บันทึกจากสนามจริง/ราคา เชิงเทคนิค

Price elasticity modeling สำหรับผู้ขายบน Marketplace — ทำไมการตั้งราคาบน Shopee, Lazada และ TikTok Shop ถึงต้องใช้

คู่มือใช้งานจริงจาก DataGlass Labs Research ว่าด้วย lever ที่ถูกใช้น้อยที่สุดในอีคอมเมิร์ซเอเชียตะวันออกเฉียงใต้ นั่นคือการรู้ว่าลูกค้าตอบสนองต่อการเปลี่ยนราคาจริง ๆ อย่างไร

7 พฤษภาคม 202614 นาทีBhum Soonjun · DataGlass Labs Research
SEA platform GMV
$157.6B

2025 Momentum Works estimate

Top-three control
98.8%

Shopee, Lazada, TikTok Shop/Tokopedia

Retail pricing upside
5-10%

Margin growth range reported by McKinsey

Cross-SKU cannibalization
22%

Average uplift borrowed from sibling pack sizes

ราคา

คำถามเรื่องราคาที่ผู้ขายทุกคนแอบกลัว

ผู้ขายบน Shopee, Lazada และ TikTok Shop ทุกคนเคยคุยกับตัวเองแบบเดียวกันตอนห้าทุ่มของคืนก่อนวันแคมเปญใหญ่ ควรลดราคา 10% หรือ 20% ดี ควรทำ Bundle Deal แบบ "ซื้อ 2 ลด 15%" หรือ "ซื้อ 3 ลด 25%" การลดราคา 5% จะทำให้ขายได้เพิ่ม 50% หรือแค่กินกำไรไป 5% โดยไม่เปลี่ยนอะไรเลย

คำตอบตามจริงในเวิร์กโฟลว์ของผู้ขายเกือบทุกราย คือ ไม่มีใครรู้ ระดับส่วนลดถูกเลือกด้วยสัญชาตญาณ ด้วยสิ่งที่เวิร์กในงาน 11.11 ครั้งก่อน หรือด้วยการเลียนแบบสิ่งที่ร้านข้าง ๆ ทำ จากนั้นทุกคนก็เฝ้าดูแดชบอร์ดและภาวนา

นี่คือช่องว่างที่ price elasticity modeling เข้ามาปิด มันแทนที่การเดาว่าลูกค้าจะตอบสนองอย่างไรด้วยการประเมินจากข้อมูลในอดีตของคุณเอง ประวัติโปรโมชันของแพลตฟอร์ม และการทดลองอย่างตั้งใจเล็กน้อย มันไม่ใช่สเปรดชีตวิเศษ แต่เป็น analytical infrastructure ชิ้นหนึ่ง หากสร้างถูกต้อง มันคือหนึ่งในการลงทุนด้านกลยุทธ์ราคาที่ให้ leverage สูงที่สุดที่ผู้ขายบน Marketplace ทำได้ [9][10]

บทความนี้อธิบายโดยไม่ใช้คณิตศาสตร์ว่า elasticity modeling ทำอะไรกันแน่ ทำไมเวิร์กโฟลว์ของผู้ขายในปัจจุบันถึงทำให้เสียกำไรไปมากขนาดนั้น และ lever นี้นำไปใช้อย่างเป็นรูปธรรมบน Shopee, Lazada และ TikTok Shop ได้อย่างไร

"Elasticity" หมายความว่าอะไรจริง ๆ แบบเข้าใจง่าย

ลอกตำราออกไป price elasticity ก็คือคำถามเดียว: ถ้าฉันเปลี่ยนราคา ดีมานด์จะเปลี่ยนไปแค่ไหน

สินค้าที่มี elasticity สูงคือสินค้าที่อ่อนไหวต่อราคา ส่วนลด 10% อาจดึงยอดได้เพิ่ม 30% หมวดสินค้าอุปโภคบริโภคที่ขายไว เช่น ความงาม แฟชั่นเครื่องประดับ ขนม มักอยู่ในกลุ่มนี้

สินค้าที่มี elasticity ต่ำคือสินค้าที่ไม่อ่อนไหวต่อราคา ลดราคา 10% อาจดึงยอดได้เพิ่มแค่ 5% ซึ่งแปลว่าส่วนลดนั้นเอาแต่ทำลาย margin สินค้าเฉพาะทาง สินค้าแบรนด์ที่มีลูกค้าประจำ และของใช้ที่ต้องซื้อซ้ำ มักอยู่ในกลุ่มนี้

สินค้าสองตัวในร้านเดียวกัน ในหมวดเดียวกัน อาจมีค่า elasticity ต่างกันมาก หน้าที่ของผู้ขายคือลงมือทำกับความต่างนั้น ผู้ขายที่ลดราคาสินค้า elastic แรง ๆ และลดสินค้า inelastic เบา ๆ จะทำเงินได้มากกว่าผู้ขายที่ลดทุกอย่าง 15% เท่ากัน นั่นคือทั้งหมดของโอกาสนี้

ปัญหาคือ elasticity มองด้วยตาเปล่าไม่เห็น มันไม่ปรากฏบนแดชบอร์ด Shopee Seller Centre มันไม่อยู่ใน Lazada Business Advisor [25] มันไม่อยู่ใน Data Compass ของ TikTok Shop Seller Center [24] มันต้องถูกประเมิน และการประเมินให้ดีต้องใช้มากกว่าค่าเฉลี่ยเคลื่อนที่ของยอดขายในอดีต

ทุกวันนี้ผู้ขายบน Marketplace ทำอะไรอยู่ (และทำไมมันถึงได้ผลไม่ดี)

เมื่อไม่มีค่าประมาณ elasticity จริง ๆ ผู้ขายก็หันไปพึ่ง 4 วิธีคิดง่าย ๆ ทั้งหมดพบเห็นได้ทั่วไป แต่ไม่มีวิธีใดได้ผลดีอย่างที่คนคิด

วิธีคิดหน้าตาเป็นอย่างไรทำไมถึงได้ผลไม่ดี
ตั้งราคาตามคู่แข่งหาสินค้าขายดีในกลุ่ม แล้วตั้งต่ำกว่าไม่กี่เปอร์เซ็นต์คุณรับราคาที่ตั้งมาเพื่อโครงสร้าง margin สถานะสต็อก และค่าโฆษณาของเขามาใช้ แล้วแข่งกันลดราคาจนถึงก้นเหวด้วยต้นทุนของคุณเอง
ลดราคาทั้งร้านเท่ากันช่วงแคมเปญลดเปอร์เซ็นต์เท่ากันทั้ง catalog สำหรับ 9.9, 11.11, Lazada Birthday Sale, TikTok Mega Saleอุดหนุนลูกค้า inelastic ที่ยังไงก็ซื้อในราคาเต็มอยู่แล้ว และลดราคาให้ SKU ที่ elastic ไม่พอ ทั้งที่พวกนั้นต้องการการลดจริง ๆ จึงจะปิดการขายได้
กัดกร่อน reference priceลดราคาเป็นประจำทุกสัปดาห์หรือทุกสุดสัปดาห์ฝึกให้ลูกค้าไม่ยอมจ่ายราคาเต็มอีกเลย reference price ค่อย ๆ ลอยต่ำลง จน lever เดียวที่เหลือของผู้ขายคือการลดที่ลึกขึ้นและถี่ขึ้น
ตั้ง Bundle Deal ตามความรู้สึก"ซื้อ 3 ลด 15%" เพราะรู้สึกว่าเลข 3 น่าจะใช่พลาด threshold ที่เหมาะที่สุด (บางทีคือ 2 บางทีคือ 5) และส่วนลดที่เหมาะที่สุด (บางทีคือ 8% บางทีคือ 22%) ทำให้เสีย contribution ที่ควรได้ไป

ผลรวมของ 4 วิธีคิดนี้คือสิ่งที่เราเรียกว่า decision-intelligence gap: การสูญเสีย margin เชิงโครงสร้างที่ทบต้นเงียบ ๆ ไปทั่วการตัดสินใจราคาเล็ก ๆ นับพันครั้ง ในการเทียบเคียงข้อมูลภายในของ DataGlass กับกลุ่มผู้ขายบน Marketplace ในเอเชียตะวันออกเฉียงใต้ ปี 2025-2026 ช่องว่างนี้มักเป็นตัวแบ่งระหว่างร้านที่ margin เลขหลักเดียวกับร้านที่สุขภาพดีกว่าที่ margin กลาง ๆ หลักสิบ ทั้งที่ขายของคล้ายกันบนแพลตฟอร์มเดียวกัน

Elasticity modeling ให้อะไรกับคุณจริง ๆ

โมเดล elasticity ที่ใช้งานได้จริงไม่ใช่ตัวเลขเดียวต่อสินค้าหนึ่งตัว แต่เป็น conditional demand curve ความสัมพันธ์ที่บอกว่า ที่ราคานี้ ด้วยสต็อกเท่านี้ ในวันนี้ของสัปดาห์ ในหมวดนี้ ด้วยแรงกดดันจากโฆษณาเท่านี้ จำนวนชิ้นที่คาดว่าจะขายได้คือ X พร้อม confidence interval มันให้สามสิ่งที่ผู้ขายหาจากแดชบอร์ดไม่ได้

  • การจัดประเภทความอ่อนไหวระดับ SKU โมเดลบอกคุณว่า SKU ตัวใดอ่อนไหวต่อราคาและตัวใดไม่ เพียงแค่นั้นก็เปลี่ยนวิธีจัดสรรส่วนลดช่วงแคมเปญแล้ว
  • รูปทรงของ response curve ไม่ใช่แค่ความชันที่จุดเดียว ส่วนลดที่เหมาะที่สุดแทบไม่เคยเป็น 10% มากกว่าครั้งก่อน มันขึ้นอยู่กับว่าเส้นโค้งหักงออย่างไรรอบ ๆ ราคาปัจจุบันของคุณ ระบบสมัยใหม่ประมาณค่านี้จากความแปรปรวนของโปรโมชันในอดีต partial pooling ข้าม SKU ที่คล้ายกัน และการทดสอบราคาอย่างตั้งใจ [17][18]
  • ความไม่แน่นอนที่ calibrate แล้ว โมเดลให้แถบ confidence รอบค่าประมาณ elasticity ค่าประมาณว่า elastic ที่มั่นใจสูงทำให้คุณลดราคาได้แรง ส่วนค่าประมาณที่มั่นใจต่ำบอกให้คุณรัน holdout test เล็ก ๆ ก่อนจะลงมือทั้ง catalog

สาม use case บน Shopee, Lazada และ TikTok Shop

Use case 1 — การ optimize Bundle Deal บน Shopee

Bundle Deal ของ Shopee เป็นส่วนลดแบบมีเงื่อนไขจำนวนชิ้น ลูกค้าจ่ายราคาเต็มสำหรับหนึ่งชิ้น แต่ปลดล็อกส่วนลดเมื่อซื้อถึง threshold [5] นี่คือ second-degree price discrimination ลูกค้า elastic ที่ซื้อหลายชิ้นเลือกเข้ารับส่วนลดเอง ส่วนลูกค้า inelastic ที่ซื้อชิ้นเดียวไม่เข้า [15][16]

สิ่งที่ elasticity modeling ทำตรงนี้: เลือก threshold (2? 3? 5?) และเปอร์เซ็นต์ส่วนลด (8%? 15%? 22%?) ที่ทำให้กำไรคาดหวังสูงสุดภายใต้ margin floor ของคุณ ในงาน pilot ของ DataGlass การตั้งค่า Bundle Deal ที่โมเดลคำนวณว่าเหมาะที่สุดได้ contribution lift กลับมาในระดับหลักเดียวถึงหลักสิบต้น ๆ บน SKU ที่โครงสร้างตะกร้าและความแปรปรวนของราคาสะอาดพอจะระบุผลของ threshold ได้ เรามองว่า lift นี้ขึ้นกับหมวดสินค้า ไม่ใช่ค่าสากล ผลกระจุกตัวอยู่ตรงที่เส้น elasticity ชันที่สุดเหนือ threshold เล็กน้อย

Use case 2 — กลยุทธ์ FlexiCombo และการ stack voucher บน Lazada

พื้นที่โปรโมชันของ Lazada กว้างกว่า ทั้ง FlexiCombo, voucher แบบ Sponsored Discovery, voucher ทั้งร้าน, voucher ทั้งแพลตฟอร์ม และกฎการ stack เหล่านี้ก็โต้ตอบกันแบบที่ไม่ตรงไปตรงมา [6]

สิ่งที่ elasticity modeling ทำตรงนี้: ให้ผู้ขายตัดสินใจได้ว่าตรงไหนงบ voucher ซื้อ conversion ได้จริง กับตรงไหนที่มันแค่อุดหนุนลูกค้าประจำที่ยังไงก็ซื้ออยู่แล้ว กลยุทธ์ voucher ที่ถูกต้องบน Lazada แทบไม่เคยเป็น "แจก voucher 15% ให้ผู้ติดตามทุกคน" แต่มักเป็น "ส่ง voucher 22% ให้กลุ่ม elastic ในฐานผู้ติดตาม และ voucher รักษาลูกค้า 5% ให้กลุ่ม inelastic" การแบ่งกลุ่มแบบนั้นคือสิ่งที่โมเดล elasticity สร้างขึ้นมาพอดี

Use case 3 — การตั้งราคา flash sale และ live-stream บน TikTok Shop

TikTok Shop ต่างกันเชิงโครงสร้าง การค้นพบสินค้าขับเคลื่อนด้วยครีเอเตอร์และ live-stream หน้าต่างการปิดการขายเป็นหลักนาทีไม่ใช่หลักวัน และการตัดสินใจเรื่องราคามักเกิดแบบ real time ระหว่าง live session

สิ่งที่ elasticity modeling ทำตรงนี้: หลักการเหมือนเดิม คือจับคู่ความลึกของส่วนลดกับความอ่อนไหวของดีมานด์ แต่สเกลเวลาเปลี่ยนเป็นหลักชั่วโมง ไม่ใช่หลักสัปดาห์ โมเดล elasticity ที่ปรับสำหรับ TikTok Shop เน้นกรณีหน้าต่างสั้นความเร็วสูง เช่น ควรลดราคาแรงแค่ไหนระหว่าง live เมื่อไรควรกระตุ้นการ stack flash deal และ boost ที่ขับเคลื่อนด้วยคอมเมนต์โต้ตอบกับความลึกของส่วนลดอย่างไร [21][22][24]

อะไรเปลี่ยนไปเมื่อคุณรู้ค่า elasticity ของคุณจริง ๆ

สามอย่างเกิดขึ้นตามลำดับเมื่อผู้ขายย้ายจากการตั้งราคาตามความรู้สึกไปสู่การตั้งราคาที่คำนึงถึง elasticity

เดือนที่ 1 ส่วนผสมของส่วนลดเริ่มเรียบลง catalog เลิกถูกลดราคา 15% เท่ากันทุกตัว แล้วเริ่มได้การกระจายแบบหางยาว ที่ SKU elastic ที่สุดถูกลดลึกขึ้น ส่วน SKU inelastic แทบไม่ถูกลดเลย margin สุทธิขยับขึ้นทั้งที่ยอดขายรวมไม่เปลี่ยน

เดือนที่ 2 การตั้งค่าแคมเปญเปลี่ยนไป 9.9 และ 11.11 เลิกเป็นงาน "ลดทุกอย่างตามขั้นต่ำของแคมเปญ" แล้วเริ่มเป็นแผนโปรโมชันที่เจาะกลุ่ม ค่าโฆษณาเท่าเดิมดึงออเดอร์ได้มากขึ้นเพราะส่วนลดไปลงบนสินค้าที่ปิดการขายได้จริง

เดือนที่ 3 ผู้ขายเลิกทำโปรโมชันที่ขาดทุนไปเลย โมเดล elasticity ระบุว่าการตัดสินใจโปรโมชันในอดีตครั้งใดทำลาย margin และครั้งใดสร้างมันขึ้นมา แล้วปฏิทินก็ปรับตาม นี่คือตอนที่กำไรสะสมเริ่มมองเห็นได้ โปรแกรม dynamic pricing ที่เผยแพร่แล้วชี้กรอบที่เป็นจริงระดับบริษัทไว้ที่กำไรโต 5-10% โดยมีโอกาสได้ผล pilot สูงกว่านั้นใน catalog ที่ทำโปรโมชันหนัก [9][10]

นั่นคือรางวัล มันไม่หวือหวา มันไม่ไวรัล แต่มันคือการอัปเกรดที่น่าเชื่อถือที่สุดในคู่มือเชิงวิเคราะห์ของผู้ขายบน Marketplace และบน Shopee, Lazada และ TikTok Shop ที่ทุก basis point ของ margin มีความหมายเพราะแพลตฟอร์มกำลังกินส่วนแบ่งของมันไป มันคือ lever ที่แยกร้านที่ทบต้นออกจากร้านที่แค่เอาตัวรอด

คำถามที่พบบ่อย

ประเด็นสำคัญ

  • Price elasticity คือตัวเลขระดับ SKU ที่กำหนดว่าส่วนลดจะสร้าง margin หรือทำลายมัน
  • วิธีคิดง่าย ๆ 4 แบบที่ผู้ขายใช้ทั่วไป คือ ลอกราคาคู่แข่ง ลดราคาเท่ากันทั้งร้าน ลดซ้ำทุกสัปดาห์ และตั้ง Bundle Deal ตามความรู้สึก ทั้งหมดจัดสรรงบส่วนลดผิดอย่างเป็นระบบ
  • Elasticity modeling ให้สามสิ่งที่แดชบอร์ดให้ไม่ได้ คือ ความอ่อนไหวระดับ SKU รูปทรงของเส้นโค้งทั้งเส้น และความไม่แน่นอนที่ calibrate แล้ว
  • บน Shopee การนำไปใช้ที่ให้ leverage สูงสุดคือการ optimize Bundle Deal บน Lazada คือการแบ่งกลุ่ม voucher บน TikTok Shop คือความลึกของ live-stream และ flash sale
  • เกณฑ์มาตรฐานสาธารณะที่เป็นจริงคือกำไรโต 5-10% จากโปรแกรม dynamic pricing โดยมีโอกาสได้ผล pilot สูงกว่านั้นเมื่อ catalog มีประวัติโปรโมชันและความแปรปรวนของราคามากพอ [9][10]

เกี่ยวกับ DataGlass DataGlass Labs Research สร้าง decision-intelligence infrastructure สำหรับผู้ขายบน Marketplace ทั่วเอเชียตะวันออกเฉียงใต้ หากต้องการลอง pilot หรือการเชื่อมต่อ ไปที่ ติดต่อ DataGlass หรืออีเมล teams@dataglasslabs.com

อ้างอิงเป็น: DataGlass Labs Research, "Price elasticity modeling for marketplace sellers — why Shopee, Lazada, and TikTok Shop pricing decisions need it," DataGlass Labs Research blog, 7 May 2026

ก้าวต่อไป

ลองทำ elasticity pilot ที่ calibrate ให้ร้านคุณ

DataGlass สร้างโมเดลการตอบสนองต่อราคาระดับ SKU จากข้อมูล order-line ประวัติการทำโปรโมชัน และข้อจำกัดด้าน margin แล้วเปลี่ยนเป็นคำแนะนำ Bundle Deal, FlexiCombo, voucher และ flash sale สำหรับผู้ขายบน Marketplace

แหล่งข้อมูลและอ่านต่อ

  1. 01
    McKinsey & Company — Pricing in retail: Setting strategy

    รากฐานกลยุทธ์การตั้งราคาในธุรกิจค้าปลีก และเหตุผลของการตั้งราคาเชิงวิเคราะห์แทนกฎตายตัว

    https://www.mckinsey.com/~/media/McKinsey/Industries/Retail/Our%20Insights/Pricing%20in%20retail%20Setting%20strategy/Pricing_in_retail_setting_strategy.pdf

  2. 02
    McKinsey & Company — Dynamic Pricing in e-Commerce

    กรอบแนวปฏิบัติ dynamic pricing สำหรับระบบตั้งราคาอีคอมเมิร์ซที่คำนึงถึง elasticity

    https://www.mckinsey.com/capabilities/growth-marketing-and-sales/how-we-help-clients/dynamic-pricing

  3. 03
    Mazumdar, Raj & Sinha — Reference Price Research: Review and Propositions

    บทปริทัศน์งานวิจัย reference price ที่ใช้อ้างอิงในส่วนความเคยชินกับส่วนลดและราคาที่ลูกค้าคาดหวัง

    https://journals.sagepub.com/doi/abs/10.1509/jmkg.2005.69.4.84

  4. 04
    Rajendran & Tellis — Contextual and Temporal Components of Reference Price

    โมเดล reference price เชิงประจักษ์ที่แยกจุดอ้างอิงด้านเวลาและด้านบริบทออกจากกัน

    https://papers.ssrn.com/sol3/papers.cfm?abstract_id=907228

  5. 05
    Shopee Help Center — What is a Bundle Deal?

    กลไก Bundle Deal ของ Shopee และตัวอย่างป้ายส่วนลดที่อิงตามจำนวนชิ้น

    https://help.shopee.sg/4/article/76670-%5BBundle-Deal%5D-What-is-a-Bundle-Deal

  6. 06
    Lazada Seller Center — Flexi Combo help center

    เอกสารโปรโมชันสำหรับผู้ขายเรื่อง FlexiCombo ของ Lazada

    https://sellercenter.lazada.sg/seller/helpcenter/flexi-combo-10977.html

  7. 07
    TechNode Global / Momentum Works — TikTok Shop SEA GMV doubled to $45.6B in 2025

    แหล่งอ้างอิงขนาดตลาดล่าสุดสำหรับ GMV และการเติบโตของ TikTok Shop ในภูมิภาค

    https://technode.global/2026/02/11/tiktoks-southeast-asia-doubles-gmv-year-on-year-to-45-6b-in-2025/

  8. 08
    SellerCraft — TikTok Shop vs Shopee GMV Trends in Southeast Asia

    บริบทเปรียบเทียบ GMV และมูลค่าออเดอร์เฉลี่ยของ Marketplace

    https://sellercraft.co/tiktok-shop-vs-shopee-gmv-trends-in-southeast-asia-2023-2025-unpacking-the-e-commerce-showdown/

  9. 09
    McKinsey & Company — How retailers can drive profitable growth through dynamic pricing

    แหล่งอ้างอิงช่วงยอดขายโต 2-5% และ margin โต 5-10% ที่รายงานจากโปรแกรม dynamic pricing ที่ทำมาจนนิ่งแล้ว

    https://www.mckinsey.com/industries/retail/our-insights/how-retailers-can-drive-profitable-growth-through-dynamic-pricing

  10. 10
    McKinsey & Company — The dos and don'ts of dynamic pricing in retail

    ข้อควรระวังในการทำโปรโมชันและ dynamic pricing

    https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/the-dos-and-donts-of-dynamic-pricing-in-retail

  11. 11
    DealStreetAsia / Momentum Works — Southeast Asia e-commerce GMV hit $157.6B in 2025

    แหล่งอ้างอิง GMV อีคอมเมิร์ซบนแพลตฟอร์มใน SEA ปี 2025 การเติบโต 22.8% และตัวเลข 98.8% ที่สามแพลตฟอร์มอันดับต้นครองตลาด

    https://www.dealstreetasia.com/stories/momentum-works-report-2025-479044

  12. 12
    Google, Temasek & Bain — e-Conomy SEA 2025

    บริบทมหภาคของอีคอมเมิร์ซดิจิทัลในเอเชียตะวันออกเฉียงใต้และแรงกดดันด้าน retail media

    https://www.bain.com/insights/e-conomy-sea-2025/

  13. 13
    Berry, Levinsohn & Pakes — Automobile Prices in Market Equilibrium

    งานวิจัยต้นแบบเรื่องการประมาณดีมานด์ด้วย instrumental variables ที่ใช้อ้างอิงกรอบเรื่อง price endogeneity

    https://www.its.caltech.edu/~mshum/gradio/papers/BerryLevinsohnPakes1995.pdf

  14. 14
    Kahneman & Tversky — Prospect Theory: An Analysis of Decision under Risk

    รากฐานเชิงพฤติกรรมสำหรับการประเมินกำไรและขาดทุนของราคาที่อิงจุดอ้างอิง

    https://web.mit.edu/curhan/www/docs/Articles/15341_Readings/Behavioral_Decision_Theory/Kahneman_Tversky_1979_Prospect_theory.pdf

  15. 15
    Adams & Yellen — Commodity Bundling and the Burden of Monopoly

    งานวิเคราะห์พื้นฐานเรื่องการ bundle สินค้าและ second-degree price discrimination

    http://neconomides.stern.nyu.edu/networks/Adams_Yellen_Commodity_Bundling.pdf

  16. 16
    McAfee, McMillan & Whinston — Multiproduct Monopoly, Commodity Bundling, and Correlation of Values

    ผลการวิจัยเรื่องการ bundle สินค้าหลายตัวที่สนับสนุนความจำเป็นในการสร้างโมเดลการแจกแจง reservation value ร่วมกัน

    https://academic.oup.com/qje/article-abstract/104/2/371/1854649

  17. 17
    Bhuwalka et al. — Hierarchical Bayesian regression for demand uncertainty

    หลักฐานเชิงตัวอย่างของ partial pooling สำหรับการลดความไม่แน่นอนในการประมาณค่าแบบเดียวกับดีมานด์

    https://onlinelibrary.wiley.com/doi/10.1111/jiec.13339

  18. 18
    Elasticity-Based Demand Forecasting and Price Optimization for Online Retail

    แหล่งอ้างอิงวิธีพยากรณ์ elasticity และ optimize ราคาในค้าปลีกออนไลน์

    https://arxiv.org/pdf/2106.08274

  19. 19
    Chernozhukov et al. — Double/debiased machine learning for treatment and structural parameters

    กรอบ causal ML สำหรับประมาณผลของราคาจากข้อมูลค้าปลีกเชิงสังเกตพร้อมลด confounding bias

    https://arxiv.org/abs/1608.00060

  20. 20
    BCG — Profiting from Personalization

    แหล่งอ้างอิงช่วง revenue lift 6-10% จากโปรแกรม personalization ขั้นสูง

    https://www.bcg.com/publications/2017/retail-marketing-sales-profiting-personalization

  21. 21
    Liu et al. — Impulse buying behavior during livestreaming

    แหล่งอ้างอิงกลไก scarcity การรับรู้ราคา และการซื้อแบบหุนหันใน live commerce

    https://pmc.ncbi.nlm.nih.gov/articles/PMC10979273/

  22. 22
    Frontiers in Psychology — Livestreaming e-commerce, flow experience, and time pressure

    งานวิจัยเชิงประจักษ์เรื่อง live commerce ที่ใช้อ้างอิงกลไกแรงกดดันด้านเวลาและแรงกระตุ้นให้ซื้อ

    https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2022.1019024/full

  23. 23
    Van Heerde, Gijsbrechts & Pauwels — Brand-Pack Size Cannibalization Arising from Temporary Price Promotions

    แหล่งอ้างอิงผลการวิจัยที่ว่าราว 22% ของยอดที่เพิ่มขึ้นจากการโปรโมชันขนาดแพ็กหนึ่ง ถูกยืมมาจากขนาดแพ็กพี่น้องของแบรนด์เดียวกัน

    https://www.sciencedirect.com/science/article/abs/pii/S002243591200005X

  24. 24
    TikTok Business Help Center — About ads metrics in Seller Center

    ถ้อยคำปัจจุบันของ TikTok Shop Seller Center สำหรับ Shop Ads และหน้ารายงาน Data Compass

    https://ads.tiktok.com/help/article/about-ads-metrics-in-seller-center

  25. 25
    Lazada Group — Southeast Asian ecommerce sellers and AI adoption

    ข่าวประชาสัมพันธ์จาก Lazada ที่อธิบาย Business Advisor ว่าเป็นเครื่องมือวิเคราะห์ขับเคลื่อนด้วย AI สำหรับ insight ผลการขายของผู้ขาย

    https://en.prnasia.com/releases/apac/three-in-four-southeast-asian-ecommerce-sellers-require-additional-support-in-their-ai-adoption-lazada-report-reveals-484620.shtml

  26. 26
    Simon-Kucher — Global Pricing Study 2025

    เกณฑ์มาตรฐาน pricing power และการนำ AI pricing มาใช้ ที่ใช้วางบริบทเรื่องแรงกดดันด้าน margin และการตั้งราคาให้ได้จริง

    https://www.simon-kucher.com/sites/default/files/media-document/2025-06/COR_GPS_2025_Brochure_Digital_Final.pdf

อ่านต่อจากคลังบทความ

  1. 4 มกราคม 2026

    Dynamic pricing สำหรับผู้ขายบน Marketplace

    การลดราคาเป็นเรื่องง่าย แต่การตั้งราคาให้ได้กำไรนั้นยาก ยอดขายโต 30% จากการลดราคา 10% มักทำให้ contribution profit รวมลดลง คณิตศาสตร์บอกว่ายอดขายต้องโตราว 33% แค่จะเสมอตัว และ SKU ส่วนใหญ่ทำไม่ถึงเส้นนั้น บทความวิจัยนี้ว่าด้วยเลขคณิตของ price elasticity, กรอบสี่ช่อง inventory × demand และ pricing decision ราย SKU ที่ทนแรงกดดันช่วง campaign window ได้

  2. 22 เมษายน 2026

    เพิ่มกำไรบน Shopee โดยไม่ต้องขายให้มากขึ้น

    คำแนะนำเดิม ๆ อย่างไล่ ROAS แล้วค่อย scale แคมเปญที่ดูดี มักพาผู้ขายไปสู่การใช้เงินเกินจุดคุ้มทุน เพราะ platform ROAS ไม่เห็นต้นทุนจริง บทความนี้แทนที่ด้วย break-even ROAS ราย SKU

  3. 4 มีนาคม 2026

    วางแผนแคมเปญ Lazada โดยยึดกำไรเป็นหลัก

    Pay Day, Mega Sale, 11.11 และแคมเปญตามหมวดหมู่อีกยาวเหยียดทำให้การเข้าร่วมรู้สึกเหมือนเป็นเรื่องบังคับ แพลตฟอร์มเขียนเงื่อนไขสิทธิ์ไว้ ส่วนผู้ขายเป็นคนแบกต้นทุน บันทึกงานวิจัยว่าจริง ๆ แล้วแต่ละแคมเปญมีต้นทุนเท่าไร เมื่อไหร่การเข้าร่วมถึงคุ้ม และเกณฑ์ที่ยึดกำไรเป็นหลักซึ่งใช้ได้กับทั้งสามแคมเปญ

  4. 26 กุมภาพันธ์ 2026

    เพิ่มกำไรบน TikTok Shop ในปี 2026

    TikTok Shop เป็น marketplace เดียวใน SEA ที่มี commission ซ้อนชั้นที่สอง คือ affiliate commission (10-25% ผ่าน Open Affiliate Plan) ทับบน platform commission อีกชั้น platform ROAS 6.0 มักกลายเป็น true ROAS ราว 1.4 เมื่อหัก cost stack สี่บรรทัดเต็มออก บทความนี้ว่าด้วยเลขคณิตของ affiliate stack วินัยการตั้งราคาบน live-stream และ framework ราย SKU ที่กู้ margin คืนได้โดยไม่ต้องถอยจากแพลตฟอร์ม

  5. 12 ธันวาคม 2025

    E-commerce Decision Engine: ผู้ขาย Marketplace เปลี่ยนข้อมูลเป็นคำแนะนำเพิ่มกำไรได้อย่างไร

    แดชบอร์ดบอกว่าเกิดอะไรขึ้น Decision Engine บอกว่าควรทำอะไรต่อ จัดอันดับตัวเลือกตามกำไรที่คาดว่าจะเพิ่มขึ้น และแสดงคณิตศาสตร์เบื้องหลังทุกคำแนะนำ บทความวิจัยว่าด้วยสถาปัตยกรรม 5 ชั้นที่แยกสองสิ่งนี้ออกจากกัน ทำไมการค้าบน marketplace ตอนนี้ต้องใช้แบบหลัง และ operating model นี้พังตรงไหน

หยุดเดา ให้ DataGlass ช่วยเพิ่มกำไร

ร่วมกับผู้ขายที่ใช้ DataGlass เปลี่ยนข้อมูลร้านให้เป็น Action ถัดไปที่เพิ่มกำไรสูงสุด สำหรับโฆษณา ราคา โปรโมชั่น และสต๊อกสินค้า