Nếu tiếng Pháp được mệnh danh là ngôn ngữ của tình yêu, thì các số liệu như CPCs, CPA, CTRs là ngôn ngữ của marketing. Việc chúng ta dùng số liệu để báo cáo, dự đoán trước hiệu suất là rất quan trọng, nhưng không cần quá áp lực bởi các con số. Bài viết sau đây sẽ giúp bạn giải tỏa lo lắng đó.

Hình 1: Ngôn ngữ của marketing

Số liệu dự đoán thường bị sai lệch

Chúng ta thường dự đoán chiến dịch của mình sẽ tạo ra bao nhiêu lợi nhuận trong quý tới, và sẽ tốn bao nhiêu chi phí. Thường thì chúng ta sẽ dự đoán theo một giá trị trung bình.

Hình 2: Mô hình dự đoán lợi nhuận và chi phí

Tuy nhiên để dự đoán được doanh thu và ngân sách phải chi, lại có rất nhiều số liệu mà bạn sẽ không thể dự đoán chính xác được như:

• Volume search
• Tỷ lệ hiển thị
• Tỷ lệ nhấp
• Chi phí cho mỗi lần nhấp chuột (CPC)
• Tỷ lệ chuyển đổi (CVR)

Điều này tạo ra sự thiếu chắc chắn trong kết quả dự đoán cuối cùng. Nếu trong mỗi giai đoạn của phễu (funnel) có nhiều vấn đề không chắc chắn, thì càng đi sâu vào phễu thì nó sẽ càng sai lệch, gây ra khó khăn trong việc dự đoán số liệu của phễu thấp hơn (lower funnel) cũng như sự chuyển đổi.

Có thể bạn quan tâm: Dịch vụ tối ưu conversion rate của MangoAds

Không nên dự đoán chính xác một con số

Cho ra dự đoán chính xác sẽ làm nảy sinh nhiều vấn đề chẳng hạn như:

• Nếu bạn cung cấp dự đoán cho những bên liên quan khác, và bạn khẳng định rằng bạn có thể tạo ra một số lượng cụ thể cho quý tới, điều này có thể đặt áp lực không cần thiết cho bạn.
• Cổ đông có thể sẽ cần tạo ra những quyết định kinh doanh dựa trên dự đoán của bạn. Họ có thể sử dụng con số của bạn để thông báo cổ phiếu, tuyển dụng, hoặc những quá trình khác dựa trên marketing volume.

Để giải quyết hai vấn đề trên, thay vì xuất ra một giá trị duy nhất cho doanh thu của quý tới, bạn chỉ cần đưa ra khoảng doanh thu có thể đạt được mà thôi.

Hình 3: Bảng số liệu doanh thu

Điều này giúp bạn giảm bớt áp lực; bạn sẽ không còn phải tuân theo một con số doanh thu mà dự báo của bạn đưa ra. Nó cũng cho phép cổ đông khác lập kế hoạch cho tất cả các tình huống có thể xảy ra dựa trên hoạt động marketing của bạn diễn ra như thế nào, nghĩa là bạn không phải căng thẳng về việc đạt được mục tiêu của mình một cách chính xác.

Giải pháp đề ra

Ví dụ chúng ta đang cố dự đoán có bao nhiêu impression trong quý tiếp theo. Đầu tiên, bạn biết rằng lượt impression phụ thuộc vào search volume và tỷ lệ hiển thị. Theo đó, chúng ta sẽ không ấn định số lượng tìm kiếm và tỷ lệ hiển thị của quý tới là có giá trị cố định. Thay vào đó, chúng ta sẽ cho chúng trong phạm vi giá trị. Cụ thể, thay vì dự đoán lượt tìm kiếm là 100 nghìn, chúng ta sẽ đưa ra khoảng dự kiến là từ 75 nghìn đến 125 nghìn. Tương tự, thay vì tỷ lệ hiển thị 70%, bạn dự đoán từ 60 đến 80%.

Hình 4: Bảng số liệu dự tính

Dự đoán dựa trên phạm vi tốt hơn là một con số chính xác, nhưng làm cách nào để ước tính số lần hiển thị mà chúng ta sẽ nhận được?

Mô hình mô phỏng

Chúng ta có thể thử nghiệm một lượng lớn mô phỏng, trong đó mỗi mô phỏng, số lượng tìm kiếm được chọn ngẫu nhiên giữa các con số 75 nghìn và 125 nghìn, và tỷ lệ hiển thị được chọn ngẫu nhiên từ 60 đến 80%. Trong mỗi mô phỏng, chúng ta nhân hai số này với nhau và ghi lại kết quả; số lần hiển thị mà chúng ta nhận được trong mô phỏng đó.

Ví dụ: Sử dụng công cụ dự đoán tương tác Casual và Supermetrics trong Google Trang tính (hoặc Excel) để tạo mô phỏng như sau:

Hình 5: Công cụ tính lượt tìm kiếm trả phí

Nhờ công cụ trên mà bạn dự báo được doanh thu từ các chiến dịch tìm kiếm có trả phí. Bạn có thể điều chỉnh các giả định đầu vào để phù hợp với các chiến dịch của riêng mình hoặc bạn có thể nhấp vào 'use this template' để tùy chỉnh hoàn toàn mẫu.

Bạn chỉ cần điền các giới hạn trên và dưới, và mô hình sẽ lo phần còn lại. Các giá trị mặc định đến từ trang tính này sử dụng Supermetrics cho Google Trang tính để lấy dữ liệu lịch sử từ Google Ads. Tiện ích bổ sung này giúp kéo tất cả dữ liệu lịch sử bạn cần vào một tab bảng tính một cách nhanh chóng. Sau đó, sử dụng giá trị tối thiểu và tối đa (hàng tháng hoặc hàng tuần) làm đầu vào cho công cụ dự báo của Causal.

Kết luận

Trong bài viết trên, chúng tôi đã giới thiệu các bạn cách để có thể dự đoán được hiệu suất của các chiến dịch trả phí mà không bị áp lực bởi sự chính xác tuyệt đối. Hy vọng bạn sẽ tìm được nhiều lời khuyên hữu ích từ bài viết này, và có thể áp dụng được các chiến dịch của mình một cách hiệu quả nhất.