Performance Marketing #5: Creative for Performance – Ứng dụng phân tích dữ liệu để tối ưu creative

Creative for Performance – Tối ưu hình ảnh & nội dung bằng dữ liệu, một phần không thể thiếu trong Performance Marketing.

Bài viết được thực hiện bởi Hạnh Lê, Cofounder & COO, PMAX và Nguyên Lê, Ecom Marketing Expert, PMAX.

“Content is King” – câu nói nổi tiếng từ Bill Gates đã quá quen thuộc trong cộng đồng marketer và những nhà làm quảng cáo. Bản thân mình cũng hoàn toàn đồng ý với câu nói trên. Thực sự, không ai có thể phủ nhận tầm quan trọng của nội dung, hình ảnh trong việc tạo nên một chiến dịch quảng cáo thành công, bao gồm mục tiêu nhận diện thương hiệu hay mục tiêu thuần về hiệu quả như thu hút khách hàng, gia tăng doanh số. 

Đa số các nội dung, hình ảnh quảng cáo hiện nay được tạo ra theo quy trình: Bắt đầu với việc nghiên cứu, tìm ra insight khách hàng, sau đó kết hợp với tư duy của nhà sáng tạo/ thiết kế để ra được ý tưởng và định hướng cho nội dung, hình ảnh của chiến dịch quảng cáo. Hiệu quả của các nội dung và hình ảnh đó thường dựa trên (1) Nhận định chủ quan, khách quan của các bên, cảm giác, kinh nghiệm, “gu thẩm mỹ” và (2) Hiệu quả của chính những chiến dịch quảng cáo sử dụng nội dung và hình ảnh đó.

Cùng với sự phát triển không ngừng của Digital Marketing là sự phát triển của các hệ thống đo lường, dẫn đến việc đo lường các chỉ số được liên tục và chính xác hơn. Do đó, tư duy Performance Marketing đưa đến một trăn trở, một câu hỏi: “Làm cách nào dựa trên dữ liệu, kết quả liên tục đó để chúng ta có thể tối ưu và thay đổi các creative nhằm tạo ra những kết quả tốt hơn nữa?”. 

 

Trải qua 10 năm làm nghề, mình cùng PMAX với khao khát và nỗ lực để tìm ra các phương pháp tối ưu nhất cho kết quả chiến dịch quảng cáo trong đó bao gồm việc tối ưu hình ảnh và nội dung quảng cáo. Đó là một hành trình dài để thử nghiệm, áp dụng nhiều cách thức khác nhau, phân tích để đưa đến một phương pháp có tên gọi Creative For Performance (CFP) – một phương pháp với mục tiêu đúng như cái tên của nó. 

Để mọi người dễ hình dung hơn với phương pháp này thì mình sẽ bắt đầu với một đề bài như sau:

Bên dưới là 2 mẫu quảng cáo hướng người dùng cài đặt một loại App. Hãy cùng xem thử cách bạn nhận định về mẫu quảng cáo.

• Với dữ liệu về các chỉ số của mẫu quảng cáo, bạn có thể xác định mẫu quảng cáo nào tốt hơn về mặt nội dung và hình ảnh không?
• Bạn sẽ làm gì tiếp theo để nội dung và hình ảnh của quảng cáo tốt hơn nữa? 

Nhìn vào chỉ số hiệu quả, chúng ta có thể dễ dàng nhận định quảng cáo B tốt hơn quảng cáo A vì có CTR (Click Through Rate) cao hơn và CPA (Cost Per Action) thấp hơn. 

Với dữ liệu này thì bạn sẽ làm gì tiếp theo? Câu trả lời thường thấy sẽ là chúng ta nên tạo ra một mẫu quảng cáo mới theo hướng với mẫu quảng cáo B và kỳ vọng là hiệu suất sẽ tốt tương tự hoặc cao hơn.  

Lý thuyết nghe có vẻ đơn giản, nhưng khi đặt câu hỏi cụ thể hơn: Tạo ra mẫu quảng cáo tương tự mẫu quảng cáo B nghĩa là như thế nào? Là dùng cách tiếp cận giống hay là dùng hình ảnh giống hay là dùng màu sắc giống hay đơn giản là dùng CTA giống?

Hay nói một cách khác là điều gì làm cho quảng cáo B tốt hơn quảng cáo A? 

Bên dưới là hướng dẫn để bạn trả lời những câu hỏi trên, theo 3 mức độ tăng dần từ đơn giản đến phức tạp.

1. Phân bổ ngân sách theo creative, kết hợp giữa nội dung hình ảnh và tập người dùng

Ở cấp độ này, các nội dung hình ảnh sẽ được phân tích dựa trên hiệu suất của từng quảng cáo đã được chạy phân theo tập người dùng. Từ đó, xác định mẫu quảng cáo nào phù hợp cho từng tập khách hàng nào và phân bổ lại ngân sách hợp lý theo đó.

Ngoài ra, ở cấp độ dữ liệu này, chúng ta có thể thử nghiệm thêm bằng cách lựa chọn các mẫu quảng cáo tốt và tập khách hàng đang có hiệu suất tốt nhất, thử kết hợp chúng lại với nhau và xem hiệu quả. 

Ví dụ: 

Với mục tiêu chiến dịch là tăng doanh thu cho sản phẩm voucher du lịch. Chúng ta sẽ chia đối tượng khách hàng mục tiêu thành các nhóm như: 

• Gia đình
• Bạn bè/ đồng nghiệp

Với mỗi nhóm sẽ có nội dung quảng cáo khác nhau: 

• Nhóm gia đình được tiếp cận với 2 hướng nội dung:
  • Nghỉ dưỡng cùng gia đình
  • Tri ân bố mẹ bằng món quà du lịch 
• Nhóm bạn bè/ đồng nghiệp được tiếp cận với 2 hướng nội dung khác:
  • Chụp hình check-in sống ảo
  • “Xả hết” ngày nghỉ phép cuối năm cùng bạn bè/ đồng nghiệp 

Sau khi phân tích thấy hướng nội dung “Xả hết” ngày nghỉ phép cuối năm trong nhóm bạn bè có hiệu quả cao nhất, chúng ta có thể thử nghiệm hướng nội dung này cho nhóm gia đình theo kiểu ”Nghỉ phép cùng người thân/ Tận hưởng khoảnh khắc nghỉ dưỡng bên gia đình”.    

Ưu điểm của phương pháp này là dễ thực hiện và có kết quả nhanh. Với một số lượng mẫu nội dung hình ảnh có sẵn ban đầu, chỉ cần dựa vào kết quả của từng mẫu quảng cáo để phân bổ lại ngân sách phù hợp cũng như kết hợp với việc thử nghiệm các tập khách hàng là bạn có thể tối ưu được hiệu suất quảng cáo một cách nhanh chóng. 

Tuy nhiên, chúng ta chỉ có thể tối ưu trên những mẫu quảng cáo sẵn có, nhưng chưa xác định được nguyên nhân vì sao mẫu quảng cáo A lại tốt hơn mẫu quảng cáo B. Hay làm thế nào để làm ra được nội dung, hình ảnh quảng cáo có hiệu quả tốt hơn?

Để có thể trả lời được những câu hỏi này thì chúng ta sẽ phải đi qua cấp độ tiếp theo.

2. Phân tích đa chiều các thành phần của nội dung và hình ảnh quảng cáo

Ở cấp độ này, chúng ta không dừng lại ở việc phân tích từng mẫu quảng cáo mà sẽ đi sâu vào phân tích từng thành phần trong 1 mẫu quảng cáo. Việc này sẽ được thực hiện theo quy trình sau:

Bước đầu tiên là bóc tách các thành phần/ lớp cắt liên quan đến hình ảnh, nội dung có trong 1 mẫu quảng cáo.

Mỗi mẫu quảng cáo sẽ được chia thành nhiều thành phần để phân tích hiệu quả của từng phần đó. Trong ví dụ trên, quảng cáo đang được chia thành 4 thành phần khác nhau (nội dung sẽ có chủ đề, cách tiếp cận; hình ảnh có định dạng, kích thước tỷ lệ, nội dung trên banner; ngoài ra quảng cáo sẽ còn có CTA – Call to Action, Headline – Tiêu đề)

Nếu càng muốn cụ thể hơn thì mình có thể chia nhỏ các phần này hơn nữa, ví dụ bên dưới chỉ riêng phần nội dung đã có thể chia thành 5 phần:

  

Sau đó, cần xác định các sự lựa chọn/ giá trị trong mỗi thành phần. Tuỳ theo ngành hàng và dự án mà các giá trị này sẽ thay đổi cho phù hợp. 

Ví dụ: Cách viết headline có thể có 5 sự lựa chọn là viết dưới dạng “Urgent”, “How-to”, “Trends”, “Question”, “Direct”.

CTA có thể là “Learn More”, “Buy Now”, “Try Now” … 

Khi đã xác định được các thành phần và các giá trị phù hợp, tiến hành phân loại nội dung và hình ảnh mẫu quảng cáo theo cấu trúc này để xây dựng Bộ dữ liệu (Dataset) cho việc theo dõi, phân tích, lên kế hoạch thử nghiệm các yếu tố này.

Sau khi phân tích và chạy thử nghiệm, chúng ta sẽ tìm ra được giá trị tốt nhất trong từng thành phần về mặt nội dung, hình ảnh của các mẫu quảng cáo, từ đó đưa ra những đề xuất về hướng đi cho từng thành phần của một mẫu quảng cáo.

Nhưng khi có quá nhiều thành phần trong 1 mẫu quảng cáo, làm cách nào để biết được thành phần nào có ảnh hưởng nhiều hơn đến kết quả cuối cùng của mẫu quảng cáo đó, để chúng ta có thể đầu tư nhiều hơn cho việc thay đổi thành phần đó hơn là những thành phần khác? Để trả lời cho câu hỏi này, chúng ta tiếp tục đi qua level tiếp theo.

3. Phân tích độ tương quan và mức độ ảnh hưởng của từng thành phần về hình ảnh, nội dung đến hiệu quả quảng cáo

Tại cấp độ này, sau khi đã xây dựng thành công Bộ dữ liệu (Dataset) đạt tiêu chuẩn, ta chạy các mô hình hồi quy để phân tích xem mức độ tương quan của từng thành phần tới hiệu quả của mẫu quảng cáo. 

Kết hợp các phân tích về hiệu quả của từng giá trị để đưa ra các gợi ý phù hợp, tập trung vào những thành phần quan trọng để tạo ra những nội dung hình ảnh mới có hiệu quả cao hơn.

Ưu điểm của việc làm này là giúp chúng ta xác định được mức độ tương quan giữa từng yếu tố ảnh hưởng đến hiệu quả, tìm ra được các giá trị phù hợp nhất cho từng yếu tố. Tuy nhiên để ra được các phân tích này cần có bộ dữ liệu đủ lớn để chạy mô hình tương quan phức tạp.

Lưu ý: Thị hiếu của người dùng liên tục thay đổi, do đó chúng ta sẽ phải liên tục thử nghiệm những nội dung hình ảnh mới, liên tục đưa ra các giả thuyết, liên tục phân tích để xác nhận các giả thuyết chứ không chỉ phân tích một lần và sử dụng trọn đời. 

 

Kết luận: Creative for Performance đơn thuần là cách phân tích và sử dụng dữ liệu nhưng phạm vi áp dụng là nội dung và hình ảnh quảng cáo. Tuy đơn giản nhưng nếu hiểu và vận dụng được nó, bạn có thể tăng hiệu quả của chiến dịch lên rất nhiều lần, cũng như giải đáp được những thắc mắc, hoài nghi, nắm rõ nguyên nhân về mức độ hiệu quả của các nội dung hình ảnh quảng cáo mình tạo ra.

Giới thiệu về PMAX

Là agency tiên phong trong lĩnh vực Performance Marketing với hơn 5 năm hoạt động, PMAX tự hào là một trong số rất ít agency ở Việt Nam trở thành đối tác cao cấp của Google (Google Premier Partner).

Với định vị total performance marketing và giải pháp one-stop-shop, PMAX mong muốn mang lại doanh thu tăng trưởng, gia tăng sự tiện lợi và tạo ra giá trị kinh tế bền vững cho doanh nghiệp. Sở hữu đội ngũ nhân sự chất lượng (trên 100 người) và hệ thống công nghệ/dữ liệu tiên tiến, PMAX đã và đang thành công mang tới tăng trưởng doanh thu cho các công ty và tập đoàn như Vingroup, Tiki, Lazada, Shopee, Watsons, UNIQLO, FE Credit, Standard Chartered, Ngọc Dung, Estee Lauder, LG Vina... Các chiến dịch ứng dụng Creative for Performance có thể kể đến Vinfast, Vinpearl, Watson, VAS, FE Credit, Standard Chartered, Zema...

Liên hệ với PMAX để có thể tìm hiểu và sử dụng giải pháp Creative for Performance ngay. Tham khảo thêm giải pháp của PMAX tại website: https://pmax.com.vn