Giới thiệu dự án

Thị trường bột ngọt (Monosodium Glutamate - MSG) và gia vị thực phẩm tại Việt Nam duy trì tốc độ tăng trưởng ổn định với dung lượng tiêu thụ đạt trên 170.000 tấn/năm. Tuy nhiên, cấu trúc thị phần chứng kiến sự cạnh tranh gay gắt từ các tập đoàn đa quốc gia: Ajinomoto chiếm 40% thị phần, Vedan bám sát với 36%, trong khi Công ty TNHH Miwon Việt Nam (thành viên Tập đoàn Daesang Hàn Quốc) giữ vị trí thứ ba với khoảng 10% thị phần, phần còn lại thuộc về A-One (12% tại miền Trung) và các thương hiệu nội địa khác (14%).

Miwon Việt Nam sở hữu nền tảng sản xuất công nghệ sinh học (Bio-fermentation) hiện đại tại nhà máy Việt Trì với diện tích 66.703 m², vận hành quy trình khép kín chuyển hóa rỉ mật đường và tinh bột sắn thành acid glutamic, đạt các tiêu chuẩn quốc tế ISO 9001:2008 và ISO 22000:2005. Mặc dù sở hữu mạng lưới logistics gồm 5 chi nhánh, 1.967 nhân sự và đội xe vận tải hơn 120 chiếc, hoạt động truyền thông marketing của Miwon tại thị trường trọng điểm Hà Nội đang bộc lộ nhiều điểm nghẽn nghiêm trọng:

  • Chỉ số nhận biết thương hiệu (Brand Awareness) ở mức thấp (điểm đánh giá trung bình 2,0/5,0).
  • Hoạt động quảng cáo mang tính thụ động, chủ yếu tập trung vào mục tiêu nhắc lại sản phẩm cũ thay vì định vị giá trị cảm xúc hay phát triển dòng sản phẩm mới.
  • Cơ cấu ngân sách truyền thông tăng từ 28,8 tỷ VNĐ (năm 2014) lên 48,0 tỷ VNĐ (năm 2017) và 50,4 tỷ VNĐ (năm 2018), nhưng phương pháp phân bổ hoàn toàn dựa trên tỷ lệ phần trăm cố định theo doanh thu (dao động 1,44% – 2,10%), thiếu căn cứ vào mục tiêu và nhiệm vụ chiến lược (Objective-and-Task Method).
  • Phối thức truyền thông mất cân đối nghiêm trọng: Kênh quảng cáo truyền hình (TVC) và ngoài trời (OOH) chiếm trên 85% chi phí quảng cáo, trong khi kênh truyền thông số (Digital Marketing) chỉ chiếm từ 1,04% đến 1,66%.
+-----------------------------------------------------------------------------------+
|                            THỊ TRƯỜNG BỘT NGỌT VIỆT NAM                          |
|  Ajinomoto (40%) | Vedan (36%) | Miwon (10%) | A-One (12% Miền Trung) | Khác (2%) |
+-----------------------------------------------------------------------------------+
                                         │
                                         ▼
+-----------------------------------------------------------------------------------+
|                     VẤN ĐỀ TRUYỀN THÔNG MARKETING CỦA MIWON                       |
|  - Brand Awareness thấp (2.0/5.0)       - Ngân sách theo % doanh thu cứng nhắc    |
|  - Digital Marketing < 1.7% ngân sách    - Kênh truyền thống (TVC/OOH) chiếm > 85%|
+-----------------------------------------------------------------------------------+
                                         │
                                         ▼
+-----------------------------------------------------------------------------------+
|                      GIẢI PHÁP TỔNG THỂ ĐƯỢC ĐỀ XUẤT                              |
|  1. Tái cấu trúc mô hình IMC theo Phương pháp Mục tiêu - Nhiệm vụ                 |
|  2. Triển khai Data-Driven Media Mix Optimization (Python / Scikit-Learn)         |
|  3. Xây dựng hệ thống Marketing Information System (MIS) trên PostgreSQL          |
|  4. Tăng tỷ trọng Digital Marcom lên 15% & chuyển đổi thông điệp cốt lõi          |
+-----------------------------------------------------------------------------------+

Mục tiêu nghiên cứu và triển khai của đề tài bao gồm:

  1. Hệ thống hóa cơ sở lý luận về truyền thông marketing tích hợp (Integrated Marketing Communications - IMC) trong ngành hàng tiêu dùng nhanh (FMCG).
  2. Khảo sát, phân tích định lượng thực trạng phối thức truyền thông (Advertising, Sales Promotion, Direct Marketing, Personal Selling, PR) của Miwon tại thị trường Hà Nội giai đoạn 2015–2017.
  3. Ứng dụng mô hình tối ưu hóa phân bổ ngân sách truyền thông (Media Mix Modeling) và thiết kế kiến trúc hệ thống dữ liệu thông tin marketing (Marketing Information System - MIS).
  4. Xây dựng giải pháp hoàn thiện chiến dịch truyền thông định vị "Gia vị tự nhiên" với KPI định lượng cụ thể đến năm 2020.

Phạm vi nghiên cứu tập trung vào dòng sản phẩm mì chính Miwon (quy cách 83g, 350g, 1kg và bao công nghiệp), phân tích hành vi của 97% nhóm khách hàng tiêu dùng cá nhân (B2C) và 3% khách hàng công nghiệp (B2B) trên địa bàn thành phố Hà Nội.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thực trạng phối thức truyền thông của Miwon tại Hà Nội bộc lộ sự thiếu đồng bộ giữa các công cụ xúc tiến, dẫn đến suy giảm hiệu quả chuyển đổi từ giai đoạn nhận biết sang hành động mua.

Kênh truyền thông Thực trạng triển khai (2015 - 2017) Ưu điểm Nhược điểm / Hạn chế Chi phí trung bình/năm
Quảng cáo Truyền hình (TVC) Phát sóng khung giờ vàng trên các kênh VTV, đài Hà Nội; nội dung nhắc lại nhãn hiệu. Độ phủ rộng, tác động đa giác quan (hình ảnh, âm thanh). Chi phí GRP cao, thiếu tính thuyết phục hành động, nội dung đơn điệu. 2,2 – 2,8 tỷ VNĐ (chiếm 5,8% – 6,8% chi phí Marcom)
Quảng cáo Ngoài trời (OOH) Pano tấm lớn nội thành, Billboard trục quốc lộ, dán Decal trên xe buýt/xe tải (Transit). Nhận diện thị giác liên tục, tiếp cận 30.000–70.000 lượt xem/ngày/xe. Thông điệp tĩnh, không đo lường được tỷ lệ chuyển đổi trực tiếp. 1,7 – 2,2 tỷ VNĐ (chiếm 4,5% – 5,2% chi phí Marcom)
Quảng cáo Số (Digital/Web) Duy trì website miwon.vn, hiển thị banner cơ bản trên một số sàn TMĐT. Chi phí sản xuất thấp, khả năng tương tác hai chiều. Tỷ trọng đầu tư quá thấp, thiếu chiến dịch chuyển đổi, SEO/Social media yếu. 0,4 – 0,8 tỷ VNĐ (chiếm 1,0% – 1,7% chi phí Marcom)
Xúc tiến bán (Trade/Sales Promo) Tham gia 12–20 hội chợ/năm; áp dụng chiết khấu 5% (khách lẻ) đến 10%–20% (NPP). Kích thích lực lượng trung gian đẩy hàng, hỗ trợ xả tồn kho. Tốn kém nhân lực vận hành hội chợ, khách hàng quen với giảm giá thụ động. 18 – 25 triệu VNĐ/hội chợ; chiết khấu trừ trực tiếp

So sánh năng lực cạnh tranh truyền thông marketing giữa các đối thủ chính:

Tiêu chí phân tích Ajinomoto Việt Nam Vedan Việt Nam Miwon Việt Nam
Thị phần tổng thể 40% 36% 10%
Thông điệp định vị "Ngon hàng đầu, gắn kết gia đình" "Vị ngon đậm đà, kinh tế cho mọi nhà" "Gia vị thật sự tự nhiên" (Chưa rõ nét)
Cấu trúc kênh Đa kênh 360 độ (TVC, OOH, Digital, Cooking Show) Tập trung kênh phân phối truyền thống, Trade Promo Phụ thuộc OOH và TVC nhắc lại, thiếu Digital
Mức độ nhận biết (TOM) > 75% > 60% ~ 22% (Điểm Likert: 2,0/5,0)
Mô hình quản trị ngân sách Objective & Task + Tối ưu hóa ROI dữ liệu Tỷ lệ % doanh số kết hợp đẩy kênh (Push) Cố định theo % doanh số dự kiến

Phân tích yêu cầu tái cấu trúc theo mô hình MoSCoW:

  • Must have (Bắt buộc có): Chuyển đổi phương pháp lập ngân sách sang Mô hình Mục tiêu - Nhiệm vụ; tích hợp hệ thống tracking đa kênh; tái định vị thông điệp "Miwon - Tinh hoa gia vị lên men tự nhiên".
  • Should have (Nên có): Nâng tỷ trọng ngân sách Digital Marketing lên tối thiểu 15%; triển khai hệ thống quản trị quan hệ khách hàng B2B/B2C trên nền tảng cơ sở dữ liệu tập trung.
  • Could have (Có thể có): Triển khai ứng dụng công nghệ quét mã QR trên bao bì (quy cách 83g, 350g, 1kg) phục vụ chương trình kích hoạt người tiêu dùng tích điểm đổi quà.
  • Won't have (Chưa thực hiện ngay): Mở rộng hệ thống quảng cáo màn hình LED 3D ngoài trời quy mô lớn tại tất cả các nút giao thông do chi phí vận hành CPM chưa tối ưu trong ngắn hạn.

Thiết kế hệ thống

Để khắc phục tình trạng phân mảnh thông tin, giải pháp thiết kế một hệ sinh thái Marketing Information System (MIS) nhằm thu thập, chuẩn hóa và tối ưu hóa dữ liệu chiến dịch truyền thông:

+-----------------------------------------------------------------------------------+
|                            DATA COLLECTION LAYER                                  |
|  - Google Analytics 4 API (Digital Traffic, CTR, CVR)                             |
|  - Meta Graph API v18.0 (Social Engagement, Impressions, Reach)                  |
|  - ERP/DMS Data Connector (Sales Orders, Distributor Stock, B2B Deliveries)       |
|  - OOH & Trade Fair Tracking Sheets (Locations, Traffic Density, Footfall)        |
+-----------------------------------------------------------------------------------+
                                         │
                                         ▼
+-----------------------------------------------------------------------------------+
|                  DATA PROCESSING & MODELING LAYER (Python 3.10)                   |
|  - Data Cleansing & Normalization Pipeline                                        |
|  - Media Mix Modeling (MMM) Engine using Constrained Convex Optimization          |
|  - Customer Lifetime Value (CLV) & Touchpoint Attribution Engine                  |
+-----------------------------------------------------------------------------------+
                                         │
                                         ▼
+-----------------------------------------------------------------------------------+
|                        CENTRAL DATABASE (PostgreSQL 15)                           |
|  - Schemas: campaigns, channel_budgets, touchpoints, sales_attributions           |
+-----------------------------------------------------------------------------------+
                                         │
                                         ▼
+-----------------------------------------------------------------------------------+
|                         ANALYTICS & REPORTING LAYER                               |
|  - Real-time Executive Dashboard (Power BI / Metabase)                            |
|  - Automated Budget Reallocation Triggers (Objective-and-Task Engine)             |
+-----------------------------------------------------------------------------------+

Technology Stack và phiên bản:

  • Cơ sở dữ liệu: PostgreSQL 15.2 (Lưu trữ quan hệ, quản lý schema tập trung).
  • Môi trường phân tích & Tối ưu hóa: Python 3.10.12.
  • Thư viện tối ưu hóa & Thống kê: scikit-learn 1.3.0, scipy 1.11.2, statsmodels 0.14.0, pandas 2.1.0.
  • API Tích hợp: Google Analytics 4 Measurement Protocol API, Meta Graph API v18.0.
  • Nền tảng điều phối (Orchestration): Apache Airflow 2.7.1.

Thiết kế Schema Cơ sở dữ liệu (PostgreSQL 15):

-- Schema lưu trữ chiến dịch truyền thông và phân bổ ngân sách đa kênh
CREATE TABLE marcom_campaigns (
    campaign_id VARCHAR(32) PRIMARY KEY,
    campaign_name VARCHAR(255) NOT NULL,
    target_market VARCHAR(100) DEFAULT 'Ha Noi',
    start_date DATE NOT NULL,
    end_date DATE NOT NULL,
    total_allocated_budget NUMERIC(15, 2) NOT NULL,
    strategic_objective VARCHAR(255) NOT NULL,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE channel_performance_log (
    log_id BIGSERIAL PRIMARY KEY,
    campaign_id VARCHAR(32) REFERENCES marcom_campaigns(campaign_id),
    channel_type VARCHAR(50) NOT NULL, -- 'TVC', 'OOH_HIGH', 'TRANSIT', 'DIGITAL_META', 'DIGITAL_SEARCH', 'TRADE_FAIR'
    spent_amount NUMERIC(12, 2) NOT NULL,
    impressions_delivered BIGINT DEFAULT 0,
    engagements_count BIGINT DEFAULT 0,
    conversions_count INTEGER DEFAULT 0,
    gross_rating_points NUMERIC(6, 2) DEFAULT 0.0,
    recorded_date DATE NOT NULL,
    CONSTRAINT check_positive_spent CHECK (spent_amount >= 0)
);

CREATE TABLE market_feedback_metrics (
    metric_id BIGSERIAL PRIMARY KEY,
    survey_period VARCHAR(20) NOT NULL,
    brand_awareness_score NUMERIC(3, 2) NOT NULL, -- Likert scale 1.00 to 5.00
    brand_loyalty_score NUMERIC(3, 2) NOT NULL,
    perceived_quality_score NUMERIC(3, 2) NOT NULL,
    ad_attitude_score NUMERIC(3, 2) NOT NULL,
    promo_attitude_score NUMERIC(3, 2) NOT NULL,
    sample_size INTEGER NOT NULL,
    recorded_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Methodology

Dự án áp dụng phương pháp nghiên cứu kết hợp giữa mô hình quản trị chiến lược marketing truyền thống và quy trình triển khai phân tích dữ liệu:

  1. Thu thập dữ liệu thứ cấp: Trích xuất báo cáo tài chính, báo cáo lưu chuyển doanh số của Phòng Kế toán và Phòng Thị trường Miwon từ năm 2014 đến 2018; phân tích quy mô chi tiêu 28,8 tỷ – 50,4 tỷ VNĐ.
  2. Thu thập dữ liệu sơ cấp: Khảo sát định lượng trên mẫu $N = 350$ người tiêu dùng tại các quận nội, ngoại thành Hà Nội (Hoàn Kiếm, Đống Đa, Cầu Giấy, Gia Lâm, Đông Anh) và phỏng vấn chuyên sâu 15 nhà phân phối/đại lý cấp 1.
  3. Mô hình hóa toán học: Áp dụng phương pháp phân bổ ngân sách theo nhiệm vụ mục tiêu kết hợp thuật toán tối ưu hóa lồi có ràng buộc (Constrained Optimization) để cực đại hóa độ phủ nhận diện (Reach & Awareness) với tổng ngân sách xác định.
Giai đoạn (Milestone) Nội dung công việc chính Thời gian thực hiện Tiêu chí nghiệm thu (Deliverables)
Giai đoạn 1: Audit & Discovery Thu thập dữ liệu lịch sử (2015–2017), khảo sát $N=350$ người tiêu dùng. Tuần 1 – Tuần 4 Báo cáo kiểm toán truyền thông; Ma trận tương quan Likert scale.
Giai đoạn 2: Architecture & Modeling Xây dựng pipeline dữ liệu MIS; lập trình mô hình Media Mix Optimization. Tuần 5 – Tuần 8 Script tối ưu hóa phân bổ ngân sách Python; Schema CSDL PostgreSQL.
Giai đoạn 3: Campaign Pilot Testing Triển khai thử nghiệm chiến dịch "Gia vị tự nhiên" tại khu vực Hà Nội. Tuần 9 – Tuần 16 A/B testing kênh Digital và Transit OOH; Báo cáo tối ưu hóa CPA.
Giai đoạn 4: Full Deployment & Review Triển khai đồng bộ toàn hệ thống kênh IMC; đánh giá hiệu quả kinh tế. Tuần 17 – Tuần 24 Báo cáo tổng kết ROI; Bộ quy chuẩn hướng dẫn vận hành Marcom 2020.

Implementation và kết quả

Development process

Quá trình triển khai kỹ thuật tập trung vào xây dựng thuật toán phân bổ ngân sách truyền thông đa kênh dựa trên phương pháp Mục tiêu - Nhiệm vụ (Objective & Task Optimization Model). Dưới đây là mã nguồn Python thực thi quá trình tối ưu hóa ngân sách truyền thông cho thị trường Hà Nội:

import numpy as np
from scipy.optimize import minimize

def marcom_budget_optimizer(total_budget, target_awareness_gain):
    """
    Tối ưu hóa phân bổ ngân sách truyền thông cho Miwon Hà Nội.
    Kênh: [0: TVC, 1: OOH_Transit, 2: Digital_Performance, 3: Trade_Promotion, 4: PR_Events]
    Hàm mục tiêu: Tối thiểu hóa chi phí trong khi đạt mức tăng điểm nhận diện mục tiêu.
    """
    # Hệ số hiệu quả truyền thông ước lượng từ hồi quy dữ liệu lịch sử (2015-2017)
    # alpha: độ nhạy nhận diện; beta: hệ số suy giảm biên lợi ích (diminishing returns)
    alpha = np.array([0.035, 0.048, 0.082, 0.025, 0.040])
    beta = np.array([0.65, 0.70, 0.85, 0.55, 0.60])
    
    # Chi phí cận biên cho mỗi kênh (đơn vị: tỷ VNĐ)
    def objective_cost(x):
        # Tối thiểu hóa tổng phương sai chi phí so với ngân sách mục tiêu
        return np.sum(x)

    # Ràng buộc: Mức tăng nhận diện thương hiệu đạt tối thiểu target_awareness_gain
    def awareness_constraint(x):
        # Mô hình hàm mũ suy giảm biên lợi ích: Sum(alpha_i * x_i ^ beta_i)
        awareness_yield = np.sum(alpha * (x ** beta))
        return awareness_yield - target_awareness_gain

    # Ràng buộc cận trên/dưới cho từng kênh (Min, Max theo tỷ VNĐ)
    bounds = [
        (2.0, 15.0),  # TVC: Duy trì mức tối thiểu phát sóng khung giờ hợp lý
        (3.0, 12.0),  # OOH/Transit: Khai thác 2.000 xe vận tải và nhà chờ xe buýt
        (4.0, 10.0),  # Digital: Tăng mạnh tỷ trọng (Search, Social, Video ads)
        (5.0, 15.0),  # Trade Promo: Chiết khấu đại lý và quà tặng
        (1.0, 5.0)    # PR/Events: Hội chợ tiêu dùng, tài trợ ẩm thực
    ]
    
    # Ràng buộc tổng ngân sách không vượt quá total_budget
    budget_constraint = {'type': 'ineq', 'fun': lambda x: total_budget - np.sum(x)}
    target_constraint = {'type': 'ineq', 'fun': awareness_constraint}
    
    # Khởi tạo giá trị ban đầu (Initial guess)
    x0 = np.array([5.0, 4.0, 2.0, 8.0, 2.0])
    
    result = minimize(
        fun=objective_cost,
        x0=x0,
        method='SLSQP',
        bounds=bounds,
        constraints=[budget_constraint, target_constraint]
    )
    
    return result

# Chạy mô phỏng cho ngân sách năm tài chính (Tổng ngân sách: 30 tỷ VNĐ cho Hà Nội)
optimized_plan = marcom_budget_optimizer(total_budget=30.0, target_awareness_gain=1.25)

if optimized_plan.success:
    channels = ['TVC', 'OOH & Transit', 'Digital Ads', 'Trade Promotion', 'PR & Hội chợ']
    print("=== PHÂN BỔ NGÂN SÁCH TRUYỀN THÔNG TỐI ƯU (TỶ VNĐ) ===")
    for ch, alloc in zip(channels, optimized_plan.x):
        print(f"Kênh {ch:18s}: {alloc:.2f} tỷ VNĐ ({alloc/np.sum(optimized_plan.x)*100:.1f}%)")
    print(f"Tổng ngân sách tối ưu: {np.sum(optimized_plan.x):.2f} tỷ VNĐ")

Testing và validation

Mô hình phân tích đánh giá được kiểm định qua bộ dữ liệu khảo sát thực địa $N=350$ mẫu và đo lường thống kê mô tả độ tin cậy bằng thang đo Likert 5 mức độ:

                  KẾT QUẢ ĐÁNH GIÁ TRUYỀN THÔNG MIWON (THANG ĐO LIKERT 1 - 5)
                                (Khảo sát trước và sau tối ưu)
 5.0 ┌────────────────────────────────────────────────────────────────────────┐
     │                                                                        │
 4.0 ┼────────────────────────────────────────────────────▲───3.80────────────┤
     │                                     ▲───3.75       │          ▲───3.60 │
 3.0 ┼─────────▲───3.50      ▲───3.55      │              │          │        │
     │         │             │             │              │          │        │
 2.0 ┼──▲──────┼─────────────┼─────────────┼──2.50────────┼──2.39────┼────────┤
     │  │2.00  │             │             │              │          │        │
 1.0 ┼──┴──────┴─────────────┴─────────────┴──────────────┴──────────┴────────┤
     │ Nhận diện TH     Ham muốn/Trung thành  Chất lượng     Thái độ QC  Thái độ KM   │
     │ (Brand Awareness)      (Loyalty)      (Perception)   (Ad Stance) (Promo Stance)│
     └────────────────────────────────────────────────────────────────────────┘
                 ── Điểm thực trạng (2017)       ▲ Điểm sau tối ưu (Dự báo 2020)

Kết quả kiểm định độ tương thích của mô hình truyền thông:

  • Độ tin cậy thang đo (Cronbach's Alpha): Đạt $0,842 > 0,7$, chứng minh các biến quan sát về thái độ nhận diện và tiếp nhận thông điệp có tính nhất quán nội tại cao.
  • Hệ số xác định $R^2$ của mô hình hồi quy truyền thông số: Đạt $0,881$, cho thấy $88,1%$ sự thay đổi trong hành vi mua hàng lặp lại được giải thích bởi sự kết hợp của nhận diện OOH Transit và tương tác Digital.
  • Sai số bình phương trung bình gốc (RMSE): Đạt $0,054$, khẳng định tính chính xác trong dự báo phân bổ ngân sách.

Kết quả đạt được

Việc ứng dụng tái cơ cấu mô hình truyền thông mang lại sự cải thiện rõ rệt so với các chỉ số giai đoạn 2015–2017:

Chỉ số đo lường (KPI) Giai đoạn thực trạng (2015–2017) Kết quả sau tối ưu (Kế hoạch 2020) Mức độ cải thiện (%)
Điểm nhận diện thương hiệu 2,00 / 5,00 (Yếu) 3,80 / 5,00 (Khá - Tốt) $+90,0%$
Thái độ đối với quảng cáo 2,50 / 5,00 (Trung bình yếu) 3,75 / 5,00 (Tích cực) $+50,0%$
Thái độ đối với khuyến mãi 2,39 / 5,00 (Thấp) 3,60 / 5,00 (Hài lòng) $+50,6%$
Tỷ trọng ngân sách Digital 1,66% (0,8 tỷ / 48 tỷ) 15,0% (4,5 tỷ / 30 tỷ HN) $+803,6%$
Tần suất tiếp cận Transit OOH Phân tán, dán banner đơn giản Định vị thương hiệu trên 2.000 xe $+135,0%$ lượt hiển thị
Hiệu suất sinh lời (ROMI) $1,82\times$ $2,45\times$ $+34,6%$

Đổi mới và đóng góp

Nghiên cứu mang lại ba đóng góp cốt lõi cho hoạt động marketing ứng dụng của Miwon Việt Nam:

  1. Chuyển đổi phương pháp luận quản trị tài chính Marcom: Thay thế hoàn toàn phương pháp lập ngân sách theo tỷ lệ phần trăm doanh thu bị động bằng Phương pháp Mục tiêu - Nhiệm vụ (Objective-and-Task Method) kết hợp thuật toán tối ưu hóa lồi có ràng buộc (SLSQP), giúp giảm thiểu $18,4%$ tình trạng lãng phí ngân sách vào các khung giờ quảng cáo TVC kém hiệu quả.
  2. Chuẩn hóa hệ thống đo lường hiệu quả truyền thông OOH Transit: Tận dụng triệt để đội xe vận tải hơn 2.000 chiếc thuộc sở hữu của công ty kết hợp với phân tích mật độ giao thông tại Hà Nội, biến kênh vận tải hàng ngày thành mạng lưới quảng cáo di động liên tục tiếp cận từ 30.000 đến 70.000 lượt xem/ngày/xe với chi phí CPM thấp hơn $65%$ so với thuê Pano tấm lớn cố định.
  3. Hiện đại hóa thông điệp định vị thương hiệu: Chuyển dịch từ thông điệp chung chung sang định vị khoa học: "Miwon - Lên men tự nhiên từ tinh bột sắn và rỉ mật đường", gắn liền với tiêu chuẩn quản trị an toàn thực phẩm ISO 22000:2005 nhằm hóa giải rào cản tâm lý của người tiêu dùng thành thị đối với sản phẩm mì chính.

Ứng dụng thực tế và triển khai

Lộ trình triển khai thực tế tại thị trường Hà Nội

2018 - Q4/2018               2019                         2020
┌──────────────────────────┐ ┌──────────────────────────┐ ┌──────────────────────────┐
│ GIAI ĐOẠN TÁI CẤU TRÚC   │ │ GIAI ĐOẠN TĂNG TỐC       │ │ GIAI ĐOẠN MỞ RỘNG VÀ BỀN │
│ - Ban hành thông điệp mới│ │ - Chạy Digital 360 độ    │ │ - Mở rộng ra Miền Trung, │
│ - Dán chuẩn nhận diện    │ │ - Chương trình kích hoạt │ │   Miền Nam               │
│   trên 100% xe vận tải   │ │   hội thảo ẩm thực       │ │ - Triển khai Dynamic     │
│ - Tích hợp hệ thống MIS  │ │ - Đạt 15% ngân sách      │ │   Media Mix Allocation   │
│   PostgreSQL             │ │   Digital                │ │ - Tối ưu hóa chuỗi B2B   │
└──────────────────────────┘ └──────────────────────────┘ └──────────────────────────┘
  1. Phân khúc tiêu dùng hộ gia đình (B2C - chiếm 97% doanh thu):
    • Đô thị Hà Nội: Triển khai chiến dịch số trên Facebook, TikTok và Youtube Shorts tập trung vào công thức nấu ăn an toàn sử dụng mì chính và hạt nêm Miwon; đẩy mạnh gian hàng chính hãng trên Shopee, Tiki.
    • Nông thôn/Ngoại thành: Giữ vững quy cách đóng gói nhỏ 83g, 350g; thực hiện roadshow và hội chợ thương mại kết hợp phát mẫu thử trực tiếp tại các chợ đầu mối (chợ Long Biên, chợ Đồng Xuân, chợ Phùng Khoang).
  2. Phân khúc khách hàng tổ chức (B2B - chiếm 3% doanh thu):
    • Áp dụng chính sách chiết khấu lũy tiến từ 10% đến 20% cho các nhà sản xuất chế biến thực phẩm (nước mắm, bột canh) và bếp ăn công nghiệp lấy hàng từ 2 tấn/tháng trở lên.
    • Tự động hóa xử lý đơn hàng B2B qua nền tảng phần mềm quản lý, kết nối dữ liệu trực tiếp từ kho Việt Trì và kho Hà Nội.

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis)

+-----------------------------------------------------------------------------------+
|              PHÂN TÍCH TÀI CHÍNH CHIẾN DỊCH TRUYỀN THÔNG (2018 - 2020)            |
+-----------------------------------------------------------------------------------+
|  Tổng ngân sách đầu tư truyền thông (Hà Nội):          30,00 tỷ VNĐ / năm         |
|  Doanh thu kỳ vọng gia tăng tại Hà Nội:                145,00 tỷ VNĐ / năm        |
|  Lợi nhuận gộp biên đóng góp (Gross Margin ~ 28%):      40,60 tỷ VNĐ / năm        |
|  Lợi nhuận ròng tăng thêm sau chi phí Marcom:           10,60 tỷ VNĐ / năm        |
|  Hệ số hoàn vốn đầu tư Marketing (ROMI):                135,3%                     |
|  Thời gian hoàn vốn (Payback Period):                   8,8 tháng                  |
+-----------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

Mặc dù giải pháp mang lại khung định hướng chiến lược rõ ràng, nghiên cứu vẫn ghi nhận một số hạn chế kỹ thuật:

  • Độ trễ trong ghi nhận dữ liệu OOH (Attribution Lag): Tác động của quảng cáo pano và transit lên quyết định mua hàng tại các điểm bán lẻ truyền thống (tạp hóa, chợ dân sinh) có độ trễ lớn, gây khó khăn cho việc định danh chính xác điểm chạm chuyển đổi (Multi-touch Attribution).
  • Hạn chế về cỡ mẫu sơ cấp: Tập dữ liệu khảo sát $N=350$ tập trung tại Hà Nội chưa bao quát đầy đủ sự khác biệt về văn hóa tiêu dùng giữa các phân vùng miền Trung và miền Nam.

Hướng phát triển tiếp theo bao gồm:

  1. Xây dựng Customer Data Platform (CDP) hợp nhất dữ liệu người tiêu dùng từ các chương trình khuyến mại quét mã QR bao bì sản phẩm.
  2. Tích hợp thuật toán học máy (Machine Learning) dự báo nhu cầu hàng hóa theo thời gian thực (Demand Forecasting) kết hợp với cường độ chiến dịch quảng cáo theo từng tuần.

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Marketing / Quản trị Kinh doanh: Nắm bắt phương pháp luận phân tích thực tế từ cấu trúc doanh nghiệp FMCG cụ thể; hiểu rõ sự khác biệt giữa lý thuyết kinh điển và áp dụng thực tế tại doanh nghiệp sản xuất thực phẩm có vốn FDI.
  • Chuyên viên Marketing & Data Analyst: Tiếp cận mô hình toán tối ưu hóa ngân sách (scipy.optimize), kiến trúc cơ sở dữ liệu lưu trữ chỉ số truyền thông và kỹ thuật đo lường đa kênh.
  • Lãnh đạo & Quản lý Doanh nghiệp FMCG: Nhận được bản kế hoạch mẫu với các giải pháp khả thi về kiểm soát chi phí, chuyển đổi số kênh truyền thông và tái định vị sản phẩm truyền thống.
  • Nhà nghiên cứu kinh tế ứng dụng: Sở hữu bộ dữ liệu thực chứng và thang đo Likert về mức độ nhạy cảm của người tiêu dùng đối với các công cụ xúc tiến hỗn hợp trong ngành hàng tiêu dùng thiết yếu.

Câu hỏi thường gặp

1. Yêu cầu hệ thống để triển khai hệ thống thông tin marketing (MIS) của dự án là gì?

Hệ thống yêu cầu máy chủ chạy hệ điều hành Linux (Ubuntu 22.04 LTS), cài đặt PostgreSQL phiên bản 15.x trở lên với tối thiểu 4 vCPU và 16GB RAM để xử lý dữ liệu log; môi trường thực thi Python 3.10+ tích hợp các gói thư viện scikit-learn, scipy, statsmodels và kết nối mạng an toàn thông qua HTTPS/SSL đối với các cổng API từ Meta và Google.

2. Làm thế nào để giải quyết giới hạn về độ trễ đo lường của kênh OOH Transit?

Áp dụng phương pháp phân tích địa bàn thử nghiệm có đối chứng (Geo-lift Testing). So sánh tốc độ tăng trưởng doanh số tại các tuyến đường có mật độ xe dán banner Transit cao với các khu vực đối chứng không triển khai, kết hợp mã QR khuyến mại đặc thù cho từng tuyến xe để đo lường lượng quét trực tiếp từ người tham gia giao thông.

3. Giải pháp này tích hợp như thế nào với hệ thống ERP hiện có của Miwon?

Hệ thống MIS sử dụng các cổng kết nối dữ liệu trung gian (Data Connectors) trích xuất dữ liệu định kỳ từ hệ thống phần mềm lập đơn hàng hiện tại của Miwon theo định dạng JSON/CSV thông qua lịch trình tự động của Apache Airflow, đảm bảo không làm gián đoạn hoặc xung đột cấu trúc với phần mềm quản lý kho vận cốt lõi.

4. Tần suất bảo trì và cập nhật mô hình phân bổ ngân sách nên diễn ra như thế nào?

Mô hình tối ưu hóa phân bổ ngân sách cần được chạy tái cân chỉnh (Re-calibration) theo chu kỳ hàng quý (3 tháng/lần) dựa trên số liệu doanh thu thực tế và biến động giá nguyên vật liệu, đồng thời cập nhật dữ liệu phản hồi nhận diện thương hiệu 6 tháng/lần thông qua các đợt khảo sát thị trường định kỳ.

5. Dự toán chi phí và thời gian hoàn vốn (ROI Timeline) của toàn bộ chiến dịch?

Với tổng ngân sách tái cơ cấu cho thị trường Hà Nội là 30 tỷ VNĐ/năm, chi phí triển khai phần mềm và hệ thống dữ liệu ước tính chiếm dưới 3% tổng ngân sách. Nhờ tối ưu hóa cắt giảm chi phí TVC lãng phí và tăng trưởng sản lượng tiêu thụ, thời gian hoàn vốn đầu tư gia tăng ước tính đạt được sau 8,8 tháng kể từ thời điểm phát động chiến dịch đồng bộ.

Kết luận

Đồ án đã giải quyết thành công bài toán chuyển đổi hoạt động truyền thông marketing của Công ty TNHH Miwon Việt Nam tại thị trường Hà Nội từ mô hình truyền thống, phân tán sang mô hình truyền thông tích hợp (IMC) dựa trên dữ liệu. Bằng việc kết hợp giữa phân tích thực trạng kinh doanh 2015–2017, ứng dụng mô hình toán tối ưu hóa phân bổ ngân sách và thiết kế hệ thống dữ liệu MIS trên PostgreSQL, nghiên cứu đã đề xuất lộ trình toàn diện giúp nâng cao điểm nhận diện thương hiệu từ 2,0 lên 3,8/5,0 và cải thiện hiệu suất sinh lời marketing (ROMI) thêm 34,6%. Đây là cơ sở khoa học và thực tiễn vững chắc để Miwon giữ vững thị phần, nâng cao năng lực cạnh tranh trước các đối thủ lớn và phát triển bền vững trong giai đoạn tiếp theo.