“Dữ liệu không phải là người kể chuyện giỏi”. Đó là khẳng định của bà Manjiry Tamhane – CEO toàn cầu của Hãng tư vấn tiếp thị đa quốc gia Gain Theory.
Trong lĩnh vực tiếp thị, mỗi dữ liệu kể một câu chuyện rất riêng. Thậm chí một nguồn dữ liệu có thể cho những câu chuyện đầy mẫu thuẫn. Nắm bắt được điểm cốt lõi và tìm ra sự thật, đó là việc của các nhà tiếp thị. Dữ liệu là nền tảng cho các kế hoạch truyền thông hay kích hoạt thương hiệu [1]. Vậy khi nghiên cứu dữ liệu, các nhà tiếp thị phải theo dõi loại dữ liệu nào? Và sự thật nằm ở đâu?
Dữ liệu bị lỗi có thể do rất nhiều lý do, một trong số đó là mẫu không đại diện. Khi dữ liệu được lấy từ nhiều nguồn khác nhau, nhiều khả năng chúng ta sẽ thấy những câu chuyện đầy mâu thuẫn. Trên thực tế, đó chỉ đơn thuần do lỗi định dạng báo cáo lệch. Trong trường hợp đó, cần kết hợp các nguồn dữ liệu này một cách tương xứng và thuê bên thứ ba có kinh nghiệm phân tích dữ liệu để phân loại toàn bộ dữ liệu, đồng thời đưa ra bản báo cáo có thể kể chuyện một cách mạch lạc và chân thực.
Khi có sự sâu thuẫn giữa các dữ liệu, các marketer phải lặp đi lặp lại một quá trình nhằm loại bỏ các thông điệp gây hiểu nhầm. Có 4 điều cần lưu ý trong quá trình này:
Khi có sự sâu thuẫn giữa các dữ liệu, các marketer phải lặp đi lặp lại một quá trình nhằm loại bỏ các thông điệp gây hiểu nhầm. Nguồn: Forbes
Nhìn xa hơn: Cần đưa bối cảnh lịch sử vào các dữ liệu mà bạn đang nghiên cứu. Vì có ngữ cảnh, bạn mới có thể xác định hướng của dữ liệu và ý nghĩa của các số liệu mới trong mối liên hệ với quá khứ. Trong giới marketing [2], có rất nhiều báo cáo ngày hoặc tuần. Ví dụ như báo cáo tỷ lệ nhấp chuột (click-through-rate) hằng ngày. Báo cáo này không thể đưa ra được bức tranh toàn cảnh về những điều đang diễn ra. Vì thế các nhà tiếp thị nên tránh tập trung quá nhiều vào nguồn dữ liệu hạn chế đó.
Nhìn sâu hơn: Cần đánh giá cái gì là hiệu quả và cái gì không. Bạn nên cập nhật những góc nhìn mới nhất về tác động của các chiến lược tiếp thị đối với thương hiệu. Ví dụ, chuyên gia trong ngành hay các học giả nghĩ gì về ảnh hưởng của video [3] theo yêu cầu (Video-On-Demand) lên doanh số? Rút kinh nghiệm từ thành công và sai lầm của người khác – nghiên cứu những điều đó cả trong dữ liệu lẫn trong cuộc sống.
Đặt câu hỏi: Để thấy được sự thật trong mớ dữ liệu đầy mâu thuẫn, cần nhìn nhận một cách vô cùng tỉ mỉ. Hãy tập trung vào các nguồn dữ liệu mâu thuẫn. Chúng kể câu chuyện gì? Liệt kê ra tất cả các lý do có thể gây ra mâu thuẫn và sau đó nghiên cứu từng lý do một. Từ đó cố gắng loại trừ sai lầm để đi đến sự thật.
Luôn cẩn trọng: Nếu tất cả các cách trên không giải quyết được vấn đề, tốt nhất bạn nên thận trọng. Hãy trung thực thừa nhận rằng có mâu thuẫn trong việc diễn giải dữ liệu. Đó sẽ là lựa chọn an toàn hơn nhiều so với việc đưa ra kết luận sai lầm.
Chúng ta thường được nghe về kiểm tra và học hỏi (Testing and Learning), việc này đặc biệt thích hợp trong việc tìm kiếm sự thật từ khối dữ liệu. Khi không chắc chắn một phần nào đó có hiệu quả hay không, hãy giảm đầu tư xuống mức có thể kiểm soát được và xem xét hiệu quả ra sao.
Người ta hay nói rằng câu chuyện nào cũng có ba mặt: Mặt bên này, mặt bên kia và sự thật. Lọc đám dữ liệu thời gian thực (real-time) khổng lồ bày ra trước mắt là nhiệm vụ hết sức nặng nề cho các nhà tiếp thị, đặc biệt khi những gì họ thấy sau khi phân tích lại trái ngược nhau. Tuy nhiên, đi đến tận cùng của sự trái ngược cuối cùng lại giúp ta tiết kiệm được một lượng tiền rất lớn.
Theo DNSG