Ứng dụng data trong in Marketing & Communication 

• Thấu hiểu về data và data analytics trong Marketing & Communication 
• Nhận biết khả năng phân tích data là kỹ năng sống còn của chuyên gia marketing 
• Trang bị các công cụ chủ lực: Microsoft Excel, Google Sheets, Tableau, SQL
• Làm quen với 7 bước quan trọng trong xử lý data 
  • Bước 1: Xác định mục tiêu (Setting clear objectives) – làm sao để tránh đi sai đường
  • Bước 2: Thu thập data (Collecting data) – những phương pháp về thu thập data
  • Bước 3: Xác nhận tính hợp lệ của data (Validating data) – thấu hiểu tầm quan trọng của data sạch
  • Bước 4: Phân tích data (Analysing data) – giải tỏa nỗi lo lắng khi có quá nhiều data
  • Bước 5: Diễn giải data (Interpreting data) để tìm ra ý nghĩa (Insights) – tìm ra thông điệp đúng và hợp lý 
  • Bước 6: Mô hình hóa dữ liệu (Visualising data) – đi từ căn bản đến ấn tượng     
  • Bước 7: Nghệ thuật kể chuyện (Storytelling) và sức ảnh hưởng của data – truyền tải thông điệp đến người nghe
• Phân tích đề tốt nghiệp cuối khoá và giao đề cho các nhóm

Tìm hiểu sâu về xử lý data

• Khám phá 4 mục đích của ứng dụng data từ lúc lên kế hoạch kinh doanh đến lúc triển khai thực tế
• Xác nhận tính hợp lệ của data (Validating data) để có ý nghĩa khi đọc 
  • Thực hành làm sạch data và giải thích trình tự cũng như hậu quả nếu bỏ qua bước này
  • Nhận diện những lỗi data thường gặp và trình bày cách phát hiện
  • Áp dụng các mẹo dùng Excel để xác nhận tính hợp lệ của data và tổng hợp thành tài liệu rút gọn (Cheatsheet)
• Phân tích data (Analyzing data) để chắt lọc những tinh túy 
  • Mô tả mô hình cơ sở dữ liệu – nhũng chỉ số thông dụng để nắm bắt cơ sở dữ liệu chuẩn
  • Hiểu rõ về tích hợp dữ liệu (Data integration) – nắm bắt điều cần tìm kiếm khi có nhiều hơn 1 cơ sở dữ liệu

Học viên làm việc theo nhóm tại lớp dưới sự hướng dẫn của giảng viên để thực hành phân tích data

Mục đích 1: Hoạch định thị trường, kinh doanh và người tiêu dùng

• Nắm bắt cách sử dụng những giả định để thực hiện nghiên cứu thị trường và hoạch định kinh doanh  

• Biết và ứng dụng nguyên tắc MECE để xác định động lực thúc đẩy (Key drivers) của ngành hoặc xác định phân khúc để ước lượng độ lớn của thị trường    
• Vận dụng những nguồn thông tin sẵn có để tính toán độ lớn của thị trường và dự báo chuyển động của thị trường
• Tích hợp những dự đoán về chuyển động của thị trường với nguồn data nội bộ để dự báo hiệu quả kinh doanh  

• Nắm bắt hành trình người dùng (Customer journey) bằng cách thiết lập bản đồ (Mapping) kết nối các điểm tương tác với người dùng (Customer touch points)
  • Mô hình hoá các điểm tương tác với người dùng trong phễu hành trình mua hàng từ trước khi mua (Pre-sales), trong khi mua (During sales) và sau khi mua (Post-sales)
  • Kết nối dữ liệu nội bộ vào hành trình mua hàng để thường xuyên theo dõi hiệu quả 
• Theo dõi và cải thiện trải nghiệm của khách hàng thông qua chỉ số đo lường sự hài lòng của khách hàng (NPS – Net promoter score) 
  • Hiểu về thiết kế và ứng dụng NPS trong kinh doanh 
  • Phân tích trải nghiệm của khách hàng theo chuẩn mực đi kèm với những chỉ số kinh doanh và vận hành để từ đó đưa ra các hoạt động cải tiến 
• Học viên làm việc theo nhóm tại lớp dưới sự hướng dẫn của giảng viên để thực hành phân tích data

Mục đích 2: Các chỉ số đo lường động lực đẩy (Push)  

• Nắm bắt và phân tích data liên quan đến: 
  • So sánh giá trị hàng đã bán (Sales value) vs. số lượng hàng bán (Sales volume), giao dịch (Transaction), giá trị trung bình trên 1 giao dịch (APT) hoặc giá trị trung bình trên 1 đơn hàng (AOV), lực lượng bán hàng (Sales force)
  • Đánh giá nhà phân phối (Distributors), kênh (Channels) và nhà bán lẻ (Retailers)
  • Phân tích hàng tồn (Stocks): Các chỉ số hàng tồn và những sự thật về hàng tồn
  • Đo lường thị phần
• Nắm bắt và phân tích data liên quan đến quản trị kinh doanh (Business management)
  • Đánh giá kết quả kinh doanh thường niên (Annual business performance)
  • Phân tích kết quả marketing và thương hiệu thường niên (Annual brand and marketing performance)

• Học viên làm việc theo nhóm tại lớp dưới sự hướng dẫn của giảng viên để thực hành phân tích data

Mục đích 3: Các chỉ số đo lường động lực kéo (Pull) 

• Nắm bắt và phân tích data liên quan đến 
  • Phân tích hỗ trợ khách hàng (Consumer supports): Sức mua của người tiêu dùng (Offtakes), mức độ thâm nhập người dùng (Users penetration), mức độ tiêu thụ của người dùng (Users consumptions), chia sẻ ví tiền (Share of wallet), thị phần ngành hàng (Share of categories), mức độ nhận biết (Share of mind)
  • Đánh giá sức khỏe thương hiệu (Brand health): Phễu thương hiệu (Brand funnels), tài sản thương hiệu (Brand equity), sức mạnh thương hiệu (Brand power)
  • Đo lường truyền thông (Communication): Các nội dung truyền thông
  • Khám phá kênh truyền thông: Truyền hình (TV), kỹ thuật số (Digital), ngoài trời (OOH – Out of home), vật dụng tại điểm bán hàng (POSM – Point of sales materials)
• Nắm bắt và phân tích data liên quan đến chiến dịch  
  • Đánh giá chiến dịch quảng cáo truyền hình (TV)
  • Phân tích chiến dịch quảng cáo ngoài trời (OOH)
  • Theo dõi chiến dịch bán hàng (Sales events)
  • Tổng hợp chiến dịch khuyến mãi (Consumer promotion)
  • Đánh giá chiến dịch tung sản phẩm mới (Launch)
• Học viên làm việc theo nhóm tại lớp dưới sự hướng dẫn của giảng viên để thực hành phân tích data

Mục đích 4: Digital marketing và ecommerce

• • Ứng dụng data trong digital marketing 
    • Nắm rõ các chỉ số cơ bản (Fundamental metrics) của digital marketing 
    • Làm quen với các công cụ xử lý dữ liệu cơ bản trong digital qua các bước: Cleaning – Processing – Visualization – Modeling
    • Khám phá chỉ số giá trị vòng đời khách hàng (CLV – Customer lifetime value)
    • Phát triển kỹ năng giải quyết vấn đề với digital marketing  
  • Ứng dụng data trong thương mại điện từ (Ecommerce) 
    • Hiểu rõ về các nền tảng onsite và offsite và cách cân bằng hài hoà các nền tảng để bán hàng 
    • Thông hiểu các chỉ số trong thương mại điện tử và cách tối ưu 
  • Học viên làm việc theo nhóm tại lớp dưới sự hướng dẫn của giảng viên để thực hành phân tích data

</

Mục đích 1: Hoạch định thị trường, kinh doanh và người tiêu dùng

• Nắm bắt cách sử dụng những giả định để thực hiện nghiên cứu thị trường và hoạch định kinh doanh  

• Biết và ứng dụng nguyên tắc MECE để xác định động lực thúc đẩy (Key drivers) của ngành hoặc xác định phân khúc để ước lượng độ lớn của thị trường    
• Vận dụng những nguồn thông tin sẵn có để tính toán độ lớn của thị trường và dự báo chuyển động của thị trường
• Tích hợp những dự đoán về chuyển động của thị trường với nguồn data nội bộ để dự báo hiệu quả kinh doanh  

• Nắm bắt hành trình người dùng (Customer journey) bằng cách thiết lập bản đồ (Mapping) kết nối các điểm tương tác với người dùng (Customer touch points)
  • Mô hình hoá các điểm tương tác với người dùng trong phễu hành trình mua hàng từ trước khi mua (Pre-sales), trong khi mua (During sales) và sau khi mua (Post-sales)
  • Kết nối dữ liệu nội bộ vào hành trình mua hàng để thường xuyên theo dõi hiệu quả 
• Theo dõi và cải thiện trải nghiệm của khách hàng thông qua chỉ số đo lường sự hài lòng của khách hàng (NPS – Net promoter score) 
  • Hiểu về thiết kế và ứng dụng NPS trong kinh doanh 
  • Phân tích trải nghiệm của khách hàng theo chuẩn mực đi kèm với những chỉ số kinh doanh và vận hành để từ đó đưa ra các hoạt động cải tiến 
• Học viên làm việc theo nhóm tại lớp dưới sự hướng dẫn của giảng viên để thực hành phân tích data

Mục đích 2: Các chỉ số đo lường động lực đẩy (Push)  

• Nắm bắt và phân tích data liên quan đến: 
  • So sánh giá trị hàng đã bán (Sales value) vs. số lượng hàng bán (Sales volume), giao dịch (Transaction), giá trị trung bình trên 1 giao dịch (APT) hoặc giá trị trung bình trên 1 đơn hàng (AOV), lực lượng bán hàng (Sales force)
  • Đánh giá nhà phân phối (Distributors), kênh (Channels) và nhà bán lẻ (Retailers)
  • Phân tích hàng tồn (Stocks): Các chỉ số hàng tồn và những sự thật về hàng tồn
  • Đo lường thị phần
• Nắm bắt và phân tích data liên quan đến quản trị kinh doanh (Business management)
  • Đánh giá kết quả kinh doanh thường niên (Annual business performance)
  • Phân tích kết quả marketing và thương hiệu thường niên (Annual brand and marketing performance)

• Học viên làm việc theo nhóm tại lớp dưới sự hướng dẫn của giảng viên để thực hành phân tích data

Mục đích 3: Các chỉ số đo lường động lực kéo (Pull) 

• Nắm bắt và phân tích data liên quan đến 
  • Phân tích hỗ trợ khách hàng (Consumer supports): Sức mua của người tiêu dùng (Offtakes), mức độ thâm nhập người dùng (Users penetration), mức độ tiêu thụ của người dùng (Users consumptions), chia sẻ ví tiền (Share of wallet), thị phần ngành hàng (Share of categories), mức độ nhận biết (Share of mind)
  • Đánh giá sức khỏe thương hiệu (Brand health): Phễu thương hiệu (Brand funnels), tài sản thương hiệu (Brand equity), sức mạnh thương hiệu (Brand power)
  • Đo lường truyền thông (Communication): Các nội dung truyền thông
  • Khám phá kênh truyền thông: Truyền hình (TV), kỹ thuật số (Digital), ngoài trời (OOH – Out of home), vật dụng tại điểm bán hàng (POSM – Point of sales materials)
• Nắm bắt và phân tích data liên quan đến chiến dịch  
  • Đánh giá chiến dịch quảng cáo truyền hình (TV)
  • Phân tích chiến dịch quảng cáo ngoài trời (OOH)
  • Theo dõi chiến dịch bán hàng (Sales events)
  • Tổng hợp chiến dịch khuyến mãi (Consumer promotion)
  • Đánh giá chiến dịch tung sản phẩm mới (Launch)
• Học viên làm việc theo nhóm tại lớp dưới sự hướng dẫn của giảng viên để thực hành phân tích data

Mục đích 4: Digital marketing và ecommerce

• Ứng dụng data trong digital marketing 
  • Nắm rõ các chỉ số cơ bản (Fundamental metrics) của digital marketing 
  • Làm quen với các công cụ xử lý dữ liệu cơ bản trong digital qua các bước: Cleaning – Processing – Visualization – Modeling
  • Khám phá chỉ số giá trị vòng đời khách hàng (CLV – Customer lifetime value)
  • Phát triển kỹ năng giải quyết vấn đề với digital marketing  
• Ứng dụng data trong thương mại điện từ (Ecommerce) 
  • Hiểu rõ về các nền tảng onsite và offsite và cách cân bằng hài hoà các nền tảng để bán hàng 
  • Thông hiểu các chỉ số trong thương mại điện tử và cách tối ưu 
• Học viên làm việc theo nhóm tại lớp dưới sự hướng dẫn của giảng viên để thực hành phân tích data

Workshop chuẩn bị bản đề xuất và diễn tập thuyết trình

• Mỗi nhóm thuyết trình bản đề xuất theo yêu cầu của đề bài
• Giảng viên nhận xét và góp ý
• Mỗi nhóm cải tiến bài làm dựa trên góp ý của giảng viên
• Thực hành kỹ năng thuyết trình 
  • Nâng cao tính thẩm mỹ của file thuyết trình 
  • Thực hành thuyết trình (Tác phong, điệu bộ, ngôn ngữ cơ thể, chuyển động,…)
  • Biết cách ứng xử trước những câu hỏi hóc búa

Thuyết trình cuối khóa  

• Mỗi nhóm thuyết trình kết quả phân tích data và đưa ra kết luận mang tính định hướng hành động đến đơn vị ra đề (Nếu có), giảng viên, chuyên gia và nhà tuyển dụng (Nếu có)
• Thực hiện hỏi đáp với giảng viên, chuyên gia, đơn vị ra đề và nhà tuyển dụng (Nếu có)

Dữ liệu đáng tin cậy: Cách thu thập và tạo ra dữ liệu hiệu quả

• Xác định đúng nguồn dữ liệu phù hợp với từng câu hỏi kinh doanh cụ thể
• Tạo dữ liệu sơ cấp thông qua khảo sát, thử nghiệm, thăm dò trên mạng xã hội và 
• các phương pháp có hỗ trợ AI 
• Thiết lập hệ thống thu thập dữ liệu đơn giản, chi phí thấp, phù hợp với SMEs
• Đánh giá liệu dữ liệu có đáng tin cậy, có tính đại diện và sẵn sàng cho việc
•  ra quyết định
• Xây dựng một kế hoạch thu thập dữ liệu cơ bản có thể triển khai trong vòng một tuần
• Học viên làm việc theo nhóm tại lớp dưới sự hướng dẫn của giảng viên

Phân tích dữ liệu với sự hỗ trợ từ AI

• Sử dụng các công cụ AI như Chat GPT Advanced Data Analysis, Gemini trong Google Sheets và Looker Studio để làm sạch, phân tích và trực quan hóa dữ liệu marketing
• Áp dụng đúng phương pháp phân tích cho đúng câu hỏi kinh doanh bằng khung 4 loại phân tích
• Xây dựng một dashboard marketing (Bảng tổng quan hiệu quả marketing) trực tiếp bằng công cụ miễn phí mà không cần đội ngũ dữ liệu
• Xác định các mô hình và mối tương quan có ý nghĩa trong dữ liệu marketing để trực tiếp thúc đẩy quyết định kinh doanh
• Áp dụng tư duy phản biện với phân tích do AI tạo ra và biết khi nào nên tin, khi nào cần đặt câu hỏi
• Học viên làm việc theo nhóm tại lớp dưới sự hướng dẫn của giảng viên

Biến dữ liệu thành quyết định kinh doanh

• Cấu trúc insight theo mô hình SODA để người ra quyết định hiểu và hành động
• Áp dụng bài kiểm tra “So What?” để loại bỏ các chỉ số phù phiếm
• Sử dụng công cụ AI để tạo báo cáo và slide nhanh hơn cách truyền thống
• Xây dựng hệ thống báo cáo đơn giản nhưng bền vững cho SMEs
• Thiết kế lộ trình xây dựng văn hóa dữ liệu trong tổ chức ít nguồn lực
• Học viên làm việc theo nhóm tại lớp dưới sự hướng dẫn của giảng viên