# Marketing Mix Modeling (MMM) คืออะไร วัดผลโฆษณาไร้คุกกี้

> ที่มา: https://phygital.co.th/insights/marketing-mix-modeling-mmm-roi · เผยแพร่ 23 พฤษภาคม 2563 · อ่าน 12 นาที · โดย PARANATH PANARATANA

MMM คือโมเดลสถิติที่วัดความคุ้มค่างบโฆษณาจากยอดขายรวม ไม่ต้องตามรอยผู้ใช้รายคน รวมวิธีทำงาน ข้อมูลขั้นต่ำที่ต้องมี และเครื่องมือโอเพนซอร์สที่ใช้ได้ฟรี

## Key Takeaways

- **วัดจากยอดขายรวม ไม่ใช่จากการตามรอยรายคน** — MMM ใช้ข้อมูลระดับภาพรวมอย่างยอดขายรายสัปดาห์กับงบสื่อแต่ละช่องทาง จึงทำงานได้โดยไม่ต้องใช้ข้อมูลส่วนบุคคล และไม่สะเทือนเมื่อการติดตามผู้ใช้ถูกจำกัด
- **คิดปัจจัยที่ไม่ใช่โฆษณาเข้าไปด้วย** — ฤดูกาล ราคา โปรโมชัน และการเคลื่อนไหวของคู่แข่งถูกใส่เป็นตัวแปรร่วม เพื่อแยกให้เห็นว่ายอดที่เพิ่มขึ้นมาจากโฆษณาจริงเท่าไร
- **เครื่องมือมีให้ใช้ฟรีแล้ว แต่ข้อมูลคือด่านจริง** — ทั้ง Google และ Meta เปิดโมเดล MMM เป็นโอเพนซอร์ส ข้อจำกัดของธุรกิจส่วนใหญ่จึงไม่ใช่ค่าเครื่องมือ แต่คือยอดข้อมูลย้อนหลังที่ยังไม่ยาวพอ

ธุรกิจที่ยิงโฆษณาหลายช่องทางพร้อมกันมักเจอปัญหาเดียวกัน คือยอดขายที่แต่ละแพลตฟอร์มรายงานมักบวกกันแล้วมากกว่ายอดจริงในบัญชี เพราะลูกค้าคนเดียวอาจเห็นโฆษณาจากหลายช่องทางก่อนตัดสินใจ แล้วทุกช่องทางต่างนับว่าตัวเองเป็นคนปิดการขาย เมื่อธุรกิจยิงสื่อพร้อมกันหลายทาง ตัวเลขที่ซ้อนทับกันนี้จึงทำให้ไม่มีใครรู้ว่างบก้อนไหนสร้างยอดขายจริง สำหรับผู้ที่ต้องตัดสินใจว่าจะย้ายงบไปทางไหน บทนี้อธิบายที่มาของตัวเลขที่เกินจริง ความหมายของ Marketing Mix Modeling ความต่างจากการวัดผลรายคลิก ปริมาณข้อมูลที่ต้องมีก่อนเริ่ม และเหตุที่ควรเริ่มจากวินัยเก็บข้อมูลก่อนซื้อเครื่องมือ

Marketing Mix Modeling (MMM) คือแบบจำลองทางสถิติที่หาความสัมพันธ์ระหว่างงบโฆษณาแต่ละช่องทางกับยอดขายที่เกิดขึ้นจริง โดยใช้ข้อมูลระดับภาพรวมย้อนหลังหลายปี ไม่ใช่การตามรอยผู้ใช้ทีละคนแบบที่แดชบอร์ดโฆษณาทำ จุดแข็งของวิธีนี้คือวัดสื่อออฟไลน์อย่างป้ายโฆษณาและทีวีได้ในสมการเดียวกับสื่อออนไลน์

## ทำไมยอดขายในแดชบอร์ดบวกกันแล้วเกินยอดจริง

ต้นเหตุคือแต่ละแพลตฟอร์มนับยอดขายด้วยข้อมูลของตัวเองเท่านั้น และไม่รู้ว่าลูกค้าคนเดียวกันเคยเห็นโฆษณาที่อื่นมาก่อน เมื่อธุรกิจยิงสื่อหลายช่องทางพร้อมกัน ยอดเดียวกันจึงถูกนับซ้ำในหลายรายงาน วิธีวัดผลแบบตามรอยรายคนหรือ Multi-Touch Attribution (MTA) ยังมีจุดอ่อนซ้อนอยู่อีกชั้น คือให้เครดิตหนักไปที่จุดสัมผัสสุดท้ายก่อนซื้อ ทั้งที่จุดสัมผัสก่อนหน้าเป็นคนสร้างความต้องการ

ข้อจำกัดด้านความเป็นส่วนตัวทำให้ช่องว่างนี้กว้างขึ้นอีก [App Tracking Transparency](https://developer.apple.com/documentation/apptrackingtransparency) ของ Apple บังคับให้แอปต้องขออนุญาตผู้ใช้ก่อนติดตามข้ามแอป ส่วนกฎหมาย PDPA ของไทยกำหนดให้การเก็บและใช้ข้อมูลส่วนบุคคลต้องมีฐานทางกฎหมายรองรับ ผลรวมคือข้อมูลรายคนที่แพลตฟอร์มเคยใช้คำนวณเหลือน้อยลง รายงานจึงต้องเดาส่วนที่หายไปมากขึ้น

### Google ยกเลิก Third-Party Cookies ไปแล้วหรือยัง

ยังไม่ยกเลิก และประกาศแล้วว่าจะไม่ยกเลิก [Google แถลงเมื่อ 22 เมษายน 2025](https://privacysandbox.google.com/blog/privacy-sandbox-next-steps) ว่าจะคงทางเลือกเรื่องคุกกี้ไว้ใน Chrome ตามเดิม และไม่ออกหน้าต่างให้ผู้ใช้เลือกปิดคุกกี้แบบแยกต่างหากอีกแล้ว ข้อมูลที่ยังเขียนกันว่า "Google เตรียมยกเลิกคุกกี้" จึงเป็นข้อมูลก่อนหน้าประกาศฉบับนี้

### แล้วทำไมยังต้องสนใจวิธีวัดผลที่ไม่ใช้คุกกี้

เพราะคุกกี้ไม่ใช่ปัญหาเดียวของการวัดผล ต่อให้ Chrome ยังเก็บคุกกี้ไว้ ข้อมูลฝั่งแอปก็ยังถูกจำกัดด้วยกติกาของ Apple และตัวเลขที่แต่ละแพลตฟอร์มรายงานก็ยังซ้อนทับกันอยู่ดี วิธีวัดผลที่มองจากยอดขายรวมจึงยังจำเป็น ไม่ใช่เพราะคุกกี้กำลังจะหายไป แต่เพราะมันตอบคำถามคนละข้อกับแดชบอร์ด

## Marketing Mix Modeling (MMM) คืออะไร

MMM คือแบบจำลองทางสถิติที่ใช้ข้อมูลย้อนหลังหาความสัมพันธ์ระหว่างกิจกรรมการตลาดกับยอดขายที่เกิดขึ้นจริง ตัวแปรฝั่งการตลาดคืองบสื่อแต่ละช่องทางและกิจกรรมส่งเสริมการขาย ส่วนตัวแปรควบคุมคือสิ่งที่กระทบยอดขายแต่ไม่ใช่โฆษณา เช่น ฤดูกาล ราคา และวันหยุด ผลลัพธ์ที่ได้คือส่วนแบ่งของยอดขายที่อธิบายได้ด้วยแต่ละปัจจัย

ตัวอย่างการอ่านผลลัพธ์ในธุรกิจครีมกันแดดที่ยอดขายพุ่งขึ้นในเดือนเมษายน โมเดลจะแยกให้เห็นว่าส่วนที่เพิ่มขึ้นมาจากฤดูกาลเท่าไร มาจากโปรโมชันลดราคาเท่าไร และเหลือเป็นผลของโฆษณาแต่ละช่องทางเท่าไร ตัวเลขชุดนี้ต่างกันไปตามธุรกิจและช่วงเวลา จึงไม่มีสัดส่วนมาตรฐานที่ยกมาใช้แทนกันได้ ประโยชน์อยู่ที่การเห็นว่าส่วนที่โฆษณาสร้างขึ้นจริงมักเล็กกว่าที่แดชบอร์ดรายงานไว้มาก

เมื่อแยกส่วนนี้ได้ ธุรกิจจะตอบได้ว่าเงินที่ลงไปในแต่ละช่องทางคืนกลับมาเท่าไร และคำถามที่ตอบยากที่สุดอย่างการวัดผลป้ายโฆษณาหรือทีวีก็เข้ามาอยู่ในสมการเดียวกับสื่อออนไลน์ เพราะโมเดลไม่ได้ต้องการลิงก์ให้คลิก แต่ต้องการงบที่ใช้ในแต่ละช่วงเวลาเท่านั้น

### Incremental Sales ต่างจากยอดขายที่แพลตฟอร์มรายงานอย่างไร?

ยอดขายที่แพลตฟอร์มรายงาน (Reported Conversions) มักรวมยอดขายที่จะเกิดขึ้นอยู่แล้วแม้ไม่มีโฆษณา เช่น ลูกค้าประจำที่ตั้งใจซื้อซ้ำ ส่วน Incremental Sales คือยอดขายส่วนที่ "เพิ่มขึ้นจริง" เพราะมีโฆษณาเข้ามากระตุ้นเท่านั้น การแยกตัวเลขสองชุดนี้ออกจากกันคือกุญแจสำคัญที่ทำให้ MMM บอกความคุ้มค่าได้แม่นยำกว่าตัวเลขดิบจาก Dashboard

## MMM ต่างจากการวัดผลรายคลิก (MTA) อย่างไร

ความต่างหลักคือระดับที่มองและข้อมูลที่ใช้ MTA มองระดับบุคคลจากคุกกี้และพิกเซล จึงตอบได้ว่าชิ้นงานไหนถูกคลิกก่อนซื้อ ส่วน MMM มองระดับภาพรวมจากยอดขายรวมกับงบสื่อ จึงตอบได้ว่าแต่ละช่องทางสร้างยอดเพิ่มขึ้นเท่าไรเมื่อหักปัจจัยอื่นออกแล้ว ตารางด้านล่างเทียบให้เห็นทีละมิติ

| มิติการวิเคราะห์                       | Multi-Touch Attribution (MTA)                                 | Marketing Mix Modeling (MMM)                                                       |
| ---------------------------------------- | ------------------------------------------------------------- | ---------------------------------------------------------------------------------- |
| **ระดับการมองเห็น**                   | Micro-level (ระดับรายบุคคล / ยอดคลิก)                      | Macro-level (ภาพรวมยอดขายมหาภาค)                                              |
| **ข้อมูลที่ใช้**                       | Cookies, Pixel, User ID Tracking                              | ข้อมูลยอดขายรวม, งบโฆษณา, ปัจจัยแวดล้อม (เศรษฐกิจ, ฤดูกาล)                    |
| **ข้อมูลส่วนบุคคลที่ต้องใช้**       | ต้องใช้ ทำให้ต้องจัดการฐานความยินยอมตาม PDPA           | ไม่ต้องใช้ เพราะทำงานกับข้อมูลรวมที่ไม่ระบุตัวตน                        |
| **วิเคราะห์สื่อออฟไลน์ (ทีวี, ป้าย)** | ทำไม่ได้ วัดได้แค่สื่อที่มีลิงก์ให้คลิก             | ทำได้ เพราะใช้งบที่ลงในแต่ละช่วงเวลาเป็นตัวแปร                           |
| **ความถี่ที่ใช้ตัดสินใจได้**        | รายวัน ใช้ปรับแคมเปญที่กำลังยิงอยู่                    | รายเดือนถึงรายไตรมาส ใช้วางแผนจัดสรรงบ                                      |
| **ข้อจำกัด**                            | มักให้เครดิตช่องทางสุดท้ายที่คนคลิก (Last-click Bias) | ต้องมีข้อมูลย้อนหลังยาวพอ และต้องมีความแปรผันของงบให้โมเดลเรียนรู้ |

### MMM กับ MTA ควรใช้ตัวไหนดีกว่ากัน?

ไม่ต้องเลือกใช้ตัวใดตัวหนึ่ง เพราะทั้งสองตอบคำถามคนละระดับ MTA เหมาะกับการปรับจูนแคมเปญรายวันแบบ Tactical ส่วน MMM เหมาะกับการวางแผนจัดสรรงบประมาณภาพรวมรายเดือนหรือไตรมาสแบบ Strategic แบรนด์ที่ใช้สองเครื่องมือนี้ควบคู่กันจะเห็นภาพทั้งระยะสั้นและระยะยาวพร้อมกัน

---

ดูรายละเอียดวิธีทำงานได้ที่[บริการวิจัยตลาดของฟิจิทัล เอเจนซี](https://phygital.co.th/solutions/market-research)

หากอยากรู้ภาพรวมว่าปีนี้เม็ดเงินโฆษณาดิจิทัลไทยไหลไปทางไหนบ้างก่อนวางแผนงบประมาณ อ่านเพิ่มเติมที่[เจาะลึกงบโฆษณาดิจิทัลไทย](https://phygital.co.th/insights/thailand-digital-ad-spend-2026) และหากยังตัดสินใจไม่ได้ว่าจะบริหารงบเองหรือจ้างมืออาชีพ อ่าน[ทำไมธุรกิจถึงต้องจ้างเอเจนซีโฆษณา](https://phygital.co.th/insights/why-hire-advertising-agency) ประกอบการตัดสินใจ พร้อมเข้าใจความต่างระหว่างเอเจนซีเครือข่ายข้ามชาติกับเอเจนซีอิสระ อ่านได้ใน[Network vs Independent Agency ต่างกันอย่างไร เลือกแบบไหนดี](https://phygital.co.th/insights/network-vs-independent-advertising-agency) หรือทางเลือกแบบ Boutique Agency อ่านได้ใน[Boutique Agency คืออะไร ข้อดีและข้อจำกัดที่ต้องรู้ก่อนจ้าง](https://phygital.co.th/insights/what-is-boutique-agency) และทำความเข้าใจว่า[Digital Marketing Agency คืออะไร ทำอะไรบ้าง วัดผลอย่างไร](https://phygital.co.th/insights/what-is-digital-marketing-agency)

---

## ต้องมีข้อมูลมากแค่ไหนถึงเริ่มทำ MMM ได้

ด่านจริงของ MMM ไม่ใช่ค่าเครื่องมือ เพราะทั้ง Google และ Meta เปิดโมเดลของตัวเองเป็นโอเพนซอร์สให้ใช้ฟรีแล้ว ด่านจริงคือความยาวของข้อมูลย้อนหลัง คู่มือของ [Meridian ซึ่งเป็นโมเดล MMM โอเพนซอร์สของ Google](https://developers.google.com/meridian/docs/user-guide/collect-data) ระบุไว้ว่าโมเดลที่แยกข้อมูลรายพื้นที่ควรมีข้อมูลรายสัปดาห์ย้อนหลังอย่างน้อย 2 ปี ส่วนโมเดลระดับประเทศแนะนำที่ 3 ปี และถ้าเก็บเป็นรายเดือนก็ต้องมีอย่างน้อย 3 ปีเช่นกัน

เหตุผลที่ต้องยาวขนาดนั้นคือโมเดลต้องเห็นวงจรฤดูกาลซ้ำหลายรอบ และต้องเห็นช่วงที่งบสื่อขึ้นลงต่างกันจริง ถ้าธุรกิจใช้งบเท่ากันทุกเดือนตลอดสามปี โมเดลจะไม่มีความแปรผันให้เรียนรู้ว่างบที่เพิ่มขึ้นทำให้ยอดขายเปลี่ยนไปอย่างไร ข้อมูลยาวแต่นิ่งสนิทจึงให้ผลที่เชื่อถือได้น้อยกว่าข้อมูลสั้นกว่าที่มีการทดลองปรับงบอยู่เรื่อย ๆ

| สิ่งที่ต้องเตรียม         | รายละเอียด                                                                        |
| ----------------------------- | ---------------------------------------------------------------------------------- |
| ยอดขายหรือตัวชี้วัดหลัก | รายสัปดาห์ ย้อนหลังตามเกณฑ์ข้างต้น แยกตามพื้นที่ได้ยิ่งดี               |
| งบสื่อรายช่องทาง          | ทั้งออนไลน์และออฟไลน์ พร้อมตัวเลขการมองเห็น เช่น อิมเพรสชัน              |
| ตัวแปรควบคุม                 | ราคา โปรโมชัน วันหยุด ฤดูกาล การเปิดสาขาใหม่                                   |
| ความแปรผันของงบ            | ต้องเคยมีช่วงที่เพิ่มหรือลดงบต่างกันจริง ไม่ใช่จ่ายเท่ากันทุกเดือน |

อีกตัวเลือกที่ธุรกิจไทยใช้ได้คือ [Robyn ของ Meta](https://facebookexperimental.github.io/Robyn/) ซึ่งเป็นแพ็กเกจ MMM โอเพนซอร์สเช่นกัน และระบุไว้ชัดว่าไม่ต้องใช้ข้อมูลส่วนบุคคลหรือข้อมูลระดับรายคนเลย จุดนี้ทำให้ทั้งสองเครื่องมือเข้ากับข้อกำหนดของ PDPA ได้ง่ายกว่าการวัดผลที่อาศัยการตามรอยผู้ใช้

### จุดอิ่มตัวของสื่อ (Diminishing Returns) คืออะไร

คือระดับงบที่เมื่อลงทุนเพิ่มในช่องทางเดิม ผลตอบแทนที่ได้กลับมาเริ่มลดลงเรื่อย ๆ เพราะกลุ่มเป้าหมายในช่องทางนั้นถูกเข้าถึงซ้ำจนอิ่มตัว MMM ประเมินจุดนี้จากรูปแบบในอดีตได้ ทำให้ธุรกิจเห็นว่าควรหยุดเติมงบช่องทางเดิมตรงไหน แล้วย้ายส่วนที่เหลือไปช่องทางอื่น

### ธุรกิจที่ข้อมูลยังไม่ถึงเกณฑ์ควรทำอะไรก่อน

เริ่มจากเก็บยอดขายรายสัปดาห์คู่กับงบสื่อรายช่องทางในตารางเดียวกันตั้งแต่วันนี้ แม้ยังไม่ได้สร้างโมเดล ระหว่างนั้นใช้การทดลองแบบเปิดปิดสื่อในบางพื้นที่เพื่อวัดผลต่าง ซึ่งให้คำตอบเรื่องความคุ้มค่าได้เร็วกว่า และข้อมูลที่เก็บไว้จะกลายเป็นวัตถุดิบของโมเดลเมื่อครบเกณฑ์

## เริ่มจากวินัยเก็บข้อมูล ไม่ใช่เริ่มจากซื้อเครื่องมือ

มีความย้อนแย้งอยู่ในเรื่องนี้ที่ควรพูดตรง ๆ คือธุรกิจที่ได้ประโยชน์จากการวัดผลแบบไม่ตามรอยรายคนมากที่สุด มักเป็นธุรกิจขนาดเล็กที่ไม่มีระบบเก็บข้อมูลหลายชั้นสำรองไว้ แต่กลุ่มเดียวกันนี้ก็เป็นกลุ่มที่มีข้อมูลย้อนหลังสั้นที่สุดเช่นกัน ผลคือเครื่องมือที่ฟังดูเหมาะกับพวกเขาที่สุด กลับเป็นเครื่องมือที่ยังใช้ไม่ได้ในวันนี้

ทางออกจึงไม่ใช่การรีบซื้อบริการที่พ่วงคำว่า MMM มาในชื่อแพ็กเกจ แต่คือการเริ่มเก็บยอดขายกับงบสื่อให้อยู่ในหน่วยเวลาเดียวกันตั้งแต่วันนี้ และใช้การทดลองวัดผลแบบเปิดปิดสื่อไปพลางก่อน เมื่อถึงวันที่ข้อมูลยาวพอ ต้นทุนของการเริ่มทำโมเดลจะเหลือแค่เวลาวิเคราะห์ ไม่ใช่การย้อนไปตามหาข้อมูลที่ไม่เคยถูกเก็บไว้

### ควรถามผู้ให้บริการ MMM ว่าอะไรก่อนจ่ายเงิน

ถามสามข้อ คือโมเดลต้องการข้อมูลย้อนหลังขั้นต่ำกี่สัปดาห์ ผลลัพธ์จะรายงานช่วงความไม่แน่นอนมาด้วยหรือไม่ และธุรกิจจะได้ข้อมูลที่จัดรูปแบบแล้วกลับมาถือไว้เองหรือเปล่า คำตอบสามข้อนี้แยกผู้ให้บริการที่ทำโมเดลจริงออกจากคนที่แค่สรุปตัวเลขจากแดชบอร์ดมาใส่รายงาน

## สรุป

MMM คือการวัดผลจากภาพรวมของยอดขายแทนการตามรอยผู้ใช้รายคน จุดแข็งคือดึงสื่อออฟไลน์เข้ามาอยู่ในสมการเดียวกับสื่อออนไลน์ และแยกผลของฤดูกาลกับโปรโมชันออกจากผลของโฆษณาได้ ส่วนที่มักเข้าใจผิดคือคิดว่าอุปสรรคอยู่ที่ค่าเครื่องมือ ทั้งที่โมเดลของ Google และ Meta เปิดให้ใช้ฟรีแล้ว อุปสรรคจริงคือข้อมูลย้อนหลังที่ต้องยาวพอและต้องมีความแปรผันของงบให้โมเดลเรียนรู้ ธุรกิจที่ยังไม่ถึงเกณฑ์จึงควรเริ่มจากวินัยการเก็บข้อมูลและการทดลองวัดผลรายพื้นที่ไปก่อน

## คำถามที่พบบ่อย (FAQ)

### ต้องจ่ายค่าเครื่องมือเท่าไรถึงจะทำ MMM ได้

ตัวโมเดลใช้ฟรีได้ เพราะทั้ง Meridian ของ Google และ Robyn ของ Meta เป็นโอเพนซอร์ส ต้นทุนจริงอยู่ที่คนที่อ่านผลลัพธ์เป็นและเวลาในการจัดข้อมูลให้อยู่ในรูปแบบที่โมเดลรับได้ ซึ่งมักใช้เวลามากกว่าการรันโมเดลเองหลายเท่า

### ธุรกิจขนาดกลางทำ MMM เองได้ไหม

ทำได้ถ้ามีข้อมูลยาวพอและมีคนที่อ่านผลทางสถิติเป็น ข้อควรระวังคือยิ่งช่องทางสื่อมีจำนวนมากเทียบกับจำนวนสัปดาห์ที่มีข้อมูล ผลลัพธ์จะยิ่งไม่นิ่ง ธุรกิจที่ใช้สื่อไม่กี่ช่องทางจึงได้ผลที่เชื่อถือได้ง่ายกว่าธุรกิจที่ยิงครบทุกแพลตฟอร์ม

### ใช้ MMM แล้วต้องเลิกดูแดชบอร์ดของแพลตฟอร์มไหม

ไม่ต้องเลิก เพราะตอบคนละคำถาม แดชบอร์ดใช้ปรับชิ้นงานและกลุ่มเป้าหมายรายวัน ส่วน MMM ใช้ตัดสินว่าจะแบ่งงบก้อนใหญ่ไปช่องทางไหนในรอบถัดไป ธุรกิจที่ใช้ทั้งสองอย่างจะเห็นทั้งภาพระยะสั้นและระยะยาว

### MMM แม่นยำแค่ไหน

ผลลัพธ์เป็นช่วงค่าประมาณพร้อมระดับความไม่แน่นอน ไม่ใช่ตัวเลขเดียวที่ชี้ขาด สิ่งที่ควรดูจึงไม่ใช่ว่าโมเดลอธิบายยอดขายในอดีตได้ดีแค่ไหน แต่คือช่วงความเชื่อมั่นของแต่ละช่องทางแคบพอจะใช้ตัดสินใจย้ายงบหรือไม่

### MMM เกี่ยวกับ PDPA อย่างไร

ช่วยลดภาระเรื่องข้อมูลส่วนบุคคล เพราะใช้ข้อมูลรวมที่ไม่ระบุตัวตน เช่น ยอดขายรายสัปดาห์และงบสื่อ ไม่ต้องเก็บพฤติกรรมรายคน ธุรกิจจึงไม่ต้องขอความยินยอมเพิ่มสำหรับการวัดผลส่วนนี้ แต่ยังต้องดูแลข้อมูลลูกค้าในระบบอื่นตามกฎหมายเหมือนเดิม

### ธุรกิจที่เพิ่งเปิดไม่ถึงสองปีทำ MMM ได้ไหม

ยังไม่ควรเริ่มที่โมเดลเต็มรูปแบบ เพราะข้อมูลสั้นเกินกว่าจะแยกผลของฤดูกาลออกจากผลของโฆษณาได้ ทางที่ให้คำตอบเร็วกว่าคือการทดลองเปิดปิดสื่อในบางพื้นที่แล้ววัดส่วนต่างของยอดขาย ควบคู่กับการเก็บข้อมูลไว้ใช้ในอนาคต

## ยอดขายกับงบโฆษณาของธุรกิจคุณ ยังอยู่คนละไฟล์คนละหน่วยเวลาอยู่หรือเปล่า

ให้ PHYGITAL AGENCY ช่วยจัดข้อมูลสองชุดนี้ให้ตรงกันก่อน แล้วเลือกวิธีวัดผลที่เหมาะกับปริมาณข้อมูลที่ธุรกิจคุณมีอยู่จริง เพื่อให้รู้ว่างบก้อนไหนสร้างยอดขายเพิ่มจริงและก้อนไหนจ่ายไปกับยอดที่จะเกิดอยู่แล้ว

- [นัดประชุมผ่าน Google Meet](https://calendar.app.google/DotQdE7Ca8LZG6Us5)
- [เพิ่มเพื่อนใน LINE](https://lin.ee/J8Qq8Do)