Skip to main content

Thử nghiệm A/B hay cá nhân hoá quảng cáo có thực sự hiệu quả

15 Tháng Một, 2022

Quảng cáo cá nhân hoá (Personalized Ads) hay cá nhân hoá trải nghiệm người dùng là một trong những thuật ngữ được quan tâm nhiều nhất đối với những người làm marketing. Tuy nhiên, nó có thực sự hiệu quả?

quảng cáo cá nhân hoá

Một số công ty công nghệ lớn (Big Tech) xây dựng các nền tảng quảng cáo với mục tiêu là giúp các doanh nghiệp tiếp thị bản thân doanh nghiệp và các sản phẩm của họ trực tuyến.

Với Meta for Business (trước đây là Facebook for Business), các nhà quảng cáo hay người làm marketing có “đủ” thông tin để có thể từng bước khởi chạy các chiến dịch cho riêng họ.

Advertisement

Think with Google hay Twitter for Business cũng không là ngoại lệ, cơ bản các nền tảng này cung cấp các hướng dẫn từng bước để triển khai, đo lường và theo dõi mức độ hiệu quả các chiến dịch quảng cáo.

Những nội dung này hiển nhiên vô cùng “hấp dẫn” đối với các marketers nói chung. Bên cạnh các thông tin liên quan đến các công cụ quảng cáo, nhà quảng cáo còn nhận được vô số các lời khuyên “hữu ích” để cách tiếp cận chiến dịch của họ mang lại hiệu quả nhất.

Cuối cùng, mục tiêu chủ yếu của các nền tảng quảng cáo là khiến cho các nhà quảng cáo tập trung nhiều hơn vào việc cá nhân hoá và hiển nhiên họ muốn thương hiệu có thể chi tiêu nhiều nhất có thể.

Quảng cáo cá nhân hoá – Câu chuyện không hề đơn giản như khái niệm vốn có.

Khi nói đến việc cá nhân hoá quảng cáo, Facebook có lẽ là nền tảng được nhắc đến nhiều nhất. Để có thể khiến doanh nghiệp chi tiêu nhiều hơn, hàng loạt các câu chuyện đầy cảm hứng đã được kể. Từ các câu chuyện doanh nghiệp đã thành công như thế nào với quảng cáo Facebook đến những hiệu quả khác biệt thông qua chiến thuật cá nhân hoá.

Advertisement

Ở đâu đó trên chính nền tảng Facebook hay các nền tảng quảng cáo khác, sẽ không khó để bạn có thể bắt gặp các nội dung quảng cáo kiểu như:

“Thương hiệu A, một nhà sản xuất…hàng đầu thế giới, đã tìm thấy tới hơn 80% khách hàng của họ thông qua các nền tảng của Facebook, hay một công ty B nào đó đã “tăng tới 50% doanh số bán hàng thông qua các ứng dụng và dịch vụ của Facebook”.

Những nội dung này hiển nhiên nghe vô cùng hấp dẫn, nhưng có một câu hỏi đặt ra là liệu các doanh nghiệp hay thương hiệu có thực sự hưởng lợi nhiều như vậy từ các hoạt động quảng cáo mà đặc biệt là quảng cáo cá nhân hoá đến từng phân khúc khách hàng rất nhỏ (hoặc thậm chí là đến từng người)?

Theo nghiên cứu của các giáo sư marketing đến từ trường kinh doanh ESADE thuộc Đại học Ramon Llull và trường quản trị Rotterdam thuộc Đại học Erasmus, khi cung cấp các thông tin đến doanh nghiệp, các nền tảng quảng cáo như Facebook, Google hay Twitter thường không trung thực với các kết luận về tác động của quảng cáo đến thương hiệu.

Advertisement

Để có thể hiểu rõ hơn vấn đề, hãy xem xét đến ví dụ thực tế từ một công ty hàng tiêu dùng đến từ châu Âu trong nhiều năm liền đã định vị thương hiệu của mình dựa trên sự bền vững (sustainability).

Công ty này muốn khám phá xem liệu giữa một quảng cáo tập trung vào tính bền vững và một quảng cáo khác tập trung vào sự thuận tiện, cách tiếp cận nào sẽ hiệu quả hơn.

Thông qua chiến thuật chạy thử nghiệm phân tách quảng cáo (A/B Testing) và sau đó so sánh mức độ lợi nhuận có được dựa trên chi tiêu quảng cáo (ROAS). Kết quả nhận được cho thấy lợi nhuận cao hơn nhiều đối với quảng cáo tập trung vào tính bền vững.

Tuy nhiên, vấn đề chính rút ra ở đây không phải là các thương hiệu (khác) cần tập trung nhiều hơn vào tính bền vững trong nội dung quảng cáo, nó liên quan nhiều hơn đến câu chuyện thử nghiệm quảng cáo.

Advertisement

Các thử nghiệm về các tiêu đề hay nội dung (ad copy) khác nhau, thứ mà Facebook gọi là A/B Testing thực chất không phải thử nghiệm phân tách theo đúng nghĩa. Đây là một hiểu nhầm rất lớn ngay cả với những người làm marketing có kinh nghiệm.

Dưới đây mà một số sự thật liên quan đến câu chuyện thử nghiệm quảng cáo.

1) Có thể Facebook chia một lượng lớn đối tượng mục tiêu thành hai nhóm – nhưng không phải tất cả mọi người trong các nhóm đều sẽ nhận được lượt hiển thị. Có nghĩa là, nhiều người trong thực tế sẽ không có cơ hội được nhìn thấy quảng cáo.

2) Facebook bắt đầu chọn đối tượng từ mỗi nhóm và cung cấp những nội dung khác nhau tùy thuộc vào nhóm mà một người được chọn làm mẫu. Ví dụ: một người được chọn từ Nhóm 1 sẽ nhận được quảng cáo màu xanh và người được chọn khác từ Nhóm 2 sẽ nhận được quảng cáo màu đỏ.

Advertisement

3) Facebook sau đó sử dụng các thuật toán máy học để tinh chỉnh chiến lược lựa chọn của mình. Giả sử rằng những người trẻ tuổi có nhiều khả năng nhấp vào các quảng cáo màu đỏ hơn, vì vậy sau đó hệ thống sẽ bắt đầu tự động phân phối quảng cáo này nhiều hơn cho những người trẻ tuổi.

Vấn đề ở đây là gì? Thuật toán máy học mà Facebook sử dụng để tối ưu hóa việc phân phối quảng cáo đang thực sự làm mất đi giá trị của cái gọi là thử nghiệm phân tách.

Các thử nghiệm A/B được xây dựng dựa trên ý tưởng phân bổ ngẫu nhiên (ở bước số 1 và số 2 nói trên). Nhưng đến bước số 3 thì nó có còn ngẫu nhiên không?

Và đây chính là vấn đề. Nếu bạn so sánh những người ở Nhóm 1 với những người ở Nhóm 2, bạn sẽ không thể đưa ra kết luận về tác động “nguyên nhân và kết quả” vì đơn giản là những người nhận được quảng cáo từ Nhóm 1 vốn khác với những người ở Nhóm 2 trên rất nhiều khía cạnh khác nhau.

Advertisement

Quay lại ví dụ ở trên, những người từ Nhóm 2 sẽ được phân phối các quảng cáo màu đỏ, và họ được mặc định là trẻ hơn so với những người nhận được quảng cáo màu xanh ở Nhóm 1. Dù thử này là gì, như bạn có thể thấy, nó không phải là “thử nghiệm phân tách”.

Nền tảng quảng cáo của Google cũng tương tự.

Theo góc nhìn của Google, các chỉ số giống như ROI sẽ ảnh hưởng bởi những mối quan hệ nguyên nhân kết quả nào đó, trong khi trên thực tế, chúng chịu sự tác động kết hợp.

Hãy thử tưởng tượng rằng một doanh nghiệp nào đó đang muốn tìm hiểu xem liệu một chiến dịch quảng cáo có mang lại hiệu quả trong việc tăng doanh số bán hàng hay không.

Trả lời câu hỏi này, Google gợi ý rằng, các nhà quảng cáo cần kết hợp giữa yếu tố công nghệ cơ bản và thuật toán đơn giản.

Advertisement

Đầu tiên, bạn thiết lập mã theo dõi chuyển đổi (conversion tracking) cho website của mình bởi điều này cho phép bạn có thể theo dõi liệu những khách hàng đã nhấp vào quảng cáo có tiếp tục mua hàng sau đó hay không.

Tiếp theo, bạn tính tổng doanh thu có được từ những khách hàng này và chia cho (hoặc trừ đi) chi phí quảng cáo của mình.

Theo khái niệm của Google thì khi này bạn có được chỉ số ROI, đây là “chỉ số đo lường quan trọng nhất đối với các nhà bán lẻ vì nó cho thấy tác động thực sự của Google Ads đối với doanh nghiệp hay thương hiệu”.

Tuy nhiên, trên thưc tế thì không như bạn nghĩ. Giả định đó của Google còn thiếu sót rất nhiều vì nó thiếu đi các điểm so sánh (point of comparison).

Advertisement

Để thực sự biết liệu quảng cáo có tạo ra lợi nhuận cho doanh nghiệp của bạn hay không, bạn cần biết doanh thu của mình sẽ như thế nào nếu không có quảng cáo và nhiều điểm so sánh khác (ngoài các nền tảng quảng cáo).

Sự nhầm lẫn về khái niệm gọi là “nguyên nhân và kết quả”.

Các doanh nghiệp có thể trả lời hai kiểu câu hỏi sau đây bằng cách sử dụng dữ liệu: Họ có thể trả lời các câu hỏi mang tính dự đoán (chẳng hạn như “Khách hàng này sẽ mua sản phẩm của mình chứ?”) Và các câu hỏi suy luận theo kiểu nguyên nhân và kết quả (kiểu như “Quảng cáo này có khiến khách hàng ra quyết định mua hàng hay không?”).

Những câu hỏi này vốn rất khác nhau nhưng hay dễ bị nhầm lẫn. Để trả lời các câu hỏi suy luận nguyên nhân kết quả, bạn cần thực hiện các phép so sánh ngược tới thực tế (chẳng hạn như “Liệu khách hàng này có mua hàng hay không nếu họ không xem quảng cáo, hay không xem quảng cáo ở nền tảng A nào đó”).

Các “thuật toán thông minh” hay các công cụ kỹ thuật được tạo ra bởi các nền tảng quảng cáo lớn thường đưa ra các phép so sánh giữa quả táo với quả cam để hỗ trợ cho các suy luận mang tính nguyên nhân kết quả. Và đây là một sai lầm.

Advertisement

Đối với các thương hiệu, họ nên nhận thức rõ sự khác biệt giữa dự đoán và suy luận nhân quả cũng như tầm quan trọng của việc phân bổ nguồn lực một cách hiệu quả.

Nhắm mục tiêu tới những người có khả năng mua hàng bằng quảng cáo là một vấn đề hay thuật toán dự đoán thuần túy. Nó không dựa trên các suy luận mang tính nguyên nhân kết quả trong thực tế. Và do đó việc thuyết phục ai đó mua hàng theo cách này sẽ ngày càng trở nên khó khăn hơn.

Các nền tảng quảng cáo rõ ràng là cung cấp nhiều cách hơn để các doanh nghiệp tiếp cận khách hàng, tuy nhiên các doanh nghiệp (đặc biệt là vừa và nhỏ) cần nên lưu ý rằng các nền tảng quảng cáo luôn theo đuổi lợi ích riêng của họ khi cung cấp thông tin và công cụ hỗ trợ, và nhiều khi nó khiến cho doanh nghiệp có những góc nhìn thiếu chính xác.

Tham gia Cộng đồng We’re Marketer để thảo luận các chủ đề về Marketing và Business tại: Link

Advertisement

Tra Nguyen

Bài viết liên quan

Nổi bật


Đọc nhiều

Ngành Bia Rượu: Doanh thu của Sabeco rớt thảm xuống mức thấp nhất 7 năm

16 Tháng Hai, 2024
ThaiBev từng chi khoảng 110.000 tỷ đồng (gần 5 tỷ USD) để sở hữu cổ phần chi phối tại Sabeco, tươ…
Advertisement