Dữ liệu Marketing là gì và được sử dụng như thế nào?

Một hành trình đơn giản có thể bắt đầu từ việc một người nhìn thấy quảng cáo, truy cập website, xem sản phẩm, để lại thông tin, nhận email, quay lại website và cuối cùng mua hàng. Mỗi điểm chạm tạo ra một phần dữ liệu. Khi các phần dữ liệu được đặt trong cùng một bối cảnh, doanh nghiệp có thể chuyển từ câu hỏi “chiến dịch có nhiều lượt nhấp không?” sang câu hỏi quan trọng hơn: “chiến dịch đã tạo ra khách hàng và giá trị kinh doanh như thế nào?”.

Vì vậy, giá trị của dữ liệu Marketing không nằm ở việc doanh nghiệp sở hữu bao nhiêu dữ liệu. Giá trị xuất hiện khi dữ liệu được biến thành một chuỗi có ý nghĩa:

Dữ liệu → thông tin → insight → quyết định → hành động → kết quả kinh doanh.

Dữ liệu Marketing là gì?

Dữ liệu Marketing là các thông tin được thu thập và sử dụng để mô tả, đo lường hoặc phân tích khách hàng, thị trường, điểm chạm Marketing, chiến dịch và kết quả mà các hoạt động Marketing tạo ra.

Có thể hình dung dữ liệu Marketing qua ba lớp liên kết với nhau.

Lớp khách hàng cho biết doanh nghiệp đang tiếp cận hoặc phục vụ ai. Dữ liệu có thể bao gồm nguồn khách hàng, đặc điểm khách hàng, lịch sử tương tác, sản phẩm quan tâm, giao dịch hoặc trạng thái trong hành trình mua.

Lớp chiến dịch và điểm chạm ghi nhận những gì xảy ra giữa khách hàng và hoạt động Marketing: quảng cáo được hiển thị, email được gửi, lượt nhấp, phiên truy cập, nội dung được xem, form được gửi hoặc các tương tác khác.

Lớp kết quả kinh doanh phản ánh điều doanh nghiệp thực sự muốn đạt được như lead, đơn hàng, doanh thu, khách hàng mới hoặc giá trị chuyển đổi.

Ba lớp này cần được đọc cùng nhau. Nếu chỉ nhìn vào dữ liệu chiến dịch, doanh nghiệp có thể biết quảng cáo A nhận được nhiều lượt nhấp hơn quảng cáo B nhưng chưa biết quảng cáo nào tạo ra nhiều khách hàng hoặc doanh thu hơn.

Ngược lại, dữ liệu doanh thu chỉ cho biết kết quả cuối cùng. Nếu không kết nối với dữ liệu khách hàng và các điểm chạm trước đó, doanh nghiệp khó giải thích Marketing đã đóng góp vào kết quả đó như thế nào.

Đây cũng là điểm phân biệt giữa có dữ liệu và có khả năng sử dụng dữ liệu Marketing. Một doanh nghiệp có thể sở hữu hàng triệu bản ghi nhưng vẫn thiếu khả năng ra quyết định nếu dữ liệu không trả lời được mối quan hệ giữa khách hàng, hoạt động Marketing và kết quả.

Dữ liệu Marketing hình thành từ khách hàng và các điểm chạm như thế nào?

Dữ liệu Marketing được hình thành khi một đối tượng, hành vi hoặc kết quả có thể được ghi nhận thành dữ liệu đo lường.

Trong môi trường số, quá trình này thường bắt đầu từ một sự kiện. Người dùng xem một trang, nhấp quảng cáo, xem video, đăng ký nhận thông tin hoặc mua sản phẩm. Hệ thống phân tích, nền tảng quảng cáo, CRM hoặc hệ thống giao dịch ghi nhận những sự kiện tương ứng.

Ví dụ, một hành trình có thể diễn ra như sau:

Quảng cáo → truy cập website → xem sản phẩm → đăng ký → email → quay lại website → mua hàng.

Ở mỗi bước, một nhóm dữ liệu khác nhau được tạo ra. Quảng cáo có thể cung cấp dữ liệu về impression, click và chi phí. Website cung cấp dữ liệu về phiên truy cập và hành vi. CRM ghi nhận lead và trạng thái khách hàng. Hệ thống bán hàng ghi nhận đơn hàng và doanh thu.

Các chỉ số chỉ có ý nghĩa khi hiểu chính xác cách chúng được định nghĩa. Chẳng hạn, trong Google Analytics 4, một phiên được xem là engaged session khi thỏa mãn ít nhất một trong ba điều kiện: kéo dài hơn 10 giây, có key event hoặc có từ hai lượt xem trang/màn hình trở lên. Engagement rate sau đó được tính dựa trên tỷ lệ các engaged session.

Điều này cho thấy một nguyên tắc quan trọng: metric không phải là sự thật độc lập với hệ thống đo lường. Giá trị của metric phụ thuộc vào định nghĩa, cách thu thập và bối cảnh phân tích.

Do đó, cùng một khái niệm như “chuyển đổi” cũng phải được xác định theo mục tiêu kinh doanh. Với doanh nghiệp thương mại điện tử, chuyển đổi có thể là đơn hàng. Với doanh nghiệp B2B, việc gửi form mới chỉ tạo ra lead; kết quả có giá trị hơn có thể là lead đủ điều kiện hoặc hợp đồng.

Khi sự kiện được thiết kế quá xa mục tiêu kinh doanh, doanh nghiệp dễ tối ưu những hành vi trung gian mà không biết chúng có tạo ra giá trị cuối cùng hay không.

Những nhóm dữ liệu Marketing nào cần được kết nối?

Một cách thực tế để hiểu dữ liệu Marketing là phân loại theo câu hỏi mà từng nhóm dữ liệu có thể trả lời.

Dữ liệu khách hàng

Dữ liệu khách hàng mô tả người đang tương tác hoặc đã có quan hệ với doanh nghiệp.

Nó có thể bao gồm nguồn khách hàng, lịch sử tương tác, thông tin được khách hàng cung cấp, sản phẩm đã mua, giá trị giao dịch hoặc trạng thái lead.

Nhóm dữ liệu này giúp trả lời:

Ai đang tạo ra giá trị cho doanh nghiệp?

Tuy nhiên, dữ liệu khách hàng không đồng nghĩa với việc doanh nghiệp được phép thu thập mọi thông tin có thể thu thập. Việc thu thập và sử dụng dữ liệu phải gắn với mục đích rõ ràng, quyền riêng tư và các yêu cầu pháp lý áp dụng cho doanh nghiệp.

Dữ liệu hành vi

Dữ liệu hành vi phản ánh những gì người dùng thực hiện tại các điểm chạm: xem nội dung, tìm kiếm, nhấp, xem sản phẩm, thêm vào giỏ hàng, đăng ký hoặc hoàn thành một sự kiện quan trọng.

Nhóm dữ liệu này giúp trả lời:

Khách hàng đang làm gì?

Giá trị của dữ liệu hành vi nằm ở khả năng phát hiện khoảng cách giữa sự quan tâm và kết quả. Ví dụ, lượng truy cập cao nhưng rất ít người tiến đến bước đăng ký có thể chỉ ra rằng vấn đề không còn nằm ở khả năng tạo traffic mà nằm ở giai đoạn tiếp theo của hành trình.

Dữ liệu chiến dịch

Dữ liệu chiến dịch mô tả hoạt động Marketing đã được triển khai và phản ứng nhận được từ thị trường.

Các metric thường gặp gồm impression, reach, click, click-through rate, chi phí, conversion và cost per acquisition.

Nhóm dữ liệu này trả lời:

Marketing đã làm gì và nhận được phản ứng nào?

Một metric đơn lẻ không nên được xem như kết luận về hiệu quả. CTR cao cho thấy tỷ lệ người nhấp tương đối cao so với số lần hiển thị, nhưng không tự chứng minh rằng chiến dịch tạo ra khách hàng có giá trị.

Dữ liệu kết quả kinh doanh

Đây là lớp kết nối Marketing với mục tiêu cuối cùng của tổ chức, chẳng hạn số khách hàng mới, doanh thu, giá trị chuyển đổi hoặc lợi nhuận.

Nhóm này trả lời:

Hoạt động Marketing cuối cùng tạo ra kết quả gì?

Một hệ thống dữ liệu Marketing trưởng thành vì vậy không dừng ở dashboard quảng cáo. Nó phải tạo được đường liên kết hợp lý từ điểm chạm → hành vi → chuyển đổi → kết quả kinh doanh.

Dữ liệu Marketing được sử dụng để đưa ra quyết định như thế nào?

Dữ liệu chỉ tạo giá trị khi làm thay đổi hoặc củng cố một quyết định. Quá trình sử dụng thường bắt đầu bằng việc chuyển câu hỏi kinh doanh thành câu hỏi đo lường.

Giả sử doanh nghiệp muốn biết có nên tiếp tục đầu tư vào một chiến dịch.

Nếu chỉ xem số lượt nhấp, câu trả lời sẽ dựa trên một tín hiệu ở giữa hành trình. Nếu bổ sung conversion, chi phí và doanh thu, doanh nghiệp có thể đánh giá sâu hơn.

Một số KPI có thể được tính trực tiếp:

Conversion rate = Số chuyển đổi / Số đối tượng hoặc phiên đủ điều kiện

CPA = Chi phí Marketing / Số chuyển đổi

ROAS = Giá trị chuyển đổi được ghi nhận / Chi phí quảng cáo

Ví dụ, một chiến dịch chi 100 triệu đồng và hệ thống ghi nhận 400 triệu đồng giá trị chuyển đổi sẽ có ROAS bằng 4, tương đương 400%.

Con số này hữu ích nhưng chưa tự động chứng minh rằng toàn bộ 400 triệu đồng phát sinh do quảng cáo. Một phần khách hàng có thể vẫn mua ngay cả khi không nhìn thấy chiến dịch.

Đó là lý do dữ liệu Marketing có nhiều mức sử dụng.

Ở mức mô tả, dữ liệu trả lời chuyện gì đã xảy ra: bao nhiêu người truy cập, bao nhiêu chuyển đổi, doanh thu bao nhiêu.

Ở mức chẩn đoán, dữ liệu giúp tìm mối quan hệ giữa các giai đoạn: nguồn nào tạo traffic, traffic nào tạo lead, lead nào trở thành khách hàng.

Ở mức tối ưu, doanh nghiệp sử dụng kết quả để điều chỉnh ngân sách, thông điệp, đối tượng hoặc điểm chạm.

Ở mức đo tác động, câu hỏi trở nên khó hơn: kết quả nào thực sự xuất hiện vì Marketing?

Đây là lúc doanh nghiệp phải phân biệt giữa quan sát tương quan, attribution và đo lường nhân quả.

Attribution không đồng nghĩa với tác động thực sự của Marketing

Một trong những hiểu nhầm quan trọng nhất khi đọc dữ liệu Marketing là cho rằng conversion được ghi nhận cho một kênh đồng nghĩa với conversion được kênh đó tạo ra.

Khách hàng thường tương tác với nhiều điểm chạm trước khi chuyển đổi. Attribution là phương pháp phân bổ credit của conversion cho các tương tác trong hành trình đó.

Ví dụ, khách hàng có thể:

Xem quảng cáo → tìm kiếm thương hiệu → truy cập trực tiếp → mua hàng.

Nếu sử dụng last-click attribution, điểm chạm cuối có thể nhận toàn bộ credit. Một mô hình attribution khác có thể phân bổ credit cho nhiều tương tác.

Vì vậy, attribution trả lời gần với câu hỏi:

“Điểm chạm nào được ghi nhận đóng góp vào conversion?”

Nó không nhất thiết trả lời:

“Nếu Marketing không diễn ra, conversion có còn xảy ra hay không?”

Câu hỏi thứ hai liên quan đến incrementality — phần kết quả tăng thêm thực sự do hoạt động Marketing gây ra.

Trong một thí nghiệm kiểm soát, có thể so sánh nhóm được tiếp xúc với quảng cáo với nhóm đối chứng. Khi đó:

Incremental conversions = Conversions của nhóm treatment − Conversions của nhóm control

Giả sử chiến dịch chi 10.000 USD và thí nghiệm xác định được 800 incremental conversions. Incremental CPA sẽ là:

10.000 / 800 = 12,50 USD cho mỗi conversion tăng thêm.

Tương tự:

Incremental ROAS = Incremental conversion value / Ad spend

Cách tiếp cận này khác với ROAS thông thường, bởi ROAS thường dựa trên giá trị conversion được attribution ghi nhận, còn incremental ROAS tập trung vào phần giá trị tăng thêm được ước lượng là do quảng cáo tạo ra.

Điều này không khiến attribution trở nên vô ích. Attribution rất hữu ích để hiểu hành trình chuyển đổi và vai trò tương đối của các điểm chạm. Nhưng khi câu hỏi chuyển từ “credit thuộc về đâu?” sang “Marketing thực sự tạo thêm bao nhiêu kết quả?”, yêu cầu bằng chứng cũng phải thay đổi.

Làm thế nào biến dữ liệu Marketing thành hệ thống đo lường có giá trị?

Một hệ thống dữ liệu tốt không nên bắt đầu bằng câu hỏi “chúng ta có thể thu thập những dữ liệu nào?”. Nó nên bắt đầu bằng câu hỏi “doanh nghiệp cần đưa ra quyết định gì?”.

Từ đó có thể đi ngược theo chuỗi:

Kết quả kinh doanh → KPI → hành vi cần đo → điểm chạm → dữ liệu cần thu thập.

Nếu mục tiêu là tăng doanh thu từ khách hàng mới, doanh nghiệp cần xác định thế nào là khách hàng mới, giao dịch nào được tính, doanh thu nào được ghi nhận và các hoạt động Marketing nào cần liên kết với kết quả đó.

Tiếp theo là chuẩn hóa định nghĩa. Nếu đội Marketing gọi một form submission là “conversion” nhưng đội Sales chỉ xem một cơ hội đủ điều kiện là kết quả có giá trị, hai bộ phận đang sử dụng cùng một từ cho hai hiện tượng khác nhau.

Sau đó mới đến việc kết nối dữ liệu giữa các hệ thống. Dữ liệu quảng cáo cho biết chi phí và tương tác. Analytics mô tả hành vi trên website hoặc ứng dụng. CRM phản ánh trạng thái lead và khách hàng. Dữ liệu giao dịch cung cấp kết quả tài chính. Chỉ khi các lớp này có thể được đối chiếu, doanh nghiệp mới tiến gần tới việc đánh giá Marketing bằng kết quả kinh doanh.

Chất lượng dữ liệu cũng phải được kiểm soát. Tracking thiếu sự kiện, gắn sai nguồn, trùng conversion hoặc thay đổi định nghĩa KPI giữa các kỳ đều có thể khiến một dashboard trông chính xác về mặt số học nhưng dẫn đến kết luận sai.

Cuối cùng, phương pháp đo phải phù hợp với câu hỏi.

Nếu muốn biết đã xảy ra gì, báo cáo descriptive có thể đủ.

Nếu muốn biết điểm chạm nào xuất hiện trong hành trình chuyển đổi, attribution phù hợp hơn.

Nếu muốn biết chiến dịch có tạo thêm kết quả hay không, doanh nghiệp cần tiến tới thí nghiệm hoặc các phương pháp đo incrementality phù hợp.

Không tồn tại một metric duy nhất có thể trả lời mọi câu hỏi Marketing.

Đọc dữ liệu Marketing đúng cách: từ metric đến kết quả kinh doanh

Sai lầm phổ biến khi sử dụng dữ liệu Marketing là bắt đầu từ metric rồi cố tìm một câu chuyện để giải thích metric đó.

Cách tiếp cận đáng tin cậy hơn là bắt đầu từ mục tiêu kinh doanh.

Nếu mục tiêu là doanh thu, doanh nghiệp cần xác định các bước dẫn tới doanh thu. Nếu mục tiêu là tạo khách hàng mới, cần phân biệt khách hàng mới với khách hàng quay lại. Nếu mục tiêu là lead, cần xác định lead nào thực sự có giá trị thay vì chỉ đếm số form được gửi.

Một cấu trúc đọc dữ liệu hữu ích là:

Mục tiêu → KPI → dữ liệu → phân tích → quyết định → kiểm chứng kết quả.

Ví dụ, khi một chiến dịch có CTR tăng, đó mới là tín hiệu rằng tỷ lệ tương tác với quảng cáo thay đổi. Nếu conversion rate không tăng, cần xem xét hành vi sau click. Nếu conversion tăng nhưng CPA vượt ngưỡng kinh tế mà doanh nghiệp có thể chấp nhận, tăng conversion chưa chắc đồng nghĩa với một kết quả tốt.

Ngay cả khi ROAS tăng, doanh nghiệp vẫn cần hiểu phạm vi của chỉ số: đó là doanh thu được attribution ghi nhận hay doanh thu tăng thêm do Marketing tạo ra.

Do đó, câu hỏi quan trọng không phải là:

“Metric này cao hay thấp?”

mà là:

“Metric này đang đo điều gì, được tạo ra như thế nào, liên hệ với mục tiêu kinh doanh nào và có đủ bằng chứng để hỗ trợ quyết định hay chưa?”

Đó là cách dữ liệu Marketing chuyển từ một tập hợp con số thành công cụ quản trị.

Dữ liệu Marketing có thể được hiểu đơn giản là bằng chứng số hóa về mối quan hệ giữa khách hàng, hoạt động Marketing và kết quả kinh doanh. Dữ liệu khách hàng cho biết doanh nghiệp đang phục vụ ai; dữ liệu hành vi cho biết họ làm gì; dữ liệu chiến dịch cho biết Marketing đã tác động ở đâu; dữ liệu chuyển đổi và kinh doanh cho biết kết quả cuối cùng là gì.

Tuy nhiên, thu thập nhiều dữ liệu không đồng nghĩa với hiểu Marketing tốt hơn. Dữ liệu chỉ tạo giá trị khi metric có định nghĩa rõ ràng, các điểm chạm được liên kết hợp lý, kết quả được đặt trong đúng bối cảnh và phương pháp đo phù hợp với câu hỏi cần trả lời.

Vì thế, một hệ thống Marketing dựa trên dữ liệu không nên được đánh giá bằng số dashboard doanh nghiệp sở hữu. Tiêu chuẩn quan trọng hơn là liệu dữ liệu có giúp doanh nghiệp hiểu khách hàng, giải thích hiệu quả chiến dịch và đưa ra quyết định tốt hơn về kết quả kinh doanh hay không.