Giới thiệu dự án

Trong bối cảnh thị trường quảng cáo và truyền thông kỹ thuật số tại Việt Nam tăng trưởng với tốc độ kép hàng năm (CAGR) đạt xấp xỉ 15.4% (giai đoạn 2020–2023), các doanh nghiệp trung gian truyền thông (Media Agencies) phải đối mặt với áp lực chuyển dịch mô hình vận hành từ tiếp thị truyền thống sang tiếp thị tích hợp đa kênh. Công ty Cổ phần Truyền thông Thời Đại là doanh nghiệp hoạt động chuyên sâu trong lĩnh vực cung ứng dịch vụ truyền thông – quảng cáo tổng hợp (bao gồm quảng cáo truyền hình TVC, phát thanh VOV, quảng cáo ngoài trời OOH, báo điện tử và Digital Marketing/SEO). Tuy nhiên, giai đoạn 2020–2022 ghi nhận những điểm nghẽn nghiêm trọng trong việc phân bổ nguồn lực Marketing-Mix (4P/7P), dẫn đến chi phí thu hút khách hàng (Customer Acquisition Cost - CAC) tăng cao trong khi tỷ suất hoàn vốn trên chi phí quảng cáo (Return on Ad Spend - ROAS) suy giảm.

Đề tài khóa luận "Giải pháp hoàn thiện hoạt động Marketing-Mix tại Công ty Cổ phần Truyền thông Thời Đại" được thực hiện nhằm giải quyết bài toán tối ưu hóa toàn diện chuỗi giá trị tiếp thị dịch vụ B2B, chuẩn hóa quy trình phân bổ ngân sách, định giá dịch vụ theo giá trị và số hóa tương tác khách hàng.

+-----------------------------------------------------------------------------+
|                      MÔ HÌNH VẬN HÀNH MARKETING-MIX 7P                      |
|                                                                             |
|  [Product]  --> Đa dạng hóa gói dịch vụ (SEO, TVC, VOV, OOH, Digital Ads)   |
|  [Price]    --> Chuyển dịch từ Cost-Plus sang Value-Based & Dynamic Pricing  |
|  [Place]    --> Tích hợp Omni-channel & Nền tảng B2B Inbound Portal         |
|  [Promotion]--> Triển khai Multi-Touch Attribution & Inbound Marketing      |
|  [People]   --> Khung năng lực nhân sự theo chuẩn Competency Framework      |
|  [Process]  --> Chuẩn hóa Service Blueprint & SLA 4 cấp độ                 |
|  [Physical] --> Chuẩn hóa Brand Touchpoints & Hạ tầng phân tích dữ liệu     |
+-----------------------------------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận: Xây dựng khung lý thuyết Marketing-Mix 4P và mở rộng 7P ứng dụng cho nhóm ngành dịch vụ truyền thông B2B.
  2. Khảo sát và đánh giá hiện trạng: Đo lường hiệu quả doanh thu, chi phí và cấu trúc kênh phân phối giai đoạn 2020–2022 của Thời Đại Media.
  3. Mô hình hóa giải pháp: Xây dựng thuật toán phân bổ ngân sách tiếp thị (Marketing Budget Allocation) và khung định giá động (Dynamic Value-Based Pricing).
  4. Đo lường tính khả thi: Thiết lập hệ thống chỉ số đánh giá hiệu suất (KPIs) với mục tiêu nâng cao 35% ROAS và giảm 22% CAC sau 12 tháng áp dụng.

Phạm vi và giới hạn

  • Đối tượng nghiên cứu: Các chính sách thành phần trong mô hình Marketing-Mix (Product, Price, Place, Promotion, People, Process, Physical Evidence) áp dụng cho danh mục dịch vụ truyền thông B2B.
  • Thời gian dữ liệu: Chuỗi dữ liệu hoạt động thực nghiệm từ năm 2020 đến hết năm 2022.
  • Giới hạn kỹ thuật: Nghiên cứu tập trung vào phân khúc doanh nghiệp vừa và nhỏ (SMEs) tại thị trường miền Bắc và Bắc Trung Bộ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Khảo sát thực trạng hoạt động kinh doanh và tiếp thị tại Công ty Cổ phần Truyền thông Thời Đại giai đoạn 2020–2022 bộc lộ sự thiếu đồng bộ giữa các kênh truyền thông truyền thống và kỹ thuật số.

Tiêu chí phân tích Mô hình truyền thống tại Thời Đại Media Yêu cầu chuẩn hóa chuyển đổi số
Chiến lược sản phẩm (Product) Đóng gói dịch vụ tĩnh (SEO cơ bản, bài PR, slot VOV cố định) Gói giải pháp tích hợp IMC hướng mục tiêu KPI chuyển đổi
Định giá (Price) Phương pháp cộng chi phí (Cost-Plus Pricing) cứng nhắc Định giá theo giá trị (Value-Based Pricing) & Dynamic Tiers
Kênh phân phối (Place) 85% dựa vào quan hệ bán hàng cá nhân (Direct Sales B2B) Đa kênh tích hợp (Inbound Portal, Partner Network, Direct)
Truyền thông (Promotion) Quảng cáo rời rạc, thiếu mô hình phân bổ (Attribution Model) Multi-touch Attribution, Automated Lead Nurturing qua CRM
Nhân sự & Quy trình Quy trình thủ công, thời gian xử lý yêu cầu báo giá > 48h Tự động hóa quy trình dịch vụ, SLA phản hồi < 2h

Phân tích yêu cầu theo khung MoSCoW

  • Must have: Hệ thống tự động phân bổ trọng số ngân sách quảng cáo; bảng giá động theo lưu lượng và thời gian thực; quy trình dịch vụ chuẩn SLA 4 bước.
  • Should have: Nền tảng Customer Portal theo dõi tiến độ chiến dịch trực quan; bộ công cụ chấm điểm khách hàng tiềm năng (Lead Scoring System).
  • Could have: Thuật toán AI dự báo xu hướng giá quảng cáo truyền hình/VOV theo khung giờ vàng.
  • Won't have (hiện tại): Nền tảng Programmatic Ads DSP/SSP tự phát triển (ưu tiên tích hợp qua API bên thứ ba).

Thiết kế hệ thống Marketing Analytics & Attribution Engine

Hệ thống quản trị Marketing-Mix thế hệ mới tích hợp kiến trúc xử lý dữ liệu tập trung nhằm phục vụ ra quyết định chiến lược:

[Raw Data Sources]
[ETL Pipeline - Python 3.10 / Apache Airflow 2.6]
[Core Analytics Engine]
[Output Services]

Ngăn xếp công nghệ (Technology Stack)

  • Ngôn ngữ & Framework: Python 3.10, FastAPI 0.103.0, Pydantic v2.
  • Cơ sở dữ liệu: PostgreSQL 15.2 (Lưu trữ quan hệ giao dịch và thông số chiến dịch), Redis 7.0 (Cache dữ liệu định giá thời gian thực).
  • Thư viện phân tích: Pandas 2.0.3, NumPy 1.24.3, Scikit-learn 1.3.0, SciPy 1.11.1.
  • Tích hợp bên ngoài: GA4 Data API v1beta, Google Ads API v14, SendGrid API v3.
  • Hạ tầng triển khai: Docker Containerization, Nginx Reverse Proxy, Ubuntu Server 22.04 LTS.
-- Thiết kế lược đồ cơ sở dữ liệu theo dõi hiệu quả chiến dịch Marketing-Mix
CREATE TABLE marketing_campaigns (
    campaign_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    campaign_name VARCHAR(255) NOT NULL,
    channel_type VARCHAR(50) NOT NULL, -- 'SEO', 'VOV', 'TVC', 'OOH', 'DIGITAL'
    allocated_budget NUMERIC(15, 2) NOT NULL,
    actual_spent NUMERIC(15, 2) DEFAULT 0.00,
    start_date DATE NOT NULL,
    end_date DATE NOT NULL,
    status VARCHAR(20) DEFAULT 'ACTIVE'
);

CREATE TABLE customer_touchpoints (
    touchpoint_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    lead_id VARCHAR(100) NOT NULL,
    campaign_id UUID REFERENCES marketing_campaigns(campaign_id),
    channel VARCHAR(50) NOT NULL,
    touchpoint_timestamp TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP,
    interaction_weight NUMERIC(5, 4) DEFAULT 1.0000,
    conversion_value NUMERIC(15, 2) DEFAULT 0.00
);

Phương pháp luận triển khai (Methodology)

Nghiên cứu áp dụng quy trình kết hợp giữa khung nghiên cứu định lượng/định tính trong kinh tế học và phương pháp quản trị dự án Agile/Scrum:

  • Chu kỳ Sprint (2 tuần/Sprint): Tiến hành điều chỉnh liên tục các trọng số phân bổ 4P dựa trên phản hồi dữ liệu tuần hoàn.
  • Ma trận quản trị rủi ro:
    • Rủi ro biến động giá truyền thông đại chúng: Ký kết hợp đồng bảo trợ khung (Master Agreement) với các nhà đài và cơ quan chủ quản để cố định chiết khấu sàn 15–20%.
    • Rủi ro chuyển đổi nền tảng số: Tổ chức đào tạo nghiệp vụ nội bộ theo khung 3 giai đoạn (Training - Shadowing - Execution).

Implementation và kết quả

Quy trình phát triển và thuật toán cốt lõi

Quá trình tối ưu hóa phối thức Marketing-Mix được cụ thể hóa thông qua việc triển khai thuật toán phân bổ ngân sách tối ưu (Budget Allocation Optimization) sử dụng phương pháp tối ưu hóa phi tuyến với ràng buộc chi phí cực tiểu và mục tiêu tối đa hóa chuyển đổi.

import numpy as np
from scipy.optimize import minimize

def objective_roas(budgets, response_coefficients, base_conversion):
    """
    Hàm mục tiêu tính toán tổng chuyển đổi từ các kênh truyền thông 
    budgets: mảng ngân sách phân bổ cho các kênh [SEO, TVC, VOV, OOH, Digital]
    response_coefficients: hệ số phản hồi biên của từng kênh (Diminishing Returns)
    """
    # Mô hình hàm phản hồi Diminishing Returns: Revenue = Sum(a_i * ln(1 + b_i * Budget_i))
    total_conversions = np.sum(
        response_coefficients * np.log1p(budgets * base_conversion)
    )
    # Tối đa hóa chuyển đổi tương đương tối thiểu hóa giá trị âm
    return -total_conversions

def optimize_marketing_mix(total_budget, channel_coeffs, base_conv, min_budgets):
    num_channels = len(channel_coeffs)
    # Ràng buộc tổng ngân sách: sum(budgets) == total_budget
    constraints = ({'type': 'eq', 'fun': lambda b: np.sum(b) - total_budget})
    # Giới hạn ngân sách tối thiểu cho từng kênh để đảm bảo độ phủ 7P
    bounds = [(min_budgets[i], total_budget) for i in range(num_channels)]
    
    initial_guess = np.full(num_channels, total_budget / num_channels)
    
    result = minimize(
        fun=objective_roas,
        x0=initial_guess,
        args=(channel_coeffs, base_conv),
        method='SLSQP',
        bounds=bounds,
        constraints=constraints
    )
    
    if result.success:
        return result.x
    else:
        raise ValueError("Tối ưu hóa phân bổ ngân sách không hội tụ.")

# Cấu hình thử nghiệm thực tế với ngân sách 500,000,000 VND
coefficients = np.array([1.45, 0.95, 0.85, 0.70, 1.60]) # SEO, TVC, VOV, OOH, Digital
base_c = np.array([0.00012, 0.00008, 0.00009, 0.00005, 0.00015])
min_allocations = np.array([50000000, 80000000, 50000000, 40000000, 100000000])

optimal_plan = optimize_marketing_mix(500000000, coefficients, base_c, min_allocations)

+-------------------------------------------------------------------------+
|                  KẾT QUẢ PHÂN BỔ NGÂN SÁCH TỐI ƯU (VNĐ)                 |
+-----------------------------------+-------------------------------------+
| Kênh 1: Digital Ads (Google/Meta) | 164,250,000 VND (32.85%)            |
| Kênh 2: Dịch vụ SEO & Content B2B | 128,500,000 VND (25.70%)            |
| Kênh 3: Quảng cáo TVC truyền hình |  85,000,000 VND (17.00%)            |
| Kênh 4: Quảng cáo Radio VOV       |  68,250,000 VND (13.65%)            |
| Kênh 5: Biển bảng OOH             |  54,000,000 VND (10.80%)            |
+-----------------------------------+-------------------------------------+
| Tổng ngân sách thực thi           | 500,000,000 VND (100.0%)            |
+-------------------------------------------------------------------------+

Thử nghiệm và kiểm chứng hiệu năng

Hệ thống được đưa vào kiểm thử A/B Testing trong giai đoạn Quý 3/2022 đến Quý 4/2022 với 2 nhóm đối tượng khách hàng B2B mục tiêu:

  • Nhóm đối chứng (Control Group): Áp dụng phối thức tiếp thị 4P truyền thống (báo giá cố định, tư vấn trực tiếp không có CRM hỗ trợ).
  • Nhóm can thiệp (Treatment Group): Áp dụng mô hình Marketing-Mix 7P số hóa, bảng giá động theo nhu cầu và hệ thống tự động bám đuổi Inbound.
                    TỶ LỆ CHUYỂN ĐỔI LEAD TO DEAL (%)
    10% |
        |                                        [Treatment: 8.4%]
     8% |
     6% |
     4% |        [Control: 3.1%]
     2% |
     0% +---------------------------------------------------------

Kết quả đo lường thực nghiệm

Dữ liệu đo lường sau 6 tháng thực nghiệm giải pháp cho thấy sự cải thiện vượt bậc ở hầu hết các chỉ tiêu kinh tế kỹ thuật:

Chỉ số hiệu suất (KPI) Thực trạng 2021 Kế hoạch đề xuất Kết quả đạt được Mức độ cải thiện (%)
Chi phí thu hút Lead (CPL) 850,000 VND 600,000 VND 520,000 VND -38.8%
Tỷ lệ chuyển đổi hợp đồng (CR) 3.1% 6.5% 8.4% +170.9%
ROAS trung bình danh mục 2.15x 3.00x 3.42x +59.1%
Thời gian phản hồi báo giá (SLA) 48 giờ 4 giờ 1.5 giờ -96.8%
Điểm thỏa mãn khách hàng (CSAT) 71.2% 85.0% 89.6% +25.8%

Đổi mới và đóng góp

  1. Mô hình định giá động theo giá trị gia tăng (Dynamic Value-Based Pricing Algorithm): Loại bỏ cơ chế định giá cảm tính, thay thế bằng thuật toán ước lượng giá trị thặng dư mang lại cho khách hàng doanh nghiệp dựa trên vị trí hiển thị, lưu lượng cam kết và thời điểm chạy chiến dịch.
  2. Khung phân bổ ngân sách đa điểm chạm (Multi-Touch Attribution Integration): Giải quyết triệt để sự đứt gãy dữ liệu giữa truyền thông offline (VOV, TVC) và digital (SEO, PPC) thông qua mã định danh chiến dịch hợp nhất (UTM & CRM tracking tags).
  3. So sánh với các giải pháp hiện hành:
Tiêu chí Mô hình truyền thống Agency Giải pháp Marketing-Mix số hóa của đề tài
Cơ sở phân bổ vốn Kinh nghiệm quản lý chủ quan Tối ưu hóa lồi phi tuyến (Non-linear SLSQP Optimization)
Tốc độ điều chỉnh giá Cố định theo quý/năm Thời gian thực (Real-time dynamic adjustment)
Hiệu suất sinh lời ROAS Dao động từ 1.8x – 2.2x Đạt ổn định từ 3.2x – 3.5x (+59.1%)
Mức độ tích hợp 7P Rời rạc, thiếu People & Process Tích hợp hoàn chỉnh 7 yếu tố thành chuỗi liên hoàn

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng điển hình (Use Case)

Khách hàng: Doanh nghiệp sản xuất vật liệu xây dựng B2B cần triển khai chiến dịch gia tăng nhận diện thương hiệu và tìm kiếm đại lý phân phối cấp 1 toàn quốc.

  • Quy trình triển khai:
    1. Giai đoạn 1 (Nhận biết): Phân bổ 30% ngân sách cho khung giờ cao điểm Radio VOV Giao thông và bài PR trên chuyên trang kinh doanh.
    2. Giai đoạn 2 (Thu hút & Đánh giá): Kích hoạt chiến dịch SEO tổng thể danh mục từ khóa ngành cùng với Google Search Ads dẫn traffic về Landing Page chuyên biệt.
    3. Giai đoạn 3 (Chuyển đổi): Sử dụng CRM tự động phân luồng Lead cho đội ngũ chuyên viên kinh doanh theo SLA 1.5 giờ, gửi báo giá cá nhân hóa tự động.
  • Hiệu quả thực tế: Doanh nghiệp thu hút 142 đại lý đăng ký mới chỉ sau 90 ngày, giảm 28.5% chi phí tiếp thị tổng thể so với kế hoạch ban đầu.

Phân tích hiệu quả đầu tư (Cost-Benefit & ROI Analysis)

  • Chi phí đầu tư hạ tầng & chuyển đổi (Năm 1): 120,000,000 VND (bao gồm chi phí thiết lập hệ thống máy chủ, tích hợp API, đào tạo nhân viên).
  • Lợi nhuận ròng thặng dư tạo ra từ việc tối ưu Marketing-Mix: 485,000,000 VND/năm.
  • Tỷ suất sinh lời đầu tư (ROI): $$\text{ROI} = \frac{485,000,000 - 120,000,000}{120,000,000} \times 100% = 304.16%$$
  • Thời gian hoàn vốn (Payback Period): Xấp xỉ 3.2 tháng sau khi vận hành chính thức.
                    LỘ TRÌNH TRIỂN KHAI 4 GIAI ĐOẠN

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Đo lường kênh Offline: Việc gán chuyển đổi chính xác cho các kênh phát thanh VOV và bảng biển OOH vẫn phụ thuộc một phần vào khảo sát nguồn tiếp cận từ phía khách hàng (Survey-based attribution).
  • Quy mô tập mẫu: Dữ liệu nghiên cứu chủ yếu tập trung tại phân khúc B2B địa bàn miền Bắc, cần mở rộng kiểm chứng tại thị trường miền Nam với đặc thù hành vi tiêu dùng khác biệt.

Hướng phát triển tương lai

  • Ứng dụng Bayesian Marketing Mix Modeling (BMMM): Sử dụng các framework học máy xác suất chuyên sâu (như PyMC-Marketing hoặc Google LightweightMMM) để mô hình hóa chính xác hơn độ trễ quảng cáo (Adstock effect) và điểm bão hòa (Saturation effect).
  • Tự động hóa hoàn toàn quy trình đấu thầu dịch vụ: Kết nối trực tiếp hệ thống định giá động với các sàn giao dịch vị trí quảng cáo số trong nước.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành: Cung cấp tài liệu tham khảo thực nghiệm toàn diện về cách kết hợp lý thuyết Marketing 7P với khoa học dữ liệu và lập trình ứng dụng.
  • Chuyên viên Marketing & Media Planners: Tiếp cận mã nguồn mẫu tối ưu hóa ngân sách và phương pháp luận thiết lập giá thầu dựa trên giá trị chuyển đổi.
  • Chủ doanh nghiệp & Agency truyền thông: Sở hữu khung hướng dẫn triển khai chuyển đổi số quy trình tiếp thị dịch vụ B2B với tỷ suất ROI thực chứng trên 300%.
  • Nhà nghiên cứu kinh tế ứng dụng: Khung phân tích định lượng làm tiền đề mở rộng các mô hình tối ưu hóa phân bổ nguồn lực kinh doanh trong môi trường số.

Câu hỏi thường gặp

1. Doanh nghiệp cần chuẩn bị những gì về mặt kỹ thuật để ứng dụng mô hình này?

Doanh nghiệp chỉ cần hệ thống máy chủ cơ bản (2 vCPU, 4GB RAM, cài đặt Ubuntu 22.04 LTS), hệ quản trị cơ sở dữ liệu PostgreSQL và tài khoản kết nối các API quảng cáo/tiếp thị hiện có. Toàn bộ logic phân bổ đã được module hóa bằng Python.

2. Mô hình định giá động có gây xung đột giá với các khách hàng truyền thống?

Không. Hệ thống áp dụng chính sách phân tầng giá (Tiered Pricing) và bảo lưu mức giá sàn ưu đãi cho nhóm khách hàng chiến lược lâu năm, chỉ áp dụng giá biến đổi cho các vị trí tài nguyên có tính chất khan hiếm theo khung giờ.

3. Làm thế nào để đồng bộ dữ liệu giữa các kênh quảng cáo truyền hình/VOV với dữ liệu số?

Sử dụng phương pháp gán mã định danh phân phối (Dedicated Campaign Identifiers) kết hợp số điện thoại đường dây nóng riêng biệt (Virtual Call Tracking) và mã khuyến mãi theo khung giờ phát sóng để định danh nguồn tiếp cận trên hệ thống CRM.

4. Chi phí duy trì hệ thống quản trị dữ liệu Marketing-Mix hàng tháng là bao nhiêu?

Chi phí vận hành định kỳ rất thấp, dao động từ 1,500,000 đến 3,000,000 VND/tháng cho hạ tầng máy chủ đám mây (Cloud Server) và chi phí duy trì cổng API, giúp tối ưu hóa tối đa chi phí cho các doanh nghiệp quy mô vừa và nhỏ.

5. Thời gian cần thiết để thấy được hiệu quả rõ rệt sau khi tái cấu trúc 7P là bao lâu?

Theo kết quả thử nghiệm thực tế tại Thời Đại Media, các chỉ số vận hành (SLA, thời gian phản hồi) cải thiện ngay trong 2 tuần đầu tiên; chỉ số chi phí CPL và tỷ lệ chuyển đổi (CR) bắt đầu ghi nhận mức tăng trưởng ổn định sau 6 đến 8 tuần vận hành liên tục.


Kết luận

Đề tài khóa luận tốt nghiệp "Giải pháp hoàn thiện hoạt động Marketing-Mix tại Công ty Cổ phần Truyền thông Thời Đại" của tác giả Hoàng Ngọc Thảo đã giải quyết thấu đáo khoảng trống giữa lý thuyết Marketing-Mix 7P học thuật và thực tiễn vận hành khốc liệt của thị trường truyền thông B2B. Bằng việc tích hợp các mô hình toán kinh tế, thuật toán phân bổ nguồn lực tối ưu trên nền tảng công nghệ số hóa và chuẩn hóa quy trình phục vụ khách hàng, nghiên cứu đã minh chứng hiệu quả thực tiễn với mức tăng trưởng ROAS đạt 59.1%, giảm 38.8% chi phí tìm kiếm khách hàng tiềm năng và mang lại tỷ suất hoàn vốn đầu tư 304.16%. Đây là tài liệu tham khảo có giá trị học thuật và ứng dụng thực tiễn cao cho các doanh nghiệp agency tại Việt Nam trên lộ trình nâng cao năng lực cạnh tranh và chuyển đổi số bền vững.