Data-Driven Decision Making: Ra quyết định dựa trên dữ liệu
Data-Driven Decision Making: Ra quyết định dựa trên dữ liệu
I
Idflow Technology
6 phút đọc
Mục lục
Data-Driven Decision Making: Ra quyết định dựa trên dữ liệu
Tôi từng nghe một giám đốc marketing nói: "Tôi chắc chắn 100% rằng chiến dịch này sẽ hoạt động, vì tôi đã làm trong ngành 20 năm." Hai tháng sau, chiến dịch tốn hơn 2 tỷ đồng nhưng ROI chỉ 0.8x. Khoảnh khắc đó, anh ta nhận ra rằng 20 năm kinh nghiệm không bằng 20 dòng dữ liệu từ Google Analytics.
Đó là sự thật khó chịu về quyết định dựa vào "cảm giác": chúng ta thường tin vào trực giác của mình nhiều hơn là chân thành nhìn nhận những con số đang nói gì.
Vấn đề không phải là thiếu dữ liệu
Ở Việt Nam, hầu hết công ty đều có dữ liệu. Shopee có. Grab có. Ngay cả startup nhỏ bé cũng có Google Analytics, Mixpanel, hoặc bất cứ cái gì khác. Vấn đề là: chúng ta không biết xem dữ liệu đó, hoặc xem rồi nhưng không tin vào nó.
Bài viết liên quan
Bạn cần tư vấn về công nghệ?
Đội ngũ Idflow luôn sẵn sàng hỗ trợ bạn trong hành trình chuyển đổi số.
Tôi từng làm việc với một công ty bán lẻ trực tuyến. Họ có dashboard đẹp hiển thị mọi số liệu, nhưng CEO vẫn quyết định tăng giá sản phẩm lên 30% vì "thị trường đang nóng." Dữ liệu chỉ ra rằng tỷ lệ chuyển đổi đã giảm 15% trong ba tháng qua. Kết quả? Doanh số rơi tự do, họ mất 6 tháng để phục hồi.
Sự khác biệt giữa công ty hành động nhanh và công ty đi vào ngõ cụt thường nằm ở đây: họ có quy trình để chuyển dữ liệu thành hành động.
Cách nhìn dữ liệu như một người thực sự làm Data-Driven
Đầu tiên, quên cái ý tưởng rằng dữ liệu sẽ tự nói chuyện với bạn. Nó không. Con số 10,000 là vô nghĩa nếu bạn không biết nó đặt trong bối cảnh nào, so sánh với cái gì, và nó thay đổi từ khi nào.
Qui tắc số một: Luôn luôn tìm trend, không chỉ snapshot. Nếu conversion rate của bạn là 2% hôm nay, điều đó chỉ bắt đầu có ý nghĩa khi bạn thấy nó là 2.5% tuần trước, 2.2% ba tuần trước. Bạn có đang đi xuống hay lên? Ở mức độ nào?
Qui tắc số hai: Phân khúc dữ liệu của bạn. Doanh số toàn bộ công ty tăng 20% không nói lên điều gì nếu bạn không biết khách hàng nào đang mua, thị trường nào đang bùng nổ, và khách hàng nào đang rời bỏ. Ở Việt Nam, sự khác biệt giữa Hà Nội, TP.HCM, và các tỉnh khác có thể vô cùng lớn. Thời gian mua hàng cũng khác nhau - mua trước Tết khác hẳn mua vào tháng 6.
Qui tắc số ba: Đặt ra câu hỏi trước khi nhìn số liệu. Nếu bạn chỉ mở dashboard và nhìn xung quanh, bạn sẽ bắt đầu thấy những mối tương quan giả tạo ở khắp nơi. Tôi từng thấy ai đó kết luận rằng "ngày nào tôi đi ăn phở, ngày đó bán hàng tăng," rồi bắt đầu ăn phở mỗi ngày. Rõ ràng là vô lý, nhưng khi bạn đang tìm kiếm một lý do để giải thích thành công, bộ não bạn sẽ tìm ra một cái.
Những công cụ và phương pháp thực tế
Ở mức cơ bản: Google Analytics 4 vẫn là điểm khởi đầu tốt nhất. Nó miễn phí, hầu hết công ty Việt Nam đã có, nhưng rất ít người biết sử dụng nó đúng cách. Hầu hết chỉ nhìn vào số lượt truy cập. Không phải vậy.
Nếu bạn muốn đi sâu hơn, Mixpanel hoặc Amplitude cho phép bạn theo dõi từng sự kiện, từng hành động người dùng. Bạn có thể thấy không chỉ ai click vào nút "Mua ngay," mà còn tại sao họ click, khi nào họ click, và họ click bao nhiêu lần trước khi quyết định.
Với dữ liệu khách hàng, SQL queries và Google Sheets + Data Studio có thể giúp bạn tạo ra những insight mạnh mẽ mà không cần data scientist. Một số công ty Việt Nam như Momo, Now, Ahamove đều sử dụng cách tiếp cận này ở giai đoạn ban đầu.
Nhưng công cụ không phải là điều quan trọng nhất.
Những cái bẫy mà chúng ta rơi vào
Bẫy số một: Correlation vs Causation. Nếu doanh số tăng sau khi bạn thay đổi màu nút "Mua ngay" từ xanh sang đỏ, điều đó không nhất thiết có nghĩa là màu đỏ gây ra sự tăng. Có thể là vì bạn thay đổi nó vào mùa cao điểm, hoặc bạn tình cờ giảm giá vào cùng lúc.
Bẫy số hai: Mẫu quá nhỏ hoặc quá ngắn. Bạn chạy một A/B test trong một tuần và thấy phiên bản A tốt hơn 5%. Nhưng nếu mẫu chỉ có 100 người, sai số thống kê có thể là 10%. Bạn chỉ là vừa may mắn.
Bẫy số ba: Chọn con số để chứng minh quan điểm của mình. Đây là cái gọi là "data cherry-picking." Bạn chọn những chỉ số xấu từ năm ngoái, rồi so sánh với những chỉ số tốt năm nay, và kết luận rằng công ty đã đi lên. Có, nhưng bạn cũng có thể chọn những chỉ số khác và kết luận ngược lại.
Cách bắt đầu hôm nay
Nếu công ty bạn vẫn chưa có một quy trình data-driven thực sự, hãy bắt đầu nhỏ:
1Chọn một chỉ số quan trọng nhất cho kinh doanh của bạn (doanh số, số người dùng mới, tỷ lệ giữ chân, bất cứ cái gì)
2Theo dõi nó hàng ngày hoặc hàng tuần - vẽ chart, nhìn trend
3Đặt câu hỏi: Tại sao nó thay đổi? Có mối liên hệ với gì không?
4Chạy một thí nghiệm nhỏ để kiểm chứng giả thuyết của bạn
5Lặp lại
Sự khác biệt giữa "dữ liệu" và "data-driven" chính là: bạn không chỉ có dữ liệu, mà bạn có một chu kỳ liên tục: quan sát → giả thuyết → kiểm chứng → hành động → quan sát.
---
"Dữ liệu là vũ khí của những người thông minh. Nhưng như mọi vũ khí, nó chỉ hiệu quả khi bạn biết cách sử dụng." Chính vì vậy, những công ty như Idflow Technology không chỉ giúp bạn thu thập dữ liệu, mà còn giúp bạn biến nó thành hành động có giá trị.