Khám Phá Nền Tảng DMP – Phần 2
Dữ liệu đầu ra
Trong khi dữ liệu đầu vào (Data in) thiên về kỹ thuật và công nghệ, thì dữ liệu đầu ra (Data out) liên quan nhiều đến các yếu tố con người và nó thực sự đòi hỏi sự cộng hưởng từ các Marketer, bởi vì quá trình xử lý ‘Data out’ gắn chặt với 3 khía cạnh then chốt trong hoạt động tiếp thị định hướng dữ liệu (Data-driven Marketing).
Theo đó, nền tảng DMP đòi hỏi phải có khả năng:
- Tương thích giữa các nền tảng nhận dạng
Cũng giống như nhược điểm ‘dữ liệu đầu vào nhận dạng một người dùng bị rời rạc trên các thiết bị khác nhau’ đề cập ở phần trước, tình trạng tương tự cũng diễn ra khi xử lý ‘data out’ trên đa nền tảng giao tiếp. Ví dụ như cùng một người dùng, nhưng qua cookie trên ‘nền tảng tiếp thị Programmatic của nhà cung cấp DataXu’ được nhận dạng là user 1, còn trên ‘nền tảng quảng cáo đa phương tiện DoubleClick của Google’ lại được nhận dạng là user 2, hay trên ‘trang nội dung The New York Times’ là user 3. Và còn có thể tiếp tục lên tới user thứ ‘n’ với vô số các điểm tiếp xúc mà người dùng này có với thương hiệu.
Do đó, vai trò của một DMP là ‘khớp’ từng người dùng với tất cả các nền tảng họ có mặt để cho ra một phác họa nhận dạng hợp nhất và toàn diện. Muốn làm được điều này, DMP phải có khả năng kết nối trực tiếp với từng nền tảng – lý tưởng nhất là trên các máy chủ được gắn kết với nhau (server-to-server) – với khả năng trao đổi dữ liệu đều đặn và nhanh chóng.
- Hợp nhất dữ liệu xuyên suốt các kênh giao tiếp
Với Marketer, mỗi cú nhấp chuột, mỗi hành động mở thông điệp, mỗi ‘like’, mỗi ‘tweet’, mỗi lượt download hoặc xem nội dung là mỗi một tài sản giá trị trong kho tàng dữ liệu. Khi được tập hợp lại ở một mức độ tối đa, các dữ liệu này sẽ tiết lộ những thông tin quí giá về khách hàng mà chúng ta thường gọi là ‘Insight’.
Vấn đề với hầu hết các Marketer đang triển khai hoạt động tiếp thị xuyên suốt các kênh giao tiếp (như display, video, mobile, direct to site, social and search, email,…) là những điểm dữ liệu họ thu được khá rời rạc. Marketer có thể đăng nhập vào nền tảng DSP (Demand-side Platform – nền tảng hỗ trợ bên mua) và có được nhiều thông tin về chiến dịch. Nhưng quan trọng là làm cách nào để liên hệ một hành động chuyển đổi (ví dụ 1 nhấp chuột) trên DSP này với 1 lượt xem video, 1 hành động mở mail hoặc với 1 user đã xem video Youtube trên kênh giao tiếp mà thương hiệu sở hữu và điều hành?
Thực tế, cả những chuyên gia tài giỏi nhất về Excel cũng không thể nào cô đọng được mọi dữ liệu từ các báo cáo chiến dịch thành những ’insight’ hoàn chỉnh (trừ trường hợp lý tưởng, Marketer có cả đội ngũ chuyên về dữ liệu dàn trải khắp các kênh giao tiếp). Do vậy, để hỗ trợ Marketer, DMP cần có khả năng hợp nhất dữ liệu xuyên suốt mọi kênh giao tiếp được định hướng (Addressable channels – kênh tương tác trực tiếp với từng khách hàng tiềm năng thay vì gởi đi thông điệp tràn lan tới tất cả các khách hàng có thể tiếp cận được).
- Quản trị phân bổ ngân sách ở mức độ tổng thể
Khi Marketer có thể gắn kết các nhận dạng người dùng chéo thiết bị và các kênh giao tiếp lại với nhau và với một nền tảng trung tâm, họ sẽ có được khả năng quản lý ngân sách quảng cáo tối ưu ở qui mô tổng thể (manage delivery globally).
Bởi vì nếu 1 người dùng được nhận dạng thành nhiều user khác nhau qua các kênh giao tiếp hoặc các nền tảng tương tác, trong khi hoạt động phân bổ tần suất hiển thị quảng cáo lại dựa trên các user được nhận dạng trên, thì có khả năng rất cao là người dùng này sẽ thấy quá nhiều lượt hiển thị cho cùng một quảng cáo.
Chẳng hạn, nếu thương hiệu chạy các quảng cáo trên 5 kênh với tần suất hiển thị mỗi kênh là 10 lượt hiển thị/tháng/user, thì gần như có thể đảm bảo rằng một người dùng (được nhận dạng thành 5 user) sẽ thấy 50 lượt hiển thị trong vòng 1 tháng. Nhưng chuyện gì xảy ra nếu tần suất lý tưởng để có ‘chuyển đổi’ (conversion) chỉ là 10 lượt hiển thị? Trường hợp này Marketer đang lãng phí ngân sách gấp 5 lần cần thiết.
Từ thực trạng trên, Marketer có thể nhận thấy rằng việc kiểm soát tần suất hiển thị ở qui mô tổng thể hữu ích rất nhiều cho hoạt động phân bổ ngân sách. Dựa trên đồ thị phân bố, Marketer có thể chuyển đổi những lượt hiển thị không hiệu quả (‘long-tail impressions’) sang khu vực ‘sweet spot’ (nơi mà người dùng có khả năng chuyển đổi cao nhất); đồng thời chi tiêu thêm cho khu vực ‘short-tail’ (khu vực có khả năng tiếp cận người dùng tương đối cao).
Ví dụ, biểu đồ bên dưới miêu tả các nhóm user với tần suất được hiển thị quảng cáo khác nhau (tính trên tổng thể các kênh giao tiếp và các nền tảng tương tác), khả năng chuyển đổi của từng nhóm và cách phân bổ lượt hiển thị quảng cáo (impression) sao cho hiệu quả.
Theo biểu đồ, 40% ngân sách đang được chi cho việc phân bổ từ 1-3 lượt hiển thị/user/tháng. 20% chi cho lượt hiển thị từ thứ 4 -7 đối với nhóm user có tỷ lệ chuyển đổi cao. 40% còn lại của ngân sách chi cho các lượt hiển thị mà hầu như rất ít có khả năng mang lại chuyển đổi.
Trong trường hợp này, Marketer có hai việc cần làm. Đầu tiên, phải hoàn toàn loại bỏ quảng cáo hiển thị cho nhóm user nằm trong khu vực ‘long-tail impresssions’ ở phía đuôi đồ thị, đồng thời sử dụng số tiền tiết kiệm ở phần này để tái đầu tư vào những lượt hiển thị có khả năng tiếp cận khách hàng cao hơn (vùng ‘short-tail impressions’). Sau đó, Marketer sẽ đẩy nhóm user trong vùng ‘short-tail’ này sang vùng ‘sweet spot’ – nơi diễn ra hoạt động chuyển đổi với tỷ lệ cao nhất.
Việc cắt giảm ngân sách đối với nhóm ‘long-tail impression’ tương đối dễ, chỉ cần gởi thông tin đến máy chủ để tiến hành chặn hiển thị quảng cáo đối với nhóm user này. Phần khó khăn hơn nằm ở chỗ làm sao nhắm mục tiêu vào khu vực ‘sweet spot’. Nó liên quan đến việc xác định đâu là lượt hiển thị thứ 3 đối với một user và việc biết được các lượt hiển thị thứ 4, 5, 6 có khả năng cao hơn trong việc thúc đẩy chuyển đổi. Mấu chốt chính là việc gởi đi các tín hiệu đến các nền tảng cho phép đấu giá – như kênh hiển thị hoặc tìm kiếm – để làm sao có thể đặt giá cao hơn và giành được quyền hiển thị quảng cáo cho user được xác định là có tiềm năng lớn hơn này.
Thích nghi để phát triển
Qui trình quản trị dữ liệu ngày càng trở nên phức tạp. Nó liên quan đến khoa học Big-data thực sự và phụ thuộc vào tốc độ xử lý của Internet. Điều này nói lên rằng, việc ứng dụng khoa học DMP vào các hoạt động Addressable marketing (hoạt động tiếp thị có định hướng, xem xét cẩn thận việc phân bổ chi phí cho từng nhóm khách hàng tiềm năng để tối ưu hóa ngân sách) không chỉ là một lựa chọn, mà DMP còn là công nghệ ‘bắt buộc phải có’ trong tương lai khoảng 10 năm nữa. Khả năng‘Quản trị phân bổ ngân sách ở mức độ tổng thể’ nêu trên chỉ là 1 trong số rất nhiều tính năng của DMP.
Các Marketers đang bắt đầu hiểu tầm quan trọng của việc nắm bắt đúng ‘Data in’ cũng như vận dụng nó đúng kênh giao tiếp được định hướng ở ‘Data out’ – và sử dụng hiểu biết có được để tối ưu cách tiếp cận ở mức độ người dùng, chứ không phải mức độ thiết bị.
Đây chính là thời điểm then chốt để trở thành một Data-driven Marketer.
(Theo www.adexchanger.com)
