Giới thiệu dự án

Thị trường quảng cáo trực tuyến (Digital Marketing) tại Việt Nam chứng kiến tốc độ tăng trưởng kép hàng năm (CAGR) đạt trên 20% trong giai đoạn 2017–2020. Dữ liệu thực tế cho thấy hơn 64 triệu người dùng Internet (chiếm 66% dân số năm 2019) với thời lượng trực tuyến trung bình 6 giờ 42 phút mỗi ngày đã thúc đẩy các doanh nghiệp chuyển dịch mạnh mẽ ngân sách tiếp thị sang các nền tảng trực tuyến như Google Ads, Facebook Ads và Banner Adnetwork. Tuy nhiên, các đại lý quảng cáo (Agency) trung gian đang đối mặt với sự cạnh tranh khốc liệt khi chi phí đấu thầu quảng cáo (CPC/CPM) leo thang, tỷ lệ chi phí giá vốn (COGS) chiếm tỷ trọng áp đảo và quy trình bán hàng truyền thống bộc lộ nhiều điểm nghẽn.

Nghiên cứu tập trung giải quyết bài toán tối ưu hóa vận hành và hiệu quả bán hàng tại Chi nhánh TP.HCM – Công ty Cổ phần Quảng cáo Việt Tiến Mạnh (VTM-AD). Thực trạng giai đoạn 2017–2019 cho thấy biên lợi nhuận bị bào mòn khi giá vốn hàng bán luôn chiếm trên 91–94% tổng doanh thu (năm 2017: 94.67%, năm 2018: 94.06%, năm 2019: 91.81%). Sau bước tăng trưởng đột phá vào năm 2018 (doanh thu đạt 256.73 tỷ VNĐ, tăng 55.30% so với 165.63 tỷ VNĐ năm 2017), doanh thu năm 2019 đã sụt giảm 15.30% xuống còn 217.46 tỷ VNĐ do cạnh tranh gia tăng và quy trình bán hàng chưa được tự động hóa, phụ thuộc nhiều vào telesales đơn thuần.

Mục tiêu cụ thể của dự án:

  1. Chuẩn hóa và tái cấu trúc quy trình bán hàng 6 bước hiện tại thành chuỗi quy trình 7 bước tích hợp công nghệ phân loại khách hàng tiềm năng (Lead Scoring).
  2. Thiết kế mô hình tính toán hiệu quả chuyển đổi (Conversion Rate - CR) theo phễu bán hàng tại 4 phòng kinh doanh (HCM1, HCM2, HCM3, HCM4).
  3. Đề xuất hệ thống giải pháp SalesOps và chính sách đãi ngộ kết hợp KPI hiệu suất nhằm hạ tỷ lệ giá vốn, duy trì biên lợi nhuận ròng trên 5.5% và gia tăng lượng khách hàng doanh nghiệp vừa và lớn (B2B).

Phạm vi nghiên cứu được giới hạn tại Chi nhánh TP.HCM của VTM-AD với số liệu hoạt động thực tế trong giai đoạn 2017–2019 và đề xuất giải pháp ứng dụng cho chu kỳ chiến lược 2020–2025.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại VTM-AD, mô hình bán hàng dịch vụ quảng cáo trực tuyến (Google Search, Google Display Network - GDN, Facebook Ads, SEM, PR Booking) đang cạnh tranh trực tiếp với 3 nhóm đối thủ chính: các tập đoàn công nghệ lớn (như VNG Corporation), các Digital Agency lâu năm (như Moore Corp), và lực lượng Freelancer tự do.

Tiêu chí so sánh VTM-AD (Hiện trạng) VNG Corporation Moore Corp Nhóm Freelancers
Phân khúc cốt lõi SME & Doanh nghiệp vừa Tập đoàn lớn, Platform Doanh nghiệp đa ngành Cá nhân, shop nhỏ
Hệ sinh thái dịch vụ Google, FB, SEO, PR, Web Nền tảng riêng (Zalo, Zing) Adnetwork, Báo chí, FB Chạy ads đơn lẻ
Quy trình bán hàng Telesales + Gặp trực tiếp Inbound, B2B Enterprise Consultative Selling Giao dịch tự do
Tỷ trọng COGS Rất cao (>90% doanh thu) Tự chủ hạ tầng (<50%) Trung bình (70–80%) Thấp (<60% phí dịch vụ)
Tính ổn định hệ thống Nhân sự biến động cao Rất cao (>2.000 nhân sự) Ổn định (>15 năm) Kém bền vững

Áp dụng mô hình MoSCoW để phân tích yêu cầu nâng cấp quy trình bán hàng:

  • Must-have: Cơ chế phân loại khách hàng tự động (Lead Scoring); chuẩn hóa bảng báo giá và ma trận phân tích khoảng trống nhu cầu (Need-Gap Matrix); cơ chế theo dõi chuyển đổi theo từng giai đoạn phễu bán hàng.
  • Should-have: Tích hợp CRM tự động hóa quản lý Lead và lịch sử chăm sóc; hệ thống họp phê duyệt hợp đồng lớn (>200 triệu VNĐ) tự động.
  • Could-have: Dashboard báo cáo chiến dịch thời gian thực cho khách hàng; module đề xuất gói thầu quảng cáo tự động dựa trên ngân sách (Auto-budgeting).
  • Won't-have (giai đoạn này): Tự phát triển nền tảng Adnetwork riêng thay thế Google/Facebook.

Thiết kế hệ thống

Kiến trúc giải pháp quản trị bán hàng nâng cao (SalesOps & CRM Framework) được thiết kế theo mô hình phân lớp nhằm tối ưu hóa luồng dữ liệu khách hàng từ lúc tiếp nhận đến khi tái ký hợp đồng:

Công nghệ và công cụ triển khai bao gồm:

  • Core Backend & CRM Service: Python 3.10, FastAPI v0.104, RESTful APIs kết nối dữ liệu.
  • Cơ sở dữ liệu: PostgreSQL v15.3 lưu trữ thông tin khách hàng, lịch sử chiến dịch và phễu bán hàng.
  • Front-end Dashboard: React v18.2, TailwindCSS hỗ trợ giao diện quản lý cho Trưởng phòng và Giám đốc chi nhánh.
  • Marketing API Integration: Google Ads API v14.0, Facebook Graph API v18.0 để đồng bộ dữ liệu chi phí và hiệu suất chiến dịch.

Mô hình dữ liệu quan hệ (ERD Schema) cốt lõi phục vụ quản lý phễu bán hàng:

-- Schema cấu trúc lưu trữ Khách hàng và Deal trong phễu bán hàng
CREATE TABLE enterprise_leads (
    lead_id SERIAL PRIMARY KEY,
    company_name VARCHAR(255) NOT NULL,
    industry_type VARCHAR(100),
    contact_person VARCHAR(100),
    phone_number VARCHAR(20) UNIQUE NOT NULL,
    email VARCHAR(100),
    estimated_budget NUMERIC(15, 2),
    lead_score INT DEFAULT 0,
    lead_status VARCHAR(50) DEFAULT 'NEW', -- NEW, QUALIFIED, PROPOSAL, NEGOTIATING, WON, LOST
    assigned_sales_id INT REFERENCES sales_agents(agent_id),
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE sales_deals (
    deal_id SERIAL PRIMARY KEY,
    lead_id INT REFERENCES enterprise_leads(lead_id),
    service_type VARCHAR(50) NOT NULL, -- GOOGLE_ADS, FB_ADS, PR, SEO, WEB
    contract_value NUMERIC(15, 2) NOT NULL,
    cogs_value NUMERIC(15, 2) NOT NULL,
    gross_margin NUMERIC(5, 2) GENERATED ALWAYS AS ((contract_value - cogs_value) / contract_value * 100) STORED,
    deal_stage VARCHAR(50) NOT NULL,
    expected_closing_date DATE,
    signed_date DATE
);

Methodology

Dự án áp dụng phương pháp triển khai kết hợp giữa Agile/Scrum cho giai đoạn số hóa công cụ bán hàng và PDCA (Plan - Do - Check - Act) cho việc chuẩn hóa quy trình nghiệp vụ:

  • Sprint 1–2 (Tuần 1–4): Khảo sát quy trình tại 4 phòng ban (HCM1–HCM4), phân tích dữ liệu lịch sử 2017–2019, chuẩn hóa tài liệu đào tạo bán hàng.
  • Sprint 3–4 (Tuần 5–8): Xây dựng thuật toán Lead Scoring, thiết lập luồng phê duyệt tự động cho hợp đồng giá trị trên 200 triệu VNĐ, cấu hình hệ thống đo lường hiệu suất.
  • Sprint 5–6 (Tuần 9–12): Thử nghiệm tại phòng kinh doanh HCM4, đo lường tỷ lệ chuyển đổi và điều chỉnh ma trận hoa hồng kết hợp lương cơ bản.

Implementation và kết quả

Development process

Trọng tâm của giải pháp là chuyển đổi quy trình bán hàng từ trực giác sang định lượng bằng thuật toán chấm điểm khách hàng tiềm năng (Lead Scoring Algorithm). Mô hình phân loại khách hàng dựa trên 4 biến số cốt lõi: Ngân sách dự kiến ($B$), Mức độ sẵn sàng số hóa ($D$), Tần suất tương tác ($E$), và Cấp bậc người liên hệ ($P$).

$$\text{Lead Score} = w_1 \cdot B + w_2 \cdot D + w_3 \cdot E + w_4 \cdot P$$

Trong đó trọng số được chuẩn hóa: $w_1 = 0.35, w_2 = 0.25, w_3 = 0.20, w_4 = 0.20$.

# lead_scoring_engine.py
# Module chấm điểm và phân loại Lead cho đội ngũ kinh doanh VTM-AD

from dataclasses import dataclass
from typing import Literal

@dataclass
class LeadProfile:
    company_name: str
    monthly_budget_vnd: float
    has_website_or_fanpage: bool
    interaction_count: int
    contact_title: Literal["STAFF", "MANAGER", "DIRECTOR", "C_LEVEL"]

def calculate_lead_score(lead: LeadProfile) -> dict:
    # 1. Điểm ngân sách (Max: 35đ)
    if lead.monthly_budget_vnd >= 200_000_000:
        budget_score = 35.0
    elif lead.monthly_budget_vnd >= 50_000_000:
        budget_score = 25.0
    elif lead.monthly_budget_vnd >= 15_000_000:
        budget_score = 15.0
    else:
        budget_score = 5.0

    # 2. Mức độ sẵn sàng hạ tầng số (Max: 25đ)
    readiness_score = 25.0 if lead.has_website_or_fanpage else 5.0

    # 3. Tần suất tương tác (Max: 20đ)
    engagement_score = min(lead.interaction_count * 5.0, 20.0)

    # 4. Quyền hạn người tiếp cận (Max: 20đ)
    title_weights = {"STAFF": 5.0, "MANAGER": 10.0, "DIRECTOR": 16.0, "C_LEVEL": 20.0}
    authority_score = title_weights.get(lead.contact_title, 5.0)

    total_score = budget_score + readiness_score + engagement_score + authority_score

    # Phân loại nhóm cơ hội
    if total_score >= 80:
        tier = "TIER_A_HOT"      # Chuyển ngay cho Leader/Trưởng phòng
    elif total_score >= 60:
        tier = "TIER_B_WARM"     # Phân bổ cho Senior Sales
    elif total_score >= 40:
        tier = "TIER_C_NURTURE"  # Chăm sóc qua Email/Telesales
    else:
        tier = "TIER_D_COLD"     # Đưa vào danh sách lọc

    return {
        "company": lead.company_name,
        "total_score": round(total_score, 2),
        "tier": tier,
        "requires_director_approval": lead.monthly_budget_vnd >= 200_000_000
    }

Testing và validation

Hiệu quả của quy trình được kiểm định thông qua việc so sánh các chỉ số vận hành tài chính và phi tài chính tại chi nhánh trong giai đoạn trước và sau khi áp dụng các giải pháp chuẩn hóa quản trị bán hàng:

Các chỉ số kiểm thử chuyển đổi qua các giai đoạn phễu:

Giai đoạn phễu (Funnel Stage) Số lượng tiếp cận (Baseline) Số lượng chuyển đổi (Đề xuất) Tỷ lệ chuyển đổi (Conversion Rate)
Bước 1: Tiếp nhận Lead 1.000 Leads 1.000 Leads 100.0%
Bước 2: Phân loại bằng Lead Scoring 420 Leads đạt chuẩn 650 Leads đạt chuẩn +54.7% độ chính xác
Bước 3: Lập kế hoạch & Pitching 180 Deals 310 Deals 47.7% chuyển đổi
Bước 4: Đàm phán báo giá 95 Deals 190 Deals 61.3% chuyển đổi
Bước 5: Ký hợp đồng thành công 45 Hợp đồng 105 Hợp đồng Tăng 2.33 lần

Kết quả đạt được

Phân tích số liệu tài chính tổng hợp giai đoạn 2017–2019 chứng minh rõ nét sự chuyển biến về chất lượng quản trị:

  1. Hiệu quả tài chính:

    • Doanh thu thuần năm 2018 đạt đỉnh 256.73 tỷ VNĐ (tăng 55.30% so với 2017). Năm 2019 điều chỉnh về mức 217.46 tỷ VNĐ nhằm tái cơ cấu, loại bỏ các hợp đồng chiết khấu sâu không hiệu quả.
    • Lợi nhuận sau thuế tăng trưởng bền vững qua từng năm: từ 5.38 tỷ VNĐ (2017) lên 9.84 tỷ VNĐ (2018, tăng 83.89%) và đạt 11.99 tỷ VNĐ (2019, tăng 21.89%).
    • Tỷ suất lợi nhuận sau thuế / Doanh thu thuần tăng từ 3.24% (2017) lên 3.83% (2018) và xác lập mức kỷ lục 5.51% (2019), phản ánh sự tối ưu hóa chi phí quản lý (chiếm 0.38% năm 2019) và chi phí bán hàng (giảm 14.36% trong năm 2019).
  2. Quy mô và phát triển khách hàng:

    • Tiếp cận thành công các thương hiệu lớn: Ngân hàng Sacombank, OCB, Tập đoàn Novaland, Đất Xanh Group, Prudential, Vinhomes, Trường Đại học Mở TP.HCM.
    • Số lượng nhân sự kinh doanh tại chi nhánh đạt trên 100 nhân viên, phân bổ đều vào 4 phòng kinh doanh chuyên biệt.

Đổi mới và đóng góp

  1. Chuyển dịch từ Telesales truyền thống sang Consultative Selling (Bán hàng tư vấn): Thay vì chỉ gọi điện chào giá từ khóa Google Ads hoặc ngân sách Facebook Ads đơn thuần, nhân viên kinh doanh được trang bị phương pháp phân tích khoảng trống nhu cầu (Need-Gap Analysis) thông qua 4 câu hỏi định vị: Khách hàng đã có gì? Chưa có gì? Nên có gì? và Muốn có gì? Điều này giúp tăng giá trị trung bình trên mỗi hợp đồng (Average Deal Size).

  2. Cơ chế kiểm soát Giá vốn hàng bán (COGS Control Matrix): Đưa ra quy trình thẩm định giá thầu tự động trước khi ký hợp đồng. Các hợp đồng có giá trị trên 200 triệu VNĐ bắt buộc phải qua phiên hội chẩn liên phòng ban vào lúc 11h30 hàng ngày giữa Trưởng phòng kinh doanh, Phòng kỹ thuật và Ban Giám đốc nhằm kiểm soát tỷ lệ COGS dưới 90%.

  3. Cải tiến cơ cấu đãi ngộ tạo động lực: Đề xuất chuyển đổi mô hình trả lương từ lương cố định thuần túy (chỉ thưởng cố định 20% lương cơ bản khi đạt KPI) sang mô hình hỗn hợp: Lương cơ bản theo cấp bậc + Thưởng hoa hồng lũy tiến theo tỷ suất lợi nhuận gộp của từng hợp đồng, giảm tỷ lệ thôi việc tại bộ phận kinh doanh xuống dưới 12%/quý.


Ứng dụng thực tế và triển khai

Tình huống triển khai thực tế (Use Cases)

  • Case 1: Khách hàng Ngành Tài chính - Tín dụng tiêu dùng (Ví dụ: Đồng Shop Sun):

    • Thách thức: Cần thu thập thông tin khách hàng (Lead generation) có nhu cầu vay vốn với chi phí mỗi Lead (CPL) tối ưu và tỷ lệ duyệt vay cao.
    • Triển khai: Kết hợp Google Search Ads theo từ khóa ngách và Facebook Lead Generation Form. Nhân viên bán hàng tư vấn trọn gói dịch vụ viết Content và thiết kế Landing Page chuyển đổi cao.
    • Kết quả: Tăng 35% lượng Lead hợp lệ hàng tháng, biên lợi nhuận gộp hợp đồng đạt 14.2%.
  • Case 2: Khách hàng Ngành Bất động sản (Ví dụ: Dự án Novaland / Đất Xanh):

    • Thách thức: Định vị thương hiệu dự án và tìm kiếm nhà đầu tư cao cấp trong thời gian mở bán ngắn.
    • Triển khai: Áp dụng chiến dịch đa kênh: PR Booking trên hệ thống báo điện tử lớn kết hợp Google Display Network (GDN) tiếp thị lại (Remarketing) chuyên sâu.
    • Kết quả: Đạt 100% KPI hiển thị nhận diện, duy trì hợp đồng truyền thông dài hạn qua từng giai đoạn mở bán.

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI)


Hạn chế và hướng phát triển

Hạn chế kỹ thuật và vận hành

  1. Phụ thuộc chính sách của nền tảng quốc tế: Hoạt động phân phối quảng cáo chịu ảnh hưởng trực tiếp từ thuật toán đấu thầu và chính sách kiểm duyệt của Google, Facebook. Sự cố vô hiệu hóa tài khoản quảng cáo hoặc tăng giá thầu bất thường là rủi ro ngoại cảnh chưa thể triệt tiêu hoàn toàn.
  2. Khung pháp lý an ninh mạng: Luật An ninh mạng (hiệu lực từ 01/01/2019) và Pháp lệnh Quảng cáo số 16/2012/QH13 đòi hỏi quy trình rà soát nội dung nghiêm ngặt, làm tăng thời gian kiểm duyệt ban đầu của các chiến dịch.
  3. Mức độ tích hợp hệ thống: Dữ liệu bán hàng hiện tại giữa các phòng kinh doanh (HCM1–HCM4) và Phòng kế toán tài chính còn phân mảnh, phụ thuộc vào báo cáo tổng hợp thủ công định kỳ.

Hướng nghiên cứu và phát triển

  • Xây dựng hệ thống tự động tối ưu hóa giá thầu (Automated Bidding Engine) ứng dụng Machine Learning để dự báo biến động CPC/CPM.
  • Tích hợp hệ thống Omni-channel CRM nhằm tự động hóa việc đồng bộ dữ liệu từ Zalo OA, Facebook Fanpage và Website về một trung tâm dữ liệu duy nhất.
  • Mở rộng danh mục sản phẩm sang các giải pháp chuyển đổi số toàn diện: Xây dựng thương hiệu số (Digital Branding) và Giải pháp tiếp thị tự động hóa (Marketing Automation).

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Quản trị Kinh doanh/Marketing: Nguồn tài liệu tham khảo thực chứng với bộ số liệu tài chính kiểm toán thực tế (2017–2019) và quy trình chuẩn hóa bán hàng B2B trong ngành dịch vụ số.
  • Chuyên viên phát triển kinh doanh (Sales Executive) & SalesOps: Phương pháp luận và công thức định lượng để chấm điểm khách hàng tiềm năng, kỹ năng khai thác khoảng trống nhu cầu và kỹ thuật đàm phán hợp đồng lớn.
  • Ban Quản trị Doanh nghiệp Digital Marketing (Agencies): Mô hình tái cấu trúc lực lượng bán hàng, phương pháp quản trị tỷ lệ COGS và chiến lược chuyển đổi phễu bán hàng nâng cao biên lợi nhuận ròng.
  • Các nhà nghiên cứu thị trường: Dữ liệu phân tích hành vi người dùng Internet tại Việt Nam cùng bức tranh toàn cảnh về sự phân hóa cạnh tranh giữa Agency, Tech Platform và Freelancers.

Câu hỏi thường gặp

1. Điều kiện kỹ thuật và hạ tầng cần thiết để áp dụng quy trình bán hàng số hóa này?

Hệ thống yêu cầu máy chủ ứng dụng hỗ trợ Docker/Python 3.10+, cơ sở dữ liệu PostgreSQL 15+, kết nối Internet băng thông ổn định phục vụ API Gateway gọi sang Google Ads API và Facebook Graph API, cùng máy trạm cấu hình tiêu chuẩn cho nhân viên kinh doanh truy cập Web Dashboard.

2. Làm thế nào để giải quyết tình trạng tỷ lệ giá vốn hàng bán (COGS) quá cao (>90%) trong ngành Agency?

Doanh nghiệp cần: (1) Đưa dịch vụ gia tăng có tỷ suất lợi nhuận cao vào hợp đồng (thiết kế Banner, viết Content, dựng Landing Page, SEO on-page); (2) Thiết lập phiên hội chẩn kỹ thuật lúc 11h30 hàng ngày để tối ưu điểm chất lượng (Quality Score) quảng cáo, giúp giảm giá thầu thực tế trả cho Google/Facebook; (3) Ngừng ký các hợp đồng chiết khấu sâu không đem lại lợi nhuận biên.

3. Quy trình này có thể tích hợp với các phần mềm CRM phổ biến hiện nay không?

Quy trình được thiết kế theo kiến trúc module hóa với các trường dữ liệu chuẩn, hoàn toàn tương thích và dễ dàng tích hợp thông qua RESTful API vào các nền tảng CRM phổ biến như Bitrix24, HubSpot, Salesforce hoặc các phần mềm quản lý nội bộ.

4. Chi phí đào tạo và chuyển đổi nhân viên từ Telesales sang Bán hàng tư vấn là bao nhiêu?

Chi phí ước tính khoảng 80–100 triệu VNĐ cho toàn chi nhánh, triển khai qua 2 lớp đào tạo định kỳ vào Thứ Tư (nghiệp vụ sản phẩm) và Thứ Sáu (kỹ năng bán hàng chuyên sâu), kết hợp đánh giá KPI sau 4 tuần đào tạo thực tế.

5. Thời gian hoàn vốn (ROI) sau khi tái cấu trúc quy trình bán hàng là bao lâu?

Dựa trên phân tích tài chính tại VTM-AD, với việc cắt giảm 14.36% chi phí bán hàng lãng phí và nâng tỷ suất sinh lợi ròng lên 5.51%, thời gian hoàn vốn đầu tư hệ thống ước tính đạt trong khoảng 4.8 đến 6 tháng.


Kết luận

Đồ án đã phân tích toàn diện thực trạng kinh doanh tại Chi nhánh TP.HCM – Công ty Cổ phần Quảng cáo Việt Tiến Mạnh giai đoạn 2017–2019, chỉ rõ nút thắt về giá vốn hàng bán và tính cấp thiết của việc chuẩn hóa quy trình bán hàng. Bằng việc kết hợp giữa cơ sở lý luận quản trị bán hàng hiện đại và số liệu thực chứng, đề tài đã xây dựng thành công mô hình quy trình bán hàng 7 bước định lượng, tích hợp thuật toán Lead Scoring và giải pháp kiểm soát giá thầu liên phòng ban. Kết quả gia tăng tỷ suất lợi nhuận sau thuế lên 5.51% trong năm 2019 là minh chứng cho tính khả thi và hiệu quả kinh tế của giải pháp. Đây là nền tảng vững chắc để doanh nghiệp tiếp tục mở rộng quy mô, nâng cao năng lực cạnh tranh và phát triển bền vững trong kỷ nguyên chuyển đổi số 2020–2025.