Anucha Pimprasan

Data Analyst · ธุรกิจโรงแรมและการตลาดออนไลน์

ผมทำงานกับข้อมูลของรีสอร์ทพูลวิลล่าที่เขาใหญ่ ตั้งแต่โฆษณา Google และ Facebook, SEO, ราคาคู่แข่งบน OTA ไปจนถึงข้อมูลการจองและกล้องในครัว ผมไม่ได้แค่ทำรายงาน แต่สร้างระบบดึงข้อมูลอัตโนมัติขึ้นมาเอง ทำความสะอาดข้อมูล แล้วสรุปเป็นสิ่งที่ทีมเอาไปตัดสินใจได้

อีเมล Anucha.pm6012@gmail.com โทร 095-959-3372 ปัจจุบัน MarTech · THE X10 Private Pool Villa, เขาใหญ่

วิธีทำงาน

  1. ตั้งคำถามเริ่มจากปัญหาธุรกิจ เช่น ทำไมงบโฆษณาไม่ถูกใช้
  2. ดึงข้อมูลAPI, ระบบหลังบ้าน OTA, Sheets, กล้อง
  3. ทำความสะอาดแยกแถวที่ผิด รวมรูปแบบวันที่ไทย ตรวจค่าหาย
  4. วิเคราะห์ใช้ค่ามัธยฐาน เทียบช่วงเวลา เทียบคู่แข่ง
  5. นำเสนอและทำให้อัตโนมัติDashboard, สไลด์, รายงานเข้า Slack ทุกสัปดาห์

ทักษะและเครื่องมือ

วิเคราะห์และนำเสนอ

Google SheetsExcel (openpyxl) Dashboard HTMLChart.js KPI frameworkสไลด์สรุปผู้บริหาร

ดึงและจัดการข้อมูล

PythonJavaScript / TypeScript Google Apps ScriptPlaywright (scraping) cron / systemdChrome Extension

แหล่งข้อมูลการตลาด

Google AdsMeta Ads API Ahrefs APIGoogle Trends Agoda · Booking · Expedia · Traveloka · Trip YOLO / OpenCV

ผลงาน

ทุกตัวเลขในหน้านี้มาจากไฟล์งานจริง ข้อมูลลูกค้าแสดงเป็นยอดรวมเท่านั้น

Revenue · OTA

OTA Analyzer: เทียบยอดขายกับคู่แข่งบน 5 OTA

คำถาม
ลูกค้าที่ค้นหาเราแล้วไม่จอง ไปจองที่ไหน และช่วงไหนความต้องการสูง
ข้อมูล
ระบบหลังบ้านของ Agoda, Booking.com, Expedia, Traveloka และ Trip.com
เครื่องมือ
Chrome Extension ดึงข้อมูล, Google Apps Script, Chart.js
  • สร้าง Chrome Extension ดึงรายงานจากหลังบ้านทั้ง 5 OTA มารวมในที่เดียว ไม่ต้อง export ทีละเว็บ
  • Dashboard ความต้องการรายวัน อันดับเทียบคู่แข่ง และ room nights กับรายได้สุทธิเทียบกลุ่มคู่แข่ง
  • วิเคราะห์การจองที่เสียไป: 10 ที่พักอันดับแรกที่ลูกค้าเลือกแทนเรา
  • แยกรายได้ตามประเภทห้องและ rate plan พร้อมคำแนะนำอัตโนมัติ

ผลลัพธ์ทีมขายเห็นภาพรวมทุกช่องทางในหน้าเดียว และมีงานอัปเดตข้อมูลทุกสัปดาห์

ตัวอย่างงานจริง · กดที่ภาพเพื่อขยาย

สรุปโปรโมชั่นทั้ง 4 OTA ในหน้าเดียว: โปรใหม่ 31, ยังไม่ได้เข้าร่วม 74, ใกล้หมดอายุ 10
ข้อแนะนำอัตโนมัติ เรียงจากเรื่องที่ควรทำก่อน รวมถึงเตือนส่วนลดที่ต่างกันข้าม OTA (rate parity)
Marketing · Paid search

ตรวจบัญชี Google Ads: ทำไมงบแทบไม่ถูกใช้

คำถาม
ทำไมบัญชีแทบไม่ใช้งบ และควรจัดโครงสร้างแคมเปญใหม่อย่างไร
ข้อมูล
Google Ads 30 วัน (25 มิ.ย.–24 ก.ค.) เทียบกับยอดสะสมทั้งบัญชี
เครื่องมือ
Google Ads, Node.js + pptxgenjs สร้างสไลด์
  • ใช้งบจริง ฿155 จากเพดานราว ฿15,000 หรือประมาณ 1%
  • จาก 4 แคมเปญ มีวิ่งอยู่แค่ 1 อีก 2 แคมเปญโฆษณาไม่ผ่านเพราะลิงก์ปลายทางเสีย
  • อัตราแปลง 81% (44 จาก 54 คลิก) สูงผิดปกติ ชี้ว่าระบบนับ conversion ผิด ตัวเลขนี้จึงเชื่อไม่ได้
  • CTR 3.56% และ CPC ฿2.88 ไม่ใช่ปัญหา ปัญหาอยู่ที่โครงสร้างบัญชี

ผลลัพธ์สไลด์ 2 ชุด (8 และ 17 หน้า) พร้อมแผน 30 วัน โครงสร้างใหม่ 4 แคมเปญ (Brand / Pool villa / สัมมนา / PMax) และกรอบ KPI สำหรับติดตาม

ตัวอย่างงานจริง · สไลด์จากชุดรายงาน 17 หน้า

บทสรุปผู้บริหาร: 4 ข้อค้นพบหลัก
ตัวเลข 30 วันเทียบกับยอดสะสมทั้งบัญชี
งบที่ตั้งไว้เทียบกับที่ใช้จริง
แผนดำเนินการ 30 วัน
โครงสร้างแคมเปญที่แนะนำ
Marketing · SEO

SEO Dashboard: หาสาเหตุที่ traffic หายไป

คำถาม
ทำไม organic traffic ของเว็บรีสอร์ทลดจากหลักร้อยเหลือเกือบศูนย์
ข้อมูล
Ahrefs API: backlink, keyword, rank tracker, site audit
เครื่องมือ
Dashboard HTML + กราฟ SVG, Google Sheet
  • Traffic ลดจาก 962/เดือน (ธ.ค. 2024) เหลือ 41/เดือน
  • โดเมนที่ลิงก์เข้ามา 725 แห่ง ประมาณ 84% เป็นลิงก์อันตราย และพบ anchor text สแปมใน 340+ โดเมน ชี้ว่าเว็บเคยถูกเจาะ
  • ติดตาม 19 คีย์เวิร์ด ติดอันดับแค่ 2 ยังมีคนค้นราว 82,400 ครั้ง/เดือน ที่เรายังไม่ได้
สิ่งที่แก้ก่อนหลัง
Site Health Score54%83%
หน้าที่มี error407109
Title ซ้ำ1850
รูปเสีย1870

ผลลัพธ์รายการ disavow ลิงก์สแปม รายการลิงก์ดีที่ต้องเก็บไว้ และแผนแก้ไขเรียงตามลำดับความสำคัญ

ตัวอย่างงานจริง · กดที่ภาพเพื่อขยาย

ตัวชี้วัดหลักและกราฟ traffic ย้อนหลัง 31 เดือน ไฮไลต์ช่วงที่ traffic หายเป็นศูนย์
Rank tracker 19 คีย์เวิร์ด และผล site audit แยกตามความรุนแรง
Marketing · Social

Facebook: โพสต์แบบไหนเข้าถึงคนได้ดีที่สุด

คำถาม
ควรลงโพสต์ประเภทไหนมากขึ้น เมื่อดูจาก reach และ engagement
ข้อมูล
291 snapshot จาก 13 รอบรายงาน (10–27 ก.ค. 2026) รวม 117 โพสต์
เครื่องมือ
Python (csv, statistics) ทำความสะอาดและสรุปผล

Reach มัธยฐานต่อโพสต์ แยกตามประเภท

ข้อความ
3,578ER 1.76%
Reels
2,319ER 1.64%
หลายรูป
2,066ER 0.42%
รูปเดี่ยว
1,962ER 0.54%
ใช้ค่ามัธยฐานแทนค่าเฉลี่ย เพราะโพสต์ที่ยิงแอดโพสต์เดียวได้ reach 132,218 จะดึงค่าเฉลี่ยจนเพี้ยน
  • คัดแถวผิดออก 36 แถว และพบว่าแถวที่ไม่ระบุประเภทโพสต์มี 34 แถว ส่วนงานดึงข้อมูลตามรอบขาดไป 5 วัน
  • 19 จาก 117 โพสต์ (16%) มีคอมเมนต์มากกว่าไลก์ ส่วนใหญ่เป็นโพสต์แจกของช่วงฟุตบอลโลก จึงควรแยกออกเมื่อวัด engagement ปกติ

ผลลัพธ์โพสต์ข้อความและ Reels เข้าถึงคนได้มากกว่าโพสต์รูปราว 1.1–1.8 เท่า และมี ER สูงกว่า 3–4 เท่า ใช้เป็นแนวทางวางแผนคอนเทนต์

Revenue · Market

ติดตามราคาคู่แข่งและความต้องการตลาดทุกสัปดาห์

คำถาม
คู่แข่งในเขาใหญ่ตั้งราคาเท่าไหร่ และคนยังค้นหาที่พักในเขาใหญ่มากแค่ไหน
ข้อมูล
ราคาบน Booking.com, ปริมาณค้นหาจาก Ahrefs, ดัชนี Google Trends
เครื่องมือ
Python, Playwright, QuickChart, Slack, systemd timer
  • เก็บราคา 19 รีสอร์ทคู่แข่ง × 14 คืนล่วงหน้า = 266 ช่องต่อสัปดาห์ รอบเก็บวันที่ 16 ส.ค. (คืนวันที่ 19 ส.ค.–18 ก.ย.) ได้ราคาครบ 250 ช่อง อีก 16 ช่องห้องเต็ม และไม่ถูกบล็อกเลย
  • รายงานความต้องการ 10 จังหวัดท่องเที่ยว: คำค้นเขาใหญ่ 1,000 ครั้ง/เดือน ลดลง 23% จาก 1,300 และ Google Trends ลดลง 12% เทียบสัปดาห์ก่อน
  • ปรับค่า Google Trends ด้วยคีย์เวิร์ดอ้างอิง เพื่อให้เทียบข้ามพื้นที่ได้

ผลลัพธ์รายงานพร้อมกราฟส่งเข้า Slack ทุกสัปดาห์ ใช้ประกอบการตั้งราคาได้โดยไม่ต้องเปิดเว็บดูทีละที่

ตัวอย่างงานจริง · กดที่ภาพเพื่อขยาย

ภาพที่ส่งเข้า Slack: ราคาห้องถูกสุดต่อคืนของคู่แข่ง 19 แห่ง จำนวนหลังที่ยังว่าง และ % เปลี่ยนแปลงจากสัปดาห์ก่อน (แสดงเฉพาะที่ขยับ ≥15%)
Operations · Data quality

ข้อมูลการจองและการตรวจคุณภาพข้อมูล

คำถาม
สถานะการจองและการชำระเงินเป็นอย่างไร และข้อมูลที่พนักงานกรอกเชื่อถือได้แค่ไหน
ข้อมูล
ระบบจอง 315 รายการ × 30 คอลัมน์ และแอปนับอุปกรณ์ครัว 94 แถว
เครื่องมือ
Google Apps Script, Google Sheets, Excel
  • สร้างสคริปต์นำข้อมูลการจองเข้า Google Sheet แบบจัดรูปแบบพร้อมใช้ อนุมัติแล้ว 266 รายการ (84%) รอตรวจ 41
  • จ่ายเต็ม 257 รายการ (82%) จ่ายมัดจำ 58 และการจองสำหรับ 2 คนมี 166 รายการ (53%)
  • ตรวจข้อมูลนับอุปกรณ์ครัว: ทั้ง 94 แถวผ่านหมด แต่กรอกย้อนหลังเป็นชุด และช่องผู้ตรวจว่างทุกแถว ข้อมูลจึงยืนยันไม่ได้ว่าใครเป็นคนนับ

ผลลัพธ์เสนอให้บังคับกรอกชื่อผู้ตรวจและบันทึกเวลาจริง เพื่อให้ข้อมูลใช้ตรวจสอบย้อนหลังได้

Operations · Computer vision

นับคนจากกล้องวงจรปิดด้วย AI และทำ heatmap

คำถาม
ช่วงเตรียมอาหารมีพนักงานอยู่ประจำจุดครบตามที่กำหนดหรือไม่
ข้อมูล
ภาพสดจากกล้องวงจรปิด (RTSP) หลายตัว
เครื่องมือ
YOLO11, OpenCV, NumPy, Slack, Google Drive
  • นับคนในพื้นที่ที่วาดกำหนดเอง เช่น หน้าครัวต้องมีอย่างน้อย 5 คน ในครัวอย่างน้อย 3 คน
  • ตรวจเฉพาะกะ 03:00–07:00 และ 17:00–21:00 ถ้าคนไม่ครบจะแจ้งเตือนเข้า Slack
  • สร้าง heatmap ทุก 30 นาที เพื่อดูว่าคนรวมตัวที่จุดไหน และเก็บ log รายวันส่งออกเป็น CSV ได้

ผลลัพธ์หัวหน้าครัวรู้ทันทีเมื่อพนักงานไม่ครบ และมีข้อมูลย้อนหลังไว้ใช้วางกะพนักงาน

ตัวอย่างงานจริง · เบลอใบหน้าพนักงานแล้ว

ภาพจากระบบจริง: เส้นสีม่วงคือโซนที่กำหนด มุมซ้ายบนแสดงจำนวนลูกค้าและพนักงานที่นับได้ และเวลาที่ส่งแจ้งเตือนเข้า Slack

ลองดูข้อมูลเอง

เลือกชุดข้อมูล วิธีจัดกลุ่ม และค่าที่อยากดูได้เอง ข้อมูลทั้งหมดผ่านการทำความสะอาดแล้ว และตัดชื่อ เบอร์โทร และอีเมลลูกค้าออก

เรียงลำดับ
แสดงเป็น
มุมมองแนะนำ

ข้อมูลจากงานจริงที่ THE X10 Private Pool Villa, เขาใหญ่ ช่วงปี 2026 · ตัวเลขลูกค้าแสดงเป็นยอดรวม ไม่มีข้อมูลส่วนบุคคล