Bạn đã từng kéo số liệu từ Google Ads, Facebook Ads và Google Analytics về một file Excel, rồi nhận ra chúng không khớp nhau? Tên chiến dịch viết tắt khác nhau, dòng trùng lặp, cột UTM để trống — đó là dấu hiệu dữ liệu tracking đang bị bẩn. Và khi bạn đưa dữ liệu bẩn vào bất kỳ công cụ phân tích nào, kể cả AI trong marketing, kết quả nhận về cũng sẽ sai. Bài viết này hướng dẫn bạn quy trình làm sạch dữ liệu chiến dịch ngay trong Excel — bước nền không thể bỏ qua trước khi nâng cấp lên các lớp phân tích thông minh hơn.
Báo cáo marketing sai vì dữ liệu bẩn ngay từ đầu
Nhiều nhân viên marketing vẫn nghĩ rằng cứ có dữ liệu là phân tích được. Thực tế không phải vậy.
- Dữ liệu kéo từ nhiều nguồn thường lệch định dạng: Quảng cáo Google đặt tên chiến dịch theo một quy tắc, Facebook theo quy tắc khác, CRM lại dùng mã nội bộ. Khi gộp vào một file, cột “Chiến dịch” có thể có chục kiểu viết cho cùng một campaign.
- Dữ liệu trùng dòng xảy ra thường xuyên: Export nhiều lần, lọc sai khoảng thời gian, hoặc nối hai bảng không kiểm tra — đều dẫn đến các dòng bị đếm hai lần, làm phồng con số chi phí và lượt click.
- Thiếu chuẩn UTM là vấn đề nghiêm trọng: Khi link không gắn đủ UTM source/medium/campaign, cột nguồn trong Analytics sẽ hiện “Direct” hoặc “(not set)”, xóa mất dấu vết của cả một kênh quảng cáo.
Hệ quả là bạn đưa ra quyết định ngân sách dựa trên số liệu sai. Dù bạn dùng PivotTable, dashboard hay bất kỳ công cụ tạo website nào tích hợp analytics, đầu vào bẩn thì đầu ra cũng sẽ bẩn.
Quy trình làm sạch dữ liệu chiến dịch bằng Excel
Tin vui là Excel đã có sẵn đủ công cụ để xử lý bước này mà không cần phần mềm đắt tiền. Dưới đây là quy trình thực tế:
Chuẩn hóa tên chiến dịch
- Dùng hàm TRIM() để xóa khoảng trắng thừa đầu/cuối chuỗi — lỗi rất phổ biến khi copy từ trình duyệt hoặc email.
- Dùng LOWER() hoặc UPPER() để đồng nhất chữ hoa/thường trước khi so sánh.
- Dùng SUBSTITUTE() để thay thế ký tự đặc biệt hoặc dấu gạch ngang không nhất quán: =SUBSTITUTE(A2, “_”, ” “) sẽ đổi gạch dưới thành khoảng trắng để các tên ghép về cùng một dạng.
- Hàm LEFT(), MID(), RIGHT() kết hợp FIND() giúp tách phần mã campaign ra khỏi tên dài, rồi dùng CONCATENATE() hoặc ký tự & để ghép lại đúng chuẩn.
Loại bỏ trùng lặp và kiểm tra giá trị bất thường
- Dùng Remove Duplicates (tab Data) để xóa dòng trùng hoàn toàn. Với trùng một phần (cùng ngày, cùng campaign nhưng số khác nhau), dùng COUNTIFS() để đếm số lần xuất hiện và đánh dấu dòng cần xem lại.
- Lọc cột chi phí và lượt click để tìm giá trị âm hoặc bất thường cao bất ngờ — thường là do import sai sheet hoặc lỗi định dạng số theo vùng (dấu phẩy/chấm).
- Tạo một cột kiểm tra: =IF(ISBLANK(D2), “Thiếu UTM”, “OK”) để đánh dấu các dòng thiếu thông tin nguồn.
- Sau khi lọc xong, tổng hợp bằng PivotTable để xem tổng chi phí theo từng nguồn — so sánh với số gốc từ từng nền tảng để phát hiện lệch sót trước khi đưa vào báo cáo.
Bạn có thể tham khảo thêm các tài liệu hướng dẫn Excel chuyên sâu tại tài liệu khác trên site này để nắm vững hơn các hàm xử lý chuỗi và điều kiện.
Vì sao nền dữ liệu sạch là điều kiện để dùng AI trong marketing
Hiện nay nhiều công ty bắt đầu ứng dụng AI để phân tích hiệu quả quảng cáo, dự đoán hành vi khách hàng và tối ưu ngân sách tự động. Nhưng tất cả những tính năng đó đều có một điểm chung: chúng học từ dữ liệu lịch sử của bạn.
- Công cụ thông minh chỉ phát huy khi được nuôi bằng dữ liệu chuẩn và nhất quán: Một mô hình AI tự động phân bổ ngân sách không thể phân biệt được “FB_Ads_Summer” và “fb ads summer” là cùng một chiến dịch nếu bạn chưa chuẩn hóa. Kết quả là nó phân tách nhầm thành hai luồng dữ liệu khác nhau, dẫn đến gợi ý sai.
- Dữ liệu thiếu UTM = AI “mù”: Nếu một phần lớn traffic về không có nguồn rõ ràng, AI không có cơ sở để quy cho kênh nào. Attribution model trở nên vô nghĩa.
- Hệ thống tự học cần tính nhất quán theo thời gian: Nếu tháng này bạn đặt tên campaign theo một quy tắc, tháng sau lại đặt khác, AI sẽ không nhận ra đây là cùng một loại chiến dịch, dẫn đến phân tích xu hướng sai.
Nếu bạn đang tò mò về bức tranh tổng thể của lĩnh vực này, bài AI trong marketing là gì sẽ giúp bạn hình dung rõ hơn máy có thể tự phân tích và tối ưu chiến dịch tới đâu khi dữ liệu đã gọn gàng và nhất quán. Đó là lý do tại sao bước làm sạch này không phải việc của IT — đây là việc của chính người làm marketing.
Để mở rộng thêm kiến thức về các công nghệ hỗ trợ, bạn có thể ghé tài nguyên học tập được tổng hợp sẵn, từ hướng dẫn Excel đến kiến thức nền về phần mềm văn phòng.
Kết luận: dọn dữ liệu trước, tự động hóa sau
Đầu tư vào quy trình làm sạch dữ liệu ngay từ đầu sẽ tiết kiệm rất nhiều thời gian so với việc phải sửa báo cáo sai về sau — chưa kể chi phí quyết định sai vì nhìn nhầm số liệu.
- Bắt đầu từ một file tracking đơn giản: cột ngày, nguồn, tên chiến dịch, chi phí, lượt click. Chuẩn hóa cột này trước.
- Tạo một tab “Data Cleaned” riêng để giữ nguyên bản gốc và làm việc trên bản đã xử lý.
- Khi dữ liệu đã gọn và nhất quán, bạn mới có thể nghĩ tới PivotTable nâng cao, dashboard tự động, và sau đó là tích hợp AI để phân tích sâu hơn.
Để hiểu thêm về cách các nền tảng hiện đại đang ứng dụng AI vào quy trình marketing, bạn có thể tham khảo thêm các nội dung chuyên sâu được cập nhật thường xuyên. Bước đầu tiên bao giờ cũng là làm sạch — hãy bắt đầu từ file Excel bạn đang có ngay hôm nay.
| Vấn đề dữ liệu bẩn | Hàm/Công cụ Excel xử lý | Tác động nếu không xử lý |
|---|---|---|
| Khoảng trắng thừa | TRIM() | So sánh sai, không ghép được dữ liệu |
| Chữ hoa/thường không đồng nhất | LOWER() / UPPER() | Tên chiến dịch bị tách nhầm thành nhiều nhóm |
| Dòng trùng lặp | Remove Duplicates / COUNTIFS() | Số chi phí và lượt click bị phồng lên |
| Thiếu UTM source/medium | ISBLANK() + kiểm tra thủ công | Attribution mất nguồn, AI không phân tích được kênh |
| Giá trị bất thường | Filter + điều kiện IF() | Trung bình bị kéo lệch, kết luận sai |
