Người làm marketing chuyển sang phân tích dữ liệu thường đã có sẵn hai thứ quý: hiểu khách hàng và quen nhìn số liệu chiến dịch hằng ngày. Điều cần thay đổi là góc nhìn: từ đọc số để chứng minh chiến dịch của mình hiệu quả, sang đọc số để tìm sự thật, kể cả khi sự thật đó không dễ nghe với chính phòng mình.
Bài này viết cho nhân viên marketing, người chạy quảng cáo, người làm nội dung có tiếp xúc nhiều với số liệu. Bạn sẽ thấy những điểm mạnh mang theo được, những thói quen nên bỏ, ba hướng đi phổ biến, các khoảng trống kỹ thuật cần lấp và một dự án chuyển tiếp mẫu theo ví dụ giả định. Phần cách đọc từng chỉ số quảng cáo cụ thể được bàn ở danh mục phân tích theo vai trò và ngành của trang.
Bạn đã làm phân tích nhiều hơn mình nghĩ
Một người chạy quảng cáo trực tuyến mỗi ngày đều đọc chi phí cho mỗi lượt nhấp, tỉ lệ chuyển đổi, so sánh hai mẫu quảng cáo, chuyển ngân sách sang nhóm đối tượng tốt hơn. Đó là phân tích, chỉ là phân tích trong phạm vi hẹp và dựa trên báo cáo có sẵn của nền tảng.
Người làm nội dung theo dõi bài nào được đọc lâu, bài nào bị bỏ ngang, chủ đề nào kéo khách quay lại. Người làm chăm sóc khách hàng thân thiết theo dõi ai mua lại sau chương trình tích điểm. Tất cả đều là những mảnh của công việc phân tích khách hàng.
Khoảng cách giữa những việc này và nghề phân tích đầy đủ nằm ở ba điểm. Một, nguồn dữ liệu: nghề phân tích nối số marketing với số bán hàng, số vận hành, thay vì chỉ nhìn trong một nền tảng. Hai, độ chặt của lập luận: phân biệt được "khách tăng sau chiến dịch" và "khách tăng nhờ chiến dịch". Ba, phạm vi câu hỏi: không chỉ chiến dịch nào tốt hơn, mà cả nên đầu tư vào marketing bao nhiêu so với cải thiện sản phẩm hay giao hàng.
Điểm mạnh mang theo được
Hiểu hành vi khách hàng. Bạn biết khách tìm hiểu thế nào, vì sao bỏ giỏ hàng, mùa nào mua quà. Hiểu biết này giúp đặt giả thuyết đúng hướng, điều mà người phân tích thuần kỹ thuật phải mất thời gian mới có.
Quen tư duy thử nghiệm. Thử hai mẫu tiêu đề, hai mức ưu đãi rồi so kết quả là cách làm quen thuộc của marketing. Phân tích dữ liệu dùng đúng tư duy này, chỉ thêm phần thiết kế thử nghiệm cẩn thận hơn và đọc kết quả có tính đến dao động ngẫu nhiên.
Kể chuyện. Người làm marketing biết cách nói một thông điệp ngắn, đúng người nghe. Đây là kỹ năng mà nhiều người phân tích giỏi kỹ thuật lại yếu, và nó quyết định kết luận có được dùng hay không.
Quen tốc độ. Marketing làm việc theo nhịp nhanh, quen ra quyết định với thông tin chưa đầy đủ. Ở mức vừa phải, đây là lợi thế khi làm báo cáo nhanh cho ban giám đốc.
Quen làm việc với nhiều phòng ban. Marketing phải phối hợp với bán hàng, sản phẩm, chăm sóc khách hàng. Người phân tích cũng vậy: muốn hiểu một con số lạ, bạn phải đi hỏi đúng người ở đúng phòng. Mạng lưới quan hệ bạn đã có trong công ty là tài sản lớn khi bắt đầu làm phân tích.
Thói quen nên bỏ khi chuyển sang phân tích
Chọn số đẹp để báo cáo. Trong marketing, áp lực chứng minh hiệu quả khiến người ta hay chọn chỉ số thuận lợi nhất — lượt hiển thị khi doanh số không tăng, tỉ lệ nhấp khi chuyển đổi kém. Người phân tích phải chọn chỉ số theo câu hỏi, trước khi nhìn kết quả.
Quy hết công cho kênh của mình. Một khách thấy quảng cáo, đọc bài đánh giá, rồi được bạn bè giới thiệu mới mua. Mỗi nền tảng đều có thể ghi nhận đơn đó là của mình. Người phân tích cần nhìn tổng thể và chấp nhận rằng đo chính xác đóng góp của từng kênh là bài toán khó, thường chỉ ước lượng được.
Tin hoàn toàn vào báo cáo của nền tảng. Báo cáo của nền tảng quảng cáo dùng định nghĩa và cách ghi nhận riêng, có thể khác số đơn thật trong hệ thống bán hàng. Thói quen đối chiếu với nguồn gốc là điều cần rèn ngay.
Báo cáo hoạt động thay vì kết quả. Đăng bao nhiêu bài, chạy bao nhiêu chiến dịch là số hoạt động. Người ra quyết định cần biết chúng mang lại gì cho doanh thu, cho khách quay lại.
Kết luận trước, tìm số sau. Khi đã tin một chiến dịch tốt, người ta dễ chỉ đi tìm số liệu ủng hộ niềm tin đó. Người phân tích làm ngược lại: viết ra trước điều gì sẽ chứng minh mình sai, rồi mới đi tìm số. Thói quen nhỏ này giúp kết luận đáng tin hơn nhiều trong mắt ban giám đốc.
Ba hướng đi phổ biến từ marketing
Không phải ai cũng cần nhảy thẳng sang vị trí phân tích kinh doanh tổng quát. Ba hướng dưới đây có độ xa khác nhau so với công việc hiện tại.
| Hướng đi | Công việc chính | Cần học thêm | Độ xa so với marketing |
|---|---|---|---|
| Phân tích marketing | Đo hiệu quả kênh, ngân sách, thử nghiệm, hành trình khách hàng | SQL, thống kê cho thử nghiệm, nối số nhiều nguồn | Gần nhất |
| Phân tích khách hàng | Phân nhóm khách, khách quay lại, giá trị vòng đời, rời bỏ | SQL vững, phân tích theo nhóm khách theo thời gian | Trung bình |
| Phân tích kinh doanh tổng quát | Doanh thu, chi phí, vận hành, đề xuất cho ban giám đốc | Hiểu tài chính cơ bản, SQL, trình bày đa chiều | Xa nhất |
Hướng thứ nhất dễ bắt đầu nhất vì bạn có thể chuyển ngay trong phòng marketing. Hướng thứ hai là bước tiếp theo tự nhiên. Hướng thứ ba cần bổ sung hiểu biết về chi phí, lợi nhuận, thường mất thêm thời gian nhưng mở ra nhiều cơ hội hơn.
Lấp khoảng trống kỹ thuật theo thứ tự
Người làm marketing thường thiếu ba thứ: tự lấy dữ liệu, thống kê cho thử nghiệm, và hiểu số tài chính. Thứ tự gợi ý:
- Học SQL ở mức gộp nhóm và nối bảng, để tự lấy số đơn hàng thật thay vì chỉ dùng báo cáo nền tảng.
- Học cách đọc kết quả thử nghiệm: vì sao hai mẫu chênh vài phần trăm trên vài trăm lượt có thể chỉ là ngẫu nhiên, cỡ mẫu cần đủ lớn bao nhiêu thì mới đáng tin, theo cách nói nôm na.
- Học phân tích theo nhóm khách theo thời gian (cohort): khách mua lần đầu trong tháng một quay lại thế nào so với khách tháng hai.
- Học đọc báo cáo lãi lỗ đơn giản để hiểu chi phí marketing nằm ở đâu trong bức tranh chung.
- Tập nối số marketing với số bán hàng trong một bản phân tích, và tự viết phần giới hạn.
Trợ lý AI giúp nhiều ở bước hai: nhờ nó giải thích dao động ngẫu nhiên bằng ví dụ tung đồng xu, hoặc ước lượng cỡ mẫu cho một thử nghiệm giả định, rồi đối chiếu với tài liệu thống kê. Không dán dữ liệu khách hàng thật khi hỏi.
Một dự án chuyển tiếp mẫu (ví dụ giả định)
Một cửa hàng mỹ phẩm trực tuyến nhỏ ở Hà Nội chạy chương trình giảm giá cho khách mới trong một tháng. Báo cáo nền tảng cho thấy số đơn tăng mạnh, phòng marketing coi là thành công. Câu hỏi dự án đặt ra: những khách mới đó có quay lại mua giá gốc không, và tính cả chiết khấu thì chương trình có đáng làm lại không.
Cách làm: lấy danh sách đơn từ hệ thống bán hàng, đã thay tên và số điện thoại khách bằng mã ngẫu nhiên. Tách khách mua lần đầu trong tháng chương trình và khách mua lần đầu trong hai tháng trước đó. So tỉ lệ quay lại trong sáu mươi ngày và giá trị đơn lần hai của hai nhóm. Tính phần chiết khấu đã chi cho nhóm chương trình.
Kết quả giả định: nhóm khách từ chương trình đông gấp đôi nhưng tỉ lệ quay lại thấp hơn rõ, giá trị đơn lần hai cũng thấp hơn. Kết luận được viết có điều kiện: chương trình kéo được nhiều khách săn ưu đãi hơn khách trung thành; nếu làm lại, nên thử ưu đãi gắn với lần mua thứ hai thay vì lần đầu. Phần giới hạn ghi rõ: chỉ một chương trình, chỉ hai tháng theo dõi, chưa tính tác động lên nhận biết thương hiệu.
Dự án kiểu này cho thấy đúng những gì người tuyển dụng muốn thấy ở người chuyển từ marketing: dám đặt câu hỏi khó cho chính chiến dịch, biết nối nhiều nguồn, và viết kết luận có giới hạn.
Dữ liệu khách hàng: phần không được xem nhẹ
Người làm marketing quen làm việc với danh sách khách hàng, số điện thoại, email để gửi chương trình. Khi chuyển sang phân tích, bạn sẽ đụng tới dữ liệu khách ở mức chi tiết hơn: lịch sử mua, tần suất, đôi khi cả địa chỉ. Phân tích không cần biết khách là ai; nó cần biết khách làm gì. Vì vậy thói quen đầu tiên là thay thông tin định danh bằng mã trước khi phân tích, đặc biệt trước khi đưa bất cứ thứ gì lên trợ lý AI.
Việt Nam đã có khung pháp lý về bảo vệ dữ liệu cá nhân, với các yêu cầu về mục đích sử dụng và sự đồng ý của chủ thể dữ liệu. Người phân tích không cần thành chuyên gia luật, nhưng cần hỏi bộ phận phụ trách trước khi dùng dữ liệu khách cho một mục đích mới, và biết dữ liệu nào công ty được phép dùng. Bài về đạo đức khi phân tích dữ liệu người dùng trong danh mục này bàn kỹ hơn.
Một thay đổi cách nghĩ nhỏ nhưng quan trọng: trong marketing, danh sách khách càng chi tiết càng tốt để nhắm đúng người. Trong phân tích, dữ liệu càng ít thông tin định danh càng an toàn, miễn vẫn trả lời được câu hỏi. Khi thiết kế một bản phân tích, hãy tự hỏi cột nào thật sự cần, và bỏ những cột còn lại ngay từ bước lấy dữ liệu.
Câu hỏi thường gặp
Người làm marketing có dễ chuyển sang phân tích dữ liệu không?
Thuận lợi hơn nhiều ngành khác vì đã quen số liệu chiến dịch và hiểu khách hàng. Phần cần bổ sung là SQL, thống kê cho thử nghiệm và thói quen nối số marketing với số bán hàng thật. Con đường dễ nhất là bắt đầu bằng vị trí phân tích marketing.
Phân tích marketing khác chạy quảng cáo ở chỗ nào?
Người chạy quảng cáo tối ưu chiến dịch trong từng nền tảng. Người phân tích marketing nhìn tổng thể nhiều kênh, nối với dữ liệu bán hàng, đo tác động thật lên doanh thu và khách quay lại, và đề xuất phân bổ ngân sách. Họ cũng phải đặt câu hỏi khó cho chính các chiến dịch.
Có cần học thống kê nhiều khi chuyển từ marketing không?
Không cần nhiều nhưng cần đúng chỗ: hiểu dao động ngẫu nhiên, cỡ mẫu khi so sánh hai phương án, khác biệt giữa tương quan và nhân quả. Đây là những thứ quyết định bạn đọc kết quả thử nghiệm đúng hay sai.
Làm sao chứng minh năng lực phân tích khi hồ sơ toàn kinh nghiệm marketing?
Chọn một hai chiến dịch đã làm và viết lại dưới dạng bản phân tích: câu hỏi, dữ liệu, cách đo, kết quả, giới hạn. Thêm một dự án tự làm có nối nhiều nguồn dữ liệu. Không cần công bố số liệu nội bộ, chỉ cần thể hiện cách tư duy.
Dùng AI để phân tích dữ liệu khách hàng có được không?
Được nếu công cụ được công ty cho phép và dữ liệu đã thay thông tin định danh như tên, số điện thoại, email bằng mã. Không dán danh sách khách đầy đủ vào chatbot bên ngoài. Với dữ liệu nhạy cảm hơn, hỏi bộ phận phụ trách trước.
Có nên rời phòng marketing để chuyển hẳn sang phân tích không?
Không nhất thiết. Nhiều người phát triển thành chuyên viên phân tích marketing ngay trong phòng, rồi mới chuyển sang phân tích khách hàng hoặc kinh doanh tổng quát. Ở lại giúp bạn có dữ liệu thật, bài toán thật và người thật để học hỏi.