Tệp lookalike: nguồn nào cho ra tệp đáng tiền

Bạn dựng một tệp lookalike, làm đúng từng bước như hướng dẫn, chọn đúng mức phần trăm được khuyên dùng, rồi bấm chạy. Vài tuần sau nhìn lại: có chiến dịch ra đơn đều đặn, có chiến dịch đốt tiền không thấy đơn nào, dù cả hai đều "làm đúng quy trình". Bạn bắt đầu tự hỏi liệu tệp lookalike có thật sự hiệu quả, hay chỉ là một khái niệm nghe hay mà nền tảng quảng cáo đưa ra để bạn chi tiền nhiều hơn.

Cách làm phổ biến là cứ lấy toàn bộ người từng vào website trong nhiều tháng, càng đông càng yên tâm, rồi đẩy tệp đó lên làm gốc. Vấn đề là trong đám đông ấy có người chỉ lướt qua vì tò mò, có người là đối thủ vào coi giá, thậm chí có người trong chính công ty bạn mở đi mở lại trang sản phẩm. Nền tảng quảng cáo không phân biệt được ai trong số đó là khách thật, nó chỉ học theo đúng những gì tệp gốc mô tả, và nếu tệp gốc toàn người lướt qua thì kết quả tìm được cũng chỉ là thêm người lướt qua.

Bài này sẽ giúp bạn nhìn lại từ gốc: nguồn nào đáng dùng làm tệp gốc, nguồn nào chỉ tổ tốn ngân sách, tệp gốc cần bao nhiêu người mới đủ để nền tảng học đúng, và mức mở rộng nào an toàn cho từng loại ngân sách. Đọc xong, bạn sẽ biết cách chọn lại nguồn tệp gốc cho đúng nhóm khách chịu chi, tránh lặp lại tình trạng bấm đúng nút nhưng vẫn lỗ.

Tệp lookalike là gì và nền tảng làm gì với nó

Nói cho dễ hình dung. Bạn đưa cho nền tảng một danh sách hai nghìn khách đã mua. Nền tảng không đưa danh sách đó cho ai, cũng không nói cho bạn biết nó tìm thấy gì. Việc nó làm là đối chiếu hai nghìn người đó với hồ sơ hành vi mà nó đang giữ, tìm ra những điểm trùng nhau nhiều bất thường: hay xem loại nội dung nào, dùng thiết bị gì, hoạt động vào khung giờ nào, thuộc nhóm quan tâm nào, đã mua sắm trực tuyến bao nhiêu lần. Từ những điểm trùng đó nó dựng một mô hình chấm điểm, rồi chấm cho từng người dùng trong quốc gia bạn chọn. Cuối cùng nó sắp toàn bộ theo điểm từ cao xuống thấp và cắt lấy phần trên cùng.

Con số phần trăm bạn chọn chính là chỗ cắt. Một phần trăm nghĩa là lấy nhóm giống nhất, đúng bằng một phần trăm dân số người dùng của nước đó trên nền tảng. Mười phần trăm nghĩa là lấy rộng hơn mười lần, tức là đi sâu xuống nhóm giống kém hơn nhiều.

Có ba điều quan trọng ẩn trong cơ chế này mà phần lớn người chạy quảng cáo không để ý.

• Nền tảng không biết bạn muốn gì, nó chỉ biết bạn đưa gì. Nếu tệp gốc là người xem video, mô hình sẽ đi tìm người thích xem video. Không có bước nào trong quy trình hỏi "những người này có mua hàng không".
• Mô hình học đặc điểm chung, nên nhiễu trong tệp gốc trở thành đặc điểm. Tệp gốc có ba trăm người là nhân viên và bạn bè công ty thì nền tảng sẽ coi "làm việc trong ngành này" là một tín hiệu giống. Bạn sẽ nhận về một tệp đầy người trong nghề, xem quảng cáo rất chăm chỉ và không mua gì cả.
• Tệp lookalike là tệp tĩnh tại thời điểm dựng. Nó không tự cập nhật theo hành vi mới của khách hàng bạn, trừ khi tệp gốc là loại tự làm mới và nền tảng dựng lại định kỳ. Ba tháng sau, mô hình vẫn đang mô tả khách của bạn hồi ba tháng trước.

Ba nền tảng gọi tên khác nhau và làm khác nhau

Trên Meta, tính năng này tên là Lookalike Audience, nằm trong mục Đối tượng của Trình quản lý quảng cáo. Đây là nơi khái niệm lookalike được dùng nhiều nhất và cũng là nơi bạn kiểm soát được nhiều nhất: chọn nguồn, chọn nước, chọn phần trăm, dựng nhiều tệp một lúc.

Trên Google Ads, thứ tương đương từng tên là tệp tương tự (similar segments). Google đã thông báo ngừng tính năng này trong năm 2023 và chuyển sang hướng khác: nhắm mục tiêu tối ưu và mở rộng đối tượng, tức là bạn đưa danh sách của mình vào làm tín hiệu và để hệ thống tự nới ra trong lúc chạy. Nếu bạn đọc một bài hướng dẫn tạo tệp tương tự trong Google Ads mà thấy giao diện không giống, lý do là ở đây. Hãy tra trang thông báo cập nhật sản phẩm của Google Ads để lấy đúng tình trạng hiện tại thay vì tin bài viết cũ.

Trên TikTok Ads, tính năng tên Lookalike Audience, và thay vì gõ phần trăm bạn chọn một trong ba mức: hẹp, cân bằng, rộng. Cơ chế bên dưới giống nhau, chỉ khác cách trình bày. TikTok cũng đòi tệp gốc lớn hơn Meta; con số cụ thể nằm trong trang trợ giúp TikTok Ads về Lookalike Audience và có thay đổi theo thời gian, nên kiểm ngay lúc tạo.

Phần còn lại của bài viết dùng ví dụ Meta cho dễ nói, nhưng nguyên tắc chọn nguồn thì đúng cho cả ba.

Vì sao nguồn tệp gốc quyết định gần hết kết quả

Có một cách nghĩ giúp bạn chọn nguồn nhanh mà không cần thuộc lòng bảng xếp hạng nào: xếp các hành vi theo mức tốn kém của người thực hiện.

Bấm thích một bài viết tốn của người dùng khoảng nửa giây và không mất gì. Xem hết một video mười lăm giây tốn mười lăm giây. Vào website tốn một cú bấm và một chút kiên nhẫn chờ tải trang. Thêm hàng vào giỏ tốn công chọn mẫu, chọn size. Điền số điện thoại tốn công gõ và tốn cả sự e ngại bị làm phiền. Chuyển tiền thì tốn tiền thật.

Càng tốn kém, hành vi càng ít người làm, và càng lọc ra đúng nhóm người có ý định thật. Đó chính là thứ bạn muốn mô hình học. Một tệp gốc gồm người đã trả tiền mô tả một loại người rất cụ thể. Một tệp gốc gồm người đã bấm thích mô tả... người hay bấm thích, một nhóm đông kinh khủng và gần như không liên quan gì tới việc bán được hàng.

Có hai hệ quả thực tế đi kèm.

Thứ nhất, tệp gốc nhỏ mà sạch gần như luôn thắng tệp gốc to mà bẩn. Nhiều người thấy con số hai nghìn người thì lo không đủ nên gộp thêm người xem trang vào cho tệp dày lên. Việc gộp này phá mô hình. Nếu bạn có hai nghìn người mua và gộp thêm sáu mươi nghìn người xem trang, thì chín mươi bảy phần trăm tín hiệu mà mô hình nhìn thấy là tín hiệu của người xem trang. Bạn vừa dựng một tệp lookalike của người xem trang và tự nhủ rằng đó là tệp của người mua.

Thứ hai, tệp gốc phải đủ dữ liệu để khớp. Nền tảng chỉ dựng được mô hình cho những người nó nhận ra. Danh sách khách hàng tải lên chỉ có email công ty, không có số điện thoại, không có tên, thì tỷ lệ khớp thấp và tệp gốc thật sự dùng được nhỏ hơn con số bạn nhìn thấy rất nhiều. Đây là lý do dữ liệu chuyển đổi sạch không phải chuyện làm cho đẹp báo cáo mà là điều kiện để mọi thứ phía sau chạy được — chủ đề này đáng đọc riêng ở bài dữ liệu chuyển đổi sạch là điều kiện tiên quyết.

Nhiễu thường gặp trong tệp gốc

Trước khi xếp hạng nguồn, đây là danh sách những thứ hay lọt vào tệp gốc và làm hỏng mô hình. Đọc qua và tự soi lại tài khoản của bạn:

• Nhân viên, người thân, đối tác. Nhóm này vào website nhiều nhất công ty và gần như không mua. Với danh sách tải lên thì lọc bằng tên miền email nội bộ; với tệp từ pixel thì loại trừ dải địa chỉ mạng văn phòng nếu công cụ cho phép.
• Đơn huỷ, đơn hoàn, đơn không nhận hàng. Với hàng thu tiền khi nhận, nhóm này có thể chiếm phần đáng kể. Họ đã "mua" trong mắt pixel nhưng thực chất là chi phí. Dạy mô hình đi tìm thêm người như vậy là tự bắn vào chân.
• Khách săn khuyến mãi một lần. Người chỉ mua khi giảm bảy mươi phần trăm là một loại khách khác hẳn khách mua giá gốc. Nếu tệp gốc toàn đơn từ đợt sale lớn, tệp mới sẽ toàn người săn sale.
• Người đến từ một chiến dịch viral lệch chủ đề. Một bài đạt triệu lượt xem vì hài hước sẽ nhồi vào tệp hàng chục nghìn người không liên quan gì tới sản phẩm.
• Bot và click ảo. Ít khi lọc được triệt để, nhưng nếu tệp gốc dựa trên lượt xem trang thì phần này luôn có mặt.
• Khách bán buôn trộn với khách lẻ. Hai chân dung hoàn toàn khác nhau. Nếu bạn bán cả hai thì tách thành hai tệp gốc, đừng gộp.

Nguồn tệp lookalike xếp theo mức đáng tiền

Đây là phần trả lời trực tiếp câu hỏi của bài. Thứ tự dưới đây đi từ nguồn cho tệp đáng tiền nhất xuống nguồn nên tránh, kèm điều kiện để mỗi nguồn dùng được.

1. Khách hàng giá trị cao, có gắn giá trị đơn

Danh sách khách đã mua kèm cột doanh thu, tải lên dưới dạng danh sách khách hàng có giá trị. Meta cho phép dựng lookalike theo giá trị, tức mô hình ưu tiên học từ người mang lại nhiều tiền hơn thay vì coi mọi khách như nhau. Đây là nguồn tốt nhất bạn có thể đưa vào, vì nó vừa lọc theo hành vi tốn kém nhất vừa nói thêm cho máy biết ai trong nhóm đó đáng giá hơn.

Điều kiện: bạn phải có dữ liệu doanh thu theo từng khách, thường lấy từ hệ thống bán hàng hoặc CRM chứ không lấy từ pixel. Với shop có đơn hoàn cao thì nhớ trừ đơn hoàn trước khi tính giá trị.

2. Khách mua lại từ lần thứ hai

Nhóm mua lại là nhóm đã kiểm chứng sản phẩm và quay lại tự nguyện. Nó loại được gần hết khách săn sale một lần và khách mua nhầm. Với ngành có chu kỳ mua lặp — mỹ phẩm, thực phẩm chức năng, đồ tiêu dùng, dịch vụ theo tháng — đây thường là tệp gốc cho kết quả ổn định nhất trong dài hạn.

Điều kiện: đủ số người. Shop mới bán được vài tháng thường chưa gom nổi vài trăm khách mua lại, khi đó dùng nguồn số 3.

3. Toàn bộ khách đã mua trong một khoảng thời gian hợp lý

Đây là nguồn mặc định nên dùng của phần lớn tài khoản. Lấy khách mua trong chín mươi tới một trăm tám mươi ngày, tuỳ chu kỳ ngành. Ngành mua nhanh và đổi mốt nhanh thì lấy ngắn; ngành giá trị cao, chu kỳ cân nhắc dài thì lấy dài hơn.

Nguồn này nên lấy từ danh sách tải lên hoặc từ sự kiện mua gửi qua đường máy chủ, chứ đừng chỉ dựa vào sự kiện mua từ trình duyệt. Trình duyệt chặn theo dõi ngày càng chặt nên một phần đơn hàng không bao giờ về tới nền tảng, và phần bị mất không phân bố đều — nó lệch về nhóm người dùng cẩn thận với quyền riêng tư, tức là bạn đang dựng mô hình từ một mẫu thiên lệch. Cơ chế đường máy chủ và lý do nó thành bắt buộc nằm trong bài Trình quản lý quảng cáo Facebook và vai trò Conversion API.

4. Khách để lại thông tin đã được xác nhận

Với mô hình bán qua tư vấn — bất động sản, giáo dục, dịch vụ doanh nghiệp, xe cộ — thì đơn hàng về quá chậm để dùng làm tệp gốc. Thay vào đó dùng nhóm khách đã để lại thông tin và được đội bán hàng đánh dấu là khách thật, đúng nhu cầu.

Chỗ này có một cái bẫy lớn. Nếu bạn lấy toàn bộ lead thô làm tệp gốc, mô hình sẽ đi tìm thêm người thích điền form. Người thích điền form có thật, họ điền form ở khắp nơi, và họ không mua gì. Bắt buộc phải lọc bằng trạng thái từ CRM. Nếu bạn chưa đẩy được trạng thái đó về nền tảng thì ít nhất hãy xuất danh sách lead đã xác nhận rồi tải lên tay mỗi tháng.

5. Người thêm hàng vào giỏ hoặc bắt đầu thanh toán

Chỉ nên dùng khi số khách mua chưa đủ quy mô tối thiểu. Nhóm này đã bày tỏ ý định rõ nhưng chưa vượt qua rào cản cuối, nên nó vẫn còn tương đối sạch. Đừng gộp chung với nhóm đã mua, vì gộp là để nhóm đông hơn nuốt tín hiệu của nhóm quý hơn.

6. Người xem trang sản phẩm, người tương tác trang, người xem video

Đây là nhóm nguồn rẻ tiền. Chúng chỉ có một lý do chính đáng để tồn tại: tài khoản quá mới, chưa có khách nào, phải bắt đầu từ đâu đó. Trong trường hợp đó hãy thu hẹp hết mức có thể — chỉ lấy người xem trang sản phẩm chứ không lấy người vào trang chủ, chỉ lấy người xem đủ bảy mươi lăm phần trăm video chứ không lấy người xem ba giây, chỉ lấy người nhắn tin chứ không lấy người bấm thích.

Và hãy coi đây là giải pháp tạm. Ngay khi gom đủ vài trăm khách mua thật, dựng lại tệp gốc từ nhóm đó và tắt tệp cũ.

Một nguồn nữa: khách của sản phẩm liên quan

Nếu bạn bán nhiều dòng sản phẩm, tệp gốc lấy từ dòng A dùng để tìm khách cho dòng B đôi khi cho kết quả tốt hơn là lấy tệp gốc chung của cả shop. Điều kiện là hai dòng phải phục vụ cùng một chân dung khách. Bán bỉm và bán sữa công thức thì hợp lý. Bán bỉm và bán tai nghe chơi game thì không, dù cùng một cửa hàng.

Tệp gốc cần bao nhiêu người là đủ

Có hai con số phải phân biệt: mức tối thiểu nền tảng chấp nhận, và mức đủ để mô hình học được thứ gì có ích. Chúng cách nhau khá xa.

Về mức tối thiểu, trang trợ giúp của Meta về Lookalike Audience ghi tệp gốc cần ít nhất một trăm người từ cùng một quốc gia, và khuyến nghị khoảng một nghìn tới năm nghìn người. Con số này có thể đổi nên hãy đọc lại ở chính trang trợ giúp lúc bạn tạo tệp. Với TikTok, ngưỡng cao hơn, tra trang trợ giúp TikTok Ads.

Về mức đủ dùng, kinh nghiệm vận hành thực tế cho thấy dưới năm trăm người thì mô hình quá mong manh: chỉ cần trong đó có vài chục người nhiễu là chân dung lệch hẳn. Từ khoảng một nghìn tới năm nghìn người sạch trở lên thì tệp bắt đầu ổn định giữa các lần dựng lại.

Nhưng đây mới là điều quan trọng hơn cả hai con số trên: tệp gốc quá to cũng là một vấn đề. Nhiều người tin rằng càng nhiều dữ liệu càng tốt nên gom hết ba năm khách hàng vào một tệp gốc năm mươi nghìn người. Vấn đề là khi tệp gốc lớn tới mức đó, nó thường đã trộn nhiều nhóm khách khác nhau: khách thời kỳ đầu bán giá rẻ, khách sau khi đổi định vị, khách bán buôn, khách lẻ. Mô hình học trên một đám đông hỗn tạp sẽ ra một chân dung trung bình không giống ai. Bạn được một tệp lookalike rộng và nhạt, gần với tệp rộng thông thường hơn là với một tệp nhắm.

Nguyên tắc thực dụng: ưu tiên tệp gốc từ một tới mười nghìn người đồng nhất. Nếu bạn có nhiều hơn, hãy tách thành vài tệp gốc theo nhóm khách rồi dựng lookalike riêng cho từng nhóm, thay vì trộn hết vào một rổ.

Bảng chọn nhanh theo tình trạng tài khoản

Bạn đang có	Tệp gốc nên dùng	Việc cần làm song song
Chưa có đơn nào	Người xem trang sản phẩm 30 ngày, hoặc người xem đủ 75% video	Gắn đúng sự kiện mua, chuẩn bị đường truyền máy chủ
Dưới 500 khách mua	Thêm giỏ hoặc bắt đầu thanh toán 90 ngày	Gom đủ khách mua rồi đổi nguồn ngay
1.000–10.000 khách mua	Khách mua 180 ngày, tải lên kèm số điện thoại	Lọc đơn huỷ, đơn hoàn trước khi tải
Trên 10.000 khách mua	Khách giá trị cao, hoặc khách mua lại	Tách theo dòng sản phẩm, dựng nhiều tệp gốc
Bán qua tư vấn, đơn về chậm	Lead đã được sales xác nhận	Đẩy trạng thái từ CRM về nền tảng, không dùng lead thô

Mở rộng bao nhiêu phần trăm là hợp lý

Con số phần trăm không phải là mức độ chính xác, nó là kích thước. Một phần trăm dân số người dùng của một nước là một con số lớn hơn nhiều so với cảm giác của phần lớn người chạy quảng cáo.

Lấy một ví dụ tính tay để thấy độ lớn — con số dân số dưới đây là giả định để minh hoạ cách tính, không phải số công bố của nền tảng nào. Giả sử thị trường bạn chọn có năm mươi triệu người dùng. Khi đó tệp một phần trăm chứa năm trăm nghìn người. Tệp ba phần trăm chứa một triệu rưỡi. Tệp mười phần trăm chứa năm triệu người, tức là bạn đang nhắm vào một phần mười dân số người dùng cả nước và gọi đó là nhắm mục tiêu.

Hiểu được điều đó rồi thì việc chọn phần trăm trở nên đơn giản hơn nhiều. Nó là bài toán cân giữa độ giống và lượng người, và biến quyết định là ngân sách của bạn.

• Ngân sách nhỏ, tệp gốc sạch: chọn một phần trăm. Bạn không có đủ tiền để phủ hết cả tệp một phần trăm, nên chẳng có lý do gì nới rộng. Nới rộng lúc này chỉ khiến hệ thống phân phối tiền của bạn mỏng ra trên nhiều người kém giống hơn.
• Ngân sách vừa, chạy đã lâu: một tới ba phần trăm. Đây là dải phổ biến nhất và cũng là dải nên bắt đầu thử nghiệm.
• Ngân sách lớn, đã bão hoà tệp hẹp: mở lên ba tới sáu phần trăm, hoặc chuyển hẳn sang hướng tệp rộng ở phần cuối bài.
• Tệp gốc nhỏ hoặc chưa chắc sạch: đừng chọn một phần trăm. Nghe có vẻ ngược, nhưng tệp hẹp khuếch đại lỗi của tệp gốc. Nếu tệp gốc lệch, một phần trăm sẽ cho bạn năm trăm nghìn người lệch theo đúng hướng đó. Ba tới năm phần trăm loãng hơn nên bớt lệch hơn.

Cách thử nghiệm phần trăm cho đúng

Sai lầm phổ biến là dựng tệp một phần trăm và tệp năm phần trăm rồi cho hai nhóm quảng cáo chạy song song để so. Vấn đề: tệp năm phần trăm chứa trọn tệp một phần trăm. Hai nhóm quảng cáo sẽ tranh nhau đúng nhóm người giống nhất, kết quả so sánh không nói lên điều gì.

Muốn so cho sạch thì làm một trong hai cách:

1. Cắt lớp. Dựng tệp một phần trăm và tệp năm phần trăm, rồi ở nhóm quảng cáo dùng tệp năm phần trăm hãy loại trừ tệp một phần trăm. Bạn được hai lớp không chồng nhau, so được thẳng.
2. Thử theo thời gian. Chạy một phần trăm trong hai tuần, ghi lại chi phí mỗi đơn, rồi đổi sang ba phần trăm hai tuần tiếp theo với cùng nội dung và cùng ngân sách. Kém sạch hơn cách một nhưng dễ làm với tài khoản nhỏ.

Dù chọn cách nào, đừng đổi nội dung quảng cáo giữa chừng và đừng đổi ngân sách. Đổi hai thứ cùng lúc thì kết quả không đọc được.

Chồng lấn giữa các tệp lookalike

Đây là chỗ nhiều tài khoản tự làm khó mình mà không biết. Bạn dựng năm tệp: lookalike người mua, lookalike người thêm giỏ, lookalike người xem trang, lookalike người tương tác, lookalike danh sách email. Nghe có vẻ là một cấu trúc đầy đủ. Thực tế, năm tệp đó chồng nhau rất nhiều, vì bốn trong năm nguồn gốc vốn đã chồng nhau: người mua thì cũng từng thêm giỏ, cũng từng xem trang, cũng từng nằm trong danh sách email.

Hậu quả có ba tầng.

• Bạn tự đấu giá với chính mình. Nhiều nhóm quảng cáo cùng nhắm một người thì hệ thống phải chọn, và cuộc đấu giá nội bộ đó thường đẩy chi phí lên.
• Ngân sách bị xé nhỏ. Mỗi nhóm quảng cáo cần một lượng chuyển đổi tối thiểu mỗi tuần để hệ thống học. Xé năm nhóm là gần như chắc chắn không nhóm nào đủ.
• Báo cáo không đọc được. Bạn không biết tệp nào thật sự tốt vì cùng một người có thể được ghi công ở nhóm bất kỳ.

Cách xử lý gọn gàng gồm bốn nguyên tắc:

1. Đặt thứ tự ưu tiên rồi loại trừ xuống dưới. Tệp chất lượng cao nhất được giữ nguyên; các tệp phía dưới loại trừ tất cả tệp phía trên nó. Nhờ đó mỗi người chỉ nằm trong đúng một lớp.
2. Luôn loại trừ tệp remarketing ra khỏi mọi tệp lookalike. Người đã vào website hoặc đã mua không nên bị tính vào chiến dịch tìm khách mới, nếu không chỉ số của chiến dịch tìm khách mới sẽ đẹp giả — cùng một cơ chế đã bàn trong bài remarketing là gì và vì sao tệp này đẹp hơn thực tế.
3. Dùng công cụ đo chồng lấn của nền tảng. Meta có chức năng so chồng lấn giữa hai tệp trong mục Đối tượng. Nếu hai tệp chồng nhau trên một nửa thì gộp lại làm một, đừng cố tách.
4. Ít nhóm hơn, mỗi nhóm nhiều tiền hơn. Hai hoặc ba nhóm quảng cáo nhắm ba lớp không chồng nhau gần như luôn chạy tốt hơn tám nhóm chồng chéo.

Làm mới tệp gốc và dấu hiệu tệp đã hỏng

Tệp lookalike không hỏng vì hết hạn. Nó hỏng vì hai lý do khác: tệp gốc cũ đi so với thực tế kinh doanh, và bạn đã tiêu tiền hết vào nhóm dễ mua nhất bên trong tệp.

Khi nào cần dựng lại

Với tệp gốc dạng tải lên tay, hãy đặt lịch tải lại hằng tháng hoặc hằng quý, tuỳ tốc độ có thêm khách. Với tệp gốc dạng động từ pixel hoặc từ đường máy chủ, nền tảng cập nhật tệp gốc nhưng mô hình lookalike thì không nhất thiết tự dựng lại — nên vẫn nên dựng lại theo quý.

Ngoài lịch định kỳ, có bốn sự kiện bắt buộc dựng lại ngay, không chờ tới kỳ:

• Bạn đổi giá đáng kể, đổi định vị, hoặc ra dòng sản phẩm mới chiếm phần lớn doanh thu.
• Bạn vừa chạy một đợt khuyến mãi lớn kéo về một loại khách khác hẳn ngày thường.
• Bạn vừa sửa lại cách gắn sự kiện chuyển đổi, hoặc vừa bật đường truyền máy chủ. Dữ liệu sau khi sửa khác dữ liệu trước, tệp gốc phải dựng lại theo.
• Bạn mở thêm thị trường mới. Tệp lookalike gắn với một quốc gia, không mang sang nước khác được.

Dấu hiệu tệp đang cạn

Trước khi chi phí mỗi đơn tăng, thường có tín hiệu sớm hơn:

• Tần suất bò lên đều đặn trong khi ngân sách giữ nguyên. Nghĩa là hệ thống đang phải chiếu lại cho những người cũ vì hết người mới trong tệp để chiếu.
• Số người tiếp cận mỗi ngày đi ngang rồi giảm dù chi tiêu không giảm.
• CPM tăng dần nhưng CTR không giảm — dấu hiệu bạn đang trả giá cao hơn để với tới cùng một nhóm nhỏ.
• Chi phí mỗi đơn tăng theo bậc thang mỗi lần bạn nâng ngân sách, thay vì tăng mượt.

Gặp mấy dấu hiệu này thì có hai đường: dựng lại tệp gốc để đổi mô hình, hoặc nới phần trăm để có thêm người. Đừng làm cả hai cùng lúc, vì làm cả hai thì bạn sẽ không biết cái nào có tác dụng.

Những nhầm lẫn thường gặp

Tin rằng một phần trăm luôn tốt hơn năm phần trăm

Một phần trăm chỉ tốt hơn khi tệp gốc thật sự sạch và đúng. Nếu tệp gốc lệch, một phần trăm là cách nhanh nhất để nhân cái lệch đó lên. Hãy nhớ con số phần trăm là kích thước, không phải điểm chất lượng.

Gộp mọi nguồn vào một tệp gốc cho "dày"

Đã nói ở trên nhưng đáng nhắc lại vì đây là lỗi phổ biến nhất. Gộp là để nhóm đông nuốt tín hiệu của nhóm quý. Tách ra và dựng riêng, rồi loại trừ chéo.

Dùng lead thô làm tệp gốc cho ngành tư vấn

Mô hình sẽ đi tìm thêm người thích điền form. Bạn sẽ có rất nhiều lead, chi phí mỗi lead rẻ đi, và đội bán hàng sẽ ghét bạn. Phải lọc bằng trạng thái thật từ CRM.

Coi lookalike là tệp nhắm chính xác

Nó không chính xác, nó là một cách xếp hạng cả thị trường theo độ giống. Ngay cả tệp một phần trăm cũng chứa hàng trăm nghìn người, phần lớn trong số đó không bao giờ mua gì của bạn. Kỳ vọng đúng là "khá hơn tệp ngẫu nhiên", không phải "đúng người".

Quên loại trừ khách hiện tại

Tệp lookalike của người mua chắc chắn chứa chính người mua, vì họ giống chính họ nhất. Không loại trừ thì bạn đang trả tiền chiến dịch tìm khách mới để chiếu quảng cáo cho khách cũ, rồi ghi công những đơn họ vốn sẽ mua lại.

So sánh hai tệp chồng nhau rồi kết luận

Không loại trừ chéo thì mọi so sánh giữa các phần trăm đều vô nghĩa. Cắt lớp trước, so sau.

Khi nào tệp rộng lại tốt hơn

Phần này ngược với phần lớn nội dung bạn đọc về chủ đề này, nhưng bỏ qua nó là bỏ qua một nửa câu chuyện.

Cơ chế phân phối của các nền tảng lớn đã đổi khá nhiều trong vài năm gần đây. Trước kia bạn phải chỉ cho hệ thống nhắm vào ai vì bản thân nó không giỏi tự tìm. Bây giờ, khi tín hiệu chuyển đổi về đầy đủ, hệ thống thường tìm người tốt hơn bất kỳ tệp nào bạn dựng tay — vì nó nhìn thấy tín hiệu thời gian thực còn tệp của bạn là ảnh chụp của quá khứ.

Có bốn tình huống mà tệp rộng, không nhắm gì ngoài quốc gia và độ tuổi, thường thắng tệp lookalike:

• Ngân sách lớn so với quy mô thị trường. Khi bạn đủ tiền để phủ nhiều lần cả tệp một phần trăm, việc giới hạn tệp chỉ làm tần suất tăng và giá đắt lên.
• Sản phẩm phổ thông, ai cũng mua được. Đồ ăn, đồ dùng gia đình, hàng giá rẻ. Chân dung khách rộng tới mức mọi nỗ lực nhắm đều là tự thu hẹp vô ích.
• Tín hiệu chuyển đổi mạnh và sạch. Đây là điều kiện quan trọng nhất. Nếu mỗi ngày hệ thống nhận về vài chục chuyển đổi thật kèm giá trị đơn, nó học nhanh hơn bất cứ tệp gốc nào bạn cung cấp.
• Bạn đã bão hoà mọi tệp hẹp và mỗi lần nâng ngân sách là chi phí mỗi đơn nhảy bậc.

Ngược lại, tệp lookalike vẫn hơn hẳn trong bốn tình huống này: ngân sách nhỏ nên cần thu hẹp không gian tìm kiếm; sản phẩm ngách với chân dung khách rất đặc thù; tín hiệu chuyển đổi yếu hoặc ít, hệ thống chưa đủ dữ liệu để tự học; và giai đoạn mới mở thị trường mới, chưa có lịch sử gì ở đó.

Cách quyết định thực dụng: đừng chọn một lần cho xong. Chạy song song một nhóm tệp lookalike hẹp và một nhóm tệp rộng, mỗi bên đủ ngân sách để có tối thiểu vài chục chuyển đổi mỗi tuần, giữ nguyên nội dung quảng cáo ở cả hai. Sau ba tới bốn tuần, bên nào có chi phí mỗi đơn thấp hơn ở mức chi tiêu cao hơn thì dồn tiền về bên đó. Xem lại quyết định này mỗi quý, vì cả cơ chế nền tảng lẫn dữ liệu của bạn đều đổi.

Quy trình lặp lại hằng tháng

Toàn bộ bài này gói lại thành một việc lặp mỗi tháng, làm hết mất chừng một giờ.

Bước	Việc làm	Xong là thế nào
1	Xuất danh sách khách mua tháng vừa rồi, trừ đơn huỷ và đơn hoàn, lọc email nội bộ	Có một file sạch kèm số điện thoại và giá trị đơn
2	Tải lên làm danh sách khách hàng, kiểm tỷ lệ khớp	Tỷ lệ khớp không tụt so với tháng trước
3	Dựng lại tệp lookalike từ danh sách mới, giữ nguyên phần trăm đang chạy	Tệp mới ở trạng thái sẵn sàng, đặt tên có ghi ngày dựng
4	Kiểm chồng lấn giữa các tệp đang chạy, gộp cặp nào chồng trên một nửa	Không còn hai tệp chồng nhau nặng cùng chạy
5	Rà lại loại trừ: mọi nhóm tìm khách mới đều loại trừ khách cũ và tệp remarketing	Không nhóm nào thiếu loại trừ
6	Đọc tần suất, số người tiếp cận, CPM của từng nhóm trong ba mươi ngày	Ghi lại nhóm nào có dấu hiệu cạn tệp
7	Quyết đúng một thay đổi cho tháng tới: dựng lại tệp gốc, hoặc nới phần trăm, hoặc thử tệp rộng	Ghi lại quyết định và lý do để tháng sau đối chiếu

Bước bảy là bước hay bị bỏ nhất và cũng là bước quan trọng nhất. Mỗi tháng đổi đúng một thứ thì sau nửa năm bạn có sáu kết luận đọc được. Đổi năm thứ một lúc thì sau nửa năm bạn có ba mươi thay đổi và không kết luận nào.

Làm tay tới đâu thì hết sức

Bảy bước ở trên làm tay được, với điều kiện bạn có một tài khoản và một thị trường. Chỗ đuối sức xuất hiện khi số việc nhân lên.

Một shop chạy ba nền tảng, bốn dòng sản phẩm, hai thị trường thì mỗi tháng phải xuất và tải hơn hai chục danh sách, dựng chừng ấy tệp, rồi rà loại trừ trên vài chục nhóm quảng cáo. Việc thì không khó, chỉ là nhiều và lặp, nên nó bị bỏ vào tuần bận, rồi bị bỏ tiếp tháng sau. Ba tháng sau bạn có một mớ tệp đặt tên lẫn lộn, không nhớ tệp nào dựng từ nguồn nào, và không ai dám tắt tệp nào vì sợ tắt nhầm cái đang ra đơn.

Đây là lúc công cụ có ích, và có ích ở hai chỗ cụ thể chứ không phải làm thay bạn nghĩ. Chỗ thứ nhất là đường dẫn dữ liệu: đơn hàng thật từ hệ thống bán hàng phải chảy về nền tảng đều đặn, tự động, không phụ thuộc vào việc ai đó nhớ xuất file. Chỗ thứ hai là việc canh chừng: có thứ theo dõi tần suất, số người tiếp cận, chi phí mỗi đơn của từng nhóm và báo cho bạn khi tệp bắt đầu cạn, thay vì để bạn phát hiện lúc đã tiêu hết ngân sách tháng.

Đó cũng là hai việc mà một công cụ AI chạy quảng cáo làm được: API Chuyển đổi của Orova Ads cấp cho mỗi dự án một đường webhook riêng để hệ thống bán hàng bắn chuyển đổi thật về nền tảng, còn bộ quy tắc viết bằng lời thường giúp bạn đặt ngưỡng theo dõi tần suất hay chi phí mỗi đơn và chọn để AI chỉ cố vấn hay được phép làm thay. Phần quyết định nguồn tệp gốc nào đáng dùng thì vẫn là việc của bạn, vì chỉ bạn biết đơn nào là đơn thật.

Câu hỏi thường gặp

Tệp lookalike có tự cập nhật không?

Không tự cập nhật theo cách bạn mong đợi. Nếu tệp gốc là loại động, ví dụ người mua trong một trăm tám mươi ngày gần nhất, thì tệp gốc tự đổi theo thời gian. Nhưng mô hình lookalike được dựng tại thời điểm bạn tạo và không nhất thiết dựng lại theo mỗi thay đổi của tệp gốc. Đó là lý do vẫn nên dựng lại theo quý.

Dựng cùng lúc mấy tệp lookalike thì hợp lý?

Với tài khoản nhỏ và vừa: hai tới ba, và phải loại trừ chéo. Nhiều hơn thì ngân sách bị xé nhỏ tới mức không nhóm nào đủ chuyển đổi để hệ thống học. Chỉ tài khoản chi tiêu lớn với nhiều dòng sản phẩm khác chân dung mới cần nhiều hơn.

Tệp lookalike từ email có tốt hơn từ pixel không?

Nếu email đi kèm số điện thoại và tên, tỷ lệ khớp thường cao và nguồn này không phụ thuộc trình duyệt hay cookie, nên bền hơn. Nhưng nếu danh sách email lẫn nhiều địa chỉ đăng ký nhận tin mà chưa từng mua thì nó lại tệ hơn tệp gốc từ sự kiện mua. Quyết định vẫn là hành vi trong danh sách, không phải hình thức thu thập.

Có nên dựng tệp lookalike từ tệp lookalike không?

Không. Nền tảng không cho làm việc đó, và kể cả có cho thì cũng vô nghĩa: bạn sẽ mô hình hoá một mô hình, mỗi lớp thêm vào là một lớp nhiễu thêm vào. Luôn quay về dữ liệu người thật.

Tệp gốc có cần cùng quốc gia với nơi chạy quảng cáo không?

Tệp lookalike gắn với quốc gia bạn chọn lúc tạo. Tệp gốc là khách Việt Nam thì dựng lookalike cho Việt Nam sẽ hợp lý; dựng cho thị trường khác về mặt kỹ thuật vẫn làm được nhưng chân dung có thể lệch nhiều vì hành vi tiêu dùng khác nhau. Khi mở thị trường mới, hãy chấp nhận giai đoạn đầu chạy tệp rộng để gom dữ liệu bản địa trước.

Chạy tệp lookalike bao lâu thì biết nó có hiệu quả?

Đủ lâu để có ít nhất vài chục chuyển đổi trong nhóm quảng cáo đó, thường là hai tới bốn tuần với ngân sách vừa. Dưới ngưỡng đó, mọi con số bạn nhìn thấy đều nằm trong khoảng dao động ngẫu nhiên, và quyết định tắt hay giữ chỉ là tung đồng xu.

Việc nên làm trong tuần này

Đừng dựng thêm tệp mới. Làm ba việc theo thứ tự.

1. Mở danh sách tệp đang chạy và ghi ra nguồn gốc của từng cái. Cái nào bạn không nhớ nổi dựng từ nguồn nào thì đánh dấu để tắt. Rất nhiều tài khoản chạy tệp mà không ai biết nó đến từ đâu.
2. Xuất danh sách khách đã mua trong sáu tháng, trừ đơn huỷ và đơn hoàn, lọc bỏ email nội bộ. Đếm còn bao nhiêu người. Con số này quyết định bạn được dùng nguồn nào trong bảng chọn nhanh ở trên.
3. Rà lại loại trừ trên mọi nhóm quảng cáo tìm khách mới. Nếu có nhóm nào chưa loại trừ khách cũ và tệp remarketing, sửa ngay hôm nay — đây là thay đổi tốn ít công nhất và cho hiệu quả rõ nhất trong cả bài.

Tuần sau, khi đã biết mình có bao nhiêu khách sạch, hãy dựng lại đúng một tệp gốc từ nguồn tốt nhất bạn có, giữ nguyên phần trăm đang chạy, và cho nó một tháng để nói lên điều gì. Một thay đổi mỗi tháng, ghi lại lý do. Đó là toàn bộ bí quyết, phần còn lại chỉ là kỷ luật.

Đỡ mất công dò từng nguồn tệp một cách thủ công

Việc tốn thời gian nhất khi làm tệp lookalike không phải là bấm nút tạo tệp, mà là công đoạn trước đó: lọc ra ai trong danh sách khách hàng thật sự là người mua, gộp đúng nhóm hành vi tốn kém, rồi theo dõi xem tệp có bị loãng dần theo thời gian hay không. Làm tay việc này đòi hỏi bạn phải liên tục xuất dữ liệu, đối chiếu, cập nhật, rất dễ bỏ sót đúng lúc tệp đã hỏng mà không hay.

Orova Ads được xây để đỡ phần việc lặp đi lặp lại đó, giúp bạn theo dõi và làm mới nguồn dữ liệu một cách tự động thay vì phải tự tay kiểm tra từng tuần. Nếu bạn đang loay hoay với việc chọn và duy trì tệp lookalike sao cho hiệu quả, có thể thử xem công cụ này hỗ trợ được đến đâu cho việc của mình.

Xem Orova Ads