8 startup metrics

8 บทสรุปจำติดหนึบ จากงาน “ชีวิต-ติด-วัด” (Startup Metrics)

สวัสดีค่ะ อรนะคะ พอดีว่าได้มีโอกาสเข้าร่วมงานสัมมนา ชีวิต-ติด-วัด (Measurable Metrics for Startups) มา ซึ่งเป็นงานที่เจ้าของธุรกิจ Startup หลากหลายประเภทมาพูดคุย แนะนำวิธีการวัดข้อมูลในธุรกิจของเค้า และการนำข้อมูลมาปรับใช้เพื่อพัฒนาธุรกิจให้ดีขึ้นค่ะ

startup-metrics

ผู้เขียนขอนำประเด็นที่ได้รับฟังจากในงาน มาสรุป – ตกผลึกในแบบของตัวเอง เป็น 8 หัวข้อที่ (น่าจะ) จำง่าย ซึ่งคิดว่าจะเป็นประโยชน์สำหรับหลาย ๆ ท่าน ไม่ว่าจะเป็นท่านที่ไม่ได้เข้าร่วมงาน หรือเข้าร่วมแล้วก็ตาม มาเริ่มกันที่ข้อ 1 เลยนะคะ

1. จงเสพติดอย่างมีสติ

หนังสือ Lean Startup ชื่อดัง แปลเป็นไทยโดยสำนักพิมพ์ Welearn

หนังสือ Lean Startup ชื่อดัง แปลเป็นไทยโดยสำนักพิมพ์ Welearn

คุณ Eric Ries ผู้เขียนหนังสือ The Lean Startup ที่ได้รับการตีพิมพ์ไปทั่วโลก (ของไทยเราเพิ่งมาค่ะ) ได้กล่าวไว้ว่าเราต้องแยกแยะให้ออกว่าอะไรคือ ตัวชี้วัดที่ดี และ ตัวชี้วัดที่ฉาบฉวย

เพราะ ตัวชี้วัดที่ฉาบฉวย ทำให้คนบางคนเกิดอาการ “โลกสวย” หรือบางทีอาจจะโลกขี้เหร่ มากเกินไป จนทำให้มองอะไรผิดจากความเป็นจริง เช่นการหลงระเริงกับยอดไลค์ หรือไม่ก็ยอด page views ที่โตเอาๆ แล้วตีความว่าทุกอย่างนั้นไปได้สวย เข้าที่เข้าทาง

คุณผไท ผู้ก่อตั้ง BUILK ได้เล่าเรื่องขำๆ แต่แฝงความน่าสนใจไว้เรื่องหนึ่ง เขาบอกว่าเขาเป็นพวกเสพติดการจ้องติดตามข้อมูลจากการวัดมาก (คอยดูยอดคนมาสมัครเพิ่ม เป็นต้น) และเคยหลงระเริงกับตัวชี้วัดที่ฉาบฉวย ถึงแม้มันจะฉาบฉวยและชอบเผลอหลอกเรา แต่หากเราสติดีพอ เราก็จะไม่ถูกหลอก

ซึ่งอันที่จริงแล้วตัวชี้วัดที่ฉาบฉวยก็ยังมีข้อดีอยู่บ้าง เนื่องจากว่าตัวชี้วัดเหล่านี้มักให้ค่าที่เป็นบวก และมักจะเพิ่มขึ้น จึงกล่าวได้ว่ามันเป็น “น้ำหล่อเลี้ยงกำลังใจเล็กๆ ในยามที่รู้สึกท้อถอย”

นั่นทำให้ผู้เขียนมองว่า

ไม่มีตัวชี้วัดที่เกิดมาไม่ดีหรอก แต่ถ้าจะไม่ดีมันก็เป็นเพราะตัวผู้วัดเองที่แปรสารไม่ดีหรือแปรสารผิด จนทำให้ตัดสินใจพลาดไป

สำหรับตัวชี้วัดที่ดี ก็คือตัวชี้วัดที่ช่วยทำให้เราแปรความได้ถูกต้องว่า performance ของเรากำลังเป็นอย่างไรบางคนนึกถึง performance ของผลิตภัณฑ์มากเกินไป (Product KPI) จนเผลอลืมเรื่อง performance ในเชิงปากท้องหรือรายได้ (Sale KPI) ในขณะที่บางคนก็อาจจะนึกถึงการวัดการเติบโตด้านรายได้มากเกินไป จนเผลอลืมนึกถึงการพัฒนาคุณภาพของผลิตภัณฑ์ อย่าลืมใส่ใจนะคะ วิธีหนึ่งที่ทำได้คือแยกหน้าที่ Product KPI กับ Sale KPI ออกเป็นคนละทีมไปเลย

2. มองหาตัวชี้วัดด้านคุณภาพ

สำหรับผลิตภัณฑ์ในลักษณะ web content เขาวัดระดับคุณภาพของเนื้อหากันอย่างไร?

ตัววัดอย่างจำนวนไลค์ หรือจำนวนคนคลิกเข้ามาอ่านนั้นก็ถือว่าเป็นตัววัดที่พอใช้การได้ แต่ยังไม่ดีมากนัก เหตุผลหนึ่ง คือ มันยังใช้วัดระดับความพึงพอใจไม่ได้แม่นยำนัก

ตัวที่น่าสนใจกว่า คือ retention หรือการที่วัดว่าผู้ใช้เดิมกลับมาใช้อีกมากแค่ไหน เพราะถ้าเขากลับมาสม่ำเสมอนั่นก็น่าจะหมายความว่าเขาน่าจะถูกใจในคุณภาพ

ตัวอย่างการคิด Retention ด้วย Cohort Analysis : ขอบคุณรูปจาก Teamtreehouse

ตัวอย่างการคิด Retention ด้วย Cohort Analysis : ขอบคุณรูปจาก Teamtreehouse

นอกจากนี้ยังมีตัวชี้วัดทางคุณภาพอื่น ๆ อีกหลายตัวที่น่าศึกษา ขอแนะนำให้ลองเซิร์จเกี่ยวกับ “Content Marketing Metrics” เพื่อหาข้อมูลด้านนี้เพิ่มเติมนะคะ

บทความที่น่าสนใจ:

“คุณภาพของชุมชน” ตัวชี้วัดคุณภาพสำหรับ User-Generated Content

และ สำหรับเว็บไซต์ในเชิง user-generated content (เว็บที่ไม่ได้สร้าง content เองโดยตรง แต่ user เป็นคนเขียนให้) สิ่งหนึ่งที่สำคัญมากคือความเป็น community อย่าลืมที่จะตามหาตัวชี้วัด คุณภาพของชุมชน ด้วย

ตัวอย่างการประเมินวัฒนธรรมชุมชนแบบง่ายๆ: คุณปีโป้จาก storylog ได้เล่าไว้ว่ามีอยู่ช่วงนึงที่สตอรี่เกี่ยวกับหุ้นนั้นเยอะมากกว่าเรื่อง อื่นจนเกินไป  storylog ทราบดีว่าตนเองไม่ได้ต้องการจะเป็น stock community ดังนั้นนี่จึงเป็นสัญญาณแล้วว่าเราจะต้องมีการเข้ามากำกับดูแล

จะ เห็นได้ว่าจากตัวอย่างข้างต้นนั้นใช้เพียงแค่วิธีดูปริมาณแต่ละ tag หรือ ปริมาณแต่ละ category ที่เกิดขึ้น ก็เป็นการช่วยประเมินสถานการณ์คร่าวๆได้แล้ว ไม่ยากใช่ไหมคะ

3. วัดทุกๆอ้าาร์ (AARRR) ในวงจร

AARRR นั้นเป็น framework หนึ่งที่ช่วยจัดกรอบความคิดของเรา เรื่อง stage ของ customer อ่านเพิ่มเติมได้ที่บล็อคของผู้เผยแพร่ไอเดียนี้

คำว่าลูกค้าหรือผู้ใช้งานนั้นเป็นคำที่ถือว่ามีความหมายกว้างเกินไป ในความเป็นจริงแล้วผู้ใช้งานแต่ละคนนั้นมีคุณค่าต่อบริษัทไม่เท่ากัน ลูกค้าที่สำคัญคือลูกค้าที่ก่อให้เกิดรายได้ (revenue) หรือถ้าให้เลิศคือยังเป็นลูกค้าที่แสนน่ารักที่ช่วยแนะนำผลิตภัณฑ์ของเราให้ กับเพื่อนๆอีกต่างหาก (referral) ซึ่งสองกลุ่มนี้ก็เป็นสัดส่วนปริมาณนึง ในขณะที่เรายังมีผู้ใช้ที่เพียงแต่แวะเข้ามา (acquisition) แวะแล้วลองใช้/ลองสมัครครั้งนึง (activation) หรือใช้ซ้ำ (retention) ก็ถือเป็นผู้ใช้อีกสามประเภทที่เราต้องแยกแยะให้ออก

รูปอธิบาย AARRR จาก Lean Stack

รูปอธิบาย AARRR จาก Lean Stack

เราควรจะมีตัววัด ที่สามารถให้ข้อมูลครอบคลุมปริมาณของทั้งห้ากลุ่มนี้ เพื่อจะได้ไม่หลงระเริงหากมียอดผู้สมัครในเว็บไซต์สูง (activation สูง) หรือมีคนใช้ซ้ำมาก (retention) ทั้งๆที่ความจริงแล้วยอดผู้ใช้ที่จ่ายตอบแทน (revenue) อาจมีอยู่ในสัดส่วนที่น้อยมาก สัดส่วนเท่าใดเรียกว่าน้อยหรือเรียกว่ามากก็ขึ้นอยู่กับธุรกิจ โดยว่ากันว่าส่วนใหญ่แล้วผู้ใช้ที่จ่ายเงินมักจะคิดเป็นสัดส่วนประมาณ 5% ของผู้ใช้ทั้งหมด

หากต้องการอ่านเรื่อง AARRR แบบละเอียดมากขึ้น สามารถอ่าน บทความแบบเจาะลึกเป็นภาษาไทยได้ที่ GrowthBee ค่ะ

4. ตัววัดความสามารถทางการเงิน ไม่ได้มีแต่ยอดขาย

เวลาอยากรู้ว่าโมเดลธุรกิจที่มีมันเวิร์คไหม วิธีง่ายๆที่มักทำกันก็คือดูอัตราการเติบโตของรายได้

แต่สิ่งที่มักจะพลาดกันคือ ลืมวัดการเติบโตของรายจ่ายที่ตามมา รวมถึงพลาดที่จะวัด “ความยั่งยืน” ของโมเดลการทำงานในปัจจุบัน

สำหรับผลิตภัณฑ์แนว SaaS (Software as a Service) มักจะมีโมเดลรายได้แบบ freemium และ subscription คือประกอบไปด้วยลูกค้าที่ใช้ฟรีไม่เสียซักแดง และลูกค้าที่ยอมเสียเงินค่าสมาชิก เช่น แบบรายเดือน ในลูกค้าที่จ่ายเงินเองก็อาจมีอยู่หลากหลายเรทราคา

Dashboard รวมค่าต่าง ๆ ของ SaaS

Dashboard รวมค่าต่าง ๆ ของ SaaS

จงอย่าลืมที่จะติดตามวัดผลเมทริกซ์เหล่านี้

1. Average Revenue per Customer คือโดยเฉลี่ยแล้วคนหนึ่งคนให้เงินเรากี่บาท จากบรรดาคนทั้งหมดที่ใช้ (ดูได้ว่าในแต่ละเดือนเราได้เพิ่มปริมาณลูกค้าที่ยอมจ่ายเงินเรามากขึ้นหรือไม่)

2. Customer Acquisition Cost (CAC) คือเฉลี่ยแล้วเราเสียต้นทุนไปกี่บาท กว่าจะได้ลูกค้าที่ยอมจ่ายมาซักคนนึง

3. Monthly Recurring Revenue คือแต่ละเดือนเราได้รายได้มาเท่าไร
4. Churn Rate คือเฉลี่ยแล้วในแต่ละเดือนมีลูกค้ากี่เปอร์เซนต์ที่ยกเลิกการเป็นสมาชิก
5. Lifetime Value คือเฉลี่ยแล้วลูกค้าหนึ่งคนจะเป็นสมาชิกเราต่อเนื่องยาวนานแค่ไหน
สิ่งที่จะบอกก็คือ มันไม่สำคัญว่าเดือนนี้คุณได้รายได้มากแค่ไหน แต่มันสำคัญด้วยว่าแล้วคุณเสียไปแค่ไหนกว่าจะได้มา และได้มาแล้ว เขาอยู่กับคุณนานจริงไหม นี่ต่างหากคือสิ่งที่ต้องให้ความสนใจด้วย
เรื่องนี้มีรายละเอียดเบื้องลึกค่อนข้างมาก ลึกคล้ายๆกับ economic analysis เลยทีเดียว ผู้ที่สนใจสามารถศึกษาเพิ่มเติมได้จากการศึกษาคีย์เวิร์ดต่างๆข้างต้น หรือจะเซิร์จว่า SaaS economic metrics ก็ได้นะคะ
 LTV example  ARPU example
สองภาพนี้เป็นตัวอย่างกราฟการติดตามวิเคราะห์ Lifetime Value และ Average Revenue Per User
ซึ่งสามารถลองไปดูตัวอย่างเล่นๆได้ที่ baremetrics.com ค่ะ

5. คำตอบไม่ได้อยู่ในหนังสือเล่มไหน แต่อยู่ในผลิตภัณฑ์ของคุณเอง

ในบางเมทริกซ์เราก็ไม่ทราบว่าเราควรจะวัดให้ได้ค่าเท่าไรถึงจะดี ไม่เยอะหรือไม่น้อยจนเกินไป

ผู้เขียนคิดว่าตัวเลขนั้น ไม่มีคำตอบที่ตายตัวแต่ขึ้นอยู่กับผลิตภัณฑ์ของคุณ ค่ะ

ขอยกตัวอย่างด้วยการกล่าวถึง metric ตัวนึง ซึ่งเรียกว่า Time spent on page หรือระยะเวลาที่ผู้ใช้ใช้ไปกับการอยู่หน้าเว็บเรา

ตัวเลขมากน้อยที่ได้จะดีหรือไม่ดีนั้นขึ้นอยู่กับกรณี เช่น ในกรณีของเว็บไซต์ที่เป็น content ในเชิงเรื่องราวหรือบทความ ค่านี้มีเยอะๆน่าจะดี เพราะนั่นแปลว่าคนยังใช้เวลาไปกับการนั่งอ่านบทความนั้นๆ ไม่ใช่หนีหายไป

ในขณะที่อีกเว็บไซต์นึงก็ทำคอนเทนท์เหมือนกัน แต่เป็น “infographic” ซึ่งการที่ผู้ใช้อ่านนานๆนั่นอาจจะแปลว่าไม่ดีก็ได้ เพราะ infographic นั้นเกิดมาเพื่อช่วยให้ผู้อ่านย่อยความรู้ข่าวสารได้อย่างรวดเร็ว  ดังนั้นจึงต้องมี time ที่เหมาะสม ไม่ใช่มากเกินไป และไม่ใช่น้อยเกินไปจนน่าจะไม่ได้อ่าน

จะเห็นได้ว่า เมตริกซ์ตัวเดียวกัน ก็อาจมีรูปแบบการใช้งานที่ต่างกันก็ได้ เมื่อผลิตภัณฑ์ที่ใช้นั้นแตกต่างกัน แม้แต่เว็บไซต์ที่มีโมเดลเป็นเว็บคอนเทนต์เหมือนกัน แต่พอมีสินค้าคอนเทนต์คนละสไตล์กัน ก็อาจมีส่วนหลายส่วนที่พลิกผันไม่เหมือนกันได้

6. อย่ากลัวว่ามีเครื่องมือไม่พอ แต่จงใช้ที่มีให้เป็นจริงๆเสียก่อน

Google Analytics เครื่องมือสำคัญที่ต้องใช้ให้เป็น

Google Analytics เครื่องมือสำคัญที่ต้องใช้ให้เป็น

Google Analytics (GA) เครื่องมือเก็บสถิติเว็บที่ฟรี มีมานานและใครๆก็ใช้ จนหลายๆคนอาจคิดไปว่ามันเป็นเครื่องมือธรรมดาๆตามมาตรฐานชาวบ้านชาวเมือง และมีความเกรงกลัวว่าตัวเองอาจจะไม่ทราบว่าเครื่องไม้เครื่องมือสมัยนี้ไปถึงไหนแล้ว

อย่างไร ก็ตามผู้ประกอบการด้านเว็บไซต์ทั้งหลายก็ยังคงคอนเฟิร์มว่า GA นั้นมีความสามารถเยอะไม่น้อย และค่อนข้างเพียงพอแล้ว แต่ยังมีน้อยคนที่จะใช้งานมันได้อย่างเต็มประสิทธิภาพจริงๆ

เครื่องมือดีๆแต่ราคาแพงมีมากก็จริง แต่เครื่องมือดีๆที่ฟรีหรือไม่แพงก็มีเช่นกัน นอกจาก GA แล้ว ยังมีอีกตัวหนึ่งคือ TrueHits ซึ่งเป็นผลงานของคนไทย และมีผู้ประกอบการหลายท่านแนะนำให้ใช้

7. สร้างเครื่องมือขึ้นมาเองเลยก็ได้

ประสบการณ์ ที่คุณสั่งสมจะเป็นตัวบอกคุณเองว่าข้อมูลอะไรบ้างที่น่าจะเป็นประโยชน์ต่อ การพัฒนาผลิตภัณฑ์ของคุณ บางทีคุณอาจจะสร้างเครื่องมือเพื่อวัดข้อมูลที่คุณต้องการเองเลยก็ได้

คุณธนาวัฒน์จาก priceza เล่าว่าที่ priceza เองก็มีการสร้างเครื่องมือติดตั้งบนเว็บไซต์เพื่อเก็บข้อมูลพฤติกรรมการใช้ งานของลูกค้า รวมถึงบนเว็บไซต์ของพันธมิตร เพื่อดูว่าลูกค้าของ priceza มีการตัดสินใจซื้อสินค้าของเว็บไซต์พันธมิตรหรือไม่และเมื่อไร

คุณหมูจาก ookbee เองก็ได้เล่าว่า เขาเองก็สร้างเครื่องมือวัดติดตั้งไว้บนแอพของตัวเอง เพื่อเก็บข้อมูลไว้ปรับปรุง UX หรืองานด้านอื่นๆ ทำให้คุณหมูสามารถทราบพฤติกรรมการอ่านหนังสือของลูกค้า

8. กินเยอะๆจะได้โต

“เก็บแม่งทุกอย่าง” เป็นประโยคหนึ่งที่วิทยากรหลายท่านได้กล่าวไว้ และเป็นสิ่งที่แทบทุกคนเริ่มต้นมาแบบนี้

พวกเขากล่าวว่าเป็นเพราะสมัยนั้นพวกเขาแทบจะไม่ค่อยทราบเรื่องการแยกแยะตัว วัดที่ฉาบฉวย ( vanity metrics ) กับตัววัดที่ใช้ได้จริง ( actionable metrics )

อย่างไรก็ตามถึงแม้สมัยนี้จะมีข้อมูลออกมากันมากมายว่าอะไร บ้างคือตัววัดที่ดีและที่ฉาบฉวย แต่การเก็บไว้ก่อนนั้นก็ไม่ถือเป็นเรื่องเสียหาย เพราะเมื่อคุณได้เห็นข้อมูลเข้าบ่อยๆ ก็จะเป็นการลงทุนในด้านการเรียนรู้อย่างหนึ่ง เผลอๆดูไปดูมาคุณอาจจะรู้แจ้งอะไรบางอย่าง และอาจนำไปสู่ insight ที่คาดไม่ถึงก็ได้

เวลาไม่อาจหวนคืนฉันใด Historical data เอง ก็ไม่อาจหวนคืนฉันนั้น

เพราะ Data ส่วนใหญ่นั้นมักจะมี relationship กับเวลา หากไม่ได้เตรียมระบบเก็บข้อมูลไว้ก่อน ก็จะไม่สามารถ track ย้อนหลังกลับไปได้อีกแล้ว

– บางทีก็คงจะเหมือนกับการทานข้าวมั้งคะ อาหารที่เราทานอาจจะไม่ได้มีคุณค่าทางโภชนาการดีไปเสียทุกอย่าง แต่ถ้ามัวแต่คิดมากและไม่ทานอะไรเลยซักอย่างก็คงไม่โต –

แต่แน่นอนค่ะว่าการเก็บนั้นก็ควรทำอยู่ในขอบเขตที่เหมาะสมนะคะ วิทยากรท่านหนึ่งได้เล่าขำๆว่าเขาเองก็เคยพยายาม track ทุกอย่างเท่าที่จะทำได้ แต่ก็ติดเยอะมากเกินไป จนระบบทำงานหนัก และเว็บก็โหลดช้ามหาศาล

เมื่อศึกษาในระยะเวลาหนึ่งเราจะทราบเองค่ะว่าเมทริกซ์ไหนที่ควรเก็บจริงๆ เมทริกซ์ไหนที่ไม่ต้องเก็บก็ได้

เก็บข้อมูลก็คงเหมือนการเก็บไขมัน เก็บไว้ก่อน แล้วเอาออกทีหลัง 😛

เย้ย อันนี้ขำๆค่ะ 555555

หวังว่าบทความนี้จะเป็นประโยชนต่อผู้ที่สนใจการวัดนะคะ  งานสัมมนางานต่อไปนั้นหวังว่าจะมีโอกาสได้พบกับทุกท่านอีกนะคะ ^^

 







There are no comments

Add yours