Trước khi tối ưu được thứ gì, bạn phải đo được nó — và đo đúng. Rất nhiều quyết định tối ưu sai bắt nguồn từ một con số sai mà không ai kiểm lại, vì con số đó trông hợp lý và không ai muốn là người đặt câu hỏi. Chủ đề này gom các bài về đo lường và phân tích dữ liệu marketing, viết cho người phải bảo vệ kết luận của mình trước người khác.
Phần đầu nói về chất lượng dữ liệu. Chúng tôi trình bày cách kiểm tra nhanh một tập số liệu trước khi dùng: đối chiếu tổng với nguồn độc lập, tìm ngày bị thiếu, phát hiện đơn vị bị lệch, và nhận ra các trường hợp cùng một chỉ số được tính theo hai công thức ở hai nơi. Đây là loại lỗi âm thầm nhất, vì báo cáo vẫn chạy và vẫn ra số.
Phần thứ hai nói về phân bổ đóng góp. Khi khách nhìn thấy quảng cáo trên Meta, tìm lại thương hiệu trên Google, rồi mua trên Shopee, kênh nào được ghi công. Không có câu trả lời hoàn hảo, nhưng có những cách tiếp cận đủ tốt để ra quyết định ngân sách. Chúng tôi trình bày các mô hình phổ biến, ưu nhược điểm, và cách chọn mô hình phù hợp với quy mô dữ liệu của bạn.
Phần thứ ba nói về kiểm chứng giả thuyết. Một thay đổi làm ROAS tăng trong ba ngày chưa chắc là nguyên nhân — có thể đó là mùa vụ, là đối thủ hết ngân sách, hoặc chỉ là dao động ngẫu nhiên. Chúng tôi viết về cách bố trí thử nghiệm đơn giản mà vẫn kết luận được, cỡ mẫu tối thiểu cần có, và cách tránh kết luận sớm khi số đang có lợi cho mình.
Cuối cùng là phần biến phân tích thành hành động: chọn cách trực quan hoá phù hợp với câu hỏi, viết kết luận kèm mức độ chắc chắn, và ghi lại các quyết định đã ra để lần sau còn đối chiếu được. Phân tích chỉ có giá trị khi nó thay đổi điều gì đó trong cách làm việc.
