เป็นเวลาเกือบปีแล้วที่ Facebook เปลี่ยน metric ในการวัดความเกี่ยวข้องของโฆษณาจาก “คะแนนความเกี่ยวข้องของโฆษณา (Ad Relevance Score)” มาเป็น “การวิเคราะห์ความเกี่ยวข้องของโฆษณา (Ad Relevance Diagnostic)” แต่จนถึงทุกวันนี้ก็ยังมีหลายคนถามหา Relevance Score กันอยู่เลยว่าหายไปไหน
มันไม่ได้หายไปไหน แค่เปลี่ยนเป็น metric ใหม่ที่ไฉไลกว่าเท่านั้นเอง มันดีกว่าเดิมยังไงไปติดตามกันครับ
1. ชื่อสื่อถึงหน้าที่ของ metric ได้ชัดเจนกว่า
ชื่อภาษาไทยอาจจะอ่านแล้วยังงงๆ แต่พอดูที่ชื่อภาษาอังกฤษจะเห็นชัดเจนเลยว่าข้างท้าย เปลี่ยนจากคำว่า “Score” มาเป็นคำว่า “Diagnostic”
อันที่จริงทั้ง Ad Relevance Score และ Ad Relevance Diagnostic นั้น มีหน้าที่คล้ายกันคือเอาไว้ดูว่าโฆษณาของเรามีความเกี่ยวข้องกับกลุ่มเป้าหมายมากน้อยเพียงใดเมื่อเทียบกับโฆษณาอื่นที่กำหนดกลุ่มเป้าหมายเดียวกัน และหน้าที่ที่สำคัญไปกว่านั้นคือเอาไว้ “บ่งชี้ถึงสาเหตุ” ว่าทำไมโฆษณาถึงรันแล้วไม่ค่อยโอเค
เดิมคนมักเข้าใจผิดว่าต้องได้ Relevance Score สูงๆ เท่านั้น โฆษณาถึงจะให้ผลลัพธ์ดี ถึงขั้นพยายามไปแก้ไข Ad เพื่อให้ได้คะแนนความเกี่ยวข้องสูงๆ ทั้งที่โฆษณาอาจให้ผลลัพธ์ดีอยู่แล้ว
แต่อย่างที่บอกตอนต้นว่า หน้าที่หลักของ metric นี้ มีไว้เพื่อหา “สาเหตุของปัญหา”
ถ้าโฆษณาของคุณรันแล้วแย่ คุณถึงค่อยมาดู metric นี้ เพื่อหาสาเหตุว่า เป็นเพราะโฆษณาไม่ค่อยเกี่ยวเนื่องกับกลุ่มเป้าหมายใช่หรือไม่? ถ้าใช่ จึงค่อยทดลองปรับปรุงโฆษณา
แต่ถ้าโฆษณารันดีอยู่แล้ว แม้ได้คะแนนต่ำหรือได้อันดับต่ำกว่าเกณฑ์ เราก็ไม่จำเป็นต้องไปแก้ให้มันสูง เพราะความเกี่ยวเนื่องสูง ไม่ได้การันตีว่าผลลัพธ์ของโฆษณาจะดีเสมอไป เพราะยังมีปัจจัยอื่นที่กำหนดผลลัพธ์ของโฆษณาอีกหลายตัว
ตามความเห็นของผม มองว่า ชื่อใหม่นี้ บ่งบอกถึง “หน้าที่” ของ metric ได้ชัดเจนกว่า คือ แทนที่จะบอกว่ามันเป็นแค่ “คะแนน (Score)” ก็บ่งชี้ให้ชัดไปเลยว่ามันมีไว้เพื่อ “วิเคราะห์ / หาสาเหตุ (Diagnostic)”
สุดท้ายจำไว้ว่า Ad ตัวไหนดีอยู่แล้ว อย่าไปยุ่งกับมัน metric นี้ มีไว้เพื่อช่วยปรับปรุงตัวที่แย่ครับ
2. หาสาเหตุของปัญหาได้ในระดับลึกกว่า
จากเดิมที่ Relevance Score สะท้อนว่า โฆษณาของคุณมีความเกี่ยวข้องกับกลุ่มเป้าหมายมากน้อยเพียงใดเมื่อเทียบกับโฆษณาอื่นที่กำหนดกลุ่มเป้าหมายเดียวกัน ผ่านการให้คะแนนตั้งแต่ 1-10 (เกี่ยวข้องน้อย ไปจนถึงเกี่ยวข้องมาก)
สมมติว่า โฆษณารันไม่ดี พอมาดู Relevance Score ปรากฎว่าได้คะแนนต่ำ ก็จะสะท้อนเพียงแค่ว่า สาเหตุของปัญหาน่าจะเกิดจากโฆษณาไม่ค่อยเกี่ยวเนื่อง แต่ไม่ได้บอกว่าเกิดจากอะไร หรือต้องไปแก้ไขตรงไหน ซึ่งความเกี่ยวเนื่องต่ำ อาจเกิดได้จากหลายสาเหตุ เช่น อาจเป็นเพราะคุณภาพของโฆษณาไม่ดี อาจเป็นเพราะสื่อโฆษณาไม่น่าดึงดูดใจ หรืออาจเป็นเพราะเราตั้งกลุ่มเป้าหมายไม่เหมาะสม เป็นต้น การหาสาเหตุของปัญหาและการแก้ไขจึงอาจต้องใช้เวลาลองผิดลองถูกอยู่พอสมควร
ในขณะที่ Ad Relevance Diagnostic สะท้อนภาพความเกี่ยวข้องได้ในระดับที่ลึกกว่า เพราะสามารถดูแยกย่อยได้ว่า โฆษณาของเราเกี่ยวข้องกับผู้รับสารในระดับใด ทั้งในมิติของคุณภาพ การมีส่วนร่วม และคอนเวอร์ชั่น ผ่าน metric 3 ตัว ได้แก่
1. การจัดอันดับคุณภาพ (Quality Ranking): สะท้อนว่า กลุ่มเป้าหมายมองคุณภาพโฆษณาของเราเป็นอย่างไรเมื่อเทียบกับโฆษณาอื่นที่ยิงไปหากลุ่มเป้าหมายเดียวกัน โดยประเมิณจากผลตอบรับของผู้คนที่เห็นหรือซ่อนโฆษณา การทำผิดนโยบาย หรือโฆษณามีแนวโน้มว่าจะเป็นสื่อที่ไม่มีคุณภาพ เช่น มีตัวหนังสือบนภาพมากเกินไป หรือมีการหลอกล่อให้มีส่วนร่วม รวมไปถึงประสบการณ์การใช้งานที่ไม่ดีอื่นๆ
2. การจัดอันดับอัตราการมีส่วนร่วม (Engagement Rate Ranking): สะท้อนว่า อัตราการมีส่วนร่วมของโฆษณาจะเป็นอย่างไร เมื่อเทียบกับโฆษณาอื่นที่ยิงไปหากลุ่มเป้าหมายเดียวกัน โดยจะคำนวณความเป็นไปได้ที่คนจะคลิก ตอบสนอง แสดงความคิดเห็น แชร์ หรือดูโฆษณาเพิ่มเติม เป็นต้น
3. การจัดอันดับอัตราคอนเวอร์ชั่น (Conversion Rate Ranking): สะท้อนว่า อัตราคอนเวอร์ชั่นของโฆษณาจะเป็นอย่างไร เมื่อเทียบกับโฆษณาอื่นที่มีเป้าหมายในการเกิดผลลัพธ์ (optimization goal) เหมือนกัน และยิงไปหากลุ่มเป้าหมายเดียวกัน โดยจะคำนวณความเป็นไปได้ที่คนที่รับชมโฆษณาจะทำตาม optimization goal ที่เรากำหนดไว้
ซึ่งค่าที่เป็นไปได้สำหรับการจัดอันดับ คือ
- สูงกว่าค่าเฉลี่ย (Above Average) – สูงกว่า 55% ขึ้นไป
- ปานกลาง (Average) – อยู่ในช่วงระหว่าง 35-55%
- ต่ำกว่าค่าเฉลี่ย: 35% ต่ำสุดของโฆษณา (Below Average: Bottom 35% of Ads)
- ต่ำกว่าค่าเฉลี่ย: 20% ต่ำสุดของโฆษณา (Below Average: Bottom 20% of Ads)
- ต่ำกว่าค่าเฉลี่ย: 10% ต่ำสุดของโฆษณา (Below Average: Bottom 10% of Ads)
** ค่าเฉลี่ยจะแสดงเป็นเปอร์เซ็นต์ไทล์ที่ 35 ถึง 55 **
ซึ่งผลลัพธ์จาก metric เหล่านี้จะช่วยให้ผู้ลงโฆษณาเห็นถึงสาเหตุของปัญหาได้ชัดเจนขึ้น และนำไปเป็นแนวทางในการปรับปรุงโฆษณาให้มีประสิทธิภาพมากขึ้นได้อย่างตรงจุด
3. มีเกณฑ์ในการวัดผลที่ชัดเจนกว่า
จากข้อก่อนเราจะเห็นได้ว่าผลลัพธ์ที่ได้จาก metric ใน Ad Relevance Diagnostic นั้น จะมี “ค่ากลาง (Average)” ที่ใช้เป็นจุดตัดในการวัดผลที่ชัดเจน
ถ้าสูงกว่า Average คือดี
ต่ำกว่า Average คือแย่ และบอกได้ด้วยว่าแย่แค่ไหน
ยกตัวอย่างเช่น ถ้า Quality Ranking แสดงผลออกมาว่า “ต่ำกว่าค่าเฉลี่ย: 20% ต่ำสุดของโฆษณา” หมายถึง กลุ่มเป้าหมายมองว่าคุณภาพของโฆษณาของเราอยู่ในช่วง 20% ต่ำสุดของโฆษณาที่ยิงไปหากลุ่มเป้าหมายเดียวกัน นั่นแปลว่ามีโฆษณาอย่างน้อย 80% ได้รับการประเมินว่ามีคุณภาพสูงกว่า สะท้อนว่า เราอาจต้องปรับปรุงคุณภาพของโฆษณาของเราให้ดีขึ้น ระวังเรื่องการทำผิดนโยบายของ Facebook และพยายามสร้างประสบการณ์ที่ดีที่สุดแก่ผู้รับสาร เป็นต้น
ในขณะที่ Relevance score บอกเพียงตัวเลข 1-10 และไม่ได้มีเกณฑ์บอกเราชัดเจนว่าคะแนนเท่าไหร่ ถึงเรียกว่าดี ปานกลาง หรือไม่ดี
ถือว่า Ad relevance diagnostic ช่วยให้เราตีความผลลัพธ์ได้ง่ายกว่าเดิมมาก ทั้งนี้ Facebook แนะนำว่า เวลาที่เราวิเคราะห์ความเกี่ยวข้องของโฆษณา “ควรดูทั้ง 3 metrics ร่วมกัน” จะเห็นภาพได้ดีกว่าการวิเคราะห์แยกส่วน และจะได้ปรับปรุงโฆษณาได้ถูกจุด เช่น ถ้าผลลัพธ์ทั้งเรื่อง Engagement และ Conversion ออกมาต่ำกว่าค่าเฉลี่ย เราอาจจะต้องพิจารณาปรับปรุงทั้งการออกแบบสื่อให้มีความน่าสนใจ เพื่อดึงดูดให้เกิดการมีส่วนร่วมมากขึ้น รวมถึงต้องใส่ Call to Action ให้ชัดเจนขึ้น และพยายามสร้างประสบการณ์ที่ดีหลังคลิก เพื่อให้เกิด Conversion มากขึ้น หรือไม่ก็อาจต้องลองปรับกลุ่มเป้าหมายใหม่ให้เหมาะสมมากขึ้น เป็นต้น (สามารถดูการวิเคราะห์เพิ่มเติมได้ ที่นี่)
4. ช่วยให้โฟกัสที่ตัวเลขน้อยลง
ตอนใช้ Relevance Score คนอาจหลงไปกับตัวเลขความเกี่ยวข้องมากเกินไป จนทำให้ปรับปรุงโฆษณาไปแบบผิดทิศผิดทาง
การเปลี่ยนมาใช้ Ad Relevance Diagnostic ที่แสดงผลเป็นแค่ช่วงการจัดอันดับนั้น จะช่วยให้ผู้ลงโฆษณาโฟกัสที่ตัวเลขน้อยลง และเห็นปัญหาได้ชัดเจนขึ้น
ดังจะเห็นว่า Facebook ไม่ได้ให้น้ำหนักกับ อันดับสูงกว่าค่าเฉลี่ย (Above Average) เท่าไหร่นัก และไม่มีตัวเลขบอกด้วยซ้ำว่า โฆษณาอยู่สูงกว่าค่าเฉลี่ยเท่าไหร่?
ในทางกลับกัน ระบบให้ความสำคัญกับผลลัพธ์ที่แสดงว่าโฆษณาของเราอยู่ใน อันดับต่ำกว่าค่าเฉลี่ย (Below Average) มากกว่าอย่างเห็นได้ชัด ซึ่งแยกย่อยผลลัพธ์ออกเป็น 3 ระดับ เพื่อสะท้อนว่า โฆษณาของเรามีปัญหามากแค่ไหน
นอกจากนี้ Facebook แนะนำชัดเจนว่า การแก้ไขอันดับต่ำกว่าค่าเฉลี่ยให้เป็นอันดับปานกลางนั้น จะให้ผลลัพธ์ดีกว่า การแก้ไขอันดับกลางให้เป็นอันดับสูงกว่าค่าเฉลี่ย เพราะฉะนั้น เราจึงควรเน้นปรับปรุงด้านที่มีอันดับต่ำก่อนเป็นสำคัญ
จะเห็นได้ว่า Ad Relevance Diagnostic ทำหน้าที่คล้ายกับ Relevance Score แต่ดีกว่าในหลายมิติ หากเรารู้จักวิเคราะห์และใช้มันอย่างเหมาะสม metric นี้จะเป็นตัวช่วยนำทางในการปรับปรุงประสิทธิภาพของโฆษณาที่มีประโยชน์มากทีเดียวล่ะครับ
#MaxideaStudio
ประชาสัมพันธ์
สำหรับท่านใดที่อ่านบทความนี้แล้ว สนใจเรียนรู้เกี่ยวกับการทำโฆษณา Facebook Ads ต้องการพัฒนาความสามารถในการใช้โฆษณาเฟสบุคเพื่อเพิ่มยอดขาย และ สร้างแบรนด์ให้แข็งแกร่ง ทางเรามีคลาสสอนทำโฆษณาเฟสบุ๊ค “แบบกรุ๊ปขนาดเล็ก” เนื้อหาอัดแน่นตลอด 2 วันเต็ม
รอบการสอนถัดไป
• วันพุธ-พฤหัส ที่ 7-8 ตุลาคม 2563
• เรียนกลุ่มละ 15 คน
• สถานที่เรียน : Maxidea Co-Playing Space (ซอยลาดพร้าว 71)
