Hành trình đi từ thu thập dữ liệu đến tìm ra insight

Một nghiên cứu thị trường trải qua nhiều giai đoạn phức tạp khác nhau, trong đó không thể thiếu bước thu thập dữ liệu. Việc khám phá những sự thật ngầm hiểu có ý nghĩa từ mớ dữ liệu thô cũng là giai đoạn quan trọng không kém. Điều này đòi hỏi người làm nghiên cứu không chỉ sở hữu những kỹ năng phân tích thành thục, sự am hiểu sâu rộng về ngành hàng mà còn là sự nhạy bén trong việc móc nối và xâu chuỗi các điểm dữ liệu gắn với đối tượng nghiên cứu. 

Hãy cùng tôi đào sâu quy trình phân tích dữ liệu định lượng đầy đủ và chi tiết được đề xuất bởi Kantar để đạt được các thông tin giá trị.

Tổng quan về phân tích dữ liệu khảo sát

Phân tích dữ liệu khảo sát là một quy trình phức tạp từ việc sử dụng các kỹ thuật thống kê đến việc khám phá những sự thật ngầm hiểu từ bộ dữ liệu thô, từ đó hỗ trợ cho việc ra các quyết định kinh doanh. Nguồn dữ liệu định lượng này có thể được thu thập từ khảo sát trực tuyến (online panel survey) hoặc các nguồn dữ liệu sơ cấp và thứ cấp khác nhằm tìm ra các insights của nhóm khách hàng mục tiêu. 

Những thương hiệu nhìn thấy được tầm quan trọng của dữ liệu đều triển khai các hoạt động phân tích dữ liệu nhằm thấu hiểu tâm lý, thị hiếu và hành vi của khách hàng một cách tốt hơn. Việc đào sâu và khám phá những lát cắt tâm lý của khách hàng sẽ giúp các doanh nghiệp đưa ra các quyết định sáng suốt và chắc chắn hơn, chẳng hạn như việc định giá cho dòng sản phẩm mới, hay thiết kế và điều chỉnh thông điệp truyền thông để đảm bảo tính “ăn khớp” và thu hút phân khúc khách hàng mục tiêu. Mặt khác, biết cách khai thác “mỏ vàng” từ đóng dữ liệu khô khan và rời rạc giúp doanh nghiệp nuôi dưỡng sự nhận biết thương hiệu, gia tăng doanh thu và tạo sức cạnh tranh so với các đối thủ.

Theo kết quả nghiên cứu từ Học viện Toàn cầu của Mckinsey, các tổ chức phát triển dựa trên nền tảng dữ liệu tăng khả năng tiếp cận khách hàng mục tiêu lên tới 23 lần. Những công ty này cũng đạt được các lợi ích khác trong việc tăng khả năng giữ chân khách hàng gấp 6 lần và đạt lợi nhuận gấp 19 lần so với các thương hiệu không áp dụng phương pháp ra quyết định kinh doanh dựa trên dữ liệu (data-driven methods). 

Tuy nhiên, để đạt được những lợi ích tuyệt vời trên, việc đưa ra các kết luận có ý nghĩa và giá trị cho mục tiêu kinh doanh đòi hỏi một cách tiếp cận dữ liệu có hệ thống. Ví dụ, trước khi tiến hành khảo sát khách hàng, bạn cần đảm bảo rằng việc xây dựng bảng hỏi khảo sát cần bám sát với các mục tiêu nghiên cứu và tìm ra câu trả lời cho các câu hỏi kinh doanh. 

Người làm nghiên cứu cũng cần phải chú trọng đến việc xây dựng cấu trúc về hình thức và nội dung cho bảng hỏi khảo sát dựa trên việc tham khảo các phương pháp thiết kế khảo sát của Kantar nhằm đảm bảo bộ dữ liệu thu về không bị tác động bởi các thiên kiến của đáp viên như thiên kiến không phản hồi (non-response bias) và thiên kiến xác nhận (acquiescence bias).

• Thiên kiến không phản hồi (non-response bias): Số người không đáp ứng đủ tiêu chí nghiên cứu, hoặc không tham gia khảo sát. Do đó, bộ dữ liệu thu thập không mang tính đại diện cho tổng thể thị trường và có thể gây sai lệch kết quả.
• Thiên kiến xác nhận (acquiescence bias): Số người tham gia khảo sát có xu hướng đồng ý/ không đồng ý với câu hỏi, nhận định trong khảo sát nhưng họ không thực sự hiểu hoặc có kiến thức về chúng. Lỗi thiên kiến này làm giảm chất lượng của bộ dữ liệu. 

Ra quyết định kinh doanh dựa trên dữ liệu

Phân tích dữ liệu khảo sát sẽ là công cụ đắc lực giúp thương hiệu đạt được các sự thật ngầm hiểu của khách hàng và hoàn thành tốt mục tiêu kinh doanh. Thay vì quyết định ra mắt dòng sản phẩm mới hoặc tăng giá sản phẩm dựa vào cảm tính và các kinh nghiệm tích lũy trước đây, các nhà quản lý cấp cao (C-suite executives) có thể tiếp cận phương pháp ra quyết định một cách sáng suốt và thấu đáo dựa trên nền tảng dữ liệu về khách hàng. 

Tuy nhiên, để phát hiện các mô hình và xu hướng có ý nghĩa từ dữ liệu thô, các nhà nghiên cứu thị trường cần sở hữu các kỹ năng phân tích thành thục như thu thập và làm sạch dữ liệu, kiểm tra các giá trị trống (missing values) hay các giá trị tăng/ giảm một cách bất thường (outlier) và sự không đồng nhất của cá bộ dữ liệu (chẳng hạn thời gian trích xuất bộ dữ liệu không đồng nhất). Ngoài ra, người làm nghiên cứu cũng cần hiểu rõ bối cảnh thu thập các thông tin, trình bày dữ liệu theo lối kể chuyện thú vị và mang đến những thông tin giá trị cho người ra quyết định. 

Dưới đây là toàn bộ quy trình 7 bước chi tiết giúp người làm nghiên cứu thị trường có thể phân tích dữ liệu khảo sát một cách có hệ thống:

Bước 1: Thiết kế bảng khảo sát 

Một bảng hỏi khảo sát được thiết kế chỉn chu về hình thức và đầy đủ về nội dung sẽ thu hút sự tham gia của đáp viên, gia tăng chất lượng dữ liệu cũng như góp phần tăng tính hiệu quả tổng thể của nghiên cứu.

Một bảng hỏi khảo sát được thiết kế chỉn chu sẽ thu hút sự tham gia của đáp viên, gia tăng chất lượng dữ liệu cũng như góp phần tăng tính hiệu quả tổng thể của nghiên cứu.
Nguồn: Envato

Do vậy, thiết kế bảng hỏi được coi là bước quan trọng nhất và là tiền đề để triển khai các bước tiếp theo trong toàn bộ quy trình phân tích dữ liệu. Một khảo sát hiệu quả cần đáp ứng các tiêu chí sau: 

1. Tương thích với tất cả thiết bị di động: Khảo sát cần tương thích với tất cả thiết bị di động. Điều này đồng nghĩa đáp viên có thể linh động sử dụng bất kỳ thiết bị di động hoặc điện thoại thông minh để tham gia khảo sát. Nếu không đạt tiêu chí này, bộ dữ liệu thu về sẽ không mang tính đại diện cho nhóm khách hàng mục tiêu do cỡ mẫu thực tế rất ít so với kỳ vọng, và có thể bị tác động bởi thiên kiến không phản hồi của đáp viên. 
2. Tính ngắn gọn và hàm súc: Một nhà nghiên cứu thị trường cần thấu hiểu và tôn trọng quỹ thời gian có hạn của đáp viên bằng cách thiết kế bảng hỏi một cách ngắn gọn giúp họ trả lời một cách nhanh chóng. Một bảng khảo sát lý tưởng và ngắn gọn cần đáp viên dành khoảng 12 phút để hoàn thành, nhưng tốt nhất nên đảm bảo thời lượng dưới 10 phút. 
3. Đặt những câu hỏi đúng trọng tâm và có ý nghĩa: Nhằm hạn chế những sự phân tâm của đáp viên trong một thế giới tiếp xúc với quá nhiều màn hình hiển thị, tất cả nội dung khảo sát nên đi thẳng vào vấn đề trọng tâm, bám sát với mục tiêu nghiên cứu và không lặp lại. Các câu hỏi phụ cần phải có ý nghĩa và hỗ trợ cung cấp thêm thông tin cho các câu hỏi chính. 
4. Thông tin rõ ràng và chính xác: Tránh nội dung dài dòng có thể làm đối tượng khảo sát hiểu nhầm hoặc hiểu sai bản chất của câu hỏi. Việc lạm dụng các thuật ngữ và từ chuyên ngành, hoặc sử dụng các câu hỏi dài dòng cũng có thể khiến người tham gia cảm thấy bối rối và dừng khảo sát đột ngột. 
5. Tính kết nối: Kết nối với người tham gia khảo sát bằng ngôn từ và hình ảnh mang tính nhẹ nhàng pha chút hài hước một cách tinh tế và phù hợp với từng nội dung câu hỏi. Một điều cần lưu tâm là khảo sát càng bớt đơn điệu và nhàm chán sẽ càng giúp bạn gia tăng kết nối với người tham gia hơn. 

Việc thiết kế một bảng khảo sát đáp ứng đủ các tiêu chí trên không chỉ giúp bạn tìm ra câu trả lời cho các câu hỏi nghiên cứu mà còn gia tăng độ tin cậy và hợp lệ cho bộ dữ liệu. Trong toàn bộ quy trình phân tích dữ liệu, bước đầu tiên được thực hiện tốt sẽ là tiền đề cho 5 bước còn lại được diễn ra dễ dàng và trơn tru, từ đó giúp người làm nghiên cứu đưa ra các kết luận có giá trị. 

Thiết kế bảng hỏi được coi là tiền đề để triển khai các bước tiếp theo trong toàn bộ quy trình phân tích dữ liệu.
Nguồn: Freepik

Bước 2: Xác định các loại dữ liệu cần phân tích

Sau khi thu thập thông tin từ khảo sát, bước tiếp là cần phân loại các dữ liệu và xác định các loại dữ liệu cần phân tích. Dữ liệu được phân loại thành các nhóm khác nhau dựa trên tính chất, dạng thức và mức độ đo lường. Các loại dữ liệu phổ biến thường gặp gồm:

Dữ liệu định lượng từ câu hỏi đóng (Close-ended questions): Câu hỏi đóng tạo sự dễ dàng để đáp viên có thể trả lời dựa trên các lựa chọn có sẵn. Những câu hỏi “rào trước đón sau” này giúp người làm nghiên cứu thu thập loại dữ liệu có cấu trúc, định lượng  (structured, quantitative data). Ví dụ một câu hỏi khách hàng là họ đã từng sử dụng dịch vụ giặt ủi của một thương hiệu A với các câu trả lời là “Có” hoặc “Không”. 

Dữ liệu định tính từ câu hỏi mở (Open-ended questions): Câu hỏi mở cho phép đáp viên cung cấp các câu trả lời một cách tự do bằng chính ngôn từ của họ. Thay vì gò ép đáp viên trong một khuôn khổ với các đáp án sẵn có trong bảng câu hỏi đóng, những câu hỏi mở mang đến sự tự do để bày tỏ những suy nghĩ và quan điểm của họ. Tuy nhiên một điều cần lưu tâm là mặc dù dữ liệu định tính giúp người làm nghiên cứu thị trường đạt được những quan điểm đa chiều và có chiều sâu về chủ đề nghiên cứu, nhưng việc phân tích loại dữ liệu này là không hề dễ dàng. Do đó, giải pháp là cần thực hiện một sự chuyển đổi loại dữ liệu từ dạng đính tính với con chữ sang định lượng với con số bằng việc gom nhóm các câu trả lời có chủ đề tương tự và tiến hành mã hóa các câu trả lời định tính. 

Dữ liệu định danh (Nominal data): Dữ liệu định danh là dạng dữ liệu có tính phân loại (categorical) và không được sắp xếp theo một trình tự hay thứ bậc. Chẳng hạn một khảo sát có thể hỏi người tham gia cho biết tình trạng hôn nhân hiện tại của họ. Những câu trả lời có thể bao gồm các yếu tố như: độc thân, đã lập gia đình, ly dị, hoặc đang góa phụ. Người làm nghiên cứu có thể định lượng dữ liệu dạng này bằng việc lập một bảng tính tần số (frequency). Bảng tính này sẽ thống kê tần suất lặp lại của mỗi giá trị dựa trên nguyên tắc đếm (ví dụ 100 người mô tả tình trạng hôn nhân hiện tại của họ là “độc thân”), từ đó có thể tính được tỷ lệ phần trăm của mỗi yếu tố tình trạng hôn nhân (ví dụ nghiên cứu phát hiện 20% người tham gia cho biết họ vừa trải qua một mối quan hệ tan vỡ khi đang ở trạng thái “ly dị”). Ngoài ra, những câu hỏi liên quan đến giới tính (nam, nữ), nghề nghiệp, khu vực sinh sống cũng thuộc loại dữ liệu định danh này. 

Dữ liệu thứ bậc (Ordinal data): Dữ liệu thứ bậc cũng là dạng dữ liệu có tính phân loại, nhưng không giống như dữ liệu định danh, dữ liệu thứ bậc được sắp xếp một cách trình tự từ thấp đến cao mặc dù các mức hay khoảng giá trị không có sự đồng đều. Ví dụ, bảng khảo sát có thể yêu cầu đáp viên cho biết thông tin về trình độ học vấn của họ. Các đáp viên có thể lựa chọn các câu trả lời được sắp xếp một cách trình tự theo từng mức độ học vấn: Tốt nghiệp trung học phổ thông (high school diploma), cao đẳng (associate degree), đại học (bachelor’s degree), cao học (graduate degree), Tiến sĩ (doctorate). 

Bước 3: Lập bảng dữ liệu chéo 

Bảng dữ liệu chéo (cross-tabulations) gồm những bảng trình bày dữ liệu của nhiều biến (multiple variables) chẳng hạn như các biến nhân khẩu học. Bảng dữ liệu này giúp người làm nghiên cứu có thể trực quan hóa mối quan hệ giữa các biến với nhau, và phân tích khám phá dữ liệu để có được các thông tin chuyên sâu về từng nhóm khách hàng. Quy trình tạo bảng tính chéo bao gồm việc xếp một hoặc nhiều biến (chẳng hạn các câu trả lời cho mỗi câu hỏi) theo chiều ngang, và một biến khác (nhân khẩu học như nhóm tuổi, giới tính, hoặc các mức độ nhận thức về thương hiệu/ sản phẩm) theo chiều dọc trong một bảng. Mỗi ô dữ liệu (data cell) trong bảng tính đại diện cho mức độ lặp lại của các biến quan sát (observations). 

Một ví dụ về bảng dữ liệu chéo thống kê tỷ lệ sẵn sàng mua xe trong năm tới theo các nhóm tuổi và giới tính.
Nguồn: Kantar

Bảng dữ liệu chéo là bước rất quan trọng trong tiến trình phân tích dữ liệu khảo sát bởi vì nó giúp phát hiện mối quan hệ giữa các biến với nhau. Bằng việc thống kê tần số hoặc tỷ lệ phần trăm trong từng ô, người làm nghiên cứu có thể dễ dàng phát hiện mối liên kết hoặc sự không liên quan giữa các biến, và mô hình về hành vi và thị hiếu giữa các nhóm khách hàng. 

Bảng tính chéo cũng là một cách phân tích dữ liệu có cấu trúc và trực quan tạo điều kiện dễ dàng hơn cho người làm nghiên cứu diễn giải các thông tin và đưa ra các nhận định và kết luận. Những insights thu được từ các bảng tính chéo có thể củng cố quá trình ra các quyết định kinh doanh và là tiền đề quan trọng cho các bước phân tích chuyên sâu hơn cũng như xác định được các đặc tính quan trọng của từng phân nhóm (chẳng hạn phụ nữ so với đàn ông, nhóm người trẻ so với nhóm người trung và cao niên, nhóm người tiêu dùng so với nhóm người mua hàng). 

Bước 4: Tổng kết các kết quả phân tích

Bạn cần phải tổng kết các kết quả từ phân tích dữ liệu khảo sát. Để làm được bước này một cách chuẩn chỉnh, bạn cần kiểm tra lại bảng thống kê tóm tắt các kết quả thu được trong suốt quá trình phân tích, chẳng hạn giá trị trung bình (mean/average), giá trị trung vị (medians), tần số (frequencies) và phần trăm (percentage). Trong quá trình rà soát lại các kết quả, bạn cũng cần chú ý đến các điểm dữ liệu ngoại lai được biết đến là các điểm dữ liệu cao/ thấp bất thường (outlier), các mô hình về sự khác biệt/ tương đồng giữa các nhóm, và các xu hướng nổi bật. 

Bên cạnh phân tích tổng quan, bạn có thể tiến hành bước phân tích chuyên sâu cho từng câu hỏi khảo sát bằng việc sử dụng nhiều kỹ thuật thống kê chẳng hạn như kiểm định độ tin cậy thang đo, phân tích tương quan, và phân tích hồi quy để xác định các mối quan hệ và xu hướng giữa các biến. Phân tích khám phá sự khác biệt giữa các nhóm khách hàng theo các yếu tố nhân khẩu học, khu vực địa lý cũng cần chú trọng. Những phân tích này sẽ khiến bạn bất ngờ khi phát hiện ra những sự thật ngầm hiểu giá trị (valuable insights) liên quan đến sự khác biệt về tâm lý và hành vi của khách hàng thuộc các độ tuổi, giới tính, khu vực địa lý khác nhau. 

Bước 5: Đưa ra các kết luận

Để đưa ra các nhận định và kết luận về đối tượng nghiên cứu, bạn cần đặt để thông tin phân tích trong một bối cảnh kinh tế – xã hội cụ thể nhằm phát hiện những insight có ý nghĩa. Ví dụ, nghiên cứu chỉ ra rằng khách hàng cao niên Baby Boomer có khả năng mua hàng cao hơn 30% so với khách hàng Millennial. Mặc dù thông tin này có giá trị, nhưng nó sẽ càng có giá trị hơn khi bạn thấu hiểu nguyên do tại sao sản phẩm của thương hiệu không thực sự thu hút nhóm Millennials. 

Quá trình giải mã câu hỏi “Tại sao” sẽ giúp bạn lật mở những suy nghĩ của khách hàng ẩn dưới mớ dữ liệu thô. Những đặc điểm của tổng thể thị trường (population) và những nguồn dữ liệu có liên quan cũng giúp bạn hiểu rõ bối cảnh nghiên cứu. Cũng cần xem xét những yếu tố về nhân khẩu học, yếu tố văn hóa, bối cảnh xã hội và những thông tin thứ cấp khác có liên quan về thị trường cần nghiên cứu nhưng nằm ngoài phạm vi khảo sát. Người nghiên cứu cũng cần tìm hiểu những phong tục, tập quán, các giá trị văn hóa và những sự kiện gần đây có ảnh hưởng đến câu trả lời và các mô hình hành vi khách hàng trong bộ dữ liệu. 

Để đưa ra các nhận định và kết luận về đối tượng nghiên cứu, cần đặt để thông tin phân tích trong một bối cảnh kinh tế – xã hội cụ thể nhằm phát hiện những insight có ý nghĩa.
Nguồn: Envato

Bước 6: Đối chiếu các kết quả nghiên cứu mới với các nghiên cứu trước đây

Hãy tìm lại những nghiên cứu thị trường mà thương hiệu đã thực hiện trong quá khứ, nhưng đảm bảo nhất quán cùng mốc thời gian khảo sát. Do đó, việc so sánh và đối chiếu bộ dữ liệu trong thời điểm hiện tại với các phân tích trước đây là rất quan trọng để đánh giá được sự thay đổi trong tâm lý và hành vi của khách hàng cũng như nắm bắt các xu hướng xuyên suốt qua các giai đoạn. 

Lấy ví dụ về nghiên cứu sự hài lòng của khách hàng, nếu 60% khách hàng được khảo sát cho biết họ cảm thấy “rất hài lòng” về chất lượng sản phẩm dịch vụ trong năm 2019, và chỉ số hài lòng (CSAT) tăng lên 67% vào năm 2020, và đạt mức 78% ở thời điểm hiện tại. Sự gia tăng theo chiều hướng tích cực này đã cho thấy những nỗ lực cải tiến sản phẩm dịch vụ của thương hiệu đã đạt hiệu quả. Mặt khác, nếu chỉ số hài lòng của khách hàng tụt giảm liên tục qua các giai đoạn, thương hiệu cần nỗ lực nhiều hơn cho việc cải thiện và nâng cao chất lượng sản phẩm dịch vụ. Những so sánh các trường dữ liệu này cần được tiến hành dựa trên nguyên tắc “tương đồng” về công cụ khảo sát, hoặc các nguồn thu thập cỡ mẫu. Do đó, nếu bộ dữ liệu được thu thập từ các khảo sát khác nhau hoặc nhiều công ty nghiên cứu thị trường thì không nên so sánh với nhau. 

Việc so sánh dữ liệu cũ và dữ liệu mới có thể giúp doanh nghiệp đánh giá hiệu quả của các chương trình và ý tưởng mới cho các hoạt động marketing và truyền thông. Quay trở lại khảo sát về sự hài lòng, nếu chỉ có 45% khách hàng trả lời “đồng ý” đối với câu hỏi “Bạn cảm thấy đội ngũ nhân viên của chúng tôi giải đáp thắc mắc của bạn một cách nhanh chóng?”. Đối mặt với kết quả chưa khả quan này, công ty đã triển khai công tác cải tiến quy trình cung cấp dịch vụ dành cho khách hàng một cách chặt chẽ hơn trong 2020. Và trong năm sau đó, doanh nghiệp đã tổ chức một cuộc khảo sát để thăm dò sự hài lòng của khách hàng, và đạt được kết quả như kỳ vọng với 89% khách hàng trả lời “Có” cho cùng câu hỏi trên. Căn cứ vào từng con số độc lập phản ánh đúng sự hài lòng của khách hàng đối với chất lượng dịch vụ, bạn sẽ đánh giá chính xác hiệu quả của quy trình phục vụ khách hàng trong từng giai đoạn cụ thể. 

Việc kết hợp và đối chiếu dữ liệu mới và dữ liệu cũ có thể giúp các nhà nghiên cứu thị trường xác thực chéo (cross-validate) các kết quả nghiên cứu. Nếu kết quả từ bộ dữ liệu mới ủng hộ các kết luận trong bộ dữ liệu cũ sẽ giúp bạn củng cố độ tin cậy và chắc chắn trong các kết quả phân tích. Nhưng nếu kết quả từ bộ dữ liệu mới có sự đa dạng và khác biệt so với nghiên cứu trước, chẳng hạn tỷ lệ khách hàng cảm thấy quen thuộc với thương hiệu của bạn đã giảm từ 89% xuống 30%, bạn cần xem xét sự không nhất quán trong các bước thu thập dữ liệu, chất lượng mẫu hoặc phương pháp phân tích. 

Bước 7: Trình bày dữ liệu phân tích

Bước cuối cùng trong phân tích dữ liệu là trình bày câu chuyện thú vị với các sự thật ngầm hiểu mà bạn đã phát hiện ra cho các bên liên quan. Để có một buổi thuyết trình hiệu quả, người phân tích cần cung cấp các thông tin giàu giá trị và truyền tải được câu chuyện hấp dẫn ẩn đằng sau những con số tưởng chừng khô khan. Điều này tạo điều kiện dễ dàng để người nghe có thể hiểu, diễn đạt và đưa ra kết luận từ các thông tin mà bạn đã cung cấp trước đó, thậm chí họ không phải là chuyên gia trong mảng phân tích dữ liệu. Dưới đây là một số “bí kíp” hữu ích mà bạn có thể bỏ túi để chuẩn bị một buổi thuyết trình dữ liệu phân tích tạo sức thuyết phục và thu hút: 

• Trực quan hóa dữ liệu: Sử dụng các hình thức trực quan sinh động với đa dạng các dạng biểu đồ như cột, tròn, infographics sẽ góp phần thu hút sự chú ý của người xem thay vì đơn thuần là các con số, bảng biểu dữ liệu hoặc những mô tả dài dòng làm hoa mắt người xem. 
• Nhân cách hóa dữ liệu: Bạn có thể nhân cách hóa dữ liệu bằng hồ sơ nhân khẩu học, câu trích dẫn, lời chứng thực có thể giúp kết nối người nghe với những thông tin nghiên cứu của bạn. Ngoài ra, tránh sa lầy vào việc trình bày quá các kỹ thuật phân tích và lạm dụng các thuật ngữ chuyên ngành cũng giúp tăng tính kết nối với người nghe, đặc biệt nếu họ không phải là chuyên gia trong lĩnh vực nghiên cứu thị trường.  
• Kể một câu chuyện: Việc trình bày thông tin thu được từ phân tích khảo sát chỉ là yếu tố cần cho buổi thuyết trình. Thay vào đó, yếu tố đủ đòi hỏi bạn cần phải kể một câu chuyện mạch lạc có khả năng truyền tải các chủ đề hoặc thông điệp có ý nghĩa về đối tượng nghiên cứu. Để trở thành một người kể chuyện bằng dữ liệu, bạn cần biết cách xâu chuỗi và kết nối các điểm dữ liệu riêng lẻ lại với nhau trên cùng đối tượng nghiên cứu. Đó có thể là một xu hướng, một câu chuyện thành công, hoặc bất kỳ phát hiện quan trọng nào khác xuất hiện trong nghiên cứu của bạn. 
• Lồng ghép các insights: Việc cung cấp một bức tranh rõ nét với những thông tin bối cảnh nghiên cứu sẽ giúp người nghe thấu hiểu tầm quan trọng của bộ dữ liệu. Điều này cũng giải thích câu hỏi tại sao những phát hiện trong nghiên cứu này lại quan trọng, mối liên kết giữa những kết quả nghiên cứu với những tình huống hoặc thách thức trong thực tế và ý nghĩa của chúng. Các sự thật ngầm hiểu dựa trên việc kết nối dữ liệu với xu hướng, các vấn đề kinh tế – xã hội lớn hơn, hoặc mục tiêu kinh doanh của tổ chức chắc chắn sẽ mang đến góc nhìn rộng hơn về ý nghĩa của dữ liệu. 

Mong rằng bài viết mang đến cho bạn đọc những thông tin hữu ích về quy trình phân tích dữ liệu khảo sát để tìm ra các insight “đánh đâu thắng đó” đối với khách hàng mục tiêu. 

* Nguồn: Kantar