วิธีคำนวณต้นทุนการได้มาซึ่งลูกค้า (Customer Acquisition Cost) จากสเปรดชีต (2026)

ต้นทุนการได้มาซึ่งลูกค้า (Customer Acquisition Cost) คือค่าใช้จ่ายด้านการขายและการตลาดทั้งหมดในช่วงเวลาหนึ่ง หารด้วยจำนวนลูกค้าใหม่ที่ได้มาในช่วงเวลานั้น สูตรนี้ใช้เวลาคำนวณเพียงสิบวินาที แต่การจะได้ตัวเลขที่สมเหตุสมผลและสามารถอธิบายได้นั้นอาจต้องใช้เวลาเกือบทั้งวัน เพราะข้อมูลค่าใช้จ่ายอยู่ในระบบหนึ่ง ขณะที่ข้อมูลลูกค้าอยู่ในอีกระบบหนึ่ง

ช่องว่างระหว่างสองระบบนี้คือจุดเริ่มต้นของการโต้เถียงเกี่ยวกับ CAC ทั้งหมด ไม่ว่าจะเป็นค่าใช้จ่ายใดบ้างที่ต้องนำมาคิด ลูกค้ากลุ่มไหนที่นับ และคุณจะจัดการอย่างไรกับความจริงที่ว่าเงินที่จ่ายไปในเดือนมีนาคมจะส่งผลให้ได้ลูกค้ากลับมาในเดือนพฤษภาคม

คู่มือนี้จะอธิบายว่าทำไมการคำนวณนี้จึงยากกว่าที่คิด เผย 3 วิธีที่ทีมต่าง ๆ ใช้แก้ปัญหา และจุดที่แต่ละวิธีเริ่มไม่สามารถใช้อ้างอิงได้อย่างสมเหตุสมผลอีกต่อไป

ทำไมต้นทุนการได้มาซึ่งลูกค้าจึงยากกว่าที่สูตรบอกไว้

ข้อมูลค่าใช้จ่ายและข้อมูลลูกค้าอยู่ในคนละระบบ

ค่าโฆษณาจะอยู่ในรายงานของแต่ละแพลตฟอร์ม ค่าใช้จ่ายด้านคอนเทนต์และเครื่องมือต่าง ๆ อยู่ในระบบบัญชี เงินเดือนอยู่ในระบบจ่ายเงินเดือน ส่วนลูกค้าใหม่อยู่ใน CRM หรือระบบเรียกเก็บเงิน

ไม่มีอะไรเชื่อมโยงข้อมูลเหล่านี้เข้าด้วยกันโดยอัตโนมัติ ใครบางคนต้องส่งออกไฟล์ 4 หรือ 5 ไฟล์แล้วนำมาจัดเรียงตามเดือน และจะเจอกับปัญหาการจับคู่ข้อมูลทันที แพลตฟอร์มโฆษณารายงานตามแคมเปญ บัญชีรายงานตามศูนย์ต้นทุน และ CRM รายงานตามแหล่งที่มาของลีด ชื่อแคมเปญและป้ายกำกับแหล่งที่มาของลีดแทบจะไม่เคยตรงกันเลย ดังนั้นการระบุที่มาในระดับช่องทางจึงต้องใช้ตารางเทียบข้อมูลที่ต้องมีคนคอยอัปเดตด้วยตัวเอง

ปัญหาเรื่องระยะเวลาที่ล่าช้า (Lag) ที่ไม่มีใครบันทึกไว้

เงินที่จ่ายไปในเดือนมีนาคมไม่ได้สร้างลูกค้าในเดือนมีนาคมทันที ขึ้นอยู่กับวงจรการขายของคุณ มันอาจจะสร้างลูกค้าในเดือนเมษายน พฤษภาคม หรือไตรมาสถัดไป

หากคุณหารค่าใช้จ่ายเดือนมีนาคมด้วยจำนวนลูกค้าเดือนมีนาคม เท่ากับคุณกำลังหารเงินลงทุนของเดือนหนึ่งด้วยผลตอบแทนของเดือนก่อนหน้า ในธุรกิจที่มั่นคงและคงที่ ความคลาดเคลื่อนนี้มักจะหักล้างกันไปเอง แต่ในธุรกิจที่เพิ่งเพิ่มงบประมาณเป็นสองเท่า การคำนวณแบบเดียวกันนี้จะทำให้ CAC ดูดีมากในเดือนหนึ่ง และดูแย่มากในอีกสามเดือนต่อมา ซึ่งตัวเลขทั้งสองนี้ไม่ได้สะท้อนความเป็นจริงเลย

ไม่มีใครตกลงกันได้ว่าอะไรคือนับเป็นค่าใช้จ่ายบ้าง

ค่าโฆษณานั้นนับแน่นอนอยู่แล้ว แต่เงินเดือนของทีมการตลาดล่ะ? ค่าคอมมิชชันของทีมขายล่ะ? สัดส่วนเวลาของนักเขียนคอนเทนต์ที่ใช้ไปกับการหาลูกค้าใหม่แทนที่จะเป็นการรักษาลูกค้าเก่าล่ะ? หรือค่าสมัครสมาชิกเครื่องมือออกแบบล่ะ?

ทุกข้อที่กล่าวมานี้สามารถหาเหตุผลมาสนับสนุนได้ทั้งสองทาง แต่สิ่งที่ไม่สมเหตุสมผลคือการเปลี่ยนเกณฑ์การคำนวณไปมาระหว่างไตรมาส ซึ่งเกิดขึ้นอยู่ตลอดเวลาเพราะไม่มีการบันทึกการตัดสินใจไว้เป็นลายลักษณ์อักษร

สิ่งที่คุณต้องสูญเสียจากปัญหานี้

เกณฑ์มาตรฐานที่คุณไม่สามารถนำมาเปรียบเทียบได้ เกณฑ์มาตรฐาน CAC ที่เผยแพร่ทั่วไปจะคิดจากต้นทุนแบบรวมทั้งหมด (fully loaded) ซึ่งรวมถึงเงินเดือนด้วย หากของคุณคิดเฉพาะค่าโฆษณา คุณจะดูเหมือนมีประสิทธิภาพมากกว่าความเป็นจริงอย่างมาก และการเปรียบเทียบใด ๆ ก็จะไม่มีความหมาย

การตัดสินใจเลือกช่องทางโดยใช้ตัวเลขที่ผิดพลาด Blended CAC จะซ่อนความจริงที่ว่าช่องทางหนึ่งอาจมีต้นทุนสูงกว่าอีกช่องทางถึงสามเท่า จากนั้นงบประมาณก็จะถูกย้ายตามสัญชาตญาณ เพราะข้อมูลที่รวบรวมมาไม่สามารถตอบคำถามที่ต้องการได้

การโต้เถียงในทุกไตรมาสที่เกิดขึ้นซ้ำซาก เนื่องจากไม่มีการบันทึกขอบเขตการคำนวณไว้ ทุกครั้งที่มีการคำนวณใหม่จึงต้องมาถกเถียงกันใหม่ทุกครั้ง นั่นทำให้กลายเป็นการประชุมที่เกิดขึ้นเป็นประจำแทนที่จะเป็นต้นทุนที่จ่ายครั้งเดียว และมักจะเป็นการประชุมที่มีแต่บุคลากรระดับสูงเข้าร่วม

วิธีแก้ปัญหาชั่วคราวที่ผู้คนมักจะลองใช้

ทางเลือกที่ 1: Blended CAC เพียงตัวเดียว

รวมค่าใช้จ่ายด้านการขายและการตลาดทั้งหมดในช่วงเวลานั้น แล้วหารด้วยจำนวนลูกค้าใหม่ทั้งหมด ได้ตัวเลขเดียว รวดเร็ว และไม่มีใครสามารถโต้แย้งเรื่องระเบียบวิธีคำนวณได้ เพราะแทบจะไม่มีขั้นตอนซับซ้อนอะไรเลย

นี่คือตัวเลือกที่เหมาะสมสำหรับนำเสนอในสไลด์ของบอร์ดบริหาร และเพื่อติดตามแนวโน้มเมื่อเวลาผ่านไป แต่มันไม่สามารถบอกคุณได้ว่าควรย้ายงบประมาณไปที่ใด เพราะมันเป็นการเฉลี่ยความแตกต่างระหว่างช่องทางต่าง ๆ ออกไปโดยตั้งใจ

ทางเลือกที่ 2: CAC ระดับช่องทางพร้อมตารางจับคู่ข้อมูล

สร้างชีตที่จับคู่ชื่อแคมเปญและรายการค่าใช้จ่ายแต่ละรายการเข้ากับช่องทาง จากนั้นใช้ SUMIFS เพื่อรวมค่าใช้จ่ายทั้งหมดต่อช่องทาง พร้อมกับนับจำนวนลูกค้าใหม่ที่ตรงกันตามแหล่งที่มาของลีด

วิธีนี้ตอบคำถามเรื่องงบประมาณได้ และเป็นเวอร์ชันที่ทีมส่วนใหญ่ต้องการจริง ๆ แต่มีต้นทุนในการดูแลรักษาข้อมูลที่เกิดขึ้นจริง แคมเปญใหม่ ๆ เกิดขึ้นทุกเดือน และแคมเปญที่ไม่ได้จับคู่ข้อมูลจะหลุดออกจากยอดรวมไปอย่างเงียบ ๆ ทำให้ช่องทางนั้นดูเหมือนมีราคาถูกกว่าความเป็นจริง

ทางเลือกที่ 3: Cohort-based CAC

จัดกลุ่มลูกค้าตามเดือนที่ได้มา จากนั้นจัดสรรค่าใช้จ่ายไปยังช่วงเวลาที่สร้างลูกค้าเหล่านั้นขึ้นมา แทนที่จะเป็นช่วงเวลาที่บันทึกบัญชีค่าใช้จ่าย นี่เป็นวิธีเดียวที่จัดการกับปัญหาระยะเวลาที่ล่าช้าได้อย่างตรงไปตรงมาที่สุด

และเป็นวิธีที่ต้องใช้พลังงานมากที่สุดเช่นกัน คุณต้องมีสมมติฐานเรื่องระยะเวลาที่ล่าช้าที่สมเหตุสมผลสำหรับแต่ละช่องทาง และคุณต้องเปิดข้อมูลทิ้งไว้หลายเดือนก่อนที่ตัวเลขจะนิ่ง

จุดที่ทั้งสามวิธีเจอกับข้อจำกัดเดียวกัน

แต่ละวิธีจะให้ตัวเลขออกมาเมื่อคุณได้ทำการตัดสินใจแล้ว แต่การตัดสินใจต่างหากที่เป็นส่วนที่ยากที่สุด และมันไม่ใช่เรื่องของคณิตศาสตร์

ควรใช้สมมติฐานระยะเวลาที่ล่าช้าเท่าใด ต้นทุนของช่องทางนั้นเพิ่มขึ้นจริง ๆ หรือเป็นเพียงเพราะสัดส่วนกลุ่มลูกค้าเปลี่ยนไป แคมเปญที่ไม่ได้จับคู่ข้อมูลนั้นมีความสำคัญหรือเป็นเพียงแค่ข้อมูลรบกวน การตัดสินใจเหล่านี้จำเป็นต้องดูที่การกระจายตัวของข้อมูลจริง ไม่ใช่แค่การใส่สูตรคำนวณลงไป และนั่นก็เป็นจุดที่การคำนวณมักจะผิดพลาดไปอย่างเงียบ ๆ เพราะสูตรจะแสดงตัวเลขออกมาเสมอ ไม่ว่าข้อมูลที่ใส่เข้าไปจะสมเหตุสมผลหรือไม่ก็ตาม

วิธีคำนวณต้นทุนการได้มาซึ่งลูกค้าด้วย Powerdrill Bloom

ขั้นตอนที่ 1: อัปโหลดสเปรดชีตของคุณ

อัปโหลดไฟล์ข้อมูลค่าใช้จ่ายที่ส่งออกและรายชื่อลูกค้าพร้อมกัน Powerdrill Bloom จะวิเคราะห์โครงสร้างของแต่ละไฟล์ ทำให้คุณเห็นชื่อแคมเปญที่ไม่ตรงกัน รูปแบบวันที่ที่แตกต่างกัน และเดือนที่ขาดหายไป ก่อนที่คุณจะเริ่มเชื่อมโยงข้อมูลเข้าด้วยกัน

ขั้นตอนที่ 2: อธิบายการคำนวณด้วยภาษาธรรมชาติ

กำหนดขอบเขตอย่างชัดเจน: รวมหมวดหมู่ค่าใช้จ่ายเหล่านี้ตามเดือน นับจำนวนลูกค้าใหม่ตามเดือนที่ได้มา แล้วนำมาหารกัน สอบถามว่ามีแคมเปญใดบ้างที่จับคู่กับช่องทางไม่ได้ แทนที่จะไปค้นพบทีหลังจากการเห็นยอดรวมที่ดูดีเกินจริง จากนั้นทดสอบระยะเวลาที่ล่าช้า โดยเปรียบเทียบช่วงเวลาเดียวกันโดยเลื่อนเวลาออกไป 1 เดือน และ 2 เดือน เพื่อดูว่าผลลัพธ์เปลี่ยนแปลงไปมากน้อยเพียงใด

ขั้นตอนที่ 3: ส่งออกแผนภูมิ รายงาน หรือสไลด์นำเสนอ

ดึงข้อมูลแนวโน้ม CAC ตามช่องทาง ตารางแสดงค่าใช้จ่ายและจำนวนลูกค้าที่เป็นฐานข้อมูล หรือสรุปแบบเขียนสำหรับการทบทวนประจำไตรมาส

ทำไมวิธีนี้จึงดีกว่าการต้องมานั่งคำนวณใหม่ทุกไตรมาส

	วิธีใช้สเปรดชีต	Powerdrill Bloom
เมื่อมีแคมเปญใหม่เกิดขึ้น	ต้องอัปเดตตารางจับคู่ข้อมูลด้วยตัวเอง	มีการแจ้งเตือนว่าไม่ได้จับคู่ข้อมูลทันทีที่อัปโหลด
การทดสอบระยะเวลาที่ล่าช้าที่ต่างกัน	ต้องสร้างชีตใหม่ทั้งหมด	เพียงแค่ระบุระยะเวลาที่ต้องการเลื่อน (offset)
การตัดสินใจเรื่องขอบเขตข้อมูล	แทบไม่มีการบันทึกไว้	ระบุไว้ในคำสั่ง และสามารถกลับมาดูภายหลังได้
การแยกย่อยตามช่องทาง	ต้องแยกสูตรสำหรับแต่ละช่องทาง	ใช้เพียงคำถามเดียว

แถวที่เปลี่ยนพฤติกรรมการทำงานจริง ๆ คือแถวที่สอง เมื่อการทดสอบสมมติฐานเรื่องระยะเวลาที่ล่าช้าใช้เพียงแค่ประโยคเดียวแทนที่จะต้องเสียเวลาทั้งบ่าย คุณก็จะสามารถทดสอบได้ถึงสามแบบและเลือกแบบที่สมเหตุสมผลที่สุดได้ นั่นคือความแตกต่างระหว่างตัวเลขที่สามารถอธิบายได้อย่างสมเหตุสมผล กับตัวเลขที่แค่ดูน่าเชื่อถือเฉย ๆ

แนวทางปฏิบัติที่ดีที่สุด

บันทึกขอบเขตข้อมูลลงในไฟล์ ระบุให้ชัดเจนว่ามีหมวดหมู่ค่าใช้จ่ายใดบ้างที่รวมอยู่ด้วย ข้อความเพียงบรรทัดเดียวนี้จะช่วยป้องกันการโต้เถียงที่พบบ่อยที่สุด และทำให้การเปรียบเทียบแบบไตรมาสต่อไตรมาสมีความถูกต้องแม่นยำ

รายงานทั้งแบบรวมและแบบแยกช่องทางควบคู่กันไป Blended CAC ใช้สำหรับติดตามแนวโน้ม ส่วนระดับช่องทางใช้สำหรับขับเคลื่อนการตัดสินใจ การเผยแพร่เพียงอย่างใดอย่างหนึ่งจะทำให้มีคนนำไปใช้ผิดวัตถุประสงค์อย่างแน่นอน

ระบุสมมติฐานเรื่องระยะเวลาที่ล่าช้าของคุณ แม้แต่การระบุว่า "เราสมมติว่าไม่มีความล่าช้า" ก็ยังดีกว่าการไม่ระบุอะไรเลย เพราะมันจะช่วยให้ผู้อ่านเข้าใจวิธีตีความเมื่อตัวเลขมีการปรับตัวดีขึ้นอย่างกะทันหัน

แสดงค่าใช้จ่ายที่ไม่ได้จับคู่ข้อมูลแยกเป็นอีกบรรทัดหนึ่งต่างหาก อย่าปล่อยให้ข้อมูลนี้หายไป แถวที่ไม่ได้จับคู่ข้อมูลซึ่งแสดงยอดรวมอย่างชัดเจนจะทำให้ไม่สามารถมองข้ามช่องว่างของข้อมูลนี้ไปได้

นำไปจับคู่กับมูลค่าตลอดช่วงชีวิตของลูกค้า (Lifetime Value) ลำพังเพียงตัวเลข CAC ไม่สามารถบอกได้ว่าการหาลูกค้าใหม่นั้นได้ผลดีหรือไม่ อัตราส่วนเมื่อเทียบกับมูลค่าตลอดช่วงชีวิตของลูกค้าต่างหากคือตัวเลขที่ใช้ในการตัดสินใจได้อย่างแท้จริง

บทสรุป

การคำนวณต้นทุนการได้มาซึ่งลูกค้าจากสเปรดชีตเป็นปัญหาเรื่องขอบเขตและการจับคู่ข้อมูล ไม่ใช่ปัญหาทางคณิตศาสตร์ ใช้ Blended CAC เพื่อดูแนวโน้ม, ใช้ระดับช่องทางพร้อมตารางจับคู่ข้อมูลที่อัปเดตอยู่เสมอสำหรับการตัดสินใจเรื่องงบประมาณ, และใช้ Cohort-based CAC เมื่อค่าใช้จ่ายของคุณเปลี่ยนแปลงเร็วเกินไปจนระยะเวลาที่ล่าช้าทำให้ข้อมูลบิดเบือนไปหมด

หากการต้องมานั่งทำข้อมูลใหม่ทุกไตรมาสกลายเป็นเหตุผลที่ทำให้ไม่มีใครอยากกลับไปตรวจสอบตัวเลขอีกครั้ง ลองใช้ Powerdrill Bloom กับข้อมูลที่ส่งออกในไตรมาสนี้ดูสิ บทความที่เกี่ยวข้อง: หน้า AI report generator ของเรา และคู่มือการเปลี่ยนข้อมูล CRM ที่ส่งออกให้เป็นรายงานไปป์ไลน์ นอกจากนี้คุณยังสามารถดูวิธีสร้างรายงานกรวยการตลาดโดยไม่ต้องใช้ SQL และการสร้างแดชบอร์ดการขายแบบโต้ตอบจากไฟล์ CSV

คำถามที่พบบ่อย

สูตรคำนวณต้นทุนการได้มาซึ่งลูกค้าคืออะไร

นำค่าใช้จ่ายด้านการขายและการตลาดทั้งหมดในช่วงเวลาหนึ่ง หารด้วยจำนวนลูกค้าใหม่ที่ได้มาในช่วงเวลานั้น ตัวสูตรนั้นง่ายมาก แต่ความยากคือการตกลงกันว่าค่าใช้จ่ายใดควรอยู่ในตัวตั้ง และลูกค้ากลุ่มใดควรอยู่ในตัวหาร

ควรนำเงินเดือนมารวมใน CAC หรือไม่

CAC แบบรวมทั้งหมด (Fully loaded CAC) จะรวมเงินเดือนของพนักงานที่ทำงานเกี่ยวกับการหาลูกค้าใหม่ด้วย ซึ่งเป็นสิ่งที่เกณฑ์มาตรฐานที่เผยแพร่ทั่วไปใช้สมมติฐานนี้ ส่วน CAC ที่คิดเฉพาะค่าโฆษณา (Ad-spend-only CAC) ถือเป็นตัวชี้วัดภายในที่ใช้ได้จริง แต่ต้องระบุป้ายกำกับให้ชัดเจนเพื่อไม่ให้ใครนำไปเปรียบเทียบกับตัวเลขภายนอก

วิธีคำนวณ CAC แยกตามช่องทางใน Excel ทำอย่างไร

สร้างตารางจับคู่ข้อมูลที่เชื่อมโยงชื่อแคมเปญและรายการค่าใช้จ่ายเข้ากับช่องทาง รวมค่าใช้จ่ายทั้งหมดต่อช่องทางด้วย SUMIFS จากนั้นนับจำนวนลูกค้าใหม่ตามแหล่งที่มาของลีด และแสดงแถวที่ไม่ได้จับคู่ข้อมูลไว้ให้เห็น เพื่อไม่ให้แคมเปญที่ตกหล่นจากตารางหายไป

ต้นทุนการได้มาซึ่งลูกค้าที่ดีควรเป็นเท่าใด

ไม่มีตัวเลขที่เป็นสากลสำหรับทุกคน เพราะขึ้นอยู่กับราคาและมูลค่าตลอดช่วงชีวิตของสิ่งที่คุณขาย การทดสอบที่มีประโยชน์คือการดูอัตราส่วนของมูลค่าตลอดช่วงชีวิตของลูกค้าต่อ CAC ซึ่งจะบอกคุณว่าลูกค้าแต่ละรายที่ได้มานั้นสามารถสร้างรายได้คืนกลับมาคุ้มค่ากับต้นทุนที่เสียไปในการหาพวกเขามาหรือไม่

ทำไมตัวเลข CAC ของฉันจึงผันผวนขึ้น ๆ ลง ๆ ในแต่ละเดือน

มักเกิดจากระยะเวลาที่ล่าช้าระหว่างการจ่ายเงินกับการได้ลูกค้ามา เงินที่จ่ายไปในเดือนนี้จะสร้างลูกค้าในสัปดาห์ต่อ ๆ ไป ดังนั้นการเปลี่ยนแปลงงบประมาณจึงทำให้ CAC ดูดีหรือแย่เกินจริง จนกว่าผลกระทบนั้นจะสิ้นสุดลง การระบุที่มาแบบ Cohort-based attribution จะช่วยปรับตัวเลขนี้ให้ราบรื่นและสะท้อนความเป็นจริงได้ดีขึ้น