Marketer, thận trọng với chỉ số KPI

Nếu muốn hiểu rõ chỉ số đo lường thành quả (KPI), Marketer cần phải tiến hành các thử nghiệm. Nhưng trước khi thử nghiệm cần phải hiểu rõ, những khác biệt giữa “quan hệ tương quan” và “quan hệ nhân quả” giữa các sự kiện có thể tác động lên thành quả kinh doanh.

Vai trò của một Marketer là nghiêm túc xem xét dữ liệu thông qua các báo cáo ngày, tuần, tháng, quý và năm; từ đó phân tích và dự báo những kết quả sẽ xảy ra dựa trên những thông tin từ quá khứ và tình trạng kinh doanh ở hiện tại.

Cụ thể công việc phân tích này sẽ đào sâu các dữ liệu để nắm bắt những kết quả trong quá khứ cũng như hiểu rõ nguyên nhân nào tác động đến chúng.

Hãy xem xét ví dụ dưới đây mô tả chi tiết thành quả nhấp chuột của một vị trí quảng cáo:

kpi

Tỷ lệ chuyển đổi (CNV) là 2%. Như vậy có đúng nếu kết luận rằng: những người dùng nhấp chuột vào quảng cáo lúc nào cũng “chuyển đổi” (trở thành khách hàng) với tỷ lệ 2%?

Chuyện gì xảy ra nếu đặt vấn đề khác đi: có phải 2% số lượt truy cập (Visit) đã thực hiện chuyển đổi bởi vì họ đã nhấp chuột vào quảng cáo?

Rất khó để biết được cách đặt vấn đề nào chính xác hơn, bởi vì dữ liệu CNV trên báo cáo này thể hiện mối tương quan giữa các “nhấp chuột vào quảng cáo” với hành động “chuyển đổi” của người dùng; nhưng không chỉ rõ, quảng cáo này đã tác động như thế nào tới quyết định chuyển đổi. Dễ hiểu hơn, chỉ số này chỉ cho biết hành động nhấp chuột và hành động chuyển đổi có mối liên hệ, nhưng không chỉ rõ chiều tác động, cũng như mức độ tác động diễn ra như thế nào. Do đó để có thể hiểu được mức độ ảnh hưởng của quảng cáo lên hành vi người dùng, các nhà phân tích cần thực hiện thử nghiệm để hiểu về ảnh hưởng có tính “nhân quả” của một người dùng đã tiếp xúc với quảng cáo.

Nhưng trước khi tiến hành các thử nghiệm, Marketer cần nắm rõ sự khác biệt giữa quan hệ nhân quả và quan hệ tương quan.

Tương quan – Nhân quả

Hiện tượng 1: Billy bị muỗi chích vào tay, 3 giờ sau tay Billy nổi mụn đỏ và ngứa. Không khó để nhận ra rằng các nốt mụn này xuất hiện như là “kết quả” của việc Billy bị muỗi cắn vào tay. Như vậy có thể kết luận: muỗi cắn có thể gây ra các vết đỏ và ngứa –> Đây là mối quan hệ nhân quả

Hiện tượng 2: Mỗi khi Billy bị muỗi cắn, Jane cũng bị muỗi cắn. Đến đây sẽ xảy ra sai lầm nếu vội kết luận “Jane bị muỗi cắn bởi vì Billy bị muỗi cắn”. Mặc dù có sự liên hệ giữa hai sự kiện trên, nhưng thậm chí dù chúng có diễn ra cùng lúc, với tần suất thường xuyên đi chăng nữa thì cũng không có nghĩa là – sự kiện này xảy ra sẽ kéo theo sự kiện kia xảy ra. –> Đây là mối quan hệ tương quan

Bây giờ hãy đặt hiện tượng vào trong bối cảnh của ngành Marketing.

Trong tổng số lần người dùng mua sản phẩm X, có 20% số lần họ sẽ mua sản phẩm Y tiếp sau đó. Và trong tổng số người mua sản phẩm Y, sẽ có 30% đã mua sản phẩm X trong 3 tháng trước.

Như vậy việc mua sản phẩm Y có được xem là kết quả của việc mua sản phẩm X (quan hệ nhân quả) hay không? Câu trả lời là “không”, bởi vì không phải mọi hành động mua sản phẩm Y đều diễn ra sau khi có hành động mua sản phẩm X.

Nhưng có thể kết luận rằng: việc mua sản phẩm X là một tiêu chí để gia tăng khả năng mua sản phẩm Y (quan hệ tương quan) hay không? Điều này là chắc chắn.

Hầu hết các chỉ số thể hiện thành quả tổng hợp (KPI) đều thể hiện quan hệ “tương quan” thay vì quan hệ “nhân quả” như ví dụ ở trên.

Để đo lường ảnh hưởng nhân quả mà quảng cáo tạo ra, Marketer cần thiết kế một thử nghiệm để phân tách người dùng thành hai nhóm – nhóm Test (được xem quảng cáo) và nhóm Control (không được tiếp xúc với quảng cáo). Sau đó quan sát các chỉ số KPI được tính toán cho hai nhóm này, từ đó đo lường ảnh hưởng của quảng cáo lên hành vi người dùng. Nói cách khác, chúng ta đang tính toán giá trị gia tăng mà một lượt truy cập (visit) đến từ quảng cáo mang lại so với một lượt truy cập thông thường.

Hãy xem xét kết quả của thử nghiệm bên dưới:

kpi

Đối với nhóm tiếp xúc với quảng cáo (Test Group), quan sát cho thấy tỷ lệ chuyển đổi 2,5% trên 1.000 lượt truy cập và mang lại lợi nhuận 2,5$/mỗi lượt truy cập (giá trị trung bình mỗi đơn hàng là 100$). Nhưng liệu 2,5$ này có phải hoàn toàn đến từ quảng cáo?

Để trả lời, chúng ta phải xem xét thêm kết quả trên nhóm không tiếp xúc với quảng cáo (Control Group), theo đó tỷ lệ chuyển đổi cho nhóm đối tượng này là 2%. Như vậy, việc “xem quảng cáo” đã gia tăng khả năng chuyển đổi từ 2% lên 2,5%, nghĩa là giá trị gia tăng của các nhấp chuột vào quảng cáo phải là 0.5$ chứ không phải 2.5$.

Rõ ràng tính hiệu quả của dự báo phụ thuộc rất lớn vào việc người phân tích nhận ra được “mối tương quan” giữa các sự kiện – thứ thể hiện khả năng gia tăng thành quả dựa trên một số hành động được quan sát. Không có gì đáng ngạc nhiên khi nhiều thuật toán học máy (machine-learning algorithms) được sử dụng phổ biến hiện nay để dự báo thành quả kinh doanh đều dựa trên mô hình ‘nhận dạng mẫu’ (pattern recognition – là việc “cần thực hiện một tác động vào dữ liệu thô mà tác động cụ thể là gì sẽ tùy vào loại của dữ liệu đó”), tức dựa trên “mối tương quan”.

Thực tế việc thử nghiệm sẽ tốn thời gian và tiền bạc. Nhưng nếu nhìn vào lợi ích mà hoạt động này mang lại thì rõ ràng đây sẽ là cách rẻ nhất để đảm bảo Marketer thực sự hiểu về các chỉ số KPI của mình và có thể đưa ra các quyết đinh kinh doanh với mức độ chính xác cao nhất. Không có thử nghiệm, các báo cáo cũng như các chỉ số KPI quan sát được chỉ đơn giản thể hiện quan hệ tương quan.

Marketer đã bắt đầu nhận dạng và đối phó với các “mối tương quan”, nhưng chúng vẫn sẽ luôn thay đổi không ngừng với những biến hóa đa dạng. Do đó hãy chủ động dẫn dắt cuộc chơi bằng cách không ngừng triển khai các thử nghiệm phù hợp.

Nguồn: marketingland.com

Theo blog.ants.vn