Customer Segmentation: แบ่งกลุ่มลูกค้ายังไงให้ยิงแอดตรง

Customer Segmentation คือกุญแจให้ยิงแอด B2B ตรงกลุ่มจริง ลดงบเสียเปล่า เจาะวิธีแบ่งกลุ่มลูกค้า RFM และเชื่อมเข้า Meta/Google ได้เลย

Customer Segmentation แบ่งกลุ่มลูกค้ายังไงให้ยิงแอดตรงเป้าในปี 2026

Last updated: 2026-09-28

งบแอดหมดเร็ว แต่ลีดที่ได้กลับไม่ตรงคน — ปัญหานี้ไม่ได้อยู่ที่ครีเอทีฟหรือราคาต่อคลิกเสมอไป หลายครั้งมันอยู่ที่คุณยิงไป “ทุกคน” ทั้งที่ควรยิงแค่บางกลุ่ม customer segmentation คือขั้นตอนที่ทีมมาร์เก็ตติ้งมักข้ามไป แล้วไปโทษว่าแพลตฟอร์มแพง ทั้งที่ปัญหาจริงคือกลุ่มเป้าหมายกว้างเกินไปตั้งแต่ต้น บทความนี้จะพาดูว่าการแบ่งกลุ่มลูกค้าที่ใช้ได้จริงกับงาน B2B หน้าตาเป็นยังไง แบ่งด้วยเกณฑ์อะไรถึงจะไม่ใช่แค่ทฤษฎีในตำรา และจะเอา segment ที่ได้ไปต่อเข้า Meta กับ Google Ads ให้ระบบเรียนรู้ได้เร็วขึ้นยังไง — พร้อมจุดพลาดที่ทำให้ audience match ไม่ติดเลยแม้จะอัปโหลดข้อมูลไปแล้ว

Key Takeaways: customer segmentation ไม่ใช่แค่แบ่งเพศ-อายุ แต่คือการจัดกลุ่มลูกค้าตามพฤติกรรมและมูลค่า เพื่อให้แต่ละ segment ได้ข้อความและ bid ที่เหมาะกับมัน สำหรับ B2B การแบ่งด้วย RFM (ความถี่-ความสด-มูลค่า) และ intent มักได้ผลกว่าการแบ่งตาม demographic ล้วน เมื่อได้ segment แล้วให้ส่งเข้าเป็น Custom Audience โดยรู้ว่าแต่ละแพลตฟอร์มมีขนาดขั้นต่ำ 100 คน มิฉะนั้นระบบจะไม่ยอมสร้างกลุ่มให้ยิง

Customer Segmentation คืออะไร ทำไม B2B ถึงต้องใช้

Customer segmentation คือการแบ่งฐานลูกค้าออกเป็นกลุ่มย่อยที่มีลักษณะร่วมกันบางอย่าง แล้วปฏิบัติกับแต่ละกลุ่มไม่เหมือนกัน — ทั้งข้อความ ข้อเสนอ และงบที่ทุ่มลงไป จุดสำคัญที่คนมักเข้าใจผิดคือมองว่ามันเป็นงาน “จัดหมวดหมู่” ให้ดูเป็นระเบียบ แต่จริง ๆ มันคือการตัดสินใจว่าจะเอาเงินไปวางตรงไหน

ในงาน B2B ความต่างระหว่างลูกค้าสองรายอาจมหาศาล บริษัทที่ซื้อครั้งเดียวปีละหลักหมื่น กับบริษัทที่เซ็นสัญญารายปีหลักล้าน ไม่ควรได้แอดตัวเดียวกัน ถ้าคุณยิงข้อความเดียวไปทั้งสองกลุ่ม คุณจะเสียงบไปกับคนที่มูลค่าต่ำ และพูดไม่ถูกจุดกับคนที่มูลค่าสูง

การแบ่งกลุ่มลูกค้าที่ดีตอบสามคำถามพร้อมกัน: กลุ่มนี้ ใหญ่พอ จะคุ้มที่จะทำแยกไหม, สมาชิกในกลุ่ม เหมือนกันจริง หรือแค่บังเอิญถูกจับมารวม, และเรามีข้อความหรือข้อเสนอที่ ต่างออกไป สำหรับกลุ่มนี้จริงหรือเปล่า ถ้ากลุ่มไหนตอบไม่ได้สักข้อ แปลว่ายังไม่ควรแยกออกมา การมี 20 segment ที่จัดการไม่ไหว แย่กว่ามี 4 segment ที่คมชัด อ่านต่อเรื่องการวางรากฐานข้อมูลได้ที่ MarTech Analytics & Tracking Guide

แบ่งด้วยเกณฑ์อะไรได้บ้าง — และอันไหนคุ้มกับ B2B

เกณฑ์การแบ่งกลุ่มมีหลายแบบ แต่ไม่ใช่ทุกแบบจะให้ผลเท่ากันกับธุรกิจ B2B ที่วงจรการซื้อยาวและมีคนเกี่ยวข้องหลายคน

Demographic / Firmographic — แบ่งตามขนาดบริษัท อุตสาหกรรม ตำแหน่งงานของคนติดต่อ อันนี้เป็นจุดเริ่มที่ดีเพราะหาข้อมูลง่าย แต่ถ้าหยุดแค่นี้จะได้กลุ่มที่กว้างเกินไป เพราะบริษัทขนาดเท่ากันในอุตสาหกรรมเดียวกันก็ยังต้องการต่างกัน

Behavioral — แบ่งตามสิ่งที่คนทำจริง เช่น เคยเข้าหน้า pricing กี่ครั้ง โหลด whitepaper ไปหรือยัง เปิดอีเมลบ่อยแค่ไหน สำหรับ B2B พฤติกรรมบอก intent ได้ชัดกว่าข้อมูลหน้าตาของบริษัท คนที่เข้าหน้าราคาสามรอบในสัปดาห์เดียว พร้อมคุยมากกว่าคนที่แค่กดตามเพจ

RFM (Recency, Frequency, Monetary) — จัดกลุ่มจากว่าซื้อล่าสุดเมื่อไหร่ ซื้อบ่อยแค่ไหน และมูลค่ารวมเท่าไหร่ นี่คือเกณฑ์ที่ผมแนะนำให้เริ่มถ้ามีข้อมูลการซื้อจริง เพราะมันแยก “ลูกค้าประจำมูลค่าสูง” ออกจาก “ลูกค้าที่กำลังจะหลุด” ได้ด้วยตัวเลขที่ตัดสินใจได้ทันที

จุดพลาดที่พบบ่อย: แบ่งกลุ่มบนกระดาษแต่ยิงไม่ได้จริง

ทีมมักนั่งวาด persona สวยหรูใน slide — “คุณสมชาย ผู้จัดการฝ่ายจัดซื้อ อายุ 42” — แล้วเอาไปแปะห้องประชุม แต่พอถึงเวลายิงแอดจริงกลับไม่มีทางบอกแพลตฟอร์มได้ว่า “คุณสมชาย” คือใครในฐานข้อมูล segment ที่ยิงได้ต้องแปลงเป็นเงื่อนไขที่จับต้องได้: อีเมลในลิสต์ CRM, คนที่ทำ event บนเว็บ, หรือค่าในฟิลด์ที่ upload เข้าไปได้จริง ถ้าแบ่งกลุ่มแล้ว export ออกมาเป็นรายชื่อไม่ได้ แปลว่ามันคือ segment ที่ใช้ในงานยิงแอดไม่ได้

เอา segment ไปต่อเข้า Meta และ Google ยังไงให้ match ติด

ได้กลุ่มลูกค้าแล้ว ขั้นต่อไปคือส่งเข้าแพลตฟอร์มโฆษณาในรูป Custom Audience หรือ Customer Match ตรงนี้แหละที่พังบ่อยที่สุด เพราะข้อมูลดิบที่ export จาก CRM มักไม่อยู่ในรูปที่แพลตฟอร์มจับคู่ได้

หลักที่ต้องรู้: ทั้ง Meta และ Google รับข้อมูลลูกค้าแบบ hash (SHA-256) เพื่อความเป็นส่วนตัว คุณไม่จำเป็นต้อง hash เองถ้าอัปโหลดผ่านหน้าเว็บของแพลตฟอร์ม (ระบบจัดการให้) แต่สิ่งที่ต้องทำคือ ทำความสะอาดข้อมูลก่อน — ตัดช่องว่าง แปลงเป็นตัวพิมพ์เล็ก และใส่ให้ครบทั้งอีเมลและเบอร์โทรพร้อมรหัสประเทศ ยิ่งใส่ฟิลด์ครบ match rate ยิ่งสูง

ขนาดขั้นต่ำก็สำคัญ Meta กำหนดว่า source audience สำหรับสร้าง Lookalike ต้องมีอย่างน้อย 100 คนจากประเทศเดียว (ดู Meta Custom Audiences) ถ้า seed เล็กกว่านี้ระบบจะไม่ยอมสร้างกลุ่มให้ ส่วน Google Customer Match ก็มีเงื่อนไขบัญชีและขนาดลิสต์ที่ต้องผ่านก่อนถึงจะเริ่มยิงได้ (Google Customer Match)

ตารางวินิจฉัย: อาการ audience พัง → สาเหตุ → สิ่งที่ทำ

อาการ (ตัวเลขจริง)	สาเหตุน่าจะเป็น	สิ่งที่ทำ
Match rate < 30% หลังอัปโหลด (เกณฑ์ที่ผมใช้เป็นเส้นแบ่งว่าต้องรื้อข้อมูล)	ข้อมูลไม่ได้ normalize, มีแค่อีเมลฟิลด์เดียว, เบอร์ไม่มีรหัสประเทศ	ใส่ email + phone + ชื่อ-นามสกุลให้ครบ, เติม +66, แปลงเป็นตัวพิมพ์เล็ก แล้วอัปโหลดใหม่
Lookalike สร้างไม่ได้ / audience size < 100	source seed ต่ำกว่าขั้นต่ำ 100 คนต่อประเทศของ Meta	รวมลิสต์ให้ถึง 100+ ต่อประเทศ หรือใช้ event-based audience ที่โตเองได้
Segment ใหญ่แต่ conversion rate ต่ำผิดปกติ	แบ่งตาม firmographic ล้วน ไม่มีชั้น behavior/intent	เพิ่มเงื่อนไข RFM หรือ event (เข้าหน้า pricing, โหลด demo) ทับลงไป
Audience หมดอายุ / ยิงแล้วคนซ้ำเดิม	list แบบอัปโหลดครั้งเดียวไม่ refresh, ขาด exclusion	ตั้ง sync อัตโนมัติจาก CRM, กันกลุ่มที่ปิดการขายแล้วออกด้วย exclusion

การเชื่อม segment กับ conversion ที่วัดผลได้จริงต้องอาศัย tracking ที่แน่น อ่านวิธีวางระบบวัดผลข้ามแพลตฟอร์มได้ที่ Attribution Model B2B Guide และดูรายละเอียดการตั้งค่ายิงแอดแต่ละช่องทางได้ที่ Meta Ads Guide Thailand กับ Google Ads Guide Thailand

วัดว่า segmentation ได้ผลไหม ดูตรงไหน

แบ่งกลุ่มแล้วต้องรู้ว่ามันช่วยจริงหรือแค่ทำให้รู้สึกดี ตัวชี้วัดที่ตรงที่สุดคือเปรียบเทียบ cost per qualified lead ระหว่าง segment ที่แยกยิงกับตอนยิงรวม ถ้าแยกแล้วต้นทุนต่อลีดคุณภาพลดลง แปลว่าการแบ่งกลุ่มทำงาน

อีกจุดที่ควรดูคือ “ระยะเรียนรู้” ของแคมเปญ เมื่อ segment เล็กเกินไป ระบบจะออกจาก learning phase ไม่ได้เพราะข้อมูล conversion ไม่พอ นี่คือเหตุผลที่การแบ่งละเอียดเกินไปกลับทำให้ผลแย่ลง — ไม่ใช่เพราะกลุ่มไม่ดี แต่เพราะเล็กจนอัลกอริทึมเรียนไม่ทัน ทางแก้คือรวมกลุ่มที่พฤติกรรมใกล้กันกลับเข้าด้วยกัน จนแต่ละกลุ่มมี conversion มากพอต่อสัปดาห์ให้ระบบปรับตัวได้

การดูภาพรวมทุก segment ในที่เดียวช่วยให้ตัดสินใจเร็วขึ้นมาก ลองวางเป็นแดชบอร์ดตาม Looker Studio Dashboard B2B Template เพื่อเทียบต้นทุนต่อลีดของแต่ละกลุ่มข้าง ๆ กัน

Real-world Example

FAQ

Customer segmentation ต่างจาก targeting ยังไง?
Segmentation คือการแบ่งฐานลูกค้าที่มีอยู่ออกเป็นกลุ่ม ส่วน targeting คือการเลือกว่าจะเอากลุ่มไหนไปยิงและยิงด้วยข้อความอะไร พูดง่าย ๆ segmentation คือการจัดกลุ่ม targeting คือการตัดสินใจว่าจะทำอะไรกับกลุ่มนั้น ทั้งสองอย่างต่อเนื่องกัน แต่คนละขั้นตอน

ต้องมีลูกค้ากี่คนถึงเริ่มทำ segmentation ได้?
เริ่มได้ตั้งแต่มีข้อมูลพอจะเห็นความต่าง แต่สำหรับการยิงเป็น Custom Audience ควรมีแต่ละกลุ่มอย่างน้อย 100 คนต่อประเทศ เพราะเป็นขั้นต่ำที่ Meta ใช้สร้าง Lookalike ถ้าน้อยกว่านั้นให้แบ่งหยาบไว้ก่อน แล้วค่อยแตกกลุ่มเมื่อฐานโตขึ้น

RFM เหมาะกับ B2B ที่ขายไม่บ่อยไหม?
เหมาะ แต่ต้องปรับกรอบเวลา ธุรกิจที่ลูกค้าซื้อปีละครั้งจะใช้ recency แบบรายเดือนไม่ได้ ให้ยืดหน้าต่างเป็นรายไตรมาสหรือรายปีตามวงจรจริงของคุณ หัวใจของ RFM คือแยกลูกค้ามูลค่าสูงที่กำลังห่างหายออกมาก่อนที่จะเสียไป

แบ่งกลุ่มมากไปมีข้อเสียอะไร?
กลุ่มยิ่งเล็ก conversion ต่อกลุ่มยิ่งน้อย ระบบโฆษณาออกจาก learning phase ไม่ได้ และทีมต้องทำครีเอทีฟหลายชุดจนดูแลไม่ไหว เริ่มจาก 3-4 กลุ่มที่คมชัดดีกว่าเริ่มจาก 15 กลุ่มที่จัดการไม่ทัน

ข้อมูลลูกค้าที่อัปโหลดเข้าแพลตฟอร์มปลอดภัยไหม?
Meta และ Google รับข้อมูลแบบ hash คือแปลงเป็นรหัสก่อนจับคู่ ไม่ได้เก็บอีเมลหรือเบอร์เป็นข้อความตรง ๆ แต่คุณยังต้องมีฐานความยินยอม (consent) ในการนำข้อมูลลูกค้าไปใช้ตาม PDPA อยู่ดี

สรุป

Customer segmentation ที่ใช้ได้จริงไม่ได้วัดกันที่จำนวนกลุ่ม แต่วัดที่ว่าแต่ละกลุ่มพาไปสู่การตัดสินใจเรื่องงบและข้อความที่ต่างกันจริงหรือเปล่า สามอย่างที่ควรถือกลับไป: หนึ่ง — เริ่มจาก behavior และ RFM ก่อน demographic เพราะมันบอก intent ได้ตรงกว่าสำหรับ B2B สอง — segment ที่ดีต้องแปลงเป็นรายชื่อที่ยิงได้จริง ไม่ใช่แค่ persona บน slide และต้องผ่านขั้นต่ำ 100 คนต่อกลุ่ม สาม — อย่าแบ่งละเอียดจนระบบเรียนรู้ไม่ทัน ถ้า conversion ต่อกลุ่มน้อยเกินให้รวมกลับ

อยากต่อยอดเรื่องการวาง lifecycle ให้ลูกค้าแต่ละกลุ่มไหลไปตามขั้นที่ควรเป็น อ่าน Lifecycle Marketing Guide หรือสมัคร newsletter รับ MarTech insight สำหรับ B2B ทุกสัปดาห์