Marketplace SEA ในปี 2026: สนามที่กระจัดกระจาย กับกฎข้อเดียวที่ทำให้รอด

รายงาน Google–Temasek–Bain e-Conomy SEA 2025 ที่เผยแพร่เมื่อตุลาคม 2025 ประมาณการว่า digital economy ของเอเชียตะวันออกเฉียงใต้จะทะลุ US$300 พันล้านใน gross merchandise value ภายในสิ้นปี ภายในยอดรวมนี้ อีคอมเมิร์ซอย่างเดียวมีแนวโน้มแตะราว US$185 พันล้าน GMV และ US$41 พันล้านใน revenue ในช่วงเวลาเดียวกัน video commerce — หมวดที่ Bain นิยามให้รวม live-stream selling, content commerce ที่ขับเคลื่อนโดยครีเอเตอร์ และ short-form video shopping — เติบโตจนคิดเป็นราว 25% ของ GMV อีคอมเมิร์ซในภูมิภาค สัดส่วนที่ยังไม่มีอยู่เลยในปี 2020 และต่ำกว่า 10% เมื่อปี 2022 เอง

ภาพ macro ชัดเจนไม่กำกวม แต่ภาพฝั่งผู้ขายกลับตรงกันข้าม ช่วงเวลาเดียวกันที่ทำให้ GMV ในภูมิภาคโต กลับทำให้ margin ถูกบีบอย่างเป็นระบบในระดับผู้ดำเนินการ โดยมีสาเหตุไม่ใช่จากความผิดพลาดของผู้ขายรายตัว แต่จากการเปลี่ยนแปลงเชิงโครงสร้างในวิธีที่แพลตฟอร์มจัดสรร visibility, ตั้งราคา impression และแบ่งภาระการ fund ส่วนลด บทวิจัยนี้บันทึกการเปลี่ยนแปลงเหล่านั้น matrix รายแพลตฟอร์มรายตลาดที่มันสร้างขึ้น และกฎการดำเนินงานที่ — ทั่วทุก cell ของ matrix — แยกผู้ขายที่รักษา contribution margin ออกจากผู้ขายที่รักษาไว้ไม่ได้

ข้อโต้แย้งนี้อิงข้อมูลเชิงประจักษ์เท่าที่ทำได้ (อ้างรายงาน Bain, เอกสารนักลงทุน 4Q25 และ 1Q26 ของ Sea Limited, เอกสารยื่นของ segment SEA ของ Alibaba และเอกสารฝั่งผู้ขายของแพลตฟอร์มเอง) และยอมรับตรงที่ทำไม่ได้ (การกระจายของ margin รายบัญชีที่เราอธิบายดึงมาจากบัญชีที่เราทำโมเดลโดยตรง ส่วน methodology ท้ายบทวิจัยอธิบาย sample และขอบเขตของมัน) สิ่งที่ตามมานี้ไม่ใช่บทความการตลาดเรื่องการแข่งขัน แต่เป็นบทวิจัยว่าอะไรเปลี่ยนไปใน marketplace SEA จากปี 2022 ถึง 2026, ทำไมการเปลี่ยนแปลงจึงเป็นเชิงโครงสร้างมากกว่าวัฏจักร และ operating layer ที่อยู่รอดผ่านมันได้ทำอะไรจริง ๆ ในระดับ SKU

ไม่มี playbook เดียวสำหรับ marketplace SEA มีอยู่สิบแปด — สามแพลตฟอร์ม × หกตลาด — และ operating layer ที่ชนะคือตัวที่ทำโมเดลทั้งหมดพร้อมกัน

Thesis: ในสนามที่ตอนนี้กระจายตัวเป็นสิบแปด cell ของแพลตฟอร์มคูณตลาดที่ต่างกัน (สามแพลตฟอร์มหลัก — Shopee, Lazada, TikTok Shop — ข้ามหกตลาด SEA-6 ได้แก่ อินโดนีเซีย ไทย เวียดนาม ฟิลิปปินส์ มาเลเซีย และสิงคโปร์) ผู้ขายที่บริหารด้วยมุมมองระดับบัญชีก้อนเดียวจะแพ้ ส่วนผู้ขายที่บริหารด้วยเศรษฐศาสตร์ราย cell จะรักษา margin ได้ ความกระจัดกระจายไม่ใช่ bug ที่ต้องทำให้เป็นกลางทิ้งไป มันคือ moat ผู้ขายที่ทำโมเดลได้ทั้ง 18 cell พร้อมกันสะสมความได้เปรียบที่ลอกเลียนยาก เพราะมันแพงในเชิงการบริหารจัดการ — คุณสมบัติเดียวกันที่กันการรวมศูนย์แบบง่าย ๆ คือคุณสมบัติที่ทำให้ moat นี้คงทน

เส้นฐานปี 2026

เมื่อห้าปีก่อน รายงาน e-Conomy SEA มองภูมิภาคนี้เป็นเรื่องราวการเติบโตที่มีตัวแปรอธิบายหลักคือ internet penetration พอถึงปี 2025 ตัวแปรนั้นถูกแก้ไปเกือบหมดแล้ว ตามรายงาน Bain internet penetration ทั่ว SEA-6 เฉลี่ยสูงกว่า 80% และผู้ซื้ออีคอมเมิร์ซรายขอบไม่ใช่ผู้ใช้อินเทอร์เน็ตหน้าใหม่อีกต่อไป ตัวแปรเปลี่ยนไปอยู่ที่ share-of-wallet และความถี่ ซึ่งทั้งคู่ตอนนี้ถูกกำหนดโดยกลไกอีกชุดหนึ่ง: ระบบ recommendation ของแพลตฟอร์มที่ควบคุม visibility บน product surface ที่อิ่มตัว, โมเมนตัมของ live-commerce, การจับคู่ creator-affiliate และราคา ad-auction ที่ผู้ขายเองเป็นคน bid ขึ้นด้วยการแข่งกันชิง impression ก้อนเดียวกัน

อ่านอย่างละเอียด ตารางข้างบนไม่ใช่เรื่องราวของการเติบโตที่สม่ำเสมอทั่วภูมิภาค อินโดนีเซียและเวียดนามแบกปริมาณของภูมิภาค ส่วนสิงคโปร์และมาเลเซียมี GMV ต่อหัวสูงกว่าแต่ฐานสัมบูรณ์เล็กกว่า สัดส่วน video commerce ไม่สม่ำเสมอ — อินโดนีเซียและเวียดนามอยู่ที่ 25–30% ส่วนสิงคโปร์และมาเลเซียต่ำกว่า 20% Shopee ครองตลาดในห้าจากหกตลาด แต่ช่องว่างกับแพลตฟอร์มอันดับสองแตกต่างกันอย่างมีนัยสำคัญ (Lazada เกาะใกล้ Shopee มากกว่าในสิงคโปร์และมาเลเซีย เมื่อเทียบกับอินโดนีเซียหรือเวียดนาม) ผู้ขายที่สร้างกลยุทธ์ SEA จากยอดรวมระดับภูมิภาคกำลังเฉลี่ยข้ามตลาดที่ภายในปี 2026 เฉลี่ยรวมกันไม่ได้อีกแล้ว — penetration curve ต่างกัน, ความสุกงอมของ live-commerce ต่างกัน, โปรไฟล์การใช้จ่ายของผู้บริโภคต่างกัน, ความหนาแน่นของ ad-auction ต่างกัน

การเปลี่ยนแปลงเชิงโครงสร้างสามอย่าง

การเปลี่ยนผ่านจากการเติบโตไปสู่การถูกบีบ margin คือผลรวมสะสมของการเปลี่ยนแปลงสามอย่างที่เกิดขึ้นพร้อมกันในวิธีที่แพลตฟอร์มดำเนินงาน การเปลี่ยนแปลงแต่ละอย่างมีบันทึกอยู่ในเอกสารยื่นหรือเอกสารฝั่งผู้ขายของแพลตฟอร์มเอง ไม่มีอันไหนเป็นเรื่องความเห็น การเปลี่ยนแปลงทบกัน และการทบกันนี้คือเรื่องราวฝั่งการดำเนินงาน

1. Ad auction สุกงอม

บทวิเคราะห์ปี 2025 ของ Bain ระบุว่า retail media เป็นหนึ่งในสองช่องทาง (อีกช่องคือ video commerce) ที่กำลังเปลี่ยนรูปการค้นพบสินค้าใน marketplace ในฝั่งแพลตฟอร์ม เอกสารนักลงทุน 4Q25 และ 1Q26 ของ Sea Limited — และรายงานของ Reuters ที่ตามมาเมื่อ 3 มีนาคม 2026 — บันทึกว่าค่าใช้จ่ายในการดำเนินงานของ Sea เพิ่มขึ้นอย่างมีนัยสำคัญในปี 2025 จากการลงทุนโครงสร้างพื้นฐาน AI สำหรับ search relevance, recommendation และการ optimize ad auction ผลที่แปลมาฝั่งผู้ขายตรงไปตรงมา ในปี 2022 บัญชี Shopee ในไทยรักษา organic flywheel ที่มีนัยได้ด้วยค่าโฆษณาต่ำกว่า 6% ของ revenue เพราะ auction ยังบาง และระบบ recommendation ยังไม่ถูกปรับให้เน้นความหนาแน่นของการสร้างรายได้ พอถึงปี 2026 การได้ impression share เท่าเดิมโดยทั่วไปต้องใช้ 12–18% ของ revenue ไปกับ ads การเปลี่ยนแปลงนี้ไม่ใช่วัฏจักร — มันสะท้อนการลงทุนเชิงรุกของแพลตฟอร์มในการสร้างรายได้จากทุก impression ที่มี และทิศทางการดำเนินงานเป็นทางเดียว

ผลกระทบลำดับที่สองทบกับอันแรก default ad targeting ของ Shopee อนุญาตให้ broad-match keyword ขยายตัว โดยแพลตฟอร์มจะดันแคมเปญขึ้นมาเองสำหรับ query ที่เกี่ยวข้องซึ่งผู้ขายไม่ได้ bid การขยายแบบ broad-match ดึง traffic ที่ intent ต่ำมาได้มาก — query เชิงข้อมูล, query เปรียบเทียบราคา, query หาสินค้าทดแทน — และ order ที่ attribute มาแปลงเป็นยอดขายที่ true-ROAS ต่ำกว่า keyword แบบ exact-match ที่ผู้ขายเลือกตั้งใจไว้อย่างมีนัยสำคัญ โมเดล relevance ของแพลตฟอร์มเก่งขึ้นในการขยาย ส่วนต้นทุนต่อยอดขายที่ได้ของผู้ขายก็สูงตามขึ้นไปด้วย ผลิตภัณฑ์ Sponsored Discovery ของ Lazada และ ad placement แบบ feed ของ TikTok Shop ก็แสดงพลวัตแบบเดียวกันในรูปแบบที่ต่างกัน

2. โปรโมชันที่เคย platform-funded กลายเป็น seller-funded

Help Center ของ Shopee ในบทความกลไก seller voucher ที่เผยแพร่บน help.shopee.co.th ระบุแหล่งที่มาของการ fund ชัดเจน: "เมื่อผู้ซื้อใช้ Shop Voucher จำนวนส่วนลดจะถูกหักจากยอดขายของคุณในฐานะต้นทุนการตลาด" เอกสาร Open Platform ของ Lazada แยกความต่างระหว่างโปรโมชันแบบ platform-funded กับ seller-funded และระบุว่าโปรแกรม Free Shipping Logo ต้องให้ผู้ขาย opt-in เพื่อรับภาระค่าจัดส่งส่วนหนึ่งแลกกับสัญญาณ ranking ของ badge ส่วน Seller University ของ TikTok Shop บันทึก commission ของ Affiliate Plan ในช่วง 1–80% (ผู้ขายตั้งเองราย SKU) โดย Open Affiliate Plan ตั้งค่าเริ่มต้นที่ 10–25% ในหมวดส่วนใหญ่ — commission ที่ทับลงบน platform commission 1–5% ก่อนที่จะคิด voucher แบบ seller-funded ใด ๆ

อ่านเอกสารเหล่านี้ตั้งแต่ต้นจนจบ แล้วข้อสรุปก็ชวนอึดอัด ส่วนลดที่ผู้ซื้อเห็น, free shipping ที่ขับ conversion และ affiliate spend ที่ขับการเข้าถึง ล้วนถูกออกแบบมาตามเอกสารให้ผู้ขายเป็นคนจ่าย บทบาทของแพลตฟอร์มกลายเป็นเหมือนโรงประมูลมากขึ้นเรื่อย ๆ — มันจัดสรร impression ส่วนผู้ขาย fund คลังของความสนใจ นี่ไม่ใช่การบ่นหรือวิจารณ์นโยบาย มันคือข้อเท็จจริงในการดำเนินงานที่การ reconstruct contribution margin ต้องคิดเข้าไปด้วย และเป็นข้อเท็จจริงที่ dashboard ฝั่งแพลตฟอร์มส่วนใหญ่ไม่แสดง

3. Arbitrage ข้ามแพลตฟอร์มปิดตัวลง

ในปี 2018 ผู้ขาย multi-shop ที่ฉลาดสามารถใช้ประโยชน์จากช่องว่างราคาระหว่าง Shopee กับ Lazada ได้หลายวัน บางทีนานกว่านั้น arbitrage นั้นมีนัย คงทน และต้องการแค่ความใส่ใจ พอถึงปี 2026 มันปิดตัวไปแล้วโดยปริยาย สามการเปลี่ยนแปลงขับให้มันปิด หนึ่ง ผู้ซื้อเปรียบเทียบราคาข้ามทั้งสามแพลตฟอร์มในไม่กี่วินาที มักผ่าน in-feed surface ของ TikTok Shop ที่แสดงราคาคู่แข่งข้างสินค้าใน feed สอง automation จากภายนอกที่มิเรอร์ราคาคู่แข่งถูกใช้กันแพร่หลายโดยผู้ขายที่แข่งกันเอง ช่องว่างราคาโผล่ขึ้นมาภายในไม่กี่นาทีและถูกมิเรอร์กลับภายในไม่กี่ชั่วโมง สาม แพลตฟอร์มเองออกกฎ competitive-parity บนโปรแกรมระดับสูงสุด (LazMall, Shopee Mall) ที่ตรวจจับราคาที่ต่ำกว่าจุดราคานอกแพลตฟอร์มอย่างชัดเจน สิ่งที่เหลืออยู่ไม่ใช่ price arbitrage ข้ามแพลตฟอร์ม แต่คือ operational arbitrage — ช่องว่างระหว่างผู้ขายที่รู้ contribution margin ราย SKU ราย channel กับผู้ขายที่จับตา GMV

Matrix แพลตฟอร์มคูณตลาด

แต่ละ cell ใน matrix 18 cell ที่เกิดขึ้นมี commission schedule ของตัวเอง, fee เฉพาะโปรแกรมของตัวเอง, กลไก voucher ตามปฏิทินเทศกาลของตัวเอง และผลิตภัณฑ์ ad-auction ที่ครองตลาดของตัวเอง ตารางด้านล่างจับภาพสามแพลตฟอร์มข้ามสามตลาด SEA-6 ตัวแทน — ไทย อินโดนีเซีย และเวียดนาม — เพื่อแสดงความต่างเชิงโครงสร้างระหว่าง cell ส่วน cell ของสิงคโปร์ มาเลเซีย และฟิลิปปินส์มีรูปทรงคล้ายกันแต่ต่างที่ระดับ fee สัมบูรณ์และจังหวะการไต่ระดับ voucher-tier

ความต่างเชิงโครงสร้างระหว่าง cell ไม่ใช่ความคลาดเคลื่อนจากการปัดเศษ ผู้ขายไทยที่เทียบ Shopee Mall กับ TikTok Shop บน SKU เดียวกันกำลังเทียบ cost stack หนึ่ง (Shopee commission ~6% + Mall premium ~5% + transaction fee ~2% + voucher subsidy ~5–8% ช่วงแคมเปญ) กับ stack ที่ต่างกันโดยพื้นฐาน (TikTok platform commission ~3% + Open Plan affiliate commission ~20% บน order ที่ติด tag affiliate + transaction fee ~2% + returns reserve ที่โดยทั่วไปสูงกว่า Shopee 4–8 percentage points สะท้อนโปรไฟล์การซื้อแบบ impulse ของฐานผู้ซื้อ) stack ทั้งสองสร้างเป้า break-even ROAS ที่ห่างกัน 2–3 ROAS point บน SKU เดียวกัน ผู้ขายที่ใช้เป้า ROAS ก้อนเดียวทั้งบัญชีข้าม cell โดยโครงสร้างแล้วกำลังตั้งเป้าผิดอย่างน้อยหนึ่ง cell

ตัวอย่างคำนวณสามกรณี

การเปลี่ยนแปลงเชิงโครงสร้างและ matrix ยังเป็นนามธรรมจนกว่าจะระบุเลขคณิตการดำเนินงานออกมา formula สามบล็อกด้านล่างไล่รูปแบบการ scale สมมติชุดเดียวกัน — ผู้ขายไทยตัวแทนที่ scale monthly GMV จาก THB 200K เป็น THB 800K ในแต่ละแพลตฟอร์มจากทั้งสาม — โดยใช้โครงสร้าง fee และ voucher ทั่วไปของแต่ละ cell ตัวเลขเป็นเชิงประกอบ สะท้อนโปรไฟล์ SKU-mix ทั่วไปในข้อมูลของเรา ไม่ใช่บัญชีผู้ขายเฉพาะราย จุดของแบบฝึกหัดนี้ไม่ใช่ margin ที่ออกมาแม่นยำ แต่คือรูปทรงของการบีบ margin ราย cell

Pre-scale  THB 200,000 GMV · 35% gross · 8% ads · 3% normal voucher · ~2% fees
                     net contribution margin: ~22% of GMV  →  ~THB 44,000

At-scale   THB 800,000 GMV · 35% gross · 16% ads (auction-inflated)
                  · 9% campaign voucher (escalated tier) · 4% free-ship subsidy · ~2% fees
                     net contribution margin: ~4% of GMV  →  ~THB 32,000

Outcome:  GMV grew 4×; net contribution profit fell 27%.

Pre-scale  THB 200,000 GMV · 35% gross · 7% ads · 4% Mall fee premium
                  · 3% mandatory free-shipping subsidy · 4% normal voucher
                     net contribution margin: ~17% of GMV  →  ~THB 34,000

At-scale   THB 800,000 GMV · 33% gross (LazMall pricing parity drag) · 14% ads
                  · 4% Mall premium · 4% mandatory free-shipping · 10% campaign voucher
                     net contribution margin: ~1% of GMV  →  ~THB 8,000

Outcome:  GMV grew 4×; net contribution profit fell 76%.

Pre-scale  THB 200,000 GMV · 35% gross · 6% ads · 3% platform commission
                  · 18% affiliate (50% of orders, 20% commission) · 6% returns reserve
                     net contribution margin: ~2% of GMV  →  ~THB 4,000

At-scale   THB 800,000 GMV · 35% gross · 14% ads
                  · 3% platform commission · 22% affiliate (60% of orders, 22% commission)
                  · 8% returns reserve (live-commerce mix)
                     net contribution margin:  −12% of GMV  →  −THB 96,000

Outcome:  GMV grew 4×; net contribution profit collapsed into a loss.

ตัวอย่างทั้งสามแยกทิศกันชัดเจน เส้นทาง Shopee non-Mall scale ไปพร้อมการบีบ margin แต่ยังกำไรบนส่วนเพิ่ม เส้นทาง LazMall scale ใกล้ break-even เพราะ Mall fee premium และ shipping subsidy ที่บังคับทบกับการไต่ระดับ campaign voucher เส้นทาง TikTok Shop scale เข้าสู่การขาดทุน เพราะ affiliate commission ที่ทับบน platform commission และ returns reserve ที่สูงกว่า เกินกว่า gross margin เมื่อบวกการไต่ระดับ campaign voucher เข้าไป SKU mix เดียวกัน scale แบบเดียวกัน ให้ trajectory ของ margin สามแบบที่ต่างกัน ผู้ขายที่ใช้ dashboard รวมข้ามทั้งสาม cell เห็นการบีบ margin แบบเฉลี่ยแล้วสรุปว่า "ตลาดแข่งกันสูง" ส่วนผู้ขายที่ใช้เศรษฐศาสตร์ราย cell เห็นว่าสองในสาม cell กำลังขาดทุนบนส่วนเพิ่มและอีกหนึ่งไม่ขาดทุน แล้วจัดสรรใหม่ตามนั้น

Sensitivity — จุดที่ข้อสรุปเปลี่ยน

ลอง stress-test ตัวอย่างคำนวณ ตารางด้านล่างแสดงว่า net contribution margin at-scale จากตัวอย่างคำนวณ 1 (Shopee TH non-Mall) เปลี่ยนอย่างไรเมื่อขยับ input หนึ่งตัวขณะที่ตัวอื่นคงที่ ความ sensitive ไม่สมมาตร — การขยับ voucher tier และ ad spend เล็กน้อยเปลี่ยนผลลัพธ์มากกว่าการขยับ COGS หรือ platform commission เท่ากัน เพราะต้นทุน voucher และ ad ขับด้วย auction และมีแนวโน้มไต่ระดับมากกว่าจะแกว่งขึ้นลง

ตาราง sensitivity ชี้ประเด็นเชิงโครงสร้าง การขยับเล็กน้อยในสองก้อนของต้นทุนที่ใหญ่ที่สุด — ad spend และ voucher tier — สร้างการแกว่งของ net contribution margin at-scale มากกว่า 50% ผู้ขายที่ไม่มีมุมมอง real-time ราย SKU ราย cell ของ input เหล่านี้กำลังดำเนินงานด้วยสัญญาณ margin ที่มี noise floor ใหญ่กว่าสัญญาณการดำเนินงานจริง ส่วนผู้ขายที่มีมุมมองนี้ลงมือตามตารางได้ตรง ๆ: ตัด ads ลงสอง percentage point และปฏิเสธการไต่ voucher-tier ครั้งถัดไป แล้ว margin at-scale ก็ฟื้น

กฎที่ทำให้รอด นำไปใช้กับ matrix

บริหารธุรกิจด้วย contribution margin ราย SKU ราย channel ราย market ไม่ใช่ GMV กฎนี้พูดง่ายแต่แพงในเชิงการบริหารจัดการเวลานำไปใช้ ซึ่งเป็นเหตุผลว่าทำไมมันถึงเป็น moat ด้วย ผลในเชิงปฏิบัติหกข้อตามมาจากกฎนี้โดยตรง

• แคมเปญไหนควร scale: แคมเปญที่ contribution margin ต่อหน่วยหลัง attribution เป็นบวกบนส่วนเพิ่ม ตัดสินด้วย break-even ROAS ของ cell นั้นเอง ไม่ใช่เทียบกับเป้าระดับบัญชีก้อนเดียว
• ส่วนลดไหนควรปล่อย: ส่วนลดที่ voucher tier ไม่เกิน gross margin ของ category ใน cell นั้น ๆ — campaign voucher ที่เวิร์กใน Shopee TH อาจบีบ margin จนถึง break-even ใน LazMall TH บน SKU เดียวกัน
• สินค้าไหนควรเลิกขาย: สินค้าที่ contribution margin ติดลบในทุก cell หลัง audit อย่างเป็นธรรม — ไม่ใช่สินค้าที่ติดลบใน cell หนึ่งแต่เป็นบวกในอีก cell
• ควรดัน SKU เข้า channel ไหน: cell ที่ margin ของ SKU ยังอยู่ ไม่ใช่ cell ที่มี GMV รวมสูงสุด
• แคมเปญไหนควรปฏิเสธ: แคมเปญที่ต้นทุนการเข้าร่วม (voucher tier ของแคมเปญ, ad spend ที่บังคับ, ภาระ free-shipping ที่ลึกขึ้น) เกิน contribution margin ของ SKU แม้ก่อนที่ GMV lift ของแคมเปญจะเกิดขึ้นจริง
• คู่แข่งรายไหนควรเมิน: รายที่แข่งกันบน GMV การบีบ margin ของพวกเขาอยู่บน curve คนละเส้น การตามพวกเขาคือการตัดสินใจบีบ margin ที่สวมหน้ากากเป็นกลยุทธ์การเติบโต

cell เหล่านี้เฉลี่ยรวมกันไม่ได้ operating layer ที่ชนะคือตัวที่ทำโมเดลทั้ง 18 cell พร้อมกัน

ข้อจำกัด และจุดที่ข้อโต้แย้งนี้พัง

บทวิจัยที่ไม่บอกขอบเขตของตัวเองคือการโน้มน้าวที่ปลอมตัวมา ข้อโต้แย้งข้างบนมีขอบเขตชัดเจน

• ขอบล่างของขนาดบัญชี ข้อโต้แย้งใช้ได้ชัดกับบัญชีที่ monthly revenue สูงกว่าราว THB 200K ต่ำกว่านั้น ต้นทุนการดำเนินงานคงที่ (คลังสินค้า, overhead การ fulfill, เวลาของผู้ขายเอง) จะครอบงำ และ framework การ optimize ราย SKU จะให้ผลด้อยกว่า heuristic แบบง่าย ผู้ขายเดี่ยวที่มี 5 SKU และ monthly revenue THB 50K ไม่ควรทำ reconstruction contribution-margin ราย cell แต่ควรเลือก SKU ที่ดีที่สุดสองตัวและจับตา cash flow
• ขอบบนของขนาดบัญชี ข้อโต้แย้งก็มีปลายบนเช่นกัน ผู้ขายระดับสูงสุด (LazMall enterprise tier, ผู้ขาย top-decile ของ Shopee) มี commission schedule แบบต่อรอง, ข้อตกลง voucher เฉพาะ และความสัมพันธ์ตรงกับแพลตฟอร์มที่เปลี่ยน matrix ในแบบที่การทำโมเดลด้วย fee schedule สาธารณะของเราจับไม่ได้ framework ยังใช้ได้ แต่ค่า input ต่างไปและต้อง recalibrate
• ผู้ขาย cross-border ผู้ขาย cross-border จีน-สู่-SEA, ฮ่องกง-สู่-SEA และเกาหลี-สู่-SEA เผชิญ cost stack ด้าน fee และศุลกากรที่ต่างออกไป — Shopee International Platform, Lazada Cross-Border และโปรแกรมผู้ขาย cross-border ของ TikTok Shop ต่างมีเศรษฐศาสตร์เฉพาะที่ไม่ได้ทำโมเดลในที่นี้ หลักการดำเนินงานยังคงอยู่ แต่ขอบเขตเชิงตัวเลขเลื่อนไป
• ความครอบคลุมแพลตฟอร์ม เราถือว่า Shopee, Lazada และ TikTok Shop เป็นสามแพลตฟอร์มที่ครองตลาดทั่ว SEA-6 ซึ่งไม่รวม Tokopedia (เฉพาะอินโดนีเซีย ใหญ่ในเชิงสัมบูรณ์แต่ไม่ใช่ระดับภูมิภาค), long tail อย่าง Bukalapak / Blibli ในอินโดนีเซีย, Sendo และ Tiki ในเวียดนาม และ surface ใหม่ ๆ (Instagram Shopping ในสิงคโปร์, การเชื่อมต่อ Meta Shop) ที่อาจมีผลตรงขอบ ผู้ขายที่มี exposure กับ Tokopedia อย่างมีนัยควรถือว่าการวิเคราะห์นี้เป็นจุดเริ่มต้นที่มีประโยชน์แต่ยังไม่สมบูรณ์
• กรอบเวลา การเปลี่ยนแปลงเชิงโครงสร้างที่อธิบายในที่นี้สังเกตได้ในหน้าต่างปี 2022–2026 ทิศทางคงที่แต่อัตราไม่คงที่ — การลงทุน AI ปี 2026 ของ Sea Limited อาจเร่งหรือชะลอ trajectory ต้นทุน ad-auction ขึ้นอยู่กับว่าแพลตฟอร์มส่งต่อผลของประสิทธิภาพให้ผู้ขาย (บีบ auction) หรือดึงเก็บไว้ (เพิ่ม inflation ของ auction) ความเชื่อมั่นในการพยากรณ์เกิน 24 เดือนต่ำ
• ข้ออ้างเรื่องการกระจายของ margin ข้ออ้าง "จากข้อมูลของเรา" เป็นข้อมูลรวมและไม่ระบุตัวตน สะท้อนบัญชีที่เราทำโมเดล ไม่ใช่ข้ออ้างเชิงประชากรเกี่ยวกับผู้ขาย marketplace SEA ทั้งหมด และไม่รวมส่วนล่างสุดและบนสุดของการกระจายขนาดอย่างชัดเจนตามที่กล่าวข้างต้น

Methodology — ตัวเลขเบื้องหลังข้ออ้าง "จากข้อมูลของเรา"

การอ้างอิงข้อมูลสาธารณะในบทวิจัยนี้นำมาจากรายงาน Bain e-Conomy SEA 2025, เอกสารนักลงทุน 4Q25 และ 1Q26 ของ Sea Limited (ยื่นผ่าน SEC Form 6-K และพอร์ทัล Sea Investor Relations), เอกสารเปิดเผยของ segment Lazada SEA ของ Alibaba ในช่วงเดียวกัน, รายงานของ Reuters เกี่ยวกับผลประกอบการไตรมาสเดือนมีนาคม 2026 ของ Sea และความร่วมมือ AI Google–Sea เดือนกุมภาพันธ์ 2026 และเอกสารฝั่งผู้ขายของแพลตฟอร์มเอง: Shopee Help Center (help.shopee.co.th และโดเมนประเทศที่เทียบเท่า), เอกสาร Lazada Open Platform (open.lazada.com) และ TikTok Shop Seller University (seller-th.tiktok.com)

ข้ออ้างจากข้อมูลภายใน — ช่วงของ cost input ในตัวอย่างคำนวณ, รูปแบบการ scale ทั่วไป, การกระจายของ margin "จากข้อมูลของเรา" และตัวเลข "20–30% ของ ad spend รันที่ขาดทุนจริง" — เป็นข้อมูลรวมข้ามบัญชีผู้ขาย marketplace SEA-6 ที่ active ราว 400 บัญชี ตาม sample frame ของ DataGlass research methodology (ม.ค. 2024 – เม.ย. 2026, หน้าต่างการสังเกต 28 เดือน)

ส่วน methodology มีอยู่เพื่อจุดประสงค์เดียว: ทำให้ทุกข้ออ้างเชิงตัวเลขในบทวิจัยตรวจสอบได้ในหลักการ ผู้อ่านที่ไม่เห็นด้วยกับข้อสรุปควรชี้ได้ว่า input ตัวไหนผิด (การอ้างอิงข้อมูลสาธารณะ, sample, ช่วงของ cost input, โมเดล attribution) แทนที่จะชี้ไปที่ข้อสรุปเอง นี่คือความต่างระหว่างการวิเคราะห์ที่โต้แย้งได้กับการวิเคราะห์ที่โต้แย้งไม่ได้