Ba năm trước, tôi ngồi trong phòng họp với một CEO của chuỗi bán lẻ thời trang tại Mỹ. Anh ta vừa chi 500.000 USD cho quảng cáo Connected TV và đang phấn khích khoe bảng dashboard. "Nhìn này, reach hơn 2 triệu, click-through rate 0.8% - cao hơn cả display campaign thông thường!" Tôi hỏi một câu đơn giản: "Anh có biết bao nhiêu người trong số đó thực sự mua hàng không?" Nụ cười tắt dần. "À, báo cáo attribution nói CTV đóng góp 2% doanh số, nhưng tôi không chắc lắm." Đó chính là khoảnh khắc mà tôi nhận ra toàn ngành digital marketing đang tự lừa dối mình bằng những con số đẹp đẽ nhưng rỗng tuếch.
Từ đó đến nay, tôi đã gặp hàng chục thương hiệu rơi vào cùng một cái bẫy. Họ đổ tiền vào quảng cáo CTV, nhận về những báo cáo lấp lánh, nhưng khi đào sâu xuống dữ liệu bán hàng thực tế, mọi thứ vỡ vụn. Vấn đề không nằm ở bản thân CTV - đó là một kênh mạnh mẽ với khả năng xây dựng thương hiệu vượt trội - mà nằm ở cách chúng ta đo lường nó. Chúng ta đang áp dụng tư duy của display advertising vào một kênh vốn hoàn toàn khác biệt về bản chất.
Tín hiệu ảo số 1: Last-touch attribution - mặc định sai cho CTV
Hầu hết các nền tảng CTV lớn tại Mỹ như Roku, Amazon Fire TV, Hulu, Samsung TV Plus đều sử dụng mô hình attribution dựa trên cross-device matching. Cơ chế vận hành như sau: một người dùng xem quảng cáo TV của bạn trên màn hình lớn, sau đó lên điện thoại, click vào một quảng cáo Google và mua hàng. Toàn bộ credit được trao cho click cuối cùng - tức là quảng cáo Google, không phải CTV.
Nghe có vẻ hợp lý? Sai lầm chết người. CTV hoạt động ở upper funnel. Nó không được thiết kế để tạo click tức thì. Nó xây dựng nhận thức, tạo sự quen thuộc với thương hiệu, kích thích sự quan tâm tiềm ẩn. Khi bạn trao credit cho click cuối cùng, bạn đang bỏ qua công lao của những lần exposure CTV trước đó - những lần đã đưa thương hiệu vào tâm trí người dùng, khiến họ sẵn sàng click khi gặp lại.
Tôi có một khách hàng trong ngành hàng tiêu dùng nhanh (CPG) chạy chiến dịch CTV trên Roku với ngân sách 300.000 USD. Báo cáo attribution cho thấy chỉ 2% doanh số đến từ CTV. Họ suýt hủy hợp đồng. Tôi thuyết phục họ làm một thử nghiệm RCT đơn giản: chia một nhóm người dùng được tiếp xúc CTV và một nhóm đối chứng, sau đó so sánh hành vi mua hàng thực tế qua dữ liệu loyalty card. Kết quả? Nhóm tiếp xúc CTV có tỷ lệ mua hàng cao hơn 34% so với nhóm đối chứng. Họ không cần click vào bất kỳ quảng cáo nào trên điện thoại - họ chỉ cần thấy quảng cáo trên TV, rồi tuần sau đi siêu thị và mua sản phẩm.
Bài học đau đớn: Attribution last-touch đã đánh cắp giá trị thực sự của CTV. Nó không chỉ đánh giá thấp kênh này, mà còn khiến bạn tối ưu hóa sai: chạy theo những quảng cáo tạo nhiều click (thường là rẻ tiền, nhảm nhí) thay vì tập trung vào những quảng cáo xây dựng thương hiệu thực sự.
Tín hiệu ảo số 2: Match rate - con số đẹp nhưng lừa dối
Các nhà cung cấp analytics CTV thường khoe match rate 60-80%. Họ nói: "Chúng tôi có thể kết nối quảng cáo TV với hành vi digital của 70% người xem." Nghe có vẻ ấn tượng, nhưng hãy đặt câu hỏi: 20-40% còn lại là ai? Tại sao họ không được match?
Qua nhiều dự án tôi thực hiện, sự thật phũ phàng là: những người có dữ liệu sạch để match thường là nhóm tech-savvy, có thu nhập cao hơn, sở hữu nhiều thiết bị hơn, và dễ bị tác động bởi quảng cáo. Họ là những người cho phép ứng dụng theo dõi, đăng nhập vào các dịch vụ streaming bằng tài khoản duy nhất. Trong khi đó, nhóm không match được thường là người lớn tuổi, ít tương tác digital, hoặc sử dụng thiết bị dùng chung trong gia đình. Khi bạn chỉ đo lường trên subset "dễ đo", bạn đang tự tạo ra một bias lạc quan nguy hiểm.
Hãy tưởng tượng một chiến dịch CTV nhắm đến người tiêu dùng thu nhập trung bình. Nhóm match được là những người trẻ, giàu có, dễ bị thuyết phục - họ có tỷ lệ mua hàng cao. Báo cáo match rate 75% cho thấy chiến dịch đang hoạt động tốt. Nhưng thực tế, nhóm thu nhập trung bình - đối tượng mục tiêu chính - lại nằm trong 25% không match được. Họ có thể không mua hàng, nhưng báo cáo không phản ánh điều đó. Kết quả? Bạn tối ưu hóa chiến dịch dựa trên dữ liệu sai lệch, đổ tiền vào những kênh "thu hút nhóm giàu" thay vì tập trung vào đúng đối tượng.
Tôi từng chứng kiến một thương hiệu thời trang chi 200.000 USD cho CTV dựa trên báo cáo match rate 75%. Họ vui mừng vì "hiệu quả vượt trội". Khi tôi yêu cầu phân tích dữ liệu bán hàng thực tế từ hệ thống POS - không qua bất kỳ mô hình matching nào - hóa ra nhóm mua hàng nhiều nhất lại đến từ khu vực có tỷ lệ match thấp (vùng nông thôn, người dùng TV truyền thống). Những người này không hề được ghi nhận trong báo cáo. Họ đã chi tiền để chạy theo ảo ảnh của một nhóm đối tượng không phải là mục tiêu thực sự.
Lối thoát thực sự: Kết hợp RCT và MMM
Sau nhiều năm vật lộn với những tín hiệu ảo, tôi tin rằng chỉ có hai phương pháp mang lại sự thật. Không phải real-time dashboard, không phải attribution model phức tạp. Là hai phương pháp cũ nhưng vẫn là gold standard của ngành marketing analytics.
1. Thử nghiệm ngẫu nhiên có kiểm soát (RCT)
Đây là phương pháp khoa học nhất. Bạn chia đối tượng mục tiêu thành hai nhóm một cách ngẫu nhiên:
- Nhóm tiếp xúc: được xem quảng cáo CTV
- Nhóm đối chứng: không được xem quảng cáo (hoặc xem quảng cáo khác)
Sau đó, bạn đo sự khác biệt về:
- Brand lift: nhận thức, cân nhắc, ưu tiên thương hiệu
- Hành vi mua hàng thực tế: doanh số, foot traffic, số lượng đơn hàng
Cách thực hiện đơn giản hơn bạn nghĩ. Hầu hết các nền tảng CTV lớn (Roku, Amazon Ads) đều có sẵn công cụ Brand Lift Study. Bạn chỉ cần yêu cầu thiết lập. Chi phí thường dao động từ 10.000 đến 30.000 USD tùy quy mô - không rẻ, nhưng đó là khoản đầu tư xứng đáng để biết sự thật. Tôi luôn khuyên khách hàng: hãy trích 5-10% ngân sách CTV cho việc đo lường bằng RCT. Nó sẽ tiết kiệm cho bạn hàng trăm nghìn USD về sau.
Lưu ý quan trọng: Đừng chỉ đo brand lift. Nhiều thương hiệu dừng lại ở đó và nghĩ rằng mọi thứ đang tốt. Hãy yêu cầu đo incremental sales - doanh số tăng thêm từ nhóm tiếp xúc so với nhóm đối chứng. Đó là con số duy nhất bạn nên dùng để đánh giá ROI thực sự.
2. Marketing Mix Modeling (MMM)
MMM đang quay trở lại mạnh mẽ tại Mỹ sau khi Apple ATT và cookie third-party sụp đổ. Phương pháp này sử dụng dữ liệu tổng hợp - doanh số theo tuần/tháng, chi tiêu theo kênh, yếu tố ngoại vi như mùa vụ, kinh tế vĩ mô - để phân tích đóng góp của từng kênh, bao gồm CTV.
Lợi thế lớn nhất: Không cần dữ liệu cá nhân hóa. Không bị ảnh hưởng bởi bias match rate. Không phụ thuộc vào ID tracking. Bạn có thể thấy rõ: CTV đang đóng góp bao nhiêu % vào doanh số? So với linear TV thì sao? So với digital display? Kênh nào có marginal ROI cao nhất?
Để bắt đầu, bạn có thể sử dụng các công cụ MMM mã nguồn mở như Robyn của Facebook (miễn phí) hoặc thuê các công ty chuyên về marketing analytics. Lưu ý rằng MMM cần ít nhất 2 năm dữ liệu lịch sử để mô hình hoạt động chính xác. Nếu bạn chưa có, hãy bắt đầu thu thập ngay hôm nay. Trong vòng 12 tháng tới, khi CTV ngày càng chiếm tỷ trọng lớn trong ngân sách, bạn sẽ có nền tảng để đưa ra quyết định sáng suốt.
3. First-party data làm nền tảng
Thay vì phụ thuộc vào ID matching của bên thứ ba, hãy xây dựng hệ thống đo lường dựa trên dữ liệu khách hàng của chính bạn. Đây là xu hướng tất yếu trong thời đại privacy-first. Một số cách cụ thể:
- Clean room: Sử dụng các nền tảng như Snowflake, Amazon Marketing Cloud để đối sánh dữ liệu exposure CTV với dữ liệu khách hàng (email, SĐT) một cách an toàn, không tiết lộ thông tin cá nhân.
- Mã giảm giá riêng: Tạo mã ưu đãi độc nhất cho từng chiến dịch CTV. Dù không đo lường được toàn bộ tác động (vì nhiều người mua hàng không dùng mã), nhưng đó là tín hiệu hữu ích để ước lượng.
- Loyalty program: Kết nối dữ liệu khách hàng thân thiết với dữ liệu exposure CTV. Bạn có thể thấy những khách hàng trung thành có xu hướng mua nhiều hơn sau khi xem quảng cáo CTV không.
Tôi đã thấy một thương hiệu mỹ phẩm tại Mỹ sử dụng clean room của Amazon Marketing Cloud để đo lường CTV. Họ kết hợp dữ liệu exposure từ Fire TV với dữ liệu mua hàng từ Amazon.com. Kết quả cho thấy CTV mang lại doanh số tăng thêm gấp 3 lần so với những gì attribution last-touch từng báo cáo. Đó là sức mạnh của first-party data khi được sử dụng đúng cách.
Lời khuyên cho marketer Việt Nam khi chạy CTV tại Mỹ
Nếu bạn đang quảng bá thương hiệu Việt Nam sang thị trường Mỹ qua CTV - ví dụ qua các nền tảng như Telly, Samsung TV Plus, hay các kênh FAST nội dung Việt - đừng để bị cuốn vào bẫy vanity metrics. Hãy làm theo các bước cụ thể sau:
- Trước khi chạy: Yêu cầu đối tác cung cấp kế hoạch đo lường chi tiết. Họ phải trả lời được câu hỏi: "Làm thế nào để chúng tôi biết quảng cáo này thực sự mang lại doanh số?" Nếu câu trả lời chỉ xoay quanh reach, frequency, CTR - hãy cảnh giác. Đặt ngay điều kiện về Brand Lift Study hoặc RCT trong hợp đồng.
- Trong khi chạy: Thiết lập ít nhất một thử nghiệm RCT. Nếu ngân sách nhỏ, hãy chạy A/B test với geo-targeting: một vùng (ví dụ California) được chạy CTV, vùng khác (Texas) không chạy, sau đó so sánh doanh số online và foot traffic. Đây là cách ít tốn kém nhưng vẫn mang lại dữ liệu có giá trị.
- Sau khi chạy: Đừng chỉ nhìn vào dashboard. Hãy phân tích dữ liệu bán hàng thực tế theo thời gian, kết hợp với survey brand lift. Nếu có thể, thuê một chuyên gia analytics độc lập để audit báo cáo. Một cặp mắt bên ngoài thường thấy những điều đội ngũ nội bộ bỏ qua.
- Dài hạn: Đầu tư vào MMM ngay từ bây giờ. Dù bạn chưa có nhiều dữ liệu, hãy bắt đầu thu thập. Trong 2-3 năm tới, khi CTV trở thành kênh chính, bạn sẽ có nền tảng để đưa ra quyết định sáng suốt. Đừng đợi đến khi mọi thứ trở nên hỗn loạn mới bắt đầu.
Một lưu ý đặc biệt cho thương hiệu Việt Nam: Thị trường Mỹ có sự khác biệt lớn về hành vi người dùng CTV. Theo kinh nghiệm của tôi, cộng đồng người Việt tại Mỹ thường tập trung ở các bang như California, Texas, Washington - những nơi có tỷ lệ sử dụng CTV cao. Hãy tận dụng đặc điểm này để thiết lập geo-based experiment. Ví dụ: chạy CTV tại California, đo lường doanh số tại các cửa hàng hoặc website có lượng khách Việt cao. Đây là cách vừa tiết kiệm vừa hiệu quả.
Kết luận: Hãy ngừng chạy theo ảo ảnh
CTV là một kênh mạnh mẽ. Nó có thể xây dựng thương hiệu nhanh hơn, sâu hơn bất kỳ nền tảng digital nào. Nhưng nếu bạn để những tín hiệu ảo dẫn dắt - last-touch attribution, match rate bias, vanity metrics - bạn sẽ tối ưu hóa sai ngân sách, đổ tiền vào những chiến dịch "đẹp trên báo cáo" nhưng vô hiệu trong thực tế.
Hãy nhớ: Đo lường không phải là mục tiêu, mà là công cụ. Công cụ tốt nhất là RCT và MMM - dù không sexy, không real-time, không có dashboard màu mè - nhưng chúng cho bạn sự thật. Và trong marketing, sự thật là thứ duy nhất có thể biến ngân sách thành lợi nhuận bền vững.
Đã đến lúc ngành digital marketing ngừng tự lừa dối mình bằng những con số đẹp. Hãy đặt câu hỏi, kiểm tra, và chỉ tin vào những gì được chứng minh bằng thực nghiệm. Đó mới là con đường để CTV thực sự tỏa sáng - không chỉ trên báo cáo, mà còn trong bảng cân đối kế toán của bạn.