Incrementality là gì? Cách đo tác động tăng thêm của marketing

Incrementality marketing là cách đo phần kết quả tăng thêm mà một hoạt động marketing thật sự tạo ra — so với việc không làm hoạt động đó. Câu hỏi trung tâm không phải “bao nhiêu đơn có chạm vào quảng cáo”, mà là “bao nhiêu đơn sẽ không xảy ra nếu không có quảng cáo”. Cách đo đáng tin nhất là thử nghiệm có nhóm đối chứng: một nhóm tiếp xúc với marketing, một nhóm tương đương thì không, rồi so sánh.

Doanh nghiệp nhỏ hay gặp tình huống: quảng cáo nhắm lại khách cũ báo ROAS rất cao, nhưng nhiều người trong đó vốn đã định quay lại mua. Số liệu nền tảng không sai về mặt ghi nhận, nó chỉ trả lời một câu hỏi khác.

Incrementality khác attribution thế nào

Marketing attribution chia công cho các điểm chạm trên hành trình dẫn tới chuyển đổi: khách thấy quảng cáo, bấm link, rồi mua — mô hình ghi công cho quảng cáo đó. Attribution dựa trên tương quan trong dữ liệu theo dõi. Incrementality dựa trên so sánh có đối chứng để ước tính quan hệ nhân quả.

Hai cách không loại trừ nhau. Attribution dùng để điều chỉnh hằng ngày; thử nghiệm incrementality dùng để hiệu chỉnh niềm tin vào con số attribution. Ở quy mô tổng hợp theo thời gian còn có Marketing Mix Modeling, nhưng MMM cần nhiều dữ liệu hơn hẳn.

Các khái niệm cần nắm

• Baseline (mức nền): kết quả sẽ có nếu không làm gì thêm — khách quen vẫn đến, người tìm tên thương hiệu vẫn mua.
• Nhóm thử nghiệm và nhóm đối chứng: nhóm đối chứng (holdout group) là phần được giữ lại, không nhận hoạt động marketing.
• Incremental lift: chênh lệch kết quả giữa hai nhóm, thường tính theo tỷ lệ: (kết quả nhóm thử nghiệm − kết quả nhóm đối chứng) / kết quả nhóm đối chứng.
• Holdout test: chia người dùng hoặc khách hàng ngẫu nhiên, giữ một phần không tiếp xúc.
• Geo test: chia theo khu vực địa lý — một số khu vực chạy, khu vực tương đương khác không chạy.
• Bất định: kết quả thử nghiệm luôn có sai số; chênh lệch nhỏ trên mẫu nhỏ có thể chỉ là ngẫu nhiên.

Điều kiện cần có trước khi thử nghiệm

• Số liệu kết quả đáng tin theo ngày hoặc tuần: đơn hàng, doanh thu, lượt đặt lịch — lấy từ hệ thống bán hàng, không chỉ từ nền tảng quảng cáo.
• Lịch sử đủ dài để biết mức nền dao động thế nào khi không có thay đổi.
• Quy mô đủ lớn: nếu mỗi tuần chỉ có vài đơn, chênh lệch giữa hai nhóm gần như không đọc được.
• Khả năng chia nhóm: tách được danh sách khách, khu vực hoặc chi nhánh mà hai bên không lẫn vào nhau.
• Cam kết giữ nguyên kế hoạch trong thời gian thử — không thay giá, không tung khuyến mãi lớn giữa chừng.

Quy trình đo incrementality 6 bước

Bước 1. Xác định hành vi cần đo

Chọn một hoạt động và một kết quả cụ thể: “quảng cáo nhắm lại khách cũ có làm tăng số đơn mua lại trong 4 tuần không”, “quảng cáo theo vị trí quanh chi nhánh có làm tăng doanh thu tại quầy không”. Kết quả nên là thứ gần với doanh thu (đơn hàng, lượt đặt lịch có đến) chứ không phải lượt bấm. Viết ra trước giả thuyết và mức chênh lệch nào thì đủ để thay đổi quyết định ngân sách.

Bước 2. Chọn đơn vị thử nghiệm

Đơn vị là thứ bạn chia vào hai nhóm: từng khách hàng, từng khu vực, từng chi nhánh hay từng khoảng thời gian. Chia theo khách hàng cho mẫu lớn nhưng cần công cụ loại một phần khách khỏi quảng cáo — một số nền tảng quảng cáo lớn có công cụ đo lift riêng, thường kèm điều kiện về ngân sách và quy mô. Chia theo khu vực (geo test) hợp với doanh nghiệp có nhiều chi nhánh hoặc bán ở nhiều tỉnh. Bật/tắt theo thời gian là cách dễ nhất nhưng yếu nhất, vì mùa vụ và sự kiện dễ làm nhiễu.

Bước 3. Tạo nhóm đối chứng hợp lý

Nhóm đối chứng phải tương đương nhóm thử nghiệm trước khi thử: cùng quy mô, cùng xu hướng doanh thu, cùng loại khách. Với danh sách khách, chia ngẫu nhiên là cách tốt nhất. Với khu vực, ghép cặp những khu vực có doanh thu và xu hướng lịch sử giống nhau, rồi chọn ngẫu nhiên bên nào chạy. Tránh chọn chi nhánh “tốt nhất” để chạy — khi đó chênh lệch đến từ chi nhánh chứ không từ quảng cáo.

Bước 4. Giữ điều kiện ổn định

Trong thời gian thử, mọi thứ khác giữa hai nhóm nên giống nhau: giá, khuyến mãi, sản phẩm, nhân sự bán hàng. Ghi nhật ký mọi sự kiện bất thường (mưa lớn, đối thủ khai trương, hết hàng). Kiểm tra “rò rỉ”: khách ở khu vực đối chứng vẫn thấy quảng cáo do đi làm ở khu vực thử nghiệm, hoặc khách trong nhóm holdout vẫn nhận ưu đãi qua kênh khác. Thời gian thử nên bao được ít nhất một chu kỳ mua hàng bình thường.

Bước 5. Đo chênh lệch và bất định

So sánh kết quả hai nhóm, trừ đi chênh lệch vốn có trước thử nghiệm. Cách phổ biến với geo test là so sánh mức thay đổi của mỗi nhóm so với giai đoạn trước (chênh lệch của chênh lệch), thay vì so sánh con số tuyệt đối. Luôn báo kết quả kèm khoảng dao động: “tăng thêm khoảng từ… đến…”, và nói rõ nếu khoảng này bao cả số 0 — nghĩa là chưa đủ bằng chứng có tác động. Nếu không có người rành thống kê, hãy nhờ tư vấn khi thiết kế thử nghiệm, không phải sau khi đã có số.

Bước 6. Áp dụng kết quả đúng phạm vi

Kết quả chỉ đúng cho hoạt động, thời điểm, khu vực và mức ngân sách đã thử. Ví dụ giả định: quảng cáo tăng thêm doanh thu khoảng 15 triệu/tháng ở mức ngân sách hiện tại thì không có nghĩa tăng ngân sách gấp ba sẽ tăng doanh thu gấp ba. Dùng kết quả để hiệu chỉnh cách đọc báo cáo hằng ngày — ví dụ biết rằng ROAS mà nền tảng báo cho chiến dịch nhắm lại cao hơn nhiều so với phần tăng thêm thật — và lên lịch thử lại khi điều kiện thay đổi. Xem thêm cách đọc ROAS cho đúng.

Ví dụ thực hành: geo test cho chuỗi cà phê 6 chi nhánh

Ví dụ giả định: một chuỗi cà phê có 6 chi nhánh muốn biết quảng cáo theo vị trí (bán kính quanh chi nhánh) có thật sự kéo thêm khách không. Họ ghép 3 cặp chi nhánh có doanh thu tương tự, chọn ngẫu nhiên 3 chi nhánh chạy quảng cáo 4 tuần, 3 chi nhánh còn lại làm đối chứng. Chi phí quảng cáo 15 triệu đồng.

Trong ví dụ này, nền tảng ghi nhận 60 triệu nhưng phần tăng thêm ước tính chỉ khoảng 27 triệu — với chi phí 15 triệu, quyết định có thể vẫn là tiếp tục, nhưng kỳ vọng thực tế hơn. Với chỉ 3 cặp chi nhánh và 4 tuần, sai số lớn; chuỗi này nên lặp lại thử nghiệm hoặc kéo dài thời gian trước khi tăng ngân sách mạnh. Để so sánh chính xác, doanh thu từng chi nhánh cần được ghi nhận nhất quán — xem UTM tracking cho phần theo dõi kênh online.

AI làm được gì, không làm được gì

Đừng để AI “tính incrementality” từ số liệu attribution: không có nhóm đối chứng thì không có cách nào tách phần tăng thêm khỏi mức nền, dù câu trả lời nghe rất tự tin.

Sai lầm thường gặp

• Coi doanh thu nền tảng quảng cáo ghi nhận là doanh thu tăng thêm.
• Chọn nhóm đối chứng không tương đương, như chi nhánh yếu nhất hay khách ít mua nhất.
• Thay đổi giá, khuyến mãi giữa chừng, làm hỏng thử nghiệm.
• Kết luận từ mẫu quá nhỏ hoặc thời gian quá ngắn.
• Nhìn kết quả mỗi ngày rồi dừng sớm khi thấy số đẹp.
• Suy rộng kết quả sang mức ngân sách, mùa hay kênh chưa thử.

Câu hỏi thường gặp