ธุรกิจเห็นลูกค้าคนเดิมกลับมาซื้อ 5 ครั้งภายใน 3 เดือน อาจดูเหมือนเป็นสัญญาณของ Customer Loyalty ที่ดี
แต่ถ้าทั้ง 5 ครั้งเกิดขึ้นในวันที่มี Coupon หรือ Member Discount ความหมายอาจต่างออกไป
Repeat Purchase เป็นพฤติกรรมที่สังเกตได้ ส่วน Loyalty เป็นแนวคิดที่กว้างกว่า และอาจเกี่ยวข้องกับความชอบ ความผูกพัน ความเคยชิน หรือการเลือกแบรนด์ต่อเนื่องแม้ไม่มี Incentive
งานวิจัยด้าน Marketing ชี้มานานว่า Repeat Purchase ไม่ได้มีสาเหตุแบบเดียว งานของ Liu-Thompkins และ Tam แยก Repeat Purchase ที่เกิดจาก Attitudinal Loyalty ออกจากพฤติกรรมที่เกิดจาก Habit และ Contextual Cues ขณะที่งานด้าน Price Promotion พบว่า Promotion Buyers จำนวนมากอาจเป็นคนที่ซื้อแบรนด์นั้นอยู่แล้ว หรือเป็นกลุ่มที่มี Purchase Probability ต่างจากลูกค้าปกติ ทำให้การอ่านยอดซื้อซ้ำหลัง Promotion ต้องระวังเรื่อง Selection Effect ด้วย

ลูกค้ากลับมาเหมือนกัน แต่เหตุผลเบื้องหลังอาจต่างกันมาก
ลูกค้าสองคนสามารถมี Repeat Purchase เท่ากัน แต่คนหนึ่งซื้อเพราะชอบและเลือกแบรนด์นี้ต่อเนื่อง ขณะที่อีกคนซื้อเฉพาะตอนมี Discount
ดังนั้นอย่าดูเพียงจำนวนครั้งที่ซื้อซ้ำ ให้ตรวจอย่างน้อยว่า:
1. ซื้อเมื่อไม่มี Promotion หรือไม่
2. Purchase Frequency เปลี่ยนอย่างไรในช่วง Promotion และหลัง Promotion
3. Average Basket และ Margin เปลี่ยนอย่างไร
4. ลูกค้ากลับมาหลังส่วนลดหมดหรือไม่
5. กลุ่มที่ได้รับ Offer มีพฤติกรรมต่างจากกลุ่มที่ไม่ได้รับ Offer แค่ไหน
6. ลูกค้ารายนี้ซื้อบ่อยอยู่แล้วก่อนเข้า Loyalty Program หรือไม่
คำถามสำคัญไม่ใช่เพียง “ลูกค้ากลับมาซื้อหรือไม่?” แต่คือ “ถ้าไม่มี Promotion เขาจะยังกลับมาซื้อหรือไม่?”

ก่อนอื่น ต้องแยก Repeat Purchase ออกจาก Loyalty

Repeat Purchase หมายถึงลูกค้ากลับมาซื้ออีก
แต่เหตุผลอาจเป็น:

• ชอบแบรนด์จริง
• Product ตอบ Need ได้ดี
• ซื้อจนเป็น Habit
• อยู่ใกล้หรือสะดวกกว่า
• ไม่มี Alternative ที่ดีกว่า
• มี Switching Cost
• ได้ Points
• ได้ Coupon
• รอซื้อเฉพาะตอนลดราคา

ดังนั้น:
Repeat Purchase = สิ่งที่ลูกค้าทำ
Loyalty = หนึ่งใน Possible Drivers ของสิ่งที่ลูกค้าทำ
Promotion = อีกหนึ่ง Possible Driver
นี่คือเหตุผลที่การดู Repeat Rate เพียงตัวเดียวไม่สามารถบอกได้ว่าลูกค้า “รักแบรนด์” หรือ “รักส่วนลด”
งานวิจัยใน Journal of Marketing เสนอว่าพฤติกรรมซื้อซ้ำสามารถเกิดจากทั้ง Attitudinal Loyalty และ Habit ซึ่งตอกย้ำว่า Repeat Behavior อย่างเดียวไม่เพียงพอที่จะอธิบายแรงจูงใจทั้งหมด

Promotion สามารถเพิ่ม Repeat Purchase ได้จริง แต่ไม่ได้แปลว่าสร้าง Loyalty เสมอไป

Promotion มีประโยชน์หลายแบบ
มันอาจ:

• กระตุ้นให้ลูกค้ากลับมาเร็วขึ้น
• เพิ่ม Basket Size
• ดึงลูกค้าที่หายไปให้กลับมา
• ช่วยให้ลูกค้าทดลองสินค้าใหม่
• เพิ่ม Engagement กับ Loyalty Program

McKinsey รายงานว่า Targeted Promotions สามารถใช้กับ Customer Lifecycle หลายช่วง เช่น Acquisition, Retention, Repeat Purchase และ Churn Prevention และในบางกรณีบริษัทที่ใช้ Targeted Offers สามารถสร้าง Incremental Sales และ Margin Improvement ได้
แต่ผลของ Promotion ไม่ได้เหมือนกันในลูกค้าทุกคน
ลูกค้าบางคนต้องมีส่วนลดจึงซื้อ
บางคนจะซื้ออยู่แล้ว ต่อให้ไม่มี Promotion
บางคนได้รับ Promotion แล้วซื้อเร็วขึ้น แต่ไม่ได้ซื้อเพิ่มในระยะยาว
บางคนอาจซื้อเพิ่มและยังกลับมาซื้อหลัง Promotion หมด
นี่คือเหตุผลที่ต้องดู Incrementality ไม่ใช่เพียง Redemption

คำถามสำคัญที่สุดคือ “ถ้าไม่มี Promotion ลูกค้าจะซื้ออยู่แล้วหรือไม่?”

สมมติส่ง Coupon 100 บาทให้ลูกค้า 1,000 คน
มี 200 คนใช้ Coupon และซื้อสินค้า
ธุรกิจอาจสรุปว่า: “Coupon สร้าง 200 Orders”
แต่ใน 200 คนนี้ อาจมี 150 คนที่ตั้งใจจะซื้ออยู่แล้ว
ถ้าเป็นเช่นนั้น Coupon อาจสร้าง Incremental Orders จริงเพียงบางส่วน และส่วนที่เหลือคือการให้ Discount กับ Purchases ที่น่าจะเกิดอยู่แล้ว
ดังนั้น: Promotion Redemption ≠ Incremental Purchase
Incremental Purchase คือ Purchase ที่เกิดเพิ่มขึ้นเพราะ Promotion และมีโอกาสไม่เกิดขึ้นหากไม่มี Promotion
นี่คือ Counterfactual Question: “หากไม่ส่ง Offer ลูกค้ากลุ่มนี้จะซื้อเท่าไร?”

วิธีที่ง่ายที่สุด: ดูพฤติกรรมก่อน ระหว่าง และหลัง Promotion

แม้ SME ยังทำ Experiment เต็มรูปแบบไม่ได้ ก็เริ่มจาก Transaction Data ได้
สำหรับลูกค้าแต่ละกลุ่ม ลองดู 3 ช่วง:
Before Promotion

• Purchase Frequency
• Average Basket
• Days Between Purchases
• Full-price Purchase Rate

During Promotion

• Redemption
• Orders
• Basket Size
• Discount Cost

After Promotion

• Purchase Frequency
• Days to Next Purchase
• Full-price Purchase
• Retention

ถ้าลูกค้าซื้อเพิ่มเฉพาะช่วง Promotion แล้วกลับลงสู่ระดับเดิมทันทีหลังจบ Campaign ผลที่เห็นอาจสะท้อน Promotion Response มากกว่า Loyalty Growth
แต่ถ้าลูกค้าหลัง Promotion กลับมาซื้อโดยไม่ต้องพึ่ง Offer และรักษา Frequency ที่สูงขึ้นต่อเนื่อง นั่นเป็น Evidence ที่น่าสนใจกว่าว่า Relationship อาจแข็งแรงขึ้น
อย่างไรก็ตาม Before-After Comparison เพียงอย่างเดียวยังพิสูจน์ Causation ไม่ได้ เพราะ Seasonality, Product Launch, Competitor Activity และปัจจัยอื่นอาจเกิดพร้อมกัน

ดู Full-price Purchase เพื่อหา Promotion Dependency

Metric หนึ่งที่มีประโยชน์มากคือ:
Full-price Purchase Rate
ถามว่า: “ในจำนวน Purchases ทั้งหมดของลูกค้ากลุ่มนี้ มีกี่ครั้งที่เกิดโดยไม่มี Discount หรือ Reward?”
ลองเปรียบเทียบ:
Customer A
ซื้อ 8 ครั้ง
Full-price 7 ครั้ง
Promotion Purchase 1 ครั้ง

Customer B
ซื้อ 8 ครั้ง
Full-price 1 ครั้ง
Promotion Purchase 7 ครั้ง
ทั้งสองคนมี Repeat Purchase เท่ากัน
แต่ Relationship กับ Price Incentive ต่างกันชัดเจน
Customer B อาจมี Promotion Dependency สูงกว่า
ตรงนี้ยังไม่ควรสรุปว่า Customer A “Loyal” และ Customer B “ไม่ Loyal” เพราะ Motivation ไม่สามารถอ่านจาก Transaction Data อย่างเดียวได้
แต่เป็น Segment ที่ควรแยกวิเคราะห์

อย่าตีความ Member Spend สูงกว่า Non-member ว่า Loyalty Program เป็น Cause

สมมติพบว่า:
Members ซื้อเฉลี่ย 6 ครั้งต่อปี
Non-members ซื้อเฉลี่ย 3 ครั้งต่อปี
ดูเหมือน Loyalty Program ทำให้ Frequency เพิ่มเป็นสองเท่า
แต่มี Alternative Explanation: ลูกค้าที่ซื้อบ่อยอยู่แล้ว อาจมีแนวโน้มสมัคร Member มากกว่าคนอื่น
นี่เรียกว่า Selection Effect
ดังนั้นสิ่งที่เห็นอาจเป็น: Frequent Buyer → Join Program
ไม่ใช่ทั้งหมดว่า: Join Program → Become Frequent Buyer
McKinsey ระบุว่าการทำ Loyalty และ Pricing ให้สร้าง Value ต้องอาศัยการวิเคราะห์ Incrementality รวมถึงการดู Customer Behavior อย่างละเอียด ไม่ใช่ใช้ Member Status เป็นหลักฐานของผลลัพธ์โดยตรง

Promotion Buyer ไม่ได้แปลว่าเป็น “Deal Seeker” ทั้งหมด

อีกข้อผิดพลาดหนึ่งคือเห็นคนใช้ Coupon แล้วสรุปว่า: “คนกลุ่มนี้ไม่มี Loyalty สนใจแต่ราคา”
งานวิจัยที่ศึกษาการซื้อ Promotion ใน 18 Consumer Goods Categories ใน UK และ USA พบว่าโดยเฉลี่ย 77% ของ Promotion Buyers เคยซื้อแบรนด์นั้นอย่างน้อยหนึ่งครั้งในห้า Category Purchases ก่อนหน้า ซึ่งใกล้กับ 81% ในกลุ่ม Normal-price Buyers
ความหมายคือ Promotion Buyers จำนวนมากอาจเป็น Existing Brand Buyers อยู่แล้ว
Promotion จึงสามารถทำงานร่วมกับ Loyalty ได้
คำถามไม่ควรเป็น: Loyalty หรือ Promotion อย่างใดอย่างหนึ่ง? เสมอไป
ในหลายกรณีคำตอบอาจเป็น: ลูกค้ามี Brand Preference อยู่แล้ว และ Promotion ช่วยเร่ง Timing หรือเพิ่ม Basket

Purchase Timing สำคัญ เพราะ Promotion อาจแค่ดึงยอดจากอนาคตมาไว้วันนี้

สมมติลูกค้าปกติซื้อทุก 30 วัน
วันที่ 20 ได้ Coupon และรีบซื้อทันที
ยอดเดือนนี้เพิ่มขึ้น
แต่การซื้อครั้งถัดไปเลื่อนจากวันที่ 30 ไปเป็นวันที่ 50
ผลรวม 60 วันอาจแทบไม่เปลี่ยน
ตรงนี้ Promotion สร้าง: Purchase Acceleration
มากกว่า: Incremental Demand
ดังนั้นควรดู: Days Between Purchases
ไม่ใช่เพียง Orders During Promotion
การวิเคราะห์ Promotion ที่ดีจึงต้องดูช่วงหลัง Campaign ด้วย เพื่อแยกว่า Sales ถูกเพิ่มจริงหรือเพียงย้าย Timing

ดู Frequency และ Basket พร้อมกัน

Promotion สามารถเปลี่ยนพฤติกรรมหลายแบบ
แบบที่ 1 ซื้อบ่อยขึ้น แต่ Basket เท่าเดิม
แบบที่ 2 Frequency เท่าเดิม แต่ Basket ใหญ่ขึ้น
แบบที่ 3 ซื้อเร็วขึ้น แต่ยอดรวมระยะยาวไม่เพิ่ม
แบบที่ 4 ซื้อเพิ่มเฉพาะสินค้าที่ลดราคา
แบบที่ 5 ซื้อ Category อื่นเพิ่มด้วย
ถ้าต้องการประเมิน Loyalty Program หรือ Promotion Effect ควรดูอย่างน้อย:

• Purchase Frequency
• Average Order Value / Basket Size
• Full-price Purchase
• Repeat Interval
• Category Breadth
• Gross Margin

เพราะ Revenue เพิ่มไม่ได้แปลว่า Economics ดีขึ้นเสมอ

Margin ต้องถูกนับด้วย ไม่เช่นนั้น “ลูกค้ากลับมา” อาจสร้างยอดขายแต่ไม่สร้าง Value

สมมติ Promotion ทำให้ Sales เพิ่ม 15%
ดูเหมือนดี
แต่ Discount Cost เพิ่ม 20%
Gross Margin ลด
และหลัง Promotion ลูกค้ากลับไปซื้อเท่าเดิม
ถ้าเป็นแบบนี้ Campaign อาจสร้าง Revenue แต่ไม่ได้สร้าง Incremental Profit
McKinsey เตือนว่าการใช้ Loyalty, Pricing และ Promotion แยกกันโดยไม่มีการวัด Incrementality สามารถนำไปสู่ Nonincremental Promotions และการใช้ Margin อย่างไม่มีประสิทธิภาพ
ดังนั้น KPI ที่ควรเพิ่มคือ: Incremental Margin
ไม่ใช่เพียง: Promotion Revenue

Promotion สามารถมีผลต่างกันมากตาม Customer Segment

ไม่ควรส่ง Coupon แบบเดียวให้ทุกคนแล้วดู Average Response
ลองแยก:

Loyal / Frequent Buyers

คนที่ซื้ออยู่แล้วบ่อยมาก
Promotion อาจเพิ่ม Basket แต่ก็เสี่ยง Subsidize Purchase ที่จะเกิดอยู่แล้ว

Occasional Buyers

ซื้อเป็นครั้งคราว
Promotion อาจเพิ่ม Frequency หรือ Shorten Purchase Cycle

Lapsed Customers

เคยซื้อ แต่หายไปนาน
Offer อาจช่วย Reactivation และควรดูว่ากลับมาซื้อต่อหลัง Offer หรือไม่

Deal-sensitive Customers

ตอบสนองต่อ Promotion สูง แต่ Full-price Purchase ต่ำ
ต้องดู Margin และ Promotion Dependency

New Customers

Promotion อาจช่วย Trial
แต่คำถามสำคัญคือ Purchase ครั้งที่ 2 และ 3 เกิดโดยไม่ต้องให้ส่วนลดต่อหรือไม่
McKinsey แนะนำให้ใช้ Promotion Propensity และ Customer Lifecycle Stage ในการออกแบบ Targeted Promotion แทนการแจก Offer แบบเดียวกับทุกคน

ถ้าต้องการ Evidence ที่แข็งแรงขึ้น ใช้ Holdout Group

วิธีที่ตรงที่สุดในการถามว่า Promotion สร้าง Incremental Effect หรือไม่ คือสร้างกลุ่มเปรียบเทียบ
ตัวอย่าง:
Eligible Customers = 2,000 คน
Randomly แบ่งเป็น:
Test Group = 1,000 คน ได้ Coupon
Holdout Group = 1,000 คน ไม่ได้ Coupon
หลัง 30 วัน:
Test Purchase Rate = 32%
Holdout Purchase Rate = 27%
Observed Lift = 5 Percentage Points
ถ้า Randomization และ Execution ทำได้เหมาะสม ผลต่างนี้เข้าใกล้ Incremental Effect ของ Promotion มากกว่าการดู Test Group เพียงกลุ่มเดียว
จากนั้นควรดูต่อ:

• Incremental Revenue
• Incremental Margin
• Post-promotion Retention
• Repeat Purchase หลัง Offer หมด
• ผลต่อ Segment ต่าง ๆ

งานวิจัยล่าสุดปี 2026 ที่ใช้ Randomized Coupon Assignment กับลูกค้า Supermarket เกือบ 130,000 รายก็ใช้หลักการเชิง Causal นี้เพื่อศึกษาผลของ Coupon ต่อ Churn และ Customer Lifetime Value และพบว่าผลของ Promotion แตกต่างตามระดับ Engagement ของลูกค้าเดิม

อย่าดูแค่ Purchase หลัง Promotion ครั้งเดียว ให้ดู “พฤติกรรมที่คงอยู่”

ถ้าเป้าหมายคือ Loyalty สิ่งที่สำคัญไม่ใช่เพียง: Customer redeemed Offer
แต่คือ: หลังจากนั้นเกิดอะไรขึ้น?
เช่น:
Month 0 ได้รับ Coupon
Month 1 ซื้อด้วย Coupon
Month 2 ซื้อ Full-price
Month 3 ซื้อ Full-price อีกครั้ง
Month 4 ยัง Active

Pattern นี้มีความหมายต่างจาก:
Month 0 ได้รับ Coupon
Month 1 ซื้อด้วย Coupon
Month 2–4 ไม่ซื้อ
Promotion ครั้งแรกสร้าง Transaction เหมือนกัน
แต่ Long-term Behavior ต่างกัน
งาน Experiment ขนาดใหญ่ใน Loyalty Program ของเครือโรงแรม ซึ่งติดตามสมาชิกทั้งก่อน ระหว่าง และหลัง Intervention แสดงให้เห็นความสำคัญของการดูผลต่อเนื่องหลัง Program Event แทนที่จะวัดเพียง Immediate Response

Survey ช่วยตอบสิ่งที่ Transaction Data มองไม่เห็น

Transaction Data บอก:
ลูกค้าซื้ออะไร
ซื้อเมื่อไร
ซื้อบ่อยแค่ไหน
ใช้ Promotion หรือไม่
แต่ไม่สามารถบอก Motivation ได้ครบ
Survey หรือ Interview สามารถช่วยถาม:

• เหตุผลหลักที่กลับมาซื้อคืออะไร?
• ถ้าไม่มีส่วนลด ยังจะเลือกแบรนด์นี้หรือไม่?
• มี Alternative อะไรที่พิจารณา?
• อะไรทำให้เลือกแบรนด์นี้มากกว่าคู่แข่ง?
• Price มีน้ำหนักแค่ไหนในการเลือก?
• ถ้า Price เพิ่มขึ้นเล็กน้อย จะยังพิจารณาหรือไม่?

แต่คำตอบเหล่านี้เป็น Stated Attitude หรือ Stated Intent
จึงควรอ่านร่วมกับ Actual Behavior
แนวทางที่ดีกว่าคือ: Behavior Data + Customer Feedback
ไม่ใช่เลือกอย่างใดอย่างหนึ่ง

Loyalty ไม่จำเป็นต้องหมายถึง “ไม่สนใจราคา”

ลูกค้าที่ Loyal ยังสามารถตอบสนองต่อ Promotion ได้
จริง ๆ แล้ว Loyalty Program จำนวนมากออกแบบ Incentives เพื่อเพิ่ม Engagement, Frequency หรือ Basket Size
McKinsey รายงานว่า Loyalty Programs ที่ทำงานได้ดีสามารถเพิ่ม Revenue จากลูกค้าที่ Redeem Points ผ่าน Purchase Frequency หรือ Basket Size ที่สูงขึ้น แต่ก็ระบุด้วยว่า Program จำนวนมากไม่สร้าง Value ตามที่คาด
ดังนั้นการใช้ Promotion ไม่ได้ลบ Loyalty ออกไป
ประเด็นคือ: Promotion กำลังเพิ่มพฤติกรรมจาก Baseline เดิมหรือไม่?
หรือ ธุรกิจกำลังจ่าย Discount ให้กับพฤติกรรมที่มีอยู่แล้ว?

ตัวอย่าง: ลูกค้าสองกลุ่มซื้อซ้ำเพิ่ม 20% เหมือนกัน แต่ความหมายต่างกัน

สมมติหลัง Campaign:
Segment A
Repeat Purchase +20%
Full-price Purchase +18%
Purchase Interval สั้นลง
Retention หลัง 90 วันเพิ่ม
‍

Segment B
Repeat Purchase +20%
Coupon Redemption สูงมาก
Full-price Purchase ไม่เปลี่ยน
หลังหยุด Coupon Repeat Purchase กลับลงเดิม
ทั้งสอง Segment มี Repeat Purchase +20%
แต่ Evidence ชี้คนละเรื่อง
Segment A: มีสัญญาณว่าความสัมพันธ์หรือพฤติกรรมระยะยาวอาจดีขึ้น
Segment B: มีสัญญาณว่า Promotion เป็นตัวกระตุ้นหลัก
ยังไม่ควรเรียก A ว่า “Loyalty caused the increase” โดยไม่มี Evidence เพิ่ม แต่เป็นกลุ่มที่มี Loyalty Signal แข็งแรงกว่า B

Dashboard เล็ก ๆ สำหรับ SME ควรดูอะไร?

ถ้ามี Transaction Data ขั้นพื้นฐาน สามารถเริ่มจาก Metrics เหล่านี้:

• Repeat Purchase Rate
• Purchase Frequency
• Days Between Purchases
• Full-price Purchase Rate
• Promotion Redemption Rate
• Average Order Value
• Gross Margin per Customer
• Retention หลัง Promotion
• Reactivation Rate
• Promotion Dependency

ถ้าทำ Experiment ได้ ให้เพิ่ม:

• Incremental Purchase Rate
• Incremental Revenue
• Incremental Margin

Dashboard นี้ไม่จำเป็นต้องซับซ้อน
สิ่งสำคัญคือสามารถแยก: “ลูกค้าซื้อ”
ออกจาก: “ลูกค้าซื้อเพิ่มเพราะ Intervention”

8 คำถามก่อนสรุปว่าลูกค้า “Loyal”

1. ลูกค้าซื้อเมื่อไม่มี Promotion ด้วยหรือไม่?
2. Purchase Frequency สูงอยู่แล้วก่อนเข้า Program หรือไม่?
3. หลัง Promotion หมด ลูกค้ายังกลับมาหรือไม่?
4. Full-price Purchase เพิ่มขึ้นหรือไม่?
5. Purchase Interval เปลี่ยนอย่างไร?
6. Retention ดีขึ้น หรือเพียง Orders ช่วง Campaign เพิ่ม?
7. กลุ่มที่ได้ Promotion ต่างจาก Holdout Group แค่ไหน?
8. หลังหัก Discount และ Cost แล้ว Incremental Margin เป็นบวกหรือไม่?

ถ้ายังตอบคำถามเหล่านี้ไม่ได้ คำที่ปลอดภัยกว่าคือ: “Repeat Purchase เพิ่มขึ้น” แทน: “Customer Loyalty เพิ่มขึ้น”

สรุป: อย่าถามเพียงว่าลูกค้ากลับมาหรือไม่ ให้ถามว่า “เขาจะกลับมาถ้าไม่มีส่วนลดหรือไม่?”

Repeat Purchase เป็นสัญญาณที่มีประโยชน์
แต่ไม่ใช่หลักฐานของ Loyalty ด้วยตัวมันเอง
ลูกค้าอาจกลับมาจาก Brand Preference, Habit, Convenience หรือ Promotion และหลายปัจจัยอาจทำงานร่วมกัน
สำหรับ SME วิธีเริ่มต้นคือดู: Before Promotion → During Promotion → After Promotion
แล้วติดตาม:
Full-price Purchase
Purchase Frequency
Retention
Margin
และ Promotion Dependency
ถ้าต้องการตอบเรื่อง Causality ให้แข็งแรงขึ้น ค่อยเพิ่ม Holdout หรือ Experiment เพื่อประมาณ Incremental Effect
คำถามสุดท้ายจึงไม่ใช่: “ลูกค้ากลับมาซื้อหรือเปล่า?”
แต่คือ: “ถ้าเราไม่ให้ Promotion ลูกค้าคนนี้จะยังซื้ออยู่หรือไม่ และถ้าเขากลับมา สิ่งที่ทำให้เขาเลือกเราคืออะไร?”
เมื่อแยกคำถามสองส่วนนี้ได้ ธุรกิจจะเห็นชัดขึ้นว่าเงินที่ใช้กับ Promotion กำลังสร้าง Customer Value ใหม่ หรือเพียงลดราคาการซื้อที่มีโอกาสเกิดอยู่แล้ว