Lift

ในโลกของ DTC และ e-commerce เราแทบจะไม่ได้ตัดสินใจอะไรจาก "ยอดขายรวม" อีกต่อไปแล้ว เพราะยอดขายรวมมันบอกเราไม่ได้เลยว่า ลูกค้าซื้อเพราะแคมเปญของเรา หรือซื้อเพราะเขาอยากซื้ออยู่แล้ว Lift คือตัวชี้วัดที่เข้ามาตอบคำถามนี้โดยตรง

Lift คืออะไร

Lift () คือเปอร์เซ็นต์การเปลี่ยนแปลงของตัวชี้วัดเป้าหมาย (เช่น Conversion Rate, AOV, จำนวนออร์เดอร์) ของ กลุ่มทดลอง (Test Group) เมื่อเทียบกับ กลุ่มควบคุม (Control Group) ที่ไม่ได้รับแคมเปญหรือไม่ได้เห็นการเปลี่ยนแปลงนั้น

พูดง่าย ๆ คือ Lift ตอบคำถามว่า:

"ถ้าเทียบกับคนที่ไม่ได้เจอแคมเปญเรา คนที่เจอแคมเปญเราดีกว่ากี่เปอร์เซ็นต์?"

จุดสำคัญคือ ต้องมีกลุ่มควบคุม ถ้าไม่มีกลุ่มควบคุม สิ่งที่คุณวัดได้คือ "ยอดขาย" ไม่ใช่ "Lift"

คิดแบบง่าย ๆ

ลองนึกภาพคุณเป็นเจ้าของร้านกาแฟออนไลน์ แล้วส่งโค้ดส่วนลด 15% ให้ลูกค้ากลุ่มหนึ่ง

- กลุ่มทดลอง (Test): 1,000 คน ได้รับโค้ด → 80 คนซื้อ → Conversion Rate = 8%

- กลุ่มควบคุม (Control): 1,000 คน ไม่ได้รับโค้ด → 50 คนซื้อ → Conversion Rate = 5%

ถ้าคุณดูแค่กลุ่มทดลอง คุณจะบอกว่า "โค้ดนี้ได้ผล ได้ 80 ออร์เดอร์" แต่ถ้าคุณดู Lift คุณจะเห็นว่า จริง ๆ แล้วโค้ดนี้ สร้างออร์เดอร์เพิ่มขึ้นแค่ 30 ออร์เดอร์ (80 − 50) ส่วนอีก 50 ออร์เดอร์ที่เหลือ คือคนที่ยังไงก็ซื้ออยู่แล้ว

นี่คือหัวใจของ Lift — มันแยก "คนที่ซื้อเพราะเรา" ออกจาก "คนที่ซื้ออยู่แล้ว" ได้

สูตรการคำนวณ

Lift (%) = ((Metric ของกลุ่มทดลอง − Metric ของกลุ่มควบคุม) / Metric ของกลุ่มควบคุม) × 100

ตัวอย่างจากด้านบน:

Lift = ((8% − 5%) / 5%) × 100
 = (3% / 5%) × 100
 = 60%

แปลว่าโค้ดส่วนลดนี้สร้าง Conversion Rate ที่ สูงขึ้น 60% เมื่อเทียบกับกลุ่มควบคุม

ข้อควรระวัง: Lift สามารถเป็นค่าลบได้ ถ้ากลุ่มทดลองแย่กว่ากลุ่มควบคุม (เช่น แคมเปญใหม่ทำ Conversion ตกลง 20%) นั่นก็คือ Lift = −20% ซึ่งเป็นสัญญาณว่าควรหยุดหรือปรับแคมเปญทันที

ตารางเปรียบเทียบ: Lift vs ตัวชี้วัดอื่นที่มักสับสน

จะเห็นว่า Lift เป็น พื้นฐาน ของ Incremental Revenue และเป็นตัวที่ทำให้ ROAS มีความหมายจริง เพราะถ้า ROAS = 5 แต่ Lift = 0% แปลว่าคุณกำลังจ่ายเงินโฆษณาให้คนที่ซื้ออยู่แล้ว

: Lift ใช้ตอนไหนในธุรกิจ DTC

1. วัดผลโปรโมชั่นและโค้ดส่วนลด

ก่อนยิงโค้ดทุกครั้ง ควรแบ่งลูกค้าออกเป็น 2 กลุ่ม (Test/Control) แล้วดู Lift ของ Conversion Rate และ AOV ถ้า Lift ต่ำกว่า 10% แต่ต้นทุนส่วนลดสูง อาจไม่คุ้ม

2. ทดสอบแคมเปญโฆษณาบน Meta / TikTok

ใช้ Conversion Lift Study ของแพลตฟอร์ม หรือทำ geo-split test ระหว่างจังหวัดที่เปิดแคมเปญกับจังหวัดที่ไม่เปิด ถ้า Lift ของ CPA อยู่ที่ −15% (หมายถึง CPA ลดลง 15%) ถือว่าดี

3. ทดสอบ Email / LINE Marketing

ตัวอย่างจริง: ร้าน skincare ส่งอีเมล flash sale ให้กลุ่ม Test 20,000 คน เทียบกับ Control 20,000 คน

- Test: ออร์เดอร์ 1,200 → CR = 6.0%

- Control: ออร์เดอร์ 900 → CR = 4.5%

- Lift = ((6.0 − 4.5) / 4.5) × 100 = 33.3%

4. ปรับปรุงหน้าเว็บ (A/B Test)

ถ้าเปลี่ยนปุ่ม CTA แล้ว Lift ของ add-to-cart = 12% และ Lift ของ checkout = 8% แปลว่าการเปลี่ยนแปลงนี้ช่วยได้จริงทั้ง funnel

5. Retention / CRM

วัดว่าโปรแกรมสะสมแต้มทำให้ลูกค้ากลับมาซื้อซ้ำเพิ่มขึ้นกี่เปอร์เซ็นต์ เทียบกับกลุ่มที่ไม่เข้าร่วม

##

1: ใช้ยอดขายรวมเป็น Lift

ยอดขายรวมไม่ใช่ Lift เพราะไม่มีกลุ่มควบคุม การเปรียบเทียบยอดขายเดือนนี้กับเดือนที่แล้วไม่นับเป็น Lift (เพราะมีปัจจัยภายนอกเช่นฤดูกาล)

2: กลุ่มควบคุมไม่ comparable

ถ้ากลุ่มควบคุมเป็นลูกค้าใหม่ทั้งหมด แต่กลุ่มทดลองเป็นลูกค้าเก่า Lift ที่ได้จะไม่น่าเชื่อถือ ต้องสุ่มแบ่งให้คุณสมบัติใกล้เคียงกัน (randomization)

3: ตัวอย่างเล็กเกินไป

ถ้ากลุ่มละ 100 คน ความแปรปรวนจะสูงมาก ควรมีอย่างน้อย 1,000–5,000 คนต่อกลุ่ม หรือใช้ power analysis ก่อนเริ่ม test

4: ดู Lift แค่ตัวเลขเดียว

Lift ของ Conversion Rate อาจเป็น +40% แต่ถ้า AOV ลดลง 30% มูลค่ารวมอาจไม่เพิ่ม ต้องดูหลายตัวชี้วัดพร้อมกัน

5: ลืมหักต้นทุน

Lift = 60% ฟังดูดี แต่ถ้าต้นทุนส่วนลดกินกำไรไป 70% ก็ยังขาดทุนอยู่ดี ต้องคำนวณ Incremental Profit ไม่ใช่แค่ Lift

6: วัด Lift หลังแคมเปญจบแล้ว

ควรตั้งกลุ่มควบคุมไว้ตั้งแต่แรก และอย่าให้กลุ่มควบคุมเห็นแคมเปญโดยบังเอิญ (เช่น โฆษณาเดียวกันโผล่ทั้งสองกลุ่ม)

##

- A/B Test — การทดลองแบบสุ่มแบ่งกลุ่มเพื่อวัด Lift

- Control Group — กลุ่มควบคุมที่ไม่ได้เห็นการเปลี่ยนแปลง

- Incremental Revenue — รายได้ที่เพิ่มขึ้นจริงจากแคมเปญ

- Statistical Significance — ความมีนัยสำคัญทางสถิติของ Lift

- Holdout Group — กลุ่มที่กันไว้ไม่รับแคมเปญเป็นเวลานาน

- ROAS — ผลตอบแทนจากค่าโฆษณา (ควรดูคู่กับ Lift)

- Uplift Modeling — โมเดลที่ทำนายว่าใครจะได้ Lift สูงสุด

- Conversion Rate (CVR) — อัตราการแปลงที่มักใช้วัด Lift

- Average Order Value (AOV) — มูลค่าออร์เดอร์เฉลี่ยที่ควรดูคู่กัน

- Causal Inference — หลักการทางสถิติที่อยู่เบื้องหลัง Lift

สรุปสั้น ๆ: Lift คือตัวชี้วัดที่บอกว่าแคมเปญของคุณ "สร้างความแตกต่างจริง" หรือแค่ "เก็บเกี่ยวคนที่ซื้ออยู่แล้ว" ถ้าคุณทำ DTC หรือ e-commerce และยังไม่วัด Lift คุณกำลังตัดสินใจลงทุนโฆษณาโดยไม่มีหลักฐานที่แท้จริง เริ่มต้นง่าย ๆ ด้วยการแบ่งกลุ่ม Test/Control ทุกครั้งที่ยิงแคมเปญ แล้วคุณจะเห็นภาพที่ชัดขึ้นทันที