"ลูกค้าเห็นโปรโมชั่นแล้วไม่ซื้อวันนี้ อาจไม่ได้แปลว่าเขาไม่สนใจ เพราะบางคนอาจมองว่าโปรดีพอที่จะบันทึกเก็บไว้ แล้วกลับมาใช้ตอนที่พร้อมซื้อจริง"

Cost per Offer Saved คือ Metric ใน Meta Ads ที่ใช้ดูค่าใช้จ่ายเฉลี่ยต่อการบันทึกข้อเสนอ ช่วยให้ธุรกิจวิเคราะห์ได้ว่าใช้เงินโฆษณาเท่าไรเพื่อทำให้คนหนึ่งคนสนใจ Offer มากพอที่จะเก็บไว้กลับมาดูหรือใช้ภายหลัง

หลายธุรกิจวัด Promotion Campaign จากตัวเลขไม่กี่อย่าง เช่น

- Click
- CTR
- Engagement
- Purchase

แล้วมองว่าถ้าลูกค้ายังไม่ซื้อทันที แคมเปญอาจไม่มีคุณค่า

แต่เส้นทางการตัดสินใจของลูกค้าไม่ได้เกิดขึ้นทันทีทุกครั้ง

โดยเฉพาะเมื่อ

- Promotion มีวันหมดอายุ
- ลูกค้ายังไม่พร้อมจ่ายเงิน
- ต้องรอเงินเดือน
- อยากเก็บข้อเสนอไว้เปรียบเทียบก่อน

ในสถานการณ์แบบนี้ พฤติกรรม Offers Saved สามารถเป็นอีก Signal ที่ช่วยบอกว่า Promotion มีคุณค่าพอให้คนคิดว่า

"ยังไม่ซื้อวันนี้ แต่ขอเก็บโปรนี้ไว้ก่อน"

Meta ระบุว่า Offers Saved คือจำนวนคนที่บันทึกข้อเสนอ และ Metric เดิมเคยใช้ชื่อ Offer Claims ก่อนถูกเปลี่ยนชื่อให้สอดคล้องกับการเปลี่ยนแปลงของผลิตภัณฑ์

ดังนั้น Cost per Offer Saved จึงช่วยเปิดมุมวิเคราะห์ระหว่างการเห็นโฆษณากับการซื้อจริง

เป็นพฤติกรรมที่ลึกกว่าการเห็น Impression แต่ยังไม่ควรถูกตีความว่าเท่ากับ Revenue หรือ Purchase

Key Message คือ ลูกค้าที่ยังไม่ซื้อวันนี้ไม่ได้แปลว่าไม่สนใจ การบันทึก Offer สามารถเป็นสัญญาณว่าข้อเสนอนั้นมีคุณค่าพอให้คนอยากกลับมาดูอีกครั้ง


สารบัญบทความ

1. Cost per Offer Saved คืออะไร
2. Offers Saved คืออะไร
3. Offer Claims เปลี่ยนชื่อเป็น Offers Saved เพราะอะไร
4. สูตร Cost per Offer Saved
5. สูตร Offer Save Rate
6. ควรใช้ Reach หรือ Impressions เป็นตัวหาร
7. Offer Saved ต่างจาก Click อย่างไร
8. Offer Saved ต่างจาก Purchase อย่างไร
9. ตัวอย่างเปรียบเทียบ Campaign Promotion
10. Offers Saved สูงแต่ Purchase ต่ำแปลว่าอะไร
11. ควรวิเคราะห์ Offer จากอะไรบ้าง
12. Framework SAVE สำหรับวิเคราะห์ Promotion
13. Masterclass วิเคราะห์ Offer Performance
14. Danger Zone จุดพลาดในการอ่าน Metric
15. Checklist วิเคราะห์ Cost per Offer Saved
16. คำถามที่พบบ่อย
17. สรุป Cost per Offer Saved


1. Cost per Offer Saved คืออะไร

Cost per Offer Saved คือค่าใช้จ่ายเฉลี่ยต่อการบันทึกข้อเสนอ

พูดง่าย ๆ คือ

"เราใช้เงินโฆษณาเฉลี่ยเท่าไร เพื่อทำให้คนหนึ่งคนเก็บโปรโมชั่นไว้"

ตัวอย่าง

- Amount Spent = 20,000 บาท
- Offers Saved = 1,000 คน

Cost per Offer Saved

20,000 / 1,000 = 20 บาท

หมายความว่าโดยเฉลี่ยธุรกิจใช้ค่าโฆษณา 20 บาทต่อคนที่บันทึกข้อเสนอ

Metric นี้น่าสนใจสำหรับ Campaign ที่มี Offer ชัดเจน เช่น

- ส่วนลด
- โปรโมชั่นจำกัดเวลา
- Coupon
- Sale
- ข้อเสนอสำหรับร้านค้า

เพราะ Click ไม่ได้แปลว่าลูกค้าชอบ Offer เสมอไป

บางคนคลิกเพียงเพราะ

- อยากรู้รายละเอียด
- เห็นภาพน่าสนใจ
- คลิกผิด

แต่การบันทึก Offer เป็นอีกพฤติกรรมหนึ่งที่ช่วยบอกว่า

"ผู้ใช้เห็นคุณค่ามากพอที่จะเก็บข้อเสนอนั้นไว้"

อย่างไรก็ตาม คำว่า Save ยังไม่เท่ากับ

- Purchase
- Redemption
- Revenue

ดังนั้น Cost per Offer Saved ควรถูกใช้เป็น Mid-funnel Signal มากกว่าถูกใช้แทน Sales Metric


2. Offers Saved คืออะไร

Offers Saved คือจำนวนคนที่บันทึกข้อเสนอของธุรกิจ

จุดสำคัญคือ Meta ใช้คำว่า

"จำนวนคน"

ไม่ใช่การบอกว่ามีจำนวน Impression ที่บันทึกกี่ครั้ง

ตัวอย่าง Journey

1. ลูกค้าเห็น Promotion
2. ยังไม่พร้อมซื้อ
3. บันทึก Offer
4. กลับมาดูภายหลัง
5. อาจใช้หรือไม่ใช้ Offer ก็ได้

Offers Saved จึงอยู่ระหว่าง

Exposure > Interest > Purchase

ในเชิง Funnel สามารถมองได้ว่า

1. Impression
2. Reach
3. Offer Saved
4. กลับมาดู Offer
5. ใช้ Offer หรือ Purchase

สิ่งสำคัญคือไม่ควรสมมุติว่า

"ทุกคนที่ Save จะกลับมาซื้อ"

เพราะลูกค้าสามารถ

- ลืมกลับมา
- เปลี่ยนใจ
- เจอคู่แข่งที่ดีกว่า
- หมดช่วงโปรโมชั่น
- พบว่าสินค้าไม่ตรงความต้องการ

แต่ถึงอย่างนั้น Offers Saved ก็ยังมีประโยชน์

เพราะช่วยให้ธุรกิจเห็น Interest Layer ที่ Click และ Purchase อย่างเดียวอาจมองไม่เห็น


3. Offer Claims เปลี่ยนชื่อเป็น Offers Saved เพราะอะไร

Meta ระบุในนิยามของ Offers Saved และ Cost per Offer Saved ว่า Metric เดิมเคยใช้ชื่อที่เกี่ยวข้องกับ

Offer Claims

ก่อนถูกเปลี่ยนชื่อเพื่อให้สอดคล้องกับ Product Changes

จุดนี้สำคัญสำหรับคนที่

- เคยทำ Facebook Ads มานาน
- มี Report เก่า
- ใช้ Dashboard เก่า
- ค้นเอกสารจากชื่อ Metric เดิม

เพราะอาจเจอชื่อ

- Offer Claims
- Cost per Offer Claim

ในข้อมูลเก่า

แต่ในนิยามปัจจุบัน Meta ใช้ภาษา

- Offers Saved
- Cost per Offer Saved

ดังนั้นเวลาทำ Historical Analysis ควรตรวจว่า

- Metric ถูก Rename หรือไม่
- Product Experience เปลี่ยนหรือไม่
- Report เก่ากับ Report ใหม่ใช้ Definition เดียวกันหรือไม่

อย่าดูเพียงชื่อคล้ายกันแล้วนำข้อมูลหลายปีมารวมโดยไม่ตรวจ Context

นี่เป็นหลักสำคัญของ Platform Metrics

"ชื่อ Metric เปลี่ยนได้ตาม Product แต่คนวิเคราะห์ต้องเข้าใจว่าพฤติกรรมที่ระบบกำลังวัดคืออะไร"


4. สูตร Cost per Offer Saved

ในเชิงคำนวณสามารถมองได้ว่า

Cost per Offer Saved = Amount Spent / Offers Saved

ตัวอย่าง

- Amount Spent = 30,000 บาท
- Offers Saved = 3,000

ดังนั้น

30,000 / 3,000 = 10 บาท

อีก Campaign

- Amount Spent = 30,000 บาท
- Offers Saved = 1,500

Cost per Offer Saved

30,000 / 1,500 = 20 บาท

ถ้าดู Metric นี้เพียงตัวเดียว Campaign แรกดูดีกว่า

แต่ยังต้องถามต่อว่า

- Offer เหมือนกันหรือไม่
- Audience เหมือนกันหรือไม่
- Reach ต่างกันแค่ไหน
- Frequency ต่างกันหรือไม่
- Purchase หลัง Save ต่างกันหรือไม่
- Margin ของสินค้าต่างกันหรือไม่

ตัวอย่าง


Campaign A

- Cost per Offer Saved = 10 บาท
- Purchases = 100


Campaign B

- Cost per Offer Saved = 20 บาท
- Purchases = 500

Campaign A ทำให้คน Save ถูกกว่า

Campaign B อาจสร้างยอดขายมากกว่า

ดังนั้น Cost per Offer Saved ต้องถูกมองเป็น

"ต้นทุนของ Interest Signal"

ไม่ใช่

"ต้นทุนต่อยอดขาย"


5. สูตร Offer Save Rate

นอกจาก Metrics ที่ Meta มีให้ ธุรกิจสามารถสร้าง Metric ต่อเองเพื่อดูว่าจาก Exposure ทั้งหมด มีสัดส่วนเท่าไรที่นำไปสู่การบันทึก Offer

สูตร

Offer Save Rate = Offers Saved / Impressions x 100

ตัวอย่าง

- Impressions = 200,000
- Offers Saved = 1,000

ดังนั้น

1,000 / 200,000 x 100 = 0.5 เปอร์เซ็นต์

แปลว่า Offers Saved มีจำนวนเทียบเท่าประมาณ 0.5 เปอร์เซ็นต์ของ Impressions ที่นำมาวิเคราะห์

แต่ต้องเน้นว่า

Offer Save Rate เป็น Custom Analysis Metric

ไม่ใช่ชื่อ Metric มาตรฐานของ Meta

และมีข้อควรระวังสำคัญ

Offers Saved เป็น

"จำนวนคน"

ส่วน Impressions เป็น

"จำนวนครั้งที่โฆษณาถูกแสดง"

ถ้าคนหนึ่งเห็นโฆษณาหลายครั้ง Impressions จะเพิ่มขึ้น

แต่บุคคลนั้นไม่ได้กลายเป็นคนหลายคน

ดังนั้นสูตรนี้เป็น Hybrid Ratio ที่เหมาะกับ

- ดู Trend
- เปรียบเทียบ Campaign ที่โครงสร้างใกล้เคียงกัน
- ดูประสิทธิภาพต่อ Exposure

แต่ไม่ควรถูกเรียกว่า

"เปอร์เซ็นต์ของคนที่เห็นแล้ว Save"

โดยตรง

เพราะ Denominator คือ Impressions ไม่ใช่ People


6. Offer Save Rate ควรใช้ Reach หรือ Impressions เป็นตัวหาร

ทั้งสองแบบตอบคนละคำถาม


Impression-based Offer Save Rate

สูตร

Offers Saved / Impressions x 100

ตอบว่า

"เมื่อเทียบกับปริมาณการแสดงโฆษณา Offer ถูก Save มากน้อยแค่ไหน"

เหมาะกับการวิเคราะห์

- Creative Efficiency
- Exposure Efficiency
- Trend ของ Campaign


Offer Saver Reach Rate

ธุรกิจสามารถสร้าง Custom Metric อีกตัว

Offer Saver Reach Rate = Offers Saved / Reach x 100

ตัวอย่าง

- Reach = 100,000 คน
- Offers Saved = 1,000 คน

ดังนั้น

1,000 / 100,000 x 100 = 1 เปอร์เซ็นต์

Ratio นี้เปรียบเทียบ

- People
- กับ People

จึงมีความเป็น Person-based มากกว่า

แต่ยังต้องระวังว่า

- Attribution
- ช่วงเวลา
- Estimated Reach
- Campaign Scope

มีผลต่อการเปรียบเทียบ

ตัวอย่าง Campaign A

- Impressions = 300,000
- Reach = 150,000
- Offers Saved = 3,000

Offer Save Rate

3,000 / 300,000 x 100 = 1 เปอร์เซ็นต์

Offer Saver Reach Rate

3,000 / 150,000 x 100 = 2 เปอร์เซ็นต์


Campaign B

- Impressions = 150,000
- Reach = 120,000
- Offers Saved = 2,400

Offer Save Rate

2,400 / 150,000 x 100 = 1.6 เปอร์เซ็นต์

Offer Saver Reach Rate

2,400 / 120,000 x 100 = 2 เปอร์เซ็นต์

Campaign B ดูดีกว่าเมื่อเทียบต่อ Impression

แต่เมื่อเทียบกับ Reach ทั้งสอง Campaign เท่ากัน

นี่คือเหตุผลที่

"การเปลี่ยน Denominator สามารถเปลี่ยนเรื่องราวที่ Metric กำลังเล่า"


7. Offer Saved ต่างจาก Click อย่างไร

Click ตอบว่า

"ผู้ใช้มี Action ต่อโฆษณาหรือลิงก์หรือไม่"

Offer Saved ตอบว่า

"ผู้ใช้เก็บข้อเสนอไว้หรือไม่"

สองพฤติกรรมไม่เหมือนกัน


คนคลิกแต่ไม่ Save

อาจเกิดจาก

- อยากดูรายละเอียด
- สงสัยสินค้า
- เข้าสู่เว็บไซต์ทันที
- พร้อมซื้อเลย


คน Save แต่ยังไม่ซื้อ

อาจเกิดจาก

- ต้องการกลับมาใช้ภายหลัง
- รอเงินเดือน
- ยังไม่ถึงเวลาซื้อ
- ต้องการเก็บโปรไว้เปรียบเทียบ

ดังนั้น Campaign สามารถมี

- CTR ต่ำแต่ Offers Saved สูง
- CTR สูงแต่ Offers Saved ต่ำ

ได้


Offer A

- Click สูง
- Save ต่ำ

อาจเป็น Creative ที่สร้าง Curiosity เก่ง แต่ Offer ไม่มีคุณค่าพอให้คนเก็บ


Offer B

- Click ปานกลาง
- Save สูง

อาจเป็น Offer ที่คนมองว่ามี Value แต่ยังไม่ต้องดำเนินการทันที

ธุรกิจจึงควรดู Funnel

Reach > Impression > Click > Offer Saved > Purchase

ตามความเหมาะสมของ Campaign


8. Offer Saved ต่างจาก Purchase อย่างไร

นี่คือความแตกต่างที่สำคัญที่สุด

Offer Saved ไม่เท่ากับ Purchase

คนที่ Save อาจ

- กลับมาซื้อ
- ไม่กลับมา
- ใช้ Offer
- ไม่ได้ใช้ Offer

ดังนั้นธุรกิจไม่ควรพูดว่า

"ได้ Offer Saved 10,000 เท่ากับได้ลูกค้า 10,000 คน"

Metric นี้ควรอยู่ใน Funnel

1. Reach
2. Offers Saved
3. Offer Used หรือ Redemption ถ้ามีข้อมูล
4. Purchase
5. Revenue

ตัวอย่าง

- Offers Saved = 10,000
- Purchases = 500

ธุรกิจอาจสร้าง Custom Analysis

Save-to-Purchase Rate = Purchase / Offers Saved x 100

ตัวอย่าง

500 / 10,000 x 100 = 5 เปอร์เซ็นต์

แต่ต้องระวังว่า

Purchase ใน Numerator ต้องมี Scope และ Attribution ที่เหมาะสม

ไม่ควรนำ Purchase ทั้งร้านมาหาร Offers Saved แล้วสรุปว่าเป็น Conversion ของผู้ Save ทั้งหมด

ถ้าธุรกิจมีข้อมูลระดับ Customer หรือระบบ Redemption ที่ดี จะวิเคราะห์ได้ลึกกว่า

ตัวอย่าง

1. Offer ถูก Save
2. Customer กลับมาใช้
3. Purchase เกิด

ยิ่งเชื่อม Customer Journey ได้ดี ธุรกิจก็ยิ่งรู้ว่า Offer Saved เป็นเพียง Vanity Metric หรือเป็น Leading Indicator ของยอดขายจริง


9. ตัวอย่าง: สอง Campaign ใช้งบเท่ากัน แต่ Offers Saved เล่าเรื่องคนละแบบ

สมมุติร้านค้าทำ Promotion สอง Campaign


Campaign A

- Amount Spent = 30,000 บาท
- Impressions = 300,000
- Reach = 150,000
- Offers Saved = 3,000
- Purchases = 150

Cost per Offer Saved

30,000 / 3,000 = 10 บาท

Offer Save Rate

3,000 / 300,000 x 100 = 1 เปอร์เซ็นต์

Offer Saver Reach Rate

3,000 / 150,000 x 100 = 2 เปอร์เซ็นต์


Campaign B

- Amount Spent = 30,000 บาท
- Impressions = 150,000
- Reach = 120,000
- Offers Saved = 2,400
- Purchases = 400

Cost per Offer Saved

30,000 / 2,400 = 12.50 บาท

Offer Save Rate

2,400 / 150,000 x 100 = 1.6 เปอร์เซ็นต์

Offer Saver Reach Rate

2,400 / 120,000 x 100 = 2 เปอร์เซ็นต์

ถ้าดู Cost per Offer Saved

Campaign A ชนะ

ถ้าดู Offer Save Rate ต่อ Impression

Campaign B ชนะ

ถ้าดู Saver ต่อ Reach

ทั้งคู่เท่ากัน

ถ้าดู Purchase

Campaign B ชนะอย่างชัดเจน

นี่คือเหตุผลที่ Metric เดียวไม่ควรถูกใช้ตอบทุกคำถาม

Campaign A อาจเก่งเรื่อง

- สร้าง Saves ราคาถูก

Campaign B อาจเก่งเรื่อง

- เปลี่ยนความสนใจให้กลายเป็น Purchase

คำถามต่อคือ

- Offer ต่างกันหรือไม่
- Audience ต่างกันหรือไม่
- Promotion Urgency ต่างกันหรือไม่
- สินค้าและราคาเหมือนกันหรือไม่


10. Offers Saved สูงแต่ Purchase ต่ำแปลว่าอะไร

นี่เป็นหนึ่งใน Pattern ที่น่าสนใจที่สุด

ถ้า

- คน Save เยอะ
- แต่ซื้อจริงน้อย

ไม่ควรสรุปทันทีว่า Offer ไม่ดี

อาจมีหลายสาเหตุ


1. ราคาเต็มยังสูงเกินไป

ลูกค้าเห็นว่า Promotion น่าสนใจ

แต่ราคาหลังลดแล้วยังเกิน Budget


2. ลูกค้ายังไม่ถึงจังหวะซื้อ

ตัวอย่าง

- รอเงินเดือน
- รอวันหยุด
- รอของเดิมหมด


3. เงื่อนไข Offer ซับซ้อนเกินไป

เช่น

- ยอดขั้นต่ำสูง
- ใช้ได้เฉพาะบางสินค้า
- วันใช้งานจำกัดมาก


4. Landing หรือ Purchase Journey มีปัญหา

คนชอบ Offer

แต่

- เว็บไซต์ช้า
- สินค้าไม่มี
- Checkout ยุ่งยาก


5. Promotion สร้าง Interest แต่ไม่มี Urgency

ลูกค้าคิดว่า

"เก็บไว้ก่อน เดี๋ยวค่อยซื้อ"

แล้วสุดท้ายลืม

ดังนั้น Pattern

Save สูง + Purchase ต่ำ

อาจหมายถึง

"Offer มี Value แต่ Conversion Journey ยังมี Friction"

ไม่ใช่

"Offer ไม่มีคนสนใจ"


11. ควรวิเคราะห์ Offer Performance จากอะไรบ้าง

อย่าดู Cost per Offer Saved ตัวเดียว

ลองสร้าง Offer Funnel


1. Reach

Offer เข้าถึงคนกี่คน


2. Impressions

Offer ถูกแสดงกี่ครั้ง


3. Offers Saved

มีคนเก็บข้อเสนอไว้กี่คน


4. Cost per Offer Saved

ใช้เงินเท่าไรต่อ Saver


5. Purchase หรือ Redemption

ถ้าธุรกิจมีข้อมูล ต้องดูว่าความสนใจไปถึง Business Outcome หรือไม่


6. Revenue และ Contribution

Promotion ที่ Save เยอะและซื้อเยอะอาจยังไม่ดี ถ้า

- ส่วนลดแรงเกินไป
- Margin หาย
- ได้แต่ลูกค้าที่ซื้อครั้งเดียว

Funnel ที่ดีจึงควรเป็น

Exposure > Save > Use > Purchase > Profit

ยิ่งธุรกิจเชื่อมปลายทางได้ลึกเท่าไร Cost per Offer Saved ก็ยิ่งมี Context มากขึ้น


12. Framework SAVE สำหรับวิเคราะห์ Promotion ให้ลึกกว่าคำว่าโปรคนชอบไหม

ลองใช้ Framework SAVE


1. S - Set the Offer Objective

กำหนดว่า Offer ต้องการสร้างอะไร


2. A - Analyze Saves

วิเคราะห์จำนวนและต้นทุนต่อการ Save


3. V - Verify Exposure

ตรวจ Reach, Impressions และ Frequency


4. E - Evaluate Business Outcome

เชื่อม Save ไปยัง Purchase และ Profit


S - Set the Offer Objective

ก่อนดู Metric ต้องตอบว่า

- ต้องการสร้าง Awareness
- ต้องการให้คนเก็บโปร
- ต้องการยอดขายทันที
- ต้องการดึงคนเข้าร้าน

Objective ต่างกัน Metric หลักก็ต่างกัน


A - Analyze Saves

ดู

- Offers Saved
- Cost per Offer Saved
- Offer Save Rate

เพื่อรู้ว่า Offer สร้าง Interest ได้แค่ไหน


V - Verify Exposure

ตรวจ

- Reach
- Impressions
- Frequency

เพราะ Campaign ที่คนเดิมเห็นซ้ำมากอาจมี Impression-based Save Rate ลดลง แม้จำนวน Savers ไม่ได้แย่


E - Evaluate Business Outcome

สุดท้ายต้องดู

- Redemption
- Purchase
- Revenue
- Margin

เมื่อข้อมูลรองรับ

Framework SAVE ช่วยเปลี่ยนคำถามจาก

"Cost per Offer Saved ถูกไหม"

เป็น

"Offer นี้สร้าง Interest ได้คุ้มไหม และ Interest นั้นเดินต่อไปสู่ Business Outcome หรือไม่"


13. Masterclass: วิเคราะห์ Cost per Offer Saved อย่างไรให้เห็นคุณค่าจริงของ Promotion

Masterclass 1: คน Save เยอะอาจหมายถึง Offer ดี แต่ Timing ยังไม่ใช่

แนวคิด:
ลูกค้าที่ไม่ซื้อทันทีไม่ได้แปลว่าไม่มี Interest

การ Save สามารถสะท้อนว่าข้อเสนอมี Value แต่ลูกค้ายังไม่พร้อมดำเนินการ

วิธีนำไปปรับใช้:
เปรียบเทียบ Offers Saved กับ Purchase Timeline

และดูว่ามี Conversion เกิดภายหลังหรือไม่

ตัวอย่างเชิงธุรกิจ:
Campaign เงินเดือนออกสร้าง Purchase ต่ำในสัปดาห์แรกแต่ Offers Saved สูง

หากยอดซื้อเพิ่มช่วงปลายเดือน ธุรกิจอาจพบว่า Offer ดี แต่ Timing ของลูกค้าเป็นตัวทำให้ Conversion Delay


Masterclass 2: Offer Save Rate ต่ำไม่ได้แปลว่า Promotion อ่อน ถ้า Purchase เกิดทันที

แนวคิด:
Offer ที่มี Urgency สูงอาจไม่จำเป็นต้องถูก Save มาก

เพราะลูกค้าตัดสินใจซื้อทันที

วิธีนำไปปรับใช้:
ดู Saves คู่กับ

- Purchase
- Conversion Delay

อย่าบังคับให้ทุก Promotion ต้องมี Saves สูง

ตัวอย่างเชิงธุรกิจ:
Flash Sale 2 ชั่วโมงอาจมี Offers Saved ต่ำ แต่ Purchase สูงมาก

การตัดสินว่า Offer ไม่ดีเพราะคนไม่ Save คือการใช้ Metric ผิดกับ Customer Behavior


Masterclass 3: อย่า Optimize ให้ได้ Saves ถูกที่สุด ถ้าคนที่ Save ไม่เคยซื้อ

แนวคิด:
Cost per Offer Saved ต่ำสามารถกลายเป็น Vanity Metric ได้ ถ้าการ Save ไม่มีความสัมพันธ์กับ Business Outcome

วิธีนำไปปรับใช้:
เมื่อข้อมูลพร้อม ให้เปรียบเทียบ Campaign ตาม

- Cost per Saved
- Purchase
- Revenue
- Contribution

พร้อมกัน

ตัวอย่างเชิงธุรกิจ:
Campaign A ได้ Saves ที่ 5 บาทแต่ยอดขายต่ำ

ส่วน Campaign B ได้ Saves ที่ 20 บาทแต่คนกลับมาซื้อสูงกว่า

ถ้าทีม Scale A เพราะต้นทุนถูกอย่างเดียว อาจ Optimize ไปหาคนที่ชอบเก็บโปรแต่ไม่ซื้อ


14. Danger Zone: 5 จุดพลาดในการอ่าน Cost per Offer Saved

ข้อผิดพลาดที่ 1: คิดว่า Offer Saved เท่ากับ Purchase

คนสามารถ Save แล้วไม่กลับมาซื้อได้

ผลเสีย:
ธุรกิจประเมิน Revenue Potential สูงเกินจริง

แนวทาง:
แยก Save, Redemption และ Purchase ออกจากกัน


ข้อผิดพลาดที่ 2: เลือกผู้ชนะจาก Cost per Offer Saved อย่างเดียว

Campaign ที่ได้ Saves ถูกอาจสร้างยอดขายต่ำ

ผลเสีย:
ทีม Scale Interest ที่ไม่สร้าง Value

แนวทาง:
ดู Purchase และ Revenue ต่อเมื่อข้อมูลรองรับ


ข้อผิดพลาดที่ 3: เรียก Offers Saved / Impressions ว่าเปอร์เซ็นต์ของคนที่ Save

Offers Saved เป็นจำนวนคน

แต่ Impressions เป็นจำนวนครั้งที่โฆษณาถูกแสดง

ผลเสีย:
ทีมตีความ Ratio ผิด

แนวทาง:
เรียกว่า Impression-based Offer Save Rate และดู Reach-based Ratio เพิ่ม


ข้อผิดพลาดที่ 4: เห็น Saves สูงแต่ Purchase ต่ำแล้วสรุปว่า Offer ไม่มีคุณภาพ

ปัญหาอาจอยู่ที่

- ราคา
- Timing
- Checkout
- เงื่อนไข Promotion

ผลเสีย:
ทีมทิ้ง Offer ที่มี Interest จริง

แนวทาง:
วิเคราะห์ Friction หลังการ Save


ข้อผิดพลาดที่ 5: เปรียบเทียบ Offer คนละประเภทแบบตรง ๆ

Flash Sale, Coupon และ Promotion ระยะยาวสร้างพฤติกรรมต่างกัน

ผลเสีย:
Metric ถูกเปรียบเทียบโดยไม่มี Context

แนวทาง:
เปรียบเทียบ Offer ที่ Objective และ Customer Journey ใกล้เคียงกัน


15. Checklist วิเคราะห์ Cost per Offer Saved ก่อนสรุปว่าโปรไหนดี

- ตรวจ Offers Saved แล้วหรือยัง
- ดู Cost per Offer Saved แล้วหรือยัง
- ตรวจ Amount Spent ในช่วงเวลาเดียวกันแล้วหรือยัง
- คำนวณ Offer Save Rate แบบ Impression-based แล้วหรือยัง
- ดู Offer Saver Reach Rate เพิ่มแล้วหรือยัง
- ตรวจ Reach, Impressions และ Frequency แล้วหรือยัง
- แยก Offers Saved ออกจาก Purchase ชัดเจนแล้วหรือยัง
- ตรวจว่า Offer มี Deadline หรือ Urgency แบบไหนแล้วหรือยัง
- ดู Purchase หลังการ Save เมื่อข้อมูลรองรับแล้วหรือยัง
- ตรวจ Landing Page และ Checkout Friction แล้วหรือยัง
- เปรียบเทียบ Campaign ที่ Offer และ Objective ใกล้เคียงกันแล้วหรือยัง
- ดู Revenue และ Margin ก่อน Scale Promotion แล้วหรือยัง


16. คำถามที่พบบ่อยเกี่ยวกับ Cost per Offer Saved

1. Cost per Offer Saved คืออะไร

คือค่าใช้จ่ายเฉลี่ยต่อการบันทึกข้อเสนอ

ช่วยให้ธุรกิจดูว่าใช้เงินโฆษณาเฉลี่ยเท่าไรเพื่อทำให้คนหนึ่งคนเก็บ Offer ไว้


2. Offers Saved คืออะไร

คือจำนวนคนที่บันทึกข้อเสนอ

Metric นี้ช่วยดู Interest ต่อ Promotion

แต่ไม่ได้หมายความว่าทุกคนที่ Save จะซื้อหรือใช้ Offer จริง


3. Offer Claims กับ Offers Saved คือ Metric เดียวกันหรือไม่

Meta ระบุว่า Metric เดิมที่ใช้ชื่อ Offer Claims ถูกเปลี่ยนชื่อเพื่อให้สอดคล้องกับการเปลี่ยนแปลงของผลิตภัณฑ์

จึงควรตรวจ Context ของ Report เก่าและใหม่ก่อนนำมาเปรียบเทียบ


4. Offer Save Rate คำนวณอย่างไร

สูตรวิเคราะห์ต่อยอดคือ

Offers Saved / Impressions x 100

แต่ต้องเข้าใจว่า Offers Saved เป็นจำนวนคน ขณะที่ Impressions เป็นจำนวนครั้งที่แสดง

จึงควรใช้สำหรับ

- ดู Trend
- เปรียบเทียบ Campaign ที่ Scope ใกล้เคียงกัน


5. Cost per Offer Saved ต่ำแปลว่าแคมเปญดีหรือไม่

ไม่เสมอไป

เพราะ Metric นี้วัดต้นทุนต่อการ Save

ไม่ใช่ต้นทุนต่อยอดขาย

ควรดู

- Purchase
- Redemption
- Revenue
- Margin

ต่อเมื่อข้อมูลรองรับ


17. สรุป: ลูกค้ายังไม่ซื้อวันนี้ ไม่ได้แปลว่าโปรไม่มีคนสนใจ

Cost per Offer Saved ช่วยให้ธุรกิจมอง Promotion Campaign ลึกกว่าการดู

- Click
- Engagement
- Purchase

เพราะลูกค้าบางคนอาจยังไม่พร้อมซื้อทันที แต่เห็นคุณค่าในข้อเสนอมากพอที่จะบันทึกเก็บไว้

Offers Saved ช่วยดูจำนวนคนที่บันทึกข้อเสนอ

ส่วน Cost per Offer Saved ช่วยดูว่าธุรกิจใช้เงินเฉลี่ยเท่าไรต่อการบันทึกหนึ่งครั้ง

ธุรกิจสามารถต่อยอดด้วย

- Offer Save Rate เพื่อดู Saves เทียบกับ Impressions
- Offer Saver Reach Rate เพื่อดู Savers เทียบกับ Reach

แต่ต้องเข้าใจว่าแต่ละ Denominator ตอบคนละคำถาม

Bottom Line คือ อย่าถามแค่ว่า

"โปรนี้ขายได้กี่ออเดอร์วันนี้"

แต่ต้องถามด้วยว่า

- มีคนสนใจมากพอจะเก็บข้อเสนอไว้หรือไม่
- เมื่อเก็บแล้วเดินต่อไปสู่ Purchase หรือไม่
- สุดท้ายสร้าง Profit จริงแค่ไหน

เมื่อทีมเชื่อม

- Exposure
- Offer Saved
- Purchase
- Revenue

เข้าด้วยกัน Promotion Analysis จะเปลี่ยนจากการดูเพียงยอดขายปลายทาง

ไปสู่การเข้าใจว่าข้อเสนอสร้างความสนใจตรงไหน และติดปัญหาตรงขั้นตอนใดของ Customer Journey


อย่าดูแค่ว่าลูกค้าซื้อวันนี้หรือยัง ต้องดูด้วยว่า Offer มีคุณค่าพอให้เขาเก็บไว้กลับมาดูอีกครั้งหรือไม่

หากคุณต้องการเรียนรู้วิธีการวิเคราะห์ Cost per Offer Saved, Offers Saved, Offer Save Rate, Promotion Performance และผลลัพธ์จาก Facebook Ads ให้เชื่อมกับ Purchase, Revenue และกำไรจริง ขอแนะนำ คอร์สเรียน Facebook Ads จาก DigitalD2M ครับ

คอร์สนี้เราจะสอนให้คุณเข้าใจวิธีอ่าน Metrics ของ Meta Ads ตั้งแต่ Reach, Impressions, Offers Saved และ Cost per Offer Saved ไปจนถึง Purchase, Revenue และ Margin เพื่อให้รู้ว่าโปรโมชั่นไหนสร้างแค่ความสนใจ และโปรโมชั่นไหนสร้างผลลัพธ์ทางธุรกิจจริง สอนแบบจับมือทำ เจาะลึกจนสามารถนำไปใช้สเกลธุรกิจได้ทันที

คลิกดูรายละเอียดคอร์สเรียนได้ที่นี่เลยครับ:
https://digitald2m.com/courses-list/

(หมายเหตุ: คอร์สเรียนและเวิร์กชอปของทางเรามุ่งเน้นที่การลงมือปฏิบัติจริงเพื่อให้เกิดผลลัพธ์ทางธุรกิจ โดยไม่ได้มีการออกใบประกาศนียบัตรรับรองทักษะให้นะครับ เพราะผลกำไรที่เติบโตและยอดขายที่เพิ่มขึ้นคือเครื่องพิสูจน์ความสำเร็จที่แท้จริงครับ)

หรือหากคุณไม่มีเวลาดูแลระบบด้วยตัวเอง และต้องการให้ทีมงานผู้เชี่ยวชาญของเราช่วยวิเคราะห์ Facebook Ads, Promotion Performance, Offer Metrics, Customer Journey หรือบริหารแคมเปญโฆษณาแบบครบวงจร สามารถเข้าไปดูรายละเอียดบริการทั้งหมดได้ที่เครือข่ายเว็บไซต์หลักของเราครับ

ติดตามความรู้ บริการ และข้อมูลเพิ่มเติมได้ที่ 6 เว็บไซต์หลักของเราเท่านั้น:

- https://digitald2m.com/
- https://www.xn--12c2bcoda1dhdvc8ga8dd4b3nldvh.com/
- https://www.xn--42cg3b0ce6bte5d9gye.com/
- https://www.xn--72c0an0bzbsd8c2g.com/
- https://www.xn--72c0adaat6dbg0cc0ee7ce2bn0r0a0m.com/
- https://www.xn--72c0adaat7d0bcv7ade7ce2b4qye.com/

บทความ Masterclass Cost per Offer Saved และการวิเคราะห์โปรโมชั่นที่คนสนใจเก็บไว้ โดย DigitalD2M - บริการรับทำการตลาดออนไลน์ และที่ปรึกษาธุรกิจของคุณ