Marketing Attribution: Hướng Dẫn về Các Mô Hình Phân Bổ

Bạn đang tương tác với khách hàng trên nhiều kênh. Vì vậy, có rất nhiều điểm chạm được tạo ra, chúng xuất hiện trên quảng cáo trả tiền, social media, công cụ tìm kiếm, email, website và nhiều nơi khác.

Trong hành trình của khách hàng, các điểm chạm kết nối với nhau, đan xen nhau trước khi người dùng đến điểm cuối cùng: chuyển đổi. Đó là khi bạn sẽ nhận thấy việc ghi công cho từng điểm tiếp xúc trở nên khó khăn.

Marketing attribution giúp bạn đo lường và đánh giá tác động của các điểm chạm riêng biệt. Từ đó, bạn có thể tối ưu hóa những gì chưa hiệu quả hoặc phân bổ ngân sách vào các kênh đang hoạt động tốt hơn.

1. Marketing attribution là gì?

Marketing attribution là quá trình đo lường và chỉ định giá trị đóng góp cho bất kỳ kênh hoặc điểm tiếp xúc nào tác động đến kết quả cụ thể – chuyển đổi, doanh số hoặc các mục tiêu khác.

Ví dụ: Đo lường phân bổ giúp bạn có thể đánh giá đóng góp của Facebook Ads, Google Ads vào việc tạo ra đơn hàng trên website.

Ngày nay, người tiêu dùng trải qua trung bình 15 điểm tiếp xúc trở lên trước khi đưa ra quyết định. Điều đó có nghĩa rằng, hành trình của khách hàng đang trở nên phức tạp hơn trên các kênh digital và non-digital.

Vì vậy, việc biết điểm tiếp xúc nào hiệu quả trong việc thúc đẩy chuyển đổi là một thách thức lớn. Nếu không có phân bổ chính xác, bạn sẽ không thể biết được số tiền chi tiêu trên mỗi kênh hiệu quả ra sao.

Bạn nên quan tâm đến marketing attribution vì:

• Nó cho bạn biết những chiến dịch nào mang lại lợi tức chi tiêu quảng cáo (ROAS) hoặc lợi tức đầu tư (ROI) nhất.
• Nó cho bạn biết kênh nào tạo ra nhiều chuyển đổi, khách hàng tiềm năng và doanh thu nhất.
• Nó giúp bạn chi tiêu ngân sách marketing của bạn một cách hợp lý.
• Nó giúp bạn dự đoán những gì sắp xảy ra để bạn có thể thực hiện điều chỉnh các chiến thuật marketing của mình theo thời gian thực.

Để triển khai marketing attribution, chúng ta cần lựa chọn và sử dụng một mô hình phân bổ – còn gọi là attribution model.

Attribution model là gì?

Attribution model là các quy tắc hoặc thuật toán quyết định cách chỉ định giá trị đóng góp vào các điểm tiếp xúc trên đường dẫn chuyển đổi. Một chuyển đổi được phân bổ cho các lượt nhấp, quảng cáo và các yếu tố riêng lẻ dọc theo đường dẫn chuyển đổi của người dùng.

Ví dụ: Trong mô hình phân bổ last-touch (còn gọi là last-click), 100% giá trị đóng góp được chỉ định cho các điểm tiếp xúc cuối cùng (nghĩa là lượt nhấp chuột) ngay trước khi chuyển đổi.

2. Các loại attribution model

Có hai loại mô hình phân bổ là:

• Mô hình phân bổ dựa trên quy tắc: Tuân theo một bộ quy tắc được xác định trước để chỉ định giá trị đóng góp cho các điểm tiếp xúc có thể tác động đến chuyển đổi dựa trên thời điểm chúng xuất hiện trong hành trình được theo dõi.

• Mô hình phân bổ theo hướng dữ liệu: Tuân theo các nguyên tắc máy học để tính toán và chỉ định giá trị đóng góp thực tế của mỗi điểm tiếp xúc dẫn đến lượt chuyển đổi. Mô hình thuật toán là mô hình phân bổ tiên tiến và chính xác nhất.

Các mô hình phân bổ phổ biến

Phân bổ dựa trên quy tắc bao gồm các mô hình:

• Các mô hình phân bổ một lần chạm (single-touch): First-touch (còn gọi là first-click) và Last-touch (còn gọi là last-click).
• Các mô hình phân bổ đa chạm (multi-touch): Linear, U-shaped, W-shaped, Time-decay.

Mô hình phân bổ một điểm chạm chỉ thích hợp cho chuyển đổi trực tiếp. Nó hoạt động tốt nếu người dùng nhấp vào quảng cáo và hoàn tất thanh toán ngay lập tức.

Phân bổ theo hướng dữ liệu cũng là một mô hình phân bổ đa chạm.

Bây giờ, chúng ta cùng tìm hiểu thêm về các mô hình phân bổ được tôi đề cập ở trên.

Mô hình phân bổ theo điểm chạm đầu tiên

Phân bổ theo điểm chạm đầu tiên (First-touch attribution) chỉ định toàn bộ giá trị đóng góp cho kênh đầu tiên mà khách hàng nhấp vào trước khi chuyển đổi.

Mô hình phân bổ theo điểm chạm đầu tiên không tính đến bất kỳ tương tác nào của khách hàng sau lần chạm đầu tiên và chúng có thể khiến bạn thiên vị một cách không công bằng đối với các kênh khác.

Mô hình này phù hợp cho các chiến dịch với mục tiêu nâng cao nhận thức về thương hiệu.

Mô hình phân bổ theo điểm chạm cuối cùng

Phân bổ theo điểm chạm cuối cùng (Last-touch attribution) chỉ định toàn bộ giá trị đóng góp cho kênh cuối cùng mà khách hàng nhấp vào trước khi chuyển đổi.

• Trước đây, last-click là mô hình phân bổ được sử dụng nhiều nhất và mọi người thường mặc định dùng nó cho phân tích marketing.
• Phân bổ theo điểm chạm cuối cùng không phù hợp với hầu hết các doanh nghiệp vì chúng ta luôn làm marketing bằng nhiều kênh. Ngoài ra, người tiêu dùng ngày càng có xu hướng trải qua nhiều điểm chạm trước khi mua hàng.

Mô hình phân bổ tuyến tính

Phân bổ tuyến tính (Linear attribution) chỉ định đồng đều giá trị đóng góp cho tất cả các kênh mà khách hàng nhấp vào trước khi chuyển đổi.

Mô hình tuyến tính coi các điểm tiếp xúc quan trọng ngang nhau. Vì vậy, nó không cung cấp bất kỳ thông tin chi tiết nào về mức độ hiệu quả của từng giai đoạn trong việc thúc đẩy chuyển đổi.

Ưu điểm của mô hình tuyến tính là dễ triển khai phân bổ đa chạm và giúp bạn hiểu rõ hơn về hành trình tổng thể của khách hàng. Nó thích hợp cho các công ty mới thực hiện digital marketing và không có nhiều dữ liệu lịch sử để làm việc.

Mô hình phân bổ hình chữ U

Phân bổ hình chữ U (U-shaped attribution, còn gọi là Position-based attribution) chỉ định cùng một mức giá trị đóng góp—40%—cho điểm tiếp xúc đầu tiên và cuối cùng. 20% giá trị đóng góp còn lại được chia đều cho các điểm tiếp xúc xảy ra ở giữa.

• Phân bổ hình chữ U coi trong các điểm tiếp xúc đầu tiên và cuối cùng trước khi chuyển đổi, thích hợp cho các chiến dịch quảng bá sản phẩm có giá trị thấp, chu kỳ bán hàng ngắn.
• Mô hình này giúp bạn hiểu được kênh nào có giá trị hơn trong việc khởi động hành trình của khách hàng và tạo chuyển đổi, bên cạnh đó các điểm chạm có giá trị thấp hơn vẫn được xem xét.

Mô hình phân bổ hình chữ W

Phân bổ hình chữ W (W-shaped attribution) chỉ định 30% giá trị đóng góp cho các điểm tiếp xúc đầu tiên, giữa và cuối cùng. 10% giá trị đóng góp còn lại được chia đều cho các điểm tiếp xúc khác.

Mô hình này phù hợp cho các chiến dịch đa kênh phức tạp và hành trình của khách hàng dài hơn với nhiều điểm tiếp xúc.

Mô hình phân bổ giảm dần theo thời gian

Phân bổ giảm dần theo thời gian (Time-decay attribution) chỉ định mức giá trị đóng góp cao hơn cho các lượt tương tác xảy ra gần với thời điểm chuyển đổi hơn.

• Các điểm tiếp xúc đầu tiên được chỉ định giá trị đóng góp ít hơn nên mô hình này không đánh giá cao các chiến dịch với mục tiêu nâng cao nhận thức về thương hiệu.
• Phân bổ giảm dần theo thời gian phù hợp cho các chiến dịch có ngày định trước. Chuyển đổi xảy ra càng lâu thì các điểm tiếp xúc trước đó càng nhận được ít giá trị đóng góp. Thời gian là yếu tố quan trọng hơn số lượng điểm tiếp xúc và thứ tự của chúng.
• Mô hình này hoạt động dựa trên sự phân rã theo cấp số nhân, nó sử dụng công thức chu kỳ bán rã.

Mô hình phân bổ theo hướng dữ liệu

Phân bổ theo hướng dữ liệu (Data-driven attribution) sử dụng máy học và phân tích dự đoán để chỉ định giá trị đóng góp cho những điểm tiếp xúc có ảnh hưởng nhất dẫn đến chuyển đổi.

• Phân bổ theo hướng dữ liệu không dựa trên bất kỳ bộ quy tắc được xác định trước nào, điều đó có nghĩa là kết quả chỉ dựa trên dữ liệu hành trình của khách hàng.
• Cách tiếp cận dựa trên dữ liệu giúp bạn loại bỏ phỏng đoán khi lựa chọn một mô hình phân bổ.
• Chuỗi Markov là một trong những phương pháp phổ biến nhất được sử dụng trong mô hình phân bổ thuật toán. Nó chỉ định giá trị đóng góp bằng cách đánh giá mối quan hệ giữa các điểm tiếp xúc.

Mặc dù mô hình này cho thấy sự ưu việt nhưng thường có một số yêu cầu tối thiểu về dữ liệu. Ví dụ trong Google Ads, bạn cần có ít nhất 300 lượt chuyển đổi và 3.000 lượt tương tác với quảng cáo trong vòng 30 ngày. Sau 30 ngày kể từ khi dữ liệu giảm liên tục, hệ thống sẽ chuyển hành động chuyển đổi của bạn sang mô hình phân bổ “Theo lượt nhấp cuối cùng”.

3. Giới thiệu về attribution window

Lượt chuyển đổi có thể xảy ra sau nhiều ngày hoặc nhiều tuần kể từ khi một người tương tác với quảng cáo của bạn. Do đó, cùng với attribution model, bạn cần có một cơ chế để xem lại và ghi nhận đóng góp của các điểm tiếp xúc.

Attribution window (Khoảng thời gian phân bổ, còn gọi là Lookback window hoặc Conversion window) là số ngày từ khi một người xem hoặc click vào quảng cáo đến khi họ chuyển đổi.

Ví dụ: Nếu khoảng thời gian phân bổ là 30 ngày thì hệ thống chỉ phân bổ lượt chuyển đổi xảy ra vào ngày 30 tháng 1 cho những điểm tiếp xúc xảy ra từ ngày 1 đến ngày 30 tháng 1.

Các tương tác thường được sử dụng để đo lường:

• Phân bổ lượt click: Một người click vào quảng cáo và thực hiện hành động.
• Phân bổ lượt xem: Một người xem quảng cáo, không click vào nhưng thực hiện hành động trong khoảng thời gian phân bổ.

Một số khoảng thời gian trong cài đặt phân bổ:

• Lượt click: 1 ngày, 7 ngày, 28 ngày, 30 ngày, 60 ngày, 90 ngày
• Lượt xem: 1 ngày, 3 ngày, 7 ngày

Cách sử dụng khoảng thời gian phân bổ:

• Khoảng thời gian phân bổ ngắn (như 1 ngày, 7 ngày) có thể hợp lý khi bạn cung cấp sản phẩm giá trị thấp, retargeting, chu kỳ chuyển đổi ngắn hoặc ngay lập tức.
• Khoảng thời gian phân bổ dài hơn (như 30 ngày, 90 ngày) có thể hợp lý khi bạn cung cấp sản phẩm giá trị cao hoặc khách hàng cần nhiều thời gian để ra quyết định.

Độ dài khoảng thời gian phân bổ mà bạn sử dụng phải dựa trên mục tiêu của chiến dịch cụ thể và hành vi của đối tượng.

4. Cách xác định và lựa chọn attribution model

Bây giờ bạn đã biết có những loại mô hình phân bổ nào, đã đến lúc chọn mô hình phù hợp cho doanh nghiệp của bạn.

Vì mô hình phân bổ lý tưởng phụ thuộc vào nhiều yếu tố khác nhau như mô hình kinh doanh, sản phẩm, đối tượng, giá trị đơn hàng trung bình (AOV), thông điệp marketing,… nên bạn có thể bắt đầu bằng cách trả lời một số câu hỏi:

• Mô hình kinh doanh của bạn là B2B hay B2C?
• Hành trình mua hàng sẽ trông như thế nào?
• Chu kỳ chuyển đổi thường diễn ra trong bao lâu?
• Tại sao khách hàng thường bỏ ngang trong quá trình mua hàng?
• Giá trị trung bình trên mỗi đơn hàng cao hay thấp?

Dựa vào các câu trả lời, bạn sẽ có một vài ý tưởng để cân nhắc nên thử mô hình nào.

Bây giờ đã đến lúc bạn chuyển sang bước tiếp theo, hãy thử nghiệm một vài mô hình phân bổ khác nhau và so sánh để xem mô hình nào cung cấp cho bạn dữ liệu hữu ích nhất.

5. Thách thức của marketing attribution

Digital chắc chắn làm cho việc đo lường trở nên dễ dàng hơn nhưng vẫn còn hàng tá thách thức khiến việc phân bổ chính xác gần như không thể.

Dưới đây là một số lý do và thách thức:

• Attribution không xem xét các hiệu ứng O2O (offline-to-online) dẫn đến chuyển đổi.
• Attribution không tính đến tác động của các yếu tố bên ngoài đối với chuyển đổi và bán hàng. Ví dụ: khuyến mãi và giá cả, thời tiết, tình hình kinh tế, tính thời vụ, đối thủ, yếu tố vĩ mô,…
• Khách hàng và văn hóa liên tục thay đổi. Khi công nghệ và xu hướng thay đổi, hành vi của khách hàng cũng vậy.
• ROI được phân bổ là ROI không đúng: Nó không thực sự đại diện cho ROI thực của kênh, chiến dịch hoặc quảng cáo.
• Bảo mật dữ liệu và cookie: Bảo vệ quyền riêng tư dữ liệu là vấn đề được người dân và chính phủ các nước lớn quan tâm. Do đó, những gã khổng lồ công nghệ như Apple, Google cũng đang phải tự đưa ra những hạn chế về dữ liệu để tuân thủ các đạo luật và làm hài lòng người dùng, chẳng hạn như iOS 14.5 và Privacy Sandbox.

Tạm kết

Với marketing attribution và mô hình phù hợp, bạn sẽ hiểu rõ hơn về mức độ ảnh hưởng của các điểm tiếp xúc khác nhau đến khách hàng trong hành trình mua hàng của họ.

Bằng cách liên tục kiểm tra và thử nghiệm các mô hình khác nhau, bạn sẽ bắt đầu thu được thông tin quan trọng cần thiết để tăng thêm doanh thu nhờ hoạt động marketing.

Cuối cùng, không có mô hình phân bổ và khoảng thời gian phân bổ tốt nhất, việc lựa chọn sẽ phụ thuộc vào nhiều yếu tố khác nhau, chẳng hạn như loại chiến dịch, kênh bạn đang sử dụng và mục tiêu của chiến dịch.

Bạn thích attribution model nào nhất?