Founder của một nhà bán lẻ đồ gia dụng, tạm gọi là Nhà Gọn (mô phỏng), doanh thu khoảng 2,5 tỷ mỗi tháng trên website riêng cộng Shopee và TikTok Shop, mở dashboard cho tôi xem qua màn hình. Mười hai biểu đồ, bốn màu, có cả bản đồ nhiệt theo giờ trong ngày. Anh nói: "Đội em dựng cái này ba tuần, nhìn chuyên nghiệp phết." Tôi hỏi một câu: "Tuần trước anh nhìn cái này rồi quyết định thay đổi điều gì trong cách vận hành?" Im lặng khoảng năm giây. "Thật ra thì, chưa có gì." Nhà Gọn sẽ là ví dụ chúng ta theo suốt cả mười bài, từ chỗ có dashboard mà không ra quyết định, tới lúc có một hệ thống đo lường dẫn thẳng tới hành động mỗi tuần.
Đó không phải trường hợp cá biệt. Đó là tình trạng phổ biến nhất tôi gặp ở doanh nghiệp Việt đã đầu tư vào analytics. Họ có dữ liệu, có dashboard, có cả người ngồi nhìn dashboard mỗi sáng. Nhưng dữ liệu và quyết định là hai thế giới không chạm nhau. Đây là bài mở đầu của series về cách nối hai thế giới đó lại, và trước khi đụng tới bất cứ tool nào, bạn cần hiểu vì sao khoảng cách đó tồn tại.
Dashboard không phải đích đến, nó là khúc giữa
Có một hiểu lầm gần như mặc định trong doanh nghiệp Việt: cài xong analytics, dựng được dashboard, là coi như "đã làm data". Thực ra dashboard chỉ là khúc giữa. Nó đứng giữa hai thứ quan trọng hơn nhiều mà ít ai nhắc tới.
Toàn bộ một hệ thống đo lường tồn tại để phục vụ một chuỗi năm mắt xích:
Mục tiêu kinh doanh → Hành động của khách → Sự kiện đo được
→ Báo cáo → QUYẾT ĐỊNH
Đọc chuỗi này từ phải sang trái sẽ thấy vấn đề rõ hơn. Quyết định là thứ bạn thật sự cần. Báo cáo tồn tại để phục vụ quyết định. Sự kiện được đo để dựng báo cáo. Và bạn chỉ nên đo những hành động nối được về một mục tiêu kinh doanh. Khi làm ngược lại, tức là cài tool trước rồi mới hỏi "giờ đo cái gì", bạn đã đứt cả mắt xích đầu lẫn mắt xích cuối. Dashboard vẫn hiện ra, nhưng nó không neo vào mục tiêu nào ở đầu chuỗi và không dẫn tới hành động nào ở cuối chuỗi.
Lấy một ví dụ cụ thể để thấy khúc giữa vô nghĩa ra sao khi thiếu hai đầu. Một cửa hàng thời trang online có biểu đồ "lượt xem trang theo ngày" chạy đẹp, đường lên đường xuống rõ ràng. Nhưng lượt xem trang nối về mục tiêu kinh doanh nào? Không rõ, vì người xem nhiều chưa chắc mua. Và nếu tuần này lượt xem giảm 15%, chủ shop sẽ làm gì? Cũng không rõ, vì không biết nguyên nhân nằm ở đâu và có đáng lo không. Một biểu đồ vừa không neo vào mục tiêu vừa không dẫn tới hành động là một biểu đồ trang trí, dù nó động đậy mỗi ngày.
Dấu hiệu bạn đang đo mà không quyết
Thử tự kiểm tra nhanh. Mở dashboard hiện tại của bạn và với từng biểu đồ, hỏi: "Lần gần nhất con số này thay đổi, tôi đã làm gì khác đi?"
Nếu quá nửa số biểu đồ không có câu trả lời, dashboard đó đang là đồ trang trí. Nó cho cảm giác kiểm soát chứ không tạo ra kiểm soát thật. Cảm giác đó nguy hiểm vì nó khiến bạn tưởng mình đang quản trị bằng dữ liệu trong khi thực tế vẫn quyết bằng cảm giác, chỉ là có thêm vài biểu đồ làm nền.
Bộ lọc một câu để dọn dashboard
Trước khi thêm bất cứ chỉ số nào, và để dọn những chỉ số đang có, dùng một bộ lọc duy nhất. Với mỗi chỉ số, hỏi: "Nếu con số này xấu đi trong tuần tới, tôi sẽ làm gì khác đi?"
- Trả lời được bằng một hành động cụ thể, giữ lại chỉ số đó.
- Không trả lời được, hoặc câu trả lời là "thì cũng chỉ biết vậy thôi", đưa nó ra khỏi dashboard chính.
Áp bộ lọc này lên các chỉ số quen thuộc, bạn sẽ ngạc nhiên vì bao nhiêu cái trượt:
| Chỉ số | Nếu xấu đi thì làm gì | Qua lọc |
|---|---|---|
| Tổng lượt xem trang tháng này | Không rõ, xem nhiều chưa chắc mua | Không |
| Số người theo dõi trang | Không rõ, không nối với doanh thu | Không |
| Tỷ lệ khách thêm giỏ rồi bỏ ở bước nhập địa chỉ | Kiểm tra form địa chỉ có lỗi, phí ship hiện quá muộn | Có |
| Số khách mua lần đầu quay lại trong 30 ngày | Bật kịch bản chăm sóc sau mua, xem lại chất lượng đơn đầu | Có |
| Thời gian trung bình trên trang | Không rõ, lâu là tốt hay xấu tùy trang | Không |
| Tỷ lệ đơn bị hủy sau khi đặt | Soi lại khâu xác nhận, tồn kho, thời gian giao | Có |
Ba chỉ số qua lọc có điểm chung: chúng cụ thể tới mức khi xấu đi, bạn biết ngay đi soi chỗ nào. Ba chỉ số trượt thì mơ hồ, biết cũng không làm gì được. Một dashboard tốt không phải dashboard nhiều chỉ số nhất, mà là dashboard mà mọi chỉ số trên đó đều qua được bộ lọc này.
Chỉ số điều khiển được, không phải chỉ số nhìn cho vui
Chỉ số tốt cho việc ra quyết định là loại bạn tác động được trong tuần này, không phải loại chỉ xác nhận kết quả sau ba tháng.
Doanh thu quý là kết quả, bạn không bấm nút thay đổi nó trực tiếp được. Nhưng tỷ lệ khách hoàn tất thanh toán, tốc độ phản hồi tư vấn, số bài nội dung ra mỗi tuần, những thứ này bạn điều khiển được ngay, và chúng mới là thứ kéo doanh thu quý đi lên hoặc xuống. Bài 3 của series sẽ nói kỹ về cách phân biệt hai loại này, gọi là chỉ số đầu vào và đầu ra, dẫn trước và trễ.
Vì sao gắn tracking trước là cái bẫy tốn kém nhất
Khi mới bắt đầu, phản xạ tự nhiên là "cứ đo hết đi, sau này cần thì có sẵn". Nghe hợp lý, nhưng đây là sai lầm tốn kém nhất trong analytics, vì hai lý do.
Lý do thứ nhất: dữ liệu không dùng vẫn tốn chi phí. Không phải chi phí lưu trữ, mà chi phí chú ý. Mỗi sự kiện thừa là một dòng trong báo cáo mà ai đó phải lướt qua, một cột trong bảng làm loãng cột quan trọng, một lần bạn phải tự hỏi "cái này để làm gì nhỉ". Kho dữ liệu càng đầy thứ vô nghĩa, tín hiệu thật càng khó thấy. Tôi từng rà một tài khoản GA4 có hơn 60 sự kiện tùy chỉnh, trong đó khoảng 45 cái chưa từng xuất hiện trong bất kỳ báo cáo nào ai đó thật sự đọc.
Lý do thứ hai, và nguy hiểm hơn: đo mà không có câu hỏi thì gần như luôn đo sai cách. Cùng một hành động "khách bấm nút mua" có thể đo theo năm cách khác nhau, kèm những thuộc tính khác nhau, và cách đúng phụ thuộc vào câu hỏi bạn muốn trả lời. Nếu chưa có câu hỏi, bạn sẽ chọn cách dễ gắn nhất. Rồi sáu tháng sau, khi cần phân tích thật, ví dụ "kênh nào mang về khách có giá trị đơn cao nhất", bạn mở dữ liệu ra và phát hiện sự kiện mua không hề lưu giá trị đơn hàng, cũng không lưu nguồn khách. Dữ liệu có đó, nhưng không trả lời được câu bạn hỏi, và bạn phải gắn lại từ đầu rồi chờ thêm vài tháng để tích dữ liệu mới.
Cách làm đúng ngược lại hoàn toàn: viết ra câu hỏi kinh doanh trước, rồi mới lần ngược về xem cần đo gì để trả lời. Ví dụ với một nhà bán lẻ đa kênh:
| Câu hỏi kinh doanh | Cần đo gì để trả lời |
|---|---|
| Kênh nào mang về khách mua thật, rẻ nhất | Nguồn traffic gắn với đơn hàng và doanh thu, không chỉ lượt truy cập |
| Bao nhiêu người thêm vào giỏ rồi bỏ ngang, và bỏ ở bước nào | Sự kiện thêm giỏ, bắt đầu thanh toán, nhập địa chỉ, hoàn tất, tính tỷ lệ rơi giữa từng bước |
| Khách mua lần đầu có quay lại không | Nhận diện khách theo thời gian, đo tỷ lệ mua lại trong 30 và 60 ngày |
| Nhóm sản phẩm nào kéo khách quay lại nhiều nhất | Sự kiện mua kèm thuộc tính nhóm sản phẩm, cắt theo lần mua thứ mấy |
Bốn câu hỏi này dẫn tới đúng bốn nhóm dữ liệu cần đo, kèm các thuộc tính cụ thể. Mọi thứ khác, tạm thời chưa cần. Bắt đầu từ câu hỏi giữ cho hệ thống của bạn nhỏ, đúng, và dùng được ngay, thay vì to, loạn, và phải làm lại.
Ba lỗi chiến lược khiến cả hệ thống lệch từ gốc
Trước khi cài gì, tránh ba lỗi này, vì chúng làm hỏng mọi thứ phía sau dù kỹ thuật có hoàn hảo:
- Lấy chỉ số phù phiếm làm mục tiêu. Lượt xem, lượt thích, tổng lượt tải. Chúng tăng đều và làm bạn thấy vui, nhưng tăng mà doanh nghiệp không khỏe hơn.
- Lấy doanh thu làm chỉ số điều hướng hằng ngày. Doanh thu là kết quả trễ, lúc nó xấu thì việc đã rồi. Cần một chỉ số đứng trước nó trong chuỗi nhân quả để điều khiển sớm.
- Đặt chỉ số không có ngưỡng. Một con số không có mốc baseline và mục tiêu thì nhìn vào không biết đang tốt hay xấu, nên không dẫn tới hành động nào.
Bài 2 và bài 3 sẽ chữa cả ba lỗi này bằng North Star Metric và cây chỉ số.
Dùng AI để bắt đầu từ câu hỏi
Nếu bạn thấy khó ngồi viết ra câu hỏi kinh doanh từ con số 0, AI là điểm khởi đầu tốt. Nó không thay bạn quyết đo gì, nhưng giúp bạn có một danh sách nháp để phản biện:
Tôi vận hành [mô tả mô hình, ví dụ: cửa hàng thời trang bán trên website
và Shopee, doanh thu khoảng 2 tỷ mỗi tháng]. Mục tiêu 6 tháng tới là
[mục tiêu]. Liệt kê cho tôi 12 câu hỏi kinh doanh quan trọng nhất mà dữ
liệu website nên trả lời, nhóm theo 5 giai đoạn vòng đời khách: thu hút,
kích hoạt, giữ chân, giới thiệu, doanh thu. Với mỗi câu hỏi, ghi thêm một
dòng: nếu có câu trả lời, tôi sẽ ra quyết định gì.
Cột "sẽ ra quyết định gì" là phần quan trọng nhất, vì nó buộc mỗi câu hỏi phải dẫn tới hành động ngay từ khâu nháp. Bạn đọc danh sách AI đưa ra, bỏ những câu không thật sự cần, thêm những câu đặc thù ngành mình, và đó là nền cho cả hệ thống đo lường ở các bài sau.
Series này đi vào phần nào, và cho ai
Nếu bạn đã đọc series Google Analytics, bạn đã có phần cài đặt kỹ thuật: tạo property, gắn Google Tag Manager, đo sự kiện, dựng dashboard, debug dữ liệu. Series này là nửa còn lại, và là nửa quyết định giá trị: đo cái gì, và đọc nó thế nào để ra quyết định. Hai series đọc song song thì đủ cả hai nửa. Đọc riêng series này vẫn được, vì nó ở tầng tư duy, không phụ thuộc bạn đã cài xong tool hay chưa.
Đối tượng: founder và người điều hành đã có website hoặc cửa hàng online đang chạy, có thể đã cài GA4 nhưng nhìn vào không rút ra được quyết định. Mười bài tới đi theo trình tự sau:
- Chọn North Star Metric, một con số vừa phản ánh giá trị cho khách vừa phản ánh sức khỏe kinh doanh, và nối nó với tiền (bài 2).
- Dựng cây chỉ số theo AARRR, phân rã mục tiêu xuống tới từng hành động của khách, phân biệt chỉ số điều khiển được với chỉ số chỉ theo dõi (bài 3).
- Viết measurement plan, bản thống nhất đo gì trước khi ai chạm vào code (bài 4).
- Đặt tên sự kiện có kỷ luật và giữ dữ liệu sạch theo thời gian (bài 5, 6).
- Quản lý nguồn traffic bằng UTM cho gọn (bài 7).
- Đọc phễu và hành trình khách để tìm chỗ rò rỉ (bài 8).
- Tìm activation moment, khoảnh khắc quyết định khách ở lại (bài 9).
- Đo giữ chân và cohort, rồi gói tất cả vào một memo quyết định tuần (bài 10).
Mỗi bài đều gắn với ví dụ số liệu của doanh nghiệp Việt và chỉ ra chỗ AI rút ngắn được thời gian, không phải để AI làm hộ, mà để bạn không kẹt ở những phần ai cũng vướng.
Trước khi sang bài 2
Dành 20 phút làm ba việc, chúng sẽ khiến cả series có giá trị hơn hẳn:
- Mở dashboard hiện tại của bạn (hoặc nếu chưa có, mở GA4). Với mỗi biểu đồ, viết một dòng trả lời: "Nếu con số này xấu đi, tôi sẽ làm gì." Đánh dấu những chỉ số bạn không trả lời được, đó là danh sách bạn sẽ dọn dần qua series này.
- Viết ra 10 tới 12 câu hỏi kinh doanh bạn thật sự cần trả lời, kèm với mỗi câu là quyết định bạn sẽ ra nếu có câu trả lời.
- Khoanh tròn câu hỏi mà bạn nghĩ là quan trọng nhất với sức khỏe doanh nghiệp. Nó sẽ là manh mối cho North Star Metric ở bài sau.
Bài 2 bắt đầu từ câu hỏi nền tảng nhất mà hầu hết doanh nghiệp bỏ qua: trong tất cả các con số, đâu là một con số mà nếu nó đi lên thì vừa nghĩa là khách nhận được nhiều giá trị hơn, vừa nghĩa là doanh nghiệp khỏe hơn. Con số đó gọi là North Star Metric, và chọn sai nó thì cả cây chỉ số phía sau đều lệch.
Đọc tiếp
Bài 4, Measurement plan: bản hợp đồng đo lường trước khi cài bất cứ thứ gì
Measurement plan là tài liệu nối câu hỏi kinh doanh tới chỉ số, chiều cắt, sự kiện và cuối cùng là quyết định. Bài này đi qua framework Question-to-Event sáu ô bằng một case study xuyên suốt của một nhà bán lẻ, phân biệt metric với dimension với KPI, có bảng measurement plan đầy đủ để copy dùng ngay, và cách nhờ AI dựng bản nháp.
Đọc bàiBài 2, North Star Metric: chọn một con số điều khiển tăng trưởng
North Star Metric là con số mà khi nó tăng, khách nhận nhiều giá trị hơn và doanh nghiệp cũng khỏe hơn. Bài này giải thích vì sao doanh thu không phải North Star, một khung chấm điểm hai tiêu chí để chọn ứng viên, cách nối nó với tiền bằng một câu có số, ví dụ cho năm loại hình doanh nghiệp Việt, và ba lỗi khiến cả đội tối ưu nhầm thứ.
Đọc bàiBài 3, KPI tree theo AARRR: nối mục tiêu tới hành động của khách
Có North Star rồi, làm sao biến nó thành việc làm hằng tuần. Bài này dùng khung AARRR để phân rã North Star thành cây chỉ số ba tầng, phân biệt chỉ số đầu vào với đầu ra và dẫn trước với trễ, có ví dụ cây hoàn chỉnh cho D2C, một bảng phân loại chỉ số, và cách chọn ba chỉ số đầu vào để theo dõi mỗi tuần.
Đọc bài