นิยาม
Attribution Model หรือที่คนไทยในวงการ DTC และ E-commerce เรียกกันติดปากว่า "โมเดลการให้เครดิต" คือ กฎหรือชุดเงื่อนไขที่ใช้ตัดสินว่า Conversion 1 ครั้ง (เช่น การสั่งซื้อ, การสมัครสมาชิก, การกรอกฟอร์ม Lead) ควรถูกนับเป็น "ผลงาน" ของช่องทางหรือ Touchpoint ใดบ้าง และแบ่งน้ำหนักให้แต่ละจุดอย่างไร
พูดง่าย ๆ คือคำตอบของคำถามที่ว่า: *"ลูกค้าคนนี้ซื้อสินค้าไป เพราะเจอเราจาก TikTok, แล้วมาค้นหาใน Google, แล้วกลับมาซื้อผ่าน LINE OA — งั้นเราควรให้เครดิตใครมากที่สุด?"*
ถ้าไม่มี Attribution Model คุณจะเห็นยอดขายรวม แต่ไม่รู้ว่าควรลงงบเพิ่มที่ช่องทางไหน และควรตัดช่องทางไหนทิ้ง ซึ่งเป็นปัญหาที่แบรนด์ DTC ไทยเจอบ่อยมาก โดยเฉพาะเมื่อมีช่องทางขายทั้ง Facebook Ads, TikTok Shop, Shopee, Lazada, LINE OA และเว็บไซต์ของตัวเองพร้อมกัน
อุปมาอุปไมย (Analogy)
ลองนึกภาพ การแข่งขันวิ่งผลัด 4×100 เมตร ที่มีนักวิ่ง 4 คน
- คนที่ 1 ออกสตาร์ท (ช่องทางที่สร้าง Awareness)
- คนที่ 2 รับไม้ต่อ (ช่องทางที่กระตุ้น Interest)
- คนที่ 3 วิ่งโค้งสุดท้าย (ช่องทางที่ปิดการขายเกือบได้)
- คนที่ 4 เข้าเส้นชัย (ช่องทางที่ปิดการขายจริง)
Attribution Model ก็เหมือนกฎการแจกเหรียญรางวัล ว่าจะให้เหรียญทองกับคนที่ 4 คนเดียว (Last Click) หรือแบ่งให้ทุกคนเท่ากัน (Linear) หรือให้คนแรกกับคนสุดท้ายคนละครึ่ง (Position-Based)
ในโลกจริงของ DTC ไทย ลูกค้ามัก "วิ่งผลัด" หลายรอบมาก เช่น เห็น TikTok 3 ครั้ง → คลิก Google Ads → ทัก LINE → ปิดการขายที่ Shopee การเลือกโมเดลจึงเปลี่ยน "ผู้ชนะ" ได้ทันที
สูตรการคำนวณ
สมมติ Conversion 1 ครั้ง มีมูลค่า 1,000 THB และเส้นทางมี 4 Touchpoint
1. Last Click (ให้เครดิตจุดสุดท้าย 100%)
เครดิตช่องทางที่ 4 = 1,000 × 100% = 1,000 THB ช่องทางที่ 1, 2, 3 = 0 THB
2. First Click (ให้เครดิตจุดแรก 100%)
เครดิตช่องทางที่ 1 = 1,000 × 100% = 1,000 THB ช่องทางที่ 2, 3, 4 = 0 THB
3. Linear (แบ่งเท่ากันทุกจุด)
เครดิตแต่ละช่องทาง = 1,000 ÷ 4 = 250 THB
4. Time Decay (จุดที่ใกล้ Conversion มากที่สุดได้มากที่สุด)
สมมติใช้ค่าครึ่งชีวิต (Half-life) 7 วัน น้ำหนักจะลดลงตามเวลา:
น้ำหนักช่องทางที่ 4 (วันที่ 0) = 0.50 น้ำหนักช่องทางที่ 3 (วันที่ 3) = 0.25 น้ำหนักช่องทางที่ 2 (วันที่ 7) = 0.15 น้ำหนักช่องทางที่ 1 (วันที่ 14) = 0.10 รวม = 1.00 เครดิตช่องทางที่ 4 = 1,000 × 0.50 = 500 THB เครดิตช่องทางที่ 3 = 1,000 × 0.25 = 250 THB เครดิตช่องทางที่ 2 = 1,000 × 0.15 = 150 THB เครดิตช่องทางที่ 1 = 1,000 × 0.10 = 100 THB
5. Position-Based (U-Shape: 40/20/20/20)
ช่องทางที่ 1 (First) = 1,000 × 40% = 400 THB ช่องทางที่ 4 (Last) = 1,000 × 40% = 400 THB ช่องทางที่ 2, 3 = 1,000 × 10% = 100 THB ต่อช่องทาง
ตารางเปรียบเทียบโมเดลยอดนิยม
| โมเดล | หลักการให้เครดิต | ข้อดี | ข้อเสีย | เหมาะกับ |
|---|---|---|---|---|
| **Last Click** | จุดสุดท้าย 100% | ง่าย, วัดผลตรง, ใช้กับ GA4 ได้ทันที | มองข้ามช่องทางสร้าง Awareness | แบรนด์ที่ยอดขายมาจาก Search/LINE เป็นหลัก |
| **First Click** | จุดแรก 100% | เน้นการสร้างการรับรู้ | ไม่สะท้อนช่องทางปิดการขาย | แบรนด์ใหม่ที่เน้น Brand Awareness |
| **Linear** | แบ่งเท่ากันทุกจุด | ยุติธรรม, เห็นภาพรวม | ให้น้ำหนักช่องทางที่ไม่สำคัญเท่าที่ควร | ทีมที่ต้องการดูภาพ Journey ทั้งหมด |
| **Time Decay** | จุดใกล้ Conversion ได้มากสุด | สะท้อนพฤติกรรมจริง | ซับซ้อน, ต้องตั้งค่า Half-life | ร้านที่มี Cycle การตัดสินใจสั้น (1–7 วัน) |
| **Position-Based (U-Shape)** | First 40% / Last 40% / กลาง 20% | เน้นจุดสำคัญสองหัวท้าย | อาจมองข้ามช่องทางกลาง | แบรนด์ที่ต้องการสมดุลระหว่าง Awareness และ Conversion |
| **Data-Driven (DDA)** | ใช้ ML กระจายตามข้อมูลจริง | แม่นที่สุด | ต้องมี Data เยอะ (ขั้นต่ำ ~400 conversions/เดือน) | แบรนด์ใหญ่ที่มีงบและทีม Data |
สถานการณ์ใช้งานจริงในไทย
กรณีที่ 1: ร้าน Skincare DTC งบ 150,000 THB/เดือน
ลูกค้าเฉลี่ยใช้เวลา 5.2 วัน และแตะ 6.8 Touchpoint ก่อนซื้อ ถ้าใช้ Last Click จะเห็นว่า LINE OA ได้เครดิต 62% ของยอดขาย ทำให้ทีมลดงบ TikTok (ซึ่งเป็นตัวสร้าง Demand จริง) ผลลัพธ์คือยอดขายรวมลด 18% ภายใน 2 เดือน
กรณีที่ 2: ร้านอาหารเสริมที่ขายผ่าน Shopee เป็นหลัก
พบว่า 74% ของ Conversion มาจาก Last Click ที่ Shopee Ads แต่เมื่อเปลี่ยนเป็น Position-Based กลับพบว่า Facebook Ads มีบทบาท 35% ในการสร้าง First Touch ที่นำไปสู่การค้นหาแบรนด์ใน Shopee
กรณีที่ 3: แบรนด์แฟชั่นที่ใช้ TikTok Shop + เว็บตัวเอง
มี Conversion 2,400 ครั้ง/เดือน เมื่อใช้ Data-Driven Attribution พบว่า TikTok Ads ให้เครดิต 41% สูงกว่าที่ Last Click ประเมินไว้ (เพียง 19%) ทำให้ปรับงบเพิ่ม 30% และ ROAS รวมเพิ่มจาก 3.2 เป็น 4.1
ข้อเข้าใจผิดที่พบบ่อย
1. "Last Click คือความจริง" — จริงแค่ในมุมของ "ใครปิดการขาย" แต่ไม่ใช่ "ใครสร้างยอดขาย" แบรนด์ที่ใช้ Last Click อย่างเดียวจะตัดงบ Awareness ทิ้ง แล้วยอดขายจะค่อย ๆ ตาย
2. "ใช้หลายโมเดลพร้อมกันได้เลย" — ได้ แต่ต้องเข้าใจว่าแต่ละโมเดลตอบคำถามคนละแบบ ถ้าเอาตัวเลขจาก Last Click ไปเทียบกับ Linear โดยตรง จะสรุปผิดทันที
3. "Data-Driven ดีที่สุดเสมอ" — ต้องมี Conversion ขั้นต่ำประมาณ 400 ครั้ง/เดือน ต่อโมเดล ไม่งั้น Algorithm จะกระจายเครดิตมั่ว
4. "Attribution = Marketing Mix Modeling" — คนละเรื่อง MMM ดูภาพรวมระดับ Macro ด้วยสถิติ ส่วน Attribution ดูระดับ User-level
5. "ติดตั้ง Pixel แล้วจบ" — ในไทยมีปัญหา iOS 14+ Tracking, การซื้อผ่านแอป Shopee/Lazada ที่ไม่ส่ง Data กลับ, และการปิด Cookie ทำให้ตัวเลข Attribution ขาดหาย 20–40% ต้องใช้ UTM + Server-Side Tracking + Promo Code เสริม
คำศัพท์ที่เกี่ยวข้อง
- Touchpoint — จุดสัมผัสระหว่างลูกค้ากับแบรนด์
- Conversion Path — เส้นทางทั้งหมดก่อนConversion
- Lookback Window — ช่วงเวลาย้อนหลังที่นับ Touchpoint (ค่ามาตรฐาน 7–30 วัน)
- ROAS — Return on Ad Spend
- MMM (Marketing Mix Modeling) — โมเดลวิเคราะห์งบระดับภาพรวม
- Incrementality Test — การทดสอบว่าช่องทางนั้น "เพิ่มยอด" จริงหรือแค่ "เก็บเกี่ยวยอดที่มีอยู่แล้ว"
- Server-Side Tracking — การส่ง Data จาก Server แทน Browser เพื่อลดการสูญหาย
- GA4 — เครื่องมือ Analytics ที่รองรับหลาย Attribution Model ในตัว