Phân tích marketing và phân tích sản phẩm: vì sao nên kết hợp và cách nối dữ liệu năm 2026

Tháng 8 8, 2021

Tin Le

Cập nhật ngày 17/10/2026: Adtek viết lại toàn bộ bài với số liệu, tính năng nền tảng và quy định mới nhất năm 2025 đến 2026.

Phân tích marketing và phân tích sản phẩm trả lời hai nửa của cùng một câu hỏi. Marketing analytics cho biết khách đến từ kênh nào, chiến dịch nào và tốn bao nhiêu tiền. Product analytics cho biết sau khi đến, họ làm gì trên website, app hay Zalo Mini App: dùng tính năng nào, bỏ dở ở bước nào, có quay lại mua lần hai không. Kết hợp phân tích marketing và phân tích sản phẩm là nối hai bộ dữ liệu này qua cùng một mã người dùng, để biết chiến dịch nào mang về khách ở lại lâu và mua lại, thay vì chỉ biết chiến dịch nào có giá mỗi lead thấp nhất.

Bản gốc của bài này (2021) viết cho đội làm mobile app. Năm 2026 bài toán rộng hơn và rẻ hơn để giải. GA4 cho xuất dữ liệu sự kiện thô sang BigQuery, Amplitude và Mixpanel đồng bộ được dữ liệu từ kho dữ liệu (data warehouse), còn khách hàng Việt thì đi qua Zalo, Shopee, TikTok Shop và website trước khi mua.

Marketing analytics và product analytics khác nhau ở đâu?

	Marketing analytics	Product analytics
Câu hỏi chính	Khách đến từ đâu, chi phí bao nhiêu, kênh nào ra chuyển đổi	Khách làm gì sau khi đến, ở lại bao lâu, tính năng nào giữ họ
Đơn vị dữ liệu	Lượt nhấp, phiên, chiến dịch, chi phí, lead, đơn đầu tiên	Sự kiện theo từng người dùng: xem sản phẩm, thêm giỏ, dùng tính năng, mua lại
Chỉ số tiêu biểu	CPC, CPL, CAC, ROAS, tỷ lệ chuyển đổi theo kênh	Retention rate, tỷ lệ kích hoạt, tần suất sử dụng, phễu, giá trị theo nhóm khách
Công cụ thường gặp	GA4, Google Ads, Meta Ads Manager, AppsFlyer hoặc Adjust cho app	Amplitude, Mixpanel, PostHog, Firebase
Ai dùng	Đội performance, media, growth	Product manager, UX, CRM, chăm sóc khách hàng
Nhịp xem số	Theo ngày, theo chiến dịch	Theo tuần, tháng, theo cohort

Báo cáo quảng cáo dừng ở lượt chuyển đổi đầu tiên. Công cụ product analytics thấy rõ hành vi trong sản phẩm nhưng thường không biết người dùng đó đến từ quảng cáo nào, tốn bao nhiêu.

Ví dụ giả định: chiến dịch A có CPL 80,000 đồng, chiến dịch B 150,000 đồng. Nhìn riêng Ads Manager, đội media sẽ dồn tiền cho A. Nếu lead từ A gần như không trả lời tin nhắn Zalo, còn lead từ B chốt đơn gấp đôi, quyết định phải đảo lại.

Tách riêng hai nguồn dữ liệu thì sai ở chỗ nào?

Kênh tạo nhận biết bị đánh giá thấp

Video YouTube hay KOL có thể mang về ít đơn trực tiếp nhưng lại là điểm chạm đầu tiên của nhóm khách mua nhiều nhất. Mô hình last click sẽ cắt ngân sách của kênh đó. Muốn thấy vai trò thật của nó, cần nhìn cả chuỗi điểm chạm bằng multi-touch attribution và đối chiếu với hành vi mua lại trong sản phẩm.

Đội sản phẩm sửa một vấn đề không có thật

Tỷ lệ rời bỏ cao ngay sau lượt cài hoặc đăng ký thường bị quy cho onboarding. Nếu phần lớn lượt đó là bot hoặc nguồn gian lận, đội sản phẩm đang tối ưu cho người dùng giả. Phải gắn nguồn traffic vào từng phiên mới tách được hai khả năng này.

Lời hứa của quảng cáo không khớp với trang đích

Quảng cáo nói về ưu đãi gói thành viên, người dùng bấm vào lại rơi về trang chủ hoặc màn hình đăng nhập chung. Deep link trong bài gốc vẫn là cách sửa đúng: đưa khách thẳng tới nội dung đã hứa. Năm 2026 có thể đo hiệu quả của việc đó bằng một phễu chung, tách theo chiến dịch và mẫu quảng cáo.

Câu hỏi chỉ trả lời được khi kết hợp phân tích marketing và phân tích sản phẩm

Tài liệu Warehouse Connectors của Mixpanel đưa ra một ví dụ rất thực tế: đã chi 50,000 USD cho một chiến dịch, người dùng mang về có còn ở lại sau một tháng không? Câu hỏi này cần dữ liệu chi phí của marketing và dữ liệu giữ chân của sản phẩm trong cùng một bảng. Những câu tương tự mà doanh nghiệp Việt hay gặp:

Kênh nào mang về khách có tỷ lệ mua lần hai trong 90 ngày cao nhất, không chỉ đơn đầu tiên rẻ nhất?
Khách đến từ TikTok dùng sản phẩm khác gì khách đến từ Google Search? Họ có cần màn hình onboarding khác nhau không?
Mẫu quảng cáo nói về giá và mẫu nói về công dụng, mẫu nào ra khách có giá trị vòng đời khách hàng (LTV) cao hơn?
Lead nào nên chuyển sale gọi ngay, dựa trên nguồn đến cộng với hành vi trên website (xem bảng giá, tải tài liệu, mở tin nhắn Zalo)?

Các câu trên đều quay về một yêu cầu kỹ thuật: cùng một người phải mang cùng một mã định danh ở hệ thống quảng cáo, công cụ phân tích và CRM.

Cách nối dữ liệu năm 2026: GA4, BigQuery, Amplitude, Mixpanel và CDP

GA4 và BigQuery export

Theo tài liệu chính thức của Google Analytics (tra cứu tháng 10/2026), GA4 cho xuất dữ liệu sự kiện thô sang BigQuery, kể cả vào bản BigQuery sandbox miễn phí. Thuộc tính GA4 bản thường có giới hạn 1 triệu sự kiện mỗi ngày cho kiểu xuất hằng ngày; vượt giới hạn liên tục thì việc xuất bị tạm dừng. Kiểu xuất streaming không giới hạn số sự kiện nhưng tính thêm 0.05 USD mỗi GB, khoảng 600,000 sự kiện.

Có hai lý do nên bật BigQuery export sớm. Thứ nhất, dữ liệu cấp người dùng mà báo cáo Khám phá (Explorations) của GA4 bản thường dùng tới chỉ giữ tối đa 14 tháng, mặc định 2 tháng; dữ liệu đã xuất sang BigQuery thì doanh nghiệp giữ bao lâu tùy ý. Thứ hai, tài liệu thiết lập chỉ mô tả việc xuất từ sau khi liên kết (dữ liệu đổ về trong vòng 24 giờ, mỗi ngày một bảng của ngày hôm trước), nên bật muộn tháng nào thì kho thiếu lịch sử tháng đó.

Lưu ý cho attribution: bảng streaming thiếu nguồn traffic của người dùng mới, Google khuyên lấy dữ liệu này từ bảng xuất hằng ngày.

Đưa dữ liệu vào Amplitude hoặc Mixpanel

Khi dữ liệu đã nằm trong warehouse, công cụ product analytics có thể lấy từ đó thay vì cài thêm một bộ tracking song song. Amplitude có tích hợp nhập dữ liệu GA4 qua BigQuery: dữ liệu đi từ GA4 sang BigQuery, được dỡ ra một bucket Google Cloud Storage rồi mới nạp vào Amplitude. Mixpanel có Warehouse Connectors đồng bộ từ Snowflake, BigQuery, Databricks, Redshift và Postgres; tài liệu Mixpanel ghi tính năng này là add-on miễn phí cho tổ chức dùng gói trả phí theo sự kiện khi gia hạn hoặc nâng gói.

Chi phí quảng cáo, đơn hàng từ sàn và trạng thái lead từ CRM cũng đưa được vào cùng warehouse rồi đồng bộ sang công cụ phân tích dưới dạng thuộc tính người dùng. Product manager mở báo cáo giữ chân là thấy luôn cột kênh và chi phí.

CDP hay data warehouse?

Warehouse là nơi lưu và tính toán. CDP lo phần hợp nhất hồ sơ khách hàng từ nhiều nguồn và đẩy phân khúc ra kênh kích hoạt như Zalo, email, tệp quảng cáo. Doanh nghiệp vừa và nhỏ thường bắt đầu được với GA4, BigQuery và một công cụ trực quan hóa. CDP đáng đầu tư khi đã có nhiều nguồn dữ liệu khách định danh và có người dùng phân khúc hằng tuần. Mua CDP trước khi thống nhất được mã khách hàng giữa các hệ thống thường chỉ tạo thêm một nơi chứa dữ liệu rời rạc.

Doanh nghiệp Việt: dữ liệu khách nằm ở Zalo, sàn và website

Mô hình “quảng cáo dẫn về app, đo hành vi trong app” của bài gốc chỉ đúng với một phần doanh nghiệp Việt. Phần lớn hành trình diễn ra trên nền tảng mà doanh nghiệp không sở hữu:

Theo báo cáo kết quả kinh doanh quý 2/2026 của VNG (VietnamPlus đưa tin tháng 7/2026), Zalo có 81.3 triệu người dùng hàng tháng và khoảng 30,000 tài khoản Official Account đang hoạt động vào tháng 6/2026.
Theo Metric.vn (VnEconomy đưa tin tháng 1/2026), doanh số trên Shopee, TikTok Shop, Lazada và Tiki năm 2025 ước đạt 429.66 nghìn tỷ đồng, tăng 34.75% so với 2024. Shopee chiếm 56.04% thị phần doanh số, TikTok Shop 41.31%.

Với thương hiệu bán chủ yếu trên sàn, “dữ liệu sản phẩm” thực tế là dữ liệu đơn hàng, tỷ lệ mua lại, đánh giá và tương tác trong gian hàng, lấy qua file xuất trong trang quản lý người bán hoặc API của sàn. Sàn quyết định trả về bao nhiêu thông tin người mua. Với doanh nghiệp bất động sản, giáo dục, ô tô, hành trình thật nằm trên Zalo: khách để lại số điện thoại, nhân viên tư vấn nhắn tin, khách quay lại website xem bảng giá rồi mới gặp trực tiếp.

Số điện thoại vì vậy thường là mã nối dữ liệu thực tế nhất ở Việt Nam. Từ 1/1/2026, Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 có hiệu lực, ghi nhận quyền của khách được biết, đồng ý, rút lại đồng ý và yêu cầu xóa dữ liệu. Muốn nối số điện thoại từ form với dữ liệu hành vi và đẩy ngược lên nền tảng quảng cáo, doanh nghiệp cần xin đồng ý cho đúng các mục đích đó ngay từ form.

Góc nhìn Adtek: 6 bước thiết lập phân tích kết hợp

Khi làm data-driven marketing cho khách hàng, Adtek thường đi theo thứ tự dưới đây. Mỗi bước có đầu ra cụ thể để kiểm tra trước khi sang bước sau.

Chọn 3 đến 5 câu hỏi kinh doanh, lấy từ danh sách ở trên hoặc từ cuộc họp ngân sách gần nhất. Câu hỏi quyết định cần đo sự kiện nào.
Viết tracking plan một trang. Liệt kê sự kiện quan trọng (đăng ký, xem bảng giá, thêm giỏ, mua, mua lại, mở tin Zalo), tham số đi kèm và tên gọi thống nhất giữa web, app và CRM.
Thống nhất mã định danh. Gán user_id cho người dùng đã đăng nhập hoặc đã để lại thông tin, lưu cùng mã đó trong CRM. Với kênh Zalo và sàn, xác định trường nào dùng để nối (số điện thoại, mã đơn, mã khách CRM) và có đồng ý của khách cho việc đó.
Bật BigQuery export cho GA4 ngay. Kể cả khi chưa dùng tới, để giữ lịch sử. Kiểm tra lượng sự kiện mỗi ngày so với giới hạn 1 triệu.
Đưa dữ liệu ngoài vào warehouse. Chi phí quảng cáo theo ngày và chiến dịch, đơn hàng từ sàn, trạng thái lead từ CRM. Bắt đầu bằng file xuất định kỳ cũng được, tự động hóa sau.
Dựng một báo cáo chung cho cả hai đội. Một bảng theo cohort tháng: kênh, chi phí, số khách mới, tỷ lệ còn hoạt động sau 30 và 90 ngày, doanh thu lũy kế. Xem cùng nhau mỗi tháng, ghi lại quyết định đã đổi nhờ bảng này.

Câu hỏi kiểm tra trước khi mua thêm công cụ

Cùng một khách hàng có mang cùng một mã ở GA4, CRM và hệ thống đơn hàng không?
GA4 đã liên kết BigQuery chưa, và đang xuất từ ngày nào?
Báo cáo hiện tại có trả lời được câu “kênh nào ra khách mua lại” không? Nếu không, thiếu dữ liệu nào?
Form thu lead đã xin đồng ý riêng cho mục đích phân tích và quảng cáo chưa?

Khi kết hợp phân tích marketing và phân tích sản phẩm, phần lớn doanh nghiệp vướng ở bước 3 chứ ít khi vướng ở công cụ. Amplitude hay Mixpanel đều không cứu được dữ liệu mà mỗi hệ thống gọi khách hàng bằng một mã khác nhau.

Adtek thiết lập GA4, BigQuery và báo cáo kết hợp dữ liệu quảng cáo, sàn, Zalo và CRM. Nếu bạn muốn rà lại cách đo hiện tại, hãy liên hệ đội ngũ Adtek.