Data Analysis – Phân tích số liệu bắt đầu từ đâu?

marketing foundation

Tomorrow Marketers – Marketing đang ngày càng chịu ảnh hưởng mạnh mẽ của dữ liệu được thu thập mọi lúc, mọi nơi. Số liệu (data) trở thành trung tâm của các quyết định marketing, từ doanh nghiệp lớn cho tới các SME, startup. Vì vậy, yêu cầu mới cho một marketer để tồn tại trong kỉ nguyên số là khả năng làm việc với số liệu, phân tích dữ liệu (data analysis) để đưa ra các quyết định chiến lược.

Phải làm việc với số liệu thế nào? Quá nhiều số liệu khác nhau phải xử lý ra sao? Nếu chưa từng được đào tạo bài bản, chắc chắn bạn sẽ có cảm giác sợ hãi mỗi khi đối diện với “biển” số liệu này. Trong bài viết dưới đây, TM sẽ giúp các Marketers tìm hiểu những bí quyết để chinh phục Data analysis nhé!

5 bước phân tích số liệu

1. Xác định mục tiêu (objective)

Để việc phân tích số liệu được thực hiện đúng trọng tâm, tiết kiệm thời gian và công sức, marketer cần xác định được các mục tiêu kinh doanh, mục tiêu marketing để từ đó biết được việc phân tích số liệu nhằm giải quyết vấn đề gì và làm thế nào để đạt được các mục tiêu này.  

Chẳng hạn, nhãn hàng Ariel mong muốn đạt được mục tiêu tăng số lượng người sử dụng gel giặt tại thị trường Việt Nam, và để đạt được mục tiêu này, Ariel đối mặt với thách thức thay đổi hành vi của những người đang sử dụng nước giặt để họ chuyển sang sử dụng gel giặt. Như vậy, việc phân tích sẽ cần tập trung vào các số liệu liên quan tới hành vi, thói quen của người sử dụng nước giặt, từ đó đề ra những giải pháp giúp Ariel đạt được mục tiêu nêu trên.

2. Thu thập dữ liệu

Có hai loại dữ liệu cơ bản mà marketer cần thu thập:

  • Dữ liệu sơ cấp: Thu thập trực tiếp thông qua bảng hỏi, phỏng vấn sâu, phỏng vấn nhóm
  • Dữ liệu thứ cấp: Thu thập các dữ liệu đã tồn tại, thường được lưu trữ tại các công ty nghiên cứu thị trường, các cơ quan nhà nước, các marketing agency…

3. Xử lý dữ liệu

Các dữ liệu mới thu thập còn ở dạng “tươi sống” (raw), cần trải qua công đoạn kiếm chứng mức độ chính xác, khách quan.

Sau đó, các dữ liệu này được được trình bày dưới dạng bảng (dành cho dữ liệu đơn giản) và dạng biểu đồ (dành cho dữ liệu phức tạp, thay đổi theo thời gian). Marketer cần hết sức thận trọng khi lựa chọn hình thức của các biểu đồ này để tránh nguy cơ bỏ sót những thông tin quan trọng có vai trò khai phá những insight mới. Chẳng hạn, biểu đồ tròn thường được sử dụng để trình bày các số liệu về thị phần thuộc các quốc gia khác nhau, tính theo đơn vị phần trăm, thế nhưng không thể hiện được doanh số đạt được tại từng quốc gia ấy.

4. Phân tích dữ liệu

  • Đọc kỹ dữ liệu lẻ: Dữ liệu lẻ là toàn bộ các số liệu, bảng biểu marketer có trong tay, chưa qua quá trình chọn lọc, phân nhóm. Trước khi đào sâu phân tích, marketer cần hiểu được các dữ liệu này nghĩa là gì, mô tả điều gì,…
  • Phân nhóm dữ liệu: Sắp xếp dữ liệu thành các nhóm có điểm tương đồng. 3 nhóm dữ liệu chính marketer cần quan tâm bao gồm dữ liệu sales (bán hàng), consumer (khách hàng) và brand (thương hiệu)
  • So sánh, tìm ra điểm bất thường: Sau khi đã sắp xếp các dữ liệu này vào các nhóm khác nhau, nhiệm vụ tiếp theo của marketer là so sánh chúng với các giai đoạn trước và với dữ liệu thu được về đối thủ. Chú ý tới các dữ liệu bất thường (VD: các giai đoạn tăng hoặc giảm mạnh) bởi chúng có thể hé lộ những insight mới mẻ.

5. Kế hoạch hành động

  • Đưa ra 1-2 kết luận chính, liên quan trực tiếp tới mục tiêu ban đầu
  • Đưa ra đề xuất: thường là 3 đề xuất (2 đề xuất cho các giải pháp ngắn hạn và 1 đề xuất cho giải pháp dài hạn)
  • Thực thi: quá trình phân tích dữ liệu không hoàn thành cho tới khi một kế hoạch thực thi cụ thể, chi tiết được đề ra.

Làm quen với một số loại dữ liệu chính trong market research

Như đã đề cập ở trên, dữ liệu trong market research có thể phân thành 3 nhóm chính: sales, consumer và brand

1. Nhóm dữ liệu sales

Nhóm dữ liệu sales đo lường các chỉ số liên quan tới hàng hóa từ doanh nghiệp phân phối tới các kênh bán hàng, còn được gọi là Retail Audit. Kênh bán hàng có thể chia thành 02 loại chính: On-premise (tiêu dùng tại chỗ, chẳng hạn như uống bia ngay tại quán bia) và Off-Premise (tiêu dùng tại nhà, chẳng hạn như mua bia tại cửa hàng rồi về nhà uống). Hai kênh này tiếp tục được chia nhỏ thành kênh truyền thống (chợ, cửa hàng tạp hóa theo hộ gia đình) và kênh hiện đại (siêu thị, cửa hàng tiện lợi, trung tâm thương mại, kênh thương mại điện tử…).

Trong nhóm dữ liệu sales có một số dữ liệu sau cần chú ý:

  • Value/volume sales: Doanh số bán hàng cho người tiêu dùng thể hiện trên cơ sở giá trị hoặc khối lượng hàng bán được. Dữ liệu này giúp marketer sử dụng nhằm đo lường tổng kích thước thị trường, nhà sản xuất hoặc diễn biến hoạt động thương hiệu
  • Value/Volume share: Thị phần của một thương hiệu trên tổng thị trường hoặc phân khúc cụ thể, cho thấy hiệu suất của một nhà sản xuất/ thương hiệu trong bối cảnh với đối thủ cạnh tranh
  • Value/Volume share of trade: phần trăm doanh số từ một số kênh hoặc thị trường nhất định trong tổng số doanh nghiệp, cho thấy tầm quan trọng của các kênh/thị trường phụ đối với tổng thị trường (kênh nào, thị trường nào đang đóng góp doanh số nhiều nhất, nên được tập trung nỗ lực marketing? Có khu vực nào đang được tập trung quá mức hay không?)
  • Numeric Distribution: Số lượng cửa hàng có bán sản phẩm của doanh nghiệp trên tổng số cửa hàng trong thị trường
  • Weighted Distribution: Số lượng hàng bán được tại từng cửa hàng.

Đọc thêm: Phân biệt Numeric distribution (NUM) và Weighted distribution (WTD)

Như vậy, không chỉ gia tăng số lượng cửa hàng mà doanh nghiệp còn cần chú ý tăng doanh số tại từng cửa hàng. Các cửa hàng lớn với kệ hàng kích thước lớn, thu hút đông đảo người mua hàng là các kênh nên được chú trọng.

  • Price per pack: Giá bán lẻ cho người tiêu dùng, giúp đo lường giá trị thực tế được bán trên thị trường so với giá được đề xuất, biểu thị những vấn đề xảy ra tại các cửa hàng (chẳng hạn như sự giảm sút của sản phẩm), đo lường tác động của giá so với doanh số. Price per pack được tính bằng (mức giá 1 x số sản phẩm bán được ở mức giá 1 + mức giá 2 x số sản phẩm bán được ở mức giá 2+ ….)/tổng số sản phẩm bán được
  • Average Price: Mức giá trung bình của sản phẩm trong trường hợp có nhiều kích cỡ, hình thức đóng gói khác nhau, thường là giá trung bình của 1 lít, 1kg, 1 gam,… sản phẩm

2. Nhóm dữ liệu về người tiêu dùng:

  • Penetration: Số phần trăm hộ gia đình đã mua sản phẩm trong thị trường hoặc phân khúc ít nhất một lần trong một khoảng thời gian nhất định. Penetration không phụ thuộc vào số lần mua. Một người có mua bao nhiều lần cũng chỉ được tính một lần. Penetration = Tổng số lượng người mua hàng / tổng số hàng
  • Frequency: Số lần mua hàng trung bình của ngành hàng/nhãn hàng ở một khoảng thời gian xác định dựa trên tổng số những người mua ngành hàng/nhãn hàng này. Nói cách khác, frequency là số lần mua hàng trung bình của một người mua hàng trong một khoảng thời gian. Frequency = Tổng số lần mua hàng / Tổng số người mua. 

Đọc thêm: Dữ liệu về người tiêu dùng – Volume per trip và Volume per buyer

3. Nhóm dữ liệu về thương hiệu

  • Brand Equity: Brand Equity được đánh giá dựa trên một số tiêu chí như thương hiệu có đáng tiền hay không, có nhiều người mua hay không, người mua hàng có sẵn sàng chi nhiều tiền hơn cho thương hiệu hay không…
  • Brand Health: Brand Health thường được đo lường qua ba tiêu chí Presence (biết tới thương hiệu), Relevance (Muốn mua), Conviction (thương hiệu này là sự lựa chọn tốt nhất)

4. Một số loại dữ liệu về thời gian mà marketers cần chú ý:

  • Year To Date (YTD): Là khoảng thời gian từ tháng 01 đến giai đoạn mới nhất
  • Moving Annual Total (MAT): Được tính từ thời điểm hiện tại lùi về 01 năm, giúp marketer nhận định về tình hình tăng trưởng, tầm nhìn chiến lược của thị trường.

Tips và phương pháp phân tích dữ liệu

  • Luôn kiểm tra tính chính xác của dữ liệu “raw”: Nếu dữ liệu đầu vào không chính xác, mọi công sức phân tích đều là vô ích
  • Lựa chọn minh họa dữ liệu bằng đúng loại biểu đồ, nếu không các thông tin quan trọng dẫn tới insight có thể bị bỏ sót
  • Tìm ra những điểm bất thường trong bảng biểu, đó là nơi insight xuất hiện. Chẳng hạn, hãy quan sát xem có tháng nào doanh số bỗng tăng hay giảm đột ngột hay không.
  • Kết nối các dữ liệu liên quan: Chia nhóm, phân tích, đào sâu dữ liệu, tìm ra mối liên hệ giữa các nhóm dữ liệu này. Chẳng hạn, doanh số sụt giảm có thể do brand health sụt giảm, hay frequency đã không còn như trước.
  • Phải hiểu được bức tranh toàn cảnh: Khi kết nối, so sánh các dữ liệu cần tìm được một bức tranh tổng quan, một “flow” thống nhất lý giải được mục tiêu ban đầu

Khi bị “lạc trôi” trong dữ liệu, hay quay về với 6P

  • Proposition: Định vị đã rõ ràng, thống nhất, liên quan tới người tiêu dùng mục tiêu hay chưa?
  • Product: Sản phẩm đã đúng phân khúc thị trường hay chưa? Các chức năng của sản phẩm có vấn đề gì không?
  • Package: Kích cỡ, chủng loại của bao bì, thông tin in trên bao bì
  • Price: Price per pack, mức độ tăng, giảm giá,…
  • Promotion: Hiệu quả của các hoạt động khuyến mại, giảm giá
  • Place: Các kênh phân phối, lượng hàng có sẵn tại các cửa hàng

Trong kỉ nguyên số, một marketer chuyên nghiệp cần đảm nhiệm rất nhiều nhiệm vụ khác nhau. Trong đó tư duy phân tích số liệu là không thể thiếu, bạn phải đọc được những số liệu trong các mảng Retail Audit, Consumer Insight, Brand Health và Digital Performance, để tự tin đưa ra những quyết định chính xác cho doanh nghiệp. Chính vì thế đừng bỏ lỡ khóa học Data Analysis của Tomorrow Marketers để củng cố kiến thức marketing bài bản, tự tin giải quyết các vấn đề marketing trên thực tế bạn nhé!

Bài viết thuộc bản quyền của Tomorrow Marketers, xin vui lòng không sao chép dưới mọi hình thức!