Incrementality vs last-click: quảng cáo thực sự tạo ra gì

Hãy thử một thí nghiệm tưởng tượng. Bạn tắt toàn bộ quảng cáo thương hiệu trong một tháng — chiến dịch Google Search chạy trên chính tên công ty bạn, các banner remarketing đuổi theo người đã vào website, những quảng cáo bám đuôi người sắp thanh toán. Câu hỏi duy nhất đáng giá: doanh số tháng đó tụt bao nhiêu? Nếu nó gần như không nhúc nhích, thì khoản tiền bạn vừa ngừng chi không hề "tạo ra" doanh số nào cả. Nó chỉ đứng cạnh những đơn hàng vốn dĩ sẽ xảy ra, rồi giơ tay nhận công.

Đó chính là khoảng cách giữa hai cách nhìn về quảng cáo. Một bên là last-click — và rộng hơn là toàn bộ thế giới attribution — gán doanh số cho điểm chạm cuối cùng trước khi mua. Bên kia là incrementality: phần doanh số TĂNG THÊM thật sự nhờ có quảng cáo, so với một thế giới song song không có quảng cáo đó. Hai con số này nghe như cùng đo một thứ. Trên thực tế chúng thường lệch nhau xa đến mức một nửa ngân sách của bạn có thể đang trả cho những khách hàng đằng nào cũng mua.

Bài viết này dành cho người làm marketing và chủ doanh nghiệp Việt đang tiêu tiền quảng cáo thật mỗi ngày và muốn biết đồng nào đang sinh ra doanh số mới, đồng nào chỉ đang mua lại những đơn vốn đã trong túi. Chúng ta sẽ đi từ vì sao last-click thổi phồng, incrementality đo cái gì, ba cách đo phổ biến nhất, đến giới hạn và chi phí của việc đo lường — và làm sao áp dụng được với ngân sách thật của một doanh nghiệp vừa.

Incrementality là phần chuyển đổi tăng thêm thật sự do quảng cáo gây ra, đo bằng cách so nhóm có thấy quảng cáo với nhóm không thấy. Trong khi last-click gán toàn bộ công cho điểm chạm cuối, incrementality hỏi một câu khác hẳn: nếu không có quảng cáo này, bao nhiêu đơn hàng vẫn xảy ra? Phần chênh lệch giữa nhóm thấy và nhóm không thấy mới là giá trị thật mà quảng cáo tạo ra.

Last-click không sai về kỹ thuật — nó sai về câu hỏi

Cần nói rõ điều này trước, vì nhiều người ghét last-click vì lý do không đúng. Last-click không "đếm sai". Nếu một người bấm vào quảng cáo Facebook rồi mua trong cùng phiên, last-click ghi nhận đúng: điểm chạm cuối là Facebook. Vấn đề không nằm ở phép đếm. Vấn đề nằm ở câu hỏi mà last-click đang trả lời.

Last-click trả lời câu hỏi: "Điểm chạm nào đứng ngay trước lúc mua?" Đó là một câu hỏi về thứ tự thời gian. Nhưng câu hỏi mà bạn — người chi tiền — thực sự cần trả lời là: "Khoản chi này có làm thay đổi kết quả không?" Đó là một câu hỏi nhân quả. Hai câu này khác nhau về bản chất, và một điểm chạm có thể là câu trả lời đúng cho câu thứ nhất trong khi đáng giá bằng không cho câu thứ hai.

Ví dụ kinh điển nhất ở thị trường Việt là quảng cáo tìm kiếm thương hiệu. Một người đã biết bạn, đã quyết định mua, gõ đúng tên công ty bạn lên Google. Bạn đặt một quảng cáo trên chính từ khoá thương hiệu đó. Họ bấm vào quảng cáo — vì nó nằm trên cùng — và mua. Last-click chấm công trọn vẹn cho quảng cáo này. Nhưng nếu quảng cáo không tồn tại, người đó sẽ bấm vào kết quả tự nhiên ngay bên dưới, cũng là website của bạn, và mua y hệt. Quảng cáo không tạo ra đơn hàng nào. Nó chỉ chen vào giữa khách và một cú click miễn phí, rồi tính tiền bạn cho cú click đó.

Đây là cơ chế "thổi phồng" then chốt: các kênh nằm cuối phễu — tìm kiếm thương hiệu, remarketing, quảng cáo bám đuôi giỏ hàng — đứng gần lúc chuyển đổi nhất, nên hứng trọn công của last-click. Nhưng chính vì chúng nhắm vào người đã sẵn sàng mua, nên phần lớn doanh số chúng "tạo ra" lại là doanh số vốn đã xảy ra. Chúng hớt phần dễ và trông cực kỳ hiệu quả trong báo cáo, đẩy bạn dồn thêm ngân sách vào đúng chỗ giá trị tăng thêm thấp nhất.

Incrementality đo cái mà last-click không thấy được

Incrementality lật ngược câu hỏi. Thay vì "ai chạm cuối?", nó hỏi "phần nào của doanh số sẽ KHÔNG xảy ra nếu không có quảng cáo này?". Phần đó — phần tăng thêm — mới là giá trị thật bạn mua bằng tiền quảng cáo. Tất cả phần còn lại là doanh số bạn đang trả tiền để mua lại lần thứ hai.

Khái niệm cốt lõi là baseline — đường nền. Baseline là mức doanh số sẽ xảy ra dù không có quảng cáo: khách quay lại, khách truyền miệng, khách tìm tự nhiên, nhu cầu sẵn có của thị trường. Mọi doanh nghiệp đang chạy đều có một baseline khác không. Incrementality của một chiến dịch là phần doanh số nó đẩy lên TRÊN baseline đó. Nếu chiến dịch đẩy tổng doanh số từ 100 lên 115, phần tăng thêm là 15, bất kể attribution gán cho nó 40 hay 50.

Vấn đề là bạn không bao giờ quan sát được trực tiếp baseline. Bạn không thể vừa chạy vừa không chạy quảng cáo cho cùng một nhóm khách trong cùng một khoảng thời gian. Đây gọi là vấn đề "phản chứng" (counterfactual): cái thế giới-song-song-không-quảng-cáo không tồn tại để bạn nhìn. Toàn bộ kỹ thuật đo incrementality chỉ xoay quanh một việc: dựng ra một ước lượng đáng tin cho cái baseline mà bạn không thấy. Cách dựng đó là một thí nghiệm có nhóm đối chứng — đúng tinh thần thử nghiệm khoa học, không phải đọc số trong dashboard quảng cáo.

Lưu ý quan trọng: incrementality và attribution không phải kẻ thù, chúng trả lời hai câu hỏi khác nhau. Attribution giúp bạn hiểu hành trình khách hàng — họ chạm qua những đâu, theo trình tự nào. Việc hiểu cửa sổ ghi nhận đó kéo dài bao lâu cũng là một chủ đề riêng đáng nắm; nếu bạn chưa rõ vì sao một cú click hôm nay có thể được tính cho đơn hàng tuần sau, bài về cửa sổ attribution 1, 7 và 28 ngày giải thích cặn kẽ cơ chế đó. Incrementality thì trả lời câu khác: trong tất cả những điểm chạm đó, cái nào thật sự làm thay đổi kết quả. Bạn cần cả hai, nhưng chỉ incrementality mới nói cho bạn biết nên cắt ngân sách ở đâu.

Cách đo thứ nhất: conversion lift test

Cách phổ biến và dễ tiếp cận nhất là conversion lift test — thử nghiệm độ nâng chuyển đổi ở cấp người dùng. Nguyên lý giống hệt một thử nghiệm thuốc có nhóm dùng giả dược: chia ngẫu nhiên đối tượng làm hai nhóm, một nhóm được thấy quảng cáo (test), một nhóm bị giữ lại không cho thấy (control), rồi so tỉ lệ chuyển đổi giữa hai nhóm. Phần chênh lệch chính là độ nâng — phần tăng thêm thật sự do quảng cáo gây ra.

Điểm mạnh của cách này là tính ngẫu nhiên ở cấp cá nhân. Vì hai nhóm được chia ngẫu nhiên từ cùng một tệp, mọi yếu tố khác — mùa vụ, chất lượng sản phẩm, sức mạnh thương hiệu — đều phân bố đều cho cả hai. Khác biệt duy nhất giữa chúng là một bên thấy quảng cáo, một bên không. Nên nếu nhóm test chuyển đổi cao hơn, ta có cơ sở vững để nói quảng cáo là nguyên nhân, không phải trùng hợp.

Trên các nền tảng lớn, conversion lift được triển khai bằng cơ chế ghost ads (quảng cáo "bóng ma"). Đây là chi tiết tinh tế nhưng quyết định tính sạch của phép đo. Với nhóm control, hệ thống vẫn chạy đầy đủ quá trình đấu giá và xác định "người này LẼ RA sẽ thấy quảng cáo của bạn" — nhưng ở phút cuối thay quảng cáo của bạn bằng một quảng cáo khác (hoặc một khoảng trống). Nhờ vậy, nhóm control không phải là "người ngẫu nhiên không thấy gì", mà là "đúng những người sẽ thấy quảng cáo nếu bạn thắng đấu giá, nhưng ta cố tình giữ lại". Hai nhóm khớp nhau ở chính cái biến quan trọng nhất: ý định và khả năng được nhắm tới. Đây là lý do ghost ads cho ước lượng baseline đáng tin hơn nhiều so với việc tự bịa ra một nhóm so sánh.

Hạn chế thực tế: conversion lift cần đủ lượng người và đủ lượng chuyển đổi để kết quả có ý nghĩa thống kê. Một chiến dịch nhỏ, ít đơn hàng, sẽ cho ra một con số "độ nâng 8% cộng trừ 30%" — tức là vô dụng vì khoảng tin cậy quá rộng. Cách đo này hợp nhất với các chiến dịch có quy mô, hoặc khi bạn gộp nhiều chiến dịch tương tự lại để có đủ mẫu.

Cách đo thứ hai: geo holdout — chia theo vùng địa lý

Khi không chia được ngẫu nhiên ở cấp người dùng — ví dụ kênh quảng cáo không hỗ trợ, hoặc bạn muốn đo cả những kênh không nhắm cá nhân như billboard, TV, hay quảng cáo đại trà — thì geo holdout là công cụ thay thế mạnh. Ý tưởng: thay vì chia người, ta chia VÙNG. Bật quảng cáo ở một nhóm tỉnh/thành (test), tắt hoàn toàn ở một nhóm tỉnh/thành khác tương đương (control), rồi so doanh số giữa hai nhóm vùng.

Với thị trường Việt, geo holdout đặc biệt thực tế vì ranh giới hành chính rõ ràng và dữ liệu doanh số thường gắn được với địa phương. Bạn có thể chọn chạy quảng cáo ở các tỉnh phía Bắc và tắt ở một nhóm tỉnh phía Nam có quy mô và hành vi tương đương, hoặc chia theo nhóm thành phố ghép cặp. Chênh lệch doanh số giữa nhóm bật và nhóm tắt — sau khi đã hiệu chỉnh cho khác biệt nền tảng giữa các vùng — cho bạn ước lượng phần tăng thêm.

Điểm mạnh lớn nhất của geo holdout là nó đo được toàn bộ tác động, kể cả phần "ngoài kênh số". Một conversion lift test trên Facebook chỉ thấy chuyển đổi mà Facebook quan sát được. Nhưng nếu quảng cáo của bạn khiến ai đó ra cửa hàng vật lý mua, gọi điện đặt hàng, hay tìm bạn trên Google vài ngày sau — geo holdout vẫn bắt được vì nó đo TỔNG doanh số của vùng, không phụ thuộc kênh nào nhìn thấy cú chuyển đổi. Đây là điểm cực kỳ giá trị với doanh nghiệp Việt có cả online lẫn offline.

Khó khăn của geo holdout: cần các vùng đủ giống nhau để so sánh công bằng, và phải chấp nhận "hy sinh" doanh số ở vùng control trong thời gian test (vùng đó bị tắt quảng cáo nên có thể bán ít hơn). Nó cũng cần đủ doanh số mỗi vùng để tín hiệu không bị nhiễu loạn lấn át. Với doanh nghiệp quá nhỏ hoặc bán hàng tập trung ở một thành phố duy nhất, geo holdout khó áp dụng.

Cách đo thứ ba: ghost bids và phương pháp dựa trên đấu giá

Một nhánh tinh vi hơn dựa trên cơ chế đấu giá quảng cáo, thường gọi chung là ghost bids hay phương pháp dựa trên intent-to-treat. Thay vì giữ lại một nhóm hoàn toàn không tham gia, hệ thống vẫn đặt thầu cho mọi người trong cả hai nhóm, nhưng với nhóm control, mỗi khi "thắng" thì quảng cáo không thực sự hiển thị. Bản chất nó là phiên bản nền tảng của ghost ads ở cách thứ nhất, nhưng vận hành ở tầng đấu giá và cho phép so sánh chính xác hơn giữa "đã được nhắm và thấy" với "đã được nhắm nhưng không thấy".

Ưu điểm là độ sạch: nhóm so sánh được xác định bởi chính thuật toán nhắm mục tiêu của nền tảng, nên hai nhóm khớp nhau ở mức tối đa về ý định và đặc điểm. Đây thường là chuẩn vàng khi nền tảng hỗ trợ. Nhược điểm là bạn phụ thuộc hoàn toàn vào việc nền tảng có cung cấp công cụ này không, và mức minh bạch của họ về cách dựng nhóm control. Bạn đang tin vào phép đo do chính bên bán quảng cáo thực hiện — một xung đột lợi ích cần ý thức.

Điểm chung của cả ba cách — conversion lift, geo holdout, ghost bids — là cùng một logic: dựng một nhóm đối chứng đáng tin để ước lượng baseline, rồi đo phần nhô lên trên baseline đó. Khác biệt chỉ là chia ở cấp nào (người, vùng, hay đấu giá) và đo được phạm vi nào (chỉ trong kênh hay cả tổng thị trường). Không có cách nào hoàn hảo cho mọi tình huống; chọn cách hợp với quy mô, kênh và loại hình kinh doanh của bạn.

Vì sao chuyện này đáng để bận tâm — bằng tiền thật

Lý do incrementality quan trọng không phải vì nó "khoa học hơn" mà vì nó thẳng tay chỉ ra chỗ bạn đang đốt tiền. Khi đo phần tăng thêm thật, gần như mọi doanh nghiệp đều phát hiện vài kiểu chi tiêu sau đây có giá trị tăng thêm thấp hơn nhiều so với báo cáo attribution:

• Quảng cáo tìm kiếm thương hiệu: phần lớn người gõ đúng tên bạn đằng nào cũng tìm thấy bạn. Độ nâng thật thường thấp, đặc biệt khi không có đối thủ đặt thầu chen vào từ khoá thương hiệu của bạn.
• Remarketing quá hung hăng: đuổi theo người vừa rời giỏ hàng nghe rất hiệu quả trong dashboard, nhưng nhiều người trong số đó vốn đã định quay lại mua. Bạn đang trả tiền để xuất hiện cạnh một quyết định đã được đưa ra.
• Tệp đối tượng quá hẹp và quá "ấm": càng nhắm vào người đã gần mua, attribution càng đẹp nhưng incrementality càng dễ thấp, vì bạn đang nhắm đúng nhóm baseline cao.

Ngược lại, các kênh đầu phễu — tiếp cận người chưa biết bạn, tạo nhu cầu mới — thường bị last-click chấm điểm thấp một cách bất công, vì hiếm khi chúng là điểm chạm cuối. Nhưng chính chúng mới đang nuôi cái baseline mà các kênh cuối phễu sau đó hớt công. Đo incrementality giúp bạn nhìn thấy đóng góp ẩn này và ngừng cắt nhầm những kênh thật sự tạo ra khách mới.

Hệ quả hành động rất cụ thể: tiền tiết kiệm được từ việc cắt phần chi tiêu không tăng thêm có thể tái phân bổ sang phần thật sự sinh khách mới — mà không cần tăng tổng ngân sách. Đây là kiểu tối ưu hiếm hoi vừa giảm chi vừa giữ (hoặc tăng) doanh số, vì bạn chỉ bỏ đi phần không tạo ra gì.

Giới hạn và chi phí: đo lường không miễn phí

Đến đây cần trung thực về mặt tối. Incrementality là cách đo đúng nhất về mặt nhân quả, nhưng nó tốn kém và không phải lúc nào cũng khả thi. Bỏ qua điều này sẽ dẫn bạn vào một dự án đo lường đốt nhiều tiền hơn cả khoản nó giúp tiết kiệm.

Chi phí cơ hội của nhóm control. Bản chất mọi test incrementality là cố tình KHÔNG quảng cáo cho một nhóm. Nhóm đó nếu được quảng cáo có thể đã mang lại doanh số. Bạn đang trả "học phí" bằng phần doanh số bị hy sinh trong thời gian test. Test càng lớn, càng lâu, học phí càng cao. Đây là chi phí thật, dù không hiện trên hoá đơn quảng cáo.

Yêu cầu về quy mô. Mọi phép đo so sánh hai nhóm đều cần đủ mẫu để khoảng tin cậy đủ hẹp. Doanh nghiệp ít đơn hàng sẽ nhận về những con số "có thể tăng thêm từ 0% đến 25%" — không đủ chắc để ra quyết định. Có một ngưỡng quy mô tối thiểu, và nhiều SME Việt nằm dưới ngưỡng đó cho từng chiến dịch riêng lẻ.

Thời gian và độ trễ chuyển đổi. Nếu sản phẩm của bạn có chu kỳ cân nhắc dài (B2B, sản phẩm giá cao), test phải chạy đủ lâu để bắt được chuyển đổi xảy ra muộn. Một test hai tuần cho một sản phẩm khách thường cân nhắc hai tháng sẽ bỏ sót phần lớn tác động.

Chất lượng tín hiệu đầu vào. Một phép đo incrementality chỉ tốt bằng dữ liệu chuyển đổi nuôi nó. Nếu pixel và sự kiện chuyển đổi của bạn nhiễu, trùng, hoặc thiếu, kết quả test cũng nhiễu theo. Trước khi đầu tư vào đo incrementality, đáng để chắc rằng nền tảng dữ liệu chuyển đổi của bạn sạch — chủ đề mà bài về pixel TikTok và Events API gửi tín hiệu sạch bàn khá kỹ, và nguyên tắc ở đó áp dụng cho mọi nền tảng.

Cám dỗ đo mọi thứ. Không phải mọi khoản chi đều xứng đáng có một test riêng. Test tốn tiền và thời gian; hãy dành nó cho những quyết định ngân sách đủ lớn để con số đáng giá. Với phần chi tiêu nhỏ, một ước lượng thô còn hơn một test đắt đỏ cho ra con số không chắc chắn.

Áp dụng thực tế cho doanh nghiệp Việt

Vậy một doanh nghiệp vừa ở Việt Nam, ngân sách không khổng lồ, nên làm gì? Đây là lộ trình thực dụng, không cần một đội data science.

Bước 1 — Bắt đầu bằng câu hỏi rẻ nhất. Trước khi nghĩ tới test phức tạp, hãy chạy một thử nghiệm tắt-bật đơn giản với khoản chi đáng ngờ nhất: quảng cáo tìm kiếm thương hiệu. Tắt nó trong một đến hai tuần (chọn giai đoạn không có biến động lớn về mùa vụ), theo dõi tổng đơn hàng và tổng lượt tìm tự nhiên trên thương hiệu. Nếu tổng doanh số gần như không đổi, bạn vừa tìm thấy một khoản tiết kiệm thật. Đây là "geo holdout" phiên bản đơn giản nhất, áp lên toàn bộ tài khoản theo thời gian.

Bước 2 — Dùng công cụ lift có sẵn của nền tảng. Các nền tảng lớn đều có sẵn công cụ conversion lift dùng ghost ads, thường miễn phí khi bạn chi đủ ngưỡng. Hãy chạy chúng cho các chiến dịch quy mô lớn nhất của bạn — nơi con số có ý nghĩa thống kê và nơi quyết định ngân sách đủ lớn để đáng đo.

Bước 3 — Gộp để có đủ mẫu. Nếu từng chiến dịch quá nhỏ, đừng đo riêng lẻ. Gộp các chiến dịch cùng loại (cùng mục tiêu, cùng kiểu tệp) lại để có đủ chuyển đổi cho một test nghĩa lý. Bạn đang đo "loại chi tiêu này có tăng thêm không", không nhất thiết phải đo từng chiến dịch một.

Bước 4 — Cảnh giác với view-through. Khi đọc báo cáo nền tảng, đặc biệt thận trọng với các chuyển đổi được tính chỉ vì người ta NHÌN THẤY quảng cáo mà không bấm. Đây là loại tín hiệu dễ thổi phồng tác động nhất và gần với câu chuyện incrementality nhất — vì phần lớn người "xem mà không bấm rồi vẫn mua" thuộc về baseline. Nếu bạn chưa rõ vì sao loại chuyển đổi này đáng ngờ, bài về view-through conversion là tín hiệu hay ảo mổ xẻ đúng cái bẫy này.

Bước 5 — Đặt nhịp, đừng đo một lần rồi quên. Incrementality không phải con số đo một lần là xong. Cấu trúc kênh, đối thủ, hành vi khách đều đổi theo thời gian. Một quý đo một vài khoản chi lớn nhất, xoay vòng, sẽ cho bạn một bức tranh sống về chỗ tiền thật sự sinh ra doanh số — thay vì một niềm tin cũ đóng băng từ test năm ngoái.

Điều cốt lõi cần mang theo: đừng để báo cáo attribution là người duy nhất chấm điểm quảng cáo của bạn. Attribution kể câu chuyện điểm chạm; incrementality kể câu chuyện nhân quả. Khi hai câu chuyện này lệch nhau — và chúng sẽ lệch — câu chuyện nhân quả là cái quyết định bạn nên cắt ngân sách ở đâu.

Khi việc đo trở thành thói quen vận hành

Rào cản lớn nhất của incrementality với doanh nghiệp vừa không phải khái niệm — bạn vừa đọc xong và đã hiểu nó. Rào cản là sự kỷ luật vận hành: thiết kế test đúng, giữ nhóm control sạch, chờ đủ lâu, đọc kết quả không bị thiên kiến, rồi thật sự hành động trên kết quả thay vì quay về thói quen cũ. Phần lớn đội marketing biết nên đo incrementality nhưng không bao giờ làm, đơn giản vì nó là việc có cấu trúc, lặp đi lặp lại, dễ bị gạt sang một bên khi công việc hằng ngày dồn tới.

Đây đúng là loại việc một AI agent làm quảng cáo được sinh ra để gánh. Orova có thể giúp theo dõi liên tục chênh lệch giữa cái mà attribution báo cáo và cái mà các tín hiệu tăng thêm gợi ý, nhắc bạn khi một khoản chi tiêu có dấu hiệu giá trị tăng thêm thấp, và biến việc kiểm tra incrementality từ một dự án thỉnh thoảng thành một nhịp đều đặn trong vận hành — để bạn dồn phán đoán của con người vào việc quyết định cắt hay giữ, thay vì vào việc lục lọi số liệu. Quảng cáo tốt không phải là quảng cáo trông đẹp trong báo cáo. Nó là quảng cáo thật sự tạo ra phần doanh số sẽ không xảy ra nếu thiếu nó — và bây giờ bạn đã có công cụ để phân biệt hai thứ đó.