bài này mình nói về việc mình áp dụng hệ số tương quan để tối ưu trong quảng cáo. (hoặc ít nhất là với một số chiến dịch đang “chạy lung tung không biết vì sao đơn không ra”)
ngày trước, mỗi lần báo cáo mình thường dừng lại ở mấy chỉ số quen thuộc như: reach, impression, cost per purchase, rồi đánh giá theo kiểu:
+ giá mua hàng đang cao
+ reach tăng nhưng đơn không tăng
+ số này chi phí rẻ nhưng không hiệu quả
mình cứ nghĩ vấn đề nằm ở creative hay audience. nhưng hoá ra, có lúc vấn đề không nằm ở một chỉ số nào cụ thể, mà là cách các chỉ số liên kết với nhau.
ví dụ:
+ bài có nhiều engagement nhưng lại không dẫn đến content view
+ adds to cart tăng nhưng không có purchase
+ CPM giảm mà cost/purchase không đổi
-> lúc đó mình mới bắt đầu “vác correlation heatmap ra xài thử” 😗
heatmap correlation là gì?
hiểu đơn giản, đây là bản đồ màu thể hiện mối liên hệ giữa các chỉ số trong chiến dịch của bạn.
– màu đỏ đậm: tương quan dương mạnh (hai chỉ số tăng/giảm cùng chiều)
– màu xanh đậm: tương quan âm mạnh (một tăng thì cái kia giảm)
– màu nhạt: không liên quan mấy đến nhau
nếu chỉ số nào đang xấu nhưng lại không có tương quan gì tới purchase thì… có thể nó không đáng để ưu tiên tối ưu. nhưng ngược lại, có những chỉ số tưởng như “không quan trọng” nhưng thực ra lại là bộ dẫn dắt rất mạnh đến chuyển đổi cuối cùng.
ví dụ thực tế từ một chiến dịch như trong hình:
+ Impression ↔ Reach: 0.96 → không ngạc nhiên
+ Content View ↔ Purchase: 0.62 → khá quan trọng
+ Post Engagement ↔ Purchase: 0.61 → hóa ra tương tác bài viết không vô nghĩa
+ Adds to Cart / Content View ↔ Purchase: thấp → chất lượng lượt xem không tốt lắm
nhưng đáng nói nhất là:
CPM giảm thì Purchase không tăng, mà đôi khi còn giảm nhẹ
→ vậy là lúc đó rẻ không đồng nghĩa với hiệu quả
→ team dừng luôn các ad nhóm CPM thấp mà không mang lại content views đủ mạnh
dùng heatmap để làm gì?
+ đánh giá chiến dịch một cách toàn cảnh: không phải chỉ số nào xấu cũng cần tối ưu, mà là ưu tiên cái nào ảnh hưởng đến mục tiêu cuối
+ giúp xác định chỉ số dẫn dắt (leading indicators): nhiều lúc Purchase đến từ Content View hoặc Engagement chứ không phải từ Click trực tiếp
+ tìm điểm nghẽn trong phễu: biết là người dùng đến đâu rồi rớt, và tại sao họ rớt
+ ra quyết định tối ưu chính xác hơn: không tốn thời gian chạy loanh quanh fix mấy cái không ảnh hưởng gì tới kết quả
cuối cùng, mình nghĩ heatmap correlation không thay thế được dashboard hay báo cáo tổng, nhưng nó là bản đồ định hướng để bạn hiểu campaign đang hoạt động kiểu gì.
giống như nấu ăn vậy, có người cứ thấy món mặn là đổ thêm nước, nhưng hoá ra muối nằm ở nguyên liệu chứ không phải nước sốt.
nên mỗi lần thấy “CPM rẻ nhưng không ai mua hàng”, mình lại mở heatmap lên để tự hỏi: “mình đang tối ưu đúng thứ chưa?”
#uan #uanunlocker
