Dữ Liệu – Lớn Hơn Chưa Chắc Tốt Hơn
Trong một cuộc đấu tay đôi, bạn sẽ chọn sức mạnh hay sự thông minh?
Rất nhiều người lựa chọn trở nên vạm vỡ hơn để đủ sức mạnh hạ gục đối thủ, nhưng khi đề cập đến Big Data (Dữ liệu lớn), nhiều hơn chưa hẳn đã tốt hơn và chắn chắn không phải dữ liệu nào cũng là Smart Data (Dữ liệu thông minh).
Theo một khảo sát gần đây được thực hiện bởi trường đại học Duke, Mỹ thì Marketer có kế hoạch tăng gấp đôi ngân sách cho Big Data vào năm 2018. Tuy nhiên, đa phần các doanh nghiệp hiện nay đang “sử dụng không đúng mức các phân tích tiếp thị mà họ yêu cầu thực hiện”, giáo sư Christine Moorman của trường kinh doanh Fuqua trực thuộc Duke nhận định. Mỗi ngày, Marketer tập hợp lượng dữ liệu lớn hơn rất nhiều so với thứ họ có thể tận dụng. Và các nhà cung cấp bán cho Marketer nhiều dữ liệu hơn mức cần thiết.
Vậy tại sao lại có khoảng cách lớn giữa lượng dữ liệu sở hữu và tính hữu dụng tương ứng của chúng? Nhìn chung, vấn đề cơ bản xuất phát từ cuộc “chạy đua vũ trang” kéo dài hàng thập kỷ giữa các nhà cung cấp công nghệ quảng cáo (Ad Tech) đã dẫn đến tình trạng đề cao số lượng và hạ thấp vai trò của chất lượng dữ liệu.
Doanh số được đặt lên hàng đầu
Một trong những hệ quả tiêu cực của cuộc chạy đua dữ liệu này chính là: theo thời gian người mua và người bán ngày càng đi chệch với các qui luật tự nhiên của giao dịch thương mại. Theo đó, thay vì hai nguồn cung và cầu dữ liệu kết nối với nhau để mở rộng qui mô tương ứng với chất lượng, thì bên cung và bên cầu lại thực hiện bước nhảy cóc của riêng mình để đạt đến ngưỡng cao nhất về số lượng. Sau cùng, cả hai phía đều xa dần với mục đích thực sự khi tham gia giao dịch, và ‘việc mua bán được càng nhiều dữ liệu càng tốt’ đơn giản trở thành mục tiêu họ nhắm tới.
Nhưng liệu việc sở hữu lượng lớn dữ liệu có thực sự giúp chạy các chiến dịch tiếp thị thành công?
Câu trả lời là không. Tính hiệu quả nên trở thành mục tiêu cho mọi quyết định liên quan đến phân phối quảng cáo, nhưng đáng buồn đó không phải là điều đang diễn ra trên thị trường dữ liệu hiện nay. Thực tế, mỗi người bán đều có xu hướng “giúp” người mua tiêu hết ngân sách nhanh nhất có thể, bởi vì nếu không thì nhà cung cấp khác cũng sẽ làm điều tương tự.
Nếu mọi dữ liệu đều có tính hiệu quả ngang nhau và trở nên đại trà (không có sự khác biệt và hoàn toàn có thể được thay thế giữa các nhà cung cấp) trong một thị trường mở, thì thực trạng trên không khó giải quyết. Nhưng không phải dữ liệu nào cũng được tạo ra với giá trị như nhau, và vì vậy Marketer cuối cùng vẫn chi toàn bộ ngân sách vào những dữ liệu với hiệu quả còn khá mơ hồ.
Marketer bị đặt vào tình thế buộc phải lựa chọn dữ liệu mà không có thông tin cụ thể về mức độ ảnh hưởng nó có thể tác động đến các chiến dịch sắp tới, hay buộc phải sử dụng các thông tin được báo trước một cách rải rác và ít giá trị. Tình trạng này sẽ diễn biến như thế nào khi công nghệ nhắm mục tiêu quảng cáo (targeting technology) hiện nay quá tiên tiến?
Có thể thấy, với thị trường dữ liệu như trên, không khó để xây dựng các chiến dịch tiếp thị định hướng dữ liệu có quy mô nhỏ bởi việc targeting tương đối dễ dàng. Các chiến lược tìm kiếm (Search) và tiếp thị lại (Retargeting) là những ví dụ tiêu biểu. Nhưng để xây dựng hiệu quả các chiến dịch trên quy mô lớn với nguồn cung dữ liệu này là một thách thức. Trong khi rất dễ để chọn mua dữ liệu phù hợp với một chiến dịch quy mô nhỏ, thì việc mua truyền thông với quy mô lớn thường yêu cầu thỏa mãn nhiều điều kiện khác nhau. Người mua phải rất vất vả mới chọn mua được dữ liệu thích hợp giữa nhiều gói dữ liệu được thiết kế với mục đích khác nhau và hy vọng rằng chúng mang lại hiệu quả cho chiến dịch.
Cuối cùng, động cơ của nhà cung cấp dữ liệu dần trở nên rõ ràng: thúc giục người mua nên mua thêm nhiều dữ liệu hơn nữa. Theo thời gian, điều này thúc đẩy nhà cung cấp tạo ra nhiều dữ liệu hơn so với nhu cầu của người mua. Tệ hơn, định giá dữ liệu dựa trên CPM có thể khuyến khích việc bán càng nhiều dữ liệu càng tốt bất chấp tính hiệu quả.
Kết hợp yếu tố thành quả với giá cả
Hiện các nhà cung cấp được thanh toán dựa trên cơ sở CPM mà không tính đến việc dữ liệu họ bán mang lại thành quả tốt như thế nào cho người mua. Nhiều nhà cung cấp dễ dàng kiếm được lợi nhuận từ việc bán dữ liệu mà thậm chí không mang lại bất cứ ảnh hưởng nào tốt hơn so với một tập dữ liệu nhân khẩu học cơ bản nhất. Đây chính là một mô hình giao dịch thất bại.
Mô hình tốt hơn đòi hỏi một thị trường mà tại đó người mua dữ liệu, thông qua cơ chế điều chỉnh giá, có thể tưởng thưởng cho các nhà cung cấp đem lại giá trị gia tăng và ‘trừng phạt’ những người bán đi ngược lại điều này. Ví dụ, nếu dữ liệu giúp mang lại thành quả tốt hơn đối với một chiến dịch nhất định, nhà cung cấp nên đòi hỏi một mức phí tương ứng cho chiến dịch này. Nếu nhà cung cấp khác bán dữ liệu đã được thiết kế sẵn và khá phổ biến trên thị trường, thì dù gói sản phẩm có tốt đi nữa, về nguyên tắc nó vẫn phải bán với giá thấp hơn.
Cả người mua và bán cần một thị trường thực sự để định giá dữ liệu, một nơi mà giá cả bị ràng buộc và gắn liền với thành quả. Một thị trường như vậy sẽ mang lại lợi ích cho thương hiệu bởi vì nó gia tăng tính hiệu quả của các chi tiêu quảng cáo. Song song đó, nhà cung cấp cũng được lợi từ một thị trường định hướng thành quả và minh bạch hơn bởi phản hồi của người mua sẽ khuyến khích họ chỉ thu thập và bán những dữ liệu có giá trị nhất, khác với việc đơn giản bán đại trà và làm giảm giá dữ liệu.
Trong ngắn hạn, sự chuyển dịch sang Mô hình giao dịch dữ liệu dựa trên thành quả (Performance-driven Data Model) sẽ mang lại lợi ích nhiều nhất cho những người bán đang cung cấp các phân khúc dữ liệu đặc trưng gần với dự định của người dùng. Nhưng một ngày không xa, Performance-driven Model – mô hình phục vụ việc mua dữ liệu thông minh thay vì chỉ chú trọng dữ liệu lớn – sẽ sinh lợi cho mọi thành phần tham gia trên thị trường. Các nhà cung cấp dữ liệu sẽ có khả năng bán nhiều hơn các điểm dữ liệu thô (chưa qua quá trình chỉnh sửa) và thu được lợi nhuận lớn hơn rất nhiều. Nhà quảng cáo sẽ có khả năng mua dữ liệu dựa trên yếu tố hiệu quả thay vì dựa trên CPM.
(Theo www.adexchanger.com)