Lợi nhuận:
- Khả năng hiểu các số liệu hiệu suất như CTR, chuyển đổi, CPA, ROAS và phân bổ, đồng thời sử dụng trí tuệ nhân tạo để tóm tắt dữ liệu và soạn thảo thông tin chi tiết
- Khả năng cung cấp dữ liệu chiến dịch một cách ẩn danh cho trí tuệ nhân tạo và đưa ra nhận xét, phát hiện sự bất thường và dự thảo đề xuất tối ưu hóa
- Hiểu rằng bắt buộc phải so sánh và xác minh mọi con số và câu nhân quả do trí tuệ nhân tạo tạo ra với dữ liệu nguồn
Sau khi chiến dịch đi vào hoạt động, công việc thực sự bắt đầu: tìm hiểu xem chiến dịch đó làm gì. Đo lường hiệu suất của quảng cáo là điều cần thiết để chuyển ngân sách đến đúng nơi và thiết lập tốt hơn cho chiến dịch tiếp theo. Nhưng đo lường không phải là một đống con số; Phân tích tốt sẽ tìm ra câu chuyện và lý do đằng sau những con số. Điều này được gọi là cái nhìn sâu sắc. Trí tuệ nhân tạo là một công cụ tăng tốc tuyệt vời ở giai đoạn này: nó tóm tắt hàng trăm dòng dữ liệu chiến dịch trong vài phút, chỉ ra những điểm bất thường (những sai lệch ngoài dự kiến), viết báo cáo dự thảo. Nhưng quy luật bất di bất dịch của đơn vị này là thế này: Mọi con số, mọi câu nhân quả do AI tạo ra đều không được đưa vào báo cáo cho đến khi được so sánh và xác minh với dữ liệu nguồn. Các mô hình ngôn ngữ có thể tạo ra các con số trôi chảy nhưng bịa đặt khi chúng không truy cập đầy đủ vào dữ liệu hoặc tính toán không chính xác.
Các chỉ số hiệu suất chính
Một số số liệu tạo thành ngôn ngữ phân tích hiệu suất. CTR (Tỷ lệ nhấp chuột) là số lượng người nhìn thấy quảng cáo đã nhấp vào quảng cáo đó (số lần nhấp vào số lần hiển thị). Lãi suất chính là thước đo của sự hấp dẫn. Tỷ lệ chuyển đổi là số lượng người nhấp chuột thực hiện hành động mong muốn (mua hàng, đăng ký). CPA (Cost Per Acquisition) là giá mỗi lần chuyển đổi (chi tiêu `số lần chuyển đổi). ROAS (Lợi tức chi tiêu quảng cáo) là lợi tức chi tiêu quảng cáo: doanh thu kiếm được `chi tiêu quảng cáo; Ví dụ: nếu bạn chi 10.000 TL và kiếm được doanh thu 40.000 TL thì ROAS là 4. Ngoài ra còn có phân bổ: vấn đề về quảng cáo/kênh nào để phân bổ một chuyển đổi. Nếu khách hàng lần đầu tiên nhìn thấy quảng cáo trên Instagram, sau đó tìm kiếm trên Google và mua hàng, bạn sẽ đăng chương trình giảm giá này trên kênh nào? Mô hình trích dẫn đưa ra quyết định này và ảnh hưởng trực tiếp đến việc phân tích.
Bảng sau đây tóm tắt các số liệu chính và ý nghĩa của chúng:
thước đo
công thức
nó nói gì
TLB (tỷ lệ nhấp chuột)
Số nhấp chuột -> Số lần hiển thị
Quảng cáo có thu hút sự chú ý không?
Tỷ lệ chuyển đổi
Chuyển đổi -> Nhấp chuột
Có ai click mua không?
CPA
Chi tiêu → Mua lại
Chi phí của một khách hàng là bao nhiêu
ROAS
Thu nhập → Chi tiêu
Chi tiêu có sinh lãi không?
tần số
Mức độ tiếp xúc → Phạm vi tiếp cận
Đã bao nhiêu lần cùng một người nhìn thấy nó?
Mẹo: Đừng đưa ra quyết định chỉ dựa trên một số liệu. CTR cao nhưng chuyển đổi thấp có nghĩa là "quảng cáo thu hút nhưng trang/ưu đãi không giữ được". Đọc các số liệu cùng nhau sẽ đưa ra câu chuyện thực tế.
Từng bước: từ dữ liệu đến thông tin chi tiết và báo cáo
Bước 1 - Thu thập và ẩn danh dữ liệu. Nhận dữ liệu từ trang tổng quan nền tảng (Google Ads, Meta) và phân tích; Xóa dữ liệu cá nhân (ID khách hàng, email).
Bước 2 - Tính toán và xác nhận số liệu. Hãy tự mình xác nhận tỷ lệ cược; Chỉ định công thức khi đưa nó cho AI.
Bước 3 - Tìm kiếm sự bất thường và các mẫu. Yêu cầu AI hỏi “kênh/ngày/phân khúc nào đang đi chệch khỏi dự kiến”; sau đó xác nhận nó với dữ liệu.
Bước 4 - Thiết lập quan hệ nhân quả, nhưng thận trọng. Hỗ trợ câu “CTR rớt vì…” có dữ liệu; Đừng nhầm lẫn mối tương quan với quan hệ nhân quả.
Bước 5 - Dự thảo báo cáo và đề xuất. Tạo bản tóm tắt điều hành và đề xuất tối ưu hóa bằng AI; Xác minh và xác nhận mọi con số và yêu cầu bồi thường.
ba trường hợp nhỏ
Trường hợp 1 - Tóm tắt nhanh, vấn đề đã được xác minh. Một chuyên gia về hiệu suất đã ẩn danh cung cấp 300 dòng dữ liệu hàng tuần từ 6 kênh cho AI và yêu cầu một bản tóm tắt điều hành dự thảo. AI tóm tắt trong 5 phút; Chuyên gia này đã so sánh từng giá trị ROAS và CPA với trang tổng quan của mình, sửa lại hai cách hiểu sai. Thời lượng: 1 giờ thay vì nửa ngày. AI đưa ra bản thảo, việc xác minh vẫn thuộc về con người.
Trường hợp 2 - Bẫy số bịa đặt. Một nhóm đã nói với AI rằng "ROAS của chúng tôi đã bị bỏ lỡ vào tháng trước, hãy nhận xét" mà không cung cấp dữ liệu thô. "Khoảng 3,5, hiệu suất tốt", AI tự tin viết. ROAS thực tế là 1,8 và chiến dịch thực sự thua lỗ. Báo cáo đã được đính chính nhưng niềm tin của khách hàng đã bị lung lay. Lỗi: chờ số liệu từ AI mà không đưa ra dữ liệu.
Trường hợp 3 - Ngụy biện quy kết. Một thương hiệu phân bổ tất cả doanh số bán hàng dựa trên lượt nhấp cuối cùng, nhập tất cả doanh số bán hàng vào tìm kiếm của Google và cắt giảm ngân sách Instagram của mình. Doanh số bán hàng giảm vào tháng sau; vì Instagram đã tạo ra nhận thức và thúc đẩy tìm kiếm. Việc mù quáng dựa vào mô hình trích dẫn duy nhất đã dẫn đến quyết định sai lầm. Bài học: ghi công là một mô hình, không phải sự thật tuyệt đối; Cần phải so sánh các mô hình khác nhau.
Bốn mẫu có thể sao chép
1) Trình tóm tắt dữ liệu (nhấn mạnh vào xác nhận):
Dưới đây là dữ liệu chiến dịch ẩn danh (không có ID khách hàng):[dán dữ liệu/bảng]Nhiệm vụ: (1) Tính toán và hiển thị CTR, tỷ lệ chuyển đổi, CPA, ROAS với các công thức của chúng. (2) Chỉ ra 2 kênh hoạt động tốt nhất và kém nhất. (3) Nêu rõ điểm bạn không chắc chắn hoặc thiếu trong dữ liệu. Không tạo nên bất kỳ con số nào không có trong dữ liệu. Tôi sẽ xác nhận tài khoản.
2) Thợ săn mẫu/bất thường:
Dưới đây là dữ liệu hàng ngày trong 4 tuần qua: [data]. Nhiệm vụ: Phát hiện những sai lệch không mong muốn (giảm/tăng đột ngột). Đối với mỗi điểm bất thường: ngày/kênh nào, nó sai lệch bao nhiêu, những lời giải thích có thể có (giả thuyết). Nêu rõ rằng đây là những giả thuyết, không phải nguyên nhân dứt khoát.
3) Kiểm tra nhân quả:
Quan sát của tôi là: "[ví dụ: CTR giảm từ 2% xuống 1,3%]". Nhiệm vụ: Liệt kê các lý do có thể dẫn đến sự sụt giảm này (sự mệt mỏi của quảng cáo, mùa, thay đổi nhắm mục tiêu, hoạt động của đối thủ cạnh tranh, v.v.). Hãy cho tôi biết dữ liệu nào tôi có thể kiểm tra cho từng lý do. Đừng coi mối tương quan là quan hệ nhân quả; Đừng khẳng định nguyên nhân dứt khoát.
4) Tóm tắt điều hành + dự thảo đề xuất:
Các số liệu tôi đã xác minh: [giá trị CTR, chuyển đổi, CPA, ROAS]. Nhiệm vụ: Viết bản nháp tóm tắt điều hành dài 1 trang: (1) điều gì đã xảy ra với thuật ngữ này (3 mục), (2) điều gì đã hiệu quả/không hiệu quả, (3) 3 đề xuất tối ưu hóa cho thuật ngữ tiếp theo. Chỉ cần sử dụng những con số đã được xác minh mà tôi đã đưa ra; tạo ra số mới.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Đánh giá hiệu suất chiến dịch của tôi và cho tôi biết ROAS của tôi.
Không có dữ liệu nào được đưa ra; AI chỉ có thể tạo nên “ROAS”. Đầu ra mượt mà nhưng không thực tế.
Lời nhắc mạnh mẽ:
Vai trò của bạn: trợ lý phân tích cho một chuyên gia tiếp thị hiệu suất. Dưới đây là dữ liệu hàng tuần ẩn danh (không có tên/thông tin nhận dạng): Chi tiêu quảng cáo: 25.000 TL. Thu nhập: 60.000 TL. Lượt xem: 500.000. Số lần nhấp: 12.000. Chuyển đổi: 480. Nhiệm vụ: (1) Tính toán và hiển thị CTR, tỷ lệ chuyển đổi, CPA và ROAS bằng công thức. (2) Viết bản nháp nhận xét một đoạn văn. (3) Không tạo nên bất kỳ số nào không có trong dữ liệu; Nói rõ rằng bạn không chắc chắn.
Trong yêu cầu này, sự mong đợi về dữ liệu, công thức và việc cấm "làm bù" là rõ ràng. Bạn xác minh lại kết quả đầu ra: CTR = 12.000 500.000 = 2,4%; tỷ lệ chuyển đổi = 480 12.000 = 4%; CPA = 25.000 ÷ 480 ≈ 52 TL; ROAS = 60.000 25.000 = 2,4.
Những lỗi thường gặp
- Yêu cầu số liệu mà không cung cấp dữ liệu. AI không thể truy cập dữ liệu của bạn; Con số anh đưa ra là giả.
- Nhìn vào một số liệu. Nếu CTR cao và tỷ lệ chuyển đổi thấp thì vấn đề có thể nằm ở trang/ưu đãi chứ không phải ở quảng cáo.
- Mối tương quan khó hiểu với quan hệ nhân quả. Chỉ vì hai thứ hành động cùng nhau không có nghĩa là cái này gây ra cái kia.
- Dựa vào mô hình trích dẫn duy nhất. Ghi công là một mô hình; Các mô hình khác nhau đưa ra các quyết định khác nhau.
- Đưa tuyên bố nhân quả của AI vào báo cáo mà không xác nhận. Câu “Bởi vì…” phải được hỗ trợ bởi dữ liệu.
- Nhầm số liệu cho cái nhìn sâu sắc. Báo cáo không liệt kê các con số; cho bạn biết nó có ý nghĩa gì và phải làm gì.
Thận trọng: Câu nguy hiểm nhất trong báo cáo là câu "bởi vì" không có căn cứ. AI có thể đưa ra một lý do trôi chảy; Nếu bạn trình bày lý do đó với ban lãnh đạo mà không chứng minh bằng dữ liệu, bạn có thể dẫn đến một quyết định sai lầm.
Tóm lại
Phân tích hiệu suất là nhiệm vụ chuyển đổi dữ liệu chiến dịch thành các quyết định và cốt lõi của nó là các số liệu như CTR, tỷ lệ chuyển đổi, CPA, ROAS và vấn đề phân bổ. Trí tuệ nhân tạo là trợ thủ đắc lực trong việc tổng hợp hàng trăm dòng dữ liệu, tìm ra những điểm bất thường và soạn thảo báo cáo. Nhưng mọi con số và mọi câu nói nhân quả mà nó đưa ra đều không được đưa vào báo cáo cho đến khi được xác minh với dữ liệu nguồn; Mô hình ngôn ngữ có thể thích ứng khi không thể truy cập dữ liệu. Đọc các số liệu cùng nhau, tách mối tương quan khỏi quan hệ nhân quả và không ràng buộc phân bổ vào một mô hình duy nhất là những dấu hiệu của phân tích tốt. Bản báo cáo đưa ra ý nghĩa và gợi ý chứ không phải một danh sách các con số.
Nhiệm vụ ứng dụng
Chuẩn bị dữ liệu chiến dịch thực tế hoặc giả định (chi tiêu, doanh thu, số lần hiển thị, số nhấp chuột, chuyển đổi). (1) Ẩn danh dữ liệu. (2) Tính toán các số liệu bằng "Trình tóm tắt dữ liệu" và tự mình xác nhận từng số liệu bằng công thức. (3) Tìm điểm lệch lạc với “thợ săn dị thường”; kết nối nó với một giả thuyết. (4) Với “bộ kiểm tra nguyên nhân”, hãy viết ra những nguyên nhân có thể gây ra sai lệch này và cách bạn kiểm tra từng nguyên nhân. (5) Tạo bản nháp của “bản tóm tắt điều hành” và kiểm tra xem nó chỉ chứa những con số bạn đã xác minh hay không; Hỗ trợ câu “vì” với dữ liệu.
danh sách kiểm tra
- [ ] Tôi đã ẩn danh dữ liệu chiến dịch trước khi đưa nó vào công cụ.
- [ ] Tôi đã tự mình xác minh từng số liệu bằng công thức của nó.
- [ ] Tôi đọc các số liệu cùng nhau chứ không phải từng số liệu một.
- [ ] Tôi ủng hộ các tuyên bố về quan hệ nhân quả bằng dữ liệu; Tôi không nhầm lẫn nó với mối tương quan.
- [ ] Tôi không quy tham chiếu cho một mô hình duy nhất, tôi so sánh nó.
- [ ] Tôi chỉ đưa những con số đã được xác minh vào báo cáo; Không có số giả.