Thực hành tốt khi phân tích dữ liệu bằng AI trong marketing để ra quyết định có cơ sở là gì? Quy tắc vàng gói gọn trong một dòng: hãy coi mọi kết luận của AI là một giả thuyết cho đến khi bạn chỉ ra được dữ liệu đằng sau nó. Mọi thứ còn lại (đặt câu hỏi cho đúng, tập hợp các nguồn, rà soát theo nhóm) tồn tại để quy tắc đó được tuân thủ mà không biến mỗi phân tích thành một cuộc kiểm toán.
Vấn đề đã đi vào hợp đồng. Theo Digiday, các agency đang đưa AI vào hợp đồng dịch vụ khung từng điều khoản một thay vì viết lại toàn bộ. Có ba điều kích hoạt các thay đổi: khách hàng yêu cầu quyền truy cập vào công cụ AI độc quyền của agency, khách hàng yêu cầu bổ sung ngôn ngữ cụ thể về AI, hoặc một công cụ mới chạy bằng AI được dùng cho dự án của khách hàng. Keri Bruce, đối tác tại công ty luật Reed Smith, nói gọn: “Rốt cuộc, mọi người muốn được công khai. Họ muốn biết những công cụ nào đang được sử dụng.”
Biết công cụ nào đã được dùng chỉ là bước đầu. Bước tiếp theo, câu mà mọi giám đốc tài khoản đều từng nghe trong cuộc họp, khó chịu hơn: “Thế làm sao chúng ta biết điều đó?” Nếu câu trả lời là “AI nói vậy”, thì insight chẳng đáng giá bao nhiêu, dù hay đến đâu.
Vì sao các phân tích do AI thực hiện gây ra sự ngờ vực?
Vì chúng thường đến mà không có dấu vết. Một bản tóm tắt gọn gàng, ba kết luận đầy tự tin và không có đường quay lại dữ liệu gốc. Khách hàng không thể biết mình đang xem một cách đọc vững chắc hay một bản tổng hợp nghe hợp lý mà chưa ai kiểm tra.
Rồi cộng thêm các silo. Social listening nằm ở một nhóm, dữ liệu chiến dịch ở nhóm khác, CRM ở phía khách hàng và quảng cáo của đối thủ là những ảnh chụp màn hình trong một bản trình bày. AI chỉ phân tích những gì bạn đưa vào, nên nguồn phiến diện cho ra kết luận phiến diện, và mỗi nhóm đến buổi họp với phiên bản thực tế riêng của mình.
Kết quả thì quá quen thuộc: hàng giờ đối chiếu số liệu, những cuộc họp để quyết định con số nào thắng, và một khách hàng chẳng tin con số nào, cho chắc.
Bất đối xứng thông tin: vấn đề nằm bên dưới
Lý thuyết bất đối xứng thông tin (Information Asymmetry Theory), mà nhà kinh tế học George Akerlof phổ biến qua “thị trường chanh” (market for lemons) nổi tiếng của ông, giải thích điều xảy ra khi một bên biết nhiều hơn bên kia rất nhiều. Người mua, không thể phân biệt tốt xấu, nghi ngờ mọi thứ và trả ít hơn cho mọi thứ.
AI hoạt động theo cùng cách. Nếu khách hàng không thấy một kết luận được đưa ra như thế nào, họ hạ giá trị của tất cả, kể cả những kết luận tốt. Và thời điểm khó có thể tệ hơn: theo Digiday, AI giảm số giờ mà công việc đòi hỏi và đảo lộn mô hình tính giờ làm việc của agency. Nếu công việc tốn ít giờ hơn và gợi ít niềm tin hơn, biên lợi nhuận bị ép từ cả hai phía.
Sự bất đối xứng cũng tồn tại bên trong agency. Chuyên viên phân tích biết phân tích được thực hiện thế nào; giám đốc tài khoản thì không; đội sáng tạo còn biết ít hơn. Lối thoát trong cả hai trường hợp là như nhau: chia sẻ bằng chứng. Hợp tác chiến thắng sự kém hiệu quả khi mọi người cùng nhìn vào một dữ liệu và có thể kiểm tra cùng những điều.
Điều gì khiến một kết luận của AI kiểm chứng được?
Hãy dùng bảng này như một checklist trước khi bất kỳ phân tích nào đến tay khách hàng.
| Tiêu chí | Kết luận “hộp đen” | Kết luận kiểm chứng được |
|---|---|---|
| Nguồn gốc | “AI nói vậy” | Có liên kết đến các bài đăng, quảng cáo hoặc bản ghi cụ thể |
| Phạm vi | Không có nguồn, khối lượng hay khoảng thời gian | Nêu rõ nguồn, khối lượng đã phân tích và ngày tháng |
| Lập luận | Trộn lẫn quan sát và diễn giải | Tách điều đã thấy khỏi điều suy ra |
| Phản biện | Chỉ có bằng chứng ủng hộ | Bao gồm cả điều mâu thuẫn hoặc làm hạn chế nó |
| Rà soát | Một người, không có hồ sơ | Được chiến lược, media và tài khoản cùng rà soát |
| Khả năng tái lập | Không thể lặp lại | Người khác trong nhóm đạt cùng kết quả |
| Trong cuộc họp | Bảo vệ bằng uy quyền | Bảo vệ bằng ví dụ |
Thực hành tốt khi phân tích dữ liệu bằng AI, từng bước
- Bắt đầu từ quyết định, không phải từ dữ liệu. Viết ra câu hỏi và điều bạn sẽ làm khác đi tùy theo câu trả lời. Nếu không câu trả lời nào làm thay đổi điều gì, bạn không cần phân tích đó.
- Tập hợp các nguồn về một nơi. Social listening, quảng cáo của đối thủ, dữ liệu chiến dịch và, nếu có thể, dữ liệu của khách hàng. Nền dữ liệu càng ít phân mảnh, kết luận càng ít thiên lệch.
- Tách quan sát khỏi diễn giải. “Rất nhiều bình luận nhắc đến giá” là một quan sát. “Giá đang cản trở việc mua” là một diễn giải. Hãy yêu cầu công cụ trình bày chúng riêng biệt.
- Yêu cầu khả năng truy vết về dữ liệu gốc. Mỗi kết luận phải truy vết được về các bài đăng, quảng cáo hoặc bản ghi làm cơ sở cho nó. Chẳng hạn trong Defy Monitor, mọi kết luận của AI đều dẫn về những bài đăng thật đằng sau nó, vì chiến lược được suy ngược từ những gì khán giả và đối thủ thực sự đăng tải, chứ không phải từ khảo sát.
- Chủ động tìm bằng chứng trái chiều. Hỏi xem điều gì mâu thuẫn với kết luận. Nếu không tìm thấy gì, hãy nghi ngờ: hoặc mẫu quá nhỏ, hoặc câu hỏi đã bị dẫn dắt.
- Rà soát theo nhóm trước khi trình bày. Mười lăm phút để chiến lược, media và tài khoản cùng xem các ví dụ sẽ tiết kiệm hàng tuần hiểu lầm.
- Ghi lại công cụ, nguồn và ngày tháng. Đó chính xác là điều mà, theo Digiday, khách hàng đang bắt đầu hỏi: công cụ nào đang được dùng và dữ liệu của họ được xử lý ra sao.
Nếu bạn muốn xem quy trình này được tổ chức ra sao, từ thu thập dữ liệu đến truy vấn theo nhóm, hãy xem thử nền tảng Defy.
Làm sao phá vỡ silo dữ liệu trong agency?
Không phải bằng thêm một cuộc họp hằng tuần, mà bằng một nền bằng chứng dùng chung. Khi chiến lược, media, sáng tạo và tài khoản cùng tham khảo các nguồn như nhau, những tranh cãi thôi xoay quanh con số nào đúng và chuyển sang nên làm gì với nó.
Sẽ giúp ích rất nhiều nếu việc truy vấn nền dữ liệu đó không phụ thuộc vào một người. Nếu chỉ chuyên viên phân tích mới điều khiển được bảng điều khiển, silo vẫn còn đó; chỉ là giờ nó mang hình hài con người. Những công cụ cho phép bạn hỏi dữ liệu bằng ngôn ngữ thường giúp mở rộng quyền truy cập và cùng với nó là trách nhiệm kiểm chứng.
Điều gì nên đưa vào hợp đồng và bản trình bày?
Hợp đồng đã đang thay đổi. Theo Digiday, Mile Marker đã điều chỉnh các điều khoản về quản lý metadata, sở hữu trí tuệ đối với nội dung do AI tạo ra và minh bạch về công cụ được sử dụng, còn Go Fish đã bổ sung các điều khoản về an toàn thương hiệu và bảo vệ dữ liệu trong sáu tháng qua. Khách hàng, tờ báo này tóm tắt, muốn biết dữ liệu của họ được lưu trữ và sử dụng ra sao, có sự giám sát nào của con người và những công cụ nào liên quan.
Nên đi trước bằng ba cam kết không cần chờ đến lần gia hạn tới:
- Phụ lục bằng chứng đi kèm mọi sản phẩm bàn giao, cho thấy nguồn và ví dụ đằng sau mỗi kết luận.
- Dòng giám sát nêu rõ ai đã rà soát phân tích và vào lúc nào.
- Danh mục công cụ: AI nào đã được dùng, cho việc gì và với dữ liệu nào.
Brian Yamada của VML cảnh báo trong cùng bài rằng cần thống nhất một cấu trúc chi phí tiêu chuẩn cho AI trước khi có thể soạn ngôn ngữ hợp đồng tiêu chuẩn, và khuyên nên xây dựng sự linh hoạt để xem xét lại các điều khoản. Cho đến khi chuẩn đó ra đời, minh bạch là điều khoản tốt nhất mà chưa hợp đồng nào có.
