“ยอดขายพุ่ง แต่กำไรกลับลด” — ถ้าคุณเคยเจอเคสแบบนี้ใน Google Shopping campaign ปัญหาอาจไม่ได้อยู่ที่ยอดขาย แต่อยู่ที่ระบบยิงถูกสินค้าหรือเปล่า

ถ้าคุณทำ Google Shopping Ads หรือ PMax มาสักพัก น่าจะเคยเจอเรื่องนี้ แคมเปญรายงานว่าขายดี Conversion เข้าเรื่อย ๆ แต่พอเปิดดูกำไรจริงกลับพบว่าสินค้าที่ขายดีที่สุดคือสินค้าที่มาร์จิ้นต่ำสุดในร้าน ส่วนสินค้าที่กำไรดีจริง ๆ กลับแทบไม่ถูกโฆษณาเห็นเลย

เรื่องนี้ไม่ใช่ความผิดของคุณ เพราะโดยดีฟอลต์ ระบบของ Google Shopping และ PMax จะ Optimize ไปหา Conversion Value ที่คุณส่งเข้าไป ซึ่งส่วนใหญ่คือราคาขาย ไม่ใช่กำไรที่เหลือหลังหักต้นทุน พอ AI ไม่รู้ว่าสินค้าไหนกำไรดีจริง มันก็เลือกยิงตามยอดขายรวมเป็นหลัก

google shopping กำลังจะมีเครื่องมือใหม่ที่แก้ปัญหานี้โดยตรง เรียกว่า Product Value Optimization ซึ่งให้คุณตั้งกฎมูลค่าระดับสินค้า เช่น margin หรือ best-seller status แล้วส่งสัญญาณนี้กลับไปให้ AI ใช้ตัดสินใจว่าจะโฟกัสงบไปที่สินค้าตัวไหนก่อน แทนที่จะปล่อยให้ยอดขายรวมเป็นตัวชี้นำอย่างเดียว

สำหรับร้านค้าออนไลน์ที่มีสินค้าหลายร้อย SKU และมาร์จิ้นต่างกันมาก ฟีเจอร์นี้ไม่ใช่แค่ของเล่นใหม่ แต่เป็นเครื่องมือที่เปลี่ยนวิธีคิดเรื่องการ Optimize แคมเปญทั้งระบบ เพราะสุดท้ายแล้วธุรกิจไม่ได้อยู่รอดด้วยยอดขาย แต่อยู่รอดด้วยกำไรที่เหลือ

บทความนี้จะพาไปดูว่า Product Value Optimization คืออะไร ทำงานร่วมกับ PMax และ Value-Based Bidding ยังไง ต้องเตรียมข้อมูลอะไรบ้าง และมีจุดพลาดไหนที่ร้านค้าออนไลน์มักเจอเวลาเริ่มใช้ฟีเจอร์นี้

Product Value Optimization คืออะไร

พูดง่าย ๆ คือฟีเจอร์ที่ให้คุณบอก Google Shopping และ PMax ว่า “สินค้าตัวนี้มีมูลค่าจริงต่อธุรกิจเท่าไร” ไม่ใช่แค่ราคาขายหน้าร้าน โดยคุณสามารถตั้งกฎ เช่น สินค้าที่ margin สูงกว่า 40 เปอร์เซ็นต์ให้คูณค่า Conversion Value ขึ้น 1.5 เท่า หรือสินค้าที่เป็น best-seller แต่มาร์จิ้นต่ำ ให้ลดน้ำหนักลง

สิ่งนี้ต่างจากการตั้ง Target ROAS แบบปกติ เพราะ ROAS มองแค่ Revenue หารด้วย Cost แต่ไม่รู้เลยว่า Revenue นั้นมาจากสินค้ากำไรสูงหรือกำไรต่ำ พอ AI เห็นแค่ยอดขาย มันก็เดินไปในทิศทางที่ทำให้ตัวเลข Revenue สวย แต่กำไรสุทธิของร้านอาจไม่ได้ดีขึ้นตาม

ทำไมร้านค้าออนไลน์ต้องสนใจก่อนปี 2026

ถ้าร้านคุณมีสินค้าหลากหลายประเภทและมาร์จิ้นต่างกันมาก เช่น สินค้านำเข้าที่มาร์จิ้นสูง กับสินค้าคู่แข่งตัดราคาที่มาร์จิ้นต่ำ ปัญหานี้จะยิ่งชัดขึ้นเรื่อย ๆ เมื่อร้านโตขึ้น เพราะ PMax จะยิ่งเก่งขึ้นในการหาคนที่ “น่าจะซื้อ” แต่ไม่ได้ฉลาดขึ้นในการเลือกว่า “ควรขายอะไรให้เขา”

Product Value Optimization จึงไม่ใช่แค่เครื่องมือ Optimize ยอดขาย แต่เป็นเครื่องมือ Optimize ทิศทางธุรกิจ ทำให้ทุกบาทที่จ่ายให้ Google Ads เดินไปในทางที่หนุนกำไรจริง ไม่ใช่แค่หนุนตัวเลข Revenue ใน Dashboard

PMax กับ Value-Based Bidding ทำงานร่วมกันยังไง

PMax ใช้ Smart Bidding เป็นแกนหลัก และ Smart Bidding จะ Optimize ไปหาค่า Conversion Value ที่คุณส่งเข้าระบบ ถ้าคุณส่งแค่ราคาสินค้าเข้าไปตรง ๆ ระบบก็จะมองว่าสินค้าราคาแพงมีมูลค่าสูงกว่าสินค้าราคาถูกเสมอ ทั้งที่ในความจริงสินค้าราคาถูกบางตัวอาจมีมาร์จิ้นสูงกว่ามาก

Value Rules คือชั้นที่แทรกเข้ามาระหว่างข้อมูลดิบกับ Bidding Algorithm โดยให้คุณปรับน้ำหนักค่า Conversion Value ตามเงื่อนไขที่ธุรกิจสนใจจริง เช่น Location, Device, Audience หรือในกรณีของ Product Value Optimization คือปรับตามระดับสินค้าโดยตรง ถ้าอยากเข้าใจภาพรวมของ Metric และ Bidding แบบเป็นระบบ สามารถศึกษาต่อได้ที่ คอร์ส Google Ads Beginner to Expert

ตามคำอธิบายของ Google Ads Help เรื่อง Value Rules หลักการคือให้ธุรกิจกำหนดมูลค่าที่แท้จริงของ Conversion แต่ละแบบ แทนที่จะให้ระบบตีความจากราคาขายเพียงอย่างเดียว ซึ่งเป็นแนวคิดเดียวกับที่ Product Value Optimization นำมาขยายผลในระดับสินค้า

วิธีตั้ง Conversion Value Rules ระดับสินค้า

ขั้นตอนคร่าว ๆ ที่ร้านค้าออนไลน์ควรทำคือ แบ่งสินค้าออกเป็นกลุ่มตามระดับมาร์จิ้น เช่น กลุ่มมาร์จิ้นสูง กลาง ต่ำ จากนั้นกำหนดตัวคูณมูลค่าให้แต่ละกลุ่ม เช่น กลุ่มมาร์จิ้นสูงคูณ 1.3 กลุ่มมาร์จิ้นต่ำคูณ 0.7 แล้วปล่อยให้ PMax ใช้ตัวเลขนี้แทนราคาขายตรง ๆ ในการตัดสินใจ

จุดที่ต้องระวังคือ ตัวคูณนี้ไม่ควรตั้งมั่ว ต้องมาจากข้อมูลต้นทุนจริง ไม่ใช่ความรู้สึกว่าสินค้าไหน “น่าจะ” กำไรดี เพราะถ้าตั้งผิด ระบบจะยิ่ง Optimize ไปผิดทิศทางเร็วกว่าการไม่ตั้งกฎอะไรเลย

ข้อมูล Feed ที่ต้องเตรียมก่อนเริ่มใช้

Product Value Optimization จะทำงานได้ดีก็ต่อเมื่อ Data Feed ของคุณมีข้อมูลต้นทุนหรือมาร์จิ้นที่อัปเดตสม่ำเสมอ ถ้า Feed ยังใช้ข้อมูลเก่าค้างไว้เป็นเดือน ต่อให้ตั้งกฎสวยแค่ไหน ระบบก็จะ Optimize บนข้อมูลที่ผิดอยู่ดี เรื่องนี้เชื่อมโยงโดยตรงกับการจัดการข้อมูลที่ส่งเข้า Google Ads ซึ่งสามารถอ่านเพิ่มเติมได้ที่ Google Ads Data Manager คืออะไร? เชื่อมข้อมูลให้แอดฉลาด

ร้านที่มี Stock หมุนเร็วหรือมีโปรโมชันบ่อย ควรตรวจสอบรอบการอัปเดต Feed ให้ถี่ขึ้น เพราะมาร์จิ้นของสินค้าตัวเดียวกันอาจเปลี่ยนไปในแต่ละช่วงโปรโมชัน

Framework MARGIN สำหรับจัดลำดับสินค้าใน PMax

เพื่อให้นำ Product Value Optimization ไปใช้ได้เป็นระบบ ไม่ใช่แค่ตั้งกฎมั่ว ๆ ลองใช้ Framework นี้เป็นแนวทาง:

1. M – Map: จัดกลุ่มสินค้าตามมาร์จิ้นจริง ไม่ใช่ตามหมวดหมู่สินค้าทั่วไป
2. A – Assign: กำหนด Value Rules ให้แต่ละกลุ่มตามตัวเลขต้นทุนที่แท้จริง
3. R – Rank: จัดลำดับว่าสินค้ากลุ่มไหนควรได้รับงบก่อนเมื่อ Budget จำกัด
4. G – Guard: ตั้ง Budget Cap กันไม่ให้ AI ไหลงบไปหาสินค้ากำไรต่ำที่ Conversion เยอะแต่ไม่คุ้ม
5. I – Inspect: ตรวจ Performance รายสัปดาห์ว่ากำไรรวมเปลี่ยนไปในทิศทางที่ต้องการหรือไม่
6. N – Normalize: อัปเดตข้อมูลต้นทุนใน Feed ให้ตรงกับความเป็นจริงเสมอ ไม่ปล่อยค้างนาน

ถ้าธุรกิจต้องการวางระบบ Value Rules และ Bidding Strategy แบบครบวงจร สามารถศึกษาโครงสร้างเต็มได้ที่ คอร์ส Google Ads Beginner to Expert

Masterclass: นำ Product Value Optimization ไปใช้จริง

Danger Zone: จุดพลาดที่พบบ่อยเวลาใช้ Product Value Optimization

ข้อผิดพลาดที่ 1: ตั้งตัวคูณจากความรู้สึก ไม่ใช่ข้อมูลต้นทุนจริง
หลายร้านเดาว่าสินค้าไหนกำไรดี แทนที่จะดึงตัวเลขต้นทุนจริงมาคำนวณ ผลเสียคือระบบ Optimize ไปผิดทิศทางโดยที่เจ้าของร้านไม่รู้ตัว แนวทางคือต้องมีตัวเลขต้นทุนที่อัปเดตก่อนตั้งกฎทุกครั้ง

ข้อผิดพลาดที่ 2: ปล่อย Feed ข้อมูลเก่าค้างไว้นานเกินไป
ถ้าต้นทุนสินค้าเปลี่ยนแต่ Feed ไม่อัปเดต ระบบจะยังใช้ตัวเลขเก่าคำนวณ Value Rules ผลเสียคือกฎที่ตั้งไว้อาจกลายเป็นผิดโดยไม่มีใครรู้ แนวทางคือกำหนดรอบอัปเดต Feed ให้ชัดเจน

ข้อผิดพลาดที่ 3: ตั้งตัวคูณสุดโต่งเกินไปในครั้งเดียว
การเปลี่ยนตัวคูณจาก 1.0 เป็น 3.0 ทันทีอาจทำให้ Learning Phase ของ PMax สะดุด ผลเสียคือ Performance รวมตกลงชั่วคราวแบบไม่คาดคิด แนวทางคือปรับทีละน้อยและสังเกตผลก่อนขยับต่อ

ข้อผิดพลาดที่ 4: มองแค่ Revenue หลังตั้งกฎ ไม่ดูกำไรจริง
บางร้านตกใจที่ Revenue ลดลงหลังตั้ง Value Rules แล้วรีบยกเลิกกฎทันที ผลเสียคือพลาดโอกาสเห็นว่ากำไรสุทธิเพิ่มขึ้นจริงหรือไม่ แนวทางคือต้องดูกำไรควบคู่กับ Revenue เสมอ

ข้อผิดพลาดที่ 5: ใช้กฎเดียวกันกับทุกหมวดสินค้าโดยไม่แยกพฤติกรรม
สินค้าบางหมวดมี Sales Cycle ยาว บางหมวดขายเร็ว การใช้ Value Rules แบบเดียวกันหมดอาจไม่เหมาะกับทุกหมวด ผลเสียคือบางหมวดถูก Optimize ผิดจังหวะ แนวทางคือแยกกฎตามพฤติกรรมการขายของแต่ละหมวดสินค้า

Checklist ก่อนเปิดใช้ Product Value Optimization

• มีข้อมูลต้นทุนหรือมาร์จิ้นของสินค้าครบและอัปเดตล่าสุดหรือยัง
• แบ่งกลุ่มสินค้าตามระดับมาร์จิ้นชัดเจนแล้วหรือยัง
• ตรวจสอบ Feed ว่าเชื่อมข้อมูลต้นทุนเข้าระบบถูกต้องหรือไม่
• ตั้งรอบอัปเดต Feed ให้สอดคล้องกับความถี่ที่ราคาต้นทุนเปลี่ยน
• ทดสอบตัวคูณ Value Rules ทีละน้อยก่อนปรับแรง
• ตรวจว่า Conversion Tracking ยังทำงานถูกต้องหลังตั้งกฎใหม่
• ดู Performance แยกตามกลุ่มมาร์จิ้น ไม่ดูแค่ภาพรวมแคมเปญ
• เปรียบเทียบกำไรสุทธิก่อนและหลังตั้ง Value Rules
• ตรวจ Learning Phase ว่ามีอาการสะดุดหลังปรับกฎหรือไม่
• กำหนด Budget Cap ป้องกันงบไหลไปสินค้ากำไรต่ำมากเกินไป
• ทบทวนกฎ Value Rules ทุกไตรมาสตามต้นทุนที่เปลี่ยน

คำถามที่พบบ่อยเกี่ยวกับ Product Value Optimization

Product Value Optimization ต่างจาก Target ROAS ปกติยังไง

Target ROAS มองแค่ Revenue หารด้วย Cost โดยไม่รู้ว่า Revenue มาจากสินค้ากำไรสูงหรือต่ำ ส่วน Product Value Optimization ให้คุณใส่ตัวเลขมูลค่าจริงระดับสินค้าเข้าไป ทำให้ AI Optimize ไปหากำไรมากกว่ายอดขายอย่างเดียว

ต้องใช้กับ google shopping และ PMax เท่านั้นหรือใช้กับ Search Ads ได้ด้วย

ฟีเจอร์นี้ออกแบบมาเพื่อแคมเปญที่มี Product Feed เป็นแกนหลัก เช่น Shopping และ PMax ที่ดึงข้อมูลจาก Feed โดยตรง ส่วน Search Ads แบบทั่วไปที่ไม่ผูกกับ Feed สินค้าจะยังใช้ Value Rules แบบมาตรฐานทั่วไปแทน

ถ้าตั้งกฎแล้ว Revenue ลดลง แปลว่ากฎผิดหรือไม่

ยังไม่ควรสรุปทันทีว่ากฎผิด ต้องดูกำไรสุทธิควบคู่ไปด้วย บางครั้ง Revenue ลดลงแต่กำไรเพิ่มขึ้น เพราะงบเดินไปหาสินค้าที่ทำกำไรต่อชิ้นสูงกว่าเดิม

ร้านเล็กที่มีสินค้าไม่กี่สิบตัวจำเป็นต้องใช้ไหม

ถ้าสินค้าทุกตัวมีมาร์จิ้นใกล้เคียงกัน ผลต่างอาจไม่มาก แต่ถ้าแม้แต่ร้านเล็กก็มีสินค้าบางตัวมาร์จิ้นต่างกันชัดเจน การตั้ง Value Rules ก็ยังช่วยให้งบเดินไปถูกทิศทางได้

ต้องเปลี่ยน Feed ทั้งระบบเพื่อใช้ Product Value Optimization ไหม

ไม่จำเป็นต้องเปลี่ยนทั้งระบบ แต่ต้องตรวจว่า Feed มีข้อมูลต้นทุนหรือมาร์จิ้นที่อัปเดตอยู่ ถ้ายังไม่มี ต้องเพิ่มขั้นตอนเชื่อมข้อมูลนี้เข้าไปก่อนเริ่มตั้งกฎ

สรุป

Product Value Optimization ไม่ได้มาแก้ปัญหาเรื่องยอดขาย แต่มาแก้ปัญหาที่ลึกกว่านั้น คือการทำให้ AI ของ google shopping และ PMax รู้จักคำว่า “กำไร” ไม่ใช่แค่ “ยอดขาย” ซึ่งเป็นช่องว่างที่ธุรกิจอีคอมเมิร์ซจำนวนมากเจอมานาน โดยไม่รู้ตัวว่าตัวเองกำลังจ่ายเงินโฆษณาไปหนุนสินค้าที่กำไรน้อยที่สุด

จุดที่คนมักเข้าใจผิดคือ คิดว่า Revenue สูงเท่ากับแคมเปญดี ทั้งที่จริงแล้วต้องดูว่า Revenue นั้นมาจากสินค้ากลุ่มไหน กำไรที่เหลือหลังหักต้นทุนเป็นเท่าไร และ AI กำลังถูกสอนให้เดินไปทิศทางที่ธุรกิจต้องการจริงหรือเปล่า

ถ้าธุรกิจของคุณมีสินค้าหลากหลายมาร์จิ้น ตอนนี้คือจังหวะที่ควรเริ่มเตรียมข้อมูลต้นทุนให้พร้อม ก่อนที่ฟีเจอร์นี้จะเปิดใช้งานเต็มรูปแบบ เพราะร้านที่มีข้อมูลพร้อมก่อนจะได้เปรียบร้านที่ต้องมาเริ่มเก็บข้อมูลทีหลัง ถ้าต้องการวางระบบ Value Rules และ Bidding Strategy ตั้งแต่พื้นฐานจนถึงระดับใช้งานจริง สามารถดูรายละเอียดได้ที่ คอร์ส Google Ads Beginner to Expert

อย่าถามแค่ว่าแคมเปญขายได้เท่าไร ต้องถามต่อว่าเงินโฆษณาก้อนนั้นเดินไปหาสินค้าที่ทำกำไรจริงให้ธุรกิจหรือเปล่า

---

อ่านบทความก่อนหน้า: Decision Fatigue คืออะไร: ลูกค้ายุค AI ตัดสินใจไม่ได้

DigitalD2M — วางกลยุทธ์การตลาดออนไลน์ โฆษณา และระบบ AI Marketing ให้ธุรกิจเติบโตอย่างวัดผลได้