Data Science
จากการแสดงผลแอด Shopee 333.9 ล้านครั้ง และ 9.11 ล้านคลิก ที่วัดจากร้านค้าไทยกว่า 80 ร้าน ระหว่าง 1 กุมภาพันธ์ ถึง 16 สิงหาคม 2569 ราคาต่อคลิกต่างกันถึง 2.01 เท่า ขึ้นอยู่กับชั่วโมงที่ซื้อ อัตราการคลิกต่างกันแค่ 1.14 เท่า อัตราการซื้อต่างกัน 1.23 เท่า และ margin ของสินค้าที่ขายได้ต่างกัน 1.13 เท่า พฤติกรรมของคนซื้อในบัญชีแอด Shopee แทบคงที่ตลอดวัน ตัวแปรราคาประมูลสองตัวขยับมากกว่าตัวอื่นประมาณเท่าตัว [1]
เราเผยแพร่ตารางเต็มเพราะหาไม่เจอ benchmark ที่เผยแพร่และบอกวิธีวัดชัดเจน ว่าคลิกแอด Shopee ในไทยราคาเท่าไหร่ และการไม่มีข้อมูลนี้มีต้นทุน ร้านค้าคิดเรื่อง CPC เหมือนเป็นเรื่องของครีเอทีฟ ทั้งที่ส่วนใหญ่เป็นเรื่องของเวลา ชุดข้อมูลนี้เปิดภายใต้ CC BY 4.0 เป็นข้อมูลรวมกลุ่มเท่านั้น ทุกช่องที่เผยแพร่มีร้านค้าอย่างน้อยแปดร้าน และขนาดกลุ่มตัวอย่างแสดงเป็นช่วงแทนจำนวนที่แน่นอน [1] และมี endpoint ให้คนที่อยากได้เป็น JSON [2]
ประเด็นหลัก: ความต่างของต้นทุนและกำไรจากแอด Shopee ในแต่ละช่วงของวัน เป็นเรื่องราคาประมูล คนซื้อพฤติกรรมแทบเหมือนเดิมทั้งวัน สิ่งที่เปลี่ยนเกินเท่าตัวคือราคาที่แพลตฟอร์มเก็บเพื่อให้เข้าถึงพวกเขา สิ่งที่จะพิสูจน์ว่าข้อนี้ผิด: ข้อมูลที่อัตราการซื้อหรือยอดต่อออเดอร์กระจายตัวระหว่างช่วงเวลากว้างพอ ๆ กับ CPM
คลิกแอด Shopee ราคาเท่าไหร่ แยกตามช่วงเวลา
ข้อมูลชุดนี้เป็นแคมเปญสินค้าเดียวเท่านั้น เพราะตารางข้อมูลแอดของ Shopee ไม่มีรหัสสินค้าใน primary key แคมเปญหลายสินค้าจึงเทคลิกทั้งหมดไปที่สินค้าตัวใดตัวหนึ่งแบบสุ่ม และคอลัมน์ margin จะไม่มีความหมายถ้าไม่กรองออก คลิก 9.11 ล้านจาก 9.21 ล้านจับคู่กับสินค้าได้ หรือ 98.9% margin คือกำไรจริงของสินค้าที่แคมเปญนั้นโฆษณา หลังหักค่าคอมตามหมวด ค่าธรรมเนียมธุรกรรมและการชำระเงิน ส่วนแบ่ง voucher และส่วนแบ่งค่าส่งฟรีตามตารางค่าธรรมเนียมของ Shopee [5] และตรวจแล้วว่าไม่รวมค่าแอด จึงหักกับ CPC ได้โดยไม่นับซ้ำ
| ช่วงเวลา | คลิก (ล้าน) | อัตราการซื้อ | CPC (บาท) | ยอดต่อออเดอร์ (บาท) | Margin | กำไร/คลิก (บาท) | POAS |
|---|---|---|---|---|---|---|---|
| 00–01 | 0.84 | 10.40% | 6.75 | 649 | 29.3% | 13.01 | 2.93 |
| 02–07 | 1.11 | 8.46% | 4.45 | 456 | 26.0% | 5.59 | 2.25 |
| 08–11 | 1.85 | 10.41% | 4.18 | 462 | 26.7% | 8.65 | 3.07 |
| 12–16 | 2.28 | 9.95% | 3.96 | 487 | 27.9% | 9.57 | 3.42 |
| 17–19 | 1.16 | 9.04% | 3.93 | 469 | 27.4% | 7.71 | 2.96 |
| 20–23 | 1.87 | 9.42% | 3.36 | 468 | 27.7% | 8.84 | 3.63 |
ไม่นับวันแคมเปญ (วันเลขเบิ้ลของแพลตฟอร์ม) ในทุกตารางที่รวมช่วงเวลา: 88.3% ของค่าแอดในวันแคมเปญตกวันอังคารหรือวันเสาร์ ตารางที่รวมทุกวันจะพาทั้งการสลับอันดับและความเอียงตามวันในสัปดาห์เข้ามา ที่มา: DataGlass marketplace benchmarks ชุดข้อมูล shopee-click-economics [1]
POAS ในที่นี้คือกำไรก่อนค่าแอดหารด้วยค่าแอด จึงคุ้มทุนที่ 1.0 ไม่ใช่ 0 ช่วงที่ได้ 2.25 คือได้กำไรก่อนค่าแอด 2.25 บาท และกำไรสุทธิ 1.25 บาทต่อค่าแอดทุก 1 บาท ถ้าอ่านแบบนี้ ไม่มีช่วงไหนขาดทุน และช่วงที่ดีที่สุดกับแย่ที่สุดต่างกัน 1.61 เท่า แต่ช่วงไหนดีที่สุดขึ้นอยู่กับว่าคุณควรใช้ตัวชี้วัดไหน และนั่นขึ้นอยู่กับสิ่งที่ไม่มีในตาราง คือแคมเปญของคุณกำลังชนข้อจำกัดอะไรอยู่จริง ๆ
กำไรก่อนค่าแอดต่อคลิก = margin x ยอดต่อออเดอร์ x อัตราการซื้อ
= 0.277 x 468 x 0.0942 = 12.21 บาท
กำไรต่อคลิก = 12.21 - CPC 3.36 = 8.85 บาท
POAS = 12.21 / 3.36 = 3.63
ผลตอบแทนสุทธิต่อบาท = 8.85 / 3.36 = 2.63
POAS นับกำไรก่อนค่าแอดที่คลิกนั้นสร้าง
ลบ 1.00 ที่จ่ายไปแล้วจะได้กำไรสุทธิ
ตารางแสดง 8.84 เพราะคำนวณจากค่าที่ยังไม่ปัดเศษ
แถวอื่นก็คลาดได้ 0.01–0.02 เช่นกันแพงสุดกับถูกสุดต่างกัน 2.01 เท่า ชั่วโมงที่คลิกแอด Shopee แพงที่สุดคือช่วงที่คนกดชำระเงินมากที่สุดบนแพลตฟอร์ม และช่วงที่ถูกที่สุดคือสี่ชั่วโมงก่อนหน้านั้น
ช่วงไหนดีที่สุด ขึ้นกับว่าอะไรเป็นตัวคุม
ตัวชี้วัดสองตัวไม่ตรงกัน และไม่ใช่เรื่องที่จะเลือกตามความชอบ กำไรต่อคลิกบอกว่าช่วงเที่ยงคืนดีที่สุดที่ 13.01 บาท กำไรก่อนค่าแอดต่อบาทบอกว่าช่วงค่ำดีที่สุดที่ 3.63 ซึ่งช่วงเที่ยงคืนอยู่อันดับห้าจากหก สองตัวนี้ตอบคนละคำถาม กำไรต่อคลิกคือเป้าที่ถูกเมื่อคลิกเป็นของหายาก เช่น แคมเปญที่ถูก Target ROAS หรือกลุ่มคนดูจำกัดไว้และยังมีงบเหลือ กำไรต่อบาทคือเป้าที่ถูกเมื่อเงินเป็นของหายาก และตามเหตุผลเรื่องสถานะใน การบิดแอด Shopee ทำงานอย่างไร แคมเปญที่ใช้งบรายวันหมดอยู่ในกรณีที่สอง ซึ่งเป็นที่ที่แคมเปญ marketplace ส่วนใหญ่อยู่
ทีนี้ส่วนที่ตารางไม่ได้พูดออกมาตรง ๆ ROAS ที่รายงานแยกตามช่วงเวลา หรือยอดต่อออเดอร์คูณอัตราการซื้อหารด้วย CPC อยู่ระหว่าง 8.67 ในช่วงดึก ถึง 13.12 ในช่วงค่ำ ทุกช่วงสูงกว่าจุดคุ้มทุนของตัวเองเท่ากับตัวเลขในคอลัมน์ POAS พอดี ตั้งแต่ 2.25 เท่าในช่วงที่แย่สุด ถึง 3.63 เท่าในช่วงที่ดีสุด เพราะ POAS คือกำไรก่อนค่าแอดหารค่าแอด และ ROAS คุ้มทุนคือหนึ่งหารด้วย margin [5] ทั้งวันจึงอยู่สูงเหนือเส้นที่ Target ROAS ใช้ตัดมาก และช่วงที่พอจะใช้แยกแยะได้ก็อยู่แค่ 8.67 ถึง 13.12 ต่างกัน 1.51 เท่า
และช่วงที่แคบนั้นยังเป็นปัญหาครึ่งที่เล็กกว่า Target ROAS กับงบไปถึงการประมูลเป็นเกณฑ์เดียวที่เท่ากันทั้งหมด บนค่าประมาณมูลค่าต่อต้นทุนของแพลตฟอร์มในแต่ละการประมูล ไม่ได้อยู่บนผลตอบแทนจริงของแต่ละช่วงเวลา จึงไม่มีทางสั่งว่า "ซื้อช่วงค่ำ" ได้ตั้งแต่ต้น การเพิ่มเป้าไม่ได้ตัดช่วงดึกทิ้ง แต่ตัดการประมูลที่อันดับต่ำที่สุดทิ้งไม่ว่าจะอยู่ช่วงไหนของวัน การได้ประโยชน์จากความต่างระหว่างวันจึงต้องมีเกณฑ์ตัวที่สอง คือแคมเปญที่สองหรือตารางงบตามเวลา ไม่มีอะไรที่กรอกในแคมเปญเดียวทำได้
แล้วได้เพิ่มมากแค่ไหน? คำนวณได้จากตาราง เป็นเพดานทางบัญชี ไม่ใช่การพยากรณ์ ถ่วงน้ำหนักแต่ละช่วงด้วยจำนวนคลิกของตัวเอง ข้อมูลชุดนี้ใช้ค่าแอด 38.2 ล้านบาท ได้กำไรก่อนค่าแอด 118.6 ล้านบาท POAS เฉลี่ย 3.105 ช่วงที่ดีที่สุดได้ 3.634 การย้ายเงินทุกบาทไปช่วงค่ำได้อย่างสมบูรณ์ จึงเพิ่มกำไรต่อบาทบนเงินที่ใช้ไปแล้วได้มากที่สุดประมาณ 17% หรือ 16.7% พอดีถ้าคำนวณจากค่าที่ปัดเศษในตาราง นี่คือขอบบน และแทบแน่นอนว่าหลวม เพราะการรวมค่าแอดของทุกร้านไว้ในสี่ชั่วโมงจะทำให้ราคาตลาดในชั่วโมงนั้นสูงขึ้น และข้อมูลชุดนี้ไม่มีการสังเกตว่าเรื่องนี้เกิดขึ้น ทะเบียนข้อค้นพบที่ระงับไว้ของชุดข้อมูลบันทึกว่าประโยชน์จากการปรับตามเวลา "ยังไม่ได้วัด" [1] และตัวเลขนี้ไม่ได้เปลี่ยนสถานะนั้น มันแค่ใส่ขอบบนให้
ไม่มี Target ROAS ค่าไหนแยกชั่วโมงที่คุ้มออกจากชั่วโมงที่ไม่คุ้ม เพราะทุกชั่วโมงเกินจุดคุ้มทุนมากกว่าเท่าตัว เรื่องเวลาต้องใช้แคมเปญที่สอง ไม่ใช่ตัวเลขอีกตัว
ข้อมูลชุดเดิม ก่อนหน้าหนึ่งขั้นใน funnel
สิ่งที่การประมูลจัดสรรคือการแสดงผล ไม่ใช่คลิก มุมมองต่อการแสดงผลจึงใกล้กลไกจริงกว่า การเปลี่ยนฐานทำให้อันดับขยับแค่คู่เดียว คือช่วงเช้ากับช่วงค่ำสลับอันดับสามกับสี่ เพราะอัตราการคลิกช่วงเช้าสูงกว่าเล็กน้อย ที่เหลือเหมือนเดิม
| ช่วงเวลา | การแสดงผล (ล้าน) | CTR | CPM (บาท) | กำไรต่อ 1,000 การแสดงผล (บาท) |
|---|---|---|---|---|
| 00–01 | 28.1 | 2.97% | 200.15 | 386.08 |
| 02–07 | 39.3 | 2.83% | 125.99 | 158.07 |
| 08–11 | 66.4 | 2.78% | 116.33 | 240.42 |
| 12–16 | 85.0 | 2.68% | 105.95 | 256.21 |
| 17–19 | 44.5 | 2.61% | 102.60 | 201.52 |
| 20–23 | 70.6 | 2.65% | 89.16 | 234.57 |
CPM ในที่นี้เป็นค่าที่คำนวณย้อนกลับ Shopee คิดเงินแคมเปญเหล่านี้ต่อคลิก ค่านี้คือค่าแอดหารด้วยการแสดงผลคูณพัน ที่มา: DataGlass marketplace benchmarks ชุดข้อมูล shopee-click-economics [1]
ช่วง 02:00–07:59 คือช่วงที่ควรเอามาเทียบกับ benchmark เรื่อง CTR มันมีอัตราการคลิกสูงเป็นอันดับสองของวันที่ 2.83% แต่ผลทางการเงินแย่ที่สุด POAS 2.25 เทียบกับ 3.63 ของช่วงค่ำ กลไกเห็นได้จากสองคอลัมน์ ยอดต่อออเดอร์ต่ำที่สุดในหกช่วงที่ 456 บาท และอัตราการซื้อต่ำที่สุดที่ 8.46% คลิกในช่วงนั้นจึงมีกำไรก่อนค่าแอด 10.03 บาท เทียบกับ 12.21 บาทในช่วงค่ำ ขณะที่แพงกว่า 1.09 บาท ถ้าปรับครีเอทีฟโดยดูแค่อัตราการคลิก จะย้ายเงินไปหาช่วงที่ได้น้อยที่สุด
ช่วงที่อัตราการคลิกดีเป็นอันดับสองในข้อมูลชุดนี้ มีผลทางการเงินแย่ที่สุด benchmark ของครีเอทีฟชี้ไปที่ชั่วโมงที่ให้ผลน้อยที่สุด
อะไรที่ต่างกันจริง: ข้อค้นพบหลักของชุดข้อมูลนี้
| ตัวแปร | สูงสุด ÷ ต่ำสุด ในหกช่วง | ประเภท |
|---|---|---|
| CPM | 2.24x | ราคาประมูล |
| CPC | 2.01x | ราคาประมูล |
| ยอดต่อออเดอร์ | 1.42x | พฤติกรรมคนซื้อ |
| อัตราการซื้อ | 1.23x | พฤติกรรมคนซื้อ |
| อัตราการคลิก | 1.14x | พฤติกรรมคนซื้อ |
| Margin | 1.13x | ส่วนผสมสินค้า |
ที่มา: DataGlass marketplace benchmarks ตาราง window-input-spreads [1]
ดูคอลัมน์ประเภท ทุกอย่างที่ร้านค้าคุมได้ผ่านการจัดสินค้าอยู่ในสี่แถวล่าง และขยับไม่ถึงครึ่งของสองแถวบน ความหมายในทางปฏิบัติคือลำดับความสำคัญของปุ่ม เพราะ margin ต่างกันแค่ 1.13 เท่าระหว่างช่วงเวลา margin เฉลี่ยทั้งร้านกับ margin รายสินค้าจึงให้อันดับช่วงเวลาเหมือนกัน ส่วนผสมสินค้าไม่ใช่ปุ่มในเรื่องนี้ และไม่ต้องคิดต้นทุนราย SKU ก็จัดอันดับเวลาได้ เพราะราคาประมูลต่างกัน 2.24 เท่า การประมูลจึงเป็นปุ่ม ข้อสรุปนี้แคบกว่าที่ฟัง มันบอกว่าในข้อมูลชุดนี้ควรมองตรงไหน ไม่ได้บอกว่าคุณขยับราคาได้เอง
คนซื้อพฤติกรรมแทบเหมือนเดิมตลอดวันบน Shopee ราคาที่ต้องจ่ายเพื่อเข้าถึงพวกเขาขยับ 2.24 เท่า benchmark ที่สำคัญคือราคา ไม่ใช่พฤติกรรม
ใช้ benchmark แบบนี้อย่างไรไม่ให้ผิด
ทุกตัวเลขข้างบนเป็นค่าเฉลี่ย และค่าเฉลี่ยไม่ใช่สิ่งที่ควรใช้ตัดสินใจใช้เงิน POAS 3.63 ในช่วงค่ำไม่ได้แปลว่าเงินบาทถัดไปที่ใส่ช่วงนั้นจะได้ 3.63 แต่แปลว่าเงินที่ใส่ไปแล้วในช่วงนั้นได้เฉลี่ย 3.63 ไม่มีอะไรในชุดข้อมูลนี้บอกราคาของเงินบาทส่วนเพิ่ม และช่องว่างระหว่างค่าเฉลี่ยกับ ROAS ส่วนเพิ่มข้างหลังมันไม่ได้เล็ก ด้วยพารามิเตอร์ในบทความคู่กันเรื่อง Target ROAS ที่ทำกำไรสูงสุด แคมเปญที่รายงานผลตอบแทนเฉลี่ย 16.67 ได้ 7.00 จากคลิกถัดไป ต่างกัน 2.38 เท่า [3]
ข้อควรระวังที่สอง เกี่ยวกับช่องที่น่าอ้างที่สุดในหน้านี้ ฝั่งการซื้ออิงการนับยอดแบบกว้างของ Shopee [4] และการนับเกินจริงหนักที่สุดตรงช่วงเที่ยงคืน ซึ่งเป็นช่วงที่คนกดชำระเงินมากที่สุดบนแพลตฟอร์ม กำไรต่อคลิก 13.01 บาทของช่วง 00:00–01:59 จึงเป็นตัวเลขที่น่าเชื่อน้อยที่สุดในตาราง และผิดไปในทางที่ดูดีเกินจริง ลองดูว่ามีผลแค่ไหน ถ้าลดอัตราการซื้อของช่วงเที่ยงคืนลงเป็นค่ากลางของอีกห้าช่วง คือ 9.42% แทน 10.40% กำไรต่อคลิกจะลดจาก 13.01 บาทเหลือ 11.16 บาท และ POAS ลดจาก 2.93 เหลือ 2.65 ระดับตัวเลขเปลี่ยนชัดเจน แต่อันดับไม่เปลี่ยนทั้งสองตัวชี้วัด ให้มองว่าทิศทางถูก แต่ตัวเลขยังนิ่มอยู่ และอย่าอ้าง 13.01 โดด ๆ
ข้อที่สาม นี่คือกลุ่มตัวอย่างของเรา ไม่ใช่ตลาดไทยทั้งหมด เป็นร้านค้ากว่า 80 ร้านที่เชื่อมกับ DataGlass ส่วนใหญ่เป็นร้านระดับกลางที่ยิงแอด ในข้อมูลรายชั่วโมงอีกชุดของชุดข้อมูลเดียวกัน กลุ่มผู้ลงโฆษณารายใหญ่ที่สุด 20 ร้านถูกวัดแล้วว่าต่างจากร้านอื่นในสามจากสี่คุณสมบัติที่ทดสอบ ค่ามัธยฐานของความต่างระหว่างช่วงดีที่สุดกับแย่ที่สุด 1.41 เท่าเทียบกับ 2.14 เท่า Mann-Whitney p = 0.0093 และถูกตัดออกทั้งกลุ่ม [1] การทดสอบนั้นทำในข้อมูลอีกชุด แต่เป็นหลักฐานที่ดีที่สุดที่เรามีว่าตัวเลขเหล่านี้ไม่ได้อธิบายใคร ถ้าคุณเป็นบัญชีแอดระดับท็อป 10% ให้คาดว่าความต่างระหว่างช่วงเวลาจะแคบกว่านี้
ข้อโต้แย้งนี้ใช้ไม่ได้ตรงไหน
- เป็นข้อมูลจากการสังเกต ไม่ใช่ผลเชิงเหตุ ไม่มีอะไรในนี้เป็นผลที่วัดได้จากการลงมือเปลี่ยน เราไม่ได้บอกว่าการย้ายค่าแอดไปช่วงค่ำจะเพิ่มกำไร เรารายงานว่าค่าแอดที่อยู่ในช่วงค่ำอยู่แล้วได้ผลตอบแทนเฉลี่ยสูงกว่า สถานะที่ตรงไปตรงมาของประโยชน์จากการปรับตามเวลาคือยังไม่ได้วัด
- เฉพาะแคมเปญสินค้าเดียว ตัวกรองนี้จำเป็นเพราะโครงสร้างตารางข้อมูลแอดของ Shopee แต่แปลว่าข้อมูลตัดแคมเปญแบบกว้างหลายสินค้าออกไปอย่างเป็นระบบ ซึ่งอาจมีราคาต่างไป
- คอลัมน์ margin คือ margin จริงของสินค้าเฉลี่ยในช่วงนั้น ร้านที่ส่วนผสมสินค้าเปลี่ยนระหว่างวัน เช่น ดีลประจำวันตอนค่ำ ราคาเต็มตอนกลางวัน จะเห็น margin ต่างกันมากกว่า 1.13 เท่า
- ไม่นับวันแคมเปญ ในวันเลขเบิ้ลอันดับช่วงเวลากลับกัน ตัวเลขเหล่านี้จึงไม่ได้อธิบาย 9.9, 10.10, 11.11 หรือ 12.12 และไม่ควรเอาไปใช้กับวันเหล่านั้น
- เฉพาะประเทศไทย และเฉพาะ Shopee ข้อมูล Lazada และ TikTok Shop ในชุดข้อมูลมีขนาดเล็กกว่า และเทียบกับคอลัมน์เหล่านี้ตรง ๆ ไม่ได้
ระเบียบวิธี
ทุกตารางในบทความนี้มาจากข้อมูลชุดเดียว `shopee-click-economics`: ร้าน Shopee ไทยกว่า 80 ร้าน เฉพาะแคมเปญสินค้าเดียว 1 กุมภาพันธ์ ถึง 16 สิงหาคม 2569 วัดเมื่อ 18 สิงหาคม 2569 ที่ความละเอียดแคมเปญ × ช่วงเวลา จับคู่กับสินค้าที่โฆษณา เกณฑ์คัดเลือกมีข้อเดียวคือตัวกรองสินค้าเดียว และตัวกรองนี้จำเป็น ไม่ใช่แค่เพื่อความสวยงาม ตารางข้อมูลแอดของ Shopee ไม่มีรหัสสินค้าใน primary key แคมเปญหลายสินค้าจึงเทคลิกทั้งหมดไปที่สินค้าตัวใดตัวหนึ่งแบบสุ่ม และคอลัมน์ margin จะไม่มีความหมาย margin คือ margin จริงของสินค้าที่โฆษณา เฉลี่ยในช่วงนั้น และตรวจแล้วว่าไม่รวมค่าแอด จึงหักกับ CPC ได้โดยไม่นับซ้ำ ชุดข้อมูลมีข้อมูล Shopee อีกชุดที่ใหญ่กว่า คือ `shopee-intraday` ที่ความละเอียดร้าน × ชั่วโมงในช่วงเวลาที่ยาวกว่า เกณฑ์คัดเลือกที่เข้มกว่า (ข้อมูลรายชั่วโมง 60 วัน 200 คลิก 100 ออเดอร์ที่นับให้แอด แล้ว 5 ออเดอร์และ 50 คลิกในทุกหกช่วงเวลา) และกลุ่มผู้ลงโฆษณารายใหญ่ 20 ร้านที่ถูกตัดออก เป็นของชุดนั้น ไม่ใช่ของตารางเหล่านี้ มีกฎสี่ข้อที่ใช้กับทุกตัวเลขในทั้งสองชุด: รวมกลุ่มเท่านั้น ไม่เผยแพร่ตัวเลขรายร้าน ทุกช่องที่เผยแพร่ต้องมีร้านอย่างน้อย 8 ร้าน ถ้าต่ำกว่านั้นจะระงับช่องนั้นแทนการแสดง ขนาดกลุ่มตัวอย่างแสดงเป็นช่วงแทนจำนวนที่แน่นอน และไม่อ้างผลเชิงเหตุ ข้อค้นพบใดที่มีนัยของการเพิ่มผลลัพธ์จะถูกลงในทะเบียนข้อค้นพบที่ระงับไว้พร้อมเหตุผล แทนการลดน้ำเสียงลงเงียบ ๆ ชุดข้อมูลฉบับเต็ม ประวัติเวอร์ชัน และทะเบียนนั้นอยู่ที่ /research/marketplace-benchmarks endpoint JSON เปิด CORS และมีเวอร์ชันผ่าน header X-Dataset-Version [2] เผยแพร่ภายใต้ CC BY 4.0 อ้างอิงได้อย่างอิสระ