ผู้ประกอบการลองเล่าไอเดียสินค้าใหม่ให้คนรอบตัวฟัง แล้วได้รับคำตอบว่า “น่าสนใจนะ” “ถ้ามีขายน่าจะซื้อ” หรือ Survey พบว่า 70% บอกว่าสนใจ ข่าวดีคือ อย่างน้อยตลาดไม่ได้ปฏิเสธไอเดียทันที แต่สิ่งที่ยังไม่รู้คือ เมื่อสินค้ามีราคาจริง มีทางเลือกอื่น และลูกค้าต้องควักเงินจริง เขาจะซื้อหรือไม่ ช่องว่างระหว่าง “ชอบ” กับ “ซื้อ” เป็นหนึ่งในความเสี่ยงสำคัญของธุรกิจใหม่ การทำ Demand Validation จึงควรค่อย ๆ ขยับจากการถามความคิดเห็น ไปสู่การสังเกตพฤติกรรมที่มี Commitment จริงมากขึ้น

ยิ่งลูกค้าต้องลงแรง ลงเวลาหรือจ่ายเงินจริง หลักฐานของ Demand ยิ่งแข็งขึ้น
คำตอบจาก Survey ว่า “สนใจ” หรือ “มีโอกาสซื้อ” มีประโยชน์ แต่ยังเป็น Stated Intent ไม่ใช่ Actual Purchase ธุรกิจควรมอง Demand Evidence เป็นลำดับ:
1. Interest - Search, Social Engagement, Survey Interest
2. Consideration - Click, Landing Page Visit, Sign-up, Request for Information
3. Commitment - Booking, Trial, Deposit, Pre-order
4. Behavior - Actual Purchase
5. Repeat Behavior - Repeat Purchase หรือการใช้งานต่อเนื่อง
ไม่มี Signal ตัวเดียวพิสูจน์ Demand ของตลาดทั้งหมดได้ แต่หลักฐานหลายระดับที่สอดคล้องกันจะช่วยลดความเสี่ยงก่อนลงทุนจริง

Interest ไม่เท่ากับ Demand

ก่อนอื่นควรแยกสามคำนี้ออกจากกัน
Interest หมายถึงลูกค้าให้ความสนใจ เช่น คลิก อ่าน ถาม หรือบอกว่าไอเดียน่าสนใจ
Purchase Intent คือคำตอบหรือการแสดงเจตนาว่ามีโอกาสซื้อ เช่น “น่าจะซื้อ” หรือให้คะแนนความตั้งใจซื้อสูง
Actual Demand ในทางธุรกิจต้องเข้าใกล้พฤติกรรมจริงมากขึ้น เช่น ลูกค้ายอมเสียเวลา สมัคร ทดลอง จอง วางเงิน หรือซื้อ ภายใต้ราคาและเงื่อนไขที่เกิดขึ้นจริง
Purchase Intent มีประโยชน์ต่อ Research แต่ไม่ควรถูกใช้แทน Actual Purchase โดยไม่อธิบายข้อจำกัด เพราะสิ่งที่คนบอกว่าจะทำกับสิ่งที่ทำจริงอาจต่างกัน
Shopify ระบุในแนวทาง Market Demand ว่า Search หรือ Keyword Data ช่วยเห็นความสนใจของตลาด แต่ไม่ได้บอกโดยตรงว่าคนที่ค้นจะซื้อสินค้านั้นจริงหรือไม่

ให้มอง Demand เป็น “ระดับของหลักฐาน” ไม่ใช่คำตอบ Yes/No

แทนที่จะถามว่า “มี Demand หรือไม่มี?” ลองถามว่า: ตอนนี้เรามี Evidence ระดับไหน?

ระดับ 1: คนแสดงความสนใจ

ตัวอย่าง:

• Search Volume
• Google Trends
• Social Comments
• Video Views
• Survey Interest
• คนบอกว่า “น่าสนใจ”

ข้อมูลเหล่านี้ช่วยบอกว่า Topic หรือ Problem ได้รับความสนใจหรือไม่ แต่ยังไม่รู้ว่าลูกค้าจะเลือก Offer ของเรา หรือยอมจ่ายในราคาที่เราต้องการหรือไม่

ระดับ 2: ลูกค้าลงมือทำบางอย่าง

ตัวอย่าง:

• คลิกโฆษณา
• เข้า Landing Page
• สมัคร Waitlist
• ทิ้ง Email
• ขอรายละเอียด
• ขอใบเสนอราคา

ตรงนี้แข็งแรงกว่าคำตอบ Survey เพราะลูกค้าต้องทำ Action บางอย่าง อย่างไรก็ตาม คนที่ Sign-up ก็ยังไม่จำเป็นต้องซื้อ Shopify แนะนำ Landing Page, Waitlist และ “notify me” sign-up เป็นวิธีเก็บ Demand Signal ก่อนสั่ง Inventory จำนวนมาก

ระดับ 3: ลูกค้ายอมรับ Cost หรือ Commitment

ตัวอย่าง:

• นัด Demo
• ทดลองใช้
• จองเวลา
• วาง Deposit
• Pre-order
• Paid Pilot

เมื่อการตัดสินใจมี Cost, Time หรือ Commitment เพิ่ม หลักฐานจะเข้าใกล้ Demand จริงมากขึ้นShopify ระบุว่า Preorder สามารถใช้ Validate Demand ก่อนผลิตเต็มจำนวน และช่วยให้ธุรกิจเห็นความต้องการผ่าน Commitment ที่มากกว่า Waitlist อย่างเดียว

ระดับ 4: ลูกค้าซื้อจริง

Actual Purchase เป็นหลักฐานที่แข็งแรงขึ้น เพราะลูกค้ายอมแลกเงินจริงกับ Offer ภายใต้เงื่อนไขจริงแต่การขายได้ครั้งแรกก็ยังไม่ได้พิสูจน์ทุกอย่าง ยังต้องถามว่า:

• Margin ใช้ได้หรือไม่?
• ลูกค้ากลับมาซื้อหรือไม่?
• Demand เกิดจาก Discount มากเกินไปหรือไม่?
• หากเพิ่ม Volume แล้ว Economics ยังอยู่ได้หรือไม่?

ระดับ 5: ลูกค้ากลับมาซื้อหรือใช้อย่างต่อเนื่อง

สำหรับธุรกิจที่ต้องพึ่ง Repeat Purchase หรือ Retention การซื้อครั้งแรกไม่เพียงพอ ลูกค้าที่ซื้อซ้ำช่วยเพิ่มหลักฐานว่า Offer ไม่ได้ตอบเพียง Curiosity หรือ Trial เท่านั้น อย่างไรก็ตาม Repeat Purchase ก็ยังต้องตีความตาม Category เพราะสินค้าบางประเภทมี Purchase Cycle ยาวตามธรรมชาติ

ทำไม Survey ที่คนตอบว่า “สนใจ” ยังไม่พอ?

สมมติ Survey Concept ใหม่พบว่า:
70% สนใจ
60% บอกว่ามีโอกาสซื้อ
ตัวเลขนี้ช่วยบอกว่า Concept ไม่ได้ถูกปฏิเสธทันที แต่เรายังไม่รู้:

• เขาจะซื้อที่ราคาเท่าไร?
• ซื้อแทนอะไร?
• จะซื้อเมื่อไร?
• มี Budget จริงหรือไม่?
• เมื่อเห็นคู่แข่งแล้วจะยังเลือกเราหรือไม่?
• จำนวนคนที่บอกว่าสนใจจะเปลี่ยนเป็น Purchase กี่คน?

คำถามแบบ Hypothetical ยังมีปัจจัยที่ไม่ได้เกิดขึ้นจริง เช่น เงิน ความเร่งด่วน ความสะดวก และ Alternative
ดังนั้น Survey เหมาะกับการวัด Pattern, Preference, Barrier หรือ Purchase Intent แต่ Demand Validation ที่มีความเสี่ยงสูงควรเพิ่ม Behavioral Evidence เข้าไปด้วย

ถ้าอย่างนั้น Customer Interview ยังมีประโยชน์หรือไม่?

มีประโยชน์มาก แต่ใช้ตอบคนละคำถาม Interview เหมาะสำหรับทำความเข้าใจ:

• Problem เกิดขึ้นอย่างไร
• ลูกค้าแก้ปัญหาอย่างไรวันนี้
• อะไรสร้าง Friction
• Alternative ปัจจุบันคืออะไร
• Purchase Context เป็นอย่างไร
• ลูกค้าใช้ภาษาอะไรอธิบาย Problem

สิ่งที่ Interview ไม่ควรถูกคาดหวังให้ตอบเพียงลำพังคือ ขนาดของ Demand ทั้งตลาด Interview ช่วยบอก Why และ Context Experiment หรือ Transaction Data ช่วยเข้าใกล้คำถามว่า Will they act?
ทั้งสองแบบจึงเสริมกันมากกว่าทดแทนกัน

วิธีทดสอบ Demand แบบงบไม่สูง

ไม่จำเป็นต้องผลิตสินค้าเต็มจำนวนก่อนจึงจะValidate Demand ได้

1. Landing Page Test

สร้างหน้า Offer ที่ใกล้ของจริง โดยระบุ:

• Problem / Benefit
• Product หรือ Service
• ราคา หรือ Price Range หากพร้อม
• A clear Call to Action

จากนั้นนำกลุ่มเป้าหมายจริงเข้ามาที่หน้าLanding Page  สิ่งที่วัดได้ เช่น:

• Click-through Rate
• Landing Page Conversion
• Sign-up
• Request for Information
• Add to Cart

ข้อควรระวังคือ Click หรือ Sign-up ยังไม่เท่ากับ Purchase แต่ช่วยเปรียบเทียบ Message, Segment หรือ Offer ได้

2. Waitlist

Waitlist เหมาะเมื่อสินค้าไม่พร้อมขาย แต่ต้องการดูว่าคนยอมทิ้ง Contact เพื่อรอหรือไม่
เพื่อให้ข้อมูลมีความหมาย ควรรู้ว่า: มีคนเห็น Offer กี่คน, มีกี่คน Sign-up → มาจากกลุ่มไหน
การบอกว่า “มี Waitlist 500 คน” โดยไม่รู้ Exposure หรือ Acquisition Source อาจตีความมากเกินไป

3. Preorder or Deposit

หากธุรกิจสามารถรับ Pre-order อย่างโปร่งใส โดยแจ้งเงื่อนไข การส่งมอบ และ Refund ชัดเจน การจ่ายเงินจริงหรือ Deposit เป็น Evidence ที่แข็งกว่า Waitlist อย่างไรก็ตาม Pre-order ของกลุ่ม Early Adopters ขนาดเล็กยังไม่สามารถบอก Demand ของ Mass Market ทั้งหมด

4. Paid Pilot / Small Batch

ธุรกิจบริการสามารถเริ่มจาก Paid Pilot ธุรกิจสินค้าอาจผลิต Small Batch แล้วขายจริงในพื้นที่หรือ Segment จำกัด สิ่งที่ได้ไม่ใช่เพียงยอดขาย แต่ยังเห็น:

• Conversion
• Price acceptance
• Objections
• Usage
• Repeat Purchase
• Returns / Complaints
• Cost-to-serve

นี่ช่วยให้ Demand Validation เชื่อมกับ Business Economics ได้มากขึ้น

Search Volume และ Social Media ใช้ Validate Demand ได้แค่ไหน?

Search Volume ช่วยบอกว่ามีคนค้นหา Topic หรือ Keyword มากน้อยแค่ไหน และ Google Trends ช่วยดู Relative Search Interest ตามเวลาและพื้นที่ แต่:
Search Interest ≠ Sales
Social Engagement ≠ Market Demand
Viral Content ≠ Purchase Intent
คนอาจค้นเพราะต้องการข้อมูล ไม่ได้ต้องการซื้อ Social Media อาจมีฐานผู้ใช้ที่ไม่ตรงกับ Target Market และกระแสอาจเกิดเร็วแต่หายเร็ว
ข้อมูลเหล่านี้จึงเหมาะเป็น Discovery Signal และ Supporting Evidence มากกว่าเป็นหลักฐาน Demand เพียงชิ้นเดียว

อย่าดูแค่จำนวนคนตอบสนอง ต้องดู“อัตรา” ด้วย

สมมติธุรกิจ A มี Waitlist 500 คน ฟังดูดี แต่ถ้ามีคนเห็น Offer 500,000 คน: Sign-up Rate = 0.1%
ธุรกิจ B มี Waitlist เพียง 200 คน แต่มีคนเห็น Offer 2,000 คน: Sign-up Rate = 10%
จำนวน Absolute Number อย่างเดียวจึงอาจทำให้ตีความผิด ควรดู Funnel: Exposure → Click → Sign-up → Trial → Purchase → Repeat แล้วดู Conversion Rate ระหว่างแต่ละขั้น
อย่างไรก็ตาม Conversion Rate ของแต่ละธุรกิจไม่ควรถูกเทียบข้ามกันโดยไม่ดู Category, Traffic Source, Price และ Offer

Demand ที่ดีต้องสอดคล้องกับ Price ที่ธุรกิจขายได้ด้วย

มีอีกความเข้าใจผิดหนึ่งคือ: “ถ้ามีคนอยากได้เยอะ แปลว่ามี Demand” ยังไม่ครบ ถ้าลูกค้าอยากซื้อในราคา 199 บาท แต่ Business Economics ต้องขาย 499 บาทจึงอยู่ได้ Demand ที่พบอาจไม่ใช่ Demand สำหรับ Offer ที่สามารถทำธุรกิจได้จริง ดังนั้น Demand Validation ควรทดสอบพร้อมกับ:

• Price
• Value Proposition
• Package / Size
• Payment Conditions
• Alternatives
• Margin

คำถามที่แท้จริงไม่ใช่: “มีคนอยากได้สินค้านี้ไหม?” แต่คือ: “มีกลุ่มลูกค้ามากพอที่เลือก Offer นี้ ภายใต้ราคาและเงื่อนไขที่ธุรกิจอยู่ได้หรือไม่?”

ตัวอย่าง: คน 80% บอกว่าสนใจ แต่ Demand อาจยังไม่ชัด

สมมติธุรกิจทดสอบบริการใหม่:
Survey: 80% บอกว่าสนใจ
Landing Page: 12% Sign-up
Trial: 4% เริ่มทดลอง
Paid Conversion: 1.5% ซื้อ
Repeat Purchase หลัง 60 วัน: ยังไม่มีข้อมูล
เราพูดได้ว่า:
FACT: มี Interest สูงใน Survey และมีบางส่วนเปลี่ยนเป็น Paid Purchase แต่ยังไม่ควรพูดว่า:
“ตลาดต้องการสินค้านี้มาก” เพราะยังต้องรู้:

• Sample มาจากไหน?
• Traffic เป็น Target Customer จริงหรือไม่?
• 1.5% Conversion ดีพอสำหรับ Economics หรือไม่?
• Customer Acquisition Cost เท่าไร?
• ลูกค้ากลับมาซื้อหรือไม่?
• Market Size ที่ Reach ได้จริงเท่าไร?

Demand Validation ที่ดีควรกำหนดเกณฑ์ก่อนเห็นผล

ก่อน Test ให้เขียน:
Hypothesis - เราเชื่อว่า Customer Segment X มี Problem Y และจะเลือก Offer Z ที่ราคา P
Test - เราจะให้กลุ่มเป้าหมายเห็น Landing Page และเปิด Pre-order
Metric - Pre-order Conversion, CAC และ Gross Margin
Decision Rule - ถ้าผ่านเกณฑ์ → Go
ถ้ามี Interest แต่ Paid Conversion ต่ำ → Revise Offer / Price
ถ้าแทบไม่มี Response → ตรวจ Problem / Segment ก่อนลงทุนต่อ
การกำหนด Decision Rule ก่อนเห็นผลช่วยลดโอกาสที่ทีมจะตีความทุกผลลัพธ์ให้เข้ากับสิ่งที่อยากเชื่อ
Strategyzer ก็เน้นแนวคิดการเขียน Assumption, Test, Metric และ Criteria ก่อนทำ Customer Experiment เพื่อให้การทดสอบนำไปสู่การตัดสินใจได้ชัดขึ้น

7 คำถามก่อนบอกว่า“มี Demand”

ก่อนลงทุนเพิ่ม ลองตอบให้ได้:

1. ใครคือ Target Customer ที่แสดง Demand?
2. Evidence ที่มีเป็น Interest, Intent หรือ Actual Behavior?
3. ลูกค้าต้องมี Commitment มากแค่ไหนในการ Test นี้?
4. มี Price จริงอยู่ในการทดสอบหรือยัง?
5. Conversion ที่ได้เพียงพอกับ Business Economics หรือไม่?
6. Demand เกิดเฉพาะ Promotion / Early Adopter หรือมีแนวโน้มกว้างกว่านั้น?
7. Evidence อะไรยังขาดก่อนตัดสินใจลงทุนขั้นต่อไป?

ยิ่งตอบได้ชัด คำว่า Demand ก็ยิ่งมีความหมายมากกว่าความรู้สึกว่า “คนดูสนใจดี”

สรุป: อย่าถามแค่ว่าคนชอบไหมให้ดูว่าเขายอมทำอะไรเพื่อได้มัน คำชม การกด Like Search

Volume และ Purchase Intent ล้วนมีประโยชน์ แต่ไม่ควรถูกใช้แทน Actual Demand โดยตรง Demand Validation ที่ดีควรค่อย ๆ เพิ่มระดับของ Commitment: สนใจ → ลงมือ → ยอมเสียเวลา → ยอมวางเงิน → ซื้อ → กลับมาซื้อ ไม่จำเป็นต้องกระโดดไปผลิตเต็ม Scale เพื่อหาคำตอบเริ่มด้วย Experiment ที่เล็กพอให้เสียเงินไม่มาก แต่จริงพอให้ Customer ต้องเลือก เพราะคำถามที่มีประโยชน์ที่สุดไม่ใช่: “คนบอกว่าอยากได้หรือไม่?” แต่คือ: “เมื่อมีราคา มีทางเลือก และต้องตัดสินใจจริง ลูกค้าทำอะไร?” นั่นคือจุดที่ Demand เริ่มเปลี่ยนจากความคิดเห็น มาเป็น Evidence ที่ใช้ตัดสินใจทางธุรกิจได้มากขึ้น