คอนเวอร์ชันใน Google Ads กับ GA4 ไม่เท่ากัน จะอธิบายในรายงานอย่างไร

รายงานประจำเดือนใกล้เสร็จแล้ว แต่ยอดซื้อใน Google Ads กลับไม่ตรงกับ GA4 ถ้าเลือกใช้ตัวเลขหนึ่ง ลูกค้าอาจถามว่าทำไมอีกหน้าจอจึงแสดงอีกตัวเลข ถ้าเขียนว่าเป็นปัญหาการติดตาม ก็ยังไม่มีหลักฐานยืนยัน ควรเริ่มจากตรงไหน?

เริ่มจากถามว่ารายงานแต่ละฉบับกำลังตอบคำถามอะไร ตัวเลขทั้งสองอาจถูกต้องภายใต้เงื่อนไขของตัวเอง หรืออาจมีปัญหาที่ต้องแก้จริงก็ได้ เป้าหมายของการตรวจสอบคือแยกสิ่งที่อธิบายได้แล้วออกจากสิ่งที่ยังไม่รู้ เพื่อให้คำอธิบายในรายงานช่วยตัดสินใจได้จริง

ตรวจวันที่ในรายงานและเวลาที่ดึงข้อมูล

ลองดูตัวอย่างสมมติ: คนหนึ่งคลิกโฆษณาวันที่ 30 มิถุนายน แล้วซื้อวันที่ 2 กรกฎาคม หากรายงานอ้างอิงวันที่มีปฏิสัมพันธ์กับโฆษณา คอนเวอร์ชันนั้นอาจอยู่ในเดือนมิถุนายน แต่ถ้าอ้างอิงวันที่เกิดคอนเวอร์ชัน ก็จะอยู่ในเดือนกรกฎาคม ดังนั้น การเลือกช่วงวันเริ่มต้นและวันสิ้นสุดเหมือนกันยังไม่พอ

Google Ads มีคอลัมน์ที่อ้างอิงเวลาที่เกิดคอนเวอร์ชันด้วย อย่าเหมารวมว่าทุกรายงานใช้ฐานเวลาเดียวกัน ตรวจคอลัมน์ที่เลือกและเขตเวลาของทั้งสองฝั่ง โดยเฉพาะธุรกรรมช่วงใกล้เที่ยงคืน อีกเรื่องที่ควรแยกให้ชัดคือ เวลาที่ลูกค้าใช้ตัดสินใจก่อนซื้อ กับเวลาที่ระบบใช้ประมวลผลข้อมูล ทั้งสองอย่างไม่ใช่ความล่าช้าแบบเดียวกัน

GA4 อาจใช้เวลาประมวลผลข้อมูล 24–48 ชั่วโมง และรายงานอาจเปลี่ยนระหว่างนั้น อีกประเด็นหนึ่งซึ่งต้องแยกกันคือ เครดิตจากการระบุแหล่งที่มาของเหตุการณ์สำคัญอาจเปลี่ยนได้เป็นเวลาสูงสุด 12 วัน ข้อมูลนี้ไม่ได้หมายความว่าทุกรายงานต้องรอครบกำหนดดังกล่าว หรือเป็นคำรับรองว่าเมื่อถึงเวลานั้นตัวเลขทั้งหมดจะนิ่ง

หากดึงรายงานใกล้วันสิ้นเดือน ให้ระบุเวลาที่ดึงไว้ เมื่อดึงใหม่ในภายหลัง ให้เก็บฉบับเดิมด้วยเพื่อดูว่าอะไรเปลี่ยน หากยังมีส่วนต่างที่อธิบายไม่ได้ จึงตรวจแท็กที่ใช้วัดผลและเหตุการณ์ที่ระบบได้รับต่อไป ส่วนต่างเป็นเหตุให้ตรวจสอบ แต่ยังไม่ใช่หลักฐานว่าการติดตามเสีย

กำหนดก่อนว่าจะเทียบการกระทำใด

เลือกการกระทำหนึ่งอย่าง เช่น การซื้อ แล้วตรวจว่าตัวเลขในแต่ละระบบนับอะไรอยู่ หากฝั่ง Google Ads รวมทั้งการซื้อและการส่งแบบฟอร์ม แต่ฝั่ง GA4 นับเฉพาะการซื้อ ก็ยังเทียบกันตรง ๆ ไม่ได้ คอลัมน์ “Conversion” และ “Conversion ทั้งหมด” ใน Google Ads อาจรวมการกระทำต่างกันด้วย จึงต้องดูรายการที่อยู่ในคอลัมน์จริง ไม่ใช่อาศัยชื่อคอลัมน์อย่างเดียว

จากนั้นดูที่มาของการวัดผล คอนเวอร์ชันใน Google Ads ที่สร้างจากเหตุการณ์สำคัญของ GA4 ใช้ข้อมูลร่วมกัน ซึ่งต่างจากการวัดผลโดยตรงของ Google Ads และไม่ได้แปลว่าเหตุการณ์สำคัญทุกอย่างใน GA4 จะถูกรวมไว้ในการเปรียบเทียบครั้งนี้ เมื่อเลือกข้อมูลที่เทียบกันได้ ตัวเลขรวมก็อาจตรงกันได้ ความต่างจึงไม่ใช่สิ่งที่ต้องเกิดขึ้นเสมอ

MindVerve แนะนำให้เก็บไฟล์ส่งออกต้นฉบับ พร้อมจดชื่อรายงาน คอลัมน์ ตัวกรอง และการกระทำที่เลือกไว้ หากเพื่อนร่วมทีมต้องตรวจซ้ำ ก็จะรู้ว่าคุณเทียบข้อมูลชุดไหน แม้ภายหลังมีการเปลี่ยนหน้ารายงานไปแล้ว

วิธีนับต่างจากการแบ่งเครดิตให้ช่องทาง

การตั้งค่าวิธีนับใน Google Ads ให้เลือกนับทุกคอนเวอร์ชัน หรือนับหนึ่งคอนเวอร์ชันต่อปฏิสัมพันธ์กับโฆษณาสำหรับการกระทำแต่ละประเภท เมื่อเป็นการคลิก คำว่า “หนึ่ง” หมายถึงหนึ่งครั้งต่อคลิกต่อการกระทำที่ถือเป็นคอนเวอร์ชัน ไม่ใช่หนึ่งครั้งต่อคน หากมีการซื้อซ้ำหลังคลิกเดียวกัน วิธีนับจึงมีผลต่อยอดที่เห็น

ส่วนการระบุแหล่งที่มา หรือ attribution คือการแบ่งเครดิตว่าปฏิสัมพันธ์หรือช่องทางใดมีส่วนทำให้เกิดคอนเวอร์ชัน โมเดลที่ใช้ข้อมูลเป็นตัวกำหนดอาจแบ่งเครดิตให้หลายปฏิสัมพันธ์ ตัวเลขจึงเป็นทศนิยมได้ ทศนิยมนั้นเป็นส่วนแบ่งเครดิต ไม่ได้หมายความว่าลูกค้าซื้อสินค้าเพียงเศษส่วนของหนึ่งรายการ

ใน GA4 ลองถามว่ากำลังดูช่องทางที่พาคนเข้ามาในครั้งนั้น หรือช่องทางที่ได้รับเครดิตจากเหตุการณ์ การตั้งค่าการระบุแหล่งที่มาในรายงานมีผลต่อข้อมูลแหล่งที่มาของการเข้าชมที่ผูกกับเหตุการณ์ แต่ไม่ได้มีผลแบบเดียวกันกับข้อมูลระดับเซสชันหรือแหล่งที่มาครั้งแรกของผู้ใช้ เซสชันในที่นี้หมายถึงช่วงการเข้าชมครั้งหนึ่ง จึงควรตรวจทั้งรายงาน โมเดล และช่องทางที่มีสิทธิ์ได้รับเครดิต

อย่าเปลี่ยนการตั้งค่าเพียงเพื่อทำให้สองตัวเลขเท่ากัน เพราะการเปลี่ยนอาจกระทบรายงานหรือการเสนอราคาโฆษณา ควรเข้าใจก่อนว่าการตั้งค่าเดิมตอบโจทย์การวัดผลอะไร และมีเหตุผลใดที่ต้องเปลี่ยน

บันทึกสั้น ๆ ให้คนอื่นตรวจต่อได้

เราแนะนำให้คำนวณส่วนต่างในสเปรดชีตจากข้อมูลที่ตรวจแล้ว อย่านำตัวชี้วัดที่คนละความหมายมาเฉลี่ยเพื่อให้เหลือเลขเดียว หากแสดงเป็นเปอร์เซ็นต์ ให้บอกด้วยว่าใช้ยอดใดเป็นฐาน ไม่ควรกำหนดเปอร์เซ็นต์ตายตัวว่าเป็นส่วนต่างปกติสำหรับทุกบัญชี

คัดลอกแบบบันทึกนี้ไปใช้ได้: “สิ่งที่เทียบ: [การกระทำ รายงาน คอลัมน์ ตัวกรอง] ช่วงข้อมูล ฐานวันที่ และเขตเวลา: […] เวลาที่ดึงข้อมูล: […] ยอดทั้งสองฝั่งและส่วนต่าง: […] วิธีนับและการระบุแหล่งที่มา: […] หลักฐาน: [ไฟล์หรือการตั้งค่าที่ตรวจแล้ว] สถานะ: [อธิบายได้ / ยืนยันว่ามีปัญหา / ยังหาข้อสรุปไม่ได้] ผู้รับผิดชอบและสิ่งที่จะตรวจต่อ: […]”

หากมีเพียงข้อสงสัย ให้ใส่ไว้ในสิ่งที่จะตรวจต่อ ไม่ใช่ข้อสรุป วิธีนี้ช่วยให้คนอ่านรู้ว่าส่วนไหนเชื่อมโยงกับหลักฐานแล้ว และช่วยให้เพื่อนร่วมทีมทำงานต่อได้โดยไม่ต้องเริ่มตรวจทุกอย่างใหม่

ให้ AI เขียนจากผลตรวจ แล้วอ่านทวนก่อนใช้

เมื่อมีตัวเลขและบันทึกพร้อมแล้ว ค่อยให้ AI ช่วยเรียบเรียงคำอธิบาย ตัวอย่างคำสั่ง: “เขียนคำอธิบายสั้น ๆ สำหรับรายงานประจำเดือนจากข้อมูลที่แนบเท่านั้น ระบุว่าเทียบอะไรและต่างกันเท่าไร แยกสาเหตุที่ยืนยันแล้วออกจากสิ่งที่ยังไม่ทราบ ห้ามแต่งตัวเลขหรือวินิจฉัยสาเหตุเอง หากข้อมูลไม่พอ ให้บอกว่าขาดอะไรและควรตรวจอะไรต่อ”

อ่านผลลัพธ์ด้วยตัวเองก่อนนำไปใส่รายงาน ตรวจว่าตัวเลขตรงกับต้นฉบับ ข้อสันนิษฐานไม่ได้กลายเป็นข้อเท็จจริง และมีขั้นตอนถัดไปชัดเจนเมื่อยังหาคำตอบไม่ได้ คำอธิบายที่ดีไม่จำเป็นต้องตอบได้ทุกเรื่องทันที แต่ควรทำให้ผู้อ่านรู้ว่าเราทราบอะไรแล้ว และกำลังตรวจอะไรอยู่