Đo lường và tối ưu ngân sách marketing

"Một nửa số tiền chúng tôi chi cho quảng cáo là thừa. Nhưng vấn đề ở chỗ chúng tôi không biết nửa nào”. Câu nói trên, được cho là của John Wanamaker, một ông trùm sở hữu các trung tâm thương mại vào thế kỷ 19, nêu bật thách thức của các giám đốc marketing. Hai xu thế mới – marketing kỹ thuật số, với khả năng ghi lại từng cú nhấp chuột, và dữ liệu lớn, phục vụ việc phân tích và tìm ra các biến động – được cho là các giải pháp tiềm năng cho các thách thức đã tồn tại hàng thập kỷ. Tuy nhiên, những xu thế này cũng mang lại những thách thức mới. Quảng cáo kỹ thuật số mở ra kỷ nguyên của những thước đo mới, như lượt xem video, số like trên Facebook, và tỷ lệ nhấp chuột, ngay cả khi mối liên hệ giữa chúng với doanh thu và lợi nhuận thực tế vẫn chưa rõ ràng. Và mặc dù dữ liệu lớn đã cho phép các giám đốc tìm ra các xu hướng và mối liên hệ, nhiều mối liên hệ là lầm tưởng. Trong chương này, chúng ta sẽ thảo luận những thách thức quan trọng của việc đo lường và tối ưu khoản chi cho marketing, và những nghiên cứu mới nhất để giải quyết các thách thức trên.

TƯƠNG QUAN VÀ NHÂN QUẢ

Năm 2008, Chris Anderson, tổng biên tập của tạp chí Wired, viết bài viết gây tranh cãi mang tựa đề “Dấu chấm hết của lý thuyết: Biển dữ liệu khiến phương pháp khoa học lỗi thời”, trong đó ông viết:

Các nhà khoa học được dạy phải phân biệt sự khác nhau giữa tương quan và mối quan hệ nguyên nhân – kết quả… Nhưng trước một biển dữ liệu, lối đi của khoa học – giả thuyết, mô hình, kiểm nghiệm – đang trở nên lạc hậu… Có cách khác tốt hơn. Việc có hàng petabyte dữ liệu cho phép chúng ta khẳng định: “có sự tương quan là đủ”. Chúng ta có thể ngừng tìm kiếm các mô hình… Tương quan sẽ thế chỗ nhân quả… Không có lý do gì phải giữ khư khư lối làm việc cũ. Đã đến lúc đặt câu hỏi: Khoa học có thể học được điều gì từ Google?1

Cùng năm đó, các nhà nghiên cứu của Google đăng bài trên tạp chí Nature về Google Flu Trends – mô hình dùng hàng trăm tỷ lượt tìm kiếm của người dùng Mỹ về bệnh cúm để dự đoán chính xác số ca mắc cảm cúm.2 Bỗng nhiên, có vẻ như trong thời đại dữ liệu lớn, sự tương quan thực sự là đủ. Tại sao phải hiểu quảng cáo ảnh hưởng đến người dùng như thế nào nếu chúng ta có thể tìm được tương quan mạnh mẽ giữa quảng cáo và doanh thu? Với lượng thông tin khổng lồ có sẵn trong thời đại số, “dữ liệu” giờ đã biết nói.

Vấn đề với cách tư duy này là chúng ta thường tìm ra những tương quan không xác thực hoặc sai lệch trong biển dữ liệu. Để thấy được điều này, hãy thử so sánh hai biến số ngẫu nhiên trên Google Correlate, một dịch vụ miễn phí của Google. Chẳng hạn, có mối tương quan rất mạnh mẽ giữa tìm kiếm trên web ở Mỹ về giảm cân và về townhouse cho thuê (kiểu nhà thuộc một dãy nhà xây sát vách), mặc dù khó hiểu tại sao lại có sự liên quan này.

Dễ thấy sự tương quan trong ví dụ trên không mấy xác thực, nhưng trong các ví dụ khác, sự sai lệch lại đầy thuyết phục và có thể dẫn đến những quyết định sai. Ngay cả nghiên cứu của Google bị chỉ trích trong một bài viết năm 2014 trong tạp chí Science, cho rằng kể từ tháng 8 năm 2011, Google Flu Trends ước tính quá cao tỷ lệ mắc cảm cúm vào 100 trong số 108 tuần của nghiên cứu, và trong nhiều trường hợp sai tới 100%.3 Giả định rằng tương quan là chứng minh cho nhân quả cũng dẫn đến nhiều kết luận sai về hiệu quả của marketing, như chúng ta sẽ bàn tới sau đây.

Một like trên Facebook đáng giá bao nhiêu?

Vài năm trước, tôi cùng đồng nghiệp tại Trường Kinh doanh Harvard John Deighton mời một giám đốc cao cấp về tiếp thị kỹ thuật số từ Coca-Cola đến thuyết trình cho một khóa marketing kỹ thuật số mà chúng tôi dạy cho sinh viên MBA. Trong phát biểu trước lớp, giám đốc của Coke tự hào nói rằng Coke có 40 triệu fan trên Facebook (tới nay con số đó lên tới hơn 105 triệu) – một thước đo mà Facebook mạnh dạn quảng bá. Sau đó các sinh viên tranh luận về giá trị của một like. Một số nói rằng việc có 40 triệu người tiêu dùng theo dõi Coke phải là một điều rất giá trị. Số khác đặt câu hỏi liệu Coke có “mua” những like này bằng cách đưa ra ưu đãi và quà tặng miễn phí hay không.

Cùng thời điểm đó, nhiều công ty nghiên cứu cố gắng đưa ra con số cho giá trị của một fan trên Facebook. Một nghiên cứu năm 2011 bởi comScore kết luận fan của Starbucks và bạn bè của họ, chi tiền nhiều hơn 8% và có nhiều giao dịch hơn 11% so với người dùng thông thường.4 Vài năm sau, Syncapse, một công ty chuyên về thông minh xã hội (social intelligence), gây sốc hơn sau khi tuyên bố rằng giá trị trung bình của một fan Facebook là 174 đô-la. Riêng với Coke, một fan có giá trị hơn 70 đô-la (xem hình 9-1).

a23

Những nghiên cứu gây chú ý này đã khiến tôi tò mò, và tôi muốn hiểu làm thế nào mà các nhà nghiên cứu tính ra được những con số khó tin này. Giá trị của fan, ngoài việc họ thích và giúp nhãn hiệu được biết đến nhiều hơn, còn nằm ở việc họ chi nhiều hơn cho nhãn hiệu đó. Để đo lường, các nhà nghiên cứu so sánh khoản chi của các fan và những người không phải fan. Dùng cách tiếp cận này, Syncapse tìm ra rằng mỗi năm fan của Coke tiêu nhiều hơn những người không phải fan 70 đô-la mỗi năm, khiến Syncapse kết luận rằng giá trị của fan trên Facebook của Coke là 70 đô-la.

Nhưng cách tiếp cận này đặt ra một câu hỏi căn bản: Liệu “like” Coke trên Facebook khiến người tiêu dùng chi nhiều tiền hơn để mua Coke, hay những người thường mua Coke bản thân họ sẽ có xu hướng “like” nhiều hơn? Sự khác biệt này quan trọng, vì các nghiên cứu trên dường như kết luận rằng việc like trên Facebook khiến một người trung thành hơn với thương hiệu và chi nhiều tiền hơn. Tuy nhiên, nếu có hiện tượng “tự lựa chọn mẫu” (self-selection), có nghĩa những người mua thường xuyên và trung thành có xu hướng “like” nhiều, việc dùng số “like” làm thước đo thành công – và chi ngân sách marketing để tăng số “like” – là việc làm không hợp lý.

Tôi cùng các đồng nghiệp quyết định thực hiện một dự án nghiên cứu trong đó chúng tôi chia khách hàng làm hai nhóm: nhóm fan và nhóm không phải là fan. Trong một thí nghiệm chúng tôi mời khách hàng trong nhóm fan “like” một nhãn hiệu mỹ phẩm mới trên Facebook (hầu hết đều nhận lời), trong khi đó những người thuộc nhóm “không phải là fan” không được mời “like”. Tất cả người tham gia được tặng một phiếu giảm giá để dùng thử sản phẩm, và chúng tôi theo dõi tỷ lệ dùng phiếu giảm giá cho cả hai nhóm. Trong thí nghiệm thứ hai, chúng tôi tìm hiểu xem việc “like” một trang có ảnh hưởng đến quyết định của bạn bè trên mạng hay không. Sau 5 thí nghiệm và 2 phân tích tổng hợp trên tổng cộng 14.000 người, chúng tôi tìm ra rằng “like” không có ảnh hưởng đến thái độ và thói quen mua hàng của người tiêu dùng hay bạn bè của họ.

Nói cách khác, chỉ đơn thuần việc “like” một thương hiệu trên Facebook không có giá trị gì theo nghiên cứu của chúng tôi.5

Trong những năm gần đây, Facebook đã không còn quảng bá giá trị của các fan mà thay vào đó cố gắng chứng tỏ sự gia tăng doanh số nhờ quảng cáo trên newsfeed. Nhưng số “like” vẫn là tiêu chí được nhiều giám đốc marketing sử dụng.

Lan truyền trong nhóm

Mạng xã hội, như Facebook, có tiềm năng ảnh hưởng đến bạn bè. Trong một nghiên cứu gây tranh cãi, Nicholas Christakis, của Trường Y Harvard, và đồng nghiệp James Fowler cho rằng bệnh béo phì lây lan trong một nhóm bạn như một căn bệnh.6 Báo Washington Post đưa tin về nghiên cứu này như sau:

Nghiên cứu này, theo dõi trên 12.000 người trong vòng 32 năm, tìm thấy rằng nhóm bạn bè có tác động đến xác suất một người bị tăng cân… nếu vợ hoặc chồng một người bị béo phì, người kia có thêm 37% khả năng bị béo phì trong vòng 2-4 năm, so với những cặp đôi khác. Nếu một người đàn ông bị béo phì, rủi ro đối với anh em trai của người này tăng 40%.7

Ngay sau đó, nghiên cứu này chịu sự chỉ trích của cộng đồng khoa học. Dùng dữ liệu về học sinh trung học và cách tiếp cận y hệt như của Christakis và Fowler, một nghiên cứu khác cho thấy thậm chí chiều cao, mụn trứng cá, và bệnh đau đầu cũng có khả năng lây – những điều mà tác giả của nghiên cứu cho là phi thực tế.8 Russell Lyons, nhà toán học từ Đại học Indiana, viết bài luận phê phán nghiên cứu về béo phì và gọi phương pháp nghiên cứu này là “sai lệch nghiêm trọng”.9

Một lỗ hổng lớn của các nghiên cứu nhằm xác định ảnh hưởng từ bạn bè, xã hội là hiện tượng gây nhiễu mang tên “homophily” (tạm dịch: kết bạn tương đồng), trong đó con người có xu hướng tương tác với những người giống mình,10 tương tự thành ngữ “ngưu tầm ngưu, mã tầm mã”. Theo hiện tượng này, hai người A và B nhiều khả năng là bạn nếu họ có chung sở thích. Do vậy, nếu người A mua một bài hát trên iTunes và sau đó người B mua cùng bài hát, liệu đó có phải là bằng chứng cho thấy A có ảnh hưởng lên B, hay chỉ là do A và B ngay từ đầu đã có chung sở thích âm nhạc, điều khiến họ trở thành bạn bè? Như vậy, đây là mối liên hệ nhân quả hay chỉ là tương quan đơn thuần?

Để tách biệt giữa ảnh hưởng xã hội và kết bạn tương đồng, Sinan Aral, một học giả về mạng xã hội, và các đồng nghiệp sử dụng dữ liệu từ 27,4 triệu người dùng một mạng nhắn tin toàn cầu để tìm hiểu quyết định dùng dịch vụ của họ. Các nhà nghiên cứu tìm ra rằng hiện tượng kết bạn tương đồng giải thích cho trên 50% những điều được cho là có khả năng “lây” và các phương pháp trước đây đã ước tính quá mức các ảnh hưởng xã hội trong quyết định mua hàng từ 300-700%.11 Phát hiện này cũng tương tự với một nghiên cứu khác tìm hiểu lựa chọn sản phẩm công nghệ trong số các nhân viên một công ty, nhận thấy rằng, nếu không tính đến hiện tượng kết bạn tương đồng, ảnh hưởng từ bạn bè sẽ bị ước tính cao hơn 50%.12

Khó có thể kiểm soát hiện tượng kết bạn tương đồng từ dữ liệu thu thập sẵn.13 Cách tốt nhất để làm điều này và xác định chính xác ảnh hưởng bạn bè, xã hội là thông qua thí nghiệm.14

Giá trị cú nhấp chuột

Mặc dù khó đo lường tác động của bạn bè, đánh giá hiệu quả của một quảng cáo đặt bên cạnh trang tìm kiếm trên Google được cho là dễ và đơn giản. Bạn trả tiền dựa vào chi phí trên cú nhấp chuột (click) (CPC), và biết được tỷ lệ chuyển đổi từ nhấp chuột sang mua hàng sẽ giúp bạn ước tính ROI (tỷ lệ lợi nhuận so với đầu tư) của quảng cáo. Google cung cấp những phân tích như vậy để giúp khách hàng ước tính hiệu quả của quảng cáo.

Nghe có vẻ đơn giản đến khó tin, nhưng quảng cáo tìm kiếm trên thực tế có thể kém hiệu quả hơn nhiều so với mong đợi, vì những người dùng nhấp chuột vào quảng cáo đằng nào cũng sẽ vào trang web của bạn, và điều này hoàn toàn có lý. Có lẽ một trong những nghiên cứu gây tranh cãi nhất phủ nhận sức mạnh của quảng cáo tìm kiếm được thực hiện bởi eBay, công ty đã mua quảng cáo tìm kiếm cho hơn 100 triệu từ khóa. Các nhà nghiên cứu tại eBay tin rằng những người gõ từ khóa bao gồm tên thương hiệu (như “giày eBay”) đằng nào cũng có ý định vào trang web eBay. Nói cách khác, những người dùng này sẽ truy cập trang của eBay dù có hay không có quảng cáo. Vào tháng 3 năm 2012, eBay quyết định kiểm chứng giả thuyết này. Hãng dừng quảng cáo đối với tất cả các từ khóa có tên thương hiệu, và theo dõi lượng truy cập trong một thí nghiệm được tiến hành chặt chẽ kèm theo các nhóm kiểm soát. eBay cũng ngưng quảng cáo đối với các từ khóa thông thường không có tên “eBay”. Kết quả cho thấy đặt quảng cáo với các từ khóa có tên thương hiệu không mang lại lợi ích gì, vì hầu hết người dùng nhấp chuột vào quảng cáo đằng nào cũng là những người thường xuyên vào trang eBay. Đối với các từ khóa không bao gồm tên thương hiệu, người dùng mới, không thường xuyên, sẽ bị quảng cáo tác động, nhưng người dùng thường xuyên không lại không bị ảnh hưởng. Nghiên cứu này kết luận: vì “người dùng thường xuyên không bị ảnh hưởng bởi quảng cáo lại chính là đích ngắm của phần lớn ngân sách quảng cáo, tính trung bình, tỷ lệ ROI (lợi nhuận so với đầu tư) là âm.15

Phản hồi nghiên cứu này, người phát ngôn của Google nói:

Nghiên cứu của riêng Google, dựa trên kết quả từ hàng trăm nhà quảng cáo, đã cho thấy 89% lượt truy cập thông qua quảng cáo tìm kiếm sẽ không xảy ra nếu quảng cáo không hiển thị, và 50% lượt truy cập chỉ đạt được dù công ty được quảng cáo hiện lên đầu tiên trong kết quả tìm kiếm. Vì kết quả quảng cáo khác nhau giữa các nhà quảng cáo và phụ thuộc nhiều yếu tố, chúng tôi khuyến khích các nhà quảng cáo thử nghiệm với chiến dịch của mình.16

Gần đây hơn, một đồng nghiệp của tôi, Michael Luca, tiến hành thử nghiệm tương tự đối với quảng cáo tìm kiếm trên Yelp. Dùng mẫu ngẫu nhiên 18.000 nhà hàng, Luca và một tác giả khác chọn ra 7.210 nhà hàng chưa bao giờ quảng cáo trên Yelp. Trong vòng 3 tháng, họ chạy quảng cáo miễn phí cho các nhà hàng này (mà không báo với họ, để tránh việc họ thay đổi cách hoạt động), và gỡ quảng cáo để so sánh lượng truy cập trang của các nhà hàng khi có và không có quảng cáo. Nghiên cứu này tìm ra rằng quảng cáo trên Yelp, trên thực tế, khiến số lượt xem trang của nhà hàng và số cuộc gọi tăng đáng kể.17

Tại sao quảng cáo tìm kiếm không hiệu quả cho eBay nhưng lại hiệu quả cho các nhà hàng trên Yelp? Có vẻ như các từ khóa có chứa thương hiệu không hiệu quả đối với các thương hiệu nổi tiếng như eBay hay Amazon, nhưng có thể có tác động tích cực lên các thương hiệu ít biết đến và các nhà hàng. Dẫu vậy, phần lớn tiền quảng cáo vẫn được chi cho những từ khóa có chứa thương hiệu – hãy thử gõ “khách sạn Hilton” hoặc “Amazon” vào Google và bạn sẽ thấy quảng cáo cho Hilton và Amazon ngay dưới đường dẫn tới các công ty này trong kết quả tìm kiếm.

PHÂN BỔ ĐÓNG GÓP CÁC KÊNH MARKETING

Một vấn đề liên quan khi cố gắng nhận dạng ảnh hưởng của quảng cáo tìm kiếm là attribution (tạm dịch: phân bổ đóng góp), tức xác định xem những cú nhấp chuột hay doanh số bán hàng do đóng góp từ đâu. Tìm kiếm thường được cho là hoạt động thuộc phần đáy của phễu marketing. Nói cách khác, tìm kiếm diễn ra khi khách hàng đang muốn tìm sản phẩm. Tuy nhiên, rất có thể trong những giai đoạn trước đó trong quá trình mua hàng, khách hàng đã bị ảnh hưởng bởi quảng cáo trên TV, radio hoặc ngoài trời, và điều đó đã làm tăng khả năng họ nhấp chuột vào quảng cáo tìm kiếm sau này. Các giám đốc marketing và các chuyên gia quảng cáo khá quen thuộc với vấn đề này, mặc dù cách giải quyết của họ thường không phải lý tưởng.

Google nêu khái quát các mô hình phân bổ đóng góp đang được áp dụng (xem hình 9-2). Năm mô hình đầu tiên được sử dụng phổ biến, nhưng chúng mang tính bộc phát. Ví dụ, phương pháp “điểm tương tác cuối cùng” ghi công 100% cho điểm tiếp xúc cuối cùng, thường sẽ khiến quảng cáo Google có hiệu quả hơn so với thực tế. Phương pháp “phân rã theo thời gian” đặt trọng số cao hơn cho những điểm tiếp xúc sau và trọng số thấp hơn cho những điểm tiếp xúc trước, mặc dù đặt trọng số như vậy có vẻ tùy tiện, và có thể ảnh hưởng đến toàn bộ kết quả phân bổ cũng như ngân sách cho từng kênh. Hai cách tiếp cận còn lại, “dựa vào mô hình” và “dựa vào thí nghiệm”, chặt chẽ hơn. Cách phân bổ dựa vào mô hình sẽ dùng thời gian hiển thị quảng cáo và dữ liệu phản hồi để xác định hiệu quả của mỗi quảng cáo trên hành trình của người tiêu dùng. Cách phân bổ dựa vào thử nghiệm, thường được coi là tiêu chuẩn, hiển thị các quảng cáo của một nhãn hiệu cho nhóm thử nghiệm, nhưng không hiển thị cho nhóm kiểm soát. Sự khác biệt trong phản hồi giữa hai nhóm khách hàng này sẽ cho thấy ảnh hưởng của quảng cáo.

Phân bổ đúng cách sẽ góp phần quan trọng cho việc tối ưu ngân sách. Năm 2010, ngân hàng BBVA Compass và công ty quảng cáo của họ gặp vấn đề này khi phải phân bổ tiền quảng cáo trực tuyến trên một số cỗ máy tìm kiếm và các mạng lưới quảng cáo trên web. Sau khi theo dõi tỷ lệ nhấp chuột và chuyển đổi ở vài kênh truyền thông, BBVA quyết định chi 45% ngân sách cho tìm kiếm và 55% cho quảng cáo hiển thị. Dữ liệu quá khứ cho thấy chi phí giành thêm khách hàng thông qua kênh tìm kiếm là 73 đô-la, trong khi với quảng cáo hiển thị là 88 đô-la, tức cao hơn 20%. Tại sao chi nhiều hơn vào quảng cáo hiển thị trong khi nó tốn kém hơn quảng cáo tìm kiếm 20%? Khi tôi đặt câu hỏi này cho Sharon Bernstein, giám đốc phụ trách phân tích cho công ty quảng cáo của BBVA, bà chia sẻ với tôi kết quả của một thí nghiệm. Trong tháng 1 đến tháng 2 năm 2010, công ty này ngẫu nhiên chia người dùng thành hai nhóm. Cả hai nhóm đều tiếp tục thấy quảng cáo tìm kiếm, nhưng có một nhóm không thấy quảng cáo hiển thị nữa. Công ty sau đó so sánh tỷ lệ chuyển đổi của nhóm không còn thấy quảng cáo hiển thị này trên kênh quảng cáo tìm kiếm (tỷ lệ từ nhấp chuột vào quảng cáo tìm kiếm cho đến hoàn thành đơn đăng ký mở tài khoản) so với nhóm kia, tức nhóm vẫn được thấy quảng cáo hiển thị. Kết quả cho thấy nhóm không được thấy quảng cáo hiển thị có tỷ lệ chuyển đổi 1,26%, và nhóm tiếp tục thấy chúng có tỷ lệ chuyển đổi 1,48%. Dựa trên những kết quả này, công ty quảng cáo kết luận dùng cả 2 loại quảng cáo khiến tỷ lệ chuyển đổi tăng 20% so với chỉ dùng quảng cáo tìm kiếm, và việc chi tiền cho kênh có chi phí giành thêm khách hàng cao hơn 20% là điều hợp lý.18 Gần đây một vài nghiên cứu đã bắt đầu giải quyết bài toán phân bổ một cách chặt chẽ và tinh vi, thay vì những phương pháp giản đơn và sơ sài như trong hình 9-2.19

Hình 9-2: Các mô hình phân bổ đóng góp giữa kênh quảng cáo

a24

a25

TÁC ĐỘNG QUA LẠI

Nếu bạn thấy quảng cáo tìm kiếm và quảng cáo hiển thị, bạn có thể chưa nhấp chuột ngay lúc đó, nhưng nó vẫn có thể ảnh hưởng đến hành vi của bạn sau này. Điều này đúng không chỉ với các quảng cáo xây dựng thương hiệu thường thấy trên TV mà còn với các quảng cáo trực tuyến được thiết kế để khiến bạn truy cập ngay. Bỏ qua hiệu ứng này sẽ dẫn đến đánh giá thấp tác dụng của quảng cáo và cũng dẫn đến việc phân bổ quá thấp cho ngân sách quảng cáo. Hiệu ứng này đáng kể đối với các sản phẩm như xe ô tô, mà khách hàng thường cân nhắc hàng tuần, hàng tháng trước khi mua. Trong nghiên cứu về “khoảnh khắc sáng tỏ số 0” (xem Chương 7), dùng dữ liệu tìm kiếm, Google tạo ra biểu đồ màu biến đổi (heatmap) để minh họa người dùng tìm kiếm bao lâu trước khi thực sự mua đối với nhiều loại sản phẩm. Hình 9-3 cho thấy heat map cho các trường hợp mua xe ô tô, và kết luận người mua tìm kiếm gắt gao nhất từ 1-2 tháng trước khi thực sự mua.20

Hình 9-3: Mức độ tìm kiếm của người mua xe hơi

a26

Nguồn: Jim Lecinski, Winning the Zero Moment of Truth (Palo Alto: Think with Google, 2011), 25.

Hành vi tìm kiếm của khách hàng qua thời gian khiến tôi nghĩ tới chủ đề ngân hàng BBVA và công ty quảng cáo. Trong thí nghiệm như đã bàn ở trên về phân bổ đóng góp của quảng cáo hiển thị, công ty quảng cáo đã theo dõi tác động của loại quảng cáo này trong 2 tuần (chọn 2 tuần là ngẫu nhiên, không có lý do) sau khi người dùng thấy quảng cáo. Nhưng sẽ ra sao nếu tác động của quảng cáo kéo dài hơn 2 tuần? Để tìm hiểu thêm, đồng nghiệp của tôi Pavel Kireyev và Koen Pauwels đã cùng với tôi xin dữ liệu của công ty và xây dựng mô hình chuỗi thời gian (time series) để phân tích cả tác động ngắn hạn và lâu dài của quảng cáo tìm kiếm lẫn quảng cáo hiển thị đối với số đơn đăng ký được hoàn tất. Cũng giống như thí nghiệm của công ty, chúng tôi nhận thấy rằng tỷ lệ chuyển đổi quảng cáo tìm kiếm cao hơn khi khách hàng đã thấy quảng cáo hiển thị trước đó. Nhưng chúng tôi cũng ngạc nhiên khi thấy quảng cáo tìm kiếm có tác động đáng kể kéo dài hơn 2 tuần. Tính cả tác động lâu dài của quảng cáo tìm kiếm, chúng tôi kết luận rằng công ty nên tăng ngân sách quảng cáo tìm kiếm 36%, ngay cả khi tính đến đóng góp của quảng cáo hiển thị.21

TƯƠNG TÁC GIỮA ONLINE - OFFLINE

Dù những nhà quảng cáo lớn nhất trên thế giới như General Motors hay Unilever chi phần lớn tiền vào quảng cáo trực tuyến, phần lớn doanh số của họ vẫn đến từ kênh offline. Năm 2016, kỹ thuật số chiếm 38% chi phí quảng cáo ở Mỹ, và con số này sẽ tăng lên trên 50% vào năm 2020.22 Tuy nhiên, đến quý đầu năm 2017, thương mại điện tử chỉ chiếm 8,5% tổng doanh thu bán lẻ ở Mỹ.23 Rõ ràng các giám đốc marketing tin rằng quảng cáo trực tuyến đang thúc đẩy doanh số offline. Tuy việc theo dõi xem ai đã mua hàng online sau khi thấy quảng cáo online là khá dễ dàng, việc liên hệ giữa quảng cáo online và doanh số offline lại không hề dễ dàng - cho đến những năm gần đây.

Theo dõi mối liên hệ giữa quảng cáo online và doanh số offline là việc khả thi nhờ các thí nghiệm. Ngay cả Facebook, trước nay vẫn quảng bá những thước đo riêng của mình, như số fan hay số “like”, đang chuyển dần sang cách quảng bá sự gia tăng doanh số nhờ quảng cáo. Facebook đã tạo ra một nền tảng mới, Lift, phân chia ngẫu nhiên khán giả trên Facebook vào hai nhóm – một nhóm thấy quảng cáo trên newsfeed, còn nhóm kia thì không. So sánh tỷ lệ chuyển đổi, Facebook có thể đo lường tác động của quảng cáo online lên doanh số offline. Dùng phương pháp này, Facebook cho thấy doanh số offline của dịch vụ dữ liệu trên hệ thống OnStar của GM tăng 2,3% nhờ quảng cáo trên newsfeed của Facebook.24

Trong khi khách hàng có lẽ không tin tưởng khi Facebook tự nói quảng cáo của họ có hiệu quả, một số nghiên cứu hàn lâm đã tiến hành thí nghiệm thực tế cho thấy quảng cáo online có tác động mạnh đến kênh offline. Dùng dữ liệu từ một công ty Hà Lan bán đồ nội thất văn phòng cho các doanh nghiệp, một nghiên cứu tìm ra rằng 73% lợi nhuận gia tăng nhờ quảng cáo AdWords trên Google là từ bán hàng offline, và 20% lợi nhuận gia tăng nhờ tiếp thị gửi thư tận nhà là từ bán hàng online.25 Một nghiên cứu khác cho một công ty bán lẻ quần áo ở Mỹ cho thấy trên 80% ROI (tỷ lệ lợi nhuận trên đầu tư) từ quảng cáo online đến từ bán hàng offline.26

Bỏ qua những tác động giữa các kênh này sẽ khiến phân bổ ngân sách kém hiệu quả. Quảng cáo online không chỉ ảnh hưởng tới doanh số offline, quảng cáo online và quảng cáo offline cũng có sự cộng hưởng. Ví dụ, một quảng cáo truyền hình có thể khuếch đại thông điệp của mình thông qua Twitter hoặc Facebook. Sử dụng dữ liệu ở một công ty xe hơi Đức và tính đến sự cộng hưởng giữa các kênh truyền thông, một nghiên cứu kết luận ngân sách quảng cáo tối ưu cho kênh online của công ty nên nhiều gấp đôi ngân sách hiện tại.

Có thể nói, khả năng tiến hành thí nghiệm thực tế nhanh chóng và không tốn kém cùng khả năng xây dựng các mô hình chặt chẽ, sử dụng lượng lớn dữ liệu quảng cáo và bán hàng đang cho phép các công ty đo lường và tối ưu hóa ngân sách marketing. Tuy nhiên, các nhà quản lý nên cẩn trọng trước những thước đo sai lệch và phân tích thiếu chính xác vẫn đang phổ biến trong giới marketing.