การคำนวณ Inquiry Attribution ให้ถูกต้อง: First Touch, Last Touch และ 12 ประเภทของ Click ID

สรุปก่อน: Attribution ไม่ใช่เรื่องของ “เลือกโมเดล” แต่เป็นเรื่องของ “ทำความเข้าใจก่อนว่าข้อมูลมาจากไหน” ข้อมูล attribution ของเว็บไซต์出海 ส่วนใหญ่ผิดตั้งแต่ต้นทาง — ไม่ได้ตัดการเปลี่ยนหน้าภายในโดเมนเดียวกันออก, Direct Access ครองตำแหน่ง First Touch, Click ID หมดอายุและสูญหาย เมื่อสร้างโมเดลบนข้อมูลที่ผิด ผลลัพธ์ที่ได้ย่อมผิดอย่างแน่นอน

หนึ่ง、ปัญหาพื้นฐาน: ข้อมูล attribution ของหลายเว็บไซต์สกปรกตั้งแต่ต้นทาง

มาดูข้อผิดพลาดจริงที่พบบ่อยสี่ข้อ ซึ่งล้วนเกิดขึ้นก่อน “เลือกโมเดล”:

ข้อผิดพลาด	อาการ	ผลที่ตามมา
ไม่ได้ตัดการเปลี่ยนหน้าภายในโดเมนเดียวกันออก	ลูกค้าเปลี่ยนจากหน้าบทความไปหน้าสินค้า แต่ถูกบันทึกเป็น “แหล่งที่มาใหม่”	Traffic ธรรมชาติถูกทำให้สูงเกินจริง และนับซ้ำ
Direct Access ครองตำแหน่ง First Touch	ลูกค้าเข้ามาครั้งแรกผ่าน Google แต่ First Touch ถูกบันทึกเป็น “Direct Access”	ช่องทาง First Touch บิดเบือนทั้งหมด
Click ID หมดอายุและสูญหาย	หลังคลิกโฆษณา 30 วันแล้วจึงเกิด Conversion แต่ gclid สูญหายไปแล้ว	ประสิทธิภาพโฆษณาถูกประเมินต่ำเกินไป
เอาสภาพแวดล้อมการเข้าชมมาเป็นช่องทาง	เบราว์เซอร์ในตัว WeChat ถูกมองเป็น “ช่องทาง = WeChat”	ช่องทางแบบเสียเงินปนกับ WeChat จนแยกไม่ออกว่าใครได้ผล

ปัญหาทั้งสี่ข้อนี้รวมกัน ทำให้รายงาน attribution “ดูครบถ้วน แต่ใช้จริงไม่ได้” ดังนั้นลำดับที่ถูกต้องคือ:ซ่อมแซมแหล่งข้อมูลก่อน แล้วจึงเลือกโมเดล ต่อไปจะอธิบายเป็นสามระดับ

สอง、ระดับแรก: ระบุ “แหล่งที่มา” ให้แม่นยำ

2.1 ลำดับความสำคัญในการตัดสินแหล่งที่มา

แหล่งที่มาของการเข้าชมหนึ่งครั้ง ควรตัดสินตามลำดับดังนี้ลำดับห้ามสลับ:

ลำดับความสำคัญ	เกณฑ์การตัดสิน	คำอธิบาย
①	พารามิเตอร์ Click ID	เชื่อถือได้มากที่สุด (gclid / fbclid ฯลฯ) ถ้ามีให้ถือเป็น attribution ทันที
②	พารามิเตอร์ UTM	ติดตั้งด้วยมือ ความน่าเชื่อถือรองลงมา
③	Referrer	ต้องมีกฎการตัดออก ดูด้านล่าง
④	Direct Access	ตัวสำรองสุดท้าย

ทำไม Click ID จึงมาก่อน UTM? เพราะ UTM ถูกเพิ่มด้วยมือ ง่ายต่อการเพิ่มผิด พลาด หรือถูกแก้ไขโดยเจตนา ส่วน Click ID ถูกแนบโดยแพลตฟอร์มโฆษณาอัตโนมัติ มีเอกลักษณ์และปลอมแปลงไม่ได้

2.2 กฎการตัด Referrer สามข้อ

referrer เป็นส่วนที่ผิดพลาดได้ง่ายที่สุด กฎการตัดออกสามข้อที่ต้องปฏิบัติ:

กฎ	แนวทาง	เหตุผล
ตัดโดเมนเดียวกันออก	เมื่อโดเมนของ referrer == โดเมนของเว็บไซต์นี้ ให้ถือเป็นการเปลี่ยนหน้าภายในเว็บ ไม่ทับแหล่งที่มา	มิฉะนั้นการคลิกภายในเว็บจะ “ล้าง” แหล่งที่มาที่แท้จริงไปเรื่อย ๆ
ปรับ Search Engine ให้เป็นมาตรฐานเดียว	โดเมน Google ของแต่ละประเทศให้รวมเป็นแหล่งที่มาเดียว	`google.de`/`google.co.uk`/`google.com` ควรรวมเป็น Google
referrer ที่ไม่ถูกต้องให้จัดเป็น Direct Access	referrer ว่างเปล่า, มาจาก App ของเว็บนี้, มาจากอีเมลไคลเอนต์	referrer จากอีเมลไคลเอนต์มักว่างเปล่า ง่ายต่อการตัดสินผิด

การตัดโดเมนเดียวกันออกเป็นข้อที่สำคัญที่สุดในสามข้อ เมื่อลูกค้าคลิกจากบทความบล็อกของคุณเข้าสู่หน้าสินค้า ถ้าถูกบันทึกเป็น “แหล่งที่มาใหม่ = บทความบล็อก” แหล่งที่มาเดิมของเขา (เช่น การค้นหาบน Google) ก็จะหายไป เมื่อเวลาผ่านไป รายงานจะแสดงภาพลวงว่าบทความบล็อกเป็นแหล่งที่มาใหญ่ที่สุด

2.3 กฎการบันทึกตำแหน่ง First Touch

First Touch (การสัมผัสครั้งแรก) จะถูกบันทึกเฉพาะเมื่อนำแหล่งที่มาจริงกลับมาได้เท่านั้น กฎข้อนี้ดูเหมือนเป็นรายละเอียดเล็กน้อย แต่เป็นตัวกำหนดความแม่นยำของระบบ attribution ทั้งหมด

กรณี	บันทึก First Touch หรือไม่	เหตุผล
การเข้าชมครั้งแรกมาจากการค้นหาบน Google	✅ บันทึก	มีแหล่งที่มาชัดเจน
การเข้าชมครั้งแรกมาจากการคลิกโฆษณา (มี gclid)	✅ บันทึก	มีแหล่งที่มาชัดเจน
การเข้าชมครั้งแรกเป็นการเข้าชมโดยตรง (พิมพ์ URL / บุ๊กมาร์ก)	❌ ไม่บันทึก	ไม่มีข้อมูลแหล่งที่มา ไม่สามารถครองตำแหน่ง First Touch ได้
การเข้าชมครั้งแรกมาจากการคลิกภายในเว็บไซต์	❌ ไม่บันทึก	ไม่ใช่แหล่งที่มาจริง

ทำไม “การเข้าชมโดยตรงไม่ครองตำแหน่ง First Touch”? เพราะถ้าปล่อยให้ครองตำแหน่ง ลูกค้าที่เข้ามาจากการค้นหาแบรนด์ (ซึ่งมีแนวโน้มถูกบันทึกเป็นการเข้าชมโดยตรงก่อน) จะสูญเสีย First Touch ที่แท้จริงไปตลอดกาล แต่ในความเป็นจริง “การเข้าชมโดยตรง” มักเป็น ผลของแคมเปญการตลาดครั้งก่อน เพียงแต่ครั้งนั้นไม่ได้บันทึกแหล่งที่มาไว้

วิธีจัดการที่ถูกต้องคือ ปล่อยตำแหน่ง First Touch ให้ว่างไว้ รอให้การเข้าชมครั้งแรกที่นำแหล่งที่มาจริงกลับมาเติมเต็ม

สาม 12 ประเภท Click ID และระยะเวลาเก็บรักษา 90 วัน

Click ID คือตัวระบุเฉพาะที่แพลตฟอร์มโฆษณาแนบมากับ URL ของหน้า Landing Page เป็น วิธีเดียวที่เชื่อถือได้สำหรับ attribution ข้ามแพลตฟอร์ม เพราะมีเพียงสิ่งเหล่านี้ที่บอกได้ว่า “การเข้าชมครั้งนี้มาจากแพลตฟอร์มใด การคลิกครั้งใด โฆษณาชิ้นใด”

#	ชื่อพารามิเตอร์	แพลตฟอร์ม	อายุการใช้งานทั่วไป	ใช้ทำอะไร
1	`gclid`	Google Ads	30–90 วัน	attribution ของโฆษณาค้นหา
2	`wbraid`	Google Ads (iOS)	30–90 วัน	ทางเลือกภายใต้ข้อจำกัดความเป็นส่วนตัวของ iOS
3	`gbraid`	Google Ads (iOS App)	30–90 วัน	กรณี WebView ภายในแอป
4	`fbclid`	Meta	90 วัน	โฆษณา Facebook / Instagram
5	`ttclid`	TikTok	90 วัน	โฆษณา TikTok
6	`li_fat_id`	LinkedIn	30 วัน	โฆษณา LinkedIn
7	`msclkid`	Microsoft Ads	90 วัน	โฆษณา Bing
8	`twclid`	X (Twitter)	30 วัน	โฆษณา X
9	`yclid`	Yandex	90 วัน	โฆษณา Yandex
10	`epik`	Pinterest	30 วัน	โฆษณา Pinterest
11	`s_kwcid`	Adobe / บางแพลตฟอร์ม	30–90 วัน	การติดตามโฆษณาระดับองค์กร
12	`irclickid`	affiliate marketing	30–90 วัน	attribution ของช่องทาง affiliate

การตัดสินใจออกแบบที่สำคัญสามข้อ:

การตัดสินใจ	แนวทาง	เหตุผล
จัดเก็บแยกกัน	ID ทั้ง 12 ประเภทเก็บในฟิลด์แยกกัน ไม่รวมเป็น “click_id” เดียว	ผู้ใช้คนเดียวกันอาจมีหลาย ID พร้อมกัน ต้องทำ attribution แยกกัน
เก็บรักษา 90 วัน	เก็บไว้ 90 วันหลังจัดเก็บครั้งแรก	ครอบคลุมรอบการตัดสินใจยาวของ B2B (30–60 วันเป็นเรื่องปกติ)
ให้ความสำคัญกับครั้งแรกที่จัดเก็บ	ID ประเภทเดียวกันบันทึกเฉพาะครั้งแรก ครั้งต่อๆ ไปไม่ทับ	รับประกันความเสถียรของ attribution หลีกเลี่ยง “อคติเอนไปทางการคลิกครั้งสุดท้าย”

การตัดสินใจ “เก็บรักษา 90 วัน” สำคัญเป็นพิเศษสำหรับ B2B การจัดซื้ออุปกรณ์อุตสาหกรรม ตั้งแต่คลิกโฆษณาครั้งแรกจนถึงส่งแบบฟอร์มสอบถามครั้งสุดท้าย ปกติใช้เวลา 45–70 วัน ถ้า Click ID เก็บไว้เพียง 30 วัน การแปลงเกินครึ่งจะทำ attribution ไม่สำเร็จ ประสิทธิภาพโฆษณาจะถูกประเมินต่ำอย่างรุนแรง

สี่ ชั้นที่สอง: โมเดล attribution สี่แบบและการเลือกใช้

เมื่อซ่อมแซมแหล่งข้อมูลเสร็จแล้ว จึงถึงคิวของโมเดล

โมเดล	ตรรกะ	เหมาะกับ	ข้อจำกัด
First Touch	ให้ 100% กับการสัมผัสครั้งแรก	ประเมินว่า “ใครนำลูกค้าใหม่มา”	มองข้ามช่องทางที่ปิดการขาย
Last Touch	ให้น้ำหนัก 100% กับการสัมผัสครั้งสุดท้าย	ประเมินว่า “ใครทำให้เกิดการแปลง”	ทำให้ Direct / แบรนด์คีย์เวิร์ดได้เปรียบเกินจริง
Last Non-Direct	ให้กับครั้งสุดท้ายที่ไม่ใช่ Direct การเข้าชม	ค่าแนะนำเริ่มต้น(เหมือนค่าเริ่มต้นของ GA4)	ต้องจัดการ Direct ให้ถูกต้อง
Linear / Position-Based Attribution	แบ่งสัดส่วนให้หลายจุดสัมผัส	การปรับละเอียดเมื่อ Multi-Touch สุกงอม	ต้องใช้ข้อมูลสะสมนานขึ้น

ทำไมค่าแนะนำเริ่มต้นจึงเป็น Last Non-Direct?

เพราะ Last Touch แบบเพียวๆ มีข้อบกพร่องร้ายแรง:ขั้นตอนสุดท้ายก่อนการแปลงจำนวนมากคือ “Direct”(ลูกค้าตัดสินใจแล้วว่าจะติดต่อคุณ เปิดเว็บไซต์คุณกรอกฟอร์มเลย) ถ้านับตาม Last Touch การแปลงเหล่านี้จะถูกเหมารวมให้ “Direct” ทั้งหมด จนทุกช่องทางดูเหมือนไร้ประโยชน์

วิธีนับที่ถูกต้องคือ: ย้อนกลับไปหาจุดสัมผัสสุดท้ายที่ “พาแหล่งที่มามาด้วย” นั่นคือวิธีที่ GA4 และเครื่องมือวิเคราะห์สมัยใหม่ส่วนใหญ่ใช้last_non_direct นั่นเอง

คำแนะนำที่ใช้ได้จริง: ดูทั้งสองวิธีพร้อมกัน

ดูแบบไหน	ตอบคำถามอะไร
First Touch	ช่องทางไหนกำลังหาลูกค้าใหม่? (ใน B2B มักชี้ไปที่คอนเทนต์และ Organic Search)
Last Non-Direct	ช่องทางไหนกำลังปิดการแปลง? (มักชี้ไปที่แบรนด์คีย์เวิร์ดและ Remarketing)

ดูแค่แบบเดียวผิดพลาดแน่นอน การตีความผิดพลาดแบบคลาสสิกคือ: ดูแค่ Last Touch แล้วสรุปว่า “SEO ไม่มีประโยชน์ โฆษณาได้ผลที่สุด” เพราะโฆษณามักเป็นการคลิกครั้งสุดท้ายก่อนการแปลง แต่ในความเป็นจริง คอนเทนต์ SEO สร้างการรับรู้ก่อน ส่วนโฆษณาแค่อาศัยรถเมล์ฟรี。

ห้า ชั้นที่สาม: WeChat คือ “สภาพแวดล้อมการเข้าถึง” ไม่ใช่ “ช่องทาง”

จุดนี้ในบริบทการ出海ของจีนมักสับสน ควรอธิบายแยกต่างหาก

เบราว์เซอร์ในตัวของ WeChat (รวมถึง WeCom) เป็น “สภาพแวดล้อมการเข้าถึง” ซึ่งเป็นคนละมิติกับ “ช่องทาง”

มิติ	ตัวอย่างค่า	คำถามที่ตอบ
ช่องทาง	Organic Search / Paid Ads / Social / Direct / Email	เขามาจากไหน?
สภาพแวดล้อมการเข้าถึง	WeChat / WeCom / เบราว์เซอร์ทั่วไป / WebView ในแอป	เขาเข้าถึงในสภาพแวดล้อมอะไร?

ทำไมต้องแยก? ดูตัวอย่างจริง:

สถานการณ์	ช่องทาง	สภาพแวดล้อมการเข้าถึง	การตีความที่ถูกต้อง
ลูกค้าเปิดลิงก์ที่เพื่อนแชร์ใน WeChat	Social (การแชร์)	WeChat	WeChat เป็นสื่อกลางการแพร่กระจาย ช่องทางคือ Social
ลูกค้าเปิดโฆษณาที่คุณยิงใน WeChat	โฆษณาแบบจ่ายเงิน	WeChat	Paid มีลำดับความสำคัญสูงสุด ถูก WeChat ทับไม่ได้
ลูกค้าพิมพ์ URL ตรงๆ ใน WeChat	Direct Access	WeChat	สภาพแวดล้อมคือ WeChat ช่องทางคือ Direct
ลูกค้าเปิดเอกสารที่คุณส่งใน WeCom	ส่งทาง Email/IM	WeCom	สภาพแวดล้อมคือ WeCom

ถ้าเอาปนกันจะเกิดข้อผิดพลาดสองแบบ:

วิธีที่ผิด	ผลที่ตามมา
ใช้ “WeChat” เป็นค่าช่องทาง	ผลของ Paid Ads ถูกเหมารวมไว้ใต้ชื่อ “WeChat” ประเมินการยิงโฆษณาไม่ได้
มองข้ามมิติสภาพแวดล้อมการเข้าถึง	ไม่รู้สภาพแวดล้อมการเข้าถึงของลูกค้า ปรับปรุงประสบการณ์การแชร์และการปรับ Landing Page ให้เข้ากันไม่ได้

วิธีที่ถูกต้อง: แยกฟิลด์สำหรับช่องทางและสภาพแวดล้อมการเข้าถึง โดยให้ความสำคัญกับช่องทางที่เสียค่าใช้จ่ายสูงสุด (ไม่ถูกสภาพแวดล้อมทับ) และเก็บ WeChat เป็นฟิลด์แยกต่างหาก แบบนี้คุณจะคำนวณได้ทั้ง “โฆษณานำมาซึ่งลีดเท่าไร” และ “ในจำนวนนั้นมีกี่รายที่เข้าถึงผ่าน WeChat”

หก、การระบุที่มาของผู้เข้าชม: จะตัดสินประเทศและเมืองอย่างไร

การระบุที่มาไม่ใช่แค่รู้ว่า “มาจากไหน” แต่ต้องรู้ว่า “มาจากประเทศไหน” ด้วย ซึ่งเป็นข้อมูลพื้นฐานสำหรับธุรกิจ出海 ที่นี่มีสองโหมด แต่ละโหมดมีข้อแลกเปลี่ยน:

รูปแบบ	เกณฑ์การตัดสิน	ความแม่นยำ	คำขอจากภายนอก	เหมาะกับ
โหมดเบา (ค่าเริ่มต้น)	เฮดเดอร์ประเทศที่ CDN ให้ + การอนุมานเขตเวลาจากเบราว์เซอร์	ประเทศ (เขตเวลาช่วยตัดสินได้)	ศูนย์	เว็บ出海 ส่วนใหญ่
โหมดแม่นยำ	อินเทอร์เฟซค้นหา IP ที่ผู้ดูแลเว็บตั้งค่า	ประเทศ + เมือง	ต้องตั้งค่าอินเทอร์เฟซ	เมื่อต้องการข้อมูลระดับเมือง

ทำไมค่าเริ่มต้นจึงใช้โหมดเบา? เพราะการเข้าชมหนึ่งครั้งจะกระตุ้นการร้องขอทรัพยากรหลายครั้ง หากทุกคำขอไปค้นฐานข้อมูล IP จะเกิดปัญหาสามข้อ:การตอบสนองช้าลง、พึ่งพาภายนอก (อินเทอร์เฟซล่มก็ล่มทั้งหมด)、และความเสี่ยงด้านความเป็นส่วนตัว (ส่ง IP ผู้เข้าชมให้บุคคลที่สาม) โหมดเบาใช้ข้อมูลประเทศที่ CDN ให้มาในเฮดเดอร์การตอบสนองอยู่แล้ว ไม่มีค่าใช้จ่ายเพิ่มเติม

เมื่อไรจึงต้องใช้โหมดแม่นยำ? เมื่อคุณต้องตอบคำถามประเภท “เมืองไหนมีลีดมากที่สุด ควรไปทำการตลาดภาคพื้นดินหรือออกงานแสดงสินค้าที่นั่นไหม” ตอนนั้นการตั้งค่าอินเทอร์เฟซจึงคุ้มค่า

เจ็ด、ข้อผิดพลาดที่พบบ่อยและรายการตรวจสอบการเปิดใช้งาน

เจ็ดข้อผิดพลาดที่พบบ่อย

#	ข้อผิดพลาด	ผลที่ตามมา	การแก้ไข
1	ไม่ได้ตัด referrer โดเมนเดียวกันออก	การนำทางภายในเว็บไซต์ทับแหล่งที่มาจริง	เพิ่มกฎตัดโดเมนเดียวกัน
2	Direct Access ครองตำแหน่ง First Touch	ช่องทางสัมผัสแรกบิดเบือน	สัมผัสแรกเขียนเฉพาะการเข้าชมที่มีแหล่งที่มา
3	Click ID เก็บเพียง 30 วัน	การแปลงระยะยาว B2B สูญเสียการระบุที่มา	ขยายเป็น 90 วัน
4	Click ID รวมเป็นฟิลด์เดียว	การระบุที่มาผิดพลาดเมื่อมีหลายช่องทางพร้อมกัน	เก็บแยก 12 ฟิลด์
5	ดูแค่ Last Touch	ประเมินบทบาทของเนื้อหาและ SEO ต่ำเกินไป	ดูทั้ง First และ Last Non-Direct
6	นับ WeChat เป็นช่องทาง	ผลของช่องทางเสียค่าใช้จ่ายถูกบดบัง	เก็บช่องทางและสภาพแวดล้อมแยกกันแบบตั้งฉาก
7	ใช้สคริปต์ฝั่งไคลเอนต์บันทึกการระบุที่มา	การตั้งค่าความเป็นส่วนตัว / ตัวบล็อกโฆษณาทำให้ข้อมูลขาดหาย	บันทึกข้อมูลสำคัญฝั่งเซิร์ฟเวอร์

รายการตรวจสอบการเปิดใช้งาน

รายการตรวจสอบ	วิธีตรวจสอบ	เกณฑ์ผ่าน
การนำทางโดเมนเดียวกันไม่ทับแหล่งที่มา	จากหน้าภายใน A ไปหน้าภายใน B ดูว่าแหล่งที่มาเปลี่ยนไหม	แหล่งที่มาคงเดิม
สัมผัสแรกเขียนเฉพาะเมื่อมีแหล่งที่มา	เข้าชมตรงโดยผู้เข้าชมใหม่ ดูฟิลด์สัมผัสแรก	สัมผัสแรกว่าง หลังเข้าชมครั้งที่สองที่มีแหล่งที่มาจึงเขียน
จับ Click ID ได้ถูกต้อง	ใช้ลิงก์ที่มี`?gclid=test123` เข้าชม	ในฐานข้อมูลเห็น test123
ระยะเวลาเก็บ Click ID	จำลองการเข้าชมอีกครั้งหลัง 60 วัน	การระบุที่มายังจับคู่ได้
แยกฟิลด์ช่องทางและสภาพแวดล้อม	เข้าถึงภายใน WeChat ด้วยลิงก์ที่มี`?gclid=` ลิงก์ของ	ช่องทาง=เสียค่าใช้จ่าย, สภาพแวดล้อม=WeChat
การเข้าชมครั้งแรกเชื่อมโยงกับการแปลง	ส่งลีดทดสอบหนึ่งรายการ	บันทึกลีดมีเส้นทางแหล่งที่มาครบถ้วน
ข้อมูลส่งออกได้	ส่งออกข้อมูลลีด 30 วันล่าสุด	มีฟิลด์แหล่งที่มา、Click ID、ประเทศ、สภาพแวดล้อม

FAQ คำถามที่พบบ่อย

ข้อมูลการระบุที่มาทำได้แค่ “ดีที่สุดเท่าที่ทำได้” จะไม่แม่นยำตลอดไปหรือ?

ต้องยอมรับ และจำเป็นต้องยอมรับด้วย การวัดผลแบบ Attribution ไม่มีทางแม่นยำ 100% สาเหตุมาจาก พฤติกรรมข้ามอุปกรณ์ไม่สามารถติดตามได้ทั้งหมด การตั้งค่าความเป็นส่วนตัวทำให้สัญญาณหายไป และการสัมผัสแบบออฟไลน์ (งานแสดงสินค้า โทรศัพท์) ไม่สามารถบันทึกอัตโนมัติได้ เป้าหมายที่เป็นไปได้จึงไม่ใช่ “ความแม่นยำสมบูรณ์” แต่เป็น “เกณฑ์เดียวกันและเปรียบเทียบได้”—— ขอแค่ทุกช่องทางคำนวณด้วยกฎชุดเดียวกัน การอ่านแนวโน้มก็เชื่อถือได้สิ่งที่กลัวที่สุดคือเกณฑ์ไม่ตรงกัน: เดือนนี้ใช้กฎ A เดือนหน้าใช้กฎ B ข้อมูลก็ดูต่อเนื่องไม่ได้

ลูกค้าสัมผัสครั้งแรกที่งานแสดงสินค้าออฟไลน์ จะบันทึกอย่างไร?

การสัมผัสออฟไลน์ไม่สามารถเก็บข้อมูลอัตโนมัติได้ แต่สามารถบันทึกย้อนหลังด้วยคนได้ แนะนำให้เก็บตัวเลือก “คุณรู้จักเราจากที่ไหน?” ไว้ในฟอร์มสอบถาม (กรอกก็ได้ไม่กรอกก็ได้) และให้พนักงานขายยืนยันแหล่งที่มาเวลาคุยโทรศัพท์ แล้วบันทึกย้อนหลังเข้า CRM ด้วยมือ ข้อมูลประเภทนี้มักมีอัตราครอบคลุมเพียง 30–50% แต่คุณค่าของมันอยู่ที่การแก้ความเบี่ยงเบนของ Attribution ฝั่งออนไลน์—— ถ้าพบว่าลูกค้าจำนวนมากมาจากงานแสดงสินค้าจริง ก็จะไม่ให้เครดิตทั้งหมดกับช่องทางออนไลน์อย่างผิดๆ

ทำไมไม่ใช้ Attribution ของ Google Analytics ไปเลย?

GA ทรงพลังมาก แต่ในสถานการณ์ B2B ที่ออกตลาดต่างประเทศมีจุดอ่อนสองข้อชัดเจน ข้อแรก มันเน้นบริการ “การวิเคราะห์เว็บไซต์” ไม่ใช่ “Attribution ของ Inquiry”—— การติดตามผลขายหลังส่ง Inquiry และข้อมูลการปิดการขายไม่ได้อยู่ใน GA จึงปิดวงจรไม่ได้ ข้อสอง ข้อมูลอยู่ในบัญชี GA ของคุณ แต่ข้อมูล Inquiry ต้องเชื่อมกับ CRM แนวปฏิบัติที่สมเหตุสมผลคือ GA ใช้ดูทราฟฟิกและพฤติกรรม ส่วน Attribution ของ Inquiry ใช้ระบบติดตามแยกต่างหากบันทึก (เขียนเข้าฐานข้อมูลของตัวเองฝั่งเซิร์ฟเวอร์) ทั้งสองใช้เกณฑ์ UTM ชุดเดียวกันในการเทียบ

คำถาม	ดูแบบไหน
ลูกค้าใหม่มาจากไหน?	First Touch
ช่องทางไหนทำให้เกิด Conversion?	Last Non-Direct
ช่องทางไหนปรากฏทั้งสองฝั่ง?	เทียบทั้งสองฝั่ง ช่องทางที่มีความทับซ้อนสูงมีคุณค่าเสถียรที่สุด

เมื่อ First Touch กับ Last Touch ขัดกัน ควรเชื่ออันไหน?

อย่า “เลือกเชื่ออันใดอันหนึ่ง” แต่ให้ดูว่ามันตอบคำถามอะไรคนละอย่าง ความทับซ้อนเป็นเกณฑ์ที่ใช้ประโยชน์ได้ดีมาก ถ้าช่องทางใดปรากฏบ่อยทั้งใน First และ Last แสดงว่าทั้งดึงลูกค้าใหม่และปิดการขายได้ เป็นช่องทางหลักที่ควรลงทุนเพิ่ม

Click ID เก็บไว้ที่ไหน? จะมีปัญหาด้านความเป็นส่วนตัวและการปฏิบัติตามกฎหมายไหม?

Click ID เองเป็นตัวระบุแบบไม่ระบุตัวตนที่แพลตฟอร์มโฆษณาสร้างขึ้น ไม่มีข้อมูลส่วนบุคคล จัดเป็น ข้อมูลทางเทคนิคระดับพารามิเตอร์ ความเสี่ยงด้านการปฏิบัติตามกฎหมายต่ำ แต่ต้องระวังสองจุด จุดแรก ตำแหน่งที่จัดเก็บ(ฐานข้อมูลฝั่งเซิร์ฟเวอร์เสถียรกว่า cookie ฝั่งหน้าเว็บ และควบคุมการเข้าถึงได้ง่ายกว่า) จุดที่สอง วิธีเชื่อมโยงกับข้อมูลส่วนบุคคล(ถ้า Click ID กับชื่อลูกค้า อีเมลอยู่ในตารางเดียวกัน ถือเป็นการเชื่อมโยงข้อมูลส่วนบุคคล ต้องปฏิบัติตาม GDPR และกฎหมายอื่นๆ พร้อมมีกลไกการลบ) แนะนำให้แยกตารางจัดเก็บข้อมูลทางเทคนิคกับข้อมูลส่วนบุคคล แล้วเชื่อมด้วย ID ภายใน。

ประเภทช่องทาง	หน้าต่าง Attribution ที่แนะนำ
Paid Search (คีย์เวิร์ดแบรนด์)	30 วัน
Paid Search (คำทั่วไป)	60–90 วัน
โฆษณาโซเชียล	30–90 วัน
Organic Search / คอนเทนต์	มากกว่า 90 วัน (แนะนำไม่ต้องตั้งกรอบตายตัว เก็บไว้ระยะยาว)
งานแสดงสินค้า / ออฟไลน์	บันทึกเพิ่มด้วยมือ ไม่จำกัดช่วงเวลา

วงจรการตัดสินใจของ B2B ยาวนาน ควรตั้งหน้าต่าง Attribution นานแค่ไหน?

อ้างอิงจากข้อมูลจริงในอุตสาหกรรม แนะนำดังนี้:หลักการสำคัญคือ ความยาวของหน้าต่างควรใกล้เคียงกับ “ระยะเวลาปกติจากจุดสัมผัสแรกจนถึงการปิดConversion” สำหรับสินค้าประเภทเครื่องจักรอุตสาหกรรมที่มีวงจรการตัดสินใจ 6–12 เดือน หน้าต่าง 90 วันยังถือว่าสั้นเกินไป ดังนั้นแนะนำให้เก็บบันทึก “จุดสัมผัสแรก” แบบถาวรไว้ด้วย แม้จะเกินหน้าต่าง Attribution ก็ยังใช้วิเคราะห์คุณค่าระยะยาวของแต่ละช่องทางได้

ทิ้งท้าย

คุณค่าของ Attribution ไม่ได้อยู่ที่ “คำนวณได้แม่นแค่ไหน” แต่อยู่ที่มันกำหนดว่าเงินงบประมาณก้อนต่อไปของคุณจะไปลงที่ไหน。

ถ้าข้อมูลสกปรก ข้อสรุปก็ผิด พอข้อสรุปผิด งบก็ไหลไปยังช่องทางที่ “ดูเหมือนได้ผลแต่จริงๆ แค่เกาะกระแส” ส่วนเส้นทางที่ดึงลูกค้าใหม่จริงๆ (มักเป็นคอนเทนต์กับ Organic Search) กลับถูกตัดงบเพราะไม่มีผลตอบแทนทันที —นี่คือการจัดสรรทรัพยากรผิดพลาดที่พบบ่อยที่สุดในธุรกิจที่ออกสู่ตลาดต่างประเทศ

ดังนั้นลำดับที่ถูกต้องในการทำ Attribution คือ:ทำความสะอาดแหล่งข้อมูลให้เรียบร้อยก่อน (ตัดโดเมนเดียวกันออก กฎ First-touch ระยะเวลาเก็บ Click ID แยกช่องทางออกจากสภาพแวดล้อม) แล้วค่อยเลือกโมเดล เรื่องแรกเป็นปัญหาทางวิศวกรรม ทำถูกครั้งเดียวก็ได้ประโยชน์ระยะยาว ส่วนเรื่องหลังเป็นปัญหาทางการวิเคราะห์ ปรับได้เรื่อยๆ ตามความเข้าใจที่เพิ่มขึ้น