6 Prompt วิเคราะห์ผลแคมเปญด้วย Claude AI ให้บอกได้ว่าควรย้ายงบไปทางไหน ไม่ใช่แค่สรุป พร้อม Copy ไปใช้ได้เลย

• Facebook
• X
• Line

69% ของนักการตลาดบอกว่าตัวเองถูกกดดันให้พิสูจน์ ROI ให้ได้ แต่มีแค่ 37% เท่านั้นที่บอกว่าการเชื่อมกิจกรรมการตลาดเข้ากับผลลัพธ์ทางธุรกิจเป็นเรื่องง่าย ตัวเลขคู่นี้มาจาก รายงาน Social Media Marketing ปี 2026 ของ HubSpot ครับ

ช่องว่างระหว่าง 69 กับ 37 คือหนึ่งในพื้นที่ที่ AI น่าจะเข้ามาช่วยได้ แต่สิ่งที่คนส่วนใหญ่ทำคือลากไฟล์ผลแคมเปญไปวางในแชทแล้วพิมพ์ว่าช่วยวิเคราะห์ให้หน่อยว่าอะไรเวิร์ก สิ่งที่ได้กลับมาคือรายงานที่อ่านแล้วพยักหน้า แต่เอาไปตัดสินใจอะไรไม่ได้สักอย่าง

บทความนี้เป็นตอนที่สองของซีรีส์ Prompt ที่ทำต่อจาก 6 Prompt ทำคอนเทนต์หลายช่องทาง โดยคราวนี้เปลี่ยนจากงานผลิตคอนเทนต์มาเป็นงานอ่านตัวเลข ผมจะให้ 6 Prompt ที่รันต่อกันเป็นลำดับ ตัวอย่างผลลัพธ์ทั้งหมดในบทความนี้ผมรันด้วย Claude AI แต่ก๊อปไปใช้กับ AI ตัวอื่นที่เพื่อนๆ ใช้อยู่ได้เหมือนกัน เนื่องจากทุกตัวเขียนเป็นคำสั่งธรรมดาที่ไม่ได้ผูกกับฟีเจอร์เฉพาะของเครื่องมือไหน

The Report Trap กับดักของรายงานที่ไม่นำไปสู่การตัดสินใจ

เวลาถูกถามว่าอะไรเวิร์กหรือไม่เวิร์ค เป็นคำถามที่ตอบได้หลายแบบและถูกทุกแบบครับ ช่องที่ยอดขายเยอะที่สุดก็เวิร์ก ช่องที่ ROAS สูงที่สุดก็เวิร์ก ช่องที่ต้นทุนต่อการสั่งซื้อถูกที่สุดก็เวิร์ก AI จึงตอบกลับมาครบทุกมุม นั่นหมายความว่าไม่ได้ช่วยเราตัดสินใจอะไรเลย

Anthropic เองมีหน้า Use Case เรื่อง การวิเคราะห์ผลแคมเปญ อยู่ใน Claude Academy และสิ่งที่ผมว่าน่าสนใจในหน้านั้นไม่ใช่ตัวคำสั่งหลัก แต่เป็นสี่บรรทัดท้ายที่เขาใส่ไว้ท้ายคำสั่ง คือเป้า ROI ที่ต้องการ ข้อมูลว่าลูกค้ากลุ่มไหนมี CLV มูลค่าตลอดอายุสูงกว่ากันกี่เท่า ตัวเลข benchmark ของอุตสาหกรรม และข้อจำกัดว่าโยกงบได้ไม่เกินกี่เปอร์เซ็นต์

สี่บรรทัดนั้นคือความต่างทั้งหมด ถ้าไม่บอกว่าโยกงบได้ไม่เกิน 30% AI จะเสนอย้าย 80% ซึ่งเป็นคำตอบที่ถูกทางคณิตศาสตร์แต่เอาเข้าที่ประชุมไม่ได้ ข้อจำกัดไม่ได้ทำให้คำตอบแย่ลง แต่ทำให้คำตอบกลายเป็นแผน

Constraint-First Analysis หลักการเบื้องหลัง Prompt ทุกตัวในบทความนี้

วิธีที่ผมใช้อยู่และตั้งชื่อเรียกเองว่า Constraint-First Analysis มีสามชั้น และ Prompt ทั้ง 6 ตัวในบทความนี้วางอยู่บนสามชั้นนี้ตามลำดับ

ชั้นแรกคือ Trusted Numbers ตัวเลขที่เชื่อได้ ก่อนจะวิเคราะห์อะไรต้องรู้ก่อนว่าตัวเลขชุดไหนเอามาบวกกันได้และชุดไหนบวกกันไม่ได้ ขั้นนี้คือขั้นที่คนข้ามบ่อยที่สุดและเสียหายมากที่สุด

ชั้นที่สองคือ Decision Rules เกณฑ์และข้อจำกัด คือการบอก AI ล่วงหน้าว่าอะไรคือดี อะไรคือแย่ และเราขยับอะไรได้แค่ไหน โดยไม่ให้มันเดาเอง

ชั้นที่สามคือ Actionable Move สิ่งที่ลงมือทำได้ ซึ่งต้องระบุว่าใครทำ ทำเมื่อไหร่ และถ้าสิ่งที่เสนอไปผิด จะรู้ได้จากอะไรภายในกี่สัปดาห์

ความต่างระหว่างสามชั้นนี้กับวิธีที่คนส่วนใหญ่ใช้ อยู่ที่ลำดับล้วนๆ คนส่วนใหญ่เริ่มจากข้อมูล แล้วหวังว่าคำตอบจะโผล่ออกมาเอง ส่วนวิธีนี้เริ่มจากการตกลงกติกาก่อนว่าคำตอบที่ใช้ได้หน้าตาเป็นยังไง แล้วค่อยเอาข้อมูลเข้าไปหา

ตัวอย่างทั้งหมดในบทความนี้ผมใช้เคสสมมติชุดเดียวกัน คือร้านขายอาหารเสริมออนไลน์เจ้าหนึ่งที่ยิงโฆษณาห้าช่องทางในไตรมาสที่สาม ใช้งบรวม 1,200,000 บาท กระจายอยู่ใน Facebook Ads, TikTok Ads, Google Search, LINE OA และ Shopee Ads ตัวเลขทุกตัวเป็นตัวเลขที่ผมสมมติขึ้นเพื่อให้เห็นภาพ ไม่ใช่ข้อมูลของแบรนด์จริงแบรนด์ใด

Setup Prompt ชุดตั้งต้นที่ทำให้ AI ไม่วิเคราะห์จากตัวเลขที่ผิด

สองตัวนี้ไม่ได้วิเคราะห์อะไรเลย แต่เป็นสองตัวที่ตัดสินว่าอีกสี่ตัวข้างหลังจะให้คำตอบที่เชื่อได้หรือไม่

1. Data Sanity Check ตรวจว่าตัวเลขชุดไหนเอามาบวกกันได้

คุณคือนักวิเคราะห์ข้อมูลการตลาดที่ระแวดระวังเรื่องคุณภาพข้อมูลเป็นพิเศษ

ด้านล่างนี้คือข้อมูลผลแคมเปญที่ดึงมาจากหลายแพลตฟอร์ม
ห้ามวิเคราะห์ผลงานใดๆ ในรอบนี้ ให้ตรวจ 5 เรื่องนี้แล้วรายงานกลับมาก่อน

1. นิยามของ Conversion ในแต่ละแหล่งเหมือนกันหรือไม่ ถ้าไม่เหมือน ต่างกันตรงไหน
2. ช่วง Attribution ของแต่ละแพลตฟอร์มเท่ากันหรือไม่ ถ้าไม่เท่า ให้ระบุว่าอันไหนนับกว้างกว่า
3. มีโอกาสนับซ้ำตรงไหนบ้าง เช่น คนเดียวกันถูกนับทั้งฝั่งโฆษณาและฝั่งมาร์เก็ตเพลส
4. ช่วงเวลาของข้อมูลแต่ละชุดตรงกันหรือไม่ มีชุดไหนขาดวันหรือขาดสัปดาห์
5. มีตัวเลขไหนที่ดูผิดปกติจนน่าสงสัยว่ากรอกผิดหรือดึงผิด

ส่งผลลัพธ์เป็น 3 ส่วน
ส่วนที่ 1 ตัวเลขที่เชื่อได้และเอามาเทียบกันได้
ส่วนที่ 2 ตัวเลขที่ห้ามเอามาบวกรวมกัน พร้อมเหตุผล
ส่วนที่ 3 คำถามที่ผมต้องไปหาคำตอบมาก่อน ถึงจะวิเคราะห์ต่อได้

ข้อมูล
[วางข้อมูลตรงนี้]

ผลที่ได้จากเคสสมมติของเราคือแบบนี้

ส่วนที่ 2 ตัวเลขที่ห้ามบวกรวมกัน

ยอด Conversion รวมจากทุกแพลตฟอร์มอยู่ที่ 3,850 รายการ
แต่ยอดคำสั่งซื้อจริงในระบบหลังบ้านอยู่ที่ 2,900 รายการ
ส่วนต่าง 950 รายการคือการนับซ้ำ สาเหตุที่เป็นไปได้มากที่สุดคือ
Facebook Ads นับแบบ 7 วันหลังคลิกและ 1 วันหลังเห็นโฆษณา
ขณะที่ Shopee Ads นับคนที่กดเข้าร้านจากโฆษณาแล้วซื้อภายในช่วงเดียวกัน
คนหนึ่งคนที่เห็นโฆษณาบนฟีดแล้วไปกดซื้อในแอปมาร์เก็ตเพลส
จึงถูกนับเป็นผลงานของทั้งสองฝั่ง

ข้อเสนอ ให้ยึดยอด 2,900 จากหลังบ้านเป็นตัวตั้ง
แล้วใช้ตัวเลขของแต่ละแพลตฟอร์มเพื่อดูแนวโน้มภายในช่องนั้นเท่านั้น
ห้ามเอาไปเทียบข้ามช่องแบบตรงๆ

สมัยยังเป็น Strategic Planner สิ่งที่ผมถูกฝึกมาจนติดตัวคือการไม่เชื่อข้อมูลชุดแรกที่วางอยู่ตรงหน้า แล้วถามต่อว่าตัวเลขนี้มาจากไหนและนับยังไง Prompt ตัวนี้คือการเอานิสัยข้อนั้นมาเขียนเป็นคำสั่ง บรรทัดที่สำคัญที่สุดคือบรรทัดที่ห้ามวิเคราะห์ผลงานในรอบนี้ ถ้าไม่ใส่ไว้ AI จะวิเคราะห์ให้ทันทีพร้อมกับตรวจข้อมูลไปด้วย แล้วเราจะเผลออ่านบทวิเคราะห์ที่ตั้งอยู่บนตัวเลขที่ยังไม่ผ่านการตรวจ

2. Decision Brief บอกเกณฑ์และข้อจำกัดก่อนให้วิเคราะห์

ก่อนเริ่มวิเคราะห์ ผมจะให้เกณฑ์ตัดสินและข้อจำกัดไว้ดังนี้

1. เป้าหมายหลักของไตรมาสนี้คือ [ยอดขาย / ลูกค้าใหม่ / กำไร] ไม่ใช่ทั้งสามอย่างพร้อมกัน
2. ROAS ที่ถือว่าผ่านคือ [ตัวเลข] และที่ถือว่าต้องแก้คือต่ำกว่า [ตัวเลข]
3. ลูกค้าที่ซื้อซ้ำมีมูลค่าตลอดอายุสูงกว่าลูกค้าซื้อครั้งเดียว [กี่เท่า]
4. งบไตรมาสหน้าเท่าเดิมและย้ายข้ามช่องได้ไม่เกิน [กี่เปอร์เซ็นต์]
5. ช่องทางที่ยกเลิกไม่ได้ในไตรมาสหน้าคือ [ระบุ] เพราะมีสัญญาผูกอยู่

จากเกณฑ์ชุดนี้ ให้ทำ 2 อย่าง
อย่างแรก สรุปกลับมาเป็นภาษาของคุณว่าเข้าใจโจทย์ว่าอย่างไร
อย่างที่สอง บอกว่ายังขาดข้อมูลอะไรที่ถ้ามีแล้วคำตอบจะแม่นขึ้นอย่างมีนัยสำคัญ
ถามมาไม่เกิน 3 ข้อ และห้ามถามข้อมูลที่หาไม่ได้ในทางปฏิบัติ

แล้วหยุดรอผมยืนยันก่อน อย่าเพิ่งวิเคราะห์

สิ่งที่ได้กลับมาคือคำถามสามข้อแบบนี้

คำถามที่ขอเพิ่ม
1. ในยอดคำสั่งซื้อ 2,900 รายการ เป็นลูกค้าใหม่กี่รายการและลูกค้าเก่ากี่รายการ
   ตัวเลขนี้เปลี่ยนคำตอบทั้งหมด เนื่องจากช่องที่ ROAS สูงอาจกำลังขายให้คนเดิม
2. LINE OA ที่ ROAS สูงมาก มีฐานผู้ติดตามอยู่แล้วกี่คนก่อนเริ่มไตรมาสนี้
   ถ้าฐานมาจากช่องอื่น ต้นทุนการได้ฐานมาต้องถูกนับด้วย
3. สัญญาที่ผูกอยู่มีมูลค่าเท่าไหร่ต่อไตรมาส เพื่อคำนวณงบที่ขยับได้จริง

คำถามข้อแรกคือของจริงครับ และเป็นคำถามที่ถ้าไม่มี Prompt ตัวนี้เราจะไม่ได้ถามเลย บรรทัดที่ห้ามถามข้อมูลที่หาไม่ได้ในทางปฏิบัติมีไว้กันไม่ให้ AI ขอของอย่างข้อมูลพฤติกรรมรายบุคคลที่ไม่มีใครในทีมหามาให้ได้ ส่วนบรรทัดที่บังคับให้สรุปโจทย์กลับมาเป็นภาษาของมันเอง เป็นวิธีจับได้เร็วที่สุดว่ามันเข้าใจผิดตรงไหน ก่อนที่ความเข้าใจผิดนั้นจะไปโผล่ในข้อเสนอ

Diagnosis Prompt ชุดวิเคราะห์ที่แยกข้อเท็จจริงออกจากการเดา

สองตัวนี้รันหลังจากยืนยันโจทย์แล้ว และทั้งคู่ถูกออกแบบมาให้ AI ประกาศความไม่แน่ใจของตัวเอง แทนที่จะกลบมันด้วยภาษาที่ฟังดูมั่นใจ

3. Performance Diagnosis วิเคราะห์ว่าอะไรเวิร์กและทำไม

วิเคราะห์ผลงานของทุกช่องทางตามเกณฑ์ที่ตกลงกันไว้ โดยแยกคำตอบเป็น 3 ระดับ

ระดับ A สิ่งที่ข้อมูลยืนยันได้ตรงๆ
ระดับ B สิ่งที่ข้อมูลชี้ไปทางนั้นแต่ยังมีคำอธิบายอื่นที่เป็นไปได้
       ให้ระบุคำอธิบายอื่นนั้นมาด้วยอย่างน้อย 1 ข้อ
ระดับ C สมมติฐานของคุณเองที่ข้อมูลชุดนี้ยังพิสูจน์ไม่ได้

กติกา
ห้ามเขียนระดับ B และ C ด้วยน้ำเสียงเดียวกับระดับ A
ทุกข้อในระดับ A ต้องอ้างตัวเลขกำกับ
เรียงลำดับจากสิ่งที่มีผลต่อยอดขายมากไปน้อย ไม่ใช่เรียงตามช่องทาง

ตัวอย่างสิ่งที่ได้ในระดับ B ซึ่งเป็นระดับที่เอาไปใช้ต่อได้จริงมากเป็นพิเศษ

ระดับ B
TikTok Ads มี ROAS 1.4 ต่ำกว่าเกณฑ์ผ่านที่ตั้งไว้ที่ 2.5 อยู่มาก
ข้อมูลชี้ว่าเป็นช่องที่ขาดทุนในไตรมาสนี้

คำอธิบายอื่นที่เป็นไปได้
ยอดค้นหาชื่อแบรนด์บน Google Search เพิ่มขึ้น 38% ในเดือนเดียวกับที่
TikTok เริ่มยิงหนัก และ Google Search เป็นช่องที่ ROAS สูงเป็นอันดับสอง
เป็นไปได้ว่า TikTok กำลังสร้างความต้องการที่ไปปิดการขายบนช่องอื่น
ซึ่งข้อมูลชุดนี้แยกไม่ออก

การบังคับให้แยกสามระดับ เป็นวิธีแก้อาการที่ AI พูดทุกอย่างด้วยน้ำหนักเท่ากันจนเราแยกไม่ออกว่าอันไหนคือข้อเท็จจริงและอันไหนคือการเดาที่เขียนสวย ส่วนบรรทัดที่บังคับให้เสนอคำอธิบายอื่นในระดับ B คือจุดที่ทำให้เจอเรื่องอย่างตัวอย่างข้างบน ซึ่งเป็นเรื่องที่ถ้าไม่บังคับ มันจะไม่เสนอมาเอง

4. Channel Role Check ถามว่าช่องที่ตัวเลขแย่ทำหน้าที่อะไรอยู่

ก่อนจะสรุปว่าช่องไหนควรโดนลดงบ ให้ตอบคำถามชุดนี้ก่อนทุกช่อง

1. ช่องนี้ทำหน้าที่อะไรในเส้นทางของลูกค้า สร้างการรับรู้ กระตุ้นความสนใจ
   หรือปิดการขาย
2. ถ้าปิดช่องนี้ทิ้งทั้งหมด ช่องไหนจะได้รับผลกระทบตามไปด้วย และจะเห็นผลภายในกี่เดือน
3. ลูกค้าที่มาจากช่องนี้ เป็นลูกค้าใหม่หรือลูกค้าเดิมเป็นหลัก
4. ถ้าช่องนี้ทำหน้าที่สร้างความต้องการ ตัวชี้วัดที่ควรใช้วัดมันคืออะไร
   ที่ไม่ใช่ ROAS

สรุปเป็นตาราง ช่องทาง / หน้าที่ / ผลกระทบถ้าปิด / ตัวชี้วัดที่ควรใช้จริง

ผลลัพธ์ของช่องที่ตัวเลขแย่ที่สุดในเคสนี้

TikTok Ads | หน้าที่ สร้างการรับรู้และความต้องการใหม่
| ถ้าปิด Google Search และ LINE OA น่าจะได้รับผลกระทบภายใน 2-3 เดือน
  เนื่องจากทั้งสองช่องเก็บเกี่ยวคนที่รู้จักแบรนด์มาก่อนแล้ว
| ตัวชี้วัดที่ควรใช้จริง ยอดค้นหาชื่อแบรนด์ จำนวนผู้ติดตามใหม่บน LINE OA
  และสัดส่วนลูกค้าใหม่ในยอดขายรวม ไม่ใช่ ROAS ของตัวมันเอง

Prompt ตัวนี้เป็นตัวที่ผมเพิ่มเข้ามาเอง และไม่มีอยู่ในคู่มือฉบับไหนที่ผมเคยอ่าน เหตุผลคือเครื่องมือวิเคราะห์เกือบทุกตัวจบที่คำสั่งย้ายงบไปช่องที่ ROAS สูงกว่า ซึ่งถ้าทำตามทุกไตรมาส งบจะไหลไปกองอยู่ที่ช่องเก็บเกี่ยวจนหมด แล้วปีถัดไปจะไม่มีคนใหม่เหลือให้เก็บเกี่ยว อาการนี้จะไม่โผล่ในรายงานไตรมาสนี้ แต่จะโผล่ในไตรมาสที่สี่ของปีหน้า

Decision Prompt ชุดที่เปลี่ยนบทวิเคราะห์ให้กลายเป็นการตัดสินใจ

สองตัวสุดท้ายคือส่วนที่คนมักไม่ทำ แล้วจบด้วยการมีรายงานสวยๆ ที่ไม่มีใครทำอะไรต่อ

5. Budget Reallocation Model เสนอการย้ายงบพร้อมเงื่อนไขถอย

เสนอแผนย้ายงบสำหรับไตรมาสหน้า ภายใต้ข้อจำกัดที่ตกลงกันไว้

ทุกข้อเสนอต้องมี 4 อย่างครบ
1. ย้ายเงินจากช่องไหนไปช่องไหน จำนวนเท่าไหร่ คิดเป็นกี่เปอร์เซ็นต์ของงบรวม
2. ผลที่คาดว่าจะเกิด เป็นช่วงตัวเลขไม่ใช่ตัวเลขเดียว พร้อมบอกว่าอิงจากอะไร
3. ความเสี่ยงของข้อเสนอนี้ 1 ข้อที่เป็นความเสี่ยงจริง ไม่ใช่ความเสี่ยงทั่วไป
4. สัญญาณเตือนว่าข้อเสนอนี้ผิด ให้ระบุตัวชี้วัดและกรอบเวลาที่จะรู้ผล

ปิดท้ายด้วยข้อเสนอที่คุณไม่แนะนำ 1 ข้อ
พร้อมเหตุผลว่าทำไมถึงไม่แนะนำ ทั้งที่ตัวเลขดูเหมือนจะบอกให้ทำ

ส่วนที่ผมว่ามีค่าที่สุดของ Prompt ตัวนี้คือสองบรรทัดสุดท้าย

ข้อเสนอที่ไม่แนะนำ
ตัวเลขบอกให้ย้ายงบทั้งหมดของ TikTok Ads ไปที่ LINE OA
ซึ่งมี ROAS สูงที่สุดในทุกช่อง แต่ผมไม่แนะนำ
เนื่องจาก LINE OA ทำงานกับฐานผู้ติดตามที่มีอยู่แล้ว 48,000 คน
การเพิ่มงบไม่ได้ทำให้ฐานโตขึ้น แค่ทำให้ยิงข้อความถี่ขึ้นกับคนกลุ่มเดิม
ซึ่งมีโอกาสทำให้อัตราการบล็อกเพิ่มขึ้นแทน

ข้อ 4 ที่ให้ระบุสัญญาณเตือนว่าข้อเสนอผิด คือสิ่งที่เปลี่ยนแผนให้กลายเป็นการทดลองที่วัดผลได้ แทนที่จะเป็นการเดาที่มีตัวเลขประกอบ และคำสั่งให้เสนอสิ่งที่ไม่แนะนำมาหนึ่งข้อ คือวิธีดึงเอาข้อควรระวังที่ AI มองเห็นแต่ไม่เคยพูดออกมาเอง

6. One-Page Decision Memo บีบให้เหลือหน้าเดียวที่คนตัดสินใจอ่านจริง

สรุปทั้งหมดให้เหลือความยาวไม่เกิน 1 หน้ากระดาษ สำหรับผู้บริหารที่มีเวลาอ่าน 3 นาที

โครงสร้าง
บรรทัดแรก ข้อสรุปเดียวของทั้งเรื่อง เขียนเป็นประโยคบอกเล่า ไม่ใช่หัวข้อ
ส่วนที่ 1 สามอย่างที่เวิร์ก พร้อมตัวเลขกำกับข้อละหนึ่งตัว
ส่วนที่ 2 สองอย่างที่ต้องแก้ พร้อมบอกว่าแก้แล้วคาดว่าได้อะไรคืน
ส่วนที่ 3 สิ่งที่ขอให้ตัดสินใจ ระบุให้ชัดว่าขออนุมัติอะไร ใครเป็นคนทำ
       และวันไหนที่จะกลับมารายงานผล

ห้ามใส่ตารางที่มีมากกว่า 5 แถว
ห้ามใช้คำว่าอาจจะ หรือ น่าจะ ในส่วนที่ 3
ถ้ามีข้อมูลไม่พอจะสรุปเรื่องไหน ให้เขียนตรงๆ ว่ายังสรุปไม่ได้และต้องการอะไรเพิ่ม

ข้อห้ามใช้คำว่าอาจจะกับน่าจะในส่วนที่สาม เป็นข้อที่ดูเล็กแต่เปลี่ยนคุณภาพของเอกสารทั้งแผ่น เอกสารที่ทุกข้อเสนอลงท้ายด้วยคำว่าน่าจะ คือเอกสารที่ผู้อ่านไม่รู้ว่าต้องอนุมัติอะไร ส่วนบรรทัดสุดท้ายที่อนุญาตให้ AI บอกว่ายังสรุปไม่ได้ มีไว้กันไม่ให้มันเติมข้อสรุปปลอมลงในช่องว่างเพื่อให้เอกสารดูครบ

Red Team Prompt แถมสำหรับให้ AI เถียงกับข้อเสนอของตัวเอง

ตัวนี้ไม่ได้อยู่ในหกตัวหลัก แต่ผมใช้ทุกครั้งก่อนเอาเอกสารเข้าประชุม

ตอนนี้ให้เปลี่ยนบทบาท คุณคือผู้บริหารการเงินที่ไม่เห็นด้วยกับข้อเสนอนี้
และต้องหาเหตุผลคัดค้านให้ได้

ให้โจมตี 3 จุด
1. ตัวเลขจุดไหนในข้อเสนอที่เปราะที่สุด ถ้าตัวเลขนั้นผิดไป 20% ข้อสรุปจะพลิกไหม
2. ข้อเสนอนี้ตั้งอยู่บนสมมติฐานอะไรที่ไม่ได้เขียนไว้ตรงๆ
3. ถ้าทำตามข้อเสนอนี้แล้วผลไม่ดีขึ้น คำอธิบายที่เป็นไปได้มากที่สุดคืออะไร

จากนั้นกลับมาเป็นนักวิเคราะห์อีกครั้ง
แล้วบอกว่าข้อโจมตีข้อไหนที่คุณคิดว่ามีน้ำหนักจริง และควรแก้ข้อเสนอยังไง

การสั่งให้ AI สลับบทบาทแล้วโจมตีงานตัวเอง ได้ผลดีกว่าการถามว่ามีความเสี่ยงอะไรบ้างอย่างชัดเจน เนื่องจากคำถามแบบหลังมันจะตอบด้วยรายการความเสี่ยงมาตรฐานที่ใช้ได้กับทุกแผนบนโลก ส่วนการให้สวมบทคนที่ต้องคัดค้านให้ได้ จะบังคับให้มันไปหาจุดอ่อนเฉพาะของข้อเสนอนี้จริงๆ ในเคสสมมติของเรา สิ่งที่มันโจมตีตัวเองแล้วมีน้ำหนักที่สุดคือข้อที่บอกว่าตัวเลขลูกค้าใหม่กับลูกค้าเก่ายังไม่เคยถูกยืนยัน ทั้งที่ข้อเสนอทั้งชุดตั้งอยู่บนตัวเลขนั้น

Constraint สรุปวิธีใช้ 6 Prompt นี้ให้ได้คำตอบที่เอาไปตัดสินใจได้จริง

ถ้าเพื่อนๆ จะหยิบไปใช้แค่ตัวเดียว ผมอยากให้เลือกตัวแรก คือตัวที่ห้าม AI วิเคราะห์อะไรเลยจนกว่าจะตรวจข้อมูลเสร็จ ผมเคยเห็นแผนย้ายงบหลายชิ้นที่วิธีคิดดีมากแต่ตั้งอยู่บนยอด Conversion ที่นับซ้ำ และความเสียหายของมันไม่ได้อยู่ที่ตัวเลขผิด แต่อยู่ที่ทุกคนในห้องประชุมเชื่อไปแล้ว

อีกเรื่องที่อยากฝากไว้คือ ยิ่งช่องทางเยอะขึ้นตาม ช่องทางการตลาดใหม่ที่เพิ่มขึ้นทุกปี โอกาสที่ตัวเลขจะนับทับกันก็ยิ่งสูงขึ้นตาม ปัญหานี้จึงไม่ได้เล็กลงตามเวลา แต่ใหญ่ขึ้นเงียบๆ ทุกไตรมาส

คำเดียวที่อยากให้จำกลับไปจากบทความนี้คือคำว่า ข้อจำกัด หรือ Constraint เครื่องมือวิเคราะห์ที่ฉลาดที่สุดในโลกก็ให้คำตอบที่เอาไปใช้ไม่ได้ ถ้าเราไม่เคยบอกมันว่าเราขยับอะไรได้แค่ไหน ลองเปิดไฟล์ผลแคมเปญไตรมาสล่าสุดขึ้นมาแล้วรัน Prompt ตัวแรกดูก่อนนะครับ แล้วคุณอาจจะประหลาดใจว่าตัวเลขที่ใช้ประชุมกันมาทั้งปี มีอะไรที่ยังไม่เคยมีใครตรวจอยู่บ้างครับ

• Facebook
• X
• Line