Braze Content Optimizer: ทดสอบอะไรและควรใช้เมื่อไหร่

Braze Content Optimizer คือขั้นตอนหนึ่งใน Canvas ที่ช่วยผสมผสานองค์ประกอบต่างๆ ของข้อความ เช่น หัวข้ออีเมลและปุ่มกระตุ้นการตัดสินใจ (Call to Action) เข้าด้วยกัน พร้อมทั้งปรับเปลี่ยนการส่งไปยังรูปแบบที่ให้ผลลัพธ์ดีที่สุดสำหรับกลุ่มเป้าหมายของคุณ เครื่องมือนี้เหมาะสำหรับเส้นทางลูกค้า (Journeys) ที่มีผู้ใช้งานเข้ามาอย่างต่อเนื่องในแต่ละวัน เพียงแค่คุณกำหนดตัวเลือกที่แตกต่างกันอย่างชัดเจนและเลือกเหตุการณ์ (Event) ที่ตรงกับเป้าหมาย จากนั้นปล่อยให้ระบบเรียนรู้ด้วยตัวเอง

ประเด็นสำคัญ

• Content Optimizer จะค้นหาชุดค่าผสมที่ชนะเลิศเพียงหนึ่งเดียวสำหรับกลุ่มเป้าหมายของคุณ โดยไม่ได้ทำการปรับแต่งเนื้อหาให้เหมาะกับผู้ใช้แต่ละราย
• ควรใช้เครื่องมือนี้ใน Canvas ที่มีผู้ใช้งานเข้ามาอย่างสม่ำเสมอในแต่ละวัน เพราะหากผู้ใช้ทุกคนเข้ามาพร้อมกัน ระบบจะทำงานเหมือนกับการทดสอบ A/B แบบคงที่ทั่วไป
• เขียนตัวเลือกที่แตกต่างกันอย่างชัดเจน และอย่าลืมรวมเนื้อหาปกติที่คุณใช้งานอยู่เป็นหนึ่งในตัวเลือกเหล่านั้นด้วย
• สำหรับอีเมล ให้เน้นการปรับแต่งเพื่อเพิ่มจำนวนการคลิกในจุดที่สอดคล้องกับเป้าหมายของคุณ
• แต่ละขั้นตอนจะอยู่ในสถานะการเรียนรู้ (Learning) เป็นเวลาอย่างน้อย 7 วันและไม่เกิน 15 วัน และการเผยแพร่การเปลี่ยนแปลงใดๆ จะทำให้ระบบเริ่มนับเวลาเรียนรู้ใหม่
• ควรปิดการใช้งานตัวเลือกต่างๆ ประมาณหนึ่งชั่วโมงก่อนที่ข้อเสนอจะสิ้นสุดลง เนื่องจากข้อความที่ส่งล่าช้าอาจยังคงได้รับตัวเลือกเหล่านั้นอยู่

Braze Content Optimizer ทดสอบอะไรบ้าง?

Content Optimizer จะค้นหาชุดค่าผสมที่ชนะเลิศสำหรับกลุ่มเป้าหมายของคุณโดยการสร้างตัวเลือกต่างๆ และนำองค์ประกอบมาผสมผสานกัน Braze ระบุไว้อย่างชัดเจนว่าระบบไม่ได้ปรับแต่งเนื้อหาให้เหมาะกับผู้ใช้แต่ละราย โดยเครื่องมือนี้จะทำงานเป็นขั้นตอนหนึ่งภายใน Canvas และรองรับการใช้งานทั้งอีเมล, Push, SMS, MMS และ RCS

สำหรับอีเมล ระบบสามารถสร้างชุดค่าผสมได้สูงสุด 625 รูปแบบต่อขั้นตอน และสำหรับ Push สูงสุด 125 รูปแบบ ผู้ใช้แต่ละรายจะได้รับข้อความหนึ่งรูปแบบต่อการเข้าสู่ขั้นตอนนั้นๆ และหากมีการเข้ามาซ้ำ ระบบจะเริ่มกระบวนการใหม่โดยไม่มีการจดจำตัวเลือกที่เคยได้รับก่อนหน้านี้

องค์ประกอบแต่ละส่วนจำเป็นต้องใส่ Liquid tag ไว้ในข้อความหลัก Canvas จะไม่สามารถเริ่มทำงานได้จนกว่าองค์ประกอบที่เลือกไว้ทั้งหมดจะถูกใส่ไว้ครบถ้วน ซึ่งเป็นระบบป้องกันที่มีประโยชน์เพื่อไม่ให้การทดสอบที่ยังตั้งค่าไม่เสร็จสมบูรณ์ถูกส่งออกไป

เมื่อใดที่คุณควรใช้ Content Optimizer แทนการทดสอบรูปแบบอื่น?

Braze มีวิธีเปรียบเทียบเนื้อหาหลายรูปแบบ ซึ่งแต่ละวิธีตอบโจทย์คำถามที่แตกต่างกัน การเลือกใช้เครื่องมือผิดประเภทจะทำให้ปริมาณการเข้าชมที่คุณใช้ทดสอบสูญเปล่า

เราขอแนะนำให้พิจารณาคำถามแรกก่อน หากคุณทราบอยู่แล้วว่าต้องการเปรียบเทียบข้อความสองหรือสามชุด การทดสอบแบบมาตรฐานจะอ่านผลลัพธ์ได้ง่ายกว่า แต่ Content Optimizer จะมีประโยชน์อย่างยิ่งเมื่อคุณไม่แน่ใจว่าหัวข้ออีเมล ส่วนหัว และปุ่มกระตุ้นการตัดสินใจแบบใดที่ควรใช้ร่วมกัน เพราะระบบจะทำการทดสอบชุดค่าผสมเหล่านั้นให้คุณเอง

คู่มือของเราสำหรับการทดสอบ A/B สำหรับแคมเปญอีเมล ครอบคลุมรายละเอียดเกี่ยวกับขั้นตอนมาตรฐาน

Canvas แบบใดที่เหมาะกับ Content Optimizer?

เลือกเส้นทางลูกค้าก่อนที่คุณจะเริ่มเขียนตัวเลือกใดๆ Braze แนะนำให้ใช้ Content Optimizer ในกรณีที่ผู้ใช้งานเข้ามาอย่างค่อยเป็นค่อยไปและสม่ำเสมอ เช่น Canvas แบบต่อเนื่อง (Always-on), แบบที่กระตุ้นด้วยเหตุการณ์ (Event-triggered) หรือแบบที่กระตุ้นผ่าน API ซึ่งมีปริมาณผู้ใช้งานเข้ามาในแต่ละวันอย่างคงที่

เหตุผลคือเรื่องของกลไกการทำงาน หากผู้ใช้ทุกคนเข้ามาในขั้นตอนพร้อมกัน Content Optimizer จะไม่มีเวลาเรียนรู้จากผลลัพธ์ในช่วงแรก และขั้นตอนนั้นจะทำงานเหมือนกับการทดสอบ A/B แบบคงที่ สำหรับเส้นทางที่มีผู้ใช้งานเข้ามาเป็นช่วงๆ Braze แนะนำให้ใช้การควบคุมการเข้าถึง (Entry controls) เพื่อกระจายจำนวนผู้ใช้งานออกไปในช่วงหลายวันแทน

ซีรีส์ต้อนรับหรือเส้นทางหลังการซื้อขายมักจะเหมาะสมที่สุด เนื่องจากมีผู้ใช้ใหม่เข้ามาทุกวัน ในขณะที่อีเมลเปิดตัวผลิตภัณฑ์แบบครั้งเดียวมักจะไม่เหมาะ เว้นแต่ว่าคุณจะตั้งใจทยอยส่ง

คุณควรออกแบบตัวแปรต่างๆ อย่างไร?

ทำให้แต่ละตัวแปรเป็นแนวคิดที่แตกต่างกัน ไม่ใช่แค่การเขียนข้อความใหม่ คำแนะนำของ Braze สำหรับขั้นตอนที่ไม่สามารถหาผู้ชนะได้คือการทำให้ตัวแปรมีความแตกต่างกันอย่างชัดเจนในด้านน้ำเสียง โครงสร้าง หรือเนื้อหา

Braze ยังระบุด้วยว่าการทดสอบชุดค่าผสมทั้งหมดอย่างน้อย 10 แบบมักจะให้ผลลัพธ์ที่ดีกว่า หากปริมาณการส่งของคุณต่ำ โดยเฉลี่ยต่ำกว่าประมาณ 3,000 ครั้งต่อวัน แนะนำให้ใช้ตัวแปรน้อยลงเล็กน้อย เนื่องจากชุดค่าผสมที่มากเกินไปอาจทำให้การเรียนรู้ช้าลง

รวมเนื้อหาปกติทางธุรกิจของคุณเป็นหนึ่งในตัวแปรสำหรับแต่ละองค์ประกอบ วิธีนี้จะช่วยให้คุณเปรียบเทียบโดยตรงกับสิ่งที่คุณจะส่งอยู่แล้ว และเป็นตัวเลขที่ผู้มีส่วนได้ส่วนเสียจะถามถึงเป็นอันดับแรก

เลือกเหตุการณ์การเพิ่มประสิทธิภาพให้ตรงกับเป้าหมาย สำหรับอีเมล Braze ระบุว่าขั้นตอนที่ปรับให้เหมาะสมสำหรับการคลิกมักจะมีประสิทธิภาพเหนือกว่าขั้นตอนที่ปรับให้เหมาะสมสำหรับการเปิด และจำนวนการคลิกของระบบจะไม่นับรวมการคลิกจากบอทและการคลิกยกเลิกการสมัครที่ตรวจพบ Content Optimizer จะนับเหตุการณ์ที่ไม่ซ้ำกันที่มีคุณสมบัติตามเกณฑ์ซึ่งลงทะเบียนภายในเจ็ดวันหลังจากส่งแต่ละครั้ง

เกิดอะไรขึ้นในขณะที่ขั้นตอนกำลังเรียนรู้?

ทุกขั้นตอนจะอยู่ในสถานะการเรียนรู้ (Learning) เป็นเวลาอย่างน้อยเจ็ดวันและไม่เกิน 15 วัน หลังจากนั้น Braze จะเปลี่ยนสถานะเป็นกำลังเพิ่มประสิทธิภาพ (Optimizing) หรือแนะนำให้ดำเนินการ (Action Recommended) หากไม่มีผู้ชนะที่ชัดเจนปรากฏขึ้น

การเผยแพร่การเปลี่ยนแปลงจะรีเซ็ตตัวเพิ่มประสิทธิภาพ และ Braze แนะนำไม่ให้แก้ไขตัวแปรในระหว่างช่วงการเรียนรู้ ให้ถือว่าช่วงการเรียนรู้เป็นช่วงที่ถูกล็อกไว้ และรวบรวมแนวคิดสำหรับรอบถัดไปแทนที่จะแก้ไขสิ่งที่กำลังใช้งานอยู่

การเลิกใช้ตัวแปรต้องใช้เวลาเตรียมตัว ผู้ใช้ที่การส่งล่าช้าเนื่องจากช่วงเวลาห้ามรบกวน (Quiet Hours), การตั้งเวลาอัจฉริยะ (Intelligent Timing), การจำกัดอัตราการส่ง หรือการจัดลำดับความสำคัญ อาจยังคงได้รับตัวแปรที่คุณปิดใช้งานไปแล้วหลังจากที่พวกเขาถูกกำหนดให้ได้รับ Braze แนะนำให้ปิดใช้งานล่วงหน้าประมาณหนึ่งชั่วโมงก่อนที่ข้อเสนอจะสิ้นสุด แทนที่จะปิดในวินาทีสุดท้าย

คุณควรตั้งค่าขั้นตอน Content Optimizer ตามลำดับใด?

ให้ทำงานตามลำดับนี้ เนื่องจากแต่ละตัวเลือกจะจำกัดตัวเลือกถัดไป

1. เลือก Canvas ที่มีผู้เข้าใช้งานรายวันคงที่ หรือเพิ่มตัวควบคุมการเข้าใช้งานเพื่อปรับให้ราบรื่นขึ้นหากมีช่วงที่พุ่งสูง
2. กำหนดเป้าหมายและเลือกเหตุการณ์การเพิ่มประสิทธิภาพที่ตรงกัน โดยส่วนใหญ่สำหรับอีเมลคือการคลิก
3. เลือกองค์ประกอบที่จะทดสอบ และเขียนตัวแปรที่แตกต่างกันสำหรับแต่ละองค์ประกอบ รวมถึงเนื้อหาปกติทางธุรกิจของคุณด้วย
4. ตรวจสอบจำนวนชุดค่าผสมเทียบกับปริมาณการส่งรายวันของคุณ
5. วางแท็ก Liquid ของทุกองค์ประกอบไว้ในข้อความหลัก
6. สำหรับการรันครั้งแรก ให้ใช้ Experiment Paths เพื่อให้ผู้ชมเพียงบางส่วนเข้าสู่สาขา Content Optimizer
7. เปิดใช้งานและปล่อยให้ขั้นตอนนั้นคงเดิมไว้จนกว่าจะออกจากสถานะการเรียนรู้

ขั้นตอน Experiment Paths คุ้มค่ากับการตั้งค่าเพิ่มเติม เพราะจะช่วยให้คุณมีกลุ่มควบคุมที่แสดงให้เห็นว่าสาขาที่ได้รับการปรับปรุงนั้นมีประสิทธิภาพเหนือกว่าเส้นทางที่คุณมีอยู่เดิมหรือไม่

คุณควรเฝ้าระวังความผิดพลาดแบบใดบ้าง?

ระบุความผิดพลาดที่พบบ่อยเพื่อให้ผู้ตรวจสอบสามารถสังเกตเห็นได้ในการตรวจสอบการตั้งค่า การส่งแบบ Launch-day blast คือขั้นตอนที่ใส่ไว้ในการส่งข้อความที่ทุกคนได้รับพร้อมกันหมด ทำให้ระบบไม่มีโอกาสได้ปรับให้เหมาะสมที่สุด

การแก้ไขในช่วงสถานะการเรียนรู้ (Learning-state) คือการเปลี่ยนแปลงที่เผยแพร่ในช่วงสัปดาห์แรก ซึ่งจะทำให้ตัวปรับประสิทธิภาพ (optimizer) รีเซ็ตและเริ่มนับเวลาใหม่ ส่วนตัวเลือกที่คล้ายกันมากเกินไป (Near-twin variants) คือตัวเลือกที่ใกล้เคียงกันจนไม่สามารถหาผู้ชนะได้ ซึ่งมักจะจบลงด้วยสถานะ Action Recommended

Ghost variant คือตัวเลือกที่คุณปิดใช้งานไปแล้วแต่ยังคงส่งไปถึงผู้ใช้ที่การส่งข้อความเกิดความล่าช้า ควรวางแผนการปิดใช้งานโดยเผื่อเวลาไว้ และคาดการณ์ว่าอาจยังมีตัวเลือกเก่าหลงเหลืออยู่บ้างหลังจากที่คุณปิดไปแล้ว

คุณควรรู้อะไรบ้างเกี่ยวกับตัวเลือกที่สร้างโดย AI และข้อจำกัดของแผนการใช้งาน?

Content Optimizer จะใช้ OpenAI เฉพาะเมื่อคุณขอให้สร้างคำแนะนำสำหรับตัวเลือกต่างๆ เท่านั้น Braze ระบุว่าไม่ได้ใช้ OpenAI ในการเลือกว่าผู้ใช้แต่ละคนจะได้รับตัวเลือกใด หรือในการจัดสรรทราฟฟิก และคุณสามารถพิมพ์ตัวเลือกต่างๆ ด้วยตนเองได้เช่นกัน

หากองค์กรของคุณมีการตรวจสอบว่าเครื่องมือใดบ้างที่เข้าถึงเนื้อหาข้อความ โปรดปรึกษาทีมรักษาความปลอดภัยของคุณเกี่ยวกับฟีเจอร์คำแนะนำนี้ก่อนเริ่มใช้งานครั้งแรก การพิมพ์ตัวเลือกด้วยตนเองจะช่วยหลีกเลี่ยงประเด็นนี้ไปได้เลย

ระดับของแผนการใช้งานก็มีความสำคัญเช่นกัน ในบางระดับ พื้นที่ทำงานสามารถเรียกใช้ขั้นตอน Content Optimizer ได้ครั้งละหนึ่งรายการเท่านั้น และผู้จัดการบัญชี Braze ของคุณสามารถช่วยเหลือได้หากคุณต้องการมากกว่านั้น โปรดตรวจสอบแผนของคุณก่อนที่จะออกแบบการทดสอบหลายรายการพร้อมกัน

ส่วนนี้เชื่อมต่อกับส่วนอื่นๆ ของโปรแกรมอย่างไร?

เนื้อหาที่คุณทดสอบจะถูกกำหนดโดยรูปแบบใน แคมเปญอีเมลที่สร้าง Conversion ได้สูง และโดยการปรับแต่งเฉพาะบุคคลใน การปรับแต่งเนื้อหาแบบเฉพาะบุคคลขั้นสูงใน Braze. การอ่านผลลัพธ์ควบคู่ไปกับการส่งข้อความอื่นๆ ของคุณมีอธิบายไว้ใน การรายงานแคมเปญอีเมล.

สำหรับข้อความที่ส่งผ่านหลายช่องทาง แคมเปญการมีส่วนร่วมผ่านหลายช่องทาง ครอบคลุมถึงการออกแบบเส้นทางของผู้ใช้ (journey design) รอบขั้นตอนลักษณะนี้

ในฐานะพันธมิตรด้านการติดตั้งใช้งาน Braze ทาง CustomerIK แนะนำให้เลือกเส้นทางของผู้ใช้ก่อนที่จะเขียนเนื้อหา ขั้นตอน Content Optimizer ใน Canvas ที่เหมาะสมและปล่อยให้ทำงานผ่านช่วงการเรียนรู้ (Learning) จะให้ผลลัพธ์ที่ดีกว่าตัวเลือกที่ชาญฉลาดแต่ใช้ใน Canvas ที่ไม่เหมาะสม

คำถามที่พบบ่อย

1. Content Optimizer ปรับแต่งเนื้อหาเฉพาะบุคคลสำหรับผู้ใช้แต่ละคนหรือไม่?

ไม่ ระบบจะค้นหาชุดค่าผสมที่ชนะเพียงหนึ่งเดียวสำหรับกลุ่มเป้าหมายทั้งหมด Braze แนะนำให้ใช้ Decisioning Studio Go หรือ Pro สำหรับการปรับแต่งเฉพาะบุคคลรายบุคคล

2. Content Optimizer ใช้เวลานานเท่าใดในการค้นหาผู้ชนะ?

ทุกขั้นตอนจะอยู่ในสถานะการเรียนรู้ (Learning) เป็นเวลาอย่างน้อยเจ็ดวันและไม่เกิน 15 วัน จากนั้น Braze จะเปลี่ยนสถานะเป็น Optimizing หรือ Action Recommended หากไม่มีผู้ชนะที่ชัดเจนปรากฏขึ้น

3. ฉันสามารถแก้ไขตัวเลือกต่างๆ ในขณะที่ขั้นตอนกำลังเรียนรู้ได้หรือไม่?

คุณสามารถทำได้ แต่การเผยแพร่การเปลี่ยนแปลงจะทำให้ตัวปรับประสิทธิภาพรีเซ็ต Braze แนะนำว่าไม่ควรแก้ไขตัวเลือกต่างๆ ในระหว่างสถานะการเรียนรู้

4. ขั้นตอนอีเมลควรปรับให้เหมาะสมสำหรับการเปิดอ่านหรือการคลิก?

Braze ระบุว่าขั้นตอนอีเมลที่ปรับให้เหมาะสมสำหรับการคลิกมักจะให้ผลลัพธ์ที่ดีกว่าขั้นตอนที่ปรับสำหรับการเปิดอ่าน ให้เลือกใช้การคลิกหากสอดคล้องกับเป้าหมายของคุณ

5. Content Optimizer ส่งเนื้อหาของฉันไปยัง OpenAI หรือไม่?

เฉพาะเมื่อคุณขอคำแนะนำตัวแปรที่สร้างโดย AI เท่านั้น การเลือกตัวแปรและการจัดสรรทราฟฟิกจะใช้อัลกอริทึมของ Braze เอง และคุณสามารถป้อนตัวแปรด้วยตนเองได้

แหล่งข้อมูล

• Braze,Content Optimizer. ดึงข้อมูลเมื่อ 16 ต.ค. 2026
• Braze,ขั้นตอน Content Optimizer. ดึงข้อมูลเมื่อ 16 ต.ค. 2026
• Braze,มีอะไรใหม่ใน Braze, ตรวจสอบการเปลี่ยนแปลงของ Content Optimizer แล้ว ดึงข้อมูลเมื่อ 16 ต.ค. 2026

CustomerIK คือพันธมิตรด้านการติดตั้งใช้งาน Braze ที่เชี่ยวชาญทั้งในด้านการเริ่มต้นใช้งาน การเชื่อมต่อทางเทคนิค การดำเนินงานด้านการตลาด และการจัดการข้อมูลลูกค้า

หากคุณกำลังวางแผนการทดสอบ Content Optimizer ครั้งแรกและต้องการให้ตรวจสอบ Canvas ก่อนเปิดใช้งาน มาคุยกันได้เลย