ตัวชี้วัดเทเลเซลส์: ทีมของคุณควรใช้ตัวหารไหน

เรื่องของลูกค้าหนึ่งคนที่ถูกโทรหาสองครั้ง

ลองนึกภาพร้านเครื่องสำอางออนไลน์ไทยขนาดเล็กแห่งหนึ่ง — ขอเรียกว่า Malee Glow — ที่ทีมเทเลเซลส์ใช้เวลาช่วงบ่ายของทุกวันทำงานโทรหาลูกค้าที่ไม่ได้กลับมาซื้อซ้ำใน 60 วัน เมื่อออกรายงานย้อนหลังสำหรับสัปดาห์ที่โทรหนึ่งสัปดาห์ หัวหน้าทีมหยิบตัวเลขเดียวจากบันทึกการโทรขึ้นมาดู: โทรไปทั้งหมด 200 ครั้ง เธอนำยอดซื้อ 20 รายการหารด้วย 200 แล้วประกาศว่าอัตราแปลงเป็นการซื้ออยู่ที่ 10 เปอร์เซ็นต์ ผู้จัดการพยักหน้า ทุกคนรู้สึกว่าผลลัพธ์นี้ก็พอรับได้

แต่ตัวเลขนี้ซ่อนปัญหาเชิงโครงสร้างอยู่ จากความพยายามโทร 200 ครั้งที่ถูกบันทึกไว้ มี 80 ครั้งที่ไม่มีคนรับ เป็นการโทรหาลูกค้า 40 คนซึ่งทีมไม่เคยติดต่อสำเร็จเลย โดยเฉลี่ยคนละประมาณ 2 ครั้ง และทั้ง 80 ครั้งนี้ไม่ก่อให้เกิดการติดต่อได้เลย ส่วนอีก 120 ครั้งที่เหลือ แต่ละครั้งลงเอยด้วยการสนทนาจริงกับลูกค้าที่ไม่ซ้ำกัน ทำให้ทีมมีการติดต่อได้ 120 ครั้ง ในบรรดาการติดต่อได้ 120 ครั้งนั้น มี 40 ครั้งที่นัดติดตามไว้แต่หน้าต่างการวัดผลยังไม่ปิด — จึงเป็น immature cohort ส่วนอีก 80 ครั้งเป็นกลุ่ม mature เพราะหน้าต่าง attribution ปิดแล้ว และเกิดคำสั่งซื้อที่เสร็จสมบูรณ์ 20 รายการ จึงเท่ากับอัตราซื้อต่อการติดต่อได้ในกลุ่ม mature ที่ 25 เปอร์เซ็นต์ ไม่ใช่ 10 เปอร์เซ็นต์ และการติดต่อได้อีก 40 ครั้งที่ยังนัดติดตามค้างอยู่ก็ยังไม่ถูกนับรวมในตัวเศษของการซื้อ เพราะโคฮอร์ทยังไม่ mature

คำถามที่ใช้ตัดสินใจจริงคือควรใช้ตัวหารไหนเมื่อทบทวนแคมเปญเทเลเซลส์ คู่มือนี้แยกจำนวนความพยายามโทร การติดต่อได้ นัดติดตาม และออเดอร์ ออกจากอัตรา KPI พร้อมระบุประชากรที่เข้าเกณฑ์และช่วงสังเกตผล ตัวอย่างสมมติแสดงว่า 25 เปอร์เซ็นต์ต่อกลุ่มที่ครบช่วงกับ 10 เปอร์เซ็นต์เบื้องต้นต่อความพยายามโทรตอบคนละคำถาม ทั้งสองค่าไม่ได้พิสูจน์ผลเพิ่มจากการโทรหรือเป็นเกณฑ์มาตรฐานผลงาน

4 ชั้นของฟันเนลเทเลเซลส์ และทำไมแต่ละชั้นต้องมีตัวหารของตัวเอง

ฟันเนลเทเลเซลส์ไม่ใช่เหตุการณ์แปลงผลเพียงครั้งเดียว แต่มันคือชุดของการเปลี่ยนผ่านหลายขั้นที่แตกต่างกัน และแต่ละขั้นก็มีประชากรของมันเอง — หรือก็คือตัวหารของมันเอง การใช้ตัวหารผิดกับขั้นที่กำลังวัด จะทำให้อัตราที่ได้ “คำนวณถูกตามหลักเลข” แต่ “ไม่มีความหมายในเชิงบริหาร”

4 ชั้นนั้นคือ: ความพยายามโทร การติดต่อได้ การนัดติดตาม และการซื้อ ความพยายามโทรคือการกดโทรออกทุกครั้งที่ถูกบันทึกไว้ ไม่ว่าผลจะออกมาอย่างไร การติดต่อได้คือการสนทนาที่สามารถติดต่อถึงลูกค้าจริงซึ่งระบุตัวตนได้ และลูกค้าได้ยินข้อเสนอแล้ว การนัดติดตามคือการกระทำในอนาคตที่ถูกนัดหมายไว้ — เช่น การโทรกลับ การสาธิตครั้งที่สอง หรือการส่งใบเสนอราคาตามที่รับปาก — ซึ่งลูกค้าตกลงระหว่างการสนทนา การซื้อคือธุรกรรมที่เสร็จสมบูรณ์และสามารถโยงกลับไปยังปฏิสัมพันธ์จากเทเลเซลส์ได้

แต่ละชั้นป้อนต่อไปยังชั้นถัดไปก็จริง ทว่าประชากรของแต่ละชั้นไม่สามารถใช้แทนกันได้ ความพยายามโทรรวมการกดโทรหลายครั้งหาลูกค้าคนเดิม การติดต่อได้นับจำนวนการสนทนาที่เกิดขึ้นจริง ไม่ใช่จำนวนลูกค้าที่ไม่ซ้ำ เว้นแต่ว่าการบันทึกข้อมูลของคุณตั้งใจลบรายการซ้ำด้วย customer ID อย่างชัดเจนภายในช่วงเวลาโคฮอร์ท การนัดติดตามเป็นส่วนย่อยของการติดต่อได้ ไม่ใช่ของความพยายามโทร ส่วนการซื้อจะเป็นส่วนย่อยของตัวหารแบบใดนั้น ขึ้นอยู่กับนิยามที่ทีมของคุณตกลงจะใช้ — และต้องระบุให้ชัดทุกครั้งควบคู่ไปกับอัตราที่คุณเผยแพร่

Salesforce อธิบายว่า KPI คือเมตริกที่ใช้วัดว่าผลงานของทีมขายสอดคล้องกับเป้าหมายที่กำหนดไว้มากน้อยเพียงใด และแยกจากตัวนับกิจกรรมทั่วไป วินัยสำคัญคือ KPI แต่ละตัวต้องสอดคล้องกับเป้าหมายเฉพาะและมีนิยามตัวหารที่ชัดเจน การเอาหลายชั้นมาปนกันจึงขัดกับวินัยนี้ตั้งแต่ก่อนเริ่มเก็บข้อมูลด้วยซ้ำ

อ้างอิง: Salesforce: Sales KPIs — definition, importance, and how to track them

ทำไมความพยายามโทรกับจำนวนลูกค้าที่ไม่ซ้ำกันจึงใช้แทนกันไม่ได้

ความปะปนที่สร้างความเสียหายต่อรายงานเทเลเซลส์มากที่สุด คือการใช้จำนวนครั้งที่พยายามโทรเป็นตัวแทนของจำนวนลูกค้าที่เข้าถึงได้ ลองดูสถานการณ์สมมติต่อไปนี้ ซึ่งระบุไว้อย่างชัดเจนว่าเป็นตัวอย่างเพื่อการสอน โดยใช้ตัวเลขที่แต่งขึ้น

ทีมของ Malee Glow บันทึกความพยายามโทร 200 ครั้งในหนึ่งสัปดาห์ จาก 200 ครั้งนั้น มี 80 ครั้งที่ไม่มีคนรับ เป็นการโทรหาลูกค้า 40 คนซึ่งไม่เคยรับสายเลย โดยเฉลี่ยคนละประมาณ 2 ครั้ง และทั้ง 80 ครั้งนี้ก็ไม่ก่อให้เกิดการติดต่อได้เลย ส่วนอีก 120 ครั้งที่เหลือ แต่ละครั้งลงเอยด้วยการสนทนาจริงกับลูกค้าที่ไม่ซ้ำกัน 120 คน กล่าวอีกแบบคือ 200 ครั้งของความพยายามโทร ประกอบด้วย 120 ครั้งที่แต่ละครั้งก่อให้เกิดการติดต่อได้กับลูกค้าที่ไม่ซ้ำกัน และ 80 สายที่ไม่มีคนรับซึ่งเป็นการโทรซ้ำหาลูกค้า 40 คนที่ทีมไม่เคยติดต่อสำเร็จเลย

ภาพรายงานสมมติเดียวกันนี้มีออเดอร์ที่เสร็จสมบูรณ์ 20 รายการจากผู้ซื้อ 20 คน ออเดอร์เบื้องต้นต่อความพยายามโทรคือ 20 ÷ 200 × 100 = 10 เปอร์เซ็นต์ ส่วนอัตราผู้ซื้อที่สังเกตได้ในลูกค้าที่ติดต่อได้และครบช่วง 80 คนคือ 20 ÷ 80 × 100 = 25 เปอร์เซ็นต์ หากหารออเดอร์ที่บันทึกไว้ด้วยการติดต่อได้ทั้ง 120 ครั้ง จะเป็นออเดอร์ต่อการติดต่อได้ 16.7 เปอร์เซ็นต์ ซึ่งยังเป็นเบื้องต้นเช่นกัน เพราะอีก 40 คนยังไม่ครบช่วง แต่ละชื่อใช้ต่างหน่วยและต่างประชากรสังเกตผล การเปลี่ยนตัวหารไม่ได้ทำให้ผลจริงดีขึ้น

HubSpot แยกหมวดตัวชี้วัดกิจกรรมขายออกจากตัวชี้วัดผลลัพธ์ ส่วนตัวอย่างโทรซ้ำในคู่มือนี้แสดงอีกประเด็นหนึ่ง คือการโทรเพิ่มถึงคนเดิมอาจเพิ่มจำนวนกิจกรรมโดยไม่เพิ่มลูกค้าไม่ซ้ำ นี่คือเหตุผลจากตัวอย่างสมมติของบทความ ไม่ใช่เหตุผลที่อ้างว่าแหล่งข้อมูลระบุไว้ ควรแสดงทั้งเหตุการณ์โทรและจำนวนลูกค้าไม่ซ้ำเพื่อให้ผู้อ่านรู้ว่ากำลังวัดอะไร

อ้างอิง: HubSpot: Top sales performance metrics for 2026

อัตราการติดต่อได้: เมตริกผลลัพธ์ตัวแรก และตัวหารที่ถูกต้องของมัน

อัตราการติดต่อได้ตอบคำถามว่า: จากทุกสายที่เราโทรออกไป มีกี่ส่วนที่กลายเป็นการสนทนาจริงกับลูกค้า สูตรคำนวณตรงไปตรงมา

อัตราการติดต่อได้ = (จำนวนการติดต่อได้ ÷ จำนวนความพยายามโทร) × 100

ตัวหารในที่นี้คือความพยายามโทร ไม่ใช่จำนวนลูกค้า และนี่เป็นเรื่องตั้งใจ เพราะอัตราการติดต่อได้ใช้วัดประสิทธิภาพของความพยายามในการโทรของคุณ — ว่าคุณภาพรายชื่อ ช่วงเวลาที่โทร และช่องทางที่ใช้ ก่อให้เกิดการสนทนาได้มากน้อยแค่ไหน ในตัวอย่างของ Malee Glow ทีมโทรออก 200 ครั้ง จาก 200 ครั้งนั้น มี 120 ครั้งที่ลงเอยด้วยการสนทนาจริงกับลูกค้าที่ไม่ซ้ำกัน ส่วนอีก 80 ครั้งเป็นสายที่ไม่มีคนรับซึ่งเป็นการโทรซ้ำหาลูกค้า 40 คนที่ทีมไม่เคยติดต่อสำเร็จเลย ดังนั้นอัตราการติดต่อได้คือ (120 ÷ 200) × 100 = 60 เปอร์เซ็นต์

อัตราการติดต่อได้ที่ต่ำเป็นสัญญาณเตือนเชิงตัวอย่างว่าบางอย่างในช่วงต้นทางอาจต้องได้รับการทบทวน เช่น คุณภาพรายชื่อ ช่วงเวลาที่โทร หรือการเลือกช่องทาง มากกว่าจะเป็นสัญญาณเรื่องความโน้มน้าวของสคริปต์โดยตรง ในฐานะตัวอย่างเชิงหลักคิดเท่านั้น: ถ้าสายส่วนใหญ่ไม่มีคนรับ การปรับสคริปต์ก็จะยังไม่ช่วย เพราะผู้ชมส่วนใหญ่ของคุณไม่เคยได้ยินข้อความนั้นเลย การวินิจฉัยให้ถูกชั้นก่อนลงมือแก้จึงช่วยประหยัดทรัพยากร ไม่ว่าค่า threshold ของทีมคุณจริง ๆ จะอยู่ที่เท่าไร

อัตราการนัดติดตาม: ตัวหารเปลี่ยนเป็นจำนวนติดต่อได้

เมื่อติดต่อถึงลูกค้าได้แล้ว คำถามถัดไปคือ บทสนทนานั้นนำไปสู่ขั้นตอนถัดไปที่มีการตกลงชัดเจนหรือไม่ อัตราการนัดติดตามตอบคำถามนี้ว่า: ในบรรดาทุกคนที่เราคุยด้วยจริง ๆ มีกี่ส่วนที่ตกลงนัดติดตามไว้ตามเวลาแน่นอน

อัตราการนัดติดตาม = (จำนวนนัดติดตามที่ถูกนัดไว้ ÷ จำนวนติดต่อได้) × 100

สังเกตว่าตัวหารตอนนี้คือจำนวนติดต่อได้ ไม่ใช่จำนวนครั้งที่พยายามโทร เพราะลูกค้าที่ติดต่อไม่ได้นั้นตามเหตุผลแล้วไม่สามารถนัดติดตามได้ หากคุณเอาความพยายามโทรที่ยังไม่ติดต่อได้มาใส่ในตัวหาร อัตราการนัดติดตามจะต่ำลงแบบผิดจริง และทำให้ประสิทธิภาพด้านการพูดคุยของทีมดูแย่กว่าความเป็นจริง

ในตัวอย่าง Malee Glow มีการนัดติดตามได้ 40 ครั้งจากการติดต่อได้ 120 ครั้ง จึงเท่ากับ (40 ÷ 120) × 100 = 33.3 เปอร์เซ็นต์ หากตัวเลขนี้ต่ำกว่า baseline เดิมของทีมคุณ ปัญหาอยู่ที่ตัวบทสนทนาเอง เช่น ข้อเสนอไม่ชัดเจน เวลาโทรไม่เหมาะกับรอบการซื้อของลูกค้า หรือสินค้าที่เสนอไม่ตรงกับประวัติการซื้อล่าสุดของลูกค้า ปัญหาเหล่านี้แก้ได้ด้วยสคริปต์ที่ดีขึ้น การเลือกสินค้าที่ต่างออกไป หรือการเลือกกลุ่มลูกค้าที่เหมาะกว่า ไม่ใช่ปัญหาที่แก้ได้ด้วยการโทรให้เร็วขึ้น

คำว่า “นัดติดตาม” เองก็ต้องมีคำนิยามที่ตกลงร่วมกันก่อนเริ่มติดตามผลด้วย การพูดลอย ๆ ว่า “เดี๋ยวค่อยโทรมาใหม่” ยังไม่ใช่นัดติดตามที่ถูกกำหนดไว้ แต่ถ้าเป็นการบันทึกนัดพร้อมวันที่และรหัสลูกค้า จึงจะนับเป็นนัดติดตาม หากไม่มีคำนิยามนี้ คนในทีมสองคนจะนับ “นัดติดตาม” ไม่เหมือนกัน และ KPI นี้ก็จะไม่มีความหมายเมื่อเอามาเทียบกัน

การซื้อ: อัตราผู้ซื้อในกลุ่มที่ครบช่วง และออเดอร์เบื้องต้นต่อความพยายามโทร

รายงานการซื้อในกรณีนี้ต้องแยกชื่อสองค่าให้ชัด คืออัตราผู้ซื้อที่สังเกตได้ในกลุ่มลูกค้าที่ติดต่อได้และครบช่วงแล้ว กับออเดอร์เบื้องต้นต่อความพยายามโทรของทั้งสัปดาห์ ผู้ติดต่อได้ 40 คนจาก 120 คนยังไม่ปิดช่วงเจ็ดวัน ส่วน 80 คนก่อนหน้าครบช่วงแล้ว อย่าเรียกภาพรายงานของทั้งแคมเปญว่าอัตราแปลงสุดท้าย ขณะที่บางส่วนยังสังเกตผลไม่จบ

ตัวชี้วัด A อัตราผู้ซื้อในกลุ่มลูกค้าที่ครบช่วง = ผู้ซื้อไม่ซ้ำในลูกค้าที่ติดต่อได้และครบช่วง ÷ ลูกค้าที่ติดต่อได้และครบช่วงแบบไม่ซ้ำ × 100 ในที่นี้คือ 20 ÷ 80 × 100 = 25 เปอร์เซ็นต์ แยกคนด้วยรหัสลูกค้าภายในโคฮอร์ทที่กำหนด บทสนทนาเพิ่มไม่ได้เพิ่มคน ในตัวอย่างสมมตินี้ลูกค้าทั้ง 80 คนคุยสำเร็จคนละครั้งและผู้ซื้อแต่ละคนมีหนึ่งออเดอร์พอดี ตัวเศษผู้ซื้อกับออเดอร์จึงเท่ากัน หากคนเดิมซื้อสองออเดอร์ ให้นับเป็นผู้ซื้อหนึ่งคนสำหรับอัตรานี้และรายงานออเดอร์เพิ่มแยกต่างหาก

ตัวชี้วัด B ออเดอร์เบื้องต้นต่อความพยายามโทร = ออเดอร์ที่เสร็จสมบูรณ์และบันทึกไว้ถึงขณะนั้น ÷ ความพยายามโทรทั้งหมดในโคฮอร์ทสัปดาห์ที่โทร × 100 ในที่นี้คือ 20 ÷ 200 × 100 = 10 เปอร์เซ็นต์ นี่คือภาพผลผลิตเชิงปฏิบัติการ ไม่ใช่อัตราแปลงลูกค้าสุดท้าย ค่านี้ยังเป็นเบื้องต้นจนช่วงเชื่อมออเดอร์เดิมของทั้งโคฮอร์ทปิดครบ แล้วจึงรายงานผลผลิตออเดอร์ของกลุ่มที่ครบช่วงด้วยกติกานับและเชื่อมออเดอร์แบบเดิม

อัตรา 25 เปอร์เซ็นต์ในกลุ่มที่ครบช่วงเป็นผลลัพธ์ที่สังเกตได้ อาจใช้เป็นตัวชี้วัดผลในการทดสอบสคริปต์แบบควบคุม แต่เพียงอัตราเดียวไม่พิสูจน์ว่าสคริปต์ทำให้เกิดการซื้อ ต้องทำให้การจัดกลุ่ม กลุ่มเป้าหมาย ข้อเสนอ และช่วงสังเกตผลเทียบกันได้ ส่วนออเดอร์ต่อความพยายามโทร 10 เปอร์เซ็นต์ที่ยังเป็นเบื้องต้น คือผลผลิตเชิงปฏิบัติการของทั้งสัปดาห์ ไม่ใช่กฎตัดสินกำไรด้วยตัวเอง การตัดสินว่าแคมเปญคุ้มค่าหรือไม่ยังต้องพิจารณามูลค่าออเดอร์ ส่วนต่างกำไร ค่าแรง ค่าโทร ส่วนลด และต้นทุนอื่นที่เกี่ยวข้อง เทียบตัวชี้วัดเดียวกันในช่วงที่ครบแล้วและเทียบกันได้ การเปลี่ยนตัวหารไม่ได้ทำให้ผลงานจริงดีขึ้น

บทความของ Salesforce อธิบายสูตร sales conversion rate โดยความหมายของเปอร์เซ็นต์ขึ้นอยู่กับฐานที่ใช้คำนวณ ในบทความนี้จึงใช้หลักเดียวกันกับทุกชั้นของฟันเนล: นิยามตัวหารก่อนคำนวณ และระบุตัวหารนั้นกำกับทุกครั้งเมื่อเผยแพร่อัตราดังกล่าว

อ้างอิง: Salesforce: Sales conversion rate — formula and best practices

ฟันเนลแบบสมมุติครบชุด: ตัวเลขเทเลเซลส์รายสัปดาห์ของ Malee Glow

นี่คือตัวอย่างสมมติเพื่อการสอนชุดเดียว ตัวเลขทั้งหมดแต่งขึ้น ตารางแสดงกิจกรรมและผลลัพธ์สี่ขั้น พร้อมหมายเหตุสถานะโคฮอร์ทแยกต่างหาก กลุ่มติดต่อได้ที่ครบช่วง 80 คนเป็นตัวกรองจากผู้ติดต่อได้ 120 คนเพื่อคำนวณอัตราซื้อ ไม่ใช่ขั้นที่ห้าของฟันเนล และการซื้อไม่จำเป็นต้องผ่านนัดติดตาม

คำนิยามที่ใช้ในตัวอย่างนี้ การพยายามโทร: 1 เหตุการณ์โทรออกที่ถูกบันทึกในระบบ ระบุด้วยรายการ call log ที่มีเวลาและรหัสลูกค้า หากมีหลายรายการที่เป็นรหัสลูกค้าเดียวกัน ให้นับเป็นหลายครั้งของการพยายามโทร การติดต่อได้: รายการ call log ที่มีผลลัพธ์เป็น “รับสาย” และมีการสนทนากับลูกค้าตามชื่ออย่างน้อย 30 วินาที ในตัวอย่างนี้ การพยายามโทร 200 ครั้งนำไปสู่การติดต่อได้แบบคุยสด 120 ครั้ง โดยทั้ง 120 ครั้งนี้เกิดกับลูกค้าไม่ซ้ำกัน 120 ราย ส่วนอีก 80 ครั้งที่เหลือเป็นสายที่ไม่มีคนรับซึ่งเป็นการโทรซ้ำถึงลูกค้า 40 รายที่ไม่เคยติดต่อได้สำเร็จเลย จึงไม่ก่อให้เกิด contact เพิ่มเติม นัดติดตาม: รายการนัดหมายในปฏิทินที่สร้างระหว่างหรือทันทีหลังการติดต่อ มีวันที่นัด รหัสลูกค้า และผู้รับผิดชอบการติดตาม นัดติดตามทั้ง 40 รายการเป็นส่วนย่อยของการติดต่อได้ 120 ครั้ง หมายความว่าลูกค้า 40 รายนี้ทั้งคุยสายสดและตกลงนัดหมายแล้ว แต่ผลการซื้อของพวกเขายังไม่ทราบในเวลาที่ออกรายงาน ตัวกรองสถานะโคฮอร์ท: ณ จุดออกรายงานย้อนหลังนี้ กลุ่มที่ติดต่อได้ก่อนหน้า 80 คนผ่านไปอย่างน้อยเจ็ดวันและปิดช่วงวัดผลเจ็ดวันครบแล้ว ส่วนกลุ่มภายหลัง 40 คนยังไม่ถึงเจ็ดวันและช่วงวัดผลยังเปิดอยู่ ในตัวอย่างสมมตินี้กลุ่มภายหลัง 40 คนมีนัดค้างอยู่ด้วย แต่การครบช่วงขึ้นกับเวลาที่ผ่านไป ไม่ใช่การมีนัด การซื้อ: ออเดอร์ที่เสร็จสมบูรณ์ ระบุด้วยรหัสออเดอร์ที่ไม่ซ้ำในระบบจัดการคำสั่งซื้อ โดยออเดอร์นั้นถูกสั่งภายใน 7 วันหลังการติดต่อจากเทเลเซลส์ และมีการบันทึกว่าการติดต่อนั้นเป็นจุดเริ่มต้นของออเดอร์ ในตัวอย่างสมมุตินี้ มีออเดอร์ที่เสร็จสมบูรณ์ 20 ออเดอร์จากลูกค้าไม่ซ้ำกัน 20 รายภายในกลุ่มติดต่อได้ที่ครบช่วงวัดผล 80 ครั้ง โดยไม่มีออเดอร์ใดมาจาก 40 รายที่นัดติดตามแล้วยังไม่ปิดผลลัพธ์

จำนวนสมมติของทั้งสี่ชั้นคือความพยายามโทร 200 ครั้ง ติดต่อได้จริง 120 ครั้ง นัดติดตาม 40 นัด และออเดอร์ที่เสร็จสมบูรณ์ 20 รายการจากผู้ซื้อ 20 คน อัตราติดต่อได้คือ 120 ÷ 200 = 60 เปอร์เซ็นต์ อัตราจองนัดติดตามคือ 40 ÷ 120 = 33.3 เปอร์เซ็นต์ เมื่อกรองโคฮอร์ทจะได้อัตราผู้ซื้อที่สังเกตได้ 20 ÷ 80 = 25 เปอร์เซ็นต์ในลูกค้าที่ติดต่อได้และครบช่วง 80 คน ส่วนออเดอร์เบื้องต้นต่อความพยายามโทรของทั้งสัปดาห์คือ 20 ÷ 200 = 10 เปอร์เซ็นต์ ไม่มีออเดอร์ใดใน 20 รายการมาจาก 40 คนที่รอผล นัดติดตามเป็นอีกแขนง ไม่ใช่ขั้นบังคับก่อนซื้อ ออเดอร์ภายหลังจะนับในตัวอย่างนี้ได้เฉพาะภายในช่วงเจ็ดวันเดิม มิฉะนั้นให้รายงานแยกด้วยกติกาที่ระบุไว้

มีข้อควรระวังสำคัญ 2 ข้อในตัวอย่างนี้ ข้อแรก หากมีลูกค้าหนึ่งรายสั่ง 2 ออเดอร์ จำนวนตามรหัสออเดอร์จะไม่เท่ากับจำนวนลูกค้าที่ซื้ออีกต่อไป — และทีมต้องตัดสินใจให้ชัดว่า KPI นี้ติดตาม “จำนวนออเดอร์” หรือ “จำนวนลูกค้าที่ซื้อ” ทั้งสองแบบใช้ได้ทั้งคู่ แต่ปล่อยให้นิยามไม่ชัดไม่ได้ ในตัวอย่างสมมุตินี้ ลูกค้าที่ซื้อทั้ง 20 รายสั่งคนละ 1 ออเดอร์พอดี จึงทำให้ทั้งสองจำนวนเท่ากัน ข้อสอง เมื่อ 40 นัดติดตามนั้นครบช่วงวัดผลแล้ว บางส่วนอาจเปลี่ยนเป็นการซื้อได้ ทำให้อัตราซื้อต่อการติดต่อได้สุดท้ายของทั้ง 120 ครั้งต่างจากตัวเลขระหว่างทาง 25 เปอร์เซ็นต์ที่คำนวณจาก 80 กลุ่มติดต่อได้ที่ครบช่วงวัดผลเพียงอย่างเดียว ดังนั้นอัตราใดที่ยังอยู่ระหว่างดำเนินการควรถูกติดป้ายให้ชัดว่าเป็นตัวเลขเบื้องต้น

กับดักของตัวหาร: เมื่อเอาคนละชั้นมาปนกัน ทุกอัตราจะบิดเบือนทันที

ความผิดพลาดที่พบบ่อยที่สุดในการรายงานผลเทเลเซลส์ ไม่ใช่การเลือกสูตรผิด แต่คือการเปลี่ยนตัวหารกลางคันโดยไม่รู้ตัว ต่อไปนี้คือ 4 สถานการณ์ชัด ๆ ที่เกิดขึ้นบ่อย และผลที่ตามมาในแต่ละกรณี

สถานการณ์แรก: รายงานออเดอร์ต่อความพยายามโทรเบื้องต้น 20 ÷ 200 = 10 เปอร์เซ็นต์ แต่กำลังอธิบายผลซื้อที่สังเกตได้ในกลุ่มที่ครบช่วง 20 ÷ 80 = 25 เปอร์เซ็นต์ สองค่านี้ใช้คนละประชากรและหน่วย ไม่มีตัวใดพิสูจน์ว่าคอขวดอยู่ที่สคริปต์ รายชื่อ หรือเวลาโทร ต้องตรวจบันทึกที่เทียบกันได้และใช้การออกแบบแบบควบคุม ก่อนอ้างว่าความต่างที่เห็นคือผลเพิ่มจากเหตุใดเหตุหนึ่ง

สถานการณ์ที่สอง: รายงานจำนวนนัดติดตาม ÷ จำนวนพยายามโทร แทนที่จะใช้จำนวนนัดติดตาม ÷ จำนวนติดต่อได้ แบบนี้จะได้ (40 ÷ 200) × 100 = 20 เปอร์เซ็นต์ แทนที่จะเป็น 33.3 เปอร์เซ็นต์ ทีมจะดูเหมือนนัดติดตามได้ในอัตราต่ำ ทั้งที่จริงแล้วพวกเขาเปลี่ยนบทสนทนา 1 ใน 3 ให้เป็นนัดหมายที่มีการตกลงชัดเจนได้

สถานการณ์ที่สาม: สับสนระหว่างรหัสออเดอร์ที่ไม่ซ้ำกับจำนวนลูกค้าที่ซื้อ เมื่อใช้จำนวนซื้อเป็นตัวตั้ง หากลูกค้าหนึ่งรายสั่ง 2 ออเดอร์แยกกันหลังการติดต่อ 1 ครั้ง จำนวนตามรหัสออเดอร์จะมากกว่าจำนวนลูกค้าที่ซื้อ แต่ละแบบตอบคนละคำถาม ผลกระทบต่อรายได้ (ซึ่งขยายตามจำนวนออเดอร์) ไม่เหมือนกับการเปลี่ยนลูกค้าให้ซื้อ (ซึ่งขยายตามจำนวนลูกค้า) และทั้งสองตัวเลขนี้ไม่ได้มาจากการนับแถวใน call log แต่ต้องกระทบกับข้อมูลในระบบจัดการคำสั่งซื้อ

สถานการณ์ที่สี่: เอา cohort ที่ยังไม่ครบช่วงผลลัพธ์มารวมในอัตราซื้อ นัดติดตามทั้ง 40 รายการในตัวอย่าง Malee Glow ยังไม่มีเวลาพอให้ผลลัพธ์ปิด หากคำนวณอัตราซื้อโดยปฏิบัติต่อทั้ง 40 รายเหมือนรู้ผลแล้วว่า “ไม่ซื้อ” จะได้ (20 ÷ 120) × 100 = 16.7 เปอร์เซ็นต์ ซึ่งต่ำกว่า 25 เปอร์เซ็นต์ที่สะท้อนเฉพาะ 80 กลุ่มติดต่อได้ที่ปิดช่วงเวลาวัดผลแล้วจริง ๆ ดังนั้นการวัดการเปลี่ยนผ่านระหว่างขั้น ควรใช้เฉพาะประชากรที่ทราบผลลัพธ์ของขั้นนั้นแล้วเท่านั้น และอัตราใดที่ยังอยู่ระหว่างรอผลควรถูกติดป้ายให้ชัดว่าเป็นตัวเลขเบื้องต้น

อ้างอิง: HubSpot: Sales conversion rate glossary definition

ตัวชี้วัดกิจกรรม เทียบกับ KPI ด้านผลลัพธ์: ความต่างที่ใช้ได้จริง

Attempts หรือจำนวนครั้งที่พยายามโทร และจำนวน Contacts แบบนับดิบ เป็นตัวชี้วัดกิจกรรม ส่วน contact rate, อัตราการนัดติดตาม และอัตราการซื้อ เป็น KPI ด้านผลลัพธ์ ความต่างนี้สำคัญมาก เพราะวิธีแก้เมื่อแต่ละตัวต่ำกว่าเป้านั้นต่างกันโดยสิ้นเชิง

เมื่อ ตัวชี้วัดกิจกรรม ต่ำกว่าเป้า — เช่น ทีมของคุณโทรออกได้เพียง 150 ครั้งต่อวัน เทียบกับเป้าที่ 200 ครั้ง — วิธีแก้เป็นเรื่องปฏิบัติการ เช่น เพิ่มจำนวนพนักงาน ขยายช่วงเวลาที่โทร เตรียมรายชื่อลูกค้าให้พร้อมขึ้น หรือใช้เครื่องมือช่วยโทรอัตโนมัติ คำตอบอยู่ที่ทรัพยากรและการจัดตาราง

เมื่อ KPI ด้านผลลัพธ์ ต่ำกว่าเป้า — เช่น อัตราการติดต่อได้ลดลงอย่างชัดเจน — วิธีแก้ต้องใช้การสืบหาสาเหตุ: ทำไมคนรับสายน้อยลง? เบอร์ของคุณถูกมองว่าเป็นสแปมหรือไม่? เวลาโทรไม่เหมาะกับฐานลูกค้าของคุณหรือเปล่า? หรือเซกเมนต์รายชื่อหมดอายุแล้ว? คำตอบอยู่ที่คุณภาพรายชื่อ การเลือกช่องทาง และจังหวะเวลาโทร

เมื่ออัตราการนัดติดตามลดลง วิธีแก้จะอยู่ที่บทสนทนา: ข้อเสนออาจเปลี่ยนไป สคริปต์อาจยังไม่ตอบข้อโต้แย้งที่ใช่ หรือพนักงานอาจกำลังโทรหาลูกค้าที่วงจรการซื้อยังไม่ถึงจุดที่เกิดความต้องการ คำตอบอยู่ที่การออกแบบข้อเสนอ การเลือกเซกเมนต์ และการฝึกอบรมพนักงาน

HubSpot สนับสนุนการแยกการวัดกิจกรรมออกจากการวัดผลลัพธ์ ส่วนแนวทางแก้ปัญหาแต่ละแบบที่แนะนำในคู่มือนี้เป็นสมมติฐานให้ตรวจสอบกับบันทึกของทีม ไม่ใช่คำอธิบายที่แหล่งข้อมูลนั้นพิสูจน์ไว้ อัตราต่ำเพียงอย่างเดียวระบุสาเหตุไม่ได้ ต้องตรวจนิยาม คุณภาพข้อมูล และช่วงสังเกตผลที่เทียบกันได้ก่อนเลือกวิธีปรับปรุง

อ้างอิง: HubSpot: Top sales performance metrics for 2026

cohort ที่ยังไม่ครบผลลัพธ์ เทียบกับ cohort ที่ข้อมูลครบแล้ว: คำเตือนด้านเวลาอันสำคัญ

ทุกการคำนวณอัตราการซื้อ แฝงสมมติฐานไว้อย่างหนึ่งเสมอ คือช่วงเวลาสังเกตผลของลูกค้าทุกคนที่อยู่ในตัวหารต้องปิดครบแล้ว แต่ในทางปฏิบัติ ทีมเทเลเซลส์โทรหาลูกค้าตลอดทั้งสัปดาห์ และลูกค้าที่ถูกโทรวันศุกร์อาจมาซื้อในวันพุธถัดไป ซึ่งยังถือว่าอยู่ในกรอบ attribution window เจ็ดวันได้

ถ้าคุณคำนวณอัตราการซื้อรายสัปดาห์ในบ่ายวันศุกร์ การติดต่อทั้งหมดที่เกิดขึ้นในวันพฤหัสบดีและวันศุกร์จะอยู่ใน immature cohort นั่นคือหน้าต่างเวลารอดูผลลัพธ์ของพวกเขายังไม่ปิด การใส่ลูกค้ากลุ่มนี้ลงในตัวหารราวกับว่าเป็นผู้ไม่ซื้อที่ปิดผลแล้ว จะกดอัตราให้ต่ำกว่าความจริง การตัดออก — หรือรอให้ attribution window ปิดก่อนจึงค่อยสรุปอัตรา — จะให้ภาพที่แม่นยำกว่า

ตรรกะเดียวกันนี้ใช้กับการนัดติดตามเช่นกัน การนัดติดตามที่จองไว้ในวันอังคารหน้า เป็นผลลัพธ์ที่ยังค้างอยู่ ไม่ใช่ผลลัพธ์ที่ปิดแล้ว หากคุณต้องการวัดอัตราการซื้อในกลุ่มลูกค้าที่ผ่านการโทรติดตามแล้ว คุณต้องรอให้การนัดเหล่านั้นเกิดขึ้นจริง และบันทึกผลลัพธ์ครบก่อน จึงค่อยนำไปรวมในสูตร conversion ใด ๆ

นี่ไม่ใช่รายละเอียดทางเทคนิคเล็กน้อย ในทุกสัปดาห์ที่ยังมีสัดส่วนการติดต่อจำนวนมากซึ่งมีนัดติดตามค้างอยู่ การรายงานลูกค้าทั้งหมดราวกับว่าทราบผลลัพธ์ครบแล้ว จะทำให้ conversion ต่ำกว่าความจริงอย่างสม่ำเสมอ — และทีมอาจไม่เคยเข้าใจเลยว่าทำไมตัวเลขจึงดูดีขึ้นเสมอเมื่อย้อนกลับไปดู cohort ที่เก่ากว่า ควรติดป้ายให้ชัดเจนว่าอัตราใดเป็นตัวเลขเบื้องต้นระหว่างทาง และค่อยสรุปอัตราของ cohort เมื่อ attribution window ปิดครบสำหรับทุกคนในตัวหารแล้ว

ควรทำอย่างไรเมื่อ KPI แต่ละชั้นต่ำกว่าเป้า

อัตราการติดต่อได้ต่ำ (ต่ำกว่า baseline หรือเป้าของทีมคุณเอง) ให้ตรวจ 3 เรื่องก่อน หนึ่ง เบอร์ที่ใช้โทรออกถูกค่ายมือถือหรือระบบกรองสายมองว่าเป็นสแปมหรือไม่ — ลูกค้าที่เห็นเบอร์ไม่คุ้นพร้อมป้ายลักษณะว่าเป็นความเสี่ยงสแปม มักไม่รับสาย สอง ตรวจสัดส่วนช่วงเวลาที่โทร และเปรียบเทียบอัตรารับสายตามแต่ละช่วงเวลาสำหรับฐานลูกค้าของคุณเอง เพราะช่วงเวลาที่เหมาะที่สุดอาจต่างกันไป สาม ทบทวนความสดใหม่ของรายชื่อ: เบอร์โทรที่เก่าและไม่มีการซื้อล่าสุด มักมีอัตราตัดสายหรือเป็นเบอร์ผิดสูงกว่า แม้เกณฑ์ที่แน่นอนจะต่างกันไปตามตลาด ข้อเหล่านี้เป็นจุดเริ่มต้นเชิงตัวอย่างสำหรับการสืบหาสาเหตุ ไม่ใช่สาเหตุที่รับประกันได้ วิธีแก้อยู่ที่สุขอนามัยของรายชื่อและสุขอนามัยของการโทร ไม่ใช่การแก้สคริปต์

อัตราการนัดติดตามต่ำ (ต่ำกว่า baseline หรือเป้าของทีมคุณเอง) ให้ฟังบันทึกการสนทนาที่ติดต่อได้ แล้วหาสาเหตุที่ลูกค้าปฏิเสธการนัดติดตามบ่อยที่สุด เช่น 'ขอคิดดูก่อนแล้วจะโทรกลับ' — อาจแปลว่าข้อเสนอขาดความเร่งด่วน หรือ 'ซื้อจากที่อื่นแล้ว' — อาจแปลว่าคุณเลือกเซกเมนต์ช้าเกินไปในวงจรการซื้อ หรือ 'ตอนนี้ยังไม่ต้องใช้' — อาจแปลว่าจังหวะเวลาหรือเซกเมนต์ RFM ไม่ตรงกับข้อเสนอ แต่ละคำตอบชี้ไปคนละทาง: การออกแบบความเร่งด่วน การตั้ง trigger ของเซกเมนต์ให้เร็วขึ้น หรือการจับคู่สินค้าใหม่ให้เหมาะกว่าเดิม

อัตราการซื้อในกลุ่มลูกค้าที่ติดต่อได้และปิดผลแล้วต่ำ (ต่ำกว่า baseline หรือเป้าของทีมคุณเอง) ชั้นนี้อาจปะปนลูกค้า 2 กลุ่มเข้าด้วยกัน: ลูกค้าที่ซื้อทันที กับลูกค้าที่นัดติดตามแล้วจึงซื้อภายหลัง (หรือไม่ซื้อ) การแยกเป็นอัตราย่อย 2 ตัว — อัตราซื้อทันทีในกลุ่มลูกค้าที่ไม่ได้นัดติดตาม และอัตราการซื้อในกลุ่มลูกค้าที่นัดติดตามเสร็จสมบูรณ์แล้ว — จะช่วยให้เห็นว่าแท้จริงแล้วปัญหาอยู่ที่การปิดการขายทันทีของสคริปต์อ่อนเกินไป หรือการทำ follow-up ของคุณมีปัญหา

อัตราการซื้อในกลุ่มที่นัดติดตามเสร็จสมบูรณ์แล้วต่ำโดยเฉพาะ หากลูกค้าที่มาตามนัดติดตามยังไม่ซื้อ ปัญหาอาจอยู่ที่การโทรติดตามนั้นเอง: พนักงานไม่ได้อ้างอิงบทสนทนาก่อนหน้า ข้อเสนอมีการเปลี่ยนแปลงโดยลูกค้าไม่ได้รับทราบ หรือมีความติดขัดตอนชำระเงินที่ช่องทางเทเลเซลส์ช่วยแก้ไม่ได้ นี่คือจุดที่การเชื่อมบันทึกเทเลเซลส์เข้ากับระบบจัดการออเดอร์ — เพื่อให้พนักงานยืนยันสต๊อก ใส่โค้ดส่วนลดที่เคยรับปากไว้ หรือช่วยปิดออเดอร์แทนลูกค้า — อาจสร้างความต่างที่วัดผลได้

CasperBrain เข้ามาอยู่ตรงไหนในกระบวนการนี้

CasperBrain เป็นผลิตภัณฑ์ด้านการวิเคราะห์การรักษาลูกค้าและการวางแผน โดยแบ่งกลุ่มฐานลูกค้าของคุณด้วยคะแนน RFM — Recency, Frequency และ Monetary — โดยใช้ 4 quartiles ที่ 1 คือกลุ่มดีที่สุด และ 4 คือกลุ่มอ่อนที่สุด คะแนนผสมอย่าง '114' หมายความว่าลูกค้าอยู่ใน quartile ที่ดีที่สุดด้านความใหม่ของการซื้อ อยู่ใน quartile ที่ดีที่สุดด้านความถี่การซื้อ และอยู่ใน quartile ที่อ่อนที่สุดด้านมูลค่าการใช้จ่าย ซึ่งบอกได้อย่างเฉพาะเจาะจงว่าควรจัดลำดับความสำคัญของลูกค้ากลุ่มใดสำหรับแคมเปญเทเลเซลส์ และเพราะอะไร

ภายใน CasperBrain ผู้ใช้ที่ได้รับสิทธิ์สามารถ export ข้อมูลลูกค้าเป็นไฟล์ CSV ได้ โดยฟิลด์ที่มองเห็นในไฟล์ export จะขึ้นอยู่กับสิทธิ์ของบัญชีคุณ ทีมเทเลเซลส์ที่กำลังวางแผนแคมเปญดึงลูกค้าเก่ากลับมา อาจทำงานจากรายชื่อลูกค้าที่กรองไว้ให้มี recency quartile เป็น 3 หรือ 4 (ไม่ได้ซื้อมาระยะหนึ่งแล้ว) และมี frequency quartile เป็น 1 หรือ 2 (มีความถี่การซื้อค่อนข้างสูงกว่าเมื่อเทียบภายในข้อมูลของร้านนี้) ภายใต้การกระจายของร้านนั้น ลูกค้ากลุ่มนี้มักซื้อบ่อยกว่าลูกค้ากลุ่มอื่น ๆ แม้ quartile เพียงอย่างเดียวจะยังไม่บอกจำนวนออเดอร์แบบสัมบูรณ์ และไม่รับประกันว่าไม่ใช่ลูกค้าที่เคยซื้อเพียงครั้งเดียว การเพิ่มตัวกรองขั้นต่ำเรื่องจำนวนออเดอร์ หากข้อมูลของคุณรองรับ จะช่วยให้การคัดเลือกคมขึ้นได้อีก

การแบ่งเซกเมนต์นี้กำหนด input ของฟันเนลเทเลเซลส์ของคุณ รายชื่อ input ที่เจาะจงมากขึ้นอาจทำให้อัตราการติดต่อได้และอัตราการนัดติดตามดีกว่ารายชื่อที่กว้างเกินไปหรือเก่าเกินไปในทางปฏิบัติ แต่ผลลัพธ์นี้ขึ้นอยู่กับคุณภาพข้อมูลและการทำแคมเปญของคุณเอง ไม่ใช่พฤติกรรมอัตโนมัติของผลิตภัณฑ์ CasperBrain ทำหน้าที่สร้างการวิเคราะห์เซกเมนต์และการ export ข้อมูล ไม่ได้เป็นผู้โทรออก ส่วน attempts, contacts และ follow-ups ต้องติดตามในระบบบันทึกการโทรของคุณ ขณะที่ purchases ต้องกระทบยอดกับระบบจัดการออเดอร์และเชื่อมกับการติดต่อผ่านรหัสลูกค้า โดยรายงานจำนวนของทั้งสี่ชั้นแยกกัน และระบุตัวหารของอัตรา KPI ทุกค่า

ทีมอาจเลือกทบทวนผลลัพธ์ของแคมเปญควบคู่กับข้อมูลเซกเมนต์จาก CasperBrain เมื่อต้องวางแผนแคมเปญถัดไป — เช่น เปรียบเทียบด้วยตนเองว่าเซกเมนต์ RFM ใดให้อัตราการติดต่อได้หรืออัตราการนัดติดตามสูงกว่า — แต่การทบทวนนี้เป็นขั้นตอนการวางแผนที่ทีมของคุณทำเอง ไม่ใช่การดึงข้อมูลกลับอัตโนมัติหรือวงจรในตัวผลิตภัณฑ์ มีข้อควรระวังสำคัญเรื่องลำดับเวลา: คะแนน RFM สะท้อนประวัติการซื้อถึงจุดเวลาที่ข้อมูลอ้างอิงถูกจัดเตรียมไว้ หากมีความล่าช้าในการบันทึกออเดอร์ เซกเมนต์ของลูกค้าอาจยังไม่สะท้อนการซื้อล่าสุดของเขา ดังนั้นควรตรวจสอบความสดใหม่ของข้อมูลคำสั่งซื้อที่อยู่เบื้องหลังทุกครั้ง ก่อนถือว่าเซกเมนต์ที่ export ออกมาเป็น input ที่ยืนยันแล้วสำหรับแคมเปญจริง

วิธีแก้ปัญหาข้อผิดพลาดที่พบบ่อยในการบันทึกและรายงานผล

ปัญหา: อัตราติดต่อได้ที่บันทึกไว้สูงกว่าฐานอ้างอิงของทีมซึ่งเทียบกันได้อย่างผิดคาด อัตราสูงไม่ได้แปลว่าผิดเสมอไป และที่นี่ไม่ได้ใช้ค่าตัดสากล ให้ตรวจว่ามีการนับข้อความเสียง คนรับที่ไม่ใช่ลูกค้าที่ต้องการ หรือสายที่วางทันที เป็นการสนทนาจริงกับลูกค้าหรือไม่ ตกลงนิยามการติดต่อได้ก่อนนับ ส่วนระยะขั้นต่ำ เช่น 30 วินาที เป็นเพียงตัวอย่างกติกาบันทึกภายใน ไม่ใช่มาตรฐานอุตสาหกรรม

ปัญหา: จำนวนการซื้อของคุณไม่ตรงกับจำนวนในระบบจัดการออเดอร์สำหรับช่วงเวลาเดียวกัน สาเหตุที่เป็นไปได้: ฝั่งเทเลเซลส์กำลังนับรหัสออเดอร์ที่ไม่ซ้ำกัน ขณะที่ระบบออเดอร์นับจำนวนลูกค้าที่ซื้อที่ไม่ซ้ำกัน หรือกลับกัน ลูกค้าหนึ่งคนที่สั่งซื้อสองครั้งจะสร้างรหัสออเดอร์ 2 รายการ แต่มีลูกค้าที่ซื้อเพียง 1 คน วิธีแก้: ตกลงกันให้ชัดว่า KPI นี้จะติดตามรหัสออเดอร์ที่ไม่ซ้ำกัน หรือจำนวนลูกค้าที่ซื้อที่ไม่ซ้ำกัน จากนั้นบันทึกคำนิยามนั้นไว้ และกระทบยอดสองระบบตามคำนิยามเดียวกันทุกสัปดาห์

ปัญหา: อัตราการนัดติดตามของคุณดีขึ้นทุกสัปดาห์ ทั้งที่สคริปต์การขายไม่ได้เปลี่ยน สาเหตุที่เป็นไปได้: พนักงานเริ่มรู้ว่ารายการนัดติดตามถูกนำไปคิดคะแนนผลงาน จึงบันทึกโน้ตแบบกว้าง ๆ ว่า “จะโทรกลับ” ให้กลายเป็นนัดหมายติดตาม วิธีแก้: กำหนดว่ารายการนัดติดตามต้องมีวันที่ที่ชัดเจน มีรหัสลูกค้า และมีชื่อพนักงานที่ยืนยันแล้ว — หากขาดข้อมูลข้อใดข้อหนึ่ง ให้ตัดรายการนั้นออกจาก KPI การนัดติดตาม

ปัญหา: เมื่อย้อนกลับมาดู อัตราการซื้อของสัปดาห์นี้มักต่ำกว่าสัปดาห์ก่อนเสมอ สาเหตุที่เป็นไปได้: โคฮอร์ตยังไม่ครบระยะติดตาม ตอนที่คุณคำนวณอัตราของสัปดาห์ที่แล้ว รายชื่อลูกค้าที่ติดต่อบางส่วนยังอยู่ภายใน attribution window พอมาถึงสัปดาห์นี้ ผลลัพธ์ของรายชื่อติดต่อกลุ่มนั้นจึงเริ่มครบ และมีบางส่วนซื้อ ทำให้อัตราย้อนหลังสูงขึ้น วิธีแก้: สรุปอัตราของแต่ละโคฮอร์ตเมื่อ attribution window ปิดครบแล้วสำหรับทุกคนในตัวหารเท่านั้น และติดป้ายให้ชัดเจนเสมอหากอัตราใดยังเป็นตัวเลขเบื้องต้น

ปัญหา: สมาชิกทีมสองคนใช้คนละตัวหารภายใต้ชื่ออัตราติดต่อได้เดียวกัน คู่มือนี้นิยามอัตราติดต่อได้เป็นเหตุการณ์คุยได้จริง ÷ ความพยายามโทร ส่วนอัตราเข้าถึงแบบรายคนต้องเป็นลูกค้าที่คุยได้แบบไม่ซ้ำ ÷ ลูกค้าที่โทรหาแบบไม่ซ้ำ โดยแยกคนทั้งสองฝั่งในช่วงเดียวกัน การสนทนาจริงต่อคนไม่ซ้ำที่โทรหาเป็นผลผลิตแบบเหตุการณ์ต่อคนอีกค่าหนึ่งซึ่งอาจต่างออกไป ตั้งชื่อและหน่วยของแต่ละค่าแยกกัน อย่าเผยแพร่ว่าเป็นนิยามที่ใช้แทนกันได้ของอัตราติดต่อได้ค่าเดียว

แผนเริ่มต้นแบบทำได้จริงสำหรับร้านค้าที่เพิ่งเริ่มตั้งระบบติดตาม KPI เทเลเซลส์

ถ้าทีมของคุณตอนนี้ติดตามเพียง “conversion rate” ตัวเดียวจากบันทึกการโทรแบบรวม ลำดับต่อไปนี้จะช่วยให้คุณแยก จำนวนของฟันเนลทั้งสี่ชั้นและอัตรา KPI ที่เกี่ยวข้องได้อย่างเป็นรูปธรรม โดยไม่ต้องยกเครื่องระบบทั้งหมดในครั้งเดียว

สัปดาห์ที่หนึ่ง: เพิ่ม 2 ฟิลด์ลงในบันทึกการโทรที่ใช้อยู่เดิม ฟิลด์แรกคือผลลัพธ์ของสาย โดยอย่างน้อยควรมี 3 ค่า: ไม่รับสาย, ติดต่อได้, และเบอร์ไม่ถูกต้อง ฟิลด์ที่สองคือการนัดติดตาม: ใช่หรือไม่ใช่ และถ้าใช่ ให้มีวันที่นัดไว้ด้วย การเพิ่มสองอย่างนี้ก็เพียงพอแล้วสำหรับการคำนวณอัตราติดต่อได้และอัตรานัดติดตามได้ทันที

สัปดาห์ที่สอง: เชื่อมบันทึกการโทรเข้ากับระบบจัดการออเดอร์ด้วยรหัสลูกค้า สำหรับทุกออเดอร์ที่เกิดขึ้นภายใน attribution window หลังการติดต่อ ให้ติดธงออเดอร์นั้นด้วยวันที่ติดต่อและรหัสพนักงาน ข้อมูลนี้จะทำให้คุณมีข้อมูลดิบสำหรับคำนวณอัตราเปลี่ยนเป็นการซื้อ โดยไม่ต้องเปลี่ยนโครงสร้างของระบบออเดอร์

สัปดาห์ที่สาม: รัน จำนวนของฟันเนลทั้งสี่ชั้นและอัตรา KPI ที่เกี่ยวข้องควบคู่ไปกับตัวเลขที่คุณเคยรายงานมาก่อน แล้วเปรียบเทียบกัน ช่องว่างระหว่างอัตราเดี่ยวแบบเดิมกับอัตราแบบแยกชั้นชุดใหม่ จะบอกคุณอย่างชัดเจนว่ารายงานแบบเดิมทำให้คุณเข้าใจผิดตรงไหน

ตั้งแต่สัปดาห์ที่สี่เป็นต้นไป: ตั้งเป้าหมายให้แต่ละ KPI แยกจากกัน ใช้ค่าฐานจาก 3 สัปดาห์แรกเป็นจุดเริ่มต้นในการตั้ง benchmark ทบทวนอัตราติดต่อได้และอัตรานัดติดตามทุกสัปดาห์ — เพราะสองตัวนี้ตอบสนองต่อการเปลี่ยนแปลงของรายชื่อและสคริปต์ได้ค่อนข้างเร็ว ทบทวนอัตราเปลี่ยนเป็นการซื้อก็ต่อเมื่อ attribution window ครบแล้วสำหรับรายชื่อติดต่อในแต่ละโคฮอร์ต และทบทวนความสัมพันธ์ระหว่างกลุ่ม RFM กับ KPI แต่ละตัวเป็นระยะ — กลุ่มลูกค้าที่ให้อัตราติดต่อได้สูงสุด อัตรานัดติดตามสูงสุด และอัตราการซื้อสูงสุด อาจไม่ใช่กลุ่มเดียวกัน และข้อค้นพบนี้ควรนำไปกำหนดการเลือกกลุ่มเป้าหมายของแคมเปญถัดไป

แหล่งข้อมูลและวิธีจัดทำ

ตัวอย่างในบทความเป็นข้อมูลสมมติ ไม่มีข้อมูลลูกค้าจริง บทความจัดทำโดยทีม CasperBrain โดยใช้ AI ช่วยร่าง ตรวจข้อเท็จจริงและภาษาก่อนเผยแพร่

• Salesforce: Sales KPIs — definition, importance, and how to track them
• Salesforce: Sales conversion rate — formula and best practices
• HubSpot: Sales conversion rate glossary definition
• HubSpot: Top sales performance metrics for 2026