วัด ROI ของ GEO: วิธีคิด attribution จากจำนวนการอ้างอิงโดย AI, ปริมาณการค้นหาแบรนด์ และจำนวนลีดที่เพิ่มขึ้น
หนึ่ง ทำไมคำนวณ ROI จากจำนวนการอ้างอิงโดย AI ตรงๆ ไม่ได้
ข้อผิดพลาดที่พบบ่อยที่สุดคือ: ทำ GEO มาครึ่งปี จำนวนการอ้างอิงโดย AI เพิ่มจาก 20 ครั้งต่อเดือนเป็น 60 ครั้ง แล้วรายงานเจ้านายว่า “ROI เพิ่มสามเท่า” นี่คือการข้ามขั้นตอนกลางไป การอ้างอิงเพิ่มขึ้น ลูกค้าไม่ได้แปลว่าจะไปค้นหาคุณ ค้นหาแล้วไม่ได้แปลว่าจะคลิกเข้าเว็บไซต์ คลิกเข้าเว็บไซต์แล้วไม่ได้แปลว่าจะกรอกฟอร์ม ทุกชั้นมีการสูญเสีย
ตรรกะของ funnel 4 ชั้นคือ: L1 จำนวนการอ้างอิงโดย AI คือการมองเห็น L2 ปริมาณการค้นหาแบรนด์คือความสนใจเชิงรุก L3 ทราฟฟิกตรงคือการเข้าชม L4 จำนวนลีดที่เพิ่มขึ้นคือผลลัพธ์ สิ่งที่คุณต้องคำนวณคืออัตราการแปลงจาก L1 ไป L4 ไม่ใช่ดูแค่ตัวเลขของ L1
| ชั้น | ตัวชี้วัด | อัตราการสูญเสียโดยทั่วไป | แหล่งข้อมูล |
|---|---|---|---|
| L1 จำนวนการอ้างอิงโดย AI | จำนวนครั้งที่ชุดคำถามคงที่ถูกอ้างอิง | ฐาน | รันชุดคำถามด้วยมือ |
| L2 ปริมาณการค้นหาแบรนด์ | ปริมาณการค้นหาคำแบรนด์ต่อเดือนบน Google | แปลง 5% ถึง 15% | Google Search Console |
| L3 ทราฟฟิกตรง | การเข้าชมตรงบวกทราฟฟิกธรรมชาติจากคำแบรนด์ | แปลง 20% ถึง 40% | GA4 |
| L4 จำนวนลีดที่เพิ่มขึ้น | ลีดเปรียบเทียบเดือนต่อเดือนหลังเริ่ม GEO | แปลง 3% ถึง 8% | ตารางลีดใน CRM |
ลองคำนวณตาม funnel นี้: L1 การอ้างอิงเพิ่มจาก 20 เป็น 60 เพิ่มขึ้น 40 ครั้ง ถ้า L2 ปริมาณการค้นหาแบรนด์แปลง 10% ก็ได้การค้นหาแบรนด์ใหม่ 4 ครั้ง ถ้า L3 ทราฟฟิกตรงแปลง 30% ก็ได้การเข้าชมใหม่ 1.2 ครั้ง ถ้า L4 ลีดแปลง 5% ก็ได้ลีดเพิ่มขึ้น 0.06 ราย ฟังดูน้อยใช่ไหม? นี่คือความจริงของ ROI ใน GEO การอ้างอิงครั้งเดียวมีมูลค่าต่ำมาก แต่มันคือสินทรัพย์แบรนด์ระยะยาว ต้องดูแบบสะสมรายไตรมาส
เรื่องนี้มีต้นตอเดียวกันกับความยากของ คำนวณการให้เครดิตกับลีดอย่างไรจึงจะถูก พูดถึงตรรกะ attribution ชุดเดียวกัน แค่จุดสัมผัสของ GEO เกิดในคำตอบ AI ไม่ใช่การคลิกโฆษณาแบบเดิม
สอง ช่วง baseline: วัด 3 เดือนก่อน แล้วค่อยพูดถึงการทดลอง
ถ้าไม่มีช่วง baseline ก็ไม่มี ROI หลายทีมเริ่มทำ GEO ทันที ครึ่งปีแล้วย้อนกลับมาบอกว่า “ลีดเพิ่ม 20%” แต่ 20% นี้อาจมาจากงานแสดงสินค้า Google Ads หรือการแนะนำของลูกค้า ไม่เกี่ยวกับ GEO
| ระยะ | ความยาว | การดำเนินการ | ผลลัพธ์ |
|---|---|---|---|
| ช่วงฐาน | 3 เดือน | ไม่แก้เนื้อหา แค่ติดตามค่าฐาน 4 ชั้น | ค่าเฉลี่ยรายเดือนของ L1 ถึง L4 |
| ช่วงทดลอง | 6 เดือน | ปรับเนื้อหาตามกลยุทธ์ GEO และทำลิงก์ภายนอก | กราฟการเปลี่ยนแปลง 4 ชั้น |
| ช่วงวิเคราะห์ attribution | เดือนที่ 7 ถึง 9 | เทียบกับช่วงฐานเพื่อคำนวณส่วนเพิ่ม | รายงาน ROI |
ช่วงฐานต้องวัดอะไรบ้าง? ทุกสัปดาห์รันคำถามคงที่ 20 ข้อบน ChatGPT, Gemini และ Perplexity แล้วบันทึกค่าฐานการอ้างอิง L1 บันทึกปริมาณการค้นหาแบรนด์รายเดือน L2 ใน Google Search Console บันทึกค่าเฉลี่ยรายเดือนของทราฟฟิกโดยตรง L3 ใน GA4 และบันทึกค่าเฉลี่ยรายเดือนของลีด L4 ใน CRM วัดทั้ง 4 ตัวเลขนี้ 12 สัปดาห์ แล้วใช้ค่าเฉลี่ยรายเดือนเป็นค่าฐาน
ตัวอย่างสถานการณ์จริง: คุณทำช่วงฐานตั้งแต่เดือนมกราคมถึงมีนาคม พบว่าค่าเฉลี่ยรายเดือนของการอ้างอิง L1 อยู่ที่ 18 ครั้ง การค้นหาแบรนด์ L2 อยู่ที่ 120 ครั้ง ทราฟฟิกโดยตรง L3 อยู่ที่ 800 ครั้ง และลีด L4 อยู่ที่ 25 ราย เริ่มทำ GEO ในเดือนเมษายน พอสิ้นสุดช่วงทดลองในเดือนกันยายน L1 เพิ่มเป็น 45 ครั้ง L2 เพิ่มเป็น 180 ครั้ง L3 เพิ่มเป็น 1,100 ครั้ง และ L4 เพิ่มเป็น 32 ราย ส่วนเพิ่มคือ 27 ครั้ง 60 ครั้ง 300 ครั้ง และ 7 ลีดตามลำดับ คำถามสำคัญของรายงาน ROI คือ ใน 7 ลีดนี้ มีกี่รายที่ให้เครดิตกับ GEO ได้
สาม、วิธีวัดผลแบบมีส่วนร่วม: อย่าใช้ Last Touch
การวัดผลแบบ Last Touch เป็นศัตรูตัวฉกาจที่สุดของทีม GEO เพราะมันยกเครดิตของลีดสุดท้ายให้จุดสัมผัสสุดท้ายทั้งหมด ซึ่งมักเป็นแหล่งที่มาของฟอร์มที่ลูกค้ากรอก หรือคลิกสุดท้ายจาก Google Ads แต่ GEO เป็นการสร้างการรับรู้แบรนด์ในระยะยาวที่เกิดขึ้นในช่วงต้นของการค้นคว้าของลูกค้า Last Touch จึงฉกเครดิตไปหมด
| โมเดลการให้เครดิต | จะแบ่งเครดิตอย่างไร | เหมาะกับ GEO ไหม |
|---|---|---|
| Last Touch | ยกให้จุดสัมผัสสุดท้ายทั้งหมด | ไม่เหมาะ GEO ถูกกลบ |
| First Touch | ยกให้จุดสัมผัสแรกทั้งหมด | เหมาะบางส่วน GEO มักเป็นจุดสัมผัสแรก |
| Linear Attribution | แบ่งเท่ากันทุกจุดสัมผัส | เหมาะ GEO ได้น้ำหนักที่สมเหตุสมผล |
| Time Decay | จุดสัมผัสที่ใกล้กว่ายิ่งมีน้ำหนักมาก | เหมาะบางส่วน |
| กำหนดหลายจุดเอง | ตั้งน้ำหนักตามธุรกิจ | แนะนำสำหรับ B2B |
ธุรกิจ B2B ที่ออกตลาดต่างประเทศมีรอบยาว จากจุดสัมผัสแรกถึงลีดใช้เวลาเฉลี่ย 3 ถึง 6 เดือน ในช่วงนี้ลูกค้าอาจเห็นคุณครั้งแรกบน Perplexity แล้วค้นหาแบรนด์คุณบน Google ต่อ ดู LinkedIn แล้วจึงกรอกฟอร์ม ถ้าใช้ First Touch ยกเครดิตทั้งหมดให้ Perplexity ก็ไม่ยุติธรรม เพราะการค้นหาแบรนด์และการเข้าเว็บไซต์ในภายหลังก็มีส่วนเช่นกัน แนะนำให้ใช้การวัดผลแบบเชิงเส้นหรือกำหนดหลายจุดเอง โดยแบ่งเครดิตให้ทุกจุดสัมผัส
จะรู้ได้อย่างไรว่าลูกค้าครั้งแรกมาจาก AI? เพิ่มคำถามในฟอร์มลีดว่า «คุณรู้จักเราครั้งแรกจากที่ไหน?» แล้วเพิ่มตัวเลือก «AI Search (ChatGPT/Perplexity/Gemini)» คำถามนี้แม่นยำกว่าการติดตามคลิกใด ๆ เพราะเป็นคำตอบจากปากลูกค้าเอง นี่คือ ลีดจากเว็บไซต์ไปยัง CRM ฟิลด์ที่ควรฝังไว้
สี่、ข้อสรุปที่ขัดกับสัญชาตญาณ: การอ้างอิงเพิ่มเท่าตัว แต่ลีดอาจเพิ่มแค่ 10%
นี่คือประเด็นที่ต้องทำให้หัวหน้ายอมรับให้ได้มากที่สุดในบทความนี้ หลายทีมทำ GEO มาครึ่งปี เห็นการอ้างอิง L1 เพิ่มจาก 20 เป็น 60 ก็คิดว่าลีดจะเพิ่มตาม 3 เท่า แต่กลับเพิ่มแค่ 10% ถึง 20% แล้วตัดสินว่า GEO ไม่ได้ผล ปัญหาไม่ได้อยู่ที่ GEO แต่อยู่ที่ความคาดหวังต่อการวัดผล
| ตัวชี้วัด | ช่วงฐาน | สิ้นสุดการทดลอง | อัตราเพิ่ม |
|---|---|---|---|
| L1 จำนวนการอ้างอิงโดย AI | 18 ครั้ง/เดือน | 45 ครั้ง/เดือน | +150% |
| L2 ปริมาณการค้นหาแบรนด์ | 120 ครั้ง/เดือน | 180 ครั้ง/เดือน | +50% |
| L3 ทราฟฟิกตรง | 800 ครั้ง/เดือน | 1100 ครั้ง/เดือน | +38% |
| จำนวนลีด L4 | 25 ราย/เดือน | 32 ราย/เดือน | +28% |
ดูตารางนี้: L1 เพิ่มขึ้น 150% แต่ L4 เพิ่มขึ้นแค่ 28% ทุกชั้นที่อยู่ตรงกลางล้วนมีอัตราการสูญเสีย ไม่ใช่เพราะ GEO ไม่ได้ผล แต่เป็นเพราะผลของ GEO ถูกเจือจางไปตามกรวยการขาย ถ้าคุณสัญญากับเจ้านายว่า “อ้างอิงเพิ่มเป็นสองเท่า ยอดสอบถามเพิ่มเป็นสองเท่า” รับรองว่าพอถึงเดือนที่ 6 คุณต้องผิดหวังแน่ วิธีตั้งความคาดหวังที่ถูกต้องคือ: GEO คือสินทรัพย์ของแบรนด์ มันทำงานร่วมกับ Google Ads และงานแสดงสินค้า จะแยกออกมาให้เครดิตทั้งหมดกับ GEO อย่างเดียวไม่ได้
ตัวอย่างตามสถานการณ์: ลูกค้าอุตสาหกรรมวาล์ว B2B ใช้เวลาเฉลี่ย 4 เดือนจากครั้งแรกที่ติดต่อจนถึงสั่งซื้อ เขาเห็นคุณบน Perplexity (L1) หนึ่งเดือนต่อมาค้นหาแบรนด์คุณบน Google (L2) สองสัปดาห์ต่อมาเข้าชมเว็บไซต์ (L3) และอีกสองเดือนต่อมาจึงกรอกฟอร์ม (L4) ถ้าใช้ Last Touch ในการให้เครดิต เครดิตทั้งหมดจะตกเป็นของฟอร์มบนเว็บไซต์ ถ้าใช้ First Touch เครดิตทั้งหมดจะตกเป็นของ Perplexity ทั้งสองวิธีไม่ถูกต้อง คุณค่าที่แท้จริงคือผลรวมของสี่จุดสัมผัส
ห้า วิธีเขียนรายงาน ROI: อธิบายให้จบในหนึ่งหน้า
รายงาน ROI ไม่ต้องยาวหลายสิบหน้า หนึ่งหน้าก็เพียงพอ หัวใจคือตัวเลขสี่ตัว: เงินลงทุน, ส่วนเพิ่มของสี่ชั้น, จำนวนที่ให้เครดิต, ระยะเวลาคืนทุน
| รายการ | ตัวเลข | คำอธิบาย |
|---|---|---|
| เงินลงทุน GEO | 2 คน × 6 เดือน = 12 คน-เดือน | ชั่วโมงทำงานเนื้อหา + ลิงก์ภายนอก |
| ส่วนเพิ่มการอ้างอิง L1 | +27 ครั้งต่อเดือน | ฐาน 18 → 45 |
| ส่วนเพิ่มการค้นหาแบรนด์ L2 | +60 ครั้งต่อเดือน | ฐาน 120 → 180 |
| ส่วนเพิ่มลีด L4 (ให้เครดิต GEO) | +2 ถึง 3 รายต่อเดือน | ให้น้ำหนัก 1/3 ตามการให้เครดิตเชิงเส้น |
| ต้นทุนต่อลีด | ประมาณ 4000 หยวน/ราย | ต้นทุนแรงงาน ÷ จำนวนที่ให้เครดิต |
| ระยะเวลาคืนทุน | 9 ถึง 12 เดือน | คำนวณจากอัตราการแปลงลีด B2B |
หัวใจของตารางนี้คือจำนวนลีดที่ “ให้เครดิต GEO” อย่านับทั้ง 7 รายให้ GEO ให้น้ำหนัก 1/3 ตามการให้เครดิตเชิงเส้น นั่นคือ 2 ถึง 3 รายต่อเดือน ตัวเลขนี้conservative แต่เจ้านายเชื่อได้ ถ้าถึงเดือนที่ 9 ตัวเลขนี้ยังคงที่ ปีที่สองก็ขอเพิ่มเงินลงทุนได้
และ การออกแบบการทดลอง GEO ใช้คู่กัน: บทความนั้นอธิบายวิธีออกแบบสมมติฐานและตัวแปร บทความนี้อธิบายวิธีแปลผลการทดลองเป็น ROI เมื่อรวมกันจะได้กระบวนการประเมินเงินลงทุน GEO ที่สมบูรณ์
สิ่งที่ไม่ควรทำ: อย่าเอาจำนวนการอ้างอิงจาก GEO ไปวางเทียบกับอันดับบน Google ในตารางเดียวกันเพื่อเทียบ ROI สองสิ่งนี้เป็นกรวยการขายคนละแบบ ใช้ตรรกะการให้เครดิตคนละชุด GEO คือสินทรัพย์ระยะยาวของแบรนด์ ส่วน SEO คือการดึงทราฟฟิกระยะสั้น เอามาเทียบกันจะตัดสินลำดับความสำคัญผิด
หก ข้อผิดพลาดในการให้เครดิตที่พบบ่อย
| ข้อผิดพลาด | อาการ | วิธีแก้ไข |
|---|---|---|
| รายงาน ROI โดยไม่มีช่วงฐาน | “ลีดเพิ่ม 20% เป็นผลจาก GEO ทั้งหมด” | รันฐาน 3 เดือนก่อน |
| ใช้ Last Touch | เครดิต GEO ถูกฟอร์มแย่งไปหมด | เปลี่ยนไปใช้ First Touch หรือเชิงเส้น |
| เอา L1 มาเป็น L4 | “การอ้างอิงเพิ่มเป็นสองเท่า ลีดจะเพิ่มเป็นสองเท่า” | คำนวณการสูญเสียตามกรวยสี่ชั้น |
| ตัดสินว่าล้มเหลวภายใน 3 เดือน | เดือนที่ 3 ไม่มีลีดเพิ่มก็หยุด | รอถึงเดือนที่ 9 ค่อยสรุป |
| ไม่ตั้งกลุ่มควบคุม | ความผันผวนตามฤดูกาลถูกมองว่าเป็นผลของ GEO | ใช้ฐานอุตสาหกรรมหรือเทียบปีต่อปี |
ฤดูกาลคือกับดักที่ธุรกิจ B2B ที่บุกตลาดต่างประเทศพลาดกันบ่อยที่สุด ช่วงพีคของลีดคุณอาจอยู่ที่ Q2 กับ Q4 ถ้าเริ่มทำ GEO ตั้งแต่ Q1 แล้วเห็นลีดเพิ่มตอน Q3 นั่นอาจเป็นแค่ฤดูกาล ไม่ใช่ผลจาก GEO วิธีเช็กคือเทียบกับช่วงเดียวกันของปีที่แล้ว ไม่ใช่เทียบกับเดือนที่แล้ว ถ้าปีที่แล้ว Q3 ลีดก็ได้ตัวเลขเท่านี้ แปลว่าส่วนเพิ่มจาก GEO เป็นศูนย์
FAQ คำถามที่พบบ่อย
คำนวณ ROI ของ GEO ยังไง?
ทำไมใช้ Last Touch วัดผล GEO ไม่ได้?
ถ้าจำนวนครั้งที่ AI อ้างอิงเพิ่มเป็นสองเท่า ลีดจะเพิ่มเป็นสองเท่าไหม?
ทำ GEO นานแค่ไหนถึงเห็น ROI?
จะตัดสัญญาณรบกวนจากฤดูกาลต่อ ROI ของ GEO ยังไง?
ต้นทุนต่อลีดของ GEO เท่าไหร่ถึงถือว่าสมเหตุสมผล?
ทิ้งท้าย
เรื่องที่ยากที่สุดในการวัด ROI ของ GEO ไม่ใช่การคำนวณตัวเลข แต่คือการบริหารความคาดหวัง ปริมาณการถูกอ้างอิงโตเร็ว แต่ inquiry โตช้า ระหว่างกลางมี funnel 3 ชั้นกับรอบการตัดสินใจ 6 เดือน เมื่อรายงานเจ้านาย ให้พูดถึงการสูญเสียตรงนี้ให้ชัดก่อน แล้วค่อยให้ตัวเลข จะไม่ถูกตั้งคำถามในเดือนที่ 6
ลงมือทำ 3 ขั้น ตอนนี้สัปดาห์นี้สร้างช่วงฐาน 3 เดือน แล้ววัด baseline ทั้ง 4 ชั้นตั้งแต่ L1 ถึง L4 เดือนหน้าเพิ่มฟิลด์ “แหล่งที่มาครั้งแรก” ในฟอร์ม inquiry โดยมี AI search เป็นตัวเลือก เดือนที่ 9 คำนวณ incremental หนึ่งครั้งด้วย attribution เชิงเส้น แล้วเขียนรายงาน ROI หนึ่งหน้า
ประโยคที่จำง่าย ๆ คือ GEO ไม่ใช่โฆษณาที่เห็นผลทันที แต่เป็นสินทรัพย์แบรนด์ที่สะสมเป็นรายไตรมาส อย่าคิดบัญชีด้วย Last Touch อย่าตัดสินความสำเร็จหรือล้มเหลวด้วยเวลา 3 เดือน