# Cohort Analysis คืออะไร? คู่มือวิเคราะห์ Retention ลูกค้าสำหรับ SME ไทย 2026
ลองคิดภาพว่าคุณกำลังดู Dashboard ยอดขายแล้วเห็นตัวเลขรวม "ลูกค้าใหม่ 500 คน/เดือน" แต่กลับไม่รู้เลยว่าลูกค้ากลุ่มไหนที่กลับมาซื้อซ้ำ กลุ่มไหนที่หายไปหลัง 30 วัน หรือแคมเปญใดที่สร้างลูกค้าคุณภาพสูงที่สุด นี่คือปัญหาคลาสสิกที่ค่าเฉลี่ยภาพรวม (Aggregate Metrics) ปกปิดความจริง
Cohort Analysis คือเครื่องมือวิเคราะห์ที่จะเปิดเผยพฤติกรรมที่ซ่อนอยู่เหล่านี้ โดยแบ่งลูกค้าเป็นกลุ่ม (Cohort) ตามช่วงเวลาที่เข้ามาใช้งานครั้งแรก แล้วติดตามพฤติกรรมของแต่ละกลุ่มข้ามเวลา ผลลัพธ์คือคุณจะเห็นแพทเทิร์น Retention, Churn และ LTV ที่ชัดเจนกว่าค่าเฉลี่ยหลายเท่า
บทความนี้จะสรุปแนวคิด Cohort Analysis วิธีอ่าน Cohort Table เครื่องมือที่ใช้ได้จริง (GA4, Amplitude, Mixpanel, SQL) และกรณีตัวอย่างสำหรับธุรกิจ SME ไทย เพื่อให้คุณเริ่มวิเคราะห์ลูกค้าได้อย่างมีระบบภายใน 1 สัปดาห์
Cohort Analysis ทำงานอย่างไร
Cohort Analysis อาศัยหลักการง่ายๆ 3 ขั้นตอน ได้แก่ (1) จัดกลุ่มลูกค้าตามเหตุการณ์จุดเริ่มต้น เช่น เดือนที่สมัครสมาชิก สัปดาห์ที่ซื้อสินค้าครั้งแรก หรือแคมเปญที่คลิกโฆษณา (2) ติดตามพฤติกรรมต่อเนื่องของแต่ละกลุ่มตามระยะเวลา (Week 1, Week 2, Week 3...) และ (3) เปรียบเทียบระหว่างกลุ่มเพื่อหาความแตกต่าง
ประเภทของ Cohort
| ประเภท | ตัวอย่าง | ใช้ตอบคำถาม |
|--------|----------|--------------|
| Time-based Cohort | ลูกค้าที่สมัครเดือนมกราคม 2026 | แคมเปญเดือนไหนทำให้ลูกค้ากลับมาซ้ำสูงสุด |
| Behavior Cohort | ผู้ที่ใช้ฟีเจอร์ A ใน 7 วันแรก | ฟีเจอร์ไหนสร้าง Habit ลูกค้า |
| Size Cohort | ลูกค้าที่ซื้อครั้งแรก > 1,000 บาท | ลูกค้า Big Ticket มีโอกาสซื้อซ้ำสูงกว่าหรือไม่ |
| Acquisition Cohort | มาจาก Google Ads vs Facebook Ads | ช่องทางใดได้ลูกค้าคุณภาพสูงกว่า |
วิธีอ่าน Cohort Retention Table
Cohort Table คือหัวใจของการวิเคราะห์ โดยแถว (Row) คือกลุ่มลูกค้าที่เริ่มในแต่ละช่วงเวลา คอลัมน์ (Column) คือระยะเวลาที่ผ่านไป ค่าในเซลล์คือเปอร์เซ็นต์ลูกค้าที่ยัง Active อยู่ สีเข้ม = Retention สูง สีอ่อน = Retention ต่ำ
ตัวอย่าง Cohort Table ของร้าน E-commerce ไทย
จากตารางข้างต้น Retention เดือนที่ 1 เพิ่มจาก 35% เป็น 48% ภายใน 3 เดือน แสดงว่าทีม Product และ CRM กำลังปรับปรุงประสบการณ์ลูกค้าได้ดีขึ้น
3 แพทเทิร์นที่ต้องสังเกต
วิธีทำ Cohort Analysis ด้วยเครื่องมือยอดนิยม
1. Google Analytics 4 (GA4) — ฟรี เหมาะกับ SME
ขั้นตอน Explore → Cohort exploration → เลือก Inclusion criteria (เช่น First touch) → เลือก Return criteria (Purchase, Session) → ตั้ง Granularity รายวัน/สัปดาห์/เดือน ข้อจำกัดคือ GA4 รองรับการ Slice ตาม Dimension ไม่เกิน 4 ระดับ จึงไม่เหมาะกับการวิเคราะห์ซับซ้อน
2. Amplitude / Mixpanel — เหมาะกับ SaaS และแอป
เครื่องมือ Product Analytics ทั้งสองมี Cohort Chart แบบ Drag-and-Drop และรองรับการสร้าง Behavior Cohort ที่ซับซ้อน เช่น "ผู้ที่เข้าหน้า Checkout แต่ไม่ได้ชำระเงิน ใน 7 วันที่ผ่านมา" พร้อมส่งต่อไปยัง Martech Stack อื่นๆ เช่น Braze หรือ Klaviyo
3. SQL + BigQuery — ยืดหยุ่นที่สุด
การเขียน SQL บนตาราง events ช่วยให้ทีม Data สร้าง Cohort ที่ตรงกับโมเดลธุรกิจ ตัวอย่างโครงสร้าง Query:
```sql
WITH cohort AS (
SELECT user_id, DATE_TRUNC(first_purchase_at, MONTH) AS cohort_month
FROM users
),
activity AS (
SELECT user_id, DATE_TRUNC(order_date, MONTH) AS active_month
FROM orders GROUP BY 1,2
)
SELECT cohort_month, DATE_DIFF(active_month, cohort_month, MONTH) AS month_number,
COUNT(DISTINCT user_id) AS active_users
FROM cohort JOIN activity USING(user_id)
GROUP BY 1,2 ORDER BY 1,2;
```
ขั้นตอนเริ่มต้นทำ Cohort Analysis ใน 7 วัน
เปรียบเทียบเครื่องมือ Cohort Analysis
| เครื่องมือ | ราคา | ระดับความยาก | เหมาะกับ |
|-----------|------|---------------|----------|
| GA4 | ฟรี | ง่าย | SME E-commerce เริ่มต้น |
| Amplitude | Free–Enterprise | ปานกลาง | SaaS, Mobile App |
| Mixpanel | Free–Enterprise | ปานกลาง | Product-led Startup |
| BigQuery + Looker Studio | ค่า Query ตามจริง | ยาก (ต้องเขียน SQL) | องค์กรที่มีทีม Data |
| PostHog (Open Source) | ฟรี Self-host | ปานกลาง | ธุรกิจที่เน้น Privacy |
กรณีตัวอย่าง SME ไทย
1. ร้านอาหารเดลิเวอรี พบว่า Cohort ที่สั่งอาหารผ่าน LINE OA มี Month-2 Retention 40% ขณะที่ Cohort จาก Food Delivery App อยู่ที่ 12% ทีมจึงย้ายงบส่งเสริมการขายไปผลัก LINE OA มากขึ้น และเพิ่ม ROI 2.8 เท่าใน 1 ไตรมาส
2. ธุรกิจ SaaS สาย HR วิเคราะห์ Behavior Cohort พบว่าลูกค้าที่ใช้ฟีเจอร์ Import Employee ภายใน 3 วันแรก มี Retention ที่ Day-90 สูงถึง 72% ทีม Product จึงย้ายฟีเจอร์นี้ขึ้น Onboarding Checklist และ Retention เฉลี่ยทั้งหมดเพิ่ม 14 จุด%
3. E-commerce แฟชั่น พบว่า Cohort ช่วง Flash Sale มี LTV ต่ำกว่า Cohort จาก Content Marketing ถึง 3 เท่า แม้ต้นทุนการได้ลูกค้าใกล้เคียงกัน ทีมจึงปรับ Mix งบโฆษณาเน้น Content SEO และ Email Nurture มากขึ้น
สรุปและก้าวต่อไป
Cohort Analysis ไม่ใช่เครื่องมือสำหรับธุรกิจใหญ่เท่านั้น SME ไทยก็ใช้ได้ เพียงแค่มี Tracking ที่สะอาดและเครื่องมือที่เหมาะกับขนาดธุรกิจ จุดเริ่มต้นที่ดีคือ GA4 Cohort Exploration ฟรีและเชื่อมต่อกับ Google Ads ได้ทันที เมื่อธุรกิจเติบโต สามารถยกระดับไปใช้ Amplitude หรือ BigQuery เพื่อวิเคราะห์เชิงลึกมากขึ้น
สิ่งสำคัญที่สุดคือ "อย่าวิเคราะห์ให้จบที่ Dashboard" ทุก Cohort Insight ต้องเชื่อมต่อกับ Action เช่น CRM Campaign, Product Fix, หรือการจัดสรรงบโฆษณาใหม่ ไม่เช่นนั้น Cohort Analysis จะกลายเป็นเพียงสวยงามบนหน้าจอโดยไม่สร้างผลลัพธ์ทางธุรกิจ
Key Takeaways:
หากต้องการคำปรึกษาการติดตั้ง Tracking, GA4, BigQuery หรือวาง Data Strategy สำหรับธุรกิจของคุณ ทีม ADS FIT พร้อมให้บริการ อ่านบทความที่เกี่ยวข้องเพิ่มเติม เช่น Customer Lifetime Value, Marketing Attribution, และ Customer Data Platform (CDP) ได้ที่บล็อกของเรา