิงจึงได้ผล และทำไม Meta จึงทำให้เรา และเมื่อเพิ่มงบ กลไกอะไรที่ขยับ
คำถามมุมมองเชิงระบบ เขียนใหม่จากมุมมองของคน
อัลกอริทึม Andromeda คืออะไร? ใช้การกำหนดเป้าหมายอย่างละเอียดอย่างไร?
▶ ทำไมอัลกอริทึมนั้นจึงเกิดขึ้น? ทำไมต้องใช้การกำหนดเป้าหมายอย่างละเอียด?
ต้องใช้งบประมาณต่อวันเท่าไรให้แมชชีนเลิร์นนิงปรับให้เหมาะสม?
▶ ทำไมการปรับให้เหมาะสมด้วยแมชชีนเลิร์นนิงจึงได้ผล? ทำไม Meta จึงทำให้เรา?
37
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
คำถามมุมมองเชิงระบบ เขียนใหม่จากมุมมองของคน
เพิ่มงบอย่างไร? เพิ่มทีละ 20% ได้ไหม?
▶ เมื่อเพิ่มงบ กลไกอะไรที่ขยับ?
ควรทำแคมเปญและครีเอทีฟกี่ชิ้น?
▶ ทำอย่างไรให้กลุ่มเป้าหมายของฉันตอบสนอง? ข้อความแบบไหนที่ทำให้เขาตอบสนอง?
มอง Andromeda จากมุมมองของคน
สรุปสั้นๆ Andromeda หมายความว่าครีเอทีฟสำคัญมากขึ้น และการแสดงผลกลายเป็นแบบเฉพาะบุคคลสุดๆ (Hyper-personalization) แต่ครีเอทีฟสำคัญมาตั้งแต่แรก และเป็นแบบเฉพาะบุคคลสุดๆ มาตั้งแต่แรก โฆษณาภาพทำงานแบบนี้มาตลอด สมมติว่าคนที่ผมร่วงเปิด Instagram Instagram ไม่ใช่ที่ที่คนเข้าไปพร้อมเป้าหมาย แต่เป็นที่พักผ่อนและเล่น
38
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
เขาเข้ามาพักผ่อน แล้วโพสต์ที่เขียนว่า "คนที่ผมร่วง ฟังทางนี้" ก็โผล่ขึ้นในฟีด คนผมร่วงหยุดดู คนอื่นไม่หยุด การแสดงผลแบบเฉพาะบุคคลสุดๆ ทำงานแบบนี้มาตลอด ตัวคอนเทนต์ภาพเองเป็นตัวแยกและกำหนดว่าใครจะตอบสนอง นี่คือมุมมองของคน ไม่ใช่มุมมองเชิงระบบ แทนที่จะศึกษา Andromeda ให้ใช้เวลาคิดว่าทำอย่างไรให้กลุ่มเป้าหมายของฉันตอบสนอง และข้อความแบบไหนที่จะทำให้เขาตอบสนอง
คนที่ผมร่วง
หยุดเลื่อนที่ "คนที่ผมร่วง ฟังทางนี้"
คนที่ผมไม่ร่วง
เลื่อนผ่านโพสต์เดียวกันไปเลย คอนเทนต์คัดเองว่าใครจะตอบสนอง
39
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
สามเหตุผลที่การเข้าหาเชิงระบบล้มเหลว
เหตุผลง่ายมาก ต่อให้ตั้งกลุ่มเป้าหมายแคบแค่ไหน ถ้าข้อความไม่ดีก็ไม่มีการตอบสนอง โครงสร้างและการตั้งค่าแคมเปญไม่มีคำว่าสมบูรณ์แบบ มีแต่การปรับให้ดีที่สุด ต่อให้รู้ว่าแมชชีนเลิร์นนิงทำงานอย่างไร ถ้าข้อความและคอนเทนต์ไม่ดี ก็ไม่มีข้อมูลให้ปรับ เพราะแมชชีนเลิร์นนิงคือการที่เครื่องเรียนรู้รูปแบบจากข้อมูลเอง สิ่งสำคัญที่สุดคือคนตอบสนองหรือไม่ และต้องทำอย่างไรให้เขาตอบสนอง
40
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
สามเหตุผลที่การเข้าหาเชิงระบบล้มเหลว
1 ต่อให้ตั้งกลุ่มเป้าหมายแคบแค่ไหน ถ้าข้อความไม่ดีก็ไม่มีการตอบสนอง
2 โครงสร้างและการตั้งค่าแคมเปญไม่มีคำว่าสมบูรณ์แบบ
3 ต่อให้รู้ว่าแมชชีนเลิร์นนิงทำงานอย่างไร ถ้าข้อความและคอนเทนต์ไม่ดี ก็ไม่มีข้อมูลให้ปรับ
สิ่งสำคัญที่สุด:คนตอบสนองหรือไม่?
41
แผนภาพเสริม · Andromeda และการตอบสนองของคน
แผนภาพเสริม
Andromeda เลือกโฆษณาหลักพันจากหลักสิบล้าน โดยใช้การตอบสนองของคน
โฆษณาทั้งหมด หลักสิบล้าน Andromeda · ดึงตัวเลือก ความจุโมเดล 10,000 เท่าเพื่อทำให้เฉพาะบุคคล ตัวเลือก หลักพัน โมเดลจัดอันดับ คาดการณ์คุณค่าต่อคนและผู้ลงโฆษณา การประมูล มูลค่ารวมสูงสุดได้แสดง ฟีด: "คนที่ผมร่วง ฟังทางนี้" ผมร่วง หยุด ผมไม่ร่วง เลื่อนผ่าน การตอบสนอง สะสมเป็นข้อมูล ทำนายครั้งถัดไป อัตราการกระทำ โดยประมาณ = โอกาสที่จะตอบสนอง ขั้นดึงตัวเลือก จัดการโฆษณามาก กว่าขั้นถัดไปราว 1,000× (ระดับสามหลัก)
ถ้าข้อความไม่ทำให้ใครหยุด ก็ไม่มีการตอบสนองให้ป้อนวงจรนี้เลย
ที่มา: Engineering at Meta, Meta Andromeda: Supercharging Advantage+ automation with the next-gen personalized ads retrieval engine (2024-12-02) · ศูนย์ช่วยเหลือทางธุรกิจของ Meta, About ad auctions (ตรวจสอบ 2026-11-20)
42
แผนภาพเสริม · Andromeda และการตอบสนองของคน
แผนภาพเสริม
สิ่งที่คอร์สกับเอกสารของ Meta เอง บอก
คอร์ส
ครีเอทีฟสำคัญมาตั้งแต่แรก และเป็นแบบเฉพาะบุคคลสุดๆ มาตั้งแต่แรก คอนเทนต์คัดเองว่าใครจะตอบสนอง
บล็อก Engineering at Meta
ระบบดึงตัวเลือก ขั้นแรกของการแนะนำโฆษณา หลังเปิดใช้: recall +6% คุณภาพโฆษณา +8% ในบางกลุ่ม
เอกสารการประมูลของ Meta
ผู้ชนะคือโฆษณาที่มีมูลค่ารวมสูงสุด ซึ่งรวมราคาประมูล อัตราการกระทำโดยประมาณ และคุณภาพโฆษณา
ที่มา: Engineering at Meta, Meta Andromeda: Supercharging Advantage+ automation with the next-gen personalized ads retrieval engine (2024-12-02) · ศูนย์ช่วยเหลือทางธุรกิจของ Meta, About ad auctions (ตรวจสอบ 2026-11-20)
43
ข้อมูลเสริม · การซื้อกลุ่มเป้าหมายสำเร็จรูป
ข้อมูลเสริม
กลุ่ม "ผู้ชาย" ที่บริษัทนายหน้าข้อมูลขาย เป็นผู้ชายจริงแค่ 42% โดยเฉลี่ย ไม่ดีกว่าการสุ่มเลือก
สัดส่วนคนในกลุ่มที่มีคุณสมบัตินั้นจริง % จุดเทา = ผู้ขายหนึ่งราย จุดน้ำเงิน = ค่าเฉลี่ย เส้นประ = สุ่มเลือก
เพศ (ชาย) นายหน้าข้อมูล 14 ราย เฉลี่ย 42.3% สุ่มเลือก: 50% ชาย 25–54 ปี นายหน้าข้อมูล 11 ราย เฉลี่ย 24.4% สุ่มเลือก: 26.5% ชาย 25–54 ปี แพลตฟอร์มซื้อโฆษณา 6 ราย รวมการปรับให้เหมาะสม เฉลี่ย 59% สุ่มเลือก: 26.5% 0% 25% 50% 75% 100%
คอร์ส ผมไม่เคยใช้การกำหนดเป้าหมายอย่างละเอียด ต่อให้ตั้งแคบแค่ไหน ถ้าข้อความไม่ดีก็ไม่มีการตอบสนองข้อควรระวัง งานวิจัยนี้วัดกลุ่มที่บุคคลภายนอกขายให้ใช้กับโฆษณาบนเว็บ ไม่ได้วัดการกำหนดเป้าหมายอย่างละเอียดของ Meta
ถ้าเพิ่มการปรับให้เหมาะสมของแพลตฟอร์มซื้อโฆษณาเข้าไป จะขึ้นเป็น 59% แต่แต่ละรายต่างกันตั้งแต่ 40% ถึง 72% งานวิจัยสรุปว่าการกำหนดกลุ่มเป้าหมายแบบนี้มักไม่คุ้มกับค่าใช้จ่ายที่เพิ่มขึ้น
ที่มา: Neumann, N., Tucker, C. E. and Whitfield, T. (2019), How Effective Is Third-Party Consumer Profiling and Audience Delivery? Evidence from Field Studies, Marketing Science 38(6), forthcoming version (MIT IDE, Tables 4–6) · DSpace@MIT abstract (ตรวจสอบ 2026-11-20)
44
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
8. สินค้าเดียวกัน จุดขายต่างกัน
สินค้าเดียวกันถูกใช้ต่างกันไปตามคนที่ใช้ กางเกงตัวเดียวใส่ข้อความได้สี่แบบ
สไลด์ของคอร์สแสดงสี่ข้อความสำหรับกางเกงตัวเดียว และมีข้อสรุปด้านล่างว่า "สิ่งที่ต้องเปลี่ยนคือจุดขาย ไม่ใช่การตั้งค่า"
45
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
ใส่ไปทำงานสบาย ดูเป็นทางการนิดๆ
นั่งทำงานนานๆ แล้วอึดอัด นี่คือยีนส์ที่ใส่ไปทำงานได้ ดูดีและสบาย
ใส่ไปเดตดึงดูดคนที่ชอบ
ใส่ตัวนี้แล้ว ผู้หญิงหรือผู้ชายจะชอบมาก
ใส่แล้วดูเพรียวพรางหุ่น
ถ้าต้นขาใหญ่ ใส่แล้วต้นขาจะดูเรียวลง
ใส่แล้วขาดูยาวเสริมความสูง
ถ้าขาสั้น ใส่แล้วจะดูสูงขึ้นและสัดส่วนดีขึ้น
ยีนส์ตัวเดียวกัน แต่ข้อความต่างกันหมด เพราะคนซื้อสินค้าด้วยเหตุผลต่างกัน Porsche ก็เหมือนกัน
รถคันที่สอง ซื้อไว้มองและชื่นชม
อวด ซื้อไว้ให้คนเห็น
เครื่องมือธุรกิจ ซื้อเป็นตัวเสริมแรงให้ธุรกิจ
46
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
สิ่งที่ต้องเปลี่ยนก่อนจึงเป็นจุดขาย ไม่ใช่การตั้งค่า อย่าลืมว่าในโฆษณา Meta คอนเทนต์มีน้ำหนัก 70% เวลาครีเอทีฟที่เคยขายดีตายลงกะทันหัน ให้มองง่ายๆ ว่ากลุ่มคนที่ตอบสนองต่อครีเอทีฟนั้น ข้อความนั้น หมดไปแล้ว ถ้าทำจุดขายให้หลากหลาย สินค้าเดิมก็ยังได้การตอบสนองต่อไป
1 ครีเอทีฟที่ขายดี คนที่ตอบสนองต่อจุดขายหนึ่งซื้อ
2 กลุ่มคนหมด คนที่จะตอบสนองต่อจุดขายนั้นหมดแล้ว
3 ครีเอทีฟตาย ผลงานของตัวที่เคยขายดีตกลงกะทันหัน
4 เปลี่ยนจุดขาย คนที่มีเหตุผลอื่นตอบสนองต่อสินค้าเดิม
47
แผนภาพเสริม · แต่ละจุดขายมีกลุ่มคนของตัวเอง
แผนภาพเสริม
ยีนส์ตัวเดียวก็มีกลุ่มคนแยกตามเหตุผลที่ซื้อ เมื่อกลุ่มหนึ่งหมด ให้เปลี่ยนจุดขายแล้วไปต่อ
สินค้า จุดขาย (เหตุผลที่ซื้อ) กลุ่มคนที่ตอบสนอง ยีนส์ ตัวเดียวกัน ใส่ไปทำงาน สบาย ทางการนิดๆ เกือบหมดแล้ว หมด · โฆษณาตาย ใส่ไปเดต ดึงดูดคนที่ชอบ คนตอบสนองใหม่ สินค้าเดิม ใส่แล้วดูเพรียว พรางหุ่น ยังเหลือกลุ่มคน ใส่แล้วขาดูยาว เสริมความสูง ยังเหลือกลุ่มคน เปลี่ยนจุดขาย
Porsche ก็เหมือนกัน
รถคันที่สอง (ไว้ชื่นชม)
อวด (ให้คนเห็น)
เครื่องมือเสริมแรงธุรกิจ
เอกสารนักพัฒนาของ Meta ความล้าสูงขึ้นเมื่อคนเห็นครีเอทีฟเดิมบ่อยขึ้น วิธีแก้รวมถึงโฆษณาใหม่ด้วยภาพหรือวิดีโออื่น และการขยายกลุ่มเป้าหมาย
คอร์สอธิบายการตายกะทันหันของครีเอทีฟว่าเป็นการหมดของกลุ่มคน และบอกให้เปลี่ยนจุดขาย ไม่ใช่การตั้งค่า เป็นภาพแนวคิด ขนาดกล่องและปริมาณที่เติมไม่ใช่ค่าจริง
ที่มา: Meta for Developers, Marketing API Ads Webhooks: Creative Fatigue (ตรวจสอบ 2026-11-20)
48
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
9. ขยายกลุ่มคนด้วยการสลับผู้ใช้กับลูกค้า
ตัวอย่างที่รู้จักกันดีคือ ohora (แบรนด์เล็บเจลของเกาหลี) และ CLUG (แบรนด์เครื่องนวดของเกาหลี) ก่อนอื่นให้แยกผู้ใช้ออกจากลูกค้า
ผู้ใช้
คนที่ใช้สินค้า
ลูกค้า
คนที่ซื้อ ผู้จ่ายเงิน
ohora ถูกใช้เป็นเล็บเจลโดยผู้หญิงวัย 20–30 ปีเป็นหลัก เมื่อข้อความสำหรับกลุ่มนี้หมด (หมดจริงหรือไม่ เราไม่อาจรู้ได้) ก็เปลี่ยนข้อความ พูดให้ถูกคือขยายข้อความ: "มือของแม่สวยอยู่แล้ว ทำให้มือแม่สวยขึ้นอีก" คงผู้ซื้อไว้เหมือนเดิม แต่เปลี่ยนผู้ใช้ เพื่อสร้างยอดซื้อ
49
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
CLUG ก็ทำแบบเดียวกัน ตอนแรกนำเสนอนักเรียนที่เตรียมสอบ ให้พ่อแม่เป็นคนซื้อ ต่อมาให้คนวัย 20–30 ปีซื้อใช้เองในฐานะเครื่องนวดไร้สาย หลังจากนั้นนำเสนอเป็นของขวัญให้พ่อแม่ ให้พ่อแม่เป็นคนใช้ ผมมองว่านี่คือการสลับผู้ใช้กับลูกค้าซ้ำแล้วซ้ำเล่า เพราะกลุ่มคนหมดไปเรื่อยๆ
ในตัวอย่างโฆษณาของคอร์ส ohora ("มือฉันยังดูสวยใช่ไหมล่ะ?") และ CLUG ("อยากแสดงความห่วงใย ให้ CLUG") ต่างย้ายผู้ใช้ไปที่คนรุ่นพ่อแม่
50
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
แบรนด์ · ขั้น
ผู้ใช้ (คนที่ใช้)
ลูกค้า (คนที่ซื้อ)
ohora เริ่มต้น
ผู้หญิงวัย 20–30 ปี
ผู้หญิงวัย 20–30 ปี
ohora ขยาย
แม่
เหมือนเดิม
CLUG เริ่มต้น
นักเรียนเตรียมสอบ
พ่อแม่
CLUG ถัดมา
วัย 20–30 ปี
วัย 20–30 ปี
CLUG ขั้นที่สาม
พ่อแม่
คนที่ซื้อของขวัญให้พ่อแม่
เรื่องแบบนี้เกิดขึ้นบ่อยในงานจริง คำกล่าวที่ว่าโฆษณา Meta จะสำเร็จก็ต่อเมื่อผลิตคอนเทนต์ออกมาไม่หยุด จึงผิดโดยสิ้นเชิง หัวใจคือคุณดึงข้อความที่คมและชัดออกมาได้แค่ไหน และกลุ่มเป้าหมายของคุณตอบสนองต่อมันหรือไม่ ส่วนแมชชีนเลิร์นนิงคืออะไรกันแน่ ซึ่งหลายคนสงสัย จะอยู่ในบทถัดไป
51
แผนภาพเสริม · ใครใช้ ใครซื้อ
แผนภาพเสริม
ohora และ CLUG: สินค้าเดิม ผู้ใช้และผู้ซื้อใหม่
แนวนอน → ผู้ใช้ (คนที่ใช้) · แนวตั้ง ↓ ลูกค้า (คนที่ซื้อ) นักเรียน วัย 20–30 พ่อแม่ วัย 20–30 พ่อแม่ คนซื้อ ของขวัญ ให้พ่อแม่ 1 ohora เริ่มต้น 2 ohora ขยาย 1 CLUG เริ่มต้น 2 CLUG ถัดมา 3 CLUG ขั้นที่สาม ช่องสีเทา = ผู้ใช้กับผู้ซื้อเป็นคนเดียวกัน
ohora 1 เริ่มต้น · เล็บเจล ผู้หญิงวัย 20–30 ปี → 2 ขยาย · ทำให้มือแม่สวยขึ้น ผู้ซื้อยังเป็นคนเดิมCLUG 1 เริ่มต้น · สำหรับนักเรียนเตรียมสอบ พ่อแม่ซื้อ → 2 ถัดมา · เครื่องนวดไร้สาย → 3 ขั้นที่สาม · ของขวัญให้พ่อแม่ พ่อแม่เป็นคนใช้
Ansoff matrix ตามกรอบนี้ การคงสินค้าไว้แต่เปลี่ยนตลาดเรียกว่า "การพัฒนาตลาด" (แหล่งรอง)คอร์ส มองว่าเหตุผลที่สลับผู้ใช้กับลูกค้าซ้ำๆ คือกลุ่มคนหมด ผู้สอนบอกว่านี่เป็นการวิเคราะห์ของเขาเอง
ที่มา: Wikipedia, Ansoff matrix (แหล่งรอง) (ตรวจสอบ 2026-11-20)
52
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
บทสรุป
เช็กลิสต์ สิ่งที่ต้องทำ
ในแดชบอร์ดข้อมูลของ Meta ค้นหา "การตั้งค่าการระบุที่มา" เพิ่มเป็นตัวชี้วัดแบบกำหนดเอง แล้วดูผลลัพธ์และต้นทุนต่อผลลัพธ์ของคลิก 1 วัน 7 วัน และ 28 วัน
ตั้ง BEP ของสินค้าคุณ แล้วจดว่าต้นทุนต่อการซื้อของแต่ละโฆษณาเป็นกี่เท่าของ BEP ปิดโฆษณาที่เกิน 2 เท่า ส่วนที่อยู่ในเกณฑ์ ให้ตรวจว่าต้นทุนลดลงตามช่วงการระบุที่มาหรือไม่
อย่าปิดโฆษณาทันทีที่ความถี่เกิน 2 หรือ 3 ให้ตรวจก่อนว่าต้นทุนต่อการซื้อที่ 1 วัน 7 วัน และ 28 วันกำลังลดลงหรือไม่ ถ้าลดลงและมีประสิทธิภาพอยู่แล้ว ให้เพิ่มงบ
53
ภาค 1 · 1-2. เก็บหรือปิด: ทำไมเราเพิ่มงบโฆษณา ROAS 278% ไม่ใช่ 291%
บทสรุป
เช็กลิสต์ สิ่งที่ต้องทำ (ต่อ)
อย่าสรุปจากตัวชี้วัดเดียว ให้ตรวจไขว้การตั้งค่าการระบุที่มา ความถี่ CPM CTR และคลิกขาออกที่ไม่ซ้ำกัน แล้วจดว่า "ทำไมคนถึงทำแบบนี้?"
สำหรับสินค้าที่คุณขายอยู่ตอนนี้ เขียนจุดขายสี่แบบที่มีเหตุผลการซื้อต่างกัน และทำข้อความหนึ่งชิ้นที่ให้ผู้ใช้กับลูกค้าเป็นคนละคนกัน
54
บทอ่านฟรีจบเพียงเท่านี้ อีก 11 บทและภาคผนวกทั้งสอง: ขยายงบ 30 เท่าใน 4 วัน, 1-1-1 / ABO / CBO, ทำไมขยายงบแล้วประสิทธิภาพพัง, ฟันเนลและคอขวด และเมทริกซ์คอนเทนต์ 2 แกนพร้อมเคสจริง
ซื้อฉบับมาตรฐาน — ฿490 จ่ายครั้งเดียว · อ่านในเบราว์เซอร์ได้ทันที · ไฟล์ PDF ออกสิทธิ์ตามอีเมลของคุณ
ดูว่าในเล่มมีอะไร