ผมเป็นคนขี้เกียจจำ Prompt ครับ ใครที่เคยเรียนคลาส AI กับผมจะรู้ดีว่าผมไม่ค่อยให้ท่องสูตร Prompt ยาวๆ ไปใช้ เพราะเชื่อว่าถ้าเราเข้าใจ Logic เบื้องหลังว่าทำไม Prompt ตัวนั้นถึงได้คำตอบดี เราจะดัดแปลงเองได้ทุกสถานการณ์ แต่กับงานประเมินขนาดตลาดนี่ ผมยอมรับว่าการมี Prompt ตั้งต้นที่วางโครงมาดีช่วยประหยัดเวลาได้เยอะจริง
เพราะปัญหาที่เจอบ่อยที่สุดเวลาคนเอา TAM SAM SOM ไปถาม AI ตรงๆ ว่า ช่วยประเมินขนาดตลาดสินค้านี้ให้หน่อย คือ AI จะร่ายตัวเลขออกมาเป็นล้านเป็นพันล้านอย่างมั่นใจ ทั้งที่ไม่มีข้อมูลจริงสักตัว มันแต่งตัวเลขขึ้นมาเองล้วนๆ แล้วคนก็หยิบไปใส่สไลด์เสนอนักลงทุนต่อโดยไม่รู้ว่ากำลังถือระเบิดเวลาอยู่
บทความนี้ผมเลยอยากชวนเพื่อนๆ นักการตลาดมาดูชุด Prompt TAM SAM SOM ทั้ง 8 ตัวที่ผมออกแบบด้วยโครง SPICE เพื่อบังคับให้ AI ทำงานบนข้อมูลจริงและแยกตัวเลขที่เดาออกจากตัวเลขที่อ้างอิงได้ และคราวนี้ผมเติมตัวอย่างการใช้งานจริงให้แต่ละตัวด้วย เพื่อให้เห็นภาพว่าเวลาแทนข้อมูลธุรกิจตัวเองลงไปแล้วหน้าตาเป็นยังไง ใครยังไม่แม่นตัวสูตร แนะนำให้อ่าน TAM SAM SOM คืออะไร ก่อน แล้วค่อยกลับมาหยิบ Prompt ไป copy ใช้ได้เลย
The SPICE Method โครงที่กันไม่ให้ AI มโนตัวเลขตลาด
Prompt ทุกตัวในบทความนี้สร้างจาก SPICE Framework ที่ผมออกแบบไว้สำหรับวางโครง Prompt ให้ครบเครื่อง ประกอบด้วย 5 ส่วนที่เมื่อใส่ครบแล้วจะบังคับให้ AI ทำงานบนเงื่อนไขของเรา ไม่ใช่คายตัวเลขสำเร็จรูปที่แต่งขึ้นเอง
Situation บริบทของธุรกิจและสินค้า ส่วนที่บอก AI ว่าเรากำลังพูดถึงสินค้าอะไร ขายใคร ในพื้นที่ไหน ยิ่งบริบทละเอียด คำตอบยิ่งตรงตัว ลองนึกภาพความต่างระหว่างบอกว่า ร้านอาหาร กับบอกว่า ร้านอาหารญี่ปุ่นราคากลางในห้างย่านชานเมือง กลุ่มครอบครัว คำตอบที่ได้จะคนละเรื่องกันเลยPersona บทบาทที่อยากให้ AI สวม การสั่งให้ AI สวมบทเป็นนักวิเคราะห์ตลาดที่ระวังเรื่องแหล่งข้อมูล จะได้คำตอบที่รอบคอบกว่าการถามเปล่าๆ เพราะเรากำหนดมาตรฐานการทำงานให้มันตั้งแต่ต้นInstruction คำสั่งงานที่ชัดเจน บอกให้ชัดว่าอยากได้ TAM SAM SOM ด้วยวิธีไหน Top-Down หรือ Bottom-Up และอยากให้แสดงสมการให้เห็น ไม่ใช่แค่โยนตัวเลขสุดท้ายมาให้Criteria เงื่อนไขที่กันการมโน ส่วนนี้คือพระเอกของงานประเมินตลาดครับ เพราะเราสั่งได้เลยว่าถ้าไม่มีข้อมูลจริงให้บอกว่าไม่รู้ ห้ามแต่งตัวเลขขึ้นเอง และให้แยกชัดว่าตัวไหนคือข้อเท็จจริงที่อ้างอิงได้ ตัวไหนคือสมมติฐานExample ตัวอย่างที่ช่วยให้ AI จับโทน การใส่ตัวเลขที่เรารู้จริงสัก 1 ตัว จะช่วยให้ AI เข้าใจว่าเราอยากได้คำตอบละเอียดระดับไหน และปรับส่วนที่เหลือให้เข้าชุดกัน
พอเข้าใจโครง SPICE แล้ว เวลาอ่าน Prompt ทั้ง 8 ตัวข้างล่างนี้เพื่อนๆ จะเห็นว่าทุกตัวมี 5 ส่วนนี้ครบ และปรับเปลี่ยนได้เองทุกจุดที่อยู่ในวงเล็บ [ ] ผมแบ่งไว้เป็น 3 หมวดตามลำดับการใช้งานจริง ตั้งแต่คำนวณ ตรวจสอบ ไปจนถึงเปลี่ยนเป็นแผน และใต้ Prompt แต่ละตัวผมใส่ตัวอย่างการแทนข้อมูลจริงของธุรกิจต่างแบบไว้ให้ดูด้วย โดยโครง P I C ใช้ตัวเดิม เปลี่ยนแค่ส่วน [S] กับ [E] ให้ตรงกับธุรกิจของคุณ
Calculate คำนวณ TAM SAM SOM จากสองทางแล้วเอามาเทียบกัน
เริ่มจากงานหลักก่อน คือการประเมินขนาดตลาดทั้งสามชั้น จุดสำคัญคือไม่ควรคำนวณแค่ทางเดียว แต่ควรทำทั้ง Top-Down และ Bottom-Up แล้วเอามาเทียบกัน ถ้าตัวเลขสองทางใกล้กันแปลว่าสมมติฐานน่าเชื่อ ถ้าต่างกันมากคือสัญญาณว่ามีอะไรผิด สาม Prompt แรกนี้ทำหน้าที่นั้น
1. Prompt ประเมิน TAM SAM SOM แบบ Top-Down
[S] ผมกำลังประเมินขนาดตลาดสำหรับ [สินค้า/บริการ] ที่ขายให้ [กลุ่มลูกค้า] ในพื้นที่ [ประเทศ/จังหวัด/เขต]
[P] ขอให้คุณเป็นนักวิเคราะห์ตลาดที่เคร่งเรื่องแหล่งข้อมูลและระเบียบวิธี
[I] ช่วยวางโครงการประเมิน TAM SAM SOM แบบ Top-Down โดยเริ่มจากตลาดรวมแล้วกรองลงมาทีละชั้น พร้อมแสดงสมการและตัวคูณในแต่ละขั้นให้เห็นชัด
[C] อย่าเดาตัวเลขจริงแทนผม แต่ให้ระบุว่าแต่ละชั้นต้องใช้ข้อมูลอะไร และควรไปหาจากแหล่งไหนในไทย เช่น สำนักงานสถิติแห่งชาติ DBD หรือ 56-1 One Report ช่องไหนที่ผมยังไม่ได้ให้ข้อมูล ให้เว้นเป็นช่องว่างพร้อมบอกว่าต้องเติมอะไร ห้ามใส่ตัวเลขสมมติลงไปเอง
[E] ข้อมูลที่ผมมีแล้ว = [เช่น มูลค่าตลาดรวมของหมวดนี้จากรายงานปี ... = ... บาท]
Prompt ตัวนี้จงใจไม่ให้ AI คายตัวเลขมูลค่าตลาดมาเอง แต่ให้มันวางโครงและบอกว่าต้องไปเติมข้อมูลจากไหน เพราะถ้าปล่อยให้ AI เดาตัวเลขตลาดไทย มันมักหยิบตัวเลขตลาดโลกมาให้แบบมั่วๆ การบังคับด้วย Criteria ให้เว้นช่องว่างแทนการเดา คือหัวใจของ Prompt นี้
ลองเห็นภาพกับ 3 ธุรกิจ
ร้านกาแฟ Specialty
[S] ประเมินขนาดตลาดร้านกาแฟ Specialty ราคาแก้วละ 90 ถึง 150 บาท ขายกลุ่มคนทำงานออฟฟิศ ในย่านสาทรและสีลม กรุงเทพ
[E] ข้อมูลที่ผมมีแล้ว = จำนวนอาคารสำนักงานในย่านนี้ประมาณ ... แห่ง ยังไม่มีตัวเลขจำนวนพนักงานรวม
แบรนด์อาหารแมวพรีเมียม
[S] ประเมินขนาดตลาดอาหารแมวเกรด Holistic ราคาถุงละ 400 บาทขึ้นไป ขายออนไลน์ทั่วประเทศ กลุ่มคนเลี้ยงแมวในเขตเมือง
[E] ข้อมูลที่ผมมีแล้ว = มูลค่าตลาดอาหารสัตว์เลี้ยงไทยรวมจากรายงาน ... ปี ... = ... บาท แต่ยังไม่มีสัดส่วนเฉพาะอาหารแมวพรีเมียม
SaaS ระบบจัดการร้านอาหาร
[S] ประเมินขนาดตลาดซอฟต์แวร์บริหารร้านอาหารสำหรับ SME ราคาแพ็กเกจ ... บาทต่อเดือน ขายทั่วประเทศ
[E] ข้อมูลที่ผมมีแล้ว = จำนวนร้านอาหารที่จดทะเบียนนิติบุคคลในไทยจาก DBD = ... ราย
ตัวอย่างผลลัพธ์ที่ AI ตอบกลับ (เคสร้านกาแฟ)
AI ไม่คายตัวเลขมูลค่าตลาดออกมาให้ครับ แต่วางโครงว่า TAM = จำนวนพนักงานออฟฟิศในย่าน คูณสัดส่วนคนดื่มกาแฟ Specialty คูณความถี่ต่อสัปดาห์ คูณราคาต่อแก้ว คูณ 52 สัปดาห์ แล้วระบุว่ายังขาดจำนวนพนักงานในย่าน (แนะให้หาจากสำนักงานสถิติแห่งชาติ) และสัดส่วนคนดื่ม (ต้องตั้งเป็นสมมติฐานพร้อมที่มา) จากนั้นถามกลับ 3 ข้อก่อนคำนวณต่อ แทนที่จะโยนตัวเลขอย่าง ตลาดย่านนี้ 500 ล้านบาท มามั่วๆ นี่คือ Criteria ห้ามเดา ให้ถามกลับ ที่ทำงานจริง
2. Prompt ประเมิน TAM SAM SOM แบบ Bottom-Up
[S] ผมมีข้อมูลหน่วยย่อยของธุรกิจผมดังนี้ [เช่น จำนวนสาขา จำนวนลูกค้าต่อวัน ราคาต่อบิล หรือจำนวนลูกค้าเป้าหมายที่เข้าถึงได้]
[P] ขอให้คุณเป็นนักวิเคราะห์ที่ช่วยประกอบตัวเลขจากล่างขึ้นบน
[I] คำนวณ TAM SAM SOM แบบ Bottom-Up จากหน่วยย่อยที่ผมให้ โดยแสดงทุกขั้นของการคูณให้เห็น และบอกสมมติฐานที่ใช้ในแต่ละขั้นแยกออกมาให้ชัด
[C] ใช้เฉพาะตัวเลขที่ผมให้เท่านั้น ถ้าต้องใช้ตัวเลขที่ผมไม่ได้ให้ ให้ถามกลับก่อน แยกให้ชัดว่าบรรทัดไหนคือข้อมูลจริงจากผม บรรทัดไหนคือสมมติฐาน
[E] ตัวอย่างสมมติฐานที่ผมพอรับได้ = [เช่น ลูกค้าซื้อซ้ำเฉลี่ยเดือนละ 2 ครั้ง]
Bottom-Up คือวิธีที่ได้ตัวเลขน่าเชื่อกว่า เพราะทุกตัวเลขอธิบายที่มาได้ Prompt นี้เลยบังคับให้ AI แยกข้อมูลจริงออกจากสมมติฐานทุกบรรทัด เวลามีคนถามว่าตัวเลขนี้มาจากไหน เราชี้ได้ทันทีว่าตรงไหนคือของจริง ตรงไหนคือที่เราตั้งไว้
ลองเห็นภาพกับ 3 ธุรกิจ
ร้านกาแฟ Specialty
[S] ร้านมี 24 ที่นั่ง หมุนโต๊ะเฉลี่ย 4 รอบต่อวัน ราคาต่อบิลเฉลี่ย 130 บาท เปิด 26 วันต่อเดือน มี 3 สาขา
[E] สมมติฐานที่ผมพอรับได้ = ยอดซื้อกลับบ้านคิดเป็นราว 30% เพิ่มจากยอดนั่งในร้าน
คลินิกความงาม
[S] มีฐานลูกค้าเดิม 800 คน มาใช้บริการเฉลี่ย 4 ครั้งต่อปี ค่าบริการเฉลี่ย 2,500 บาทต่อครั้ง ได้ลูกค้าใหม่เฉลี่ยเดือนละ 20 คน
[E] สมมติฐานที่ผมพอรับได้ = ลูกค้าใหม่ใช้จ่ายปีแรกครึ่งหนึ่งของลูกค้าเดิม
เบเกอรี่ขายออนไลน์
[S] ยอดสั่งเฉลี่ย 40 ออเดอร์ต่อวัน มูลค่าเฉลี่ย 350 บาทต่อออเดอร์ ขายผ่าน 3 แพลตฟอร์ม
[E] สมมติฐานที่ผมพอรับได้ = เดือนที่มีเทศกาลยอดเพิ่มขึ้นราว 20%
ตัวอย่างผลลัพธ์ที่ AI ตอบกลับ (เคสร้านกาแฟ)
AI คำนวณให้ทีละขั้น ยอดนั่งในร้านต่อวัน = 24 ที่นั่ง คูณ 4 รอบ คูณ 130 บาท = 12,480 บาท รวมยอดซื้อกลับอีก 30% = 16,224 บาท ต่อเดือน (26 วัน) = 421,824 บาท รวม 3 สาขาต่อปี ราว 15.19 ล้านบาท จากนั้นแยกให้เห็นว่าอะไรคือข้อมูลจริง (ที่นั่ง ราคา วันทำการ จำนวนสาขา) อะไรคือสมมติฐาน และเตือนเองว่าการตั้งหมุนโต๊ะ 4 รอบเต็มทุกที่นั่ง เท่ากับตั้งอัตราการใช้ที่นั่งไว้ 100% ซึ่งสูงเกินจริง พร้อมเสนอปรับเป็น 70% เหลือราว 10.6 ล้านบาทเป็น Base Case ทั้งที่เราไม่ได้สั่ง และย้ำว่านี่คือ SOM ส่วน TAM กับ SAM ยังคำนวณไม่ได้เพราะไม่มีข้อมูลตลาดภายนอก มันจึงไม่เดาให้
3. Prompt ไขว้ตัวเลขสองวิธีแล้วหาจุดที่ไม่ตรงกัน
[S] ผมคำนวณ TAM SAM SOM ได้สองชุดแล้ว ชุดแรกจาก Top-Down ชุดที่สองจาก Bottom-Up ดังนี้ [วางตัวเลขทั้งสองชุด]
[P] ขอให้คุณเป็นนักวิเคราะห์ที่ตรวจสอบความสอดคล้องของตัวเลข
[I] เทียบตัวเลขสองชุดนี้ทีละชั้น แล้วชี้ว่าชั้นไหนต่างกันมากผิดปกติ พร้อมวิเคราะห์ว่าความต่างนั้นน่าจะมาจากสมมติฐานตัวไหน
[C] วิเคราะห์จากตัวเลขที่ผมให้เท่านั้น ถ้าต่างกันเกิน 2 เท่าให้เตือนว่าเป็นสัญญาณอันตราย และเสนอว่าควรกลับไปตรวจสมมติฐานข้อไหนก่อน
[E] จุดที่ผมสงสัยอยู่แล้ว = [เช่น ฝั่ง Top-Down อาจตั้งส่วนแบ่งตลาดไว้สูงเกินจริง]
การคำนวณสองทางแล้วได้ตัวเลขใกล้กัน คือเครื่องยืนยันว่าสมมติฐานเราสมเหตุสมผล Prompt นี้ใช้ AI เป็นตัวจับว่าสองทางไม่ตรงกันตรงไหน ซึ่งเป็นงานที่คนทำเองมักมองข้าม เพราะเรามักเชื่อตัวเลขที่ตัวเองคำนวณไปแล้ว
ลองเห็นภาพกับ 2 ธุรกิจ
ร้านกาแฟ Specialty
[S] Top-Down ให้ SOM ปีแรก 18 ล้านบาท ส่วน Bottom-Up ให้ 6 ล้านบาท
[E] จุดที่ผมสงสัย = ฝั่ง Top-Down ตั้งไว้ว่าจะได้ส่วนแบ่ง 5% ของตลาดในย่าน ซึ่งอาจสูงเกินจริง
SaaS ระบบจัดการร้านอาหาร
[S] Top-Down ให้ SAM 400 ล้านบาท ส่วน Bottom-Up จากจำนวนร้านเป้าหมายคูณราคาแพ็กเกจได้ 120 ล้านบาท
[E] จุดที่ผมสงสัย = ฝั่ง Top-Down อาจนับรวมร้านที่ไม่มีวันใช้ซอฟต์แวร์แบบเราเข้าไปด้วย
Validate ตรวจว่าตัวเลขที่ได้เชื่อถือได้จริงไหม
ได้ตัวเลขมาแล้วยังไว้ใจไม่ได้ทันที เพราะ AI อาจอ้างแหล่งที่ไม่มีจริง หรือเราเองอาจตั้งสมมติฐานที่หลุดจากความเป็นจริงโดยไม่รู้ตัว สาม Prompt ต่อไปนี้ช่วยตรวจงานก่อนเอาไปใช้ ถ้าอยากรู้ว่าแหล่งข้อมูลจริงในไทยมีอะไรบ้าง อ่านประกอบได้ที่ วิธีหาข้อมูลขนาดตลาดในไทย
4. Prompt ตรวจสมมติฐานว่าหลุดจริงหรือเปล่า
[S] นี่คือสมมติฐานทั้งหมดที่ผมใช้ในการคำนวณ [วางสมมติฐานทุกข้อ]
[P] ขอให้คุณเป็นนักวิเคราะห์ที่ท้าทายสมมติฐานแบบตรงไปตรงมา
[I] ไล่ดูสมมติฐานทีละข้อ แล้วชี้ว่าข้อไหนมีความเสี่ยงว่าจะสูงหรือต่ำเกินจริง พร้อมบอกว่าถ้าข้อนั้นผิด จะกระทบตัวเลขสุดท้ายมากแค่ไหน
[C] จัดอันดับสมมติฐานที่เสี่ยงที่สุด 3 ข้อแรก อย่าปลอบใจผม ถ้าสมมติฐานไหนดูมองโลกในแง่ดีเกินไปให้บอกตรงๆ
[E] สมมติฐานที่ผมไม่มั่นใจอยู่แล้ว = [เช่น อัตราการซื้อซ้ำที่ตั้งไว้อาจสูงเกินจริง]
จุดที่ทำให้แผนพังบ่อยที่สุดคือสมมติฐานที่มองโลกในแง่ดีเกินไป Prompt นี้ใช้ Criteria ที่สั่งห้าม AI ปลอบใจ เพราะเราอยากให้มันชี้จุดอ่อนก่อนที่นักลงทุนจะเป็นคนชี้ให้เราอาย
ลองเห็นภาพกับ 2 ธุรกิจ
แบรนด์เครื่องดื่มสมุนไพร
[S] สมมติฐานของผม คือตลาดโต 20% ต่อปี เราได้ส่วนแบ่ง 3% ในปีแรก ราคาขายส่ง 18 บาทต่อขวด และร้านรับซื้อซ้ำทุกสัปดาห์
[E] สมมติฐานที่ผมไม่มั่นใจ = อัตราที่ร้านรับซื้อซ้ำทุกสัปดาห์ อาจตั้งไว้ถี่เกินจริง
สตูดิโอโยคะ
[S] สมมติฐานของผม คือได้สมาชิกใหม่ 30 คนต่อเดือน อัตราคงอยู่ 70% ต่อปี ค่าสมาชิก 1,900 บาทต่อเดือน
[E] สมมติฐานที่ผมไม่มั่นใจ = อัตราคงอยู่ 70% อาจสูงไปสำหรับสตูดิโอเปิดใหม่
5. Prompt ตรวจแหล่งข้อมูลว่ามีจริงหรือ AI มโน
[S] AI ให้ตัวเลขและอ้างแหล่งข้อมูลพวกนี้กับผม [วางตัวเลขและแหล่งที่อ้าง]
[P] ขอให้คุณเป็นนักตรวจสอบข้อเท็จจริงที่เข้มงวด
[I] ประเมินว่าตัวเลขแต่ละตัวและแหล่งที่อ้างมา น่าเชื่อถือแค่ไหน แหล่งไหนที่ควรระวังว่าอาจเป็นการอ้างอิงวนหรือเว็บขายรายงาน
[C] ถ้าไม่แน่ใจว่าแหล่งไหนมีจริง ให้บอกตรงๆ ว่าต้องไปตรวจสอบเอง อย่ายืนยันแหล่งที่คุณไม่มั่นใจ และแนะนำแหล่งปฐมภูมิในไทยที่ใช้ยืนยันตัวเลขนี้ได้แทน
[E] แหล่งที่ผมสงสัยเป็นพิเศษ = [เช่น ตัวเลขการเติบโตที่ไม่ระบุปีและวิธีเก็บข้อมูล]
ถ้าใช้ AI ที่ค้นเว็บได้ Prompt นี้จะยิ่งมีประโยชน์ เพราะมันช่วยไล่ดูว่าตัวเลขที่ได้มามีต้นทางจริงไหม แต่จุดสำคัญคือ Criteria ที่สั่งให้ AI ยอมรับเมื่อไม่แน่ใจ แทนที่จะยืนยันมั่วๆ เพราะ AI ที่มั่นใจผิดๆ อันตรายกว่า AI ที่บอกว่าไม่รู้
ลองเห็นภาพกับ 2 ธุรกิจ
แบรนด์ครีมกันแดด
[S] AI บอกว่าตลาดครีมกันแดดในไทยโต 12% ต่อปี โดยอ้างจากรายงานอุตสาหกรรมความงาม แต่ไม่ระบุว่าปีไหนและใครทำ
[E] แหล่งที่ผมสงสัยเป็นพิเศษ = ตัวเลข 12% ที่ไม่มีชื่อรายงานและปีกำกับ
แบรนด์อาหารสัตว์เลี้ยง
[S] AI ให้มูลค่าตลาดอาหารสัตว์เลี้ยง 40,000 ล้านบาท โดยอ้าง Statista และเว็บข่าวอีกสองเว็บ
[E] แหล่งที่ผมสงสัยเป็นพิเศษ = เว็บข่าวสองเว็บอาจอ้างตัวเลขต่อกันมาจากแหล่งเดียว
6. Prompt สร้าง Best-Base-Worst Case จากตัวเลขเดียว
[S] ผมมี SOM กรณีปกติอยู่ที่ [ตัวเลข] จากสมมติฐาน [วางสมมติฐานหลัก]
[P] ขอให้คุณเป็นนักวางแผนที่คิดเผื่อความเสี่ยง
[I] สร้างสามสถานการณ์คือ Best Case, Base Case และ Worst Case โดยปรับสมมติฐานหลักขึ้นและลงอย่างสมเหตุสมผล พร้อมบอกว่าแต่ละกรณีตั้งอยู่บนเงื่อนไขอะไร
[C] อย่าปรับตัวเลขแบบสุ่ม แต่ให้อิงจากช่วงที่เป็นไปได้จริงของสมมติฐานที่ผมให้ ระบุด้วยว่าปัจจัยอะไรจะพาเราไปสู่ Worst Case
[E] ปัจจัยเสี่ยงที่ผมกังวล = [เช่น คู่แข่งรายใหญ่ลดราคาในปีแรก]
การมีตัวเลขเดียวแล้วเอาไปเสนอ ทำให้ดูเหมือนเรามั่นใจเกินจริง Prompt นี้ช่วยแปลงตัวเลขเดียวให้เป็นสามสถานการณ์ที่คุยกับนักลงทุนได้อย่างมีวุฒิภาวะ เพราะการยอมรับว่ามี Worst Case ทำให้ทั้งแผนน่าเชื่อขึ้น ไม่ใช่ลดลง
ลองเห็นภาพกับ 2 ธุรกิจ
ร้านกาแฟ Specialty
[S] SOM กรณีปกติของผมอยู่ที่ 6 ล้านบาท จากสมมติฐานหมุนโต๊ะ 4 รอบต่อวัน
[E] ปัจจัยเสี่ยงที่ผมกังวล = มีคู่แข่งเปิดร้านใหม่ตรงข้ามภายในปีแรก
เบเกอรี่ขายออนไลน์
[S] SOM กรณีปกติของผมอยู่ที่ 5 ล้านบาท จากยอด 40 ออเดอร์ต่อวัน
[E] ปัจจัยเสี่ยงที่ผมกังวล = ค่าโฆษณาบนแพลตฟอร์มขึ้น ทำให้ต้นทุนต่อออเดอร์สูงขึ้น
Apply เปลี่ยนตัวเลขตลาดให้กลายเป็นการตัดสินใจ
ตัวเลขที่คำนวณและตรวจสอบมาอย่างดี จะไม่มีความหมายเลยถ้าจบแค่ในสไลด์ สอง Prompt สุดท้ายนี้ช่วยแปลงตัวเลขให้กลายเป็นการตัดสินใจและการสื่อสารที่เอาไปใช้ต่อได้จริง
7. Prompt เปลี่ยน SOM เป็นเป้าและงบการตลาด
[S] SOM ปีแรกของผมอยู่ที่ [ตัวเลข] และผมมีข้อมูลต้นทุนการหาลูกค้าและมูลค่าลูกค้าดังนี้ [วางข้อมูล CAC LTV ถ้ามี]
[P] ขอให้คุณเป็นที่ปรึกษาที่ช่วยแปลงตัวเลขตลาดเป็นแผนปฏิบัติ
[I] แปลง SOM นี้เป็นเป้ารายได้รายไตรมาส จำนวนลูกค้าที่ต้องได้ และงบการตลาดที่สมเหตุสมผล พร้อมบอกว่าแต่ละตัวเลขคำนวณมายังไง
[C] แผนต้องอยู่ในกรอบทรัพยากรที่ผมมี ถ้าต้องใช้ข้อมูลที่ผมยังไม่ได้ให้ เช่น Conversion Rate ให้ระบุว่าต้องไปหาตัวเลขนี้จากระบบไหนของผมก่อน
[E] ข้อจำกัดของผม = [เช่น งบการตลาดปีแรกไม่เกิน ... บาท]
SOM ที่ดีต้องแปลงเป็นเป้าที่ทีมเอาไปทำงานได้ Prompt นี้เชื่อมตัวเลขตลาดเข้ากับงบและเป้าจริง โดย Criteria บังคับให้อิงทรัพยากรที่เรามี ไม่ใช่แผนอุดมคติที่สวยแต่ทำไม่ได้
ลองเห็นภาพกับ 2 ธุรกิจ
SaaS ระบบจัดการร้านอาหาร
[S] SOM ปีแรกของผมอยู่ที่ 30 ล้านบาท ต้นทุนหาลูกค้าใหม่เฉลี่ย 4,000 บาทต่อราย และมูลค่าลูกค้าตลอดอายุการใช้งานราว 45,000 บาท
[E] ข้อจำกัดของผม = งบการตลาดปีแรกไม่เกิน 3 ล้านบาท และทีมขายมี 4 คน
คลินิกความงาม
[S] SOM ปีแรกของผมอยู่ที่ 12 ล้านบาท ต้นทุนหาลูกค้าใหม่เฉลี่ย 600 บาทต่อคน
[E] ข้อจำกัดของผม = รับลูกค้าได้สูงสุดวันละ 25 คนจากจำนวนเตียงที่มี
8. Prompt เขียนสรุปขนาดตลาดสำหรับ Pitch นักลงทุน
[S] นี่คือ TAM SAM SOM ของผมพร้อมที่มาของตัวเลขแต่ละชั้น [วางตัวเลขและแหล่งอ้างอิง]
[P] ขอให้คุณเป็นที่ปรึกษาที่เคยอ่าน Pitch Deck มาเยอะ
[I] เขียนสรุปขนาดตลาดสำหรับใส่ Pitch Deck ที่กระชับ น่าเชื่อ และเน้นที่มาของตัวเลขเป็นจุดขาย ไม่ใช่แค่ตัวเลขที่ใหญ่
[C] ห้ามใช้ตรรกะขอแค่ส่วนแบ่งเล็กๆ ของตลาดใหญ่ ให้เน้นเล่าจาก SOM ที่จับต้องได้ขึ้นไป และเขียนในโทนที่นักลงทุนเชื่อว่าเราเข้าใจตลาดจริง
[E] จุดแข็งที่ผมอยากให้เด่น = [เช่น ตัวเลขทุกตัวมาจากงบการเงินคู่แข่งจริงใน DBD]
จุดที่ทำให้ Pitch เรื่องตลาดพังคือการเปิดด้วยตัวเลขใหญ่แล้วบอกขอแค่ 1% ซึ่งนักลงทุนได้ยินมาจนเบื่อ Prompt นี้จงใจสั่งห้ามตรรกะนั้น แล้วให้เล่าจาก SOM ที่จับต้องได้ขึ้นไปแทน เพราะสิ่งที่นักลงทุนอยากเห็นไม่ใช่ตลาดที่ใหญ่โต แต่คือคนที่เข้าใจตลาดของตัวเองจริง
ลองเห็นภาพกับ 2 ธุรกิจ
แบรนด์เครื่องดื่มสมุนไพร
[S] TAM 8,000 ล้านบาทจากรายงานศูนย์วิจัยปี ... SAM 900 ล้านบาทเฉพาะช่องทาง Modern Trade และ SOM ปีแรก 45 ล้านบาทจากดีลที่คุยไว้กับเชนค้าปลีก 3 ราย
[E] จุดแข็งที่ผมอยากให้เด่น = ตัวเลข SAM มาจากการรวมรายได้คู่แข่งจริงใน DBD ไม่ใช่การประมาณ
แบรนด์อาหารสัตว์เลี้ยง
[S] TAM SAM SOM พร้อมที่มาของแต่ละชั้นตามที่แนบ SOM ปีแรกมาจากยอด Pre-order จริง
[E] จุดแข็งที่ผมอยากให้เด่น = มียอด Pre-order 500 รายก่อนเปิดตัว เป็นหลักฐานว่ามีดีมานด์จริง
Defensible สรุปวิธีใช้ 8 Prompt นี้ให้ตัวเลขตลาดน่าเชื่อ
ถ้าให้ผมรวบทั้งบทความนี้ให้เหลือคำเดียว คำนั้นคือ Defensible หรือในภาษาไทยคือ ตัวเลขที่ปกป้องตัวเองได้ เพราะ Prompt ทั้ง 8 ตัวนี้ไม่ได้ออกแบบมาเพื่อให้ AI คายตัวเลขที่ใหญ่และสวยที่สุดออกมา แต่ออกแบบมาเพื่อให้ได้ตัวเลขที่เมื่อมีคนถามว่ามาจากไหน เราตอบได้ครบทุกจุด
คนที่แค่ copy Prompt ไปวางจะได้ตัวเลขระดับหนึ่ง แต่คนที่เข้าใจว่าทำไม Criteria ทุกตัวถึงเน้นเรื่องแยกข้อเท็จจริงจากสมมติฐาน จะอ่านคำตอบของ AI ออกว่าตรงไหนน่าเชื่อ ตรงไหนมันเริ่มเดา นั่นคือความต่างที่เครื่องมือทดแทนไม่ได้ และตัวอย่างการใช้งานจริงใต้ Prompt แต่ละตัวข้างบน ก็เป็นแค่จุดตั้งต้นให้เห็นภาพ ของจริงคือคุณต้องแทนตัวเลขธุรกิจตัวเองลงไปแทนที่ค่าในวงเล็บ
ลองหยิบ Prompt ตัวแรกไปใช้กับสินค้าที่คุณกำลังคิดจะทำตั้งแต่วันนี้ แล้วดูว่า AI ขอข้อมูลอะไรกลับมาบ้าง เพราะช่องว่างที่มันขอให้เติม มักคือจุดที่คุณเองยังตอบไม่ได้ และนั่นแหละคือจุดที่คุณต้องไปหาข้อมูลจริงมาก่อนตัดสินใจครับ
