เราจะรู้ได้อย่างไรว่าสินค้าตัวไหนที่ลูกค้าถูกใจและกดซื้อ ทำรายได้ให้เรา? แน่นอนว่าเราอาจจะไปดูที่ยอดขายของสินค้าตัวนั้นว่าทำรายได้ให้เราเยอะหรือไม่ สั่งซื้อไปกี่ชิ้น ถ้ามีคนซื้อเยอะ เราก็โฆษณาสินค้าตัวนั้นมากๆหน่อย ตัวไหนขายไม่ดีก็ ไม่ต้องไปขายสินค้าตัวนั้น เปลืองงบโฆษณาเปล่าๆ
แต่การวิเคราะห์สินค้าโดยดูเพียงแค่ยอดขายกับจำนวนยอดสั่งซื้อนั้น ตื้นเขินเกินไป เพราะบางทีสินค้าที่ขายไม่ดี อาจจะไม่ใช่เพราะเป็นที่ตัวสินค้า แต่เป็นตัวเว็บเพจที่บรรยายสรรพคุณสินค้าต่างหาก
ประเด็นคือเราไม่สามารถด่วนสรุปได้ว่าสินค้าบางตัวขายไม่ดีเพราะเป็นที่ตัวสินค้า ฉะนั้นการใช้ Google Analytics ช่วยวิเคราะห์ปัญหาที่แท้จริงของสินค้า จะช่วยให้เราแก้ไขปัญหา สินค้าที่เราคิดว่าขายไม่ดี แต่ถ้าปรับปรุงเว็บเพจที่เกี่ยวกัยสินค้านั้น ก็อาจจะกลับมาขายดีก็ได้
Enhanced Ecommerce: ตรรกะการช้อปปิ้งเบื้องหลังของ Google Analytics
ถ้าใครคุ้นเคยกับแนวคิด Customer Journey ของผู้บริโภคจะรู้ว่ามีหลายเวอร์ชั่น และ Google Analytics ก็เป็นหนึ่งในนั้น
เริ่มตั้งแต่ลูกค้าค้นหาสินค้าที่อยากได้ในช่องค้นหาสินค้าในเว็บไซต์ ก็จะมีลิสต์รายการสินค้าที่เกี่ยวข้องให้ลูกค้าดู (Product List View) ลูกค้าสนใจสินค้าตัวไหน ก็คลิกสินค้าตัวนั้น เข้าไปอ่านรายละเอียด (Product Detail) ถ้าลูกค้าอยากได้ ก็กดสินค้านั้นใส่ตะกร้า (Add to Cart) ไปเรื่อยๆ ถ้าไม่มีสินค้าตัวไหนที่สนใจอีก ลูกค้าก็มาหน้าตะกร้าสินค้า ดูว่ามีสินค้าตัวไหนในตะกร้าบ้าง ถ้าเปลี่ยนใจไม่เอาสินค้าตัวไหน ก็กดเอาออก (Remove from Cart) และกด Checkout เพื่อกรอกรายละเอียดการจ่ายเงินและที่อยู่ปลายทาง และกดสั่งออเดอร์ซื้อของ (Purchase) ในที่สุด และบางทีเจอสินค้าที่ถูกใจก็กด Checkout ไม่ต้องใส่ตะกร้าเลยก็มีเช่นกัน
ฉะนั้นขั้นตอนในการซื้อของของลูกค้าจากมุมมองของ Google Analytics จะเริ่มตั้งแต่ Product List View, Product Detail, Add to Cart, Remove from Cart, Checkout และ Purchase
วิเคราะห์สินค้าด้วย Product Performance Report
เข้าไปที่ Google Analytics > Conversion > Ecommerce > Product Performance เราก็จะเห็นรายการสินค้า รายได้จากแต่ละสินค้า ยอดสั่งซื้อ ฯลฯ ซึ่งอย่างที่เกริ่นไปว่าดูรายได้อย่างเดียวไม่ได้ ฉะนั้น ให้กดไปที่ Shopping Behavior ข้างๆ Summary เราก็จะได้เจอหน้าตามรูป
แล้วกด Export ดึงข้อมูลออกมาวิเคราะห์ใน Excel File กัน เปิดไฟล์ออกมา ไปที่ Dataset 1 ก็จะมีรายการสินค้าที่เราขายได้ในช่วงเวลาที่เราตั้งไว้ใน Google Analytics และ Metrics ต่างๆที่อธิบายไปตั้งแต่ Product List View, Product Detail, Add to Cart, Remove from Cart, Checkout และ Unique Purchase
วิเคราะห์อย่างไรว่าสินค้าตัวไหนมีปัญหาในขั้นตอนไหนของการช้อปปิ้ง?
หลักการคือ เราต้องดูว่าปัญหาของสินค้านั้น มันอยู่ขั้นตอนไหนของการช้อปปิ้ง เช่นสินค้า A มีคนดูเยอะเวลาอยู่ในลิสต์สินค้าที่ลูกค้าค้นหาแล้วสนใจ แต่ทำไมมีคนเข้าไปดูรายละเอียดสินค้าน้อย หรือมีคนเข้าไปดูรายละเอียดสินค้าเยอะ แต่ทำไมคนกดใส่ตะกร้าน้อย หรือกดเช็คเอาท์สินค้าน้อย ฉะนั้นต้องดูละว่าเกิดอะไรขึ้น?
อย่างตัวอย่างที่จะยกให้ดู ผมได้ไฮไลท์สีเขียวกับสีเหลืองไว้แล้ว สีเขียวคือข้อมูลที่เราไปดาวน์โหลดมาจาก Google Analytics ส่วนสีเหลืองคือตัวชี้วัดที่เราจะสร้างขึ้นเอง ได้แก่
1. Detail-to-List Rate
เทียบจำนวนครั้งที่มีการดูเพจรายละเอียดสินค้ากับจำนวนที่สินค้าขึ้นในลิสต์สินค้าที่ลูกค้าสนใจมีอยู่ร้อยละเท่าไหร่? ถ้าอัตรานี้สูง แสดงว่าสินค้าที่อยู่ในลิลต์นั้นน่าสนใจมาก แต่ถ้าต่ำ ก็แปลว่าสินค้านั้น ไม่ค่อยน่าสนใจเทียบกับสินค้าตัวอื่นในรายการสินค้า
2. Cart-to-Detail Rate
(Google Analytics คำนวนให้) เทียบจำนวนครั้งที่สินค้าตัวหนึ่งถูกใส่ตะกร้ากับจำนวนที่มีการดูรายละเอียดเพจของสินค้าตัวนั้น มีอยู่ร้อยละเท่าไหร่ แน่นอนว่ายิ่งสูง ยิ่งดี แต่ถ้าค่านี้ต่ำไป อาจจะเป็นเพราะว่าสินค้าตัวนี้ไม่ได้น่าดึงดูดพอที่จะให้ซื้อในทันที หรือสินค้าตัวนี้ถูกถอดออกจากตะกร้าเสียก่อน มีหลายสาเหตุ
3. Remove-to-Add Rate
เทียบจำนวนครั้งที่สินค้าตัวหนึ่งถูกหยิบออกจากตะกร้ากับจำนวนครั้งที่สินค้าตัวนั้นถูกใส่เข้ามาในตะกร้า มีอยู่ร้อยละเท่าไหร่ ถ้าค่านี้มาก แปลว่าลูกค้าเปลี่ยนใจไม่เอาสินค้าตัวนี้กลางคันเยอะ (ต้องถามกลับไปแล้วว่าเกิดอะไรขึ้นกับตัวสินค้านี้) แต่ถ้าค่านี้ต่ำ ก็ไม่มีปัญหาอะไร
4. Check-to-Detail Rate
เทียบจำนวนครั้งที่สินค้าตัวหนึ่งถูก Checkout กับจำนวนที่มีการดูรายละเอียดเพจของสินค้าตัวนั้น มีอยู่ร้อยละเท่าไหร่ แน่นอนว่ายิ่งสูง ยิ่งดี แต่ถ้าค่านี้ตำไป อาจจะเป็นเพราะว่าสินค้าตัวนี้ไม่ได้น่าดึงดูดพอที่จะให้ซื้อในทันที หรือสินค้าตัวนี้ถูกถอดออกจากตะกร้าเสียก่อน มีหลายสาเหตุ
Check-to-Detail Rate นั้นจะคล้ายๆกับ Cart-to-Detail Rate แต่ถ้าจะดูว่าสินค้าตัวไหนน่าสนใจสุดๆ แนะนำให้ให้ Check-to-Rate เพราะ Cart-to-Rate นั้น อาจจะไม่ได้บอกว่าสินค้าตัวนั้นสามารถถูกถอดออกจากตะกร้าทีหลังก็ได้ (ซึ่งก็ไม่เสมอไป เพราะลูกค้าอาจจะอยากได้ของอย่างเดียว ต้องหาสาเหตุต่อไป)
5. Buy-to-Check Rate
เทียบจำนวนครั้งที่สินค้าตัวหนึ่งถูกซ้อไปสำเร็จ กับจำนวนครั้งที่สินค้าตัวนั้นถูก Checkout มีอยู๋ร้อยละเท่าไหร่? ถ้าค่านี้สูง ก็ไม่มีปัญหา ถ้าค่านี้ต่ำไป ก็มีหลายสาเหตุ อาจจะเป็นเพราะว่า พอรวมกับค่าขนส่งแล้ว ของดันแพง ไม่คุ้ม เลยไม่ซื้อเลย หรือจะซื้อแหละ แต่หาของอื่นมาซื้อต่อเพื่อให้คุ้มค่าส่ง ฯลฯ
6. Buy-to-Detail Rate
เป็นอีกค่าที่ดึงจาก Google Analytics เอาไว้ดูรวมๆว่าสินค้าตัวนั้นน่าสนใจมากน้อยแค่ไหน เทียบจำนวนครั้งที่สินค้าตัวหนึ่งถูกซื้อกับจำนวนครั้งที่มีการดูรายละเอียดของสินค้านั้น ถ้าค่านี้สูงก็ไม่ต้องวิเคราะห์ต่ออะไรอีก สินค้าตัวนั้นไม่มีปัญหา (หรืออาจจะมีแต่ไม่ต้องรีบแก้ไข) ถ้าค่านี้ต่ำ ก็ต้องดูแล้วว่า ต่ำเพราะอะไร ซึ่งต้องไปดูค่าอื่นๆประกอบ
ส่วนการวิเคราะห์ว่าสินค้าตัวนั้นมีปัญหาอะไร ขออนุญาตยกตัวอย่างว่าสินค้า A มี Buy-to-Detail Rate ต่ำ ก็สืบต่อไปว่าต่ำเพราะอะไร ถ้า Detail-to-List Rate ยังสูงอยู่ ก็แปลว่าตัวสินค้านั้นน่าสนใจอยู่ แต่พอเจอค่า Remove-to-Add Rate สูง ลูกค้าอาจจะมองว่าสินค้าตัวนั้น ไม่ได้มีความจำเป็นต้องรีบใช้ขนาดนั้น พอมารวมกับราคาสินค้าอื่นๆที่อยู่ในตะกร้า ก็เกินงบของลูกค้า แบบนี้เราอาจจะแก้ด้วยการให้โปรโมชั่นกับตัวสินค้านั้นก็ได้
ทั้งหมดนี้ก็คือการวิเคราะห์หาปัญหาของสินค้าแต่ละตัว ความท้าทายคือ เราต้องรู้ว่าสินค้าตัวไหนที่ต้องเร่งแก้ไข อาจจะดูจาก Buy-to-Detail Rate ก่อนแล้วค่อยวิเคราะห์หาสาเหตุลึกๆอีกทีครับ
บทความนี้เผยแพร่ใน Marketing Oops เป็นที่แรก
