ทุกแผนกของคุณถูกหมด แล้วทำไมสต็อกยังล้น: บทเรียนจาก Estée Lauder ถึงธุรกิจเครื่องสำอาง

Estée Lauder ปิดปีงบประมาณ 2023 ด้วยยอดขายที่หายไปประมาณ 10% จาก 17.74 พันล้านดอลลาร์ เหลือ 15.91 พันล้านดอลลาร์ และกำไรสุทธิที่หายไปเกินครึ่ง จาก 2.39 พันล้านดอลลาร์ เหลือ 1.01 พันล้านดอลลาร์ [1] สาเหตุที่บริษัทระบุเองไม่ใช่แบรนด์อ่อน ไม่ใช่สินค้าไม่ดี แต่คือของค้างในช่องทาง travel retail เอเชีย ที่ร้านค้าต้องรัดสต็อกลง

ปีงบประมาณ 2024 ยอดขายรวมยังลดต่อ และบริษัทระบุว่าธุรกิจ Asia travel retail ได้รับผลกระทบจากการปรับระดับสต็อกของบริษัทและผู้ค้าปลีก รวมถึงอัตราเปลี่ยนผู้สนใจเป็นผู้ซื้อที่ลดลง [2] ในงบฐานะการเงินรวม รายการสินค้าคงเหลือและสินค้าเพื่อส่งเสริมการขายลดจาก 2,979 ล้านดอลลาร์ ณ 30 มิถุนายน 2023 เหลือ 2,175 ล้านดอลลาร์ ณ 30 มิถุนายน 2024 ลดลง 804 ล้านดอลลาร์ หรือประมาณ 27% [2] ตัวเลขส่วนต่างนี้คำนวณจากงบ ไม่ใช่เงินสดที่บริษัทได้รับคืน และไม่ใช่สต็อกเฉพาะช่องทางเอเชีย

พูดง่ายๆ คือบริษัทเครื่องสำอางที่ใหญ่ที่สุดรายหนึ่งของโลก เจ็บสองปีติดจากคำถามเดียว: ควรส่งของเข้าช่องทางเท่าไหร่ กรณีนี้เป็น travel retail พรีเมียม จึงควรใช้เป็นบทเรียนประกอบ ไม่ใช่ตัวแทนตลาดเครื่องสำอางไทยทั้งหมด

ผมเล่าเรื่องนี้ก่อน เพราะวันนี้อยากคุยเรื่องธุรกิจที่เรียกว่า Fast-Moving Consumer Goods หรือ FMCG

FMCG คืออะไร และทำไมผมถึงสนใจ

FMCG คือการขายสินค้าอุปโภคบริโภคที่หมุนเร็ว ราคาต่อชิ้นต่ำ ซื้อซ้ำบ่อย ช่องทางขายจะเป็นออฟไลน์ ออนไลน์ หรือทั้งคู่ก็ได้ เช่น บะหมี่กึ่งสำเร็จรูป ขนมขบเคี้ยว เครื่องดื่ม ของใช้ในบ้าน

แต่วันนี้ผมขอโฟกัสที่ธุรกิจเครื่องสำอาง เพราะผมมองเห็นจุดที่เจ้าของแบรนด์หรือผู้บริหารอาจตัดสินใจพลาดได้ง่าย และเป็นจุดเดียวกับที่ผมเองก็เคยพลาด

ผมทำ Belly Thailand ธุรกิจขายเต็นท์ให้รีสอร์ท เคยเจอปัญหาลักษณะเดียวกับ Estée Lauder เพียงแต่เต็นท์ของผมเก็บไว้ในสภาพพร้อมขายได้นานกว่าหนึ่งปี ของค้างของผมจึงยังมีเวลาให้แก้ตัว แต่ถ้าคุณขายเครื่องสำอาง มุมมองในการตัดสินใจต้องฉับไวกว่า จะผลิตเท่าไหร่ จะเร่งโปรโมชั่นให้หมดก่อนหมดอายุ หรือก่อนหมดเทรนด์ โดยเฉพาะสินค้าที่มีตัวเลือกสี เพราะถ้าพลาดครั้งเดียว โอกาสทำกำไรหายเร็ว ผลิตน้อยเกินก็เสียยอด รีบลดราคาก่อนเวลาที่สมควรก็เสียกำไร มองโลกในแง่ดีเกินไปก็อาจสต็อกล้นจนกลายเป็น Dead Stock

เรื่องนี้ไม่ใช่ปัญหาของบริษัทใหญ่อย่างเดียว IHL Group ประเมินปัญหา inventory distortion ของค้าปลีกทั่วโลกในปี 2026 ไว้ประมาณ 1.7 ล้านล้านดอลลาร์ต่อปี หรือราว 6.2% ของยอดขายค้าปลีกทั่วโลก [3] ตัวเลขนี้รวมต้นทุนจากของขาดและของเกินตามนิยามของ IHL ไม่ใช่มูลค่าสินค้าคงเหลือในงบดุล และไม่ใช่อัตราที่นำไปคูณกับยอดขายของบริษัทใดได้ทันที คิดง่ายๆ คือทุก 100 ที่ขายได้ มีส่วนหนึ่งรั่วไปกับการเดาสต็อกผิด

เครื่องสำอางหลายประเภทอยู่ในกลุ่มซื้อซ้ำ แต่ไม่ได้แปลว่าทุกแบรนด์ ทุกสี และทุกช่องทางจะหมุนเร็วเท่ากัน สินค้าบางตัวขายดีตอนมีโปรโมชั่น บางตัวขึ้นกับฤดูกาลหรือกระแส อายุเก็บก็ต้องดูเป็นรายสินค้า เพราะขึ้นกับประเภท การใช้ และการเก็บรักษา [4]

ลงลึกมุม Business Analytics

ผมขอลงลึกในมุม Business Analytics สักหน่อยครับ ถ้าอ่านรอบแรกแล้วยังไม่ชัด ไม่เป็นไร ผมเคยเป็นแบบนั้นเหมือนกัน แต่สมการที่จะเห็นมีแค่สองบรรทัด

ข้อสังเกตของผมสำหรับธุรกิจเครื่องสำอางคือ ธุรกิจนี้มักเป็นทั้งผู้ผลิตและผู้ขาย และมีหลายแบรนด์ ซึ่งสอดคล้องกับ Business Play ที่ชื่อ Calculated Ambition เพราะยิ่งสายยาว (วัตถุดิบ แล้วผลิต แล้วคลัง แล้วช่องทาง จนถึงเงินสด) และยิ่งมีหลายแบรนด์ ยิ่งมีที่ให้การตัดสินใจต้นสายไปสร้างปัญหาปลายสายโดยไม่มีใครเห็น

Calculated Ambition พร้อมภาพต้นฉบับ PL และคะแนนตัวอย่าง 70 / 60 / 65 คะแนนเหล่านี้เป็นตัวอย่างตามกฎ V2 แยกจากแบบจำลองสต็อกด้านล่าง

Business Play นี้จัดการสต็อกแบบ E2E (End-to-End Inventory Management) คือมองตั้งแต่สั่งผลิตจนถึงเงินสดที่กลับมาเป็นสายเดียว

ธุรกิจส่วนใหญ่ดูสต็อกเป็นท่อนๆ จัดซื้อดูว่าสั่งเท่าไหร่ คลังดูว่ามีเท่าไหร่ ฝ่ายขายดูว่าขายได้เท่าไหร่ การเงินดูว่าเงินจมเท่าไหร่ แต่ละคนถูกในมุมตัวเอง แต่ไม่มีใครเห็นว่าการตัดสินใจต้นสายไปสร้างปัญหาปลายสาย

Eliyahu M. Goldratt เขียนไว้ใน The Goal ตั้งแต่ปี 1984 ว่าโรงงานที่ทุกแผนกมีประสิทธิภาพสูงสุด ไม่ใช่โรงงานที่ทำกำไรสูงสุด [5] สี่สิบปีผ่านไปเรื่องนี้ยังจริง แค่ย้ายจากพื้นโรงงานมาอยู่ในตารางสต็อก

เมื่อสี่แผนกมองคนละมุม

แผนก	ตัวเลขที่เขาดู	สิ่งที่เขาอยากได้
จัดซื้อ/ผลิต	Q = สั่งหรือผลิตกี่ชิ้น	สั่งเผื่อไว้ ไม่ให้ของขาด ลดต้นทุนต่อครั้ง
คลัง	I = ของค้างในคลังกี่ชิ้น	ของค้างน้อยๆ
ฝ่ายขาย	S = ขายออกได้กี่ชิ้น	ขายให้ได้มากที่สุด
การเงิน	C = เงินสดเหลือเท่าไหร่	เงินสดเหลือเยอะๆ

สมการที่ตัดตัวแปรอื่นออกก่อนเพื่อความเข้าใจง่าย

จำนวนสินค้าค้างสต็อก (I) ≈ ของเดิมที่ขายไม่ออก + สินค้าผลิตใหม่ (Q) − สินค้าขายออก (S)

เงินสด (C) ≈ เงินเดิม + (ขายออก × ราคาขาย) − (ผลิตใหม่ × ต้นทุน)

อ่านจากซ้ายไปขวา: สั่งมากแล้วของค้างมาก ต้องลดราคาดันให้ขายออก แล้วเงินสดหด สี่แผนกดึงกันคนละทาง แต่ตัวเลขทั้งสี่ผูกกัน จะดีพร้อมกันทั้งหมดไม่ได้ และคนที่รู้ตัวคนสุดท้ายมักเป็นการเงิน

ในทางปฏิบัติ สต็อกควรรอของที่รับเข้าแล้ว: สินค้าปลายงวด = สินค้าต้นงวด + สินค้ารับเข้าจริง − สินค้าขายออก − สินค้าตัดออก ส่วนเงินสดควรมองเงินรับและจ่ายจริง ไม่ใช่แค่กำไรบนกระดาษ [6] สิ่งที่ผมอยากเห็นเพิ่มจากเงินปลายเดือนคือ ระหว่างเดือนเงินเคยลงไปต่ำแค่ไหน เพราะมีเงินพอวันสุดท้ายไม่ได้ช่วยจ่ายบิลที่ครบกำหนดก่อนหน้านั้น

Calculated Ambition มองทั้งสี่ตัวเป็นโจทย์เดียว: เลือก Q ให้กำไรสูงสุด โดยที่เงินสดต้องไม่ต่ำกว่าเส้นที่ตั้งไว้ ตัวที่ต้องตัดสินใจมีตัวเดียวคือ Q ที่เหลือตามมาเอง ครึ่งซ้ายคือโอกาส ครึ่งขวาคือความเสี่ยง นี่คือความหมายของคำว่า Calculated Ambition ทะเยอทะยานเท่าที่คำนวณแล้วว่ารับได้

จากสี่แผนกสู่โจทย์เดียว: เลือก Q โดยมองกำไรและเงินสดร่วมกัน

ใส่ตัวเลขแล้วจะเห็นภาพชัดขึ้น

ลองใช้ตัวอย่างสมมติหนึ่งรายการ ระยะ 30 วัน ตัวเลขทั้งหมดตั้งขึ้นเพื่ออธิบายวิธีคิด ไม่ใช่ข้อมูลของ Estée Lauder, Belly Thailand, หรือลูกค้ารายใด

สมมติ: สินค้าต้นงวด 200 ชิ้น (ชำระแล้ว ต้นทุนชิ้นละ 100 บาท) · ราคาขาย 250 บาท · ต้นทุนรับเข้าใหม่ 100 บาท · เงินสดต้นงวด 200,000 บาท · ภาระเงินสดอื่นก่อนเริ่มขาย 20,000 บาท · เงินสดขั้นต่ำที่ต้องรักษา 80,000 บาท · ความต้องการฐาน 1,200 ชิ้น · เปรียบเทียบ Q = 600 / 1,000 / 1,400 ชิ้น

ภายใต้สมมติฐานที่จ่ายค่าของใหม่ทั้งก้อนวันแรก รับของก่อนขาย และรับเงินทันทีที่ขายได้ ในสถานการณ์ฐานจะเห็นประมาณนี้:

จำนวนสั่งเพิ่ม Q	ขายได้ใน 30 วัน	สต็อกปลายงวด	กำไรขั้นต้น*	เงินสดต่ำสุด	ผ่านเกณฑ์ 80,000 บาท?
600	800	0	120,000	120,000	ผ่าน
1,000	1,200	0	180,000	80,000	ผ่าน (พอดีเกณฑ์)
1,400	1,200	400	180,000	40,000	ไม่ผ่าน

*กำไรขั้นต้นในตัวอย่าง = จำนวนขาย × (ราคา − ต้นทุนต่อชิ้น) ยังไม่หักค่าใช้จ่ายดำเนินงาน ดอกเบี้ย และภาษี

การสั่ง 1,400 ชิ้นทำให้มีของมากขึ้น แต่ในสถานการณ์ฐานขายได้เท่ากับสั่ง 1,000 ชิ้น แล้วยังเหลือสินค้า 400 ชิ้น ขณะที่เงินสดลงไปต่ำกว่าเกณฑ์ก่อนเริ่มขาย ถ้าดูเฉพาะเงินปลายงวด เราจะมองไม่เห็นช่วงที่เงินสดต่ำกว่าเส้น

ภายใต้สมมติฐานนี้ แผน 1,000 ชิ้นให้กำไรขั้นต้นสูงที่สุดในกลุ่มที่ผ่านเกณฑ์เงินสด แต่การเหลือเงินพอดีเกณฑ์หมายความว่าไม่มีส่วนเผื่อ หากมีรายจ่ายเพิ่มหรือรับเงินช้ากว่าแผน ก็ต้องคำนวณใหม่ และถ้าขายได้น้อยหรือมากกว่าที่คิด แผนเดียวกันจะเหลือของหรือขาดของต่างกัน นี่คือสิ่งที่ผมอยากให้การวิเคราะห์ช่วยเปิดก่อนตัดสินใจ: เราได้อะไร เสี่ยงอะไร และต้องมีเงื่อนไขอะไรถึงจะทำตามแผนได้

ตัวอย่าง A · THB · รับเงินทันทีเมื่อขาย · สั่ง 1,000 ชิ้นให้กำไรขั้นต้นสูงที่สุดในสามทางเลือกที่ผ่านเกณฑ์เงินสด เป็นข้อมูลสมมติ

มองปัญหาเพื่อหาทางแก้ด้วย Business Play

ไม่ใช่ว่าธุรกิจขาด Data แต่บางทีปัญหามาจากการไม่ได้เอา Data มาวิเคราะห์ให้เป็นกระบวนการ และไม่ได้จัดลำดับความสำคัญอย่างเป็นกลยุทธ์ เช่น เครื่องสำอางบางชนิดถ้าพ้นช่วงนี้ไปแล้วจะขายได้ยากมากจนกลายเป็น Dead Stock สินค้ากลุ่มนี้จึงต้องมีของค้างน้อยๆ แต่ถ้าไม่มีใครวิเคราะห์ว่ากลุ่มไหนคือกลุ่มนี้ ทุกกลุ่มก็ถูกสั่งเผื่อเท่ากันหมด

ข้อมูลจากแหล่งเดียวตอบคำถามไม่ได้ครับ ถามว่าควรผลิตเท่าไหร่ ถ้าดูแค่ยอดขาย ก็เท่ากับดูแค่ช่องเดียวจากหลายช่อง ย่อมมีโอกาสตัดสินใจพลาดมากกว่าการมองทั้งสาย

ตัวอย่างข้างต้นแสดงวิธีคิดสำหรับการเติมสินค้าหนึ่งรายการ ยังไม่ได้เป็นคะแนน Opportunity Score หรือ Financial Readiness Score (FRS) ของทั้งบริษัท และการมีหลายแบรนด์ก็ไม่ได้บอกโดยตัวมันเองว่าควรอยู่ใน Business Play แบบใด เมื่อเป็นหลายแบรนด์ หลายช่องทาง ค่อยขยายคำถาม เช่น เงินก้อนเดียวกันควรเติมแบรนด์ไหน หรือโปรโมชั่นที่เพิ่มยอดทำให้ต้องใช้เงินทุนหมุนเวียนเพิ่มเท่าไร

ผมลองกับเงินตัวเองก่อน

Business Play นี้ไม่ใช่แค่ทฤษฎี ผมรันมันกับ Belly Thailand ธุรกิจของผมเองตั้งแต่กรกฎาคม 2025 ผลที่ได้คือสต็อกลดลง 24% Dead Stock ลดลง 45% และรอบหมุนสต็อกเพิ่มจาก 4 เป็น 7 รอบต่อปี ตัวเลขเหล่านี้เป็นของธุรกิจผม ไม่ใช่สิ่งที่คุณควรคาดหวังกับธุรกิจของคุณ แต่มันตอบคำถามเดียวที่ผมอยากรู้ก่อนจะเอาไปเสนอใคร: มันทำงานจริงไหม

หน้าจอข้างล่างคือหน้าตาของ Play ตัวนี้เมื่อรันบน Streamlit ในบัญชี Snowflake ของบริษัทเอง (ตัวเลขในภาพเป็นตัวอย่างสมมติ หนึ่ง SKU หนึ่งรอบสั่งซื้อ)

ตัวอย่าง B · USD · เครดิตลูกค้า 60 วัน · ทดสอบ Q ทีละ 10 ชิ้น จึงเลือก 880 ชิ้น ภาพนี้เป็น mockup และข้อมูลสมมติ แยกจากตัวอย่าง A ไม่ใช่หน้าจอที่เชื่อมบัญชี Snowflake จริง

สิ่งที่อยากให้ดูในภาพมีจุดเดียว: กำไรคาดหวังยังขึ้นได้ถึง Q ประมาณ 990 แต่ตรงนั้นต้องจ่ายซัพพลายเออร์จนเงินสดหลุดเส้นขั้นต่ำก่อนที่เงินจากลูกค้าจะเข้า Play จึงหยุดที่ 880 ซอฟต์แวร์วางแผนสต็อกทั่วไปจะตอบ 990 เพราะไม่มีเงื่อนไขบรรทัดสุดท้าย นั่นคือความต่างของ Business Play

บทเรียนสำหรับเจ้าของธุรกิจ

1. ทุกแผนกของคุณถูกหมด แต่ถูกแค่ในช่องของตัวเอง ปัญหาอยู่ในอีกหลายช่องที่ไม่มีใครดู

2. คำถามที่ควรถามก่อนสั่งผลิตไม่ใช่แค่ "ขายได้เท่าไหร่" แต่คือ "ถ้าสั่งเท่านี้ เงินสดจะเหลือเท่าไหร่ก่อนลูกค้าจ่าย และระหว่างทางเคยต่ำสุดเท่าไหร่"

3. ยิ่งสายยาว ยิ่งหลายแบรนด์ ยิ่งต้องมองเป็นโจทย์เดียว ไม่ใช่สี่โจทย์แยกกัน

Power Ladder เปลี่ยนข้อมูลธุรกิจของคุณให้เป็น Business Play ที่คว้าโอกาสและคุมความเสี่ยง

ทำจริงกับข้อมูลของคุณ: Discovery Consulting ที่ powerladder.tech

หรือส่งข้อความคำว่า Discovery หาผมทาง LinkedIn

---

คุยเรื่องธุรกิจของคุณกับ Power Ladder

ถ้าคุณเป็นเจ้าของแบรนด์ คุณจะสั่งผลิตกี่ชิ้น?

ลองตัดสินใจในแบบจำลอง Calculated Ambition แล้วดูว่าสต็อกล้นหรือเงินสดตึงมือก่อนกัน

ลองเล่นเลย ->

ก่อนจากกัน หากคุณเริ่มจากการตัดสินใจเพียงเรื่องเดียวในบริษัทของคุณ เรื่องไหนควรมีทั้งข้อมูล โอกาสทางธุรกิจ และความพร้อมทางการเงินอยู่บนโต๊ะเดียวกัน?

หากคุณยังไม่มีคำตอบและต้องการให้เราช่วยค้นหาคำตอบให้คุณ ติดต่อหาเราได้เลยครับ

ติดต่อเราผ่านฟอร์ม ->

ติดต่อเราผ่านฟอร์ม →

เล่าโจทย์ธุรกิจและสิ่งที่คุณต้องการให้เราช่วยผ่านแบบฟอร์ม

---

คำถามเดียวก่อนจาก: ตอนนี้บริษัทคุณเห็นตัวเลขไหนก่อนกัน ยอดส่งเข้าช่องทาง หรือยอดที่ผู้บริโภคซื้อจริง

แหล่งอ้างอิงและขอบเขตข้อมูล

ตรวจแหล่งข้อมูลประมาณ 16-17 กันยายน 2026 · กรณี Estée Lauder เป็นข้อมูลย้อนหลัง ไม่ใช่ผลล่าสุดทุกไตรมาส

1. The Estée Lauder Companies Inc., Fiscal 2023 Results, 18 August 2023 (SEC Form 8-K / Exhibit 99.1). https://www.sec.gov/Archives/edgar/data/1001250/000100125023000110/elq4fy2023exhibit991.htm

2. The Estée Lauder Companies Inc., Fiscal 2024 Results, 19 August 2024. https://www.elcompanies.com/en/news-and-media/newsroom/press-releases/2024/08-19-2024-114531935 : รวมคำอธิบาย Asia travel retail และรายการ inventory and promotional merchandise; ส่วนต่าง 804 ล้านดอลลาร์ / ~27% คำนวณจากงบ

3. IHL Group, The 2026 Inventory Distortion Study (บทสรุปสาธารณะ). https://www.ihlservices.com/product/inventory-distortion-study-2026/ : ใช้บทสรุปบนหน้าเว็บสาธารณะ; 6.2% เป็นประมาณการภาพรวมโลกตามนิยามของ IHL

4. U.S. FDA, Shelf Life and Expiration Dating of Cosmetics. https://www.fda.gov/cosmetics/cosmetics-labeling/shelf-life-and-expiration-dating-cosmetics : อ้างเฉพาะความแปรผันของอายุเก็บ ไม่ใช้ข้อกำหนดฉลากสหรัฐฯ เป็นกฎหมายไทย

5. Eliyahu M. Goldratt and Jeff Cox, The Goal: A Process of Ongoing Improvement, North River Press, 1984.

6. IFRS Foundation, IAS 7 Statement of Cash Flows. https://www.ifrs.org/issued-standards/list-of-standards/ias-7-statement-of-cash-flows/ : อ้างหลักการแยกกำไร*-**จากเงินสดรับจ่าย; สูตรในบทความเป็นแบบจำลองประกอบการตัดสินใจ ไม่ใช่งบกระแสเงินสดฉบับสมบูรณ์

ตัวเลข Belly Thailand เป็นผลจากธุรกิจของผู้เขียนเอง อย่านำไปใช้คาดการณ์ธุรกิจของคุณ ตาราง Q / เงินสด และภาพหน้าจอเป็นตัวอย่างสมมติเพื่ออธิบายวิธีคิด ไม่ใช่ผลวัดของ Estée Lauder หรือลูกค้า

ติดต่อ: powerladder.tech · dithanon@powerladder.tech

ผู้เขียน ดิตถานนท์ ครุฑเมือง (โอ) ผู้ก่อตั้ง Power Ladder และ Belly Thailand