Khán giả tổng hợp có phải là nguồn insight khán giả đáng tin cậy không? Chúng đáng tin cậy khi cần tốc độ, hình thành giả thuyết và thử nghiệm kịch bản. Chúng không thể thay thế con người thật. Những agency khai thác được giá trị từ chúng đều coi mỗi phát hiện tổng hợp là một câu hỏi cần kiểm chứng, không phải một câu trả lời để trình bày.
Tốc độ áp dụng đang tăng nhanh. Digiday cho biết các agency và thương hiệu đang đưa khán giả tổng hợp ra khỏi phòng thí nghiệm và vào công việc lập kế hoạch hằng ngày. Aveeno Body đã rút ngắn thời gian viết brief chiến lược từ khoảng 30 ngày xuống còn ba ngày nhờ nghiên cứu tổng hợp của Vurvey, còn Goodway Group đã bổ sung “quần thể tổng hợp” gồm người tiêu dùng Mỹ, Anh và Đức của Arima vào quy trình lập kế hoạch media. Tại Pháp, Stratégies cho biết Patrick van Bloeme, sau 30 năm điều hành các công ty nghiên cứu, trong đó có Harris Interactive và Toluna, đã ra mắt Limpid, nền tảng thực hiện nghiên cứu định tính trên các persona tổng hợp mà không cần người trả lời thật, chỉ trong vài giờ. Đáng chú ý, Limpid “ne revendique pas de représentativité statistique”: nền tảng này không tuyên bố có tính đại diện thống kê.
Khán giả tổng hợp là gì, và vì sao agency đang áp dụng chúng vào lúc này?
Khán giả tổng hợp là một tập hợp persona do AI tạo ra, hoặc một quần thể mô phỏng, được thiết kế để dự đoán cách các nhóm người thật có thể suy nghĩ hoặc phản ứng. Mỗi nhà cung cấp xây dựng chúng từ những nguyên liệu thô khác nhau. Digiday mô tả Arima sử dụng dữ liệu điều tra dân số, số liệu của Cục Thống kê Lao động Hoa Kỳ (US Bureau of Labor Statistics), dữ liệu khảo sát của Nielsen và các khảo sát đặt riêng, trong khi Vurvey kết hợp dữ liệu công khai với các khảo sát định tính bằng video thực hiện với người tiêu dùng thật.
Các ứng dụng rất đa dạng: thử nghiệm incrementality mô phỏng, brief chiến lược, phát triển sản phẩm và focus group ảo. Các tập đoàn lớn đều đã tham gia. Theo Digiday, Havas đã rót vốn cho Vurvey trong vòng gọi vốn 8,5 triệu USD, còn Dentsu đã hợp tác với Evidenza để bổ sung dữ liệu tổng hợp vào lập kế hoạch media trong hơn một năm qua.
Lý do là thời gian. Nghiên cứu thực địa mất hàng tuần. Một panel tổng hợp trả lời xong trước giờ ăn trưa. Với một agency có buổi pitch vào thứ Sáu, điều đó thật khó cưỡng lại.
Vậy khán giả tổng hợp có đáng tin cậy không?
Điều đó phụ thuộc vào câu hỏi bạn đặt cho chúng, và ngay cả những người xây dựng chúng cũng thẳng thắn về giới hạn. Chad Reynolds của Vurvey nói với Digiday rằng “LLM cho bạn phần đỉnh của đường cong hình chuông, tức câu trả lời phổ biến nhất”, đó là lý do công ty ông bổ sung dữ liệu đầu vào từ người tiêu dùng thật. Julie Clark của TransUnion cảnh báo về những persona được xây dựng trên dữ liệu yếu: “Bạn phải bắt đầu với một nền móng đúng đắn.” Stef Hoffman của Code & Theory nói đơn giản nhất: “Nó hỗ trợ óc phán đoán, nhưng không thay thế óc phán đoán.”
Điểm về đường cong hình chuông là điều agency nên lo ngại nhất. Khách hàng không trả tiền cho câu trả lời phổ biến nhất. Họ trả tiền cho mâu thuẫn không hiển nhiên, cho hành vi thiểu số rồi sẽ trở thành xu hướng, cho điều mà cả ngành hàng đã bỏ lỡ. Một công cụ có xu hướng hướng về mức trung bình rất hữu ích để loại bỏ ý tưởng. Nhưng lại rủi ro khi dùng để tìm ra ý tưởng.
Cũng nên để ý ai là người đang kể những câu chuyện này. Phần lớn các câu chuyện thành công đến từ chính nhà cung cấp và khách hàng của họ. Đó không phải lý do để gạt bỏ chúng. Đó là lý do để kiểm chứng.
Vì sao chuyện này cứ lặp lại: hiệu ứng ảo tưởng dữ liệu
Nghiên cứu tổng hợp có sức thuyết phục vì một lý do chẳng mấy liên quan đến độ chính xác. Hãy gọi đó là hiệu ứng ảo tưởng dữ liệu: một câu trả lời càng trông giống dữ liệu, ta càng tin nó, bất kể dữ liệu đó được tạo ra như thế nào. Đây là họ hàng gần của điều mà các nhà tâm lý học gọi là ảo tưởng về tính xác thực (illusion of validity), thói quen cảm thấy tự tin vào những phán đoán có rất ít giá trị dự đoán.
Kết quả tổng hợp xuất hiện trôi chảy, được định lượng và dán nhãn gọn gàng. Hãy tưởng tượng một panel mô phỏng gồm “người mua sắm Gen Z có ý thức bảo vệ môi trường” báo cáo rằng phần lớn sẵn sàng trả nhiều tiền hơn cho bao bì có thể nạp lại. Nó đọc lên như một phát hiện. Thực ra đó là ước tính của một mô hình về những gì những người như vậy có thể nói. Đưa nó lên slide kèm một tỷ lệ phần trăm, và đến thứ Ba nó đã thành sự thật.
Insight nằm bên dưới là điều mà mọi planner nên ghim ngay trên bàn làm việc: dữ liệu hé lộ các khuôn mẫu, nhưng không thể định nghĩa bản chất con người. Khuôn mẫu rất hữu ích. Nhưng chúng không phải là con người.
Tôi nên dùng nguồn dữ liệu khán giả nào cho mục đích gì?
Không có nguồn nào tự nó đáng tin cậy. Độ tin cậy đến từ việc kết hợp những nguồn có điểm yếu không trùng lặp nhau.
| Nguồn | Phù hợp nhất cho | Điểm yếu | Cách kiểm chứng |
|---|---|---|---|
| Khán giả tổng hợp | Giả thuyết nhanh, phản ứng với kịch bản và concept, bản nháp brief | Điều bất ngờ, quan điểm thiểu số, các nhận định mang tính thống kê | Truy về hành vi quan sát được; chạy một thử nghiệm thực tế nhỏ |
| Khảo sát và panel | Thái độ được nêu ra, ở quy mô lớn | Những gì người ta thực sự làm; tốc độ | So sánh với dữ liệu hành vi |
| Nội dung đã đăng tải và thảo luận trên mạng xã hội | Những gì người ta tự nói ra, bằng chính lời của họ; hoạt động của đối thủ | Những người hiếm khi đăng bài | Đọc các bài đăng đứng sau mỗi kết luận |
| Dữ liệu first-party và dữ liệu chiến dịch | Những gì khách hàng của bạn thực sự đã làm | Những người chưa trở thành khách hàng | Thử nghiệm tính gia tăng |
| Phỏng vấn định tính | Động cơ, chiều sâu, câu hỏi “vì sao” | Quy mô và tốc độ | Đối chiếu chéo với các nguồn ở trên |
Agency giữ cho khán giả tổng hợp trung thực bằng cách nào?
- Hỏi xem nó được xây dựng trên nền tảng gì. Những nguồn nào, mới đến đâu, bao lâu được cập nhật một lần. Một nhà cung cấp không trả lời được là đang yêu cầu bạn giao tiền của khách hàng cho một chiếc hộp đen.
- Dùng dữ liệu tổng hợp để tạo giả thuyết, không phải kết luận. Hãy để panel thu hẹp mười hướng tiếp cận xuống còn ba. Đừng để nó chọn ra người chiến thắng.
- Neo mỗi giả thuyết vào hành vi quan sát được. Kiểm tra xem người thật có thực sự đang nói, chia sẻ hoặc làm điều mà panel dự đoán hay không. Nếu không tìm thấy bằng chứng, hãy coi phát hiện đó là chưa được chứng minh.
- Kiểm chứng trên thị trường những quyết định quan trọng. Theo Digiday, Goodway sẽ dùng công cụ của Arima để chạy thử nghiệm incrementality trong môi trường mô phỏng rồi kiểm tra kết quả bằng các hoạt động media quy mô nhỏ. Đó là bản năng đúng đắn.
- Gắn nhãn mọi insight trong slide. Đánh dấu mỗi insight là tổng hợp, quan sát hay đo lường. Khách hàng xứng đáng được biết đâu là loại nào, và đội chiến lược của chính bạn cũng vậy.
- Chỉ định một người hoài nghi chuyên nghiệp. Digiday ghi nhận rằng các đội “phải duy trì sự hoài nghi chuyên nghiệp đối với các phát hiện của mình”. Hãy giao cho một người nhiệm vụ đặt câu hỏi: làm sao chúng ta biết nếu điều này sai?
Nội dung thực tế đã đăng tải đóng vai trò gì?
Nội dung đã đăng tải là điểm neo. Những gì khán giả và đối thủ thực sự đăng tải là tự phát, cụ thể và có ngày tháng rõ ràng, nên có thể kiểm chứng được. Nó cũng có điểm mù riêng, vì nó phản ánh quá mức những người hay đăng bài, đó là lý do nó hiệu quả nhất khi được dùng cùng các nguồn khác trong bảng.
Đây là nguyên tắc đằng sau Defy Monitor: mọi kết luận của AI đều truy ngược được về các bài đăng thực tế đứng sau nó, nhờ đó chiến lược được xây dựng ngược từ những gì khán giả và đối thủ thực sự đăng tải chứ không phải từ khảo sát. Persona được phân cụm từ các cuộc thảo luận thực, mang lại cho các phát hiện tổng hợp một nền tảng vững chắc để đối chiếu. Bạn có thể xem cách tính năng này nằm trong tổng thể nền tảng Defy.
Khán giả tổng hợp sẽ còn tồn tại lâu dài, và chúng sẽ giúp agency làm việc nhanh hơn. Những agency giữ được uy tín sẽ là những agency có thể chỉ ra, với mọi nhận định, những con người thật đứng sau nó.
