lookalike vs interest targeting ต่างกันยังไง เลือกอันไหนดี
เทียบ lookalike vs interest targeting บน Meta Ads ว่าแบบไหนได้ lead B2B ไทยจริง พร้อมเกณฑ์ตัดสินใจ ขนาด seed และตารางแก้ปัญหา อ่านก่อนตั้งแคมเปญถัดไป
lookalike vs interest targeting เลือกแบบไหนให้ B2B ไทยได้ lead จริง
Last updated: 2026-07-23
ตั้งงบเท่ากัน ยิงกลุ่มเป้าหมายคนละแบบ ผลออกมาห่างกันคนละโลก. เคสที่เจอบ่อยคือทีมการตลาด B2B เลือก interest แบบ “ผู้บริหาร” + “การตลาด” + “SaaS” ซ้อนกันสวยงาม แต่ leads ที่ได้กลับเป็นนักศึกษากับฟรีแลนซ์ที่กดสนใจไปงั้น ๆ. อีกทีมเอา list ลูกค้าเก่า 800 รายไปทำ Lookalike แล้ว CPL ลดลงเห็นได้ชัดตั้งแต่สัปดาห์แรก. คำถาม lookalike vs interest targeting จึงไม่ใช่ “อันไหนดีกว่า” แบบฟันธงลอย ๆ แต่เป็น “ตอนไหนใช้อันไหน” และ “ข้อมูลตั้งต้นที่คุณมีพร้อมพอจะใช้ Lookalike หรือยัง”. บทความนี้ตอบทั้งสองข้อ พร้อมเกณฑ์ตัวเลขที่เอาไปตัดสินใจได้จริง.
Key Takeaways: Interest targeting เหมาะตอนเริ่มจากศูนย์ ไม่มีข้อมูลลูกค้า ต้องการหว่านหาสัญญาณ; Lookalike เหมาะเมื่อมี seed คุณภาพ (customer list หรือ pixel event) ที่ Meta เอาไปหา “คนคล้าย” ได้. Seed ยิ่งสะอาดและเจาะจง Lookalike ยิ่งแม่น — list ปนคนทั่วไปทำให้ผลเพี้ยนตั้งแต่ต้นทาง. สำหรับ B2B ไทยที่ตลาดแคบ มักเริ่มด้วย interest เก็บ conversion ให้ถึงจำนวนหนึ่งก่อน แล้วค่อยสลับหรือผสมกับ Lookalike เมื่อ seed โตพอ.
lookalike vs interest targeting คืออะไร ต่างกันตรงไหน
พูดสั้นที่สุด: interest targeting คือคุณบอก Meta ว่าอยากได้คนแบบไหน ส่วน lookalike คือคุณให้ตัวอย่างคนที่ใช่ แล้วให้ Meta ไปหาคนคล้าย ๆ กันมาเอง. ความต่างอยู่ที่ “ใครเป็นคนตัดสินว่าคนนี้ใช่” — interest ใช้เกณฑ์ที่คุณเลือกจากเมนู detailed targeting (ความสนใจ พฤติกรรม ข้อมูลประชากร) ส่วน Lookalike ใช้โมเดลของ Meta ที่ไล่หาความคล้ายจาก source audience ที่คุณป้อนเข้าไป.
Interest targeting ตั้งใน Ads Manager ผ่านช่อง Detailed Targeting คุณพิมพ์คำอย่าง “Small business owners” หรือ “B2B marketing” แล้วซ้อนเงื่อนไขได้. จุดอ่อนที่คนทำ B2B ไทยเจอคือ ป้าย interest หลายอันกว้างเกิน คนที่กด “สนใจการตลาด” มีตั้งแต่ CMO ยันเด็กฝึกงาน — Meta ไม่รู้ว่าใครมีอำนาจซื้อจริง.
Lookalike Audience สร้างจาก source ที่เป็น Custom Audience อยู่แล้ว เช่น customer list ที่อัปโหลด, คนที่ยิง pixel event มา, หรือคนที่ engage เพจ. Meta ระบุว่า source ต้องมีอย่างน้อย 100 คนจากประเทศเดียว ถึงจะสร้างได้ และแนะนำให้อยู่ในช่วง 1,000–50,000 คน เพื่อให้โมเดลเรียนรู้ได้ดี (Meta Business Help). จากนั้นเลือกขนาด Lookalike เป็นเปอร์เซ็นต์ 1%–10% ของประชากรในประเทศที่เลือก — 1% คือคล้ายที่สุดแต่แคบสุด, 10% คือกว้างขึ้นแต่คล้ายน้อยลง.
ประเด็นที่มือใหม่มักพลาด: Lookalike ไม่ได้ “ดีกว่า” โดยอัตโนมัติ. มันดีเท่ากับ seed ที่คุณป้อน. ป้อน list ที่ปนคนแจกของฟรี คนโหลด e-book เล่น ๆ เข้าไป Meta ก็ไปหาคนแบบนั้นมาให้เพิ่ม — ได้ audience ใหญ่แต่ไม่ตรงเป้า.
เลือกยังไง: ตัดสินจาก “ข้อมูลที่คุณมี” ไม่ใช่ความรู้สึก
เกณฑ์ตัดสินที่ใช้ได้จริงไม่ใช่ “อันไหนเทพกว่า” แต่คือ ตอนนี้คุณมี seed พร้อมใช้หรือยัง. ถ้ายังไม่มีข้อมูลลูกค้าที่สะอาดพอ การไปฝืนทำ Lookalike จาก list 60 คนที่ครึ่งหนึ่งเป็นเบอร์ในบริษัทตัวเอง สู้ตั้ง interest ให้แคบแล้วเก็บ conversion ไปก่อนยังดีกว่า.
เริ่มด้วย interest เมื่อ: เพจใหม่ pixel ยังไม่มี event สะสม, ยังไม่มี customer list ที่ยินยอมให้ใช้, หรือกำลังทดสอบตลาด/ข้อเสนอใหม่ที่ยังไม่รู้ว่าใครสนใจ. ช่วงนี้ interest ทำหน้าที่เป็น “เครื่องหว่านหาสัญญาณ” — ยิงกว้างพอประมาณ แล้วดูว่าใครกรอกฟอร์ม ใครทัก ค่อย ๆ เก็บคนเหล่านั้นเป็น seed.
สลับหรือผสม Lookalike เมื่อ: สะสม lead/purchase event ได้ระดับ 1,000 คนขึ้นไป และ list นั้นเป็นคนที่ “ใช่” จริง (ปิดดีล ไม่ใช่แค่กดโหลด). ตอนนั้น Lookalike จาก seed คุณภาพมักให้ CPL ต่ำกว่าและ lead ตรงกว่า เพราะ Meta มีตัวอย่างที่ดีให้ไล่ตาม.
ในทางปฏิบัติ B2B ไทยหลายเจ้าไม่ได้เลือกข้างเดียว — รันควบคู่. ให้ Lookalike ตัวหลักกินงบส่วนใหญ่ตอนที่ seed พร้อม แล้วกัน interest ไว้อีก ad set หนึ่งเพื่อเติมคนใหม่ที่ยังไม่คล้ายลูกค้าเดิม (ป้องกันการวนเจอคนกลุ่มเดิมจน frequency พุ่ง). ถ้ายังไม่ชินกับโครงสร้าง campaign แบบนี้ อ่านต่อได้ที่ คู่มือ Meta Ads สำหรับ B2B ไทย ซึ่งลงรายละเอียดการวาง ad set และงบ.
เกณฑ์ตัดสินใจแบบ 30 วินาที
- มี customer list ที่ปิดดีลจริง ≥ 1,000 คน → เริ่ม Lookalike 1–3% เป็นตัวหลัก
- มี seed แต่ 100–1,000 คน → ทำ Lookalike ได้ แต่ขยับเป็น 3–5% กันแคบเกิน และคง interest ไว้คู่
- seed < 100 คน (ต่ำกว่าขั้นต่ำ Meta) → ใช้ interest ไปก่อน โฟกัสเก็บ event ให้โต
- ข้อเสนอ/ตลาดใหม่ที่ยังไม่รู้จักลูกค้า → interest หว่านหาสัญญาณก่อน
seed data — ตัวแปรที่ตัดสินว่า Lookalike ได้ผลหรือพัง
ถ้าจะจำอย่างเดียวจากบทความนี้ ให้จำว่า คุณภาพ Lookalike = คุณภาพ seed. โมเดล Meta เก่งแค่ไหนก็ช่วยไม่ได้ถ้าตัวอย่างที่ป้อนให้มันเละ.
Seed ที่ดีสำหรับ B2B มักเรียงตามความ “แพง” ของสัญญาณ: คนที่ปิดดีล/จ่ายเงินแล้ว > คนที่จองประชุม/ขอใบเสนอราคา > คนที่กรอกฟอร์ม lead > คนที่แค่โหลด content. ยิ่งใช้ seed ที่เป็นสัญญาณแพง Lookalike ยิ่งไปหาคนที่มีแนวโน้มซื้อจริง. เอา list “คนโหลด e-book ฟรี” มาทำ Lookalike แล้วบ่นว่า lead ไม่ปิด — ก็เพราะ seed มันบอก Meta ว่า “หาคนชอบของฟรี” ตั้งแต่แรก.
ความสะอาดของข้อมูลสำคัญพอ ๆ กัน. list ที่ปนอีเมลพนักงานตัวเอง, เบอร์ทดสอบ, หรือคู่ค้าที่ไม่มีวันซื้อ จะเจือจางสัญญาณ. ก่อนอัปโหลดควรกรอง internal domain ออก และถ้าเก็บผ่าน pixel/CAPI ให้แน่ใจว่า event map ถูก — เรื่องนี้ต่อยอดได้จาก การตั้ง Facebook Pixel + Conversion API ซึ่งเป็นต้นทางของ seed ฝั่ง event ทั้งหมด.
อีกจุดที่คนลืม: Lookalike ไม่ได้อัปเดตตัวเองถ้า source เป็น list นิ่ง ๆ. ถ้าใช้ customer list ที่อัปโหลดครั้งเดียว มันจะเก่าลงเรื่อย ๆ. seed ที่ต่อกับ event สด (เช่น purchase ใน 180 วัน) จะรีเฟรชตามธรรมชาติกว่า.
ตัวอย่างการคำนวณ (สมมติ) — ทำไม seed เล็กถึงเสี่ยง
สมมติ seed มี 120 คน (แค่เกินขั้นต่ำ 100 นิดเดียว). ในนั้นเป็นลูกค้าตัวจริง 70 คน อีก 50 คนคือทีมงาน + คนกดเล่น. เท่ากับ ~42% ของสัญญาณที่ป้อนให้ Meta คือ noise. โมเดลที่เรียนจากตัวอย่างครึ่งหนึ่งผิด ย่อมไปหาคนผิดครึ่งหนึ่งด้วย. ตัวเลขนี้เป็นแค่ภาพประกอบให้เห็นว่า ทำไมการรอ seed โตและสะอาดถึงคุ้มกว่าการรีบทำ Lookalike จาก list จิ๋ว.
ตารางแก้ปัญหาหน้างาน + ผิดพลาดที่พบบ่อย
เวลาแคมเปญไม่เดิน คนมักโทษ “creative” ก่อน ทั้งที่หลายครั้งปัญหาอยู่ที่ audience. ตารางนี้ map อาการที่เห็นบน Ads Manager กลับไปหาสาเหตุฝั่ง targeting และสิ่งที่ควรทำ — ตัวเลข threshold ในตารางแบ่งเป็นสองแบบ: ที่เป็น spec ของ Meta (ระบุแหล่ง) กับที่เป็น เกณฑ์ทำงานที่เราตั้งเองเพื่อใช้ตัดสินใจ (เขียนกำกับว่า “เกณฑ์ทำงาน”).
| อาการ (เห็นใน Ads Manager) | สาเหตุน่าจะเป็น | สิ่งที่ทำ |
|---|---|---|
| สร้าง Lookalike ไม่ได้ / source ต่ำกว่า 100 คน | seed ต่ำกว่าขั้นต่ำ Meta (100 คน/ประเทศ) | เก็บ event เพิ่มให้ถึง 1,000+ ตาม Meta แนะนำ, ระหว่างนี้ใช้ interest ไปก่อน |
| lead จาก interest เยอะแต่ไม่ตรงเป้า (เกณฑ์ทำงาน: unqualified > 50%) | detailed targeting กว้าง ปนคนทั่วไป | ซ้อน interest + narrow ด้วย job title/behavior, ตัด Audience Network placement |
| Lookalike 1% frequency > 3 ใน 7 วัน (เกณฑ์ทำงาน) | audience แคบเกิน งบชนเพดาน | ขยับเป็น 3–5%, หรือ refresh seed ให้ใหญ่ขึ้น |
| CPL Lookalike สูงกว่า interest ทั้งที่ seed ใหญ่ | seed ปน noise / เป็นสัญญาณถูก (โหลดฟรี) | เปลี่ยน seed เป็น event แพง (purchase/booked), กรอง internal domain ออก |
| ออกจาก learning phase ไม่ได้ (< 50 conv/สัปดาห์) | audience/งบ เล็กเกินสะสม conversion | รวม ad set, ขยาย % Lookalike, หรือใช้ event บนสุดของ funnel ชั่วคราว |
หมายเหตุ: 100 คน/ประเทศ, ช่วง 1,000–50,000 และ 50 conversion/สัปดาห์ (learning phase) เป็น spec ที่ Meta ระบุ (Business Help Center) ส่วนเลข frequency > 3 และ unqualified > 50% คือเส้นแบ่งที่เราตั้งเองไว้เป็นสัญญาณเตือน ไม่ใช่ค่ามาตรฐานอุตสาหกรรม.
ห้าพลาดที่เจอซ้ำ ๆ
หนึ่ง — เอา seed คุณภาพต่ำมาทำ Lookalike แล้วคาดหวัง lead คุณภาพสูง. โมเดลขยายสิ่งที่ป้อน ไม่ได้เสกคุณภาพขึ้นมาใหม่.
สอง — ทำ interest ซ้อนกันสิบชั้นจนกลายเป็นกลุ่มเล็กจิ๋ว. Meta ทำงานได้ดีเมื่อมีพื้นที่ให้ optimize; แคบเกินไปมันหมดคนให้เลือก frequency พุ่ง cost ขึ้น.
สาม — ตั้ง Lookalike 1% แล้วคิดว่าแม่นสุดต้องดีสุด. 1% แคบมากในตลาดเล็กอย่าง B2B ไทย บางครั้ง 3–5% ให้ผลรวมดีกว่าเพราะมีคนให้ระบบเรียนรู้.
สี่ — ลืมกัน overlap. รัน Lookalike กับ interest ที่ทับกันในบัญชีเดียว แล้ว ad set แย่ง auction กันเอง. เช็คด้วย Audience Overlap tool.
ห้า — ไม่รีเฟรช seed. list ที่นิ่งครึ่งปีเริ่มเก่า Lookalike ก็เพี้ยนตาม ควรผูกกับ event สดหรืออัปเดต list เป็นรอบ.
FAQ
Lookalike กับ Custom Audience ต่างกันยังไง?
Custom Audience คือกลุ่มคนที่ “รู้จักเราแล้ว” (คนในเว็บ, list, engager) — ใช้ทำ retargeting. Lookalike คือคนใหม่ที่ “คล้าย” Custom Audience นั้น ใช้ขยายหาลูกค้าใหม่. Custom เป็น seed, Lookalike เป็นผลลัพธ์การขยาย.
B2B ไทยตลาดเล็ก ควรใช้ Lookalike % เท่าไหร่?
ถ้า seed ดีเริ่ม 1–3% แต่ถ้าเจอ audience แคบเกิน frequency พุ่ง ให้ขยับเป็น 3–5%. ตลาด B2B ไทยแคบกว่า B2C มาก การยึด 1% ตายตัวมักทำให้คนหมดเร็ว.
ไม่มี customer list เลย เริ่มยังไง?
เริ่มด้วย interest targeting ที่ narrow พอสมควร ยิงเก็บ lead/conversion ผ่าน pixel หรือ CAPI ก่อน. พอสะสม event ถึงหลักพัน ค่อยสร้าง Lookalike จาก event เหล่านั้น.
interest targeting ยังจำเป็นไหมในยุค Advantage+ / broad targeting?
ยัง — โดยเฉพาะช่วงไม่มี seed หรือทดสอบตลาดใหม่. broad targeting ทำงานดีเมื่อมี signal สะสมและ conversion ให้ระบบเรียนรู้; ตอนเริ่มจากศูนย์ interest ยังช่วยให้ทิศทางแรกไม่หลุด.
รัน Lookalike กับ interest พร้อมกันได้ไหม?
ได้ และหลายเคสควรทำ แต่แยก ad set ให้ชัดและเช็ค overlap เพื่อไม่ให้แย่ง auction กันเอง. วัดผลแยกกันด้วย attribution model ที่เหมาะกับ B2B จะเห็นว่ากลุ่มไหนพา lead คุณภาพมาจริง.
สรุป
lookalike vs interest targeting ไม่ใช่การเลือกฝ่ายถาวร แต่เป็นการรู้ว่า “ตอนนี้ข้อมูลของคุณพร้อมใช้อันไหน”. สามข้อที่ควรถือกลับไป:
- ยังไม่มี seed คุณภาพ → interest ก่อน เพื่อหว่านหาสัญญาณและเก็บ event ให้โตถึงหลักพัน
- มี seed สะอาดและเป็นสัญญาณแพง → Lookalike โดยจำไว้ว่าคุณภาพผลลัพธ์ = คุณภาพ seed ที่ป้อน
- โตแล้วให้รันคู่กัน แยก ad set เช็ค overlap และรีเฟรช seed อย่าปล่อยให้ list เก่า
อยากวางโครง campaign และงบให้สองกลุ่มนี้ทำงานเสริมกันแทนที่จะแย่งกัน อ่านต่อที่ คู่มือ Meta Ads สำหรับ B2B ไทย หรือถ้ากำลังชั่งใจระหว่างทำเองกับจ้างทีม ลองดู In-house vs Agency ต้นทุนจริง ประกอบการตัดสินใจ.
