เมื่อวานผมได้อ่านบทความหนึ่งของคุณ Simon Baugh บน LinkedIn และคิดว่าบทความนี้มีคุณค่ากับคนทำงาน PR ในประเทศไทยมากๆ เลยขออาสาแปลมาให้ทุกคนอ่าน กัน ขอแนะนำให้ใครที่สนใจด้านการวัดผลประชาสัมพันธ์ติดตามอ่านบล็อกของคุณ Simon ได้ทาง Substack ช่อง Cut Through! นี้นะครับ ดีงามพระรามแปดมาก
เอาล่ะ หลังจากนี้คือการแปลจาก ChatGPT ล้วนๆ แต่ผมรีวิวและปรับภาษาให้ ‘ไทย’ แล้วนะครับ รับรองว่าคุณไม่เสียเวลาอ่านแล้วเข้าใจแค่ลอยๆ แน่นอน
– – – – –
ถ้าคุณไม่วัดผลการสื่อสาร
คุณก็ไม่มีทางรู้ว่ามันได้ผลจริงหรือเปล่า
แต่เรื่องแปลกของวงการ Communication หรือ PR คือ เรารู้กันหมดว่าการวัดผลสำคัญ แต่สุดท้ายกลับไม่ค่อยมีใครทำมันอย่างจริงจัง
เรามักจะวนอยู่กับวงจรเดิมๆ:
- บอกตัวเองว่า “ต้องวัดผลให้ดีกว่านี้”
- แล้วก็รู้สึกว่ามันยุ่งยากเกินไป
- สุดท้ายกลับไปทำแบบเดิม
Simon Baugh บอกว่า เขาเห็น “คนทำงานด้านการวัดผล” อยู่ 4 แบบหลักๆ
1. พวกทำรายงานส่งให้ครบ (The Box-tickers)
คนกลุ่มนี้รู้ว่าการวัดผลเป็นสิ่งที่องค์กรคาดหวัง
แต่ไม่ได้เชื่อจริงๆ ว่ามันมีประโยชน์
ดังนั้นจึงทำแบบขอไปที
เลือกวัดเฉพาะสิ่งที่นับง่าย เช่น
- จำนวนข่าว
- จำนวน Reach
- จำนวน Impression
- จำนวน Followers
พอใส่ลงรายงานเสร็จก็จบ
ไม่ได้เอากลับมาดูเพื่อปรับปรุงงานจริง
2. พวกไม่อยากรู้ความจริง (The Ostriches ที่หมายถึงนกกระจอกเทศที่ชอบมุดหัวหนีลงดิน)
คนกลุ่มนี้กลัว “ผลลัพธ์ไม่ดี”
กลัวว่าถ้าวัดจริงแล้วพบว่า Campaign ไม่ได้ผล
จะถูกมองว่าล้มเหลว
ดังนั้นจึงไม่กล้าตั้งเป้าท้าทาย
ไม่กล้าทดลองอะไรใหม่ๆ
เพราะลึกๆ แล้วคิดว่า:
“ไม่รู้ ยังดีกว่ารู้แล้วเจ็บ”
3. พวกจมน้ำอยู่ในข้อมูล (The Data Drowners)
กลุ่มนี้ตรงข้ามกับสองแบบแรก
พวกเขาชอบข้อมูลมาก
รู้ทุก Framework
รู้ทุก Metric
รู้ทุก Dashboard
แต่ปัญหาคือ…
ข้อมูลเยอะจนจับประเด็นไม่เจอ
รู้ทุกตัวเลข
แต่ไม่รู้ว่าควรทำอะไรต่อ
สุดท้ายมี Data เต็มไปหมด
แต่ไม่มี Insight จริงๆ
4. พวกทำ Dashboard ให้ดูสวย (The Spin Doctors)
Dashboard ของคนกลุ่มนี้ “เขียวตลอด”
ทุกเดือนคือ Success
ทุก KPI ดีขึ้นเสมอ
ถ้าตัวเลขไหนดูไม่ดี
ก็เปลี่ยนวิธีวัดใหม่
สุดท้ายรายงานดูยอดเยี่ยมมาก
แต่ธุรกิจจริงไม่ได้เปลี่ยนอะไรเลย
ยอดขายไม่โต
ความเชื่อมั่นไม่เพิ่ม
ปัญหาเดิมยังอยู่
Simon บอกว่า แม้ภาพพวกนี้จะดูเหมือนการเสียดสีเกินจริง แต่เขาเห็นพฤติกรรมแบบนี้จริงๆ ตอนเข้าไปตรวจงานหน่วยงานรัฐ
และปัญหานี้ไม่ใช่ความผิดของคนแต่ละคน
แต่มันเป็นผลจาก “ระบบ” ที่ให้รางวัลกับตัวเลขผิดประเภท
สิ่งที่เรากำลังทำผิด
ปัญหาหลักของวงการ Communication คือ:
เรากำลังวัด “สิ่งผิด” ด้วย “เหตุผลผิด”
เราชอบวัดสิ่งที่ “นับง่าย” แทนสิ่งที่ “สำคัญ”
สิ่งที่องค์กรส่วนใหญ่วัดกัน เช่น
- จำนวนข่าว
- Reach
- Followers
- Impressions
จริงๆ แล้วอาจเป็นแค่ “ภาพลวงตา” ของ Impact
Professor Jim MacNamara เคยพูดไว้ว่า:
หรือพูดง่าย ๆ คือ
คนเห็น ไม่ได้แปลว่าคนสนใจ
คนอ่าน ไม่ได้แปลว่าคนเชื่อ
นี่คือปัญหาใหญ่ของวงการวัดผล
หลายอย่าง “นับได้”
แต่ไม่ได้มีความหมาย
และหลายอย่างที่ “สำคัญจริง”
กลับวัดได้ยากมาก
ตัวเลขจำนวนมากอาจไม่มีความหมายเลย
Simon ยกตัวอย่าง Podcast ของตัวเอง
ระบบของ Substack บอกว่า:
- ดาวน์โหลด 6,507 ครั้ง
- 72% มาจาก Apple Podcasts
แต่พอไปดูข้อมูลจาก Apple Podcasts จริงๆ กลับพบว่า:
- มีคนฟังจริง 16 คน
- Plays 57 ครั้ง
คำถามคือ:
แล้วควรเชื่อตัวเลขไหน?
นี่สะท้อนว่าหลาย Metric ที่เรารายงานกัน อาจดูดี แต่ไม่ได้ช่วยให้เข้าใจ “ความจริง”
ปัญหาอีกด้าน: เราวัดผล “เพื่อพิสูจน์ว่าทีมเรามีมูลค่า”
หลายองค์กรพูดถึงการวัดผลเหมือนเป็นเครื่องมือเอาไว้ตอบผู้บริหารว่า
“ทีม Communication หรือ PR ของเราสร้างมูลค่าให้ธุรกิจได้เท่าไหร่”
หรือพูดง่าย ๆ คือ
“ทีมนี้คุ้มกับเงินเดือนและงบประมาณที่จ่ายไหม”
ซึ่งก็เข้าใจได้
เพราะทีม Corporate Affairs หรือ PR มักต้องทำงานในองค์กรที่ให้ความสำคัญกับ “ตัวเลข”
บอร์ดอยากเห็น ROI
ผู้บริหารอยากเห็นผลลัพธ์
ทุกทีมต้องแข่งขันกันเรื่องงบประมาณ
แต่ Simon มองว่า
ยิ่งคนโฟกัสกับการ “พิสูจน์ว่าตัวเองมีมูลค่า” มากเท่าไร
คนก็จะยิ่งเลือกวัดเฉพาะตัวเลขที่ทำให้ตัวเองดูดี
เช่น:
- ตั้ง KPI ที่ชนะง่าย
- เลือก Metric ที่ดูสวย
- ไม่กล้าตั้งเป้ายาก
และนี่คือสาเหตุที่ทำให้เกิด:
- พวกไม่อยากรู้ความจริง
- พวกทำ Dashboard ให้ดูสวย
เป้าหมายที่แท้จริงของการวัดผล คือ “การเรียนรู้”
Simon บอกว่า:
จุดประสงค์ของ Evaluation ไม่ใช่การพิสูจน์ว่าเราทำงานเก่ง
แต่คือการเรียนรู้ว่าอะไรได้ผลจริง
การวัดผลที่ดีควรช่วยตอบว่า:
- งานของเราเข้าถึง “คนที่ใช่” ไหม
- เขาเข้าใจสิ่งที่เราสื่อไหม
- เขาเชื่อไหม
- เขาลงมือทำอะไรไหม
- ครั้งหน้าควรปรับอะไร
นี่คือความต่างระหว่าง:
- “แค่ทำงาน Communication”
กับ - “พัฒนางาน Communication ให้ดีขึ้น”
วิธีพิสูจน์คุณค่าที่ดีที่สุด
ไม่ใช่การทำ Dashboard เขียวทั้งหน้า
แต่คือการอธิบายผู้บริหารได้ว่า:
- อะไรทำให้ Stakeholder สนับสนุนองค์กรเพิ่มขึ้น
- อะไรทำให้ความเสี่ยงด้านชื่อเสียงสูงขึ้น
- อะไรทำให้คนเชื่อมั่นหรือไม่เชื่อมั่นแบรนด์
แม้มันจะเจ็บในระยะสั้น
เพราะอาจต้องยอมรับว่า “บางอย่างยังไม่ได้ผล”
แต่ระยะยาว มันมีประโยชน์กว่ามาก
สิ่งที่ทีมสื่อสารกำลังปกป้อง จริง ๆ มีมูลค่าสูงมาก
เช่น:
- Trust (ความไว้วางใจที่คนมีต่อองค์กร)
- Reputation (ชื่อเสียงขององค์กร)
- License to operate (การที่สังคม ชุมชน หรือภาครัฐ ยัง “ยอมรับ” ให้องค์กรดำเนินธุรกิจต่อได้ เช่น โรงงานที่ชุมชนไม่ต่อต้าน หรือแบรนด์ที่คนยังพร้อมสนับสนุน)
- Political risk (ความเสี่ยงทางการเมือง เช่น การเปลี่ยนนโยบายรัฐ กระแสสังคม หรือแรงกดดันจากกลุ่มการเมือง)
- Regulatory risk (ความเสี่ยงจากกฎหมายหรือหน่วยงานกำกับ เช่น การโดนออกกฎใหม่ การถูกตรวจสอบ หรือการถูกจำกัดการดำเนินธุรกิจ)
สิ่งเหล่านี้ส่งผลจริงต่อธุรกิจว่า:
- คนจะยังซื้อสินค้าคุณไหม
- นักลงทุนยังเชื่อมั่นไหม
- สังคมจะปกป้องหรือโจมตีคุณ
- ภาครัฐจะสนับสนุนหรือเพ่งเล็งคุณ
แต่ปัญหาคือ
สิ่งเหล่านี้วัดเป็นตัวเลขตรงๆ ได้ยากมาก
และไม่ได้เกิดจาก Communication อย่างเดียว
แล้วการวัดผลที่ดีควรวัดอะไร?
Simon บอกว่า Framework อย่าง:
- AMEC Barcelona Principles (หลักการเชิงทฤษฎีของ AMEC)
- GCS Evaluation Cycle (เป็นกรณีศึกษาเชิงลึกของ Simon เค้าเอง)
ถือเป็นมาตรฐานที่ดี
แต่สำหรับคนทำงานทั่วไป
เขาเสนอวิธีคิดง่ายๆ แค่ 3 คำถาม
1. เราทำสิ่งที่วางแผนไว้ครบไหม? → Outputs
Output คือสิ่งที่ “เราปล่อยออกไป”
เช่น:
- จำนวนข่าว
- จำนวน Briefing (มีการจัด Media Briefing → การบรีฟสื่อ หรือ Stakeholder Briefing → การอธิบายข้อมูลให้ผู้มีส่วนได้ส่วนเสีย หรือ Executive Briefing → การอัปเดตผู้บริหาร หรือ Crisis Briefing → การชี้แจงสถานการณ์วิกฤต ไปทั้งหมดกี่ครั้ง)
- จำนวนคนที่เข้าถึง
- จำนวน Channel ที่ใช้
Output ยังสำคัญ
เพราะมันบอกว่า “ทีมทำงานตามแผนหรือยัง”
แต่ Output เป็นแค่ “จุดเริ่มต้น”
ไม่ใช่ปลายทาง
2. คนคิดหรือรู้สึกต่างไปไหม? → Out-takes
นี่คือการวัดว่า Audience:
- เข้าใจอะไร
- รู้สึกอะไร
- เชื่ออะไร
- ตั้งใจจะทำอะไร
พูดง่ายๆ คือ:
Message เข้าไปถึงจริงไหม
ตัวอย่างเช่น:
- คนเข้าใจ Vision ของแบรนด์มากขึ้นไหม
- พนักงานเชื่อมั่นผู้บริหารมากขึ้นไหม
- คนเริ่มรู้สึกว่าองค์กร “จริงใจ” มากขึ้นไหม
3. โลกจริงเปลี่ยนไปไหม? → Outcomes
นี่คือการวัดว่า หลังสื่อสารแล้ว “พฤติกรรมจริง” เปลี่ยนไหม
เช่น:
- นักลงทุนมั่นใจในบริษัทมากขึ้นไหม
- หน่วยงานรัฐลดแรงกดดันไหม
- ชุมชนที่เคยต่อต้านเริ่มเปิดรับไหม
- ลูกค้ากลับมาซื้อสินค้าหลังเกิดวิกฤตไหม
- คนสมัครงานเพิ่มขึ้นไหม
- กลุ่ม NGO หรือ Activist เปลี่ยนท่าทีไหม
นี่คือระดับที่ยากที่สุด
เพราะมันคือ “ผลกระทบในโลกจริง”
ยิ่งลึก ยิ่งวัดยาก
Simon ยอมรับว่า:
- Output วัดง่าย
- Out-takes ยากขึ้น
- Outcomes ยากที่สุด
และยากมากที่จะพิสูจน์ว่าเกิดจาก Communication “อย่างเดียว”
ดังนั้นการวัดผลที่ดีต้องซื่อสัตย์ว่า:
- อะไรคือข้อเท็จจริง
- อะไรคือการตีความหรือการประมาณจากข้อมูล
ไม่ควรอ้างเกินจริงว่า:
“ทุกอย่างเกิดจาก PR”
แต่ก็ไม่ควรหยุดแค่วัด Output
เป้าหมายสุดท้ายของ Communication คืออะไร?
Simon ตอบชัดมากว่า:
เป้าหมายของ Communication คือการเปลี่ยนความคิดหรือพฤติกรรม
เพื่อส่งผลดีต่อองค์กร
ดังนั้นถ้าคุณไม่ได้วัดว่า “คนเปลี่ยนจริงไหม”
คุณก็ยังตอบไม่ได้ว่างานนั้นสำเร็จหรือเปล่า
แล้ว AI จะช่วยเรื่องนี้ไหม?
คำตอบคือ:
ช่วยได้ แต่ก็อาจทำให้แย่ลงได้เหมือนกัน
AI ทำให้เรา:
- สรุปข่าวได้เร็วขึ้น
- วิเคราะห์ Sentiment ได้เร็วขึ้น
- หา Pattern ได้มากขึ้น
แต่ปัญหาคือ:
ข้อมูลเยอะขึ้น ไม่ได้แปลว่าเข้าใจมากขึ้น
AI อาจทำให้นิสัยแย่ๆ ของวงการหนักขึ้น
AI อาจช่วยให้:
- คนทำรายงานส่ง ทำงานเร็วขึ้น
- คนจมข้อมูล จมหนักกว่าเดิม
- คนปั้น Dashboard ทำรายงานสวยขึ้น
แต่ไม่ได้ช่วยให้ “เข้าใจความจริง” มากขึ้น
AI ยังมีปัญหาเรื่อง “เอาใจคนใช้”
LLM หลายตัวถูกออกแบบมาให้ Helpful
ดังนั้นถ้าคุณถาม AI ว่า:
“Campaign นี้ดีไหม?”
มันอาจตอบว่า:
“นี่อาจเป็น Campaign ที่ดีที่สุดของคุณเลย!”
แม้จริงๆ จะไม่ใช่
ดังนั้นถ้าใช้ AI แบบไม่ระวัง
มันอาจสร้าง “ความมั่นใจปลอมๆ” จากข้อมูลที่ไม่แข็งแรง
AI ช่วยได้จริงใน 3 เรื่อง
1. หา “สัญญาณเล็กๆ” ที่มนุษย์อาจมองไม่เห็น
เช่น:
- กระแสลบเริ่มก่อตัว
- ความกังวลใหม่ของ Stakeholder
- ความเสี่ยงที่ยังไม่ชัด
จากข้อมูลมหาศาลที่ทีมมนุษย์อ่านไม่ไหว
2. เช็กว่า “สิ่งที่เราพูด” ตรงกับ “สิ่งที่คนเข้าใจ” ไหม
เช่น:
องค์กรตั้งใจสื่อว่า:
“เราห่วงใยสิ่งแวดล้อม”
แต่คนกลับรับสารว่า:
“กำลังทำ Greenwashing”
AI สามารถช่วยเห็น “ช่องว่าง” นี้ได้
อธิบายเพิ่มจากผู้แปล:
2.1 จับคำหรือ Theme ที่คนพูดซ้ำ เช่น: แบรนด์พูดเรื่อง: “Sustainability” แต่พอเราใช้ AI จับดูก็พบว่าคนพูดคำว่า: “Greenwashing”, “Hypocrite”, “Fake” ซ้ำเยอะมาก แปลว่าเส้นเรื่องเราเริ่มผิดทางแล้ว
2.2 เปรียบเทียบ “Message ที่องค์กรตั้งใจใช้” กับ “Message ที่คนเอาไปพูดต่อ” เช่น: องค์กรพูดว่า: “Affordable luxury” แต่คนพูดต่อว่า: แพงเกิ๊น ไม่คุ้ม พยายามดูพรีเมี่ยม ฯลฯ AI ก็สามารถมาช่วยเราเทียบได้ว่า Key Message ที่เราตั้งใจปล่อยกับ Key Message ที่คนรับไปจริงๆ ตรงกันไหม
2.3 ดู Emotional Gap บางครั้ง “ข้อมูลถูก” แต่ “อารมณ์ผิด” เช่น องค์กรตอบ Crisis ด้วยข้อมูลที่ครบมากๆ แต่คนกลับรู้สึกว่าเย็นชา พูดเหมือนหุ่นยนต์ ทนาย ไม่จริงใจ AI ก็จะมาช่วยจับอารมณ์ตรงนี้ได้ เพราะยุคนี้ไม่ได้จบที่ว่าเราพูดอะไรแต่สังคมตีความเราอย่างไรต่างหาก
แต่กระนั้น AI ก็ไม่ได้แม่นเสมอไป
อันนี้สำคัญมาก
AI ช่วย “มองเห็น Pattern” ได้ แต่ยังต้องใช้มนุษย์ตีความ เพราะบางอย่าง AI ยังแยกยาก เช่น:
- มุกประชดแบบไทย
- sarcasm
- meme culture
- บริบทการเมือง
- cultural nuance
เช่นคำว่า:
“สุดยอดเลยครับ 👏”
อาจแปลว่า: ชื่นชมจริง หรือ ด่าประชด ก็ได้
ดังนั้น AI เป็น “ผู้ช่วยมองภาพรวม” แต่คนยังต้องใช้ judgement อยู่ดี
3. ช่วยตั้งคำถามว่าอะไรคือสาเหตุจริง
เช่น:
ยอด Sentiment ดีขึ้น
เกิดจาก Communication จริงไหม?
หรือจริงๆ เพราะ:
- คู่แข่งมีปัญหา
- ตลาดฟื้น
- มีข่าวอื่นกลบ
AI ยังพิสูจน์เหตุและผลไม่ได้ 100%
แต่ช่วยให้เราคิดละเอียดขึ้น
แล้วควรเริ่มต้นยังไง?
1. กำหนดความสำเร็จให้ชัดตั้งแต่แรก
ถ้า Objective คลุมเครือ เช่น:
“อยากรักษาชื่อเสียงองค์กร”
คุณจะวัดอะไรแทบไม่ได้เลย
ต้องชัดว่า:
- อยากเปลี่ยนอะไร
- กับใคร
- ด้วยวิธีไหน
และต้องรู้ Baseline ก่อนว่า
ตอนนี้สถานการณ์เป็นอย่างไร
2. ทุก Campaign ควรมี “สมมติฐาน”
พูดง่ายๆ คือ:
เราเชื่อว่า ถ้าสื่อสารแบบนี้
คนจะเปลี่ยนแบบนี้
เช่น:
- ตอนนี้คนยังไม่เชื่อ
- เราจะใช้ Message แบบนี้
- แล้วหวังให้เขาเชื่อมั่นมากขึ้น
เพื่อให้เราทดสอบได้จริงว่า:
- สิ่งที่ทำไปได้ผลไหม
- ตรงไหนไม่ได้ผล
3. แยกให้ออกว่า “ทำไม่ครบ” หรือ “กลยุทธ์ผิด”
ถ้า Campaign ไม่สำเร็จ
ต้องรู้ว่าเพราะ:
- Execute ไม่ครบ
หรือ - กลยุทธ์ตั้งแต่แรกผิด
เช่น:
ถ้าส่ง Message ครบทุกอย่างแล้ว
แต่คนยังไม่เปลี่ยนความคิด
ปัญหาอาจไม่ใช่ Execution
แต่อาจเป็นเพราะ Strategy ผิดตั้งแต่ต้น
4. วัดผลระหว่างทาง ไม่ใช่รอจบงานค่อยมานั่งสรุป
หลายองค์กรชอบมานั่ง “ชันสูตรหลังงานจบ”
แต่จริงๆ ควรวัดระหว่างทางเลย
เช่น:
- ทดลองข้อความ 2 แบบ
- ทดลอง Timing ต่างกัน
- ทดลอง Spokesperson คนละแบบ
เพื่อดูว่าอะไรเวิร์กจริง
5. สร้างวัฒนธรรมที่ไม่กลัวความจริง
ประโยคนี้สำคัญมาก:
ถ้าคนถูกลงโทษเมื่อผลลัพธ์ไม่ดี
คนก็จะพยายามซ่อนความจริง
แต่ถ้าองค์กรให้คุณค่ากับ “การเรียนรู้”
ทีมจะพัฒนาเร็วขึ้นมาก
บางองค์กรมีรางวัลชื่อประมาณ:
“บทเรียนประจำสัปดาห์”
เพื่อให้รางวัลกับคนที่ค้นพบว่า:
“อะไรยังไม่ได้ผล”
เพราะนั่นคือจุดเริ่มต้นของการพัฒนา
ประโยคสำคัญที่สุดของบทความนี้
Simon เสนอว่า หัวหน้าทีม Communication ควรกล้าพูดกับผู้บริหารแบบนี้:
“ผมคิดว่าระบบวัดผล Communication ของเรายังดีไม่พอ
ผมอยากเปลี่ยนให้มันช่วยสร้าง Insight และการเรียนรู้มากขึ้น
แต่เมื่อเราวัดจริงจังขึ้น เราอาจพบว่าหลายอย่างยังไม่ได้ผล
ซึ่งเป็นเรื่องดี เพราะมันจะช่วยให้เราพัฒนาได้
ทีมต้องมั่นใจว่านี่ไม่ใช่การจับผิด
แต่คือการเรียนรู้เพื่อทำให้ดีขึ้น
ผู้บริหารพร้อมสนับสนุนเรื่องนี้ไหม?”
สรุปแก่นจริง ๆ ของบทความ
ปัญหาของการวัดผล Communication
ไม่ใช่เพราะเรา “ไม่มีเครื่องมือ”
แต่เพราะระบบ Incentive ทำให้คน:
- เลือกวัดสิ่งที่ดูดี
- กลัวความล้มเหลว
- ซ่อนความจริง
- ทำ Dashboard เอาใจผู้บริหาร
ดังนั้นสิ่งที่ต้องเปลี่ยน
ไม่ใช่แค่เรื่อง AI หรือ Tools
แต่คือ:
- วัฒนธรรมองค์กร
- วิธีคิดของผู้นำ
- ระบบให้รางวัล
องค์กรต้องให้รางวัลกับ:
- ความอยากรู้
- ความซื่อสัตย์กับข้อมูล
- การเรียนรู้ต่อเนื่อง
ไม่ใช่แค่ “ตัวเลขสวย ๆ” ครับ
สำหรับใครที่อ่านบทความนี้มาจนจบ แล้วสนใจเรื่องการทำ PR ยุคใหม่แบบบูรณาการ หรืออยากให้ผมกับทีมเข้าไปเล่าแนวทางการวัดผลให้ฟัง ติดต่อกันมาได้นะครับ พอดีที่ Moonshot เราเป็นสมาชิกของ AMEC เราสามารถเข้าไปเล่าให้ฟังได้ครับ ติดต่อกันมาได้ครับ
