Crowdabout ทำ Product Testing ให้ผู้ผลิตผลิตภัณฑ์อาหารรายใหญ่รายหนึ่งในไทย เป็นแบรนด์ที่ลงทุนพัฒนาสูตรต่อเนื่องและมี portfolio หลายสิบ SKU ที่เจอคู่แข่งคนละชุดในแต่ละช่องทาง แต่ปัญหาคือข้อมูลที่ใช้ตัดสินใจมีแค่ตัวเลขยอดขายจากช่องทางค้าปลีก ซึ่งบอกได้ว่า SKU ไหนไม่ไปต่อ แต่ไม่บอกว่าเพราะอะไร
โจทย์คือหาให้เจอว่าผู้บริโภคติดอะไรใน SKU แต่ละตัว และควรลงมือแก้ที่สูตร ที่ราคา หรือที่การสื่อสารก่อน
ภาพรวมโครงการ
| ประเภทธุรกิจ | ผู้ผลิตผลิตภัณฑ์อาหารรายใหญ่ในไทย |
| อุตสาหกรรม | FMCG / Food |
| บริการที่ใช้ | Product Testing |
| ขอบเขตการทดสอบ | 27 SKU ทดสอบแบบปิดฉลากทั้งหมด |
| กลุ่มตัวอย่าง | Focus Group 30 คน แบ่งเป็นเชฟ 20 คน และผู้บริโภคกลุ่มเป้าหมาย 10 คน |
| ช่องทางที่ศึกษา | HoReCa และ Retail |
| ระยะเวลาโครงการ | [X สัปดาห์] |
ปัญหาคือ ยอดขายบอกว่า SKU ไหนขายไม่ดี แต่ไม่บอกว่าทำไม
ยอดขายเป็นตัวเลขปลายทาง พอมันลด เจ้าของ portfolio จะรู้แค่ว่ามีบางอย่างผิด แต่ยังแยกไม่ออกว่าผิดตรงไหน ในหมวดอาหารความไม่ชัดนี้มีหน้าตาที่เจอซ้ำอยู่ไม่กี่แบบ
- แยกไม่ออกว่าเป็นเรื่องสูตร ราคา หรือการสื่อสาร ทั้งสามอย่างทำให้ยอดตกได้เหมือนกัน แต่ใช้ทีมและงบคนละชุดในการแก้
- แก้แบบเหมาทั้ง portfolio พอไม่รู้ว่า SKU ไหนติดอะไร ก็ปรับสูตรพร้อมกันหลายตัว เสียทั้งเวลาและงบไปกับตัวที่ไม่ได้มีปัญหา
- ตัดสินจากข้อมูลภายในเป็นหลัก ใน FMCG ที่มี portfolio ขนาดใหญ่ การจัดลำดับงาน R&D และการตั้งราคามักอิงตัวเลขในบ้านมากกว่าเสียงจากคนที่กินจริง
ทั้งสามแบบให้ผลเหมือนกันคือทีมลงมือแก้ก่อนจะรู้ว่าปัญหาอยู่ตรงไหน
โจทย์หลักที่ Crowdabout ต้องตอบ
- แบรนด์ไม่ได้มาหา Crowdabout เพราะไม่รู้ว่า SKU ไหนขายไม่ดี ตัวเลขยอดขายบอกไปแล้ว สิ่งที่ยังไม่มีคือ “เหตุผลที่อยู่ข้างหลังตัวเลขนั้น”
- เมื่อมี 27 SKU ที่ต้องดูแลพร้อมกัน แบรนด์ต้องการคำตอบว่าควรเรียงลำดับความสำคัญอย่างไร และควรเริ่มแก้ที่ตัวไหนก่อนถึงจะเหมาะสม
- คำตอบต้องแยกให้ได้ว่า SKU ตัวไหนต้องกลับไปแก้ที่สูตร และตัวไหนแก้ที่ราคาหรือข้อความก็พอ เพราะสองทางนี้ใช้เวลาต่างกันเป็นเดือน
แบรนด์จึงเลือกทดสอบทั้ง portfolio ในรอบเดียว
- ทดสอบครบทั้ง 27 SKU เพื่อให้เทียบข้าม SKU ได้ด้วยเกณฑ์ชุดเดียวกัน ถ้าทดสอบทีละตัวคนละรอบ คะแนนจะเทียบกันไม่ได้
- ทดสอบแบบปิดฉลากทั้งหมด เพื่อแยกคุณภาพของสูตรออกจากความคุ้นเคยกับแบรนด์ พอปิดฉลากแล้ว คะแนนที่ได้คือคะแนนของตัวผลิตภัณฑ์จริง
- เก็บทั้งคะแนนและเหตุผล คะแนนบอกว่า SKU ไหนได้เท่าไหร่ ส่วนเหตุผลบอกว่าทำไม สองอย่างนี้ต้องมาคู่กันถึงจะเขียน recommendation รายตัวได้
เลือกเก็บข้อมูลจากคน 2 กลุ่ม เพราะแต่ละกลุ่มเห็นผลิตภัณฑ์เดียวกันคนละมุม
- เชฟ 20 คน ให้มุมมองด้านมาตรฐานคุณภาพและรายละเอียดทางประสาทสัมผัสที่คนทั่วไปไม่ได้สังเกต และเป็นคนตัดสินใจซื้อในช่องทาง HoReCa
- ผู้บริโภคกลุ่มเป้าหมาย 10 คน เล่าจากการกินและการซื้อในชีวิตประจำวัน ว่าอะไรทำให้หยิบขึ้นจากชั้นวางและอะไรทำให้วางกลับ
โจทย์ที่แบรนด์อยากได้คำตอบ
- ใน 27 SKU มีตัวไหนบ้างที่มีจุดแข็งและจุดอ่อนเมื่อเทียบกับตัวเลือกอื่นในหมวดเดียวกัน
- ผู้บริโภครับรู้คุณค่าของผลิตภัณฑ์สอดคล้องกับราคาที่ตั้งไว้หรือไม่
- ปัจจัยไหนมีผลกับการตัดสินใจซื้อมากที่สุด รสชาติ กลิ่น เนื้อสัมผัส หรือ packaging
- มี SKU ไหนที่ควรกลับไปพัฒนาสูตรก่อนเดินหน้าต่อ
- มี SKU ไหนที่ปรับ positioning หรือข้อความได้ทันทีโดยไม่ต้องแตะสูตร
การกำหนดคำถามให้ชัดตั้งแต่ต้นคือขั้นตอนที่ตัดสินว่างานจะใช้ได้จริงไหม เพราะ methodology ที่เลือกต้องตอบคำถามชุดนี้ได้ครบ ไม่ใช่เก็บข้อมูลกว้าง ๆ แล้วมาตีความทีหลัง
เราวัดอะไรบ้าง
1. Focus Group เก็บทั้งคะแนนและเหตุผล
ให้คะแนนราย SKU ใน 4 มิติ คือ รสชาติ คุณภาพ เนื้อสัมผัส และประสบการณ์การใช้งานโดยรวม แล้วตามด้วยการถามเหตุผลทุกครั้งที่คะแนนออกมาสูงหรือต่ำผิดจากตัวอื่น
คะแนนอย่างเดียวบอกได้แค่ว่า SKU ไหนอยู่อันดับไหน แต่บอกไม่ได้ว่าต้องไปแก้ที่อะไร ส่วนเหตุผลอย่างเดียวก็เทียบข้าม SKU ไม่ได้ งานนี้เลยต้องเก็บทั้งสองอย่างในรอบเดียวกัน
2. ทดสอบแบบปิดฉลากทั้ง 27 SKU
ผู้เข้าร่วมไม่รู้ว่าตัวไหนเป็นของแบรนด์ใด วิธีนี้ตัดอิทธิพลของภาพจำและความคุ้นเคยออกจากคะแนน ผลที่ได้จึงสะท้อนคุณภาพของสูตรตรง ๆ
ความต่างตรงนี้สำคัญกับ R&D มาก เพราะถ้าคะแนนดีตอนปิดฉลาก แปลว่าตัวผลิตภัณฑ์ทำได้อยู่แล้ว งานที่เหลือคือเรื่องราคาและข้อความ แต่ถ้าคะแนนไม่ดีตอนปิดฉลาก แปลว่าต้องกลับไปที่สูตร สองทางนี้ใช้เวลาและงบคนละก้อน
การจัดลำดับการชิมก็มีผลกับคะแนน โครงการนี้จึงออกแบบ session และการหมุนลำดับอย่างเป็นระบบ เพื่อลดผลจากความล้าของผู้ชิมเมื่อทดสอบต่อเนื่องหลายตัว
3. อ่านการรับรู้คุณค่าเทียบกับราคา
นอกจากคะแนนรายมิติ ยังถามว่าผู้บริโภคประเมินราคาของแต่ละตัวไว้เท่าไหร่หลังได้ชิมโดยไม่เห็นฉลาก แล้วเอาตัวเลขนั้นมาวางเทียบกับราคาจริงที่ขายอยู่
ช่องว่างระหว่างสองตัวเลขนี้คือสิ่งที่แปลงเป็นข้อเสนอด้านราคาได้ตรงที่สุด และเป็นข้อมูลที่ทีมเอาไปคุยกับผู้บริหารได้โดยมีเสียงผู้บริโภครองรับ
สิ่งที่เราพบจาก Product Testing
💡 ข้อค้นพบหลัก: เกณฑ์ที่ผู้บริโภคใช้ตัดสินผลิตภัณฑ์อาหารกระจายอยู่หลายมิติ มากกว่าที่คะแนนรสชาติตัวเดียวจะอธิบายได้
- ผู้บริโภคประเมินราคาบาง SKU ไว้สูงกว่าราคาที่ขายอยู่จริง หลังชิมโดยไม่เห็นฉลาก เขาให้คะแนนรสชาติสูงกว่าตัวเลือกอื่นในหมวด และบอกตัวเลขราคาที่ยอมจ่ายไว้สูงกว่าราคาปัจจุบัน
- ผู้บริโภคแยกรสชาติออกจากเนื้อสัมผัสและกลิ่น บาง SKU ได้คะแนนรสชาติใกล้เคียงกับตัวเลือกอื่น แต่คะแนนอีกสองมิติตามไม่ทัน ซึ่งชี้ว่างานที่ต้องแก้เป็นงานรายตัว ไม่ใช่งานทั้ง portfolio
- ปัจจัยที่ผู้บริโภคใช้ตัดสินใจซื้อจริง ไม่ใช่ตัวเดียวกับที่หมวดนี้ใช้สื่อสารกันเป็นหลัก ตรงนี้ปรับได้ที่ข้อความโดยไม่ต้องแตะสูตร
- ผู้บริโภคตัดสินคุณภาพจาก packaging ตั้งแต่ก่อนได้ชิม การรับรู้เกิดขึ้นที่หน้าชั้นวาง ก่อนที่ตัวผลิตภัณฑ์จะได้ทำงาน
- เชฟกับผู้บริโภคทั่วไปให้น้ำหนักคนละมิติในผลิตภัณฑ์ตัวเดียวกัน ความต่างนี้ใช้แยกลำดับงาน R&D และแยกข้อความระหว่าง HoReCa กับ Retail ได้
“SKU ที่ผู้บริโภคให้คะแนนรสชาติสูงกว่าตัวเลือกอื่นในหมวด กลับตั้งราคาต่ำกว่าตัวเลขที่เขาบอกเองว่ายอมจ่าย”
Our Strategic Recommendation
ด้าน R&D
เสนอลำดับ SKU ที่ควรกลับไปพัฒนาสูตรก่อน พร้อมระบุว่าแต่ละตัวควรแก้ที่มิติไหน เนื้อสัมผัส กลิ่น หรือรสชาติ แทนการปรับพร้อมกันทั้ง portfolio ซึ่งใช้เวลาและงบไปกับตัวที่ไม่ได้ติดปัญหา
ด้านราคา
เสนอ SKU ที่ผู้บริโภคประเมินคุณค่าไว้สูงกว่าราคาปัจจุบัน พร้อมตัวเลขจากการทดสอบที่ทีมนำไปใช้ประกอบการเสนอปรับราคาได้ทันที
ด้านการสื่อสาร
เสนอให้ย้ายน้ำหนักของข้อความไปที่ปัจจัยที่ผู้บริโภคบอกเองว่าใช้ตัดสินใจ เพื่อให้ทีมการตลาดปรับได้เลยโดยไม่ต้องรอรอบพัฒนาสูตร
ด้านช่องทาง
เสนอให้แยกข้อความระหว่างช่องทาง HoReCa กับ Retail ตามมุมที่เชฟและผู้บริโภคทั่วไปให้น้ำหนักต่างกัน เพื่อให้แต่ละช่องทางได้ยินเรื่องที่ตรงกับการตัดสินใจของตัวเอง
ถ้าไม่ทำ Product Testing ก่อน จะเสียอะไร
แบรนด์ที่เจอยอด SKU ตกแล้วสั่งปรับสูตรทันทีโดยไม่ตรวจก่อนว่าผู้บริโภคติดตรงไหน มักจบที่เดิม เพราะรอบพัฒนาสูตรใช้เวลาเป็นเดือน และถ้าปัญหาจริงอยู่ที่กลิ่นหรือ packaging สูตรใหม่ก็แก้ไม่ตรงจุดอยู่ดี
💡 ต้นทุนที่มองไม่เห็น: การตั้งราคาต่ำกว่าที่ผู้บริโภคยอมจ่าย คือรายได้ที่หายไปทุกชิ้นที่ขายได้ และไม่มีตัวเลขไหนในรายงานยอดขายที่บอกเรื่องนี้
ต้นทุนอีกด้านคือการแก้ผิดปัญหา ถ้าทีมสรุปเองว่าเป็นเรื่องสูตรทั้งที่จริงเป็นเรื่องข้อความ ผลคือเสียรอบพัฒนาไปหนึ่งรอบแล้วยอดยังเท่าเดิม กลับกัน ถ้าไปทุ่มกับแคมเปญทั้งที่ผู้บริโภคติดที่เนื้อสัมผัส คนที่ถูกดึงเข้ามาใหม่ก็เจอสิ่งเดิม
ในหมวดอาหารที่ผู้บริโภคเปลี่ยนใจได้ในชั้นวางเดียว ทุกไตรมาสที่ปล่อยให้ SKU ที่แก้ได้ง่ายยังขายไม่ออก คือต้นทุนที่สะสมไปเรื่อย ๆ
Key Takeaways: 4 ข้อที่ทีม FMCG เอาไปใช้ได้ทันที
1. ยอดขายเป็นตัวเลขปลายทาง ไม่ใช่เครื่องมือวินิจฉัย
ยอดขายบอกว่ามีปัญหา ไม่ได้บอกว่าปัญหาคืออะไร การรอให้ยอดลดก่อนแล้วค่อยหาสาเหตุ แปลว่ายอมเสียเวลาไปหนึ่งรอบก่อนจะเริ่มแก้
2. ทดสอบแบบปิดฉลากกับแบบเห็นแบรนด์ ให้คำตอบคนละเรื่อง
อยากรู้ว่าสูตรแข่งได้จริงไหม ต้องปิดฉลาก อยากรู้ว่าแบรนด์ช่วยหรือฉุด ต้องเทียบทั้งสองแบบ เลือกวิธีผิดตั้งแต่ต้นก็ได้คำตอบที่ไม่ตรงคำถาม
3. เชฟกับผู้บริโภคมองผลิตภัณฑ์เดียวกันคนละแบบ ช่องทางจึงต้องแยก
แบรนด์ที่ขายทั้ง HoReCa และ Retail ด้วยข้อความชุดเดียว กำลังพูดไม่ตรงกับอย่างน้อยหนึ่งกลุ่ม การแยก insight ตามกลุ่มทำให้วางแผนช่องทางได้ตรงกว่า
4. Packaging เป็นส่วนหนึ่งของผลิตภัณฑ์ ไม่ใช่แค่กล่อง
ผู้บริโภคตัดสินไปแล้วก่อนเปิดกล่อง ถ้า packaging ส่งสัญญาณเรื่องคุณภาพผิด ของข้างในก็เสียเปรียบตั้งแต่ยังไม่ได้ชิม
สิ่งที่เราส่งมอบให้กับลูกค้า
| มิติ | สิ่งที่ส่งมอบ |
|---|---|
| ภาพรวม portfolio | คะแนนราย SKU ครบทั้ง 27 ตัวใน 4 มิติ เทียบกันได้ด้วยเกณฑ์ชุดเดียว |
| ลำดับงาน R&D | รายการ SKU ที่ควรแก้ก่อน พร้อมระบุมิติที่ต้องแก้รายตัว |
| การรับรู้คุณค่าเทียบราคา | ช่องว่างระหว่างราคาที่ผู้บริโภคยอมจ่ายกับราคาปัจจุบัน แยกราย SKU |
| ข้อความและช่องทาง | ปัจจัยที่ผู้บริโภคใช้ตัดสินใจจริง แยกมุมเชฟกับผู้บริโภคทั่วไป สำหรับวางข้อความราย channel |
ผลลัพธ์ทางธุรกิจอยู่ระหว่างการติดตามหลังแบรนด์นำ Recommendation ไปใช้ (อัปเดต [Q/ปี])
โปรเจกต์ของคุณมีลักษณะคล้ายกันไหม?
ถ้ายอดขาย SKU ตกแล้วยังไม่รู้ว่าติดที่สูตร ราคา หรือข้อความ Crowdabout ช่วยทดสอบกับผู้บริโภคจริงและแยกให้เห็นว่าต้องแก้ตรงไหนก่อน
คำถามที่พบบ่อย
Focus Group ต่างจากการทำแบบสอบถามยังไง
แบบสอบถามให้ตัวเลขว่ามีคนคิดแบบนั้นกี่คน แต่ไม่ได้อธิบายว่าทำไม Focus Group ให้ผู้บริโภคเล่าเหตุผลและความรู้สึกออกมาเอง เลือกใช้ตัวไหนขึ้นกับว่าต้องการรู้ “เท่าไหร่” หรือ “ทำไม” งานที่ซับซ้อนมักต้องใช้ทั้งสองอย่างคู่กัน
ควรทำ Product Testing ตอนไหนของรอบพัฒนาผลิตภัณฑ์
สามจังหวะที่ได้ประโยชน์มากที่สุดคือ ก่อนเปิดตัวสูตรใหม่ เมื่อยอด SKU เดิมลดลงโดยยังไม่รู้สาเหตุ และก่อนตัดสินใจลงงบพัฒนารอบใหญ่ ทำหลังเปิดตัวไปแล้วก็ยังได้ข้อมูลที่ใช้ได้ แต่เสียโอกาสไปแล้วส่วนหนึ่ง
การทดสอบแบบปิดฉลากช่วย R&D ตัดสินใจยังไง
การปิดฉลากตัดอิทธิพลของภาพจำแบรนด์ออกจากคะแนน ทำให้เห็นว่าผลิตภัณฑ์ยืนได้ด้วยตัวเองแค่ไหน ถ้าคะแนนดีตอนปิดฉลาก งานที่เหลือคือเรื่องราคาและข้อความ ถ้าคะแนนไม่ดี ถึงจะต้องกลับไปที่สูตร ซึ่งช่วยประหยัดทั้งเวลาและงบพัฒนา
ผลทดสอบใช้ตัดสินใจเรื่องราคาได้จริงไหม
ได้ เพราะผลทดสอบบอกว่าผู้บริโภคประเมินราคาของผลิตภัณฑ์ไว้เท่าไหร่หลังได้ชิมโดยไม่เห็นฉลาก เอามาวางเทียบกับราคาที่ขายอยู่ก็เห็นทันทีว่า SKU ไหนตั้งต่ำหรือสูงกว่าที่ตลาดรับรู้ ตัวเลขชุดนี้ใช้ประกอบการเสนอปรับราคาได้โดยมีเสียงผู้บริโภครองรับ
ทดสอบหลาย SKU พร้อมกันแล้วผลยังเชื่อถือได้ไหม
ได้ ถ้าออกแบบ session และลำดับการชิมอย่างเป็นระบบเพื่อลดผลจากความล้าของผู้ชิม โครงการขนาด 27 SKU จึงต้องวางรอบและการหมุนลำดับไว้ตั้งแต่ต้น และคัดโปรไฟล์ผู้เข้าร่วมให้ตรงกลุ่มก่อนเริ่ม Crowdabout มี Online Panel ผู้บริโภคไทยกว่า 200,000 คน ช่วยคัดกลุ่มตัวอย่างที่ตรงโปรไฟล์ได้เร็ว
