วิธีสร้างแคมเปญดึงลูกค้ากลับที่มีประสิทธิภาพใน Braze

แคมเปญดึงลูกค้ากลับ (win-back) บน Braze มักล้มเหลวที่การกำหนดนิยามมากกว่าตัวเนื้อหาโฆษณา ก่อนที่จะเริ่มเขียนหัวข้ออีเมลหรือข้อความ ใครสักคนต้องตัดสินใจให้ชัดเจนก่อนว่า "ลูกค้าที่เลิกใช้งาน" หมายถึงอะไร ทั้งในแง่ของจำนวนวันและพฤติกรรม Braze มีทางเลือกให้คุณสองทาง คือการสร้างกลุ่มเป้าหมายจากกิจกรรมล่าสุด หรือการใช้คะแนนความเสี่ยงที่จะเลิกใช้งาน (Churn Score) เพื่อระบุตัวผู้ใช้ก่อนที่พวกเขาจะเงียบหายไป โปรดเลือกอย่างรอบคอบเพราะทั้งสองวิธีนี้มีผลลัพธ์ที่แตกต่างกัน

‍

ประเด็นสำคัญ

• การนิยามว่าลูกค้าเลิกใช้งานแล้วเป็นโจทย์ทางธุรกิจ Braze ได้จัดเตรียมกลไกสำหรับดึงตัวผู้ใช้ที่กำลังจะเลิกใช้งานไว้ให้ แต่การกำหนดเกณฑ์ตัดสินใจนั้นขึ้นอยู่กับคุณ
• ตัวอย่างการใช้งานของ Braze ใช้ตัวกรอง "ใช้งานแอปครั้งล่าสุด" (Last Used App) สองตัว เพื่อให้แคมเปญที่ทำงานซ้ำทุกสัปดาห์สามารถจับกลุ่มผู้ใช้ได้เฉพาะในสัปดาห์นั้นๆ ไม่ใช่การส่งหาคนกลุ่มเดิมซ้ำๆ ในทุกรอบ
• ฟีเจอร์ Predictive Churn จะช่วยระบุตัวผู้ใช้ที่มีความเสี่ยงในขณะที่พวกเขายังคงใช้งานอยู่ โดยใช้คะแนนความเสี่ยงที่จะเลิกใช้งาน (Churn Risk Score) ตั้งแต่ 0 ถึง 100
• การคาดการณ์ต้องอาศัยนิยามของการเลิกใช้งาน กลุ่มเป้าหมายสำหรับการคาดการณ์ ตารางเวลาการอัปเดต และการตรวจสอบคะแนนคุณภาพของการคาดการณ์
• ฟีเจอร์ Intelligent Timing จำเป็นต้องใช้ข้อมูลการมีส่วนร่วม ดังนั้นควรตั้งเวลาสำรอง (fallback time) ไว้สำหรับผู้ใช้ที่เลิกใช้งานไปแล้ว
• จงวัดผลตอบแทนจากกิจกรรมที่สร้างคุณค่าให้กับผู้ใช้ ไม่ใช่แค่วัดจากจำนวนการเปิดอ่าน

‍

อะไรคือเกณฑ์ที่ถือว่าเลิกใช้งาน และใครเป็นคนตัดสิน?

นี่เป็นโจทย์ทางธุรกิจที่คำตอบจะแตกต่างกันไปตามประเภทของบริการ แอปสั่งของชำกับแอปยื่นภาษีมีนิยามของช่วงเวลาที่เงียบหายไปที่แตกต่างกันอย่างสิ้นเชิง

Braze จัดเตรียมกลไกไว้ให้มากกว่าการกำหนดเกณฑ์ตายตัว คุณสามารถตั้งค่าแคมเปญดึงลูกค้ากลับแบบอัตโนมัติที่ทำงานซ้ำได้เพื่อจับกลุ่มผู้ใช้ที่กำลังจะเลิกใช้งาน โดยคุณเป็นผู้เลือกกรอบเวลาและรอบการทำงานเอง

เริ่มต้นจากข้อมูลเซสชันของคุณเอง Braze แนะนำให้ดูที่กราฟเซสชันเพื่อกำหนดเป้าหมายผู้ใช้ในช่วงเวลาก่อนที่พวกเขาจะเข้าสู่ช่วงที่มีการใช้งานสูง กราฟเดียวกันนี้ยังแสดงให้เห็นว่าช่วงเวลาที่เงียบหายไปตามปกติสิ้นสุดลงตรงไหน และช่วงที่เริ่มเลิกใช้งานจริงเริ่มต้นขึ้นเมื่อใด

‍

คุณจะสร้างกลุ่มเป้าหมายอย่างไรไม่ให้เกิดการส่งข้อความซ้ำซ้อน?

นี่คือรายละเอียดที่หลายทีมมักมองข้าม ตัวอย่างการใช้งานของ Braze ใช้ตัวกรองสองตัว ไม่ใช่ตัวเดียว:

‍

ตัวกรองตัวที่สองมีความสำคัญมาก Braze อธิบายเหตุผลไว้ว่า เนื่องจากแคมเปญทำงานซ้ำทุกสัปดาห์ กลุ่มเป้าหมายจึงจำเป็นต้องครอบคลุมผู้ใช้อย่างน้อยหนึ่งสัปดาห์ หากใช้ตัวกรองเดียว ระบบจะรวมคนเดิมเข้ามาใหม่ทุกสัปดาห์จนกว่าพวกเขาจะกลับมาใช้งานหรือถอนการติดตั้งแอปไป

การกำหนดขอบเขตทั้งสองด้านจะเปลี่ยนกลุ่มเป้าหมายแบบปลายเปิดให้กลายเป็นกลุ่มย่อย (cohort) ซึ่งเป็นสิ่งที่ทำให้การส่งข้อความแบบอัตโนมัติมีความปลอดภัยและสามารถปล่อยให้ทำงานต่อไปได้เรื่อยๆ

เราแนะนำให้ใช้ตรรกะเดียวกันนี้กับกรอบเวลาที่ถูกจำกัดเพิ่มเติม โดยให้แต่ละช่วงเริ่มต้นต่อจากช่วงที่แล้ว เพื่อไม่ให้ใครได้รับข้อความสองฉบับในสัปดาห์เดียวกัน นี่เป็นคำแนะนำของเรา ไม่ใช่ตัวอย่างจาก Braze

‍

เมื่อใดที่คุณควรเลือกใช้ Predictive Churn แทน?

แนวทางการแบ่งกลุ่มเป้าหมายเป็นการตอบสนองต่อสิ่งที่เกิดขึ้นแล้ว แต่ Predictive Churn คือการคาดการณ์ล่วงหน้า กรณีการใช้งานของ Braze อธิบายถึงการคาดการณ์ว่าผู้ใช้คนใดมีความเสี่ยงและส่งข้อความที่ปรับแต่งมาโดยเฉพาะในขณะที่พวกเขายังคงใช้งานอยู่

การตั้งค่าฟีเจอร์นี้เป็นชุดของการตัดสินใจที่ชัดเจน ไม่ใช่แค่การกดเปิดสวิตช์:

1. กำหนดให้การเลิกใช้งาน (Churn) คือเหตุการณ์ที่ไม่ได้เกิดขึ้นภายในช่วงเวลาที่กำหนด ตัวอย่างของ Braze คือการเลือก "ไม่ทำ" (do not) ร่วมกับเหตุการณ์ที่กำหนดเอง โดยมีช่วงเวลาการคาดการณ์อยู่ที่ 14 วัน
2. เลือกกลุ่มเป้าหมายสำหรับการคาดการณ์ ตัวอย่างนี้ใช้กลุ่มผู้ใช้ที่ทำกิจกรรมที่เกี่ยวข้องในช่วง 30 วันที่ผ่านมา
3. กำหนดตารางเวลาการอัปเดต ตัวอย่างนี้ใช้การอัปเดตแบบรายสัปดาห์
4. ตรวจสอบคะแนนคุณภาพการคาดการณ์หลังจากการฝึกฝนโมเดล ซึ่งจะบอกคุณว่าการคาดการณ์นั้นมีแนวโน้มที่จะแม่นยำเพียงใด
5. สร้างกลุ่มเป้าหมายโดยอิงจากคะแนนความเสี่ยงในการเลิกใช้งาน (Churn Risk Score) ซึ่ง Braze จะกำหนดให้ตั้งแต่ 0 ถึง 100

‍

ขั้นตอนที่ห้าเกี่ยวข้องกับการตัดสินใจเรื่องเกณฑ์คะแนน ตัวอย่างนี้กำหนดเป้าหมายที่คะแนนสูงกว่า 70 และใช้แถบเลื่อนกลุ่มเป้าหมายเพื่อดูตัวอย่างว่ามีผู้ใช้จำนวนเท่าใดที่อยู่ในแต่ละช่วงคะแนน หากคุณลดเกณฑ์ลง คุณจะเข้าถึงผู้คนได้มากขึ้น ซึ่งเป็นเรื่องของการบริหารต้นทุนพอๆ กับเรื่องของการกำหนดกลุ่มเป้าหมาย

ทั้งสองแนวทางสามารถใช้ควบคู่กันได้ การคาดการณ์จะช่วยจับกลุ่มคนที่กำลังจะเลิกใช้งานแต่ยังคงมีตัวตนอยู่ ส่วนกลุ่มเป้าหมายที่อิงจากกิจกรรมล่าสุดจะช่วยจับกลุ่มคนที่เงียบหายไปแล้ว รวมถึงใครก็ตามที่โมเดลอาจมองข้ามไป

‍

คุณจะกำหนดเวลาและวัดผลแคมเปญดึงลูกค้ากลับมา (Win-back) ของ Braze อย่างไร?

Intelligent Timing จะส่งข้อความถึงผู้ใช้แต่ละคนในเวลาที่ Braze คำนวณแล้วว่าพวกเขามีแนวโน้มที่จะมีส่วนร่วมมากที่สุด ข้อมูลที่นำมาพิจารณาประกอบด้วย เวลาที่เข้าใช้งาน, การเปิดอ่าน Push Notification ทั้งทางตรงและทางอ้อม, การเปิดอ่านและคลิกอีเมล รวมถึงการคลิก SMS ในกรณีที่มีการย่อลิงก์และเปิดใช้งานการติดตามขั้นสูง

มีข้อควรระวังเฉพาะสำหรับกลุ่มเป้าหมายนี้ Braze ระบุว่าผู้ใช้ที่มีส่วนร่วมสูงที่สุดของคุณเป็นกรณีที่ดีที่สุด เพราะพวกเขามีข้อมูลการใช้งานมากที่สุด ในขณะที่ผู้ใช้ที่เลิกใช้งานไปแล้ว (Lapsed users) มีข้อมูลล่าสุดน้อยที่สุด Braze ให้คุณกำหนดเวลาสำรองสำหรับผู้ใช้ที่มีข้อมูลไม่เพียงพอ ดังนั้นควรตั้งค่าไว้และเตรียมใจว่ามันจะถูกนำมาใช้บ่อยกว่าแคมเปญสำหรับผู้ใช้ทั่วไป

การวัดผลต้องดูที่พฤติกรรม ไม่ใช่แค่การเปิดอ่าน ในตัวอย่างของ Braze เหตุการณ์การแปลงผล (Conversion event) ของแคมเปญคือเหตุการณ์ที่กำหนดเองซึ่งแสดงถึงการกลับมาใช้งานจริง และหน้า Prediction Analytics จะเปรียบเทียบผู้ที่ถูกคาดการณ์ว่าจะเลิกใช้งานกับผู้ที่เลิกใช้งานจริง

ในฐานะพันธมิตรด้านการติดตั้งใช้งาน Braze เราขอแนะนำให้วัดผลแคมเปญดึงลูกค้ากลับมาด้วยการกระทำที่สร้างคุณค่าให้กับผู้ใช้ อัตราการเปิดอ่านบอกได้เพียงว่าหัวข้ออีเมลนั้นได้ผล แต่มันไม่ได้บอกเลยว่ามีใครกลับมาใช้งานจริงหรือไม่

หน้าเอกสารของ Braze ที่เราอ่านไม่ได้ระบุว่าผู้ใช้ที่เลิกใช้งานไปแล้วควรได้รับข้อความกี่รอบก่อนที่จะถูกระงับการส่ง กฎการออกจากแคมเปญนี้เป็นสิ่งที่คุณต้องกำหนดเอง และควรทำก่อนที่จะเริ่มเปิดตัวแคมเปญ

‍

มีอะไรเปลี่ยนแปลงไปบ้างเมื่อเร็วๆ นี้?

มีการอัปเดตสองรายการที่เกี่ยวข้องกับขั้นตอนการทำงานนี้ เมื่อวันที่ 28 พฤษภาคม 2026 Braze ได้เพิ่มเขตเวลาของพื้นที่ทำงาน (Workspace time zones) ดังนั้นแคมเปญและ Canvas ที่ตั้งเวลาไว้ซึ่งไม่ได้ใช้เวลาท้องถิ่นหรือ Intelligent Timing จะส่งตามเขตเวลาที่กำหนดไว้ของพื้นที่ทำงาน หากแคมเปญดึงลูกค้ากลับมาของคุณเป็นการตั้งเวลาส่งแทนที่จะเป็นการส่งตามเหตุการณ์ ให้ตรวจสอบว่าตอนนี้แคมเปญนั้นอ้างอิงตามเขตเวลาใด

เมื่อวันที่ 25 มิถุนายน 2026 ฟีเจอร์ Operator ได้เปิดให้ใช้งานจากหน้าแคมเปญหรือจากภายในแคมเปญที่มีอยู่เดิม ตัวอย่างคำสั่งของ Braze รวมถึงคำสั่งเกี่ยวกับการส่ง Push Notification ให้กับผู้ใช้ที่เลิกใช้งานไปแล้ว ซึ่งมีประโยชน์สำหรับการร่างแคมเปญครั้งแรก แม้ว่าคำถามเรื่องการนิยามกลุ่มเป้าหมายข้างต้นจะยังคงเป็นหน้าที่ของคนอยู่ก็ตาม

‍

สิ่งนี้เข้ากับโปรแกรมโดยรวมได้อย่างไร?

การดึงลูกค้ากลับมาคือส่วนสำคัญของ การรักษาฐานลูกค้าและมันจะได้ผลดีที่สุดเมื่อเส้นทางประสบการณ์ลูกค้าในช่วงก่อนหน้านี้ทำหน้าที่ของมันได้ดีแล้ว การ เส้นทางการเริ่มต้นใช้งาน และ แคมเปญกระตุ้นการใช้งาน ที่เกี่ยวข้องจะเป็นตัวกำหนดว่ามีผู้ใช้จำนวนเท่าใดที่กลายเป็นผู้ใช้ที่เลิกใช้งานไปตั้งแต่แรก

การปรับแต่งให้เหมาะสมกับบุคคลและเนื้อหาแบบไดนามิก คือสิ่งที่ทำให้ข้อความน่าเปิดอ่านเมื่อกำหนดนิยามและช่วงเวลาได้อย่างเหมาะสมแล้ว

‍

คำถามที่พบบ่อย
‍

1. ผู้ใช้ควรไม่มีความเคลื่อนไหวนานเท่าใดจึงจะเริ่มแคมเปญดึงผู้ใช้กลับมา?

Braze ไม่ได้กำหนดเกณฑ์มาตรฐานไว้ตายตัว ตัวอย่างที่ใช้งานจริงจะใช้กลุ่มผู้ใช้ที่เข้าใช้งานแอปครั้งล่าสุดเมื่อมากกว่า 2 สัปดาห์แต่ไม่เกิน 3 สัปดาห์ที่ผ่านมา และแนะนำให้คุณตรวจสอบกราฟเซสชันของคุณเอง

2. เหตุใดกลุ่มเป้าหมายในตัวอย่างจึงใช้ตัวกรองสองตัว?

เนื่องจากแคมเปญมีการทำซ้ำเป็นรายสัปดาห์ กลุ่มเป้าหมายจึงจำเป็นต้องครอบคลุมผู้ใช้ในช่วงเวลาอย่างน้อยหนึ่งสัปดาห์ หากใช้ตัวกรองเพียงตัวเดียว ระบบจะดึงคนกลุ่มเดิมกลับเข้ามาซ้ำๆ

3. คะแนนความเสี่ยงในการเลิกใช้งาน (Churn Risk Score) คืออะไร?

คะแนนระหว่าง 0 ถึง 100 ที่ Braze กำหนดให้กับผู้ใช้แต่ละรายที่มีคุณสมบัติตรงตามเกณฑ์ หลังจากที่ระบบคาดการณ์การเลิกใช้งานได้ผ่านการเรียนรู้แล้ว

4. ฟีเจอร์ Intelligent Timing ใช้กับผู้ใช้ที่เลิกใช้งานไปแล้วได้หรือไม่?

สามารถใช้ได้ แต่ฟีเจอร์นี้ต้องอาศัยข้อมูลการมีส่วนร่วม ซึ่งผู้ใช้ที่เลิกใช้งานไปแล้วจะมีข้อมูลล่าสุดน้อยกว่า ดังนั้นควรตั้งค่าเวลาสำรองไว้ด้วย

5. แคมเปญดึงผู้ใช้กลับมาควรนับสิ่งใดเป็น Conversion?

พฤติกรรมที่แสดงถึงการกลับมาใช้งานจริง โดยตั้งค่าให้เป็นเหตุการณ์ Conversion ของแคมเปญ แทนที่จะนับจากการเปิดอ่านหรือการคลิกเพียงอย่างเดียว

‍

แหล่งข้อมูล

• Braze,การดึงผู้ใช้ที่กำลังจะเลิกใช้งานกลับมาสืบค้นเมื่อ 1 ต.ค. 2026
• Braze,กรณีการใช้งานการคาดการณ์การเลิกใช้งาน (Predictive Churn)สืบค้นเมื่อ 1 ต.ค. 2026
• Braze,Intelligent Timingสืบค้นเมื่อ 1 ต.ค. 2026
• Braze,บันทึกประจำรุ่น 28 พฤษภาคม 2026สืบค้นเมื่อ 1 ต.ค. 2026
• Braze,บันทึกประจำรุ่น 25 มิ.ย. 2026สืบค้นเมื่อ 1 ต.ค. 2026
• เขียนโดย CustomerIK พันธมิตรด้านการติดตั้งใช้งาน Braze

‍

CustomerIK คือพันธมิตรด้านการติดตั้งใช้งาน Braze ที่เชี่ยวชาญทั้งในด้านการเริ่มต้นใช้งาน การเชื่อมต่อทางเทคนิค การดำเนินงานด้านการตลาด และการจัดการข้อมูลลูกค้า

หากผู้ใช้งานที่เลิกใช้งานไปแล้วของคุณยังคงได้รับข้อความเดิมซ้ำสองครั้ง มาคุยกันดีกว่า

‍