Halo Effect คืออะไร? ยิงแอดสินค้าตัวเดียว แต่ขายตัวอื่นด้วย

“ยิงแอดสินค้า A แล้วสินค้า A ขายได้ 500,000 บาท ถ้าดู Report แค่นี้อาจเหมือนรู้ผลลัพธ์ครบแล้ว แต่ถ้าช่วงเดียวกันสินค้า B, C และยอดค้นหาชื่อแบรนด์เพิ่มขึ้นด้วย เรากำลังทิ้งผลกระทบของแคมเปญไปอีกก้อนหรือเปล่า”

Halo Effect ในการตลาด คือผลกระทบทางอ้อมที่กิจกรรมทางการตลาดหรือแคมเปญหนึ่งสร้างต่อสินค้าอื่น ช่องทางอื่น หรือภาพรวมของแบรนด์ นอกเหนือจากผลลัพธ์ตรงที่แคมเปญนั้นถูกออกแบบมาเพื่อสร้าง

หลายธุรกิจวัดโฆษณาแบบแคบมาก เช่น ยิงแอดสินค้า A แล้วดูเพียงว่าสินค้า A ทำยอดขายได้เท่าไร มี ROAS เท่าไร หรือมี CPA เท่าไร

แต่ Customer Journey ในโลกจริงอาจไม่เดินตรงแบบนั้น ลูกค้าอาจเห็นสินค้า A แล้วเข้าเว็บไซต์ จากนั้นซื้อสินค้า B เพราะเหมาะกับตัวเองมากกว่า หรือจำชื่อแบรนด์ไว้แล้วกลับมาค้นหาภายหลัง บางคนอาจซื้อ Bundle บางคนอาจเข้าหน้าร้าน และบางคนอาจกลับมาซื้อหลัง Campaign จบไปแล้ว

ถ้าวัดเฉพาะ Advertised Product Revenue ธุรกิจอาจประเมินผลของแคมเปญต่ำกว่าความจริง

แต่ในอีกด้านหนึ่ง ถ้าเห็นยอดสินค้าอื่นเพิ่มแล้วรีบสรุปทั้งหมดว่าเป็น Halo Effect ก็อาจประเมินผลสูงเกินจริงเช่นกัน เพราะยอดเหล่านั้นอาจโตจาก Seasonality, Promotion, Organic Demand, คู่แข่งหมดสต็อก หรือปัจจัยอื่น

ดังนั้นการวัด Halo Effect ที่ดีต้องทำสองอย่างพร้อมกัน คือ มองให้กว้างกว่ายอดขายตรง และ ระวังไม่เคลมผลกระทบทางอ้อมเกินหลักฐานที่มี

Key Message คือ ถ้าวัดแค่ยอดขายของสินค้าที่อยู่ในโฆษณา อาจประเมินผลของแคมเปญต่ำกว่าความจริง แต่ถ้าเอายอดที่โตทั้งหมดมาเคลมเป็น Halo Effect ก็อาจหลง Attribution อีกรูปแบบหนึ่ง

Halo Effect คืออะไร

Halo Effect ในบริบทการตลาด คือผลกระทบที่กิจกรรมหนึ่งสร้างเลยออกไปจากเป้าหมายตรงของกิจกรรมนั้น

ตัวอย่างง่ายที่สุด:

• ยิงโฆษณาสินค้า A
• ลูกค้าเห็นแบรนด์
• เข้าเว็บไซต์
• พบว่าสินค้า B เหมาะกว่า
• ซื้อสินค้า B

ถ้าดูเฉพาะยอดขายของสินค้า A เราอาจบอกว่าโฆษณาไม่สร้าง Conversion จากลูกค้าคนนี้

แต่ในระดับธุรกิจ แคมเปญอาจเป็นจุดเริ่มต้นที่ทำให้เกิด Revenue จากสินค้า B

Halo Effect สามารถเกิดได้หลายรูปแบบ เช่น:

• สินค้าอื่นขายเพิ่ม
• ยอดขายทั้งแบรนด์เพิ่ม
• คนเข้าหน้า Product อื่นมากขึ้น
• ยอดค้นหาชื่อแบรนด์เพิ่ม
• Organic Traffic เพิ่ม
• Direct Traffic เพิ่ม
• ยอดขายหน้าร้านเพิ่ม
• ลูกค้ากลับมาซื้อในภายหลัง
• ผลของช่องทางหนึ่งช่วยให้อีกช่องทางทำงานดีขึ้น

ใน Amazon Ads มีการใช้คำว่า Brand Halo เพื่ออธิบายผลลัพธ์ระดับแบรนด์ที่เกิดนอกเหนือจากสินค้าที่ถูกโปรโมตโดยตรง ซึ่งช่วยให้เห็นว่าการโฆษณาสินค้าหนึ่งอาจมีส่วนต่อ Conversion ของสินค้าอื่นในแบรนด์ได้

สามารถดูแนวคิดจาก Amazon Ads Support เรื่อง Brand Halo

อย่างไรก็ตาม คำว่า Halo Effect ไม่ได้มีนิยามหรือ Report มาตรฐานเหมือนกันทุกแพลตฟอร์ม

Facebook Ads, Google Ads, TikTok Ads, Marketplace และระบบ Analytics อาจมอง Customer Journey คนละแบบ

ธุรกิจจึงต้องสร้าง Measurement Framework ของตัวเองว่า:

• อะไรคือ Direct Result
• อะไรคือ Possible Halo Signal
• อะไรคือ Incremental Result ที่มีหลักฐานรองรับ

---

Direct Effect ต่างจาก Halo Effect อย่างไร

การวิเคราะห์ที่ดีควรแยกผลลัพธ์เป็นสองชั้น

Direct Effect

คือผลลัพธ์ตรงที่เกิดกับสิ่งที่ Campaign โปรโมต

ตัวอย่าง:

• ยิงแอดสินค้า A
• ลูกค้าคลิกสินค้า A
• ซื้อสินค้า A

Metrics ที่อาจใช้ดู:

• Advertised Product Revenue
• Advertised Product Orders
• ROAS
• CPA
• Conversion Rate

Halo Effect

คือผลลัพธ์ที่เกิดนอกเหนือจากเป้าหมายตรง

ตัวอย่าง:

• ยิงแอดสินค้า A
• สินค้า B ขายเพิ่ม
• ลูกค้าซื้อ Bundle A + C
• ยอดค้นหาชื่อแบรนด์เพิ่ม
• คนกลับมาซื้อผ่าน Organic Search

สิ่งสำคัญคือ Direct Effect วัดง่ายกว่า เพราะมักอยู่ในเส้นทางที่ระบบ Tracking มองเห็น

Halo Effect วัดยากกว่า เพราะสามารถกระจายไปหลาย:

• สินค้า
• ช่องทาง
• ช่วงเวลา
• อุปกรณ์
• Touchpoint

สมมุติ Campaign รายงาน:

• Advertised Product Revenue = 500,000 บาท

แต่ช่วงเดียวกันเกิด:

• Other Product Revenue เพิ่มจาก Baseline 200,000 บาท
• Branded Search เพิ่ม
• Direct Traffic เพิ่ม

เราไม่ควรรีบบอกว่า Campaign สร้างรายได้ 700,000 บาทโดยอัตโนมัติ

แต่ก็ไม่ควรมองเพียง 500,000 บาทแล้วปิด Report

คำถามที่ถูกต้องคือ:

“มีหลักฐานอะไรบ้างที่บอกว่า Campaign อาจสร้างผลกระทบมากกว่ายอดขายตรง และเราสามารถแยกผลนั้นออกจากปัจจัยอื่นได้ดีแค่ไหน”

---

ยิงแอดสินค้า A แล้วสินค้า B ขายเพิ่มได้อย่างไร

Halo Effect เกิดขึ้นได้เพราะลูกค้าไม่ได้เห็นโฆษณาแล้วซื้อสินค้าที่อยู่ในโฆษณาทันทีเสมอไป

Journey แบบที่ 1: Product Discovery

1. ลูกค้าเห็นสินค้า A
2. สนใจแบรนด์
3. เข้าเว็บไซต์
4. พบสินค้า B
5. ซื้อสินค้า B

สินค้า A ทำหน้าที่เป็น Entry Product

แต่ Revenue ไปเกิดกับสินค้า B

Journey แบบที่ 2: Brand Discovery

1. เห็นแอดสินค้า A
2. จำชื่อแบรนด์
3. ไม่ได้คลิกทันที
4. ค้นหาชื่อแบรนด์ภายหลัง
5. ซื้อสินค้า C

โฆษณาอาจสร้าง Demand ก่อนที่ Conversion จะเกิดในช่องทางอื่น

Journey แบบที่ 3: Bundle Expansion

1. ลูกค้าเข้ามาเพราะสินค้า A
2. เห็น Promotion Bundle
3. ซื้อ A + B + C

ถ้าธุรกิจวัดเฉพาะยอดของ A อาจมองไม่เห็น Basket Expansion

Journey แบบที่ 4: Cross-channel Purchase

1. เห็นโฆษณาออนไลน์
2. จดจำสินค้า
3. ไปซื้อหน้าร้าน

Platform Report อาจไม่เห็น Transaction นี้ทั้งหมด

Journey แบบที่ 5: Delayed Purchase

1. เห็น Campaign วันนี้
2. ศึกษาข้อมูลหลายวัน
3. Campaign จบ
4. กลับมาซื้อสัปดาห์ถัดไป

ผลของโฆษณาสามารถมี Lag

นี่คือเหตุผลที่การวัด Campaign แบบ:

วันเริ่มแคมเปญถึงวันจบแคมเปญเท่านั้น

อาจพลาดผลลัพธ์บางส่วน โดยเฉพาะสินค้าที่ Customer Journey ยาว

---

Metrics อะไรช่วยจับ Halo Effect ได้บ้าง

ไม่มี Metric ตัวเดียวที่พิสูจน์ Halo Effect ได้ครบทั้งหมด

แนวทางที่ดีกว่าคือสร้าง Signal Stack หรือดูหลายสัญญาณร่วมกัน

1. Advertised Product Revenue

ยอดขายของสินค้าที่ถูกโปรโมตโดยตรง

นี่คือ Direct Result ที่ควรเก็บเป็นฐาน

2. Total Brand Revenue

รายได้รวมของทั้งแบรนด์ในช่วง Campaign

ใช้ดูว่าแคมเปญสินค้าเดียวเกิดพร้อมกับการเปลี่ยนแปลงระดับแบรนด์หรือไม่

3. Other Product Sales

ยอดขายสินค้าที่ไม่ได้อยู่ในโฆษณา

ควรดูทั้ง:

• Revenue
• Orders
• Units Sold
• Product Page Views

4. Branded Search

ดูว่าความสนใจในการค้นหาชื่อแบรนด์หรือ Product Brand Terms เปลี่ยนหรือไม่

5. Direct Traffic

ดูการเปลี่ยนแปลงของ Traffic ที่ระบบจัดเป็น Direct แต่ต้องระวังเรื่อง Attribution และ Missing Referrer

6. Brand Store หรือ Category Page Visits

ลูกค้าอาจเข้ามาเพราะสินค้าเดียว แต่สำรวจทั้งแบรนด์ก่อนซื้อ

7. Basket Size

ดูว่า Average Items per Order หรือ Average Order Value เปลี่ยนหรือไม่

8. New Product Discovery

ดูว่าคนที่เข้าจาก Campaign ไปดูหรือซื้อ SKU อื่นมากขึ้นหรือไม่

9. Cross-channel Revenue

เช่น:

• ยิง Social Ads
• ยอด Search เพิ่ม
• ยอด Marketplace เพิ่ม
• ยอดหน้าร้านเพิ่ม

การดู Metric เหล่านี้ร่วมกันช่วยให้ธุรกิจเห็นภาพกว้างขึ้น

แต่ต้องจำว่า:

Correlation ไม่เท่ากับ Causation

การเพิ่มขึ้นพร้อม Campaign เป็นเพียงจุดเริ่มต้นของการวิเคราะห์ ไม่ใช่คำตอบสุดท้าย

---

สูตร Halo Revenue คำนวณอย่างไร

สำหรับ Dashboard ภายใน ธุรกิจสามารถสร้าง Metric ต่อไปนี้เพื่อช่วยวิเคราะห์

Halo Revenue = รายได้จากสินค้าอื่นในช่วง Campaign – Baseline Revenue ของสินค้าเหล่านั้น

ตัวอย่าง:

• รายได้เฉลี่ยจากสินค้าอื่นก่อน Campaign = 300,000 บาทต่อสัปดาห์
• ช่วง Campaign สินค้าอื่นขายได้ = 420,000 บาท

ดังนั้น:

Halo Revenue = 420,000 – 300,000 = 120,000 บาท

แต่ต้องเน้นว่า:

120,000 บาทนี้ยังไม่ใช่ Incremental Revenue ที่พิสูจน์แล้ว

มันคือ:

Observed Revenue Above Baseline

เพราะรายได้ที่เพิ่มอาจมีสาเหตุจาก:

• Seasonality
• Payday
• โปรโมชั่นอื่น
• คู่แข่งลดงบ
• สินค้าไวรัล
• Organic Content

ดังนั้นใน Management Report ควรใช้ชื่อที่ระมัดระวัง เช่น:

• Estimated Halo Revenue
• Observed Other Product Uplift
• Potential Halo Revenue

แทนการเขียนว่า:

“Campaign สร้าง Halo Revenue 120,000 บาทแน่นอน”

สูตรต่อยอด: Halo Revenue Rate

Halo Revenue Rate = Estimated Halo Revenue ÷ Advertised Product Revenue × 100

ตัวอย่าง:

• Advertised Product Revenue = 500,000 บาท
• Estimated Halo Revenue = 120,000 บาท

ดังนั้น:

120,000 ÷ 500,000 × 100 = 24%

แปลว่า Observed Uplift ของสินค้าอื่นมีขนาดประมาณ 24% ของยอดขายตรงจากสินค้าที่โฆษณา

หมายเหตุ: Halo Revenue และ Halo Revenue Rate ในรูปแบบนี้เป็นสูตรวิเคราะห์ต่อยอดสำหรับใช้ภายในธุรกิจ ไม่ใช่ Metric มาตรฐานของทุกแพลตฟอร์มโฆษณา

---

Other Product Sales สำคัญอย่างไร

Other Product Sales เป็นหนึ่งในสัญญาณที่ตรงที่สุดของ Product Halo

ตัวอย่าง:

• Campaign โปรโมตคอลลาเจน
• ยอดคอลลาเจนเพิ่ม
• พร้อมกับยอดวิตามินและผลิตภัณฑ์ดูแลผิวเพิ่ม

สิ่งที่ควรตรวจต่อคือ:

• ลูกค้าใหม่ซื้อสินค้าตัวไหน
• ลูกค้าเข้ามาจาก Landing Page ไหน
• สินค้าตัวไหนถูกซื้อร่วมกัน
• Average Items per Order เพิ่มหรือไม่
• Cross-sell Rate เพิ่มหรือไม่

ตัวอย่าง:

ก่อน Campaign

• สินค้า A = 300,000 บาท
• สินค้า B = 100,000 บาท
• สินค้า C = 100,000 บาท

Total Brand Revenue:

500,000 บาท

ช่วง Campaign โปรโมตสินค้า A

• สินค้า A = 500,000 บาท
• สินค้า B = 150,000 บาท
• สินค้า C = 140,000 บาท

Total Brand Revenue:

790,000 บาท

Direct Increase ของ A:

+200,000 บาท

Observed Increase ของ B และ C:

+90,000 บาท

สิ่งที่ทีมควรทำต่อคือหาว่า 90,000 บาทนี้:

• โตจากคนที่เห็น Campaign หรือไม่
• โตจาก Bundle หรือไม่
• โตจาก Seasonality หรือไม่
• โตเฉพาะกลุ่ม New Customers หรือไม่

ยิ่งมี User-level หรือ Customer-level Data ที่ดี การวิเคราะห์ยิ่งลึกขึ้น

แต่แม้ข้อมูลยังไม่สมบูรณ์ การแยก Advertised Product กับ Other Products ก็ช่วยให้ Report มีมุมมองมากกว่า ROAS ของ SKU เดียว

---

Branded Search ช่วยมองผลทางอ้อมได้อย่างไร

แคมเปญที่สร้าง Awareness อาจไม่ได้ทำให้ทุกคนคลิกทันที

ลูกค้าบางคนอาจ:

1. เห็นโฆษณา
2. จำชื่อแบรนด์
3. ค้นหาแบรนด์ในภายหลัง

ดังนั้น Branded Search สามารถใช้เป็นหนึ่งในสัญญาณประกอบได้

สิ่งที่ดูได้ เช่น:

• Branded Search Impressions
• Branded Search Clicks
• Brand Query Volume
• Google Trends Search Interest
• Search Console Brand Queries

ตัวอย่าง:

• ก่อน Campaign: Brand Search Index = 100
• ช่วง Campaign: Brand Search Index = 140
• หลัง Campaign: Brand Search Index = 120

Pattern แบบนี้อาจบอกว่า Campaign เกิดพร้อมกับความสนใจต่อแบรนด์ที่สูงขึ้น

แต่ยังไม่ควรสรุปทันทีว่า:

Campaign สร้าง Branded Search เพิ่ม 40% ทั้งหมด

เพราะอาจมี:

• ข่าว
• Influencer
• PR
• Content Viral
• Seasonality

Google อธิบายว่า Google Trends ใช้ตัวอย่าง Search Requests ที่ถูกทำให้เป็นข้อมูลรวมและ Normalized ตามเวลาและพื้นที่ จึงเหมาะกับการดู Relative Interest มากกว่าการใช้เป็นยอดค้นหา Absolute Volume โดยตรง

สามารถดูรายละเอียดได้ที่ Google Trends Help เรื่องการตีความ Search Interest

แนวทางที่ดีคือดู Branded Search เทียบกับ:

• Campaign Timeline
• Media Spend
• Other Marketing Activity
• Competitor Activity

แทนการดูกราฟเส้นเดียวแล้วสรุปเหตุผลทันที

---

Direct Traffic ใช้วัด Halo Effect ได้หรือไม่

Direct Traffic สามารถเป็นหนึ่งใน Signal ได้

แต่เป็น Signal ที่ต้องระวังมาก

หลายคนคิดว่า Direct Traffic หมายถึง:

คนพิมพ์ URL เว็บไซต์โดยตรง เพราะจำแบรนด์ได้

ในความจริง Google Analytics สามารถจัด Session เป็น Direct เมื่อไม่มีข้อมูล Referral Source ที่ใช้ได้

ดังนั้น Direct Traffic อาจรวม:

• คนพิมพ์ URL โดยตรง
• Bookmarks
• ลิงก์ที่ไม่มี UTM
• บาง Messaging Apps
• บาง Mobile Apps
• Traffic ที่สูญเสีย Referrer

Google Analytics ระบุว่า Session ถูกประมวลผลเป็น Direct เมื่อไม่มีข้อมูลเกี่ยวกับ Referral Source หรือ Source ที่เกี่ยวข้องถูกตั้งค่าให้ถูก Ignore

ดูรายละเอียดได้ที่ Google Analytics Help เรื่อง Campaigns และ Traffic Sources

ดังนั้น:

Direct Traffic เพิ่ม ไม่เท่ากับ Brand Halo เพิ่มแน่นอน

แนวทางที่ดีกว่าคือดูร่วมกับ:

• Branded Search
• Homepage Landing Traffic
• New vs Returning Users
• Campaign Timeline
• UTM Quality
• Referral Tracking

ถ้า Campaign ใหญ่เริ่มขึ้นแล้วเกิดพร้อมกันทั้ง:

• Branded Search เพิ่ม
• Homepage Traffic เพิ่ม
• Direct Traffic เพิ่ม
• Total Brand Revenue เพิ่ม

Evidence Stack จะน่าสนใจกว่าการดู Direct Traffic ตัวเดียว

---

Halo Effect สามารถข้ามช่องทางได้หรือไม่

ได้ และนี่เป็นหนึ่งในเหตุผลที่ Last-click Attribution หรือ Platform Report เพียงตัวเดียวอาจไม่พอ

ตัวอย่าง:

1. YouTube สร้าง Awareness
2. ลูกค้าค้นหาแบรนด์บน Google
3. เข้าเว็บไซต์
4. ซื้อผ่าน Marketplace

คำถามคือช่องทางไหนควรได้เครดิต

คำตอบที่ตรงไปตรงมาคือ:

อาจมีมากกว่าหนึ่งช่องทางที่มีบทบาท

แต่ละช่องทางอาจทำหน้าที่ต่างกัน:

• สร้าง Demand
• เก็บ Demand
• สร้างความน่าเชื่อถือ
• ปิดการขาย

Google ยกตัวอย่างการใช้ Marketing Mix Modeling เพื่อวิเคราะห์ไม่เพียงผลตรงของแต่ละช่องทาง แต่รวมถึง Dynamic Interactions และผลที่ช่องทางหนึ่งอาจช่วยให้อีกช่องทางทำงานดีขึ้น

อ่านตัวอย่างได้ที่ Think with Google เรื่อง MMM และผลกระทบข้ามช่องทาง

ตัวอย่างที่ควรติดตาม:

• Video Spend เพิ่ม แล้ว Branded Search เพิ่มหรือไม่
• Influencer Campaign เริ่ม แล้ว Marketplace Sales เพิ่มหรือไม่
• Offline Campaign เริ่ม แล้ว Website Traffic เพิ่มหรือไม่
• Social Reach เพิ่ม แล้ว Search CPA ดีขึ้นหรือไม่

แต่ต้องระวังว่า:

การเคลื่อนไหวพร้อมกันไม่ใช่หลักฐานเชิงสาเหตุเสมอไป

ถ้าต้องการความมั่นใจสูงขึ้น อาจต้องใช้:

• Geo Test
• Holdout Group
• Incrementality Test
• Marketing Mix Modeling

---

ตัวอย่างวิเคราะห์ Halo Effect ในธุรกิจจริง

สมมุติแบรนด์อาหารเสริมเปิด Campaign โปรโมตสินค้า A เป็นเวลา 4 สัปดาห์

Baseline เฉลี่ยก่อน Campaign

• สินค้า A = 400,000 บาท
• สินค้า B = 200,000 บาท
• สินค้า C = 150,000 บาท
• สินค้าอื่น = 250,000 บาท

Total Brand Revenue:

1,000,000 บาท

ช่วง Campaign

• สินค้า A = 700,000 บาท
• สินค้า B = 250,000 บาท
• สินค้า C = 190,000 บาท
• สินค้าอื่น = 310,000 บาท

Total Brand Revenue:

1,450,000 บาท

Direct Uplift ของสินค้า A:

700,000 – 400,000 = 300,000 บาท

Observed Uplift ของสินค้าอื่น:

250,000 + 190,000 + 310,000 – 600,000 = 150,000 บาท

Potential Halo Revenue:

150,000 บาท

Halo Revenue Rate แบบวิเคราะห์ภายใน:

150,000 ÷ 700,000 × 100 = ประมาณ 21.43%

แต่ก่อนสรุป ต้องตรวจว่า:

• มี Promotion สินค้า B หรือ C หรือไม่
• เป็น Payday หรือเทศกาลหรือไม่
• Ad Spend รวมเพิ่มขึ้นเท่าไร
• Traffic รวมเพิ่มขึ้นหรือไม่
• คู่แข่งมีปัญหาสต็อกหรือไม่

Signal เพิ่มเติม

สมมุติช่วงเดียวกันพบว่า:

• Branded Search Interest เพิ่ม
• Brand Store Visits เพิ่ม
• Items per Order เพิ่ม
• ลูกค้าที่เข้าจากสินค้า A ไปดูสินค้า B มากขึ้น

กรณีนี้ Evidence Stack แข็งแรงขึ้น

แต่คำที่เหมาะสมใน Report ยังควรเป็น:

“พบสัญญาณของ Halo Effect”

มากกว่า:

“พิสูจน์แล้วว่า Campaign สร้างรายได้ทั้งหมดนี้”

ธุรกิจที่ต้องการวางระบบ Measurement ให้เชื่อม Ads, Revenue และ Customer Journey หลายช่องทาง สามารถดูรายละเอียดได้ที่ บริการการตลาดออนไลน์ (DigitalD2M)

---

ทำไม Baseline สำคัญกว่ายอดที่เพิ่มขึ้น

Halo Revenue ใช้ Baseline เป็นฐาน

ถ้า Baseline ผิด ผลลัพธ์ทั้งหมดก็ผิดตาม

ตัวอย่าง:

• เดือนปกติสินค้าอื่นขาย 300,000 บาท
• ช่วง 12.12 ขายได้ 500,000 บาท

ถ้าใช้ 300,000 บาทเป็น Baseline อาจบอกว่า:

Halo Revenue = 200,000 บาท

แต่ถ้าปีก่อนช่วง 12.12 สินค้าอื่นขายได้ 480,000 บาทอยู่แล้ว

Uplift ที่น่าสนใจอาจเหลือเพียง:

20,000 บาท

นี่คือเหตุผลที่ Baseline ไม่ควรใช้ค่าเฉลี่ยก่อน Campaign แบบง่ายทุกครั้ง

Baseline แบบที่ 1: Pre-period Average

ใช้ค่าเฉลี่ยก่อน Campaign

ข้อดี:

• ง่าย
• เหมาะกับการเริ่มต้น

ข้อเสีย:

• ไม่ควบคุม Seasonality

Baseline แบบที่ 2: Year-over-Year

เทียบช่วงเวลาเดียวกันของปีก่อน

เหมาะกับธุรกิจที่มี Seasonality สูง

Baseline แบบที่ 3: Matched Period

เลือกช่วงที่มี:

• วันใกล้เคียงกัน
• งบใกล้เคียงกัน
• Promotion ใกล้เคียงกัน

Baseline แบบที่ 4: Control Group

ใช้:

• พื้นที่ควบคุม
• กลุ่มลูกค้าควบคุม
• Holdout

เพื่อช่วยแยกผลของ Campaign

Baseline แบบที่ 5: Model-based Baseline

ใช้ Model ควบคุมตัวแปร เช่น:

• Seasonality
• Promotion
• Trend
• Competitor Activity

ยิ่ง Budget ใหญ่และ Decision สำคัญ ยิ่งควรลงทุนกับ Baseline ที่ดีขึ้น

---

Halo Effect ต่างจาก Incrementality อย่างไร

สองคำนี้เกี่ยวข้องกัน แต่ไม่เหมือนกัน

Halo Effect ถามว่า

“Campaign มีผลกระทบเลยออกไปจากเป้าหมายตรงหรือไม่”

ตัวอย่าง:

• ยิงสินค้า A
• สินค้า B ขายเพิ่ม

Incrementality ถามว่า

“ผลลัพธ์นี้จะไม่เกิดขึ้นจริงหรือไม่ ถ้าไม่มี Campaign”

ตัวอย่าง:

• สินค้า B เพิ่ม 100,000 บาท
• ถ้าไม่มี Campaign อาจโตเอง 70,000 บาทอยู่แล้ว

Incremental Halo อาจเหลือ:

30,000 บาท

ดังนั้น:

• Halo Analysis มองหาผลกระทบที่กระจายออกไป
• Incrementality พยายามหาส่วนที่เกิดเพราะ Marketing จริง

ขั้นความมั่นใจสามารถแบ่งง่าย ๆ ได้ว่า:

1. Signal: เห็น Other Product Sales เพิ่ม
2. Association: เพิ่มพร้อม Campaign
3. Strong Evidence: หลาย Signal เคลื่อนไหวสอดคล้องกัน
4. Causal Evidence: มี Experiment หรือ Model ที่ช่วยแยก Counterfactual

ธุรกิจไม่จำเป็นต้องเริ่มที่ระดับ 4 ทุกครั้ง

แต่ควรรู้ว่าหลักฐานของตัวเองอยู่ระดับไหน

การใช้ AI ช่วยรวมข้อมูลยอดขาย สินค้า Campaign และ Search Trend สามารถลดเวลาการวิเคราะห์เบื้องต้นได้ โดยดูแนวทางต่อยอดที่ คอร์ส AI Driven Marketing & Advertising

---

Framework RIPPLE สำหรับวัด Halo Effect แบบไม่เคลมเกินจริง

Halo Effect คล้ายระลอกน้ำ

Campaign ถูกโยนลงไปที่จุดหนึ่ง แต่ผลกระทบสามารถกระจายออกไปหลายทิศทาง

ลองใช้ Framework RIPPLE

1. R – Record the Baseline: เก็บยอดปกติก่อน Campaign
2. I – Isolate the Direct Result: แยกผลตรงของสินค้าที่โปรโมต
3. P – Probe Other Products: ตรวจยอดสินค้าอื่นและ Basket Behavior
4. P – Pair Brand Signals: ดู Branded Search, Traffic และ Brand Interest
5. L – Look for Lag and External Factors: ดูผลล่าช้าและปัจจัยอื่น
6. E – Establish Incrementality: เพิ่มความมั่นใจด้วย Test หรือ Model เมื่อจำเป็น

R – Record the Baseline

ก่อน Campaign เริ่ม ต้องเก็บ:

• Advertised Product Revenue
• Other Product Revenue
• Total Brand Revenue
• Branded Search
• Traffic

I – Isolate the Direct Result

แยกให้ชัดว่าผลตรงคืออะไร

อย่าเอาทั้งแบรนด์มาเป็นผลตรงของ Campaign ตั้งแต่ต้น

P – Probe Other Products

ตรวจ:

• SKU อื่น
• Category อื่น
• Bundle
• Cross-sell

P – Pair Brand Signals

อย่าใช้ Metric เดียว

สร้าง Evidence Stack จาก:

• Other Product Sales
• Branded Search
• Brand Store Visits
• Total Revenue

L – Look for Lag and External Factors

ตรวจ:

• Payday
• Seasonality
• PR
• Influencer
• Competitor Activity
• ผลหลัง Campaign จบ

E – Establish Incrementality

ถ้า Decision มีมูลค่าสูง ให้ใช้:

• Holdout
• Geo Test
• MMM
• Causal Analysis

เพื่อเพิ่มความมั่นใจก่อน Scale Budget

---

Masterclass: วิเคราะห์ Halo Effect อย่างไรให้เห็นภาพรวมโดยไม่หลง Attribution

Masterclass 1: แยกยอดตรง ยอดทางอ้อม และยอดที่ยังพิสูจน์ไม่ได้

Masterclass 2: Campaign ที่ ROAS ต่ำกว่าอาจสร้าง Halo Effect สูงกว่า

Masterclass 3: ใช้ Halo Effect เป็นเหตุผลเพิ่มงบได้ต่อเมื่อ Measurement โตตาม Budget

---

Danger Zone: 5 จุดพลาดที่ทำให้วิเคราะห์ Halo Effect ผิด

ข้อผิดพลาดที่ 1: เอายอดสินค้าอื่นที่โตทั้งหมดมาเป็น Halo Revenue
ยอดสินค้าอื่นสามารถเพิ่มจาก Seasonality, Promotion และ Organic Demand ได้ ผลเสียคือ Campaign ถูกประเมินสูงเกินจริง วิธีหลีกเลี่ยงคือสร้าง Baseline และแยกคำว่า Observed Uplift ออกจาก Incremental Revenue

ข้อผิดพลาดที่ 2: ดูเฉพาะสินค้าที่ลงโฆษณา
ลูกค้าสามารถเข้าเพราะสินค้า A แล้วซื้อ B หรือ Bundle ได้ ผลเสียคือ Campaign ถูกประเมินต่ำเกินจริง วิธีหลีกเลี่ยงคือดู Other Product Sales, Total Brand Revenue และ Basket Behavior เพิ่ม

ข้อผิดพลาดที่ 3: เห็น Direct Traffic เพิ่มแล้วบอกว่า Brand Awareness โต
Direct Traffic สามารถเกิดจาก Missing Referral หรือ Untagged Links ได้ ผลเสียคือธุรกิจเคลม Brand Halo จากปัญหา Tracking วิธีหลีกเลี่ยงคือดู Direct Traffic ร่วมกับ Branded Search, Landing Pages และ UTM Quality

ข้อผิดพลาดที่ 4: ไม่ดู Time Lag
สินค้าบางประเภทใช้เวลาตัดสินใจนาน ผลเสียคือ Campaign ถูกตัดสินเร็วเกินไปหรือผลหลัง Campaign ถูกยกให้ช่องทางอื่นทั้งหมด วิธีหลีกเลี่ยงคือกำหนด Pre-period, Campaign Period และ Post-period ตาม Customer Journey

ข้อผิดพลาดที่ 5: ใช้ Halo Effect เป็นข้ออ้างเมื่อ Direct Performance แย่
คำว่า Brand Effect หรือ Halo Effect ไม่ควรถูกใช้เพื่อหลีกเลี่ยงการวัดผล ผลเสียคือ Campaign ที่ไม่มีประสิทธิภาพถูกเก็บไว้โดยไม่มีหลักฐาน วิธีหลีกเลี่ยงคือกำหนดก่อนเริ่มว่าจะดู Signal อะไร Baseline อะไร และระดับหลักฐานเท่าไรจึงถือว่าเกิดผลทางอ้อม

---

Checklist ก่อนสรุปว่า Campaign สร้าง Halo Effect

• กำหนดแล้วหรือยังว่าอะไรคือ Advertised Product
• เก็บ Baseline ของ Other Product Sales แล้วหรือยัง
• ดู Total Brand Revenue ควบคู่กับยอดสินค้าที่โปรโมตแล้วหรือยัง
• ตรวจ Basket Size และ Cross-sell แล้วหรือยัง
• ดู Branded Search ก่อน ระหว่าง และหลัง Campaign แล้วหรือยัง
• ตรวจ UTM และ Tracking ก่อนใช้ Direct Traffic เป็น Signal แล้วหรือยัง
• ตรวจ Seasonality และ Payday แล้วหรือยัง
• ตรวจ Promotion ของสินค้าอื่นแล้วหรือยัง
• ดูผลหลัง Campaign จบตาม Purchase Lag แล้วหรือยัง
• แยก Observed Uplift ออกจาก Incremental Revenue แล้วหรือยัง
• ใช้หลาย Signal ประกอบแทนการดู Metric เดียวแล้วหรือยัง
• ถ้า Budget ใหญ่ มี Test หรือ Model เพิ่มความมั่นใจแล้วหรือยัง

---

คำถามที่พบบ่อยเกี่ยวกับ Halo Effect ในการตลาด

1. Halo Effect คืออะไร

Halo Effect ในการตลาดคือผลกระทบทางอ้อมที่ Campaign หนึ่งสร้างต่อสินค้าอื่น ช่องทางอื่น หรือทั้งแบรนด์ นอกเหนือจากผลลัพธ์ตรงของสินค้าที่ถูกโปรโมต

2. ยิงแอดสินค้า A แล้วสินค้า B ขายเพิ่ม ถือเป็น Halo Effect ทันทีหรือไม่

ยังสรุปไม่ได้ทันที เพราะยอดสินค้า B อาจเพิ่มจากปัจจัยอื่น ควรเทียบ Baseline, Campaign Timeline, Promotion และ Signal อื่นก่อนสรุปว่ามีความสัมพันธ์กับ Campaign

3. Halo Revenue คำนวณอย่างไร

สูตรวิเคราะห์แบบง่ายคือรายได้จากสินค้าอื่นช่วง Campaign ลบ Baseline Revenue ของสินค้าเหล่านั้น แต่ควรเรียกว่า Estimated หรือ Potential Halo Revenue จนกว่าจะมีหลักฐาน Incrementality ที่แข็งแรงขึ้น

4. Direct Traffic เพิ่มแปลว่าเกิด Halo Effect หรือไม่

ไม่เสมอไป เพราะ Google Analytics สามารถจัด Traffic เป็น Direct เมื่อไม่มี Referral Source ที่ใช้ได้ ควรดูร่วมกับ Branded Search, Homepage Traffic และคุณภาพ Tracking

5. ธุรกิจเล็กวัด Halo Effect ได้หรือไม่

ได้ โดยเริ่มจาก Baseline ง่าย ๆ แยก Advertised Product กับ Other Products แล้วดู Branded Search, Total Brand Revenue และ Campaign Timeline ร่วมกัน เมื่อ Budget โตขึ้นจึงค่อยเพิ่ม Holdout, Geo Test หรือ Model ที่ซับซ้อนขึ้น

---

สรุป Halo Effect: ผลของ Campaign อาจใหญ่กว่ายอดขายตรง แต่ต้องวัดอย่างระมัดระวัง

Halo Effect ช่วยให้ธุรกิจมอง Campaign กว้างกว่ายอดขายของสินค้าที่อยู่ในโฆษณา เพราะลูกค้าสามารถเห็นสินค้า A แล้วซื้อสินค้า B ค้นหาชื่อแบรนด์ภายหลัง ซื้อผ่านช่องทางอื่น หรือกลับมาซื้อหลัง Campaign จบได้

Metrics ที่ควรดูจึงไม่ควรมีเพียง Advertised Product Revenue แต่รวมถึง Total Brand Revenue, Other Product Sales, Branded Search, Basket Behavior และ Traffic Signals ด้วย

แต่การมองกว้างขึ้นต้องไม่กลายเป็นการเคลมยอดขายทุกก้อนให้ Campaign ธุรกิจควรแยก Direct Revenue, Observed Uplift, Potential Halo Revenue และ Incremental Revenue ออกจากกันตามระดับหลักฐานที่มี

Bottom Line คือ ถ้าวัดแค่ยอดขายตรงของสินค้าที่อยู่ในโฆษณา อาจประเมิน Campaign ต่ำกว่าความจริง แต่ถ้าเอายอดที่โตทั้งหมดมาเรียกว่า Halo Effect ก็อาจประเมิน Campaign สูงเกินจริงเช่นกัน

Measurement ที่ดีจึงต้องมองให้กว้างพอจะเห็นระลอกของผลกระทบ และเข้มงวดพอที่จะไม่เคลมผลลัพธ์เกินหลักฐาน

DigitalD2M — วางกลยุทธ์การตลาดออนไลน์ โฆษณา และระบบ AI Marketing ให้ธุรกิจเติบโตอย่างวัดผลได้