แยกความต่างของ deflection rate และ containment rate พร้อมสูตร กับดักที่ทำให้ตัวเลขสูงเกินจริง และวิธีวัดผลแชตบอทบน LINE ให้เชื่อถือได้
หลายทีมที่เริ่มใช้แชตบอทดูแลลูกค้าบน LINE, Messenger หรือเว็บไซต์ มักเจอรายงานที่เขียนว่า "บอทตอบเองได้ 80%" แต่พอถามว่าตัวเลขนี้มาจากอะไร กลับไม่มีใครตอบได้ชัด บางคนเรียกว่า deflection บางคนเรียกว่า containment และสองคำนี้ไม่ได้หมายถึงสิ่งเดียวกัน
บทความนี้อธิบายความต่างของสองตัวชี้วัด สูตรคำนวณ กับดักที่ทำให้ตัวเลขดูดีเกินจริง และแนวทางวัดผลที่นำไปใช้ได้จริง พร้อมตัวอย่างวิธีเตรียมข้อมูลใน AI SNS CHAT
ทำไมสองคำนี้ถึงถูกใช้สลับกัน
ทั้งสองคำมาจากโลกของคอนแทคเซ็นเตอร์ และต่างพูดถึง "งานที่ไม่ต้องไปถึงมือพนักงาน" เหมือนกัน เมื่อธุรกิจนำมาใช้กับแชตบอท ความต่างจึงเลือนหายไปได้ง่าย
สาเหตุที่สับสนมีอยู่ไม่กี่ข้อ
- ผู้ให้บริการแต่ละรายนิยามไม่เหมือนกัน แดชบอร์ดของแต่ละเจ้าเรียกตัวเลขคล้ายกันด้วยชื่อต่างกัน หรือเรียกชื่อเดียวกันแต่คำนวณต่างกัน
- ผู้บริหารถามว่า "บอทช่วยลดงานได้เท่าไร" ซึ่งเป็นคำถามระดับ deflection แต่ทีมซัพพอร์ตมักตอบด้วยตัวเลขระดับ containment
- ตัวเลขทั้งคู่ดูเหมือนเปอร์เซ็นต์ธรรมดา เมื่อเห็นแค่ "72%" ก็ไม่มีใครสงสัยว่าตัวหารคืออะไร
การแยกสองคำนี้ให้ชัดมีผลโดยตรงต่อการตัดสินใจ เช่น จะเพิ่มงบ จะขยายไปช่องทางใหม่ หรือจะลดคนในกะ ถ้าอ้างตัวเลขผิดประเภท การตัดสินใจก็เพี้ยนตามไปด้วย
นิยามและสูตรคำนวณ
Containment rate
Containment rate คือสัดส่วนของ บทสนทนาที่เริ่มกับบอทแล้วจบลงโดยไม่ถูกส่งต่อให้คน ตัวหารคือบทสนทนาที่บอทรับไว้
ตัวอย่างสมมติ: ร้านค้าออนไลน์แห่งหนึ่งมีบทสนทนาผ่านบอท 1,000 เรื่องในเดือนหนึ่ง และมี 700 เรื่องที่ไม่ถูกส่งต่อให้พนักงาน ค่า containment ตามสูตรนี้คือ 70% (ตัวเลขนี้เป็นเพียงตัวอย่างสมมติ)
Deflection rate
Deflection rate คือสัดส่วนของ ความต้องการติดต่อที่ถูกเบนออกจากช่องทางที่ต้องใช้คน เช่น โทรศัพท์ อีเมล หรือตั๋วซัพพอร์ต เพราะลูกค้าแก้ปัญหาได้ด้วยตัวเอง ผ่านบอท หน้า FAQ หรือศูนย์ช่วยเหลือ ตัวหารจึงกว้างกว่า คือ "ความต้องการทั้งหมดที่เกิดขึ้น" ไม่ใช่เฉพาะคนที่คุยกับบอท
ในทางปฏิบัติ คุณมักไม่เห็น "ความต้องการทั้งหมด" โดยตรง จึงต้องประมาณจากข้อมูลหลายแหล่ง เช่น จำนวนบทสนทนาของบอท จำนวนตั๋ว และจำนวนสายเข้า เปรียบเทียบกับช่วงก่อนใช้บอท
ข้อสังเกตสำคัญคือ containment บอกว่าบอท "ไม่ส่งต่อ" แต่ไม่ได้บอกว่าลูกค้า "ได้คำตอบแล้ว" ส่วน deflection ใกล้เคียงกับผลลัพธ์ทางธุรกิจมากกว่า แต่วัดยากกว่าเพราะต้องมีข้อมูลข้ามช่องทาง
แต่ละตัวชี้วัดเหมาะกับงานอะไร
Containment เหมาะกับการดูแลบอทประจำสัปดาห์
เพราะคำนวณได้จากบันทึกแชตเพียงอย่างเดียว จึงเหมาะกับงานที่ต้องวนรอบเร็ว เช่น
- ดูว่าหัวข้อไหนบอทส่งต่อให้คนบ่อยผิดปกติ
- เปรียบเทียบผลก่อนและหลังแก้ฐานความรู้หรือปรับ persona
- เทียบแต่ละช่องทาง เช่น LINE กับแชตบนเว็บไซต์ ว่าพฤติกรรมลูกค้าต่างกันหรือไม่
Deflection เหมาะกับการตอบคำถามเชิงธุรกิจ
เมื่อเจ้าของกิจการถามว่า "ใช้บอทแล้วคุ้มไหม" ตัวเลขที่ตอบได้ดีกว่าคือ deflection เพราะดูว่าจำนวนงานที่ตกถึงทีมซัพพอร์ตลดลงหรือไม่ เช่น จำนวนตั๋วต่อเดือนหรือชั่วโมงทำงานของพนักงานที่ลดลง
ตัวอย่างสมมติ: ก่อนใช้บอท ร้านมีตั๋วซัพพอร์ต 400 ใบต่อเดือน หลังใช้บอท 3 เดือนเหลือ 280 ใบ ขณะที่ปริมาณลูกค้าไม่เปลี่ยนมาก แปลว่างานที่ถึงคนลดลงราว 30% (ตัวเลขสมมติเพื่ออธิบายวิธีคิด) ซึ่งสื่อความหมายกับผู้บริหารได้ตรงกว่าการบอกว่า "containment 85%"
ใช้คู่กันดีที่สุด
ลองมองเป็นคู่ของ "สุขภาพบอท" กับ "ผลลัพธ์ธุรกิจ" ถ้า containment สูงแต่ deflection ไม่ขยับ แปลว่ามีอะไรผิดปกติ เช่น ลูกค้าเลิกคุยกับบอทแล้วไปโทรเข้าร้านแทน
กับดักที่ทำให้ตัวเลขทั้งสองสูงเกินจริง
1. นับ "ลูกค้าหายไป" เป็น "แก้ปัญหาสำเร็จ"
ลูกค้าที่ถามแล้วเงียบ อาจพอใจแล้วหรืออาจหงุดหงิดจนเลิกถาม ถ้าไม่มีการส่งต่อ ระบบก็นับเป็น contained ทันที ทั้งที่ปัญหายังอยู่
2. ไม่เปิดทางไปหาคนที่เห็นชัด
หากบอทไม่มีทางเลือกให้ติดต่อพนักงาน อัตรา containment จะสูงขึ้นโดยธรรมชาติ แต่ไม่ได้แปลว่าลูกค้าพอใจ เพียงแต่ไม่มีทางออก
3. ลูกค้ากลับมาถามซ้ำหรือไปช่องทางอื่น
ลูกค้าที่ไม่ได้คำตอบจากแชตอาจโทรหาร้าน ทัก Messenger หรือส่งอีเมลในวันถัดมา ถ้านับแต่ละบทสนทนาแยกจากกัน ปัญหาเดียวกันจะถูกนับว่า "สำเร็จ" ในช่องทางหนึ่งและ "ส่งต่อ" ในอีกช่องทางหนึ่ง
4. นับข้อความที่ไม่ใช่คำถามซัพพอร์ต
ทักทาย ข้อความทดสอบ สแปม หรือสติกเกอร์ใน LINE เข้ามาปะปนและถูกนับเป็น "บทสนทนาที่บอทจบเอง" ทำให้ตัวเลขสูงเกินจริงโดยไม่เกี่ยวกับคุณภาพบริการ
5. ตัวหารเปลี่ยนโดยไม่รู้ตัว
เมื่อเพิ่มช่องทางใหม่หรือเริ่มแคมเปญใหญ่ ปริมาณและประเภทคำถามเปลี่ยน ตัวเลขเดือนนี้จึงเทียบกับเดือนก่อนตรง ๆ ไม่ได้
6. ช่วงเวลารอที่สั้นเกินไป
ถ้าตัดสินว่า "จบแล้ว" หลังลูกค้าเงียบเพียงไม่กี่นาที ย่อมไม่ทันเห็นคนที่กลับมาถามซ้ำภายในวันสองวัน
วิธีวัดที่เชื่อถือได้
แนวคิดหลักคือ อย่าเชื่อสถานะ "ไม่ส่งต่อ" อย่างเดียว ให้ตรวจสอบด้วยสัญญาณว่าปัญหาถูกแก้จริง
- 01กรองข้อความที่ไม่ใช่คำถามจริงออก
- 02ระบุว่าบทสนทนาถูกส่งต่อหรือไม่
- 03รอช่วงเวลาที่กำหนดแล้วตรวจการกลับมาถามซ้ำ
- 04คำนวณอัตราและสุ่มอ่านตัวอย่างยืนยัน
ขั้นตอนที่แนะนำ
- กำหนดนิยามเป็นลายลักษณ์อักษร ว่าอะไรคือ "บทสนทนา" เช่น ลูกค้าคนเดียวกันที่ทักต่อเนื่องภายในกี่ชั่วโมงนับเป็นเรื่องเดียว และข้อความแบบไหนไม่นับ
- ตัดข้อความที่ไม่ใช่คำถามจริง เช่น ทดสอบ สแปม ทักทายเฉย ๆ ออกจากตัวหาร
- แยกบทสนทนาที่ถูกส่งต่อ ออกจากที่บอทจบเอง
- ตั้งช่วงรอ ก่อนถือว่าเรื่องจบ แล้วตรวจว่าลูกค้าคนเดิมกลับมาถามเรื่องเดิมหรือไม่ ธุรกิจที่เรื่องมักจบในวันเดียว อาจรอ 24 ถึง 72 ชั่วโมง ส่วนเรื่องที่ต้องใช้เวลา เช่น การส่งของ ควรรอนานกว่านั้น
- ใช้สัญญาณเสริม เช่น คะแนนถูกใจหรือไม่ถูกใจที่ลูกค้าให้ และอารมณ์ของบทสนทนา
- สุ่มอ่านจริง สัปดาห์ละ 20 ถึง 30 บทสนทนาที่ถูกนับว่า contained เพื่อดูว่าลูกค้าได้คำตอบจริงหรือเปล่า
- รายงานเป็นช่วง ไม่ใช่ตัวเลขเดียว เช่น "containment 70% และหลังตัดการกลับมาถามซ้ำเหลือ 58%" จะน่าเชื่อถือกว่าตัวเลขเดียวที่ดูเนียนเกินไป
ตัวอย่างสมมติ: จาก 1,000 บทสนทนา มี 700 เรื่องที่ไม่ถูกส่งต่อ (70%) แต่ในนั้นมี 120 เรื่องที่ลูกค้ากลับมาถามเรื่องเดิมภายใน 3 วัน เหลือเรื่องที่จบจริง 580 เรื่อง หรือ 58% ส่วนต่าง 12 จุดนี้คือสิ่งที่รายงานแบบง่ายมักมองไม่เห็น (ตัวเลขสมมติทั้งหมด)
เรื่องช่องทางบนมือถือ
ช่องทางอย่าง LINE และ Messenger ลูกค้ามักตอบช้าและกลับมาคุยต่อในเธรดเดิม ถ้าตัดสินว่าจบเร็วเกินไป จะเห็น containment สูงกว่าความจริง ส่วน WhatsApp มีหน้าต่าง 24 ชั่วโมงสำหรับการส่งข้อความ จึงควรกำหนดช่วงรอให้สอดคล้องกับพฤติกรรมของช่องทางนั้น
ปรับปรุง containment โดยไม่ทำให้ประสบการณ์แย่ลง
เป้าหมายไม่ใช่ทำให้ตัวเลขสูงที่สุด แต่ให้ลูกค้าที่บอทช่วยได้ ได้รับความช่วยเหลือเร็ว และลูกค้าที่ต้องการคนได้เจอคนโดยไม่ลำบาก
เริ่มจากหัวข้อที่ถูกส่งต่อบ่อยที่สุด
เรียงหัวข้อที่ถูกส่งต่อมากที่สุด 5 อันดับแรก แล้วดูว่าสาเหตุคืออะไร
- ฐานความรู้ไม่มีคำตอบ ให้เพิ่มเนื้อหา
- มีคำตอบแต่เก่าหรือคลุมเครือ ให้แก้ให้ชัด
- เรื่องที่ต้องใช้ดุลยพินิจของคน เช่น เคสเคลมหรือคืนเงิน ปล่อยให้ส่งต่อได้ตามปกติ
ให้บอทถามก่อนเดา
เมื่อคำถามกำกวม เช่น "สั่งไปแล้วยังไม่ได้" บอทควรถามเลขคำสั่งซื้อก่อนตอบ แทนที่จะเดาแล้วตอบผิด
ส่งต่ออย่างสุภาพและไม่ให้ลูกค้าเล่าซ้ำ
การส่งต่อที่ดีคือบอกลูกค้าตามจริงว่าขั้นตอนต่อไปคืออะไร และพนักงานเห็นประวัติแชตทั้งหมดแล้ว ไม่ควรสัญญาเวลาตอบที่ทีมทำไม่ได้
เรียนรู้จากการแก้ของพนักงาน
เมื่อพนักงานตอบเคสที่บอทตอบไม่ได้ ให้นำคำตอบที่ดีนั้นกลับไปสอนบอท รอบถัดไปเรื่องลักษณะเดียวกันจะจบเองได้มากขึ้นโดยไม่ต้องบังคับตัวเลข
เรื่องข้อมูลส่วนบุคคล
บันทึกแชตมักมีชื่อ เบอร์โทร และที่อยู่ของลูกค้า ซึ่งเป็นข้อมูลส่วนบุคคลตาม PDPA ควรจำกัดผู้เข้าถึงไฟล์ที่ส่งออก และลบข้อมูลที่ไม่จำเป็นออกก่อนนำไปวิเคราะห์หรือแชร์ภายในทีม
ทำสิ่งนี้ใน AI SNS CHAT
AI SNS CHAT ให้เครื่องมือที่ช่วยเตรียมข้อมูลสำหรับการวัดผลตามแนวทางข้างต้น ควรระบุไว้ก่อนว่าแพลตฟอร์มไม่ได้มีตัวเลข containment หรือ deflection สำเร็จรูป ทีมจึงต้องคำนวณเองจากข้อมูลบันทึกแชต ซึ่งก็ทำให้คุณกำหนดนิยามได้ตรงกับธุรกิจ
ดูและคัดแยกบทสนทนา
ที่เมนู Activity → Chat logs จะเห็นบทสนทนาจากทุกช่องทางยกเว้นอีเมล (อีเมลอยู่ในเมนู Inbox) คุณสามารถ
- ใช้ตัวกรองเพื่อแยกช่องทางหรือช่วงเวลา
- เลือกหลายรายการพร้อมกันเพื่อติดธง ส่งต่อ ปิดเคสว่า resolve หรือลบ
- ส่งออกข้อมูลไปคำนวณต่อในสเปรดชีต
- ดูคะแนนถูกใจหรือไม่ถูกใจที่ลูกค้าให้ ใช้เป็นสัญญาณเสริมนอกเหนือจากสถานะส่งต่อ
การสุ่มอ่านบทสนทนาที่ถูกนับว่าบอทจบเองทำได้ในหน้าเดียวกัน
ดูภาพรวมหัวข้อและอารมณ์
เมนู Analytics แสดงจำนวนแชต หัวข้อ ประวัติคำถาม และอารมณ์ของลูกค้า ช่วยหาว่าหัวข้อใดควรปรับปรุงก่อน ส่วนการวิเคราะห์ขั้นสูงต้องใช้แพ็กเกจ Pro
ส่งต่อให้คนและเรียนรู้จากคำตอบ
เมื่อพนักงานรับช่วงแชต บอทจะหยุดตอบชั่วคราว และพนักงานสามารถแก้คำตอบให้เป็นคำตอบในอุดมคติเพื่อสอนเอเจนต์ได้ ส่วนการแจ้งเตือนการส่งต่อไปที่ Slack, Teams, LINE WORKS, WhatsApp, อีเมล หรือ webhook ได้ ตารางกะใน Helpdesk → Scheduling (ต้องใช้ Standard ขึ้นไป) จะจัดคนเข้ารับเคสตามเวรและเขตเวลา และข้อความที่แจ้งลูกค้าจะไม่ถูกแต่งเวลารอขึ้นเอง
เติมฐานความรู้ให้ครอบคลุม
ที่ Data sources เพิ่มไฟล์ ข้อความ เว็บไซต์ หรือชุดถามตอบได้ เมื่อพบหัวข้อที่ถูกส่งต่อบ่อย ให้เติมเนื้อหาตรงนั้น แล้วทดลองถามซ้ำใน Playground ก่อนเปิดใช้จริง หากต้องการให้ Synthia ผู้ช่วยจัดการเอเจนต์ช่วยนำทางไปหน้าที่ต้องการ ก็เรียกใช้ได้จากฟองแชตในแดชบอร์ด
รายละเอียดช่องทางที่รองรับดูได้ที่ /connections ฟีเจอร์ทั้งหมดอยู่ที่ /features และเงื่อนไขแพ็กเกจที่ /pricing
คำถามที่พบบ่อย
containment rate ที่สูงขึ้นเสมอหมายถึงดีขึ้นใช่ไหม
ไม่เสมอไป ถ้าตัวเลขสูงเพราะลูกค้าหาทางไปหาคนไม่เจอหรือเลิกถามไปเอง ประสบการณ์ลูกค้าจะแย่ลงทั้งที่ตัวเลขสวย ควรดูควบคู่กับอัตราการกลับมาถามซ้ำ คะแนนจากลูกค้า และผลการสุ่มอ่านบทสนทนา
ควรรายงานตัวไหนให้ผู้บริหาร
ถ้าต้องเลือกตัวเดียว ให้รายงานผลที่ใกล้เคียง deflection เช่น งานที่ถึงมือพนักงานลดลงเท่าไรเมื่อเทียบกับก่อนใช้บอท แล้วใช้ containment เป็นตัวเลขประกอบเพื่ออธิบายสุขภาพของบอท พร้อมบอกนิยามและช่วงเวลาที่ใช้ทุกครั้ง
วัด deflection จากบันทึกแชตอย่างเดียวได้ไหม
ได้เพียงบางส่วน บันทึกแชตบอกได้ว่าบอทส่งต่อหรือไม่ แต่ไม่เห็นว่าลูกค้าไปโทรหรืออีเมลต่อหรือเปล่า จึงควรนำจำนวนตั๋ว สายเข้า และปริมาณงานของทีมมาเทียบก่อนและหลังใช้บอทด้วย
ควรรอนานแค่ไหนก่อนถือว่าแชตบน LINE, WhatsApp หรือ Messenger จบแล้ว
ขึ้นอยู่กับลักษณะเรื่อง โดยทั่วไปเรื่องที่ตอบจบได้ทันทีอาจรอ 24 ถึง 72 ชั่วโมง ส่วนเรื่องที่ต้องรอผลภายนอก เช่น การจัดส่ง ควรรอนานกว่านั้น เลือกช่วงเวลาหนึ่งแล้วใช้ให้สม่ำเสมอ เพื่อเปรียบเทียบเดือนต่อเดือนได้


