Cách phân tích dữ liệu Facebook Ads và Google Ads bằng tư duy Data Analyst

Phân tích dữ liệu quảng cáo không đơn giản là mở báo cáo Facebook Ads hoặc Google Ads rồi nhìn vào các chỉ số như CPC, CTR, CPM, CPA hay ROAS.

Một người làm việc với dữ liệu cần đi xa hơn:

Chỉ số thay đổi → Xác định thay đổi ở đâu → Tìm nguyên nhân → Đối chiếu dữ liệu → Đưa ra hành động.

Đây là cách tư duy Data Analyst có thể được áp dụng trực tiếp vào công việc marketing và quảng cáo.

Không nên đánh giá quảng cáo chỉ bằng một chỉ số

Một trong những lỗi phổ biến nhất khi đọc báo cáo quảng cáo là chỉ nhìn vào một con số.

Ví dụ:

“CPC hôm nay tăng nên quảng cáo đang xấu.”

Kết luận này chưa đủ cơ sở.

CPC tăng có thể xảy ra đồng thời với:

• CTR giảm.

• CPM tăng.

• Chất lượng traffic thay đổi.

• Audience thay đổi.

• Placement thay đổi.

• Conversion Rate tăng.

• Giá trị đơn hàng tăng.

Nếu CPC tăng nhưng doanh thu trên mỗi khách hàng cũng tăng mạnh, chiến dịch chưa chắc đang hoạt động kém.

Vì vậy, cần nhìn dữ liệu theo mối quan hệ giữa các chỉ số.

Một hệ thống chỉ số quảng cáo nên được nhìn như thế nào?

Có thể hình dung dữ liệu quảng cáo theo chuỗi:

Impression → Click → Visit → Lead/Cart → Purchase → Revenue

Từ chuỗi này có thể hình thành nhiều chỉ số:

CTR

Tỷ lệ người nhìn thấy quảng cáo và nhấp vào quảng cáo.

CPC

Chi phí trung bình cho một lượt click.

Conversion Rate

Tỷ lệ người thực hiện hành động mong muốn sau khi truy cập.

CPA

Chi phí trung bình để tạo ra một conversion.

ROAS

Doanh thu tạo ra trên mỗi đồng chi phí quảng cáo.

Các chỉ số này liên quan với nhau.

Vì vậy, khi một chỉ số thay đổi, nên kiểm tra những chỉ số liên quan trước khi đưa ra kết luận.

Cách phân tích khi CPA tăng

Giả sử hôm qua:

CPA = 150.000đ

Hôm nay:

CPA = 220.000đ

CPA tăng khoảng 47%.

Thay vì lập tức tắt campaign, hãy phân tích theo từng tầng.

Kiểm tra CPC

Nếu CPC tăng mạnh, chi phí để có traffic đã tăng.

Có thể cần kiểm tra:

• CPM.

• CTR.

• Audience.

• Placement.

• Competition.

Kiểm tra Conversion Rate

Nếu CPC gần như không đổi nhưng CPA tăng, có thể vấn đề nằm sau click.

Ví dụ:

• Landing page.

• Form.

• Checkout.

• Offer.

• Tracking.

• Chất lượng traffic.

Kiểm tra dữ liệu theo campaign

Có thể tổng CPA tăng nhưng chỉ do một campaign cụ thể.

Ví dụ:

Nhìn tổng thể có thể tưởng toàn bộ Facebook Ads đang gặp vấn đề.

Nhưng khi phân tách dữ liệu, Campaign C mới là nguyên nhân chính.

Đây là lý do phân tích theo cấp độ rất quan trọng.

Phân tích Facebook Ads theo nhiều tầng

Một báo cáo Facebook Ads có thể được phân tích theo:

Account → Campaign → Ad Set → Ad

Mỗi tầng trả lời một câu hỏi khác nhau.

Campaign

Campaign giúp xem mục tiêu hoặc chiến lược quảng cáo tổng thể đang hoạt động thế nào.

Ad Set

Có thể phân tích:

• Audience.

• Placement.

• Budget.

• Optimization.

• Targeting.

Ad

Có thể phân tích:

• Creative.

• Copy.

• Format.

• Hook.

• CTA.

Nếu campaign có kết quả kém, không nên chỉ nhìn campaign.

Cần tiếp tục đi xuống các tầng để tìm nguyên nhân.

Phân tích Google Ads theo nhiều tầng

Google Ads cũng có cấu trúc dữ liệu riêng.

Có thể phân tích:

Account → Campaign → Ad Group → Keyword/Search Term → Conversion

Ví dụ một campaign có CPA cao.

Thay vì tắt campaign ngay, hãy kiểm tra:

• Ad Group nào có CPA cao?

• Keyword nào tiêu nhiều tiền?

• Search Term nào không liên quan?

• Keyword nào tạo conversion?

• Keyword nào có CPC cao nhưng không tạo kết quả?

• Conversion nào thực sự tạo doanh thu?

Cách phân tích này giúp tránh việc đưa ra quyết định dựa trên dữ liệu tổng hợp quá mức.

Search Term có thể quan trọng hơn Keyword

Trong Google Ads, keyword bạn target không nhất thiết giống chính xác truy vấn mà người dùng thực tế tìm kiếm.

Vì vậy, phân tích Search Term có thể giúp phát hiện:

• Truy vấn có ý định mua cao.

• Truy vấn không liên quan.

• Truy vấn cần thêm vào keyword.

• Truy vấn cần loại trừ.

• Nhóm nhu cầu mới.

Đây là một ví dụ điển hình về việc dữ liệu quảng cáo có thể tạo ra insight vượt ra ngoài báo cáo hiệu suất thông thường.

Khi CTR giảm thì phân tích gì?

CTR giảm thường khiến nhiều người kết luận:

“Creative đang kém.”

Nhưng vẫn cần kiểm tra thêm.

CTR có thể giảm do:

• Audience thay đổi.

• Placement thay đổi.

• Frequency tăng.

• Creative bị bão hòa.

• Message không còn phù hợp.

• Competition tăng.

• Impression tăng ở nhóm người dùng ít tương tác.

Vì vậy, CTR chỉ là tín hiệu đầu tiên.

Câu hỏi tiếp theo phải là:

“CTR giảm ở đâu?”

Sau đó:

“Tại sao giảm?”

Và cuối cùng:

“Có cần hành động không?”

Phân tích Frequency trong Facebook Ads

Frequency tăng có thể là tín hiệu cần chú ý, đặc biệt khi đồng thời xảy ra:

• CTR giảm.

• CPC tăng.

• CPA tăng.

• Engagement giảm.

Ví dụ:

Không thể chỉ nhìn Frequency = 3,2 rồi kết luận quảng cáo chắc chắn bị fatigue.

Nhưng khi Frequency tăng đồng thời với CTR giảm và CPC tăng, đây là một tín hiệu đáng để kiểm tra creative và audience.

Phân tích ROAS đúng cách

ROAS là một chỉ số rất phổ biến:

ROAS = Revenue / Ad Spend

Ví dụ:

Chi phí quảng cáo:

10.000.000đ

Doanh thu:

40.000.000đ

ROAS:

4

Tuy nhiên, ROAS = 4 không tự động có nghĩa là chiến dịch tốt.

Cần biết:

• Biên lợi nhuận là bao nhiêu?

• Chi phí vận hành bao nhiêu?

• Chi phí sản phẩm bao nhiêu?

• Có hoàn đơn không?

• Doanh thu có thực sự được ghi nhận chính xác không?

• Giá trị khách hàng dài hạn là bao nhiêu?

Một chiến dịch ROAS thấp hơn nhưng tạo ra khách hàng có giá trị cao hơn vẫn có thể đáng đầu tư.

Phân tích dữ liệu theo thời gian

Không nên chỉ xem hôm nay.

Có thể so sánh:

• Hôm nay vs hôm qua.

• 7 ngày gần nhất vs 7 ngày trước.

• Tháng này vs tháng trước.

• Cùng kỳ năm trước.

Ví dụ:

CPA tháng này = 200.000đ

Nếu chỉ nhìn con số này, chưa thể biết tốt hay xấu.

Nhưng:

Tháng trước = 280.000đ

thì CPA hiện tại có thể đang cải thiện.

Ngược lại:

Tháng trước = 120.000đ

thì tình hình đã xấu đi đáng kể.

Context quan trọng hơn một con số đơn lẻ.

Phân tích theo ngày trong tuần

Dữ liệu quảng cáo có thể có tính chu kỳ.

Ví dụ:

Nếu dữ liệu được duy trì đủ lâu, có thể phát hiện những pattern đáng chú ý.

Tuy nhiên, không nên điều chỉnh ngân sách chỉ dựa trên một tuần.

Cần xem dữ liệu trong khoảng thời gian đủ lớn và kết hợp với các yếu tố khác.

Phân tích theo sản phẩm

Đây là phần rất quan trọng khi quảng cáo dẫn đến bán hàng.

Ví dụ:

Nếu chỉ nhìn doanh thu, sản phẩm A đứng đầu.

Nếu nhìn ROAS, sản phẩm C tốt nhất.

Nhưng nếu nhìn tổng lợi nhuận, thứ tự có thể lại khác.

Vì vậy, chỉ số cần được lựa chọn dựa trên mục tiêu kinh doanh.

Kết hợp dữ liệu quảng cáo với dữ liệu bán hàng

Đây là lúc tư duy Data Analyst tạo ra nhiều giá trị hơn.

Facebook Ads và Google Ads có thể cho biết:

• Spend.

• Click.

• Conversion.

• CPA.

• ROAS.

Nhưng hệ thống bán hàng có thể cho biết:

• Đơn hàng thực tế.

• Đơn hoàn.

• Doanh thu thực nhận.

• Lợi nhuận.

• Khách hàng quay lại.

Nếu hai nguồn dữ liệu không được đối chiếu, có thể xảy ra tình trạng:

Ads report tốt nhưng business result không tốt.

Ví dụ quảng cáo ghi nhận:

100 conversions

nhưng hệ thống bán hàng chỉ xác nhận:

70 đơn thực tế.

Lúc này cần kiểm tra tracking, attribution và quy trình ghi nhận conversion.

Xây dựng một bảng phân tích quảng cáo đơn giản

Một bảng tổng hợp có thể gồm:

Từ bảng này có thể tiếp tục xây dựng:

• Daily Report.

• Channel Report.

• Campaign Report.

• Product Report.

• ROAS Report.

• CPA Report.

Dashboard nên giúp trả lời câu hỏi gì?

Một dashboard quảng cáo tốt có thể được chia thành 4 khu vực.

Tổng quan

• Total Spend.

• Revenue.

• Conversions.

• CPA.

• ROAS.

Theo kênh

• Facebook Ads.

• Google Ads.

• Other Channels.

Theo campaign

Xác định campaign:

• Tốt nhất.

• Kém nhất.

• Đang tăng trưởng.

• Đang suy giảm.

Cảnh báo

Ví dụ:

• CPA tăng trên 30%.

• ROAS giảm trên 20%.

• Spend tăng nhưng Revenue không tăng.

• Conversion giảm.

• CPC tăng bất thường.

Những cảnh báo này giúp người sử dụng tập trung vào vấn đề cần xử lý, thay vì phải đọc toàn bộ bảng dữ liệu.

Tư duy Data Analyst khi một chỉ số bất thường

Khi phát hiện một biến động, có thể sử dụng quy trình:

Bước 1: Xác nhận dữ liệu

Kiểm tra xem dữ liệu có lỗi không.

Bước 2: Xác định phạm vi

Biến động xảy ra ở:

• Toàn account?

• Một channel?

• Một campaign?

• Một audience?

• Một sản phẩm?

Bước 3: So sánh

So với:

• Kỳ trước.

• Target.

• Historical Average.

Bước 4: Phân rã

Tách chỉ số thành các thành phần nhỏ hơn.

Bước 5: Tìm nguyên nhân

Xác định yếu tố có khả năng tạo ra biến động.

Bước 6: Đưa ra hành động

Chỉ sau khi hiểu dữ liệu mới quyết định:

• Tăng ngân sách.

• Giảm ngân sách.

• Test creative.

• Điều chỉnh audience.

• Điều chỉnh keyword.

• Kiểm tra landing page.

• Kiểm tra tracking.

• Hoặc tiếp tục quan sát.

Data Analyst trong công việc không phải là tạo báo cáo

Một báo cáo chỉ cho bạn biết điều gì đã xảy ra.

Phân tích dữ liệu tốt hơn cần trả lời:

Điều gì đã xảy ra?

↓

Tại sao xảy ra?

↓

Điều gì sẽ xảy ra nếu không thay đổi?

↓

Cần làm gì tiếp theo?

Đây chính là điểm khác biệt giữa việc đọc số liệu và sử dụng dữ liệu để ra quyết định.

Kết luận

Tư duy Data Analyst có thể được áp dụng vào rất nhiều công việc mà không phụ thuộc vào chức danh hay công cụ cụ thể.

Với Facebook Ads và Google Ads, tư duy này giúp biến những bảng số liệu lớn thành một quy trình rõ ràng:

Theo dõi → So sánh → Phân rã → Tìm nguyên nhân → Xác định insight → Hành động.

Excel, Google Sheets, SQL, Power BI hay Python chỉ là những công cụ hỗ trợ.

Điều quan trọng nhất vẫn là khả năng đặt đúng câu hỏi và biết đào sâu từ một biến động dữ liệu để tìm ra nguyên nhân thực sự.

Đó cũng là trọng tâm của chuyên mục Data Analyst trên DuctriSEO.io: không tập trung vào lý thuyết nghề nghiệp, mà tập trung vào cách sử dụng dữ liệu trong công việc thực tế, phân tích hiệu suất và hỗ trợ ra quyết định.