โฆษณา
"เส้นกำไรไม่สมมาตรรอบจุดคุ้มทุน: ถ้าตั้งเป้าผิดฝั่งที่สูงกว่า จะเสียกำไรที่ควรได้ ถ้าผิดฝั่งที่ต่ำกว่า จะเผาเงินทุน และเพราะความสัมพันธ์แบบส่วนกลับ ฝั่งหลังชันกว่ามาก"
นั่นคือ Corollary 1c ของบันทึกที่บทความนี้อธิบาย และมันขัดกับคำแนะนำที่ทุกคนให้กัน รวมถึงของเราเองจนถึงตอนนี้ คำแนะนำมาตรฐานคือคำนวณ ROAS คุ้มทุนเป็น 1 หารด้วย margin แล้วตั้ง Target ROAS ให้สูงกว่านั้น ครึ่งแรกถูก ครึ่งหลังอ่อนเกินไปมาก เพราะจุดคุ้มทุนไม่ใช่พื้นที่ยืนได้อย่างปลอดภัย มันคือเส้นที่ margin ทั้งหมดของคุณไหลเข้าการประมูล ขณะที่แคมเปญรายงานว่าทำได้ตรงเป้าพอดี
R*_profit = ( a / m ) x ( 1 + 1/e ) / ( 1 - d )
m = กำไรที่เหลือต่อยอดขายที่นับให้แอด 1 บาท
a = ยอดขายที่นับให้แอด / ยอดขายที่แอดสร้างจริง (>= 1)
e = ความยืดหยุ่นของจำนวนคลิกต่อราคา
d = อัตราที่มูลค่าของคลิกส่วนเพิ่มลดลง
1/m อย่างเดียวคือจุดคุ้มทุน อีกสามตัว
คือเหตุผลที่จุดคุ้มทุนไม่ใช่พื้นเหตุผลเห็นได้ในพีชคณิตบรรทัดเดียว การตั้งเป้าที่จุดคุ้มทุนพอดี อนุญาตให้บิดได้เท่ากับกำไรทั้งก้อนที่คลิกหนึ่งครั้งนำมา กำไรจึงเป็นศูนย์พอดีที่ทุกปริมาณ ยิงเยอะแค่ไหนก็ไม่ช่วย สามตัวที่อยู่ข้าง 1/m ในสูตรข้างบน คือสิ่งที่แยกเส้นที่กำไรหายไป ออกจากเป้าที่ทำกำไรสูงสุด
ประเด็นหลัก: Target ROAS ที่ทำกำไรสูงสุด คือจุดคุ้มทุนคูณด้วยส่วนบวกเพิ่มสามตัว ซึ่งไม่มีตัวไหนปรากฏในรายงานแอดของ marketplace เลย ด้วยพารามิเตอร์ที่สมเหตุสมผลของร้านระดับกลาง ส่วนบวกเพิ่มเหล่านี้ทบกันได้เกิน 3 เท่า ทำให้เป้าที่ถูกต้องของสินค้า margin 20% ขยับจาก 5.00 ไปเป็นประมาณ 16.7 แคมเปญที่ตั้ง 5.00 และรายงาน 5.00 ไม่ได้ตรงเป้า มันใช้เงินมากกว่าที่ควรประมาณแปดเท่า สิ่งที่จะพิสูจน์ว่าข้อนี้ผิด: เส้นอุปทานคลิกที่แบนพอ จนการซื้อปริมาณเพิ่มไม่ได้ทำให้ราคาของปริมาณที่ซื้ออยู่แล้วสูงขึ้น
ทำไมจุดคุ้มทุนได้กำไรศูนย์พอดี
ให้ m คือกำไรที่เหลือต่อยอดขายที่นับให้แอด 1 บาท หลังหักต้นทุนสินค้า ค่าคอมตามหมวด ค่าธรรมเนียมธุรกรรมและการชำระเงิน voucher ที่ร้านออก ส่วนแบ่งค่าส่งฟรี และเงินกันสินค้าตีกลับ ซึ่งทุกบรรทัดอยู่ในตารางค่าธรรมเนียมที่ Shopee ไทยประกาศ [2] ROAS คุ้มทุนคือ 1 ÷ m คือผลตอบแทนที่รายได้จากแอดพอจ่ายค่าแอดพอดี ไม่มีอะไรเหลือ ทีนี้เอาเป้านี้ใส่ในเพดานราคาบิดที่อธิบายไว้ใน การบิดแอด Shopee ทำงานอย่างไร ราคาต่อคลิกที่ได้รับอนุญาตจะเท่ากับกำไรที่คลิกนั้นนำมาพอดี
กำไร(บิดที่เพดาน) = ( m x v - v / R* ) x Q
ที่ R* = 1/m : m x v - v/R* = m x v - m x v = 0
-> กำไรศูนย์ ที่ทุก Q, k และความยืดหยุ่น
ปริมาณเป็นของจริง GMV สูงที่สุดในตาราง
และกำไรทั้งหมดไหลเข้าการประมูลศูนย์นี้ไม่ขึ้นกับปริมาณ และนั่นคือส่วนที่ทำให้คนพลาด ร้านค้าที่ตั้งเป้าที่จุดคุ้มทุนแล้วเพิ่มงบ จะได้คลิกมากขึ้น ยอดขายที่นับให้แอดมากขึ้น และรายได้ที่รายงานมากขึ้น แต่ยังได้กำไรศูนย์ ที่ทุกปริมาณที่แคมเปญไปถึงได้ คลิก ออเดอร์ รายได้ และ ROAS ที่แพลตฟอร์มรายงาน ดีขึ้นทั้งหมด กำไรไม่ดีขึ้น เพราะไม่มีจำนวนคลิกไหนที่ซื้อในราคาเท่ากับกำไรของมันเองพอดี แล้วรวมกันได้มากกว่าศูนย์
เส้นกำไรไม่สมมาตร และฝั่งที่ผิดชันกว่ามาก
ต่ำกว่าจุดคุ้มทุน การขาดทุนไม่ได้สมมาตรกับกำไรที่เสียไปฝั่งที่สูงกว่า ราคาที่ได้รับอนุญาตคือมูลค่าของคลิกหารด้วยเป้า จึงเป็นส่วนกลับของเป้า การลดเป้าทำให้ราคาบิดสูงขึ้นได้ไม่มีขีดจำกัด ฝั่งที่สูงกว่าจุดคุ้มทุน อย่างมากที่สุดคุณเสียแค่กำไรที่ควรได้ซึ่งมีจำกัด ฝั่งที่ต่ำกว่า ไม่มีอะไรจำกัดเลย นี่คือแคมเปญเดียวกับในบทความก่อน คลิกมีมูลค่า 10.00 บาท margin 20% จุดคุ้มทุน 5.00 อุปทานคลิกความยืดหยุ่นคงที่ 1.5 ลองไล่เป้าหลายระดับโดยไม่จำกัดงบ
| เป้าที่กรอก | ราคาบิด (บาท) | คลิก/วัน | ค่าแอด (บาท) | ยอดขายที่นับให้แอด (บาท) | กำไรหลังค่าแอด (บาท) |
|---|---|---|---|---|---|
| 8.33 — จุดที่ดีที่สุดในกรณีนี้ | 1.20 | 1,000 | 1,200 | 10,000 | +800 |
| 6.32 | 1.58 | 1,514 | 2,396 | 15,141 | +632 |
| 5.00 — จุดคุ้มทุน | 2.00 | 2,152 | 4,303 | 21,517 | 0 |
| 4.00 | 2.50 | 3,007 | 7,518 | 30,070 | −1,504 |
| 3.00 | 3.33 | 4,630 | 15,432 | 46,296 | −6,173 |
คำนวณบนเส้นอุปทานคลิกความยืดหยุ่นคงที่ 1.5 ที่สมมติขึ้น ไม่ได้ fit กับบัญชีใด ที่มา: บันทึกทางเทคนิคของ DataGlass Labs ตัวอย่างคำนวณ กรณีที่ 3 [1]
การตั้งเป้าต่ำกว่าจุดคุ้มทุนสองจุด ขาดทุนวันละ 6,173 บาท เกือบแปดเท่าของกำไรสูงสุดที่แคมเปญนี้เคยทำได้ ขณะที่ทำ GMV สูงที่สุดในตาราง สี่เท่าครึ่งของจุดที่ดีที่สุด คลิก ออเดอร์ รายได้ และ ROAS ที่แพลตฟอร์มรายงานเทียบกับเป้าที่ลดลง ดูดีขึ้นทั้งหมด ขณะที่แคมเปญกำลังเดินตกหน้าผา
ด้วยพารามิเตอร์ชุดนี้ จุดสูงสุดอยู่ที่ 8.33 และเส้นค่อย ๆ ลดลงทางขวา การตั้งเป้าเกินเสียกำไรแค่จำนวนจำกัด ทางซ้ายของจุดคุ้มทุนที่ 5.00 เส้นดิ่งลงไม่มีขีดจำกัด เพราะราคาบิดที่อนุญาตเป็นส่วนกลับของเป้า คำนวณบนเส้นอุปทานที่สมมติขึ้น
ROAS คุ้มทุนคือเส้นกำไรศูนย์ ไม่ใช่พื้น เหนือเส้นคุณเสียกำไรจำนวนจำกัด ใต้เส้นไม่มีอะไรจำกัดการขาดทุน
ส่วนบวกที่หนึ่ง: ซื้อปริมาณเพิ่ม ทำให้ปริมาณที่มีอยู่แล้วแพงขึ้น
ส่วนบวกแรกไม่เกี่ยวกับการนับยอดหรือตัวสินค้าเลย มันเป็นคุณสมบัติของการซื้ออะไรก็ตามผ่านการประมูล การจะชนะคลิกเพิ่มต้องบิดสูงขึ้น และราคาบิดที่สูงขึ้นนั้นต้องจ่ายในทุกคลิกที่ชนะอยู่แล้ว ไม่ใช่แค่คลิกส่วนเพิ่ม ต้นทุนของคลิกถัดไปจึงไม่ใช่ราคาที่คุณเห็น แต่คือราคาที่เห็นคูณด้วยหนึ่งบวกส่วนกลับของความยืดหยุ่นของอุปทานคลิก
ราคาต่อคลิกที่เห็น: p
ต้นทุนส่วนเพิ่มของคลิก: c = p x ( 1 + 1/e )
กำไรสูงสุดที่ m x v = c ไม่ใช่ที่ m x v = p
เป้าที่ทำกำไรสูงสุดจากส่วนบวกนี้อย่างเดียว คือ
R* = (1/m) x (1 + 1/e) คือจุดคุ้มทุนที่ถูกบวกเพิ่มความยืดหยุ่น e มีค่าจำกัดในทุกแคมเปญจริง เพราะกลุ่มคนดูไม่ได้มีไม่จำกัด ส่วนบวกนี้จึงมากกว่าหนึ่งเสมอ การบิดถึงจุดคุ้มทุนจะถูกก็ต่อเมื่ออุปทานคลิกยืดหยุ่นสมบูรณ์ ซึ่งแปลว่ามีคนดูไม่จำกัดในราคาคงที่ และไม่ใช่สภาพของ marketplace ไหนเลย ตารางข้างล่างแสดงว่าส่วนบวกนี้มีค่าแค่ไหน สำหรับสินค้า margin 20% ที่จุดคุ้มทุน 5.00
| ความยืดหยุ่นของอุปทานคลิก | ส่วนบวก (1 + 1/e) | เป้าที่ทำกำไรสูงสุด | ราคาบิด เมื่อกำไรเต็มของคลิก = 2.00 บาท |
|---|---|---|---|
| 0.5 — กลุ่มคนดูเกือบอิ่มตัว | 3.00x | 15.00 | 0.67 บาท |
| 1.0 | 2.00x | 10.00 | 1.00 บาท |
| 1.5 | 1.67x | 8.33 | 1.20 บาท |
| 3.0 | 1.33x | 6.67 | 1.50 บาท |
| อุปทานไม่จำกัด (ในทางทฤษฎี) | 1.00x | 5.00 | 2.00 บาท |
คำนวณ ไม่ได้วัดจริง ยิ่งความยืดหยุ่นต่ำ หรือกลุ่มคนดูยิ่งอิ่มตัว เป้าที่ถูกต้องยิ่งอยู่สูงกว่าจุดคุ้มทุน ที่มา: บันทึกทางเทคนิคของ DataGlass Labs, Lemma 1c [1]
ส่วนบวกที่สอง: ยอดขายบางส่วนที่นับให้แอดจะเกิดขึ้นอยู่แล้ว
ส่วนบวกที่สองคือการนับยอดเกินจริง หรืออัตราส่วนระหว่างยอดขายที่แพลตฟอร์มนับให้แอด กับยอดขายที่แอดสร้างขึ้นจริง ให้แทนด้วย a หลักฐานว่า a สูงกว่าหนึ่งอย่างมีนัยสำคัญไม่ใช่การคาดเดา ในการทดลองภาคสนามขนาดใหญ่ของ eBay, Blake, Nosko และ Tadelis พบว่าผลตอบแทนของแอดค้นหาชื่อแบรนด์ใกล้ศูนย์เมื่อวัดกับกลุ่มควบคุมที่ถูกต้อง คนก็ซื้ออยู่ดีไม่ว่าแอดจะขึ้นหรือไม่ [3] Lewis และ Rao แสดงแยกว่ากำลังทางสถิติที่ต้องใช้เพื่อตรวจจับผลตอบแทนจริงของโฆษณา สูงเกินกว่าที่แคมเปญส่วนใหญ่จะมีได้ ตัวเลขแบบนับให้แอดจึงครองพื้นที่ในรายงานทั้งหมด [4]
การนับยอดเกินจริงเข้ามาเป็นการหั่น margin กำไรจริงต่อยอดที่ถูกนับให้ 1 บาท คือ m ÷ a ไม่ใช่ m ทุกผลข้างบนยังใช้ได้เหมือนเดิมเมื่อแทนค่านี้ ซึ่งสะดวก เพราะแปลว่า a เป็นตัวคูณของเป้าที่ถูกต้อง ไม่ใช่การแก้แยกอีกอัน และ a คือพารามิเตอร์ตัวเดียวในที่นี้ที่รายงานของแพลตฟอร์มให้ไม่ได้แม้แต่ในทางหลักการ ต้องใช้การทดลองหยุดแอดบางส่วนหรือแยกตามพื้นที่
ส่วนบวกที่สาม: คลิกเฉลี่ยมีค่ามากกว่าคลิกส่วนเพิ่ม
ส่วนบวกที่สามคือตัวที่ทำให้ตัวเลขที่รายงานชวนเข้าใจผิดในเชิงโครงสร้าง ไม่ใช่แค่มองโลกในแง่ดี แคมเปญซื้อทราฟฟิกที่ถูกที่สุดและปิดการขายดีที่สุดก่อน พอขยายออกไป มูลค่าของคลิกส่วนเพิ่มก็ลดลง ให้ d คืออัตราการลดลงนั้น คลิกเฉลี่ยของทั้งแคมเปญจะมีค่า 1 ÷ (1 − d) เท่าของคลิกส่วนเพิ่ม และ Target ROAS ถูกบังคับใช้กับค่าเฉลี่ย ขณะที่การตัดสินใจเรื่องกำไรเกิดที่ส่วนเพิ่ม
ที่จุดกำไรสูงสุด:
ROAS ที่รายงาน = (a/m) x (1 + 1/e) / (1 - d)
ROAS ส่วนเพิ่ม = a/m
ที่รายงาน / ส่วนเพิ่ม = (1 + 1/e) / (1 - d)
ตัวอย่างที่ e = 1.5, d = 0.30:
(1 + 0.667) / 0.70 = 2.38x
แคมเปญเดียวกัน เวลาเดียวกัน วัดสองแบบข้อนี้พลิกความเข้าใจที่สบายใจ ว่างบที่ไม่ได้เป็นตัวคุมไม่มีผลอะไร จริง ๆ มันมีผล เป้าที่บังคับใช้กับค่าเฉลี่ยของแคมเปญจะซื้อต่อไปเรื่อย ๆ ทั้งที่คลิกส่วนเพิ่มขาดทุนไปแล้ว เพราะคลิกราคาถูกช่วงแรกค้ำค่าเฉลี่ยไว้ งบจึงเป็นสิ่งเดียวที่หยุดการขยาย และการเพิ่มงบคือการจ่ายเงินซื้อปริมาณที่ทำให้ราคาทุกคลิกสูงขึ้นและมูลค่าคลิกสุดท้ายต่ำลงพอดี
| การลดลงของมูลค่า d | ส่วนบวก 1/(1−d) | ที่รายงาน ÷ ส่วนเพิ่ม | เป้าที่ทำกำไรสูงสุด |
|---|---|---|---|
| 0.00 — ไม่ลดลง | 1.00x | 1.67x | 11.67 |
| 0.15 | 1.18x | 1.96x | 13.73 |
| 0.30 | 1.43x | 2.38x | 16.67 |
| 0.45 | 1.82x | 3.03x | 21.21 |
คำนวณจากพารามิเตอร์ที่ระบุ การนับยอดเกินจริงต้องประมาณด้วยการทดลองหยุดแอดบางส่วนหรือแยกพื้นที่ อ่านจากรายงานแพลตฟอร์มไม่ได้ การลดลงของมูลค่าต้องมีการเปลี่ยนราคาบิดให้เห็น ที่มา: บันทึกทางเทคนิคของ DataGlass Labs, Lemma 1d [1]
แคมเปญเดิม เมื่อวัดอย่างถูกต้อง
เอาแคมเปญจากต้นบทความ แล้วตัดสมมติฐานที่ทำให้ตัวเลขดูดีออกสองข้อ ให้คลิกส่วนเพิ่มมีมูลค่าลดลงที่ 0.30 โดยปรับให้คลิกเฉลี่ยยังมีค่า 10.00 บาทที่ 1,000 คลิก ให้การนับยอดเกินจริง 1.4 แปลว่า 29% ของยอดที่ถูกนับให้แอดเป็นดีมานด์ที่แคมเปญแค่ดักไว้ ไม่ได้สร้างขึ้น ซึ่งอยู่ในช่วงที่การทดลองของ eBay บ่งชี้สำหรับทราฟฟิกชื่อแบรนด์ [3] ร้านค้ากรอกเป้า 5.00 ตามจุดคุ้มทุน อย่างที่คู่มือแนะนำ
| ต่อวัน | เป้าที่กรอก 5.00 | จุดที่ดีที่สุด เป้า 16.67 |
|---|---|---|
| ราคาบิด / CPC ที่เห็น | 1.71 บาท | 0.74 บาท |
| ต้นทุนส่วนเพิ่มของคลิก | 2.85 บาท | 1.24 บาท |
| คลิก | 1,696 | 488 |
| ค่าแอด | 2,895 บาท | 363 บาท |
| ยอดขายที่นับให้แอด | 14,476 บาท | 6,054 บาท |
| ROAS ที่รายงาน | 5.00 | 16.67 |
| ROAS ส่วนเพิ่ม | 2.10 | 7.00 |
| กำไรจริงจากยอดที่แอดสร้าง | −827 บาท | +502 บาท |
นับยอดเกินจริง 1.4 การลดลงของมูลค่า 0.30 ความยืดหยุ่นอุปทานคลิก 1.5 margin 20% คำนวณจากพารามิเตอร์ที่สมมติขึ้น ไม่ได้วัดจากบัญชีใด ที่มา: บันทึกทางเทคนิคของ DataGlass Labs ตัวอย่างคำนวณ กรณีที่ 4 [1]
แคมเปญที่รายงานว่าตรงเป้า ใช้เงินมากกว่าที่ควรแปดเท่า และขาดทุนวันละ 827 บาท ตัวเลข 5.00 ที่รายงานคือค่าเฉลี่ยของ 1,696 คลิก คลิกที่ 1,696 ให้ผลตอบแทน 2.10 เทียบกับ 7.00 ที่ต้องได้ถึงจะคุ้มตัวเอง ตัวเลขที่รายงานบอกเรื่องนี้ไม่ได้ เพราะค่าเฉลี่ยถูกค้ำไว้ด้วยคลิกไม่กี่ร้อยคลิกแรกที่ถูกและปิดการขายดี เป้าที่แก้แล้ว 16.67 คือจุดคุ้มทุน 5.00 คูณ 1.40 จากการนับยอด คูณ 1.67 เพราะปริมาณที่เพิ่มทำให้ทุกคลิกแพงขึ้น และคูณ 1.43 เพราะคลิกเฉลี่ยดีกว่าคลิกส่วนเพิ่ม
แคมเปญที่ทำได้ตรง Target ROAS พอดี ไม่ใช่หลักฐานว่าเป้าตั้งถูก มันเป็นหลักฐานว่าแพลตฟอร์มทำตามที่คุณสั่ง
สิ่งนี้เปลี่ยนการทำกำไรบน Shopee อย่างไร
ส่วนบวกรวม = a x (1 + 1/e) / (1 - d)
= 1.4 x 1.6667 / 0.70 = 3.333x
เครื่องประดับ margin 35%
ROAS คุ้มทุน = 1 / 0.35 = 2.857
เป้าที่ทำกำไรสูงสุด = 2.857 x 3.333 = 9.52
เครื่องใช้ไฟฟ้า margin 20%
ROAS คุ้มทุน = 1 / 0.20 = 5.00
เป้าที่ทำกำไรสูงสุด = 5.00 x 3.333 = 16.67
ร้านเดียวกัน บัญชีแอดเดียวกัน การประมูลเดียวกัน
Target ROAS ค่าเดียวทั้งร้าน ไม่มีทางถูกสำหรับทั้งสองตัวผลในทางปฏิบัติสามข้อ เรียงตามความคุ้มที่จะลงมือ ข้อแรก เลิกมองจุดคุ้มทุนเป็นเส้นปลอดภัย มันคือเส้นศูนย์ และเป้าที่ตั้งเท่าหรือต่ำกว่านั้นบิดสูงกว่าจุดกำไรสูงสุดโดยโครงสร้าง ถ้ายังไม่ได้คำนวณรายสินค้า เครื่องคำนวณ ROAS คุ้มทุน ฟรีของเราช่วยคิดให้ ข้อสอง เป้าที่ถูกต้องขึ้นกับสินค้าและ margin เพราะจุดคุ้มทุนคือ 1 ÷ m และ m ต่างกันในแคตตาล็อกมากกว่าที่ร้านค้าส่วนใหญ่คิด เมื่อกระจาย voucher และส่วนแบ่งค่าส่งฟรีลงรายสินค้า ข้อสาม งบไม่ใช่เครื่องมือหยาบ มันคือปุ่มเดียวที่คิดเป็นเงินที่จ่ายจริง ไม่ใช่มูลค่าที่ระบบนับให้ และในโซนขาดทุนมันคือสิ่งเดียวที่จำกัดความเสียหายได้ ที่เป้า 4.00 ในตัวอย่างงบของ การบิดแอด Shopee ทำงานอย่างไร งบ 2,400 บาทเปลี่ยนการขาดทุน 1,504 บาทเป็นกำไร 631 บาท ต่างกันวันละ 2,135 บาท
ข้อโต้แย้งนี้ใช้ไม่ได้ตรงไหน
- เส้นอุปทานคลิกสมมติว่ามีความยืดหยุ่นคงที่ และไม่ได้ fit กับบัญชีใด ความยืดหยุ่นแทบแน่นอนว่าต่างกันตามสินค้า ช่วงเวลา และความอิ่มตัวของแคมเปญ และส่วนบวกนี้ไวต่อค่านั้น ความยืดหยุ่น 0.5 กับ 3.0 ทำให้เป้าที่ถูกต้องของสินค้าเดียวกันขยับจาก 15.00 เป็น 6.67
- การนับยอดเกินจริงอ่านจากรายงานของแพลตฟอร์มไม่ได้ ต้องประมาณด้วยการทดลองหยุดแอดบางส่วนหรือแยกพื้นที่ และผลของ eBay [3] เป็นผลจากแอดค้นหาชื่อแบรนด์ของร้านค้าปลีกใหญ่รายเดียว ไม่ใช่ค่าคงที่ของ Shopee ให้มอง 1.4 เป็นพารามิเตอร์ตัวอย่าง ไม่ใช่ benchmark
- การลดลงของมูลค่าต้องมีการเปลี่ยนราคาบิดให้เห็นถึงจะระบุได้ แคมเปญที่ไม่เคยเปลี่ยนราคาบิดเลย ไม่มีข้อมูลว่าคลิกส่วนเพิ่มเสียมูลค่าเร็วแค่ไหน
- จุดที่ดีที่สุดพิสูจน์สำหรับแคมเปญเดียวแยกจากกัน ถ้ามีหลายแคมเปญใช้งบร่วมกัน กฎที่ถูกคือทำให้ผลตอบแทนส่วนเพิ่มของทุกแคมเปญเท่ากัน และจุดที่ดีที่สุดรายแคมเปญจะถูกก็ต่อเมื่องบไม่มีข้อจำกัดจริง ๆ
- ทั้งหมดนี้คิดราคาการประมูลแบบหยุดนิ่ง ไม่ได้บอกว่าคู่แข่งจะตอบสนองอย่างไรถ้าร้านค้าจำนวนมากเพิ่มเป้าพร้อมกัน ซึ่งจะทำให้ราคาตลาดลดลงและจุดที่ดีที่สุดของทุกคนในตลาดสูงขึ้น
ระเบียบวิธี
ไม่มีข้อสรุปใดในบทความนี้ที่อิงข้อมูลลูกค้าของ DataGlass ส่วนบวกสามตัวและสูตรจุดกำไรสูงสุดพิสูจน์จากนิยามในบันทึกทางเทคนิคของเรา [1] ซึ่งไม่ได้ใช้ชุดข้อมูลใด ทุกตารางเป็นเลขคณิตบนพารามิเตอร์ที่ระบุ อัตราการซื้อต่อคลิก 2% มูลค่าออเดอร์ 500 บาท margin 20% อุปทานคลิกความยืดหยุ่นคงที่ และในบางตารางมีการนับยอดเกินจริง 1.4 กับการลดลงของมูลค่า 0.30 เลือกให้เป็นตัวแทนของสินค้าระดับกลางบน marketplace ไทย ไม่ได้ fit จากร้านใด ผลเชิงประจักษ์สองชิ้นที่อ้างเรื่องการนับยอดเกินจริง คือ Blake, Nosko และ Tadelis ใน Econometrica [3] และ Lewis กับ Rao ใน Quarterly Journal of Economics [4] ซึ่งไม่มีชิ้นไหนเป็นงานศึกษา Shopee ตัวเลข Shopee ที่เราวัดเอง รวมถึง CPC และ CPM แยกตามชั่วโมงจาก 333.9 ล้านการแสดงผล เผยแพร่แยกเป็นชุดข้อมูลเปิด CC BY 4.0 [5]