Retention Curve คืออะไร: อ่านกราฟรักษาลูกค้าให้แม่นยำ

“ลูกค้าหายไปทีละคน ไม่ใช่หายไปพร้อมกันทั้งหมด — ถ้าไม่มองเป็นเส้นโค้ง คุณจะไม่มีทางรู้ว่าเขาหายไปตรงจุดไหน”

Retention Curve คือหนึ่งในข้อมูลที่คนทำ Facebook Ads พูดถึงน้อยเกินไป ทั้งที่มันตอบคำถามสำคัญกว่า ROAS หรือ CTR ในหลายกรณี นั่นคือคำถามที่ว่า “ลูกค้าที่เราเสียเงินซื้อมา อยู่กับเราจริงนานแค่ไหน”

หลายธุรกิจดู Conversion Rate แล้วพอใจ เพราะเห็นตัวเลขคนซื้อครั้งแรกเยอะ แต่ไม่มีใครถามต่อว่า เดือนที่สองยังเหลือกี่คน เดือนที่สามเหลือกี่คน และคนที่เหลือคือคนกลุ่มไหน มาจากแคมเปญไหน Retention Curve คือกราฟที่ตอบคำถามนี้โดยตรง

ปัญหาคือ Retention Curve ไม่ใช่ Metric ที่ Facebook Ads Manager แสดงให้ดูตรง ๆ แบบ Native Metric มันเป็นข้อมูลที่ต้องดึงจาก CRM หรือระบบหลังบ้านมาพล็อตเอง ซึ่งทำให้หลายคนมองข้าม ทั้งที่มันคือกราฟที่บอกความจริงของธุรกิจได้ชัดกว่าตัวเลขในหน้า Ads Manager หลายตัว

บทความนี้จะพาไปดูว่า Retention Curve คืออะไรจริง ๆ วัดอะไรได้ วัดอะไรไม่ได้ สูตรคำนวณเป็นอย่างไร และที่สำคัญที่สุดคือ ทำอย่างไรให้ข้อมูลนี้ย้อนกลับไปช่วยตัดสินใจเรื่องงบโฆษณาและ Customer Journey ได้จริง ไม่ใช่แค่กราฟสวย ๆ ในสไลด์รายงาน

ถ้าคุณเป็นคนที่ดูแลงบ Facebook Ads หรือดูแล CRM ของธุรกิจ และรู้สึกว่าตัวเลข Conversion ที่เห็นทุกเดือนไม่เคยตอบคำถามว่า “ลูกค้าจะกลับมาซื้อซ้ำไหม” บทความนี้เขียนมาเพื่อคุณโดยเฉพาะ

Retention Curve คืออะไร

Retention Curve คือกราฟเส้นที่แสดงเปอร์เซ็นต์ของลูกค้าในกลุ่มเดียวกัน (Cohort) ที่ยังคงกลับมาใช้งานหรือซื้อซ้ำ เมื่อเวลาผ่านไป โดยแกน X คือระยะเวลา เช่น สัปดาห์ที่ 1, 2, 3 และแกน Y คือเปอร์เซ็นต์ของคนที่ยังอยู่

สิ่งสำคัญคือคำว่า “Cohort” กลุ่มลูกค้าที่เข้ามาพร้อมกัน เช่น คนที่ซื้อครั้งแรกในเดือนมกราคม ต้องถูกแยกออกจากคนที่ซื้อครั้งแรกในเดือนกุมภาพันธ์ เพราะถ้าเอาทุกคนมารวมกันโดยไม่แยก Cohort กราฟที่ได้จะไม่สะท้อนพฤติกรรมจริงของกลุ่มใดกลุ่มหนึ่งเลย

ในบริบทของ Facebook Ads เรื่องนี้สำคัญมาก เพราะแคมเปญแต่ละชุดดึงลูกค้าคนละกลุ่ม คนละ Audience คนละ Message ถ้าไม่แยก Cohort ตามแคมเปญหรือช่วงเวลาที่ยิงแอด จะไม่มีทางรู้เลยว่าแคมเปญไหนดึงลูกค้าที่ “อยู่นาน” กับแคมเปญไหนที่ดึงลูกค้าที่ “ซื้อแล้วหาย”

Retention Curve วัดอะไรจริง

Retention Curve วัดพฤติกรรมการกลับมาของกลุ่มลูกค้ากลุ่มเดียวกัน ตามช่วงเวลา ไม่ใช่ยอดขายรวมทั้งหมด และไม่ใช่จำนวนลูกค้าใหม่ที่เข้ามาเพิ่ม

มันตอบคำถามเฉพาะเจาะจงว่า “จากคนที่เข้ามาตอนเริ่มต้น เหลือกี่เปอร์เซ็นต์ที่ยังกลับมา” เท่านั้น ถ้าธุรกิจมีลูกค้าใหม่เข้ามาเรื่อย ๆ แต่ Retention Curve ของแต่ละ Cohort ตกลงเร็ว นั่นคือสัญญาณว่าธุรกิจกำลังวิ่งอยู่บนสายพานที่ต้องหาลูกค้าใหม่ตลอดเวลา เพราะลูกค้าเก่าไม่อยู่

ถ้าต้องการเรียนรู้วิธีตั้งค่า Conversions API และ Facebook Pixel เพื่อให้ข้อมูล Cohort ที่ดึงมาพล็อต Retention Curve มีความแม่นยำตั้งแต่ต้นทาง สามารถศึกษาได้ที่ คอร์ส Facebook Ads Zero to Advance ซึ่งพูดถึงการวางโครงสร้าง Tracking ที่ถูกต้องตั้งแต่ระดับ Event

สิ่งที่ Retention Curve ไม่ได้วัด

ต้องระวังตรงนี้มาก เพราะ Retention Curve ไม่ได้บอกว่า “ทำไม” ลูกค้าถึงหายไป มันบอกแค่ “ว่าหายไปตอนไหน” เท่านั้น

ยังไม่ได้พิสูจน์ว่าสาเหตุมาจากสินค้าไม่ดี บริการแย่ หรือแค่ลูกค้ากลุ่มนั้นไม่ใช่ Target ที่แม่นตั้งแต่ต้น การอ่าน Retention Curve เพียงอย่างเดียวแล้วสรุปสาเหตุ เป็นการตีความที่เกินกว่าที่ข้อมูลจะพิสูจน์ได้

นอกจากนี้ Retention Curve ก็ไม่ได้บอก Customer Lifetime Value โดยตรง มันเป็นเพียงส่วนหนึ่งที่ใช้คำนวณ LTV ต่อได้ ไม่ใช่ตัวเลขที่แทนกันได้ทันที

สูตรคำนวณ Retention Rate ต่อ Cohort

สูตรพื้นฐานของ Retention Rate ในแต่ละช่วงเวลาคือ:

Retention Rate (สัปดาห์ที่ N) = จำนวนลูกค้าที่ยังกลับมาในสัปดาห์ N ÷ จำนวนลูกค้าเริ่มต้นใน Cohort × 100

ตัวอย่างเช่น Cohort เดือนมกราคมมีลูกค้าเริ่มต้น 1,000 คน สัปดาห์ที่ 4 เหลือคนที่ยังซื้อซ้ำ 250 คน

Retention Rate = 250 ÷ 1,000 × 100 = 25 เปอร์เซ็นต์

แต่ต้องตรวจ Scope ก่อนว่าคำว่า “ยังกลับมา” หมายถึงอะไร บางธุรกิจนับแค่การเข้าเว็บไซต์ บางธุรกิจนับเฉพาะการซื้อซ้ำ ถ้า Definition ไม่ชัด ตัวเลข 25 เปอร์เซ็นต์ ของสองธุรกิจก็เปรียบเทียบกันไม่ได้เลย

วิธีตีความรูปทรงของกราฟ

Retention Curve ส่วนใหญ่มีลักษณะตกลงเร็วในช่วงแรก แล้วค่อย ๆ นิ่งในช่วงหลัง จุดที่กราฟเริ่มนิ่งเรียกว่า Plateau ซึ่งมักสะท้อนกลุ่มลูกค้าที่ “ติดใจ” จริง ๆ

ถ้ากราฟตกลงเร็วแล้วไม่มี Plateau เลย นั่นคือสัญญาณอันตรายว่าไม่มีลูกค้ากลุ่มไหนอยู่กับธุรกิจในระยะยาว ตรงกันข้าม ถ้ากราฟตกช้าและ Plateau สูง แปลว่าธุรกิจมีฐานลูกค้าประจำที่แข็งแรง

คำถามที่ต้องถามต่อคือ กลุ่มที่อยู่ใน Plateau มาจากแคมเปญ Facebook Ads ชุดไหน เพราะถ้ารู้คำตอบนี้ จะสามารถเพิ่มงบให้แคมเปญที่ดึงลูกค้าคุณภาพสูง แทนที่จะเพิ่มงบให้แคมเปญที่แค่ CTR สวยแต่ Retention ต่ำ

เรื่องแบบนี้มักเกี่ยวโยงกับปัญหา Audience ที่ทับซ้อนกันระหว่างแคมเปญ ซึ่งทำให้ตีความ Cohort ผิดได้ง่าย รายละเอียดเรื่องนี้อธิบายไว้ใน Audience Overlap: ยิงหลายชุดแอดแต่แอดแข่งกันเอง

จุดที่คนมักเข้าใจผิด

ความเข้าใจผิดที่พบบ่อยที่สุดคือการเอา Retention Curve ของทั้งธุรกิจมาดูรวมกัน โดยไม่แยกตามช่องทางที่ลูกค้าเข้ามา สิ่งนี้ทำให้มองไม่เห็นว่าจริง ๆ แล้วมีบางช่องทางที่ดึงลูกค้าคุณภาพสูงซ่อนอยู่ในตัวเลขเฉลี่ยที่ดูปานกลาง

อีกจุดที่มักพลาดคือ เปรียบเทียบ Retention Curve ของ Cohort ที่มีขนาดต่างกันมาก เช่น Cohort หนึ่งมี 50 คน อีก Cohort มี 5,000 คน การเอาเปอร์เซ็นต์มาเทียบกันตรง ๆ โดยไม่สนใจขนาด Sample ทำให้ข้อสรุปคลาดเคลื่อนได้ง่าย

Framework PROOF สำหรับอ่าน Retention Curve

เพื่อให้การอ่าน Retention Curve เป็นระบบ มากกว่าการมองกราฟแล้วเดาเอาเอง ใช้ Framework นี้เป็นแนวทาง:

1. P – Plot the curve: พล็อตกราฟแยกตาม Cohort ที่มาจากแคมเปญหรือช่วงเวลาต่างกัน อย่ารวมทุกคนไว้เส้นเดียว
2. R – Read the decay pattern: อ่านรูปแบบการตกของกราฟก่อนสรุปสาเหตุ อย่ารีบตัดสินว่าสินค้าไม่ดีจากกราฟเพียงอย่างเดียว
3. O – Observe the plateau: สังเกตจุดที่กราฟเริ่มนิ่ง เพื่อหากลุ่มลูกค้าที่แท้จริงจะอยู่กับธุรกิจ
4. O – Optimize the drop point: เมื่อรู้ว่าจุดไหนคนหายมากที่สุด ให้ปรับ Customer Journey ตรงจุดนั้นก่อนจุดอื่น
5. F – Forecast LTV: ใช้ค่า Plateau มาประมาณ Customer Lifetime Value อย่างระมัดระวัง ไม่ใช้ตัวเลขช่วงแรกที่ยังผันผวน

ถ้าต้องการนำ Framework นี้ไปใช้กับการวางโครงสร้างแคมเปญ Facebook Ads ให้สอดคล้องกับ Customer Journey จริง ลองศึกษาความแตกต่างระหว่างการตั้งงบระดับ Campaign กับ Ad Set เพิ่มเติมได้ที่ 1-1-1 Facebook Ads: งบ Campaign หรือ Ad Set ต่างกันไหม

Masterclass 3 มุมมองเชิงลึก

มุมมองที่ 1: Cohort ต้องแยกตามวันที่เข้ามา ไม่ใช่วันที่ดูข้อมูล

มุมมองที่ 2: เชื่อม Retention Curve กับ Ad Objective ที่เลือกใช้

มุมมองที่ 3: ใช้ Retention Curve ตัดสินใจเพิ่มหรือลดงบ

Danger Zone: จุดพลาดที่ทำลายการตัดสินใจ

ข้อผิดพลาดที่ 1: ดู Retention Curve แบบรวมทั้งธุรกิจ
ไม่แยก Cohort ตามแคมเปญหรือช่วงเวลา ทำให้มองไม่เห็นว่ามีกลุ่มลูกค้าคุณภาพสูงซ่อนอยู่ในตัวเลขเฉลี่ย ผลเสียคือเพิ่มงบให้แคมเปญผิดกลุ่ม แนวทางคือแยก Cohort ตาม Campaign ID เสมอ

ข้อผิดพลาดที่ 2: สรุปสาเหตุการหายไปโดยไม่มีข้อมูลสนับสนุน
เห็นกราฟตกแล้วรีบสรุปว่าสินค้าไม่ดี ทั้งที่ยังไม่ได้ตรวจ Onboarding หรือ Customer Service ผลเสียคือแก้ปัญหาผิดจุด แนวทางคือเก็บ Feedback เพิ่มก่อนสรุปสาเหตุ

ข้อผิดพลาดที่ 3: เปรียบเทียบ Cohort ที่มีขนาดต่างกันมาก
เอาเปอร์เซ็นต์ Retention ของ Cohort เล็กมาเทียบกับ Cohort ใหญ่ ผลเสียคือข้อสรุปคลาดเคลื่อนเพราะ Sample ไม่นิ่งพอ แนวทางคือตรวจขนาด Cohort ก่อนเปรียบเทียบทุกครั้ง

ข้อผิดพลาดที่ 4: ใช้ตัวเลขช่วงต้นของกราฟมาพยากรณ์ LTV
กราฟช่วงแรกยังผันผวนสูง การใช้ตัวเลขตรงนี้พยากรณ์ LTV ทำให้ประมาณการผิดพลาด ผลเสียคือวางแผนงบผิด แนวทางคือรอให้กราฟเข้าสู่ Plateau ก่อนใช้พยากรณ์

ข้อผิดพลาดที่ 5: ไม่ตรวจ Definition ของคำว่า “กลับมา”
บางระบบนับแค่เข้าเว็บ บางระบบนับเฉพาะซื้อซ้ำ ถ้าไม่ตรวจให้ชัด การเทียบตัวเลขข้ามช่วงเวลาหรือข้ามทีมจะผิดพลาด ผลเสียคือทีมเข้าใจตัวเลขไม่ตรงกัน แนวทางคือเขียน Definition ให้ชัดในเอกสารกลาง

Checklist ก่อนใช้ Retention Curve ตัดสินใจ

• ตรวจว่าแยก Cohort ตามวันที่ First Purchase แล้วหรือยัง
• ตรวจว่า Cohort แต่ละกลุ่มโยงกับ Campaign ID ได้ชัดเจนหรือไม่
• ตรวจว่า Definition ของ “กลับมา” ตรงกันทั้งทีมหรือยัง
• ตรวจว่า Facebook Pixel และ Conversions API ส่ง Event ครบและไม่ซ้ำซ้อน
• ตรวจขนาด Sample ของแต่ละ Cohort ก่อนเปรียบเทียบ
• ตรวจว่ากราฟเข้าสู่ Plateau แล้วก่อนใช้พยากรณ์ LTV
• ตรวจว่า Ad Objective ของแคมเปญที่เทียบกันเป็นแบบเดียวกันหรือไม่
• ตรวจว่าไม่มี Audience Overlap ระหว่างแคมเปญที่กำลังเทียบ Cohort
• ตรวจว่าได้เก็บ Feedback ลูกค้าเพิ่มก่อนสรุปสาเหตุการหายไป
• ตรวจว่า Dashboard เชื่อมข้อมูล CRM กับข้อมูลแคมเปญเข้าด้วยกันแล้ว
• ตรวจว่าเปรียบเทียบ Retention Curve ในช่วงเวลาที่เท่ากัน ไม่ใช่ช่วงยาวสั้นต่างกัน
• ตรวจว่าทีมการตลาดและทีม CRM อ่านกราฟตัวเดียวกัน ไม่ใช่คนละเวอร์ชัน

คำถามที่พบบ่อยเกี่ยวกับ Retention Curve

Retention Curve ต่างจาก Retention Rate อย่างไร

Retention Rate คือตัวเลขเดี่ยว ณ ช่วงเวลาหนึ่ง ส่วน Retention Curve คือการนำ Retention Rate หลายช่วงเวลามาต่อกันเป็นเส้นกราฟ เพื่อดูแนวโน้มตลอดช่วงชีวิตของ Cohort

ต้องใช้เครื่องมืออะไรพล็อต Retention Curve

ส่วนใหญ่ใช้ CRM หรือ Data Warehouse ร่วมกับเครื่องมือ Visualization เช่น Looker Studio โดยดึงข้อมูล First Purchase Date และ Repeat Purchase มาคำนวณเป็น Cohort Table ก่อนพล็อตกราฟ

Retention Curve ใช้กับธุรกิจที่ไม่มีการซื้อซ้ำได้ไหม

ถ้าธุรกิจไม่มีการซื้อซ้ำจริง เช่น สินค้าที่ซื้อครั้งเดียวจบ Retention Curve อาจไม่เหมาะสมเท่ากับ Metric อื่น แต่ถ้ามี Engagement ต่อเนื่อง เช่น การเปิดอีเมลหรือเข้าเว็บไซต์ ก็ยังใช้หลักการเดียวกันวัดได้

ทำไม Retention Curve ของแต่ละแคมเปญถึงต่างกันมาก

เพราะ Audience ที่แคมเปญแต่ละชุดดึงเข้ามาไม่เหมือนกัน ทั้ง Ad Objective ข้อความโฆษณา และ Audience Targeting ล้วนมีผลต่อคุณภาพของลูกค้าที่เข้ามา ซึ่งสะท้อนออกมาเป็นรูปทรงกราฟที่ต่างกัน

ควรดู Retention Curve บ่อยแค่ไหน

ควรดูอย่างน้อยเดือนละครั้งสำหรับธุรกิจที่มีการซื้อซ้ำสม่ำเสมอ แต่ต้องรอให้ Cohort มีระยะเวลาผ่านไปพอสมควรก่อนสรุปผล เพราะกราฟช่วงต้นยังไม่นิ่งพอที่จะใช้ตัดสินใจเชิงกลยุทธ์

สรุป

Retention Curve ช่วยเปิดมุมที่ ROAS หรือ Conversion Rate มองไม่เห็น นั่นคือคำถามว่าลูกค้าที่เสียเงินซื้อมา อยู่กับธุรกิจนานแค่ไหน จุดที่คนมักเข้าใจผิดคือการดูกราฟรวมโดยไม่แยก Cohort และการสรุปสาเหตุการหายไปโดยไม่มีข้อมูลสนับสนุน

สิ่งที่ต้องทำต่อคือ แยก Cohort ตาม Campaign ID ตรวจ Definition ของคำว่า “กลับมา” ให้ตรงกันทั้งทีม และรอให้กราฟเข้าสู่ Plateau ก่อนใช้พยากรณ์ Lifetime Value เพื่อไม่ให้ตัวเลขที่ยังผันผวนพาไปสู่การตัดสินใจผิด

Business Bottom Line คือ งบโฆษณาที่ควรเพิ่ม ไม่ใช่งบที่ให้ ROAS สูงสุดในระยะสั้น แต่คืองบที่สร้าง Cohort ซึ่งมี Retention Curve คงตัวในระยะยาว ถ้าต้องการวางระบบ Tracking และโครงสร้างแคมเปญให้ข้อมูล Cohort แม่นยำตั้งแต่ต้นทาง สามารถดูรายละเอียดได้ที่ คอร์ส Facebook Ads Zero to Advance

อย่าถามแค่ว่าเดือนนี้ยอดขายเท่าไร ต้องถามต่อว่าลูกค้าที่ซื้อเดือนนี้ จะยังอยู่กับธุรกิจในอีกสามเดือนข้างหน้าหรือไม่ ตามข้อมูลจาก Meta Business Help Center การวัดผลที่ดีต้องมองข้ามจุดคลิกแรก ไปจนถึงพฤติกรรมระยะยาวของลูกค้าจริง

---

DigitalD2M — วางกลยุทธ์การตลาดออนไลน์ โฆษณา และระบบ AI Marketing ให้ธุรกิจเติบโตอย่างวัดผลได้