เอเจนซีควรแสดงตัวชี้วัด AI ใดให้ลูกค้าเห็น คงไม่ใช่ตัวเลขที่เอเจนซีส่วนใหญ่ภูมิใจที่สุด จำนวนไลเซนส์ที่ซื้อ เอเจนต์ที่นำไปใช้ และแอสเซ็ตที่สร้างขึ้น เป็นเพียงการบอกว่าคุณทุ่มเทแค่ไหน ลูกค้าจ่ายเงินเพื่อผลลัพธ์ นั่นคือ งานแต่ละชิ้นมีต้นทุนเท่าใด ส่งมอบเร็วแค่ไหน ผิดพลาดบ่อยเพียงใด และส่งผลต่อกำไรอย่างไร เมื่อวัดสิ่งเหล่านี้ เรื่องราวด้าน AI ของคุณก็จะกลายเป็นเรื่องเชิงพาณิชย์
แรงกดดันให้เปลี่ยนตอนนี้มาจากตัวสัญญา ตามรายงานของ Campaign US การศึกษาของ WFA และ Agency Mania Solutions ซึ่งสำรวจบริษัทข้ามชาติ 69 แห่งที่มียอดใช้จ่ายรวม 1.47 แสนล้านดอลลาร์ พบว่าค่าตอบแทนเอเจนซีที่อิงแรงงานลดลงจาก 54% ในปี 2011 เหลือ 17% ในปี 2026 โดย 58% ของแบรนด์คาดหวังค่าตอบแทนตามผลงานมากขึ้น ขณะที่ปัจจุบันมีเพียง 20% ที่เปลี่ยนโมเดลเพราะ AI แต่ 61% วางแผนจะเปลี่ยน
ทำไมลูกค้าจึงถามว่า AI ของคุณส่งมอบอะไรได้จริง
เพราะเวลากำลังสูญเสียความหมายในฐานะตัวแทนของคุณค่า หากรายงานที่เคยใช้เวลาหนึ่งวันตอนนี้ใช้เพียงหนึ่งชั่วโมง การเรียกเก็บเงินทั้งวันก็ดูแปลก และการเรียกเก็บหนึ่งชั่วโมงก็เหมือนถูกลดค่าตอบแทน การศึกษาของ WFA ระบุว่า AI ทำให้เวลาเป็นเครื่องวัดมูลค่าของเอเจนซีที่อ่อนลงเรื่อย ๆ
แต่การเปลี่ยนแปลงนี้ยังค้างอยู่กลางทาง Adweek รายงานเมื่อเดือนนี้ว่าแบรนด์ยังปรับใช้ค่าตอบแทนตามผลลัพธ์อย่างเชื่องช้า ทั้งที่ AI กำลังกัดกร่อนรายได้ของเอเจนซีที่อิงจำนวนพนักงานประจำ (FTE) Bob Lord ประธาน Horizon Media Holdings เรียกการคิดค่าบริการตาม FTE ว่า “ระบบเก่า” และตั้งคำถามว่าจะทลายระบบนี้ได้หรือไม่ “หากไม่มีแรงผลักดันจากภายนอก”
ภาวะชะงักนี้คือโอกาสของเอเจนซีอิสระ หากระบบเก่าต้องการแรงผลักดันจากภายนอก เอเจนซีที่นำตัวเลขผลลัพธ์ที่น่าเชื่อถือมาเสนอก็เป็นแรงผลักดันนั้นได้ แทนที่จะรอให้ฝ่ายจัดซื้อบีบ แต่ต้องเป็นตัวเลขที่ถูกต้องเท่านั้น
อะไรถือเป็น vanity metric ของ AI ในเอเจนซี
ผู้ก่อตั้งเอเจนซีในสิงคโปร์รายหนึ่งซึ่งใช้เวลา 18 เดือนพยายามทำให้เอเจนซีขนาดราว 20 คนของเขาเป็น AI-native สรุปไว้ในสไลด์เดียวในเซสชันว่าด้วยการนำ AI มาใช้เมื่อสัปดาห์นี้ นั่นคือ สิ่งที่เรานับ เทียบกับสิ่งที่สำคัญ ดังที่แผนภาพแสดง คอลัมน์ซ้ายคือเนื้อหาที่มักอยู่ในสไลด์ประชุมภายใน ได้แก่ ผู้ใช้ AI งานที่ทำอัตโนมัติ เอเจนต์ที่นำไปใช้ แอสเซ็ตที่สร้างขึ้น ส่วนคอลัมน์ขวาเชื่อมโยงกับผลลัพธ์ทางธุรกิจ ได้แก่ ต้นทุนต่อชิ้นงาน เวลาที่ใช้ส่งมอบ คุณภาพ/อัตราข้อผิดพลาด และผลต่อกำไร
ประเด็นของเขาตรงไปตรงมา ลูกค้าไม่สนใจว่าคุณใช้ AI หรือไม่ แต่สนใจว่าผลงานดีหรือเปล่า ไม่มีใครต่อสัญญารายเดือนเพียงเพราะเอเจนซีมี 40 ที่นั่งใช้งาน
ต่อไปนี้คือวิธีหนึ่งในการแปลงตัวเลขสวยหรูแต่ละตัวให้เป็นสิ่งที่ลูกค้ารู้สึกได้
| สิ่งที่เรานับ | ทำไมจึงดูดี | สิ่งที่สำคัญแทน | คำถามของลูกค้าที่ตอบได้ |
|---|---|---|---|
| ผู้ใช้ AI | วัดจำนวนไลเซนส์ ไม่ใช่งานที่เป็นประโยชน์ | ต้นทุนต่อชิ้นงาน | “เราจ่ายถูกลงต่อรายงาน ต่อการตัดต่อ หรือต่อแอสเซ็ตหรือไม่” |
| งานที่ทำอัตโนมัติ | นับความพยายาม แต่มองข้ามการแก้งาน | เวลาที่ใช้ส่งมอบ | “เราได้งานเร็วขึ้นหรือไม่” |
| เอเจนต์ที่นำไปใช้ | ให้รางวัลกับการสร้างมากกว่าผลลัพธ์ | คุณภาพ / อัตราข้อผิดพลาด | “เราไว้ใจสิ่งที่ส่งมาถึงอินบ็อกซ์ได้หรือไม่” |
| แอสเซ็ตที่สร้างขึ้น | ปริมาณสร้างได้ง่าย และส่วนใหญ่ไม่เคยถูกใช้ | ผลต่อกำไร | “สิ่งนี้ช่วยเพิ่มยอดขาย อัตรากำไร หรือประสิทธิภาพหรือไม่” |
การจับคู่เหล่านี้เป็นของเราเอง ไม่ใช่กฎธรรมชาติ แต่หลักการยังคงเดิมไม่ว่าจะจับคู่แบบใด ตัวเลขทุกตัวที่คุณรายงานต้องผ่านคำถามของลูกค้าที่ว่า “แล้วไงต่อ”
ทำไมผลงาน AI ที่ “พอใช้ได้” จึงมีต้นทุนสูง
แนวคิดที่มีประโยชน์ที่สุดในการบรรยายครั้งนั้นเกี่ยวกับอัตราการยอมรับ สมมติเวิร์กโฟลว์ AI ร่างคำตอบลูกค้า แคปชัน หรือสรุปรายงานสิบชิ้น และมีหกชิ้นที่ได้รับการยอมรับตามที่เป็น ทีมส่วนใหญ่จะดีใจกับหกชิ้นนั้น แล้วเงียบ ๆ แก้อีกสี่ชิ้นด้วยมือ ข้อเสนอของผู้ก่อตั้งคือสร้างวงจรปิดที่ป้อนทุกการแก้ไขกลับเข้าสู่ระบบ เพื่อให้หกกลายเป็นเจ็ด แปด และเก้า
อันตรายคือสิ่งที่ตรงกันข้าม ผลงานที่ใช้ได้ 60–70% ของเวลาถูกปล่อยผ่านในฐานะ “พอใช้ได้” และความธรรมดากลายเป็นมาตรฐานของเอเจนซี ไม่มีใครตัดสินใจลดมาตรฐาน มันเลื่อนลงไปเองโดยไม่รู้ตัว
ในภาษาเอเจนซี การเลื่อนลงแบบนี้คือทีมโซเชียลที่ใช้บ่ายวันศุกร์เขียนแคปชันจาก AI ใหม่โดยไม่ประหยัดเวลาเลย หรือเอเจนซี CRM ที่การแบ่งกลุ่มลูกค้าถูกต้องเป็นส่วนใหญ่แต่ผิดพลาดน่าอายในส่วนที่เหลือ เวลาที่ประหยัดได้บนกระดาษถูกการแก้งานกลืนไป และลูกค้าเห็นข้อผิดพลาด ไม่ใช่ค่าเฉลี่ย
อัตราการยอมรับเป็นตัวชี้วัดคุณภาพที่ติดตามได้ตั้งแต่วันแรก หากอัตราสูงขึ้น แสดงว่าวงจรทำงาน หากคงที่ แสดงว่าคุณซื้อเพียงการสมัครใช้งาน ไม่ใช่ขีดความสามารถ
ทำไมเอเจนซีจึงรายงานตัวเลข AI ผิดอยู่เรื่อย
Value Perception Theory อธิบายไว้ง่าย ๆ ว่า คนตัดสินคุณค่าจากประโยชน์ที่ได้รับเมื่อเทียบกับสิ่งที่ต้องเสียไป ไม่ใช่จากสิ่งที่ผู้ขายลงทุน ปัจจัยนำเข้ามองเห็นได้สำหรับเอเจนซี แต่ลูกค้ามองไม่เห็น “เอเจนต์ที่นำไปใช้” เป็นปัจจัยนำเข้า ส่วนรายงานที่มาถึงเร็วกว่าเดิมสองวันและไม่ต้องแก้ไขคือประโยชน์
เอเจนซีมักใช้ตัวชี้วัดปัจจัยนำเข้าเป็นค่าเริ่มต้นเพราะนับง่ายและทำให้ทีมดูยุ่ง บริษัทโฮลดิงส์ก็ทำให้ตลาดคุ้นกับการพูดถึงแพลตฟอร์มเฉพาะของตนในแบบเดียวกัน แต่ลูกค้าไม่รู้สึกถึงสแต็กเทคโนโลยีของคุณ พวกเขารู้สึกถึงเวลาส่งมอบ ความแม่นยำ และว่างานช่วยขยับตัวเลขของพวกเขาหรือไม่
นี่ก็เป็นเหตุผลที่การคิดค่าบริการตามเวลากำลังลำบาก เพราะชั่วโมงทำงานก็เป็นปัจจัยนำเข้าเช่นกัน
สร้างสกอร์การ์ด AI ที่ลูกค้ายินดีจ่ายได้อย่างไร
เริ่มจากเล็ก ๆ หนึ่งเวิร์กโฟลว์ หนึ่งลูกค้า หนึ่งไตรมาส แล้วค่อยขยาย
- เลือกเวิร์กโฟลว์ที่ลูกค้าสัมผัสได้อยู่แล้ว เช่น รายงานประจำเดือน การตรวจสอบคู่แข่ง การปรับขนาดแอสเซ็ต หรือการตรวจสอบคุณภาพแคมเปญ หากลูกค้าไม่สังเกตว่ามันดีขึ้น ก็เป็นจุดเริ่มต้นที่ผิด
- วัดฐานเปรียบเทียบอย่างซื่อตรง ทั้งชั่วโมงทำงาน ต้นทุนต่อชิ้นงาน และจำนวนการแก้ไขต่อการส่งมอบ ก่อนมี AI เข้ามาเกี่ยวข้อง หากไม่มีฐานเปรียบเทียบ ทุกการปรับปรุงก็เป็นแค่เรื่องเล่า
- ตั้งเป้าหมายในรูปของผลลัพธ์ “ส่งรายงานภายในหนึ่งวันแทนสามวัน โดยลูกค้าไม่ต้องขอแก้เลย” ดีกว่า “ใช้ AI ทำรายงาน”
- นับต้นทุนทั้งหมด รวมเวลาที่คนใช้ตรวจและแก้ผลงานจาก AI เวิร์กโฟลว์ที่ประหยัดได้สี่ชั่วโมงแต่เพิ่มงานแก้อีกสี่ชั่วโมง ก็ไม่ได้ประหยัดอะไรเลย
- ติดตามอัตราการยอมรับทุกสัปดาห์ บันทึกสิ่งที่ได้รับการยอมรับ สิ่งที่ถูกแก้ และเหตุผล ป้อนการแก้ไขกลับเข้าสู่พรอมต์ เทมเพลต และตัวอย่าง เพื่อให้อัตรานี้สูงขึ้น
- รายงานด้วยภาษาของลูกค้า ได้แก่ ต้นทุนต่อชิ้นงาน เวลาที่ใช้ส่งมอบ อัตราข้อผิดพลาด และหากเชื่อมโยงได้ ก็รวมผลต่อยอดขายหรืออัตรากำไร ปล่อยตัวเลขจำนวนที่นั่งไว้ในสไลด์ภายใน
- นำหลักฐานเข้าสู่การเจรจาเชิงพาณิชย์ ข้อมูลผลลัพธ์สองไตรมาสเป็นพื้นฐานของค่าบริการที่ผูกกับผลผลิตหรือผลงาน ซึ่งเป็นทิศทางที่การศึกษาของ WFA ระบุว่าแบรนด์ส่วนใหญ่คาดหวัง
งานสร้างสรรค์อยู่ตรงไหนของตัวชี้วัดผลลัพธ์
คนทำงานสร้างสรรค์กังวลอย่างมีเหตุผลว่าตัวชี้วัดผลลัพธ์จะลดทอนไอเดียให้เหลือแค่สเปรดชีต แต่ไม่จำเป็นต้องเป็นเช่นนั้น เป้าหมายคือปิดช่องว่างระหว่างคอนเซ็ปต์สร้างสรรค์กับผลลัพธ์ที่วัดได้ก่อนจะใช้งบสื่อ ไม่ใช่ปล่อยให้สเปรดชีตเป็นผู้เขียนไอเดีย
นั่นหมายถึงการนำหลักฐานมาตั้งแต่เนิ่น ๆ ว่างานตอบโจทย์ความตึงเครียดของกลุ่มเป้าหมายใด คู่แข่งในหมวดหมู่สื่อสารอย่างไร และครีเอทีฟมีแนวโน้มได้คลิกมากแค่ไหน บนแพลตฟอร์ม Defy การคาดการณ์ด้านครีเอทีฟได้รับการตรวจสอบเทียบกับผลโฆษณาจริง การคุยเรื่องผลลัพธ์กับลูกค้าจึงเริ่มจากหลักฐาน ไม่ใช่รสนิยม รสนิยมยังคงตัดสินว่าจะผลิตอะไร แต่หลักฐานตัดสินว่าจะปกป้องอะไร
ตรรกะเดียวกันใช้ได้กับการส่งมอบงาน SAMY เอเจนซีอินฟลูเอนเซอร์ระดับโลก นำ Defy Agents มาใช้เพื่อปรับกระบวนการรายงานผลการดำเนินงานให้คล่องตัว และลดงานจากสามวันเหลือหนึ่งวัน นี่คือตัวเลขเวลาที่ใช้ส่งมอบซึ่งลูกค้ารู้สึกได้ และนั่นคือประเด็นสำคัญ
