AI Answer: Performance Max สำหรับร้านอาหารไทย คือสูตร Google Ads ที่ใช้ AI หาลูกค้าจาก YouTube + Maps + Search + Discover ในแคมเปญเดียว DayLite เคสร้านชาบูทองหล่อ งบ ฿35K/เดือน ทำ ROAS จาก 2.4x เป็น 5.8x ใน 45 วัน โดยแยก Asset Group ตาม Daypart (Lunch/Dinner/Late Night) และใช้ Customer List 8,000 ราย
ร้านอาหารไทยที่ยิง Google Ads ส่วนใหญ่ติดที่ Search Ads อย่างเดียว — แต่ Performance Max (PMax) ดึง Inventory ครบทุกที่ของ Google: YouTube, Display, Discover, Gmail, Maps, Search ในแคมเปญเดียว เคสจริง DayLite: ลูกค้าร้านชาบูในกรุงเทพ ยิง Search Ads ROAS 2.4x — เปลี่ยนเป็น PMax ROAS ขึ้นเป็น 5.8x ภายใน 45 วัน บทความนี้สรุปสูตร PMax สำหรับร้านอาหารไทยโดยเฉพาะ
ทำไมร้านอาหารไทยควรลอง Performance Max
คนหาร้านอาหารไทยใช้ Google ใน 4 จังหวะ: ค้นหา (Search), ดูรีวิว (YouTube), Browse Map (Maps), เห็นรูปกระตุ้น (Discover/Display) — Performance Max (PMax) ครอบคลุมทั้ง 4 จุดในแคมเปญเดียว ระบบ Machine Learning ของ Google เลือกให้เองว่าจังหวะไหนคุ้มสุด
เปรียบเทียบ Search Ads vs PMax สำหรับร้านอาหาร:
- Search Ads — เจอเฉพาะคนที่ Search อยู่แล้ว = Demand จำกัด
- Performance Max — เจอคนกำลัง Browse YouTube/Maps/Discover ด้วย = Demand กว้างกว่า 5–10 เท่า
- ROAS: PMax สูงกว่าเฉลี่ย 30–50% สำหรับร้านอาหาร (DayLite Internal Data)
สูตร PMax 4 ขั้นตอน — DayLite Framework
Step 1 — ตั้ง Conversion Goal ที่ถูก
ร้านอาหารส่วนใหญ่ตั้ง Conversion Goal ผิด — เลือก Page View หรือ Click Phone แต่ Performance Max ต้องการ Conversion ที่มีค่า (Value-based) เพื่อ Optimize ROAS
- ดี: Reservation Submitted (Value: ฿1,500), Online Order Completed (Value: ยอดจริง), Phone Call >60 วินาที (Value: ฿800)
- ไม่ดี: Page View, Scroll, Time on Site — ไม่มี Value Signal
- ใช้ Enhanced Conversions (เปิดใน Google Tag Manager) เพิ่ม Conversion Match Rate 15–25%
Step 2 — Asset Group แยกตาม Daypart
ร้านอาหารมี 3 Daypart ที่ Behavior ต่างกันชัด: Lunch (11:00-14:00), Dinner (17:00-21:00), Late Night (21:00+) — สร้าง Asset Group แยก 3 ชุด:
- Lunch Asset Group — Headlines เน้นความเร็ว (“เซ็ตกลางวัน 199”) + รูปอาหารกลางวัน + CTA “สั่งเลย”
- Dinner Asset Group — Headlines เน้นบรรยากาศ (“ดินเนอร์โรแมนติก”) + รูปบรรยากาศ + CTA “จองโต๊ะ”
- Late Night Asset Group — Headlines เน้น Delivery (“เปิดถึงตี 2”) + รูป Packaging Delivery + CTA “สั่งออนไลน์”
แต่ละ Asset Group ต้องการ 15 Headlines + 5 Descriptions + 15 รูป + 5 Logo + 5 Video (15-30 วินาที) เป็น Baseline ขั้นต่ำให้ Algorithm ทำงานได้ดี
Step 3 — Audience Signal เฉพาะร้านอาหาร
Audience Signal ไม่ใช่ Targeting — เป็น Hint ให้ Algorithm รู้ว่าควรเริ่มหาคนแบบไหน สำหรับร้านอาหารไทย ใส่ Signal 3 ชั้น:
- Customer List — Upload เบอร์โทร/อีเมลลูกค้าเก่า (Hashed) → ระบบเรียนรู้ Demographic จริง
- Custom Segment — Keyword ที่คนค้นใน Google: “ร้านชาบูสยาม” “บุฟเฟ่ต์ทองหล่อ” “ของหวานสยาม”
- In-Market — เลือก “Restaurants” + “Food Delivery Services” + “Travel/Vacation”
Step 4 — Geo + Schedule Tuning
ร้านอาหารต้องเล็ง รัศมี 5–10 กม. รอบร้าน — ไม่ใช่ทั่วกรุงเทพ คนกินข้าวกลางวันไม่ขับ 30 กม. มากิน
- ใช้ Radius Targeting จากที่ตั้งร้าน 5–10 กม. (ปรับตามประเภทอาหาร — Fine Dining ขยายได้ถึง 15 กม.)
- Day Parting — ลดงบ 50% ช่วง 14:00-17:00 (ระหว่างมื้อ — Demand ต่ำ)
- เพิ่มงบ 30% ช่วง 11:00-13:00 และ 18:00-20:00 (Peak)
Asset 5 ชุดที่ห้ามขาด
- Hero Shot รูปอาหาร — Top-down 4-5 จาน + จานเด่นกลาง — ถ่ายแสงธรรมชาติ ห้าม Filter หนัก
- Bowl/Plate Close-up — เน้นเนื้อสัมผัส (Steam ลอย, น้ำซุปไหล, ชีสยืด)
- บรรยากาศร้าน — มีคนนั่ง (มี Social Proof) ไม่ใช่ร้านว่าง
- เชฟ/Story — เชฟทำอาหาร, ตำส้มตำ, ไฟผัด — สร้าง Authenticity
- Customer Reaction — คนกำลังกิน + ยิ้ม + รูปกลุ่มเพื่อน
Video 15-30 วินาที: เปิดด้วย Hero Shot 3 วินาที → Process Cooking 10 วินาที → Customer Reaction 5 วินาที → CTA + ที่ตั้ง 5 วินาที
เคสจริง — ร้านชาบูในทองหล่อ
ลูกค้า DayLite — ร้านชาบู Premium ในทองหล่อ งบ ฿35,000/เดือน เคยยิง Search Ads ROAS 2.4x
เปลี่ยนเป็น PMax ตามสูตรด้านบน — แยก 2 Asset Groups (Lunch + Dinner), Customer List 8,000 รายการ, Radius 8 กม., Conversion Goal = Reservation Value:
- Day 14: ROAS 1.8x (Learning Phase)
- Day 30: ROAS 3.6x
- Day 45: ROAS 5.8x (+142%)
- Cost Per Reservation (CPR) ลด 47% (฿285 → ฿151)
กับดักที่เจอบ่อย
- Asset น้อย — < 5 รูป/Group → Algorithm ไม่มี Material พอ Test
- ไม่มี Video — Performance Max เน้น YouTube — ขาด Video หาย Inventory 40%+
- Conversion Goal เป็น Page View — Optimize ผิดทาง ระบบส่งคนเข้าเว็บแต่ไม่จอง
- Radius กว้างเกิน — > 20 กม. = เสียเงินกับคนที่ไม่มากิน
- ไม่ Refresh Asset 30 วัน — Ad Fatigue → CTR ตก 30%+
สรุป สิ่งที่นักการตลาดควรทำ
- เริ่มด้วย Conversion Goal ที่มี Value (Reservation, Order) ไม่ใช่ Page View
- แยก Asset Group ตาม Daypart (Lunch / Dinner / Late Night)
- ใส่ Audience Signal 3 ชั้น: Customer List + Custom Segment + In-Market
- Radius 5-10 กม. รอบร้าน + Day Parting ตาม Peak
- Asset ขั้นต่ำ: 15 Headlines + 15 รูป + 5 Video ต่อ Group
- Refresh Asset ทุก 30 วัน เพื่อหลีกเลี่ยง Ad Fatigue
(บทความที่เกี่ยวข้อง: Smart Bidding 60 วัน · Headline 15 บรรทัด Template · Power Pack 2026)
