Rethink Retail 2026: Last-click, Demand Gen và đo lường mùa cao điểm

Mùa cao điểm thường khiến đội quảng cáo quay về một phản xạ rất quen: tăng ngân sách cho những chiến dịch đang có ROAS đẹp, giữ chặt các truy vấn gần mua, đẩy Shopping và Search ở đoạn cuối, rồi cắt những phần khó chứng minh doanh thu trực tiếp. Cách làm này có lý do của nó. Khi nhu cầu tăng nhanh và áp lực doanh số lớn, phần dễ đo nhất thường cũng là phần dễ bảo vệ ngân sách nhất.

Nhưng Rethink Retail 2026 của Google đặt ra một vấn đề đáng suy nghĩ hơn: nếu sở thích và ý định mua đã hình thành từ trước cú nhấp cuối, việc chỉ tối ưu phần “thu hoạch” có thể khiến doanh nghiệp nhìn sai vai trò của từng chiến dịch trong toàn bộ hệ thống nhu cầu.

Điều này không có nghĩa Search, Shopping hay Performance Max cuối phễu mất giá trị. Cũng không có nghĩa Google đang khuyên doanh nghiệp bỏ mô hình phân bổ last-click. Hai câu chuyện đó cần được tách rất rõ.

Luận điểm của bài này là:

Đừng dùng chiến thuật thu hoạch nhu cầu để thay thế luôn chiến lược khơi gợi và nuôi nhu cầu. Nhưng cũng đừng tin rằng đầu phễu tạo thêm doanh thu chỉ vì nền tảng ghi nhận nhiều điểm chạm. Mỗi chiến dịch cần một nhiệm vụ kinh doanh rõ, một cách đo phù hợp và một chuẩn bằng chứng tương xứng với quyết định ngân sách.

Video nền: Rethink Retail 2026

Bản thảo gốc của Google Ads trên LinkedIn: Why it’s time to rethink last-click for peak.

Mục lục

“Rethink last click” thực ra đang nói về điều gì?
Hành vi mua đang bắt đầu sớm hơn cú nhấp cuối
Khơi gợi nhu cầu và bắt nhu cầu là hai công việc khác nhau
Demand Gen: có vai trò, nhưng phải chứng minh giá trị tăng thêm
AI Max for Shopping: mở rộng điểm vào, đồng thời mở rộng rủi ro
Khách mới, khách tiềm năng mới và khách trung thành không nên trộn chung
Bán lẻ đa kênh: lượt ghé cửa hàng không phải doanh thu tăng thêm
Ngân sách mùa cao điểm: linh hoạt hơn không đồng nghĩa chi nhiều hơn bằng mọi giá
Bốn lớp đo lường: từ ghi nhận đến nhân quả
Khung Peak Demand System: giao đúng nhiệm vụ cho từng chiến dịch
Cách triển khai thực tế trước mùa cao điểm
Những kết luận hấp dẫn nhưng dễ sai
Kết luận: vai trò trước, chỉ số sau

1. “Rethink last click” thực ra đang nói về điều gì?

Cụm “last click” dễ khiến người làm quảng cáo liên tưởng ngay tới mô hình phân bổ: chuyển đổi được ghi công cho điểm chạm cuối cùng trước khi mua. Nhưng trong ngữ cảnh Rethink Retail 2026, Google đang nói nhiều hơn về chiến lược truyền thông: nếu doanh nghiệp chỉ xuất hiện khi khách hàng đã biết khá rõ mình muốn mua gì, thì doanh nghiệp đang tham gia cuộc đấu giá ở thời điểm rất muộn trong quá trình ra quyết định.

Hai lớp này khác nhau:

Lớp	Câu hỏi thật
Phân bổ	Điểm chạm nào được ghi công cho chuyển đổi?
Chiến lược truyền thông	Doanh nghiệp xuất hiện ở giai đoạn nào của quá trình hình thành và thu hoạch nhu cầu?

Vì vậy, câu “rethink last click” không nên bị diễn giải thành “bỏ Search”, “bỏ Shopping” hay “bỏ mô hình last-click”. Search vẫn đặc biệt mạnh khi người dùng chủ động thể hiện nhu cầu. Shopping vẫn là một cơ chế rất hiệu quả để nối sản phẩm với ý định mua. Performance Max vẫn có thể là lớp chuyển đổi quan trọng. Vấn đề chỉ xuất hiện khi doanh nghiệp lấy khả năng bắt nhu cầu đã hình thành làm thước đo duy nhất cho toàn bộ marketing.

Một ví dụ đơn giản: người mua nhìn thấy một kiểu đồng hồ trong video, sau đó dùng Google Lens để tìm mẫu tương tự, đọc một bài so sánh, vài ngày sau mới tìm thương hiệu và nhấp quảng cáo Search để mua. Nếu chỉ nhìn cú nhấp cuối, Search có thể nhận phần lớn công. Nhưng điều đó chưa trả lời được câu hỏi: nếu không có những điểm chạm trước đó, giao dịch có xảy ra như cũ không?

Đây chính là ranh giới giữa “ghi công” và “tạo thêm kết quả”. Nếu đang xây hệ thống đo lường cho Google Ads, có thể đọc thêm bài Lead rẻ chưa chắc khách hàng rẻ: Smart Bidding học từ outcome nào doanh nghiệp trả lại, vì cùng một nguyên tắc xuất hiện ở đây: thuật toán chỉ tối ưu tốt theo mục tiêu và tín hiệu mà doanh nghiệp đưa cho nó.

2. Hành vi mua đang bắt đầu sớm hơn cú nhấp cuối

Google đang nhấn mạnh sự tăng lên của các dạng tìm kiếm có tính khám phá và hội thoại như “ideas for”, “which” hay “where should I”. Think with Google cũng cho biết hơn 60% tìm kiếm trong một số nhóm Shopping và Apparel có ý định rộng; Google Lens đã đạt quy mô hơn 25 tỷ truy vấn mỗi tháng trong số liệu được công bố trước đó, và khoảng 1 trong 5 lượt tìm kiếm bằng Lens thể hiện ý định thương mại.

Con số cụ thể có thể tiếp tục thay đổi, nhưng điều quan trọng hơn là hình dạng của nhu cầu đang thay đổi. Người mua không nhất thiết bắt đầu từ tên thương hiệu, mã sản phẩm hoặc truy vấn rất gần mua. Họ có thể bắt đầu từ một tình huống, một vấn đề, một hình ảnh, một đoạn video, một câu hỏi dài hoặc một yêu cầu so sánh.

Điều đó tạo ra ba thay đổi trong cách xây Google Ads cho bán lẻ.

Thứ nhất, sản phẩm cần được máy hiểu tốt hơn. Feed không chỉ còn là nơi chứa mã hàng, giá và một tiêu đề đủ chuẩn; dữ liệu sản phẩm ngày càng có vai trò giúp hệ thống hiểu thuộc tính, ngữ cảnh và mức độ phù hợp với những nhu cầu diễn đạt tự nhiên hơn.

Thứ hai, nội dung hình ảnh và video trở thành một phần của hệ thống tìm kiếm, chứ không chỉ là phần “nhận diện thương hiệu” tách biệt. Khi người dùng có thể nhìn một vật thể rồi tìm nó, hoặc xem video rồi chuyển sang Search, ranh giới giữa khám phá và tìm kiếm trở nên mờ hơn.

Thứ ba, điểm bắt đầu hành trình khó quan sát hơn bằng báo cáo nhấp chuột truyền thống. Những định dạng dựa nhiều vào lượt hiển thị hoặc xem video có thể tác động tới hành vi tìm kiếm sau đó nhưng không nhất thiết nhận được công tương xứng trong hệ thống phía doanh nghiệp nếu hệ thống đó chỉ nhìn nguồn cuối cùng.

Đây cũng là lý do không nên đọc một thay đổi về CTR hay lượt hiển thị trong môi trường AI theo cách quá đơn giản. Bài CTR Google Shopping tăng nhưng lượt hiển thị giảm trong AI Overviews: đọc số thế nào cho đúng? đi sâu hơn vào nguyên tắc này: tỷ lệ đẹp hơn không tự động đồng nghĩa quy mô hay giá trị kinh doanh tốt hơn.

3. Khơi gợi nhu cầu và bắt nhu cầu là hai công việc khác nhau

Một lỗi thiết kế phổ biến là bắt mọi chiến dịch trả lời cùng một câu hỏi: “ROAS bao nhiêu?”. Câu hỏi này hữu ích, nhưng chỉ sau khi biết chiến dịch được giao nhiệm vụ gì.

Có thể tách hệ thống đơn giản thành hai công việc lớn.

Khơi gợi và định hình nhu cầu là phần giúp người mua nhận ra nhu cầu, nhìn thấy lựa chọn, xây sở thích hoặc ghi nhớ thương hiệu trước khi họ có một truy vấn rất cụ thể. Demand Gen, YouTube, nội dung từ nhà sáng tạo và một phần các bề mặt khám phá có thể nằm ở đây.

Bắt và chuyển đổi nhu cầu là phần phục vụ người đã chủ động tìm kiếm, so sánh hoặc sẵn sàng mua hơn. Search, Shopping, Performance Max và AI Max có thể tham gia ở những mức độ khác nhau.

Không nên hiểu hai nhóm này như hai chiếc hộp cố định. Một chiến dịch có thể chạm nhiều giai đoạn. Nhưng việc đặt vai trò chính giúp đội marketing tránh hai sai lầm đối lập:

yêu cầu chiến dịch khám phá phải có ROAS last-click giống chiến dịch thương hiệu;
hoặc ngược lại, tha thứ mọi hiệu quả yếu chỉ vì gắn nhãn “đầu phễu”.

Cách tốt hơn là dùng chuỗi:

Vai trò chiến dịch → phương pháp đo → quyết định ngân sách.

Nếu nhiệm vụ là thu hoạch nhu cầu, dữ liệu chuyển đổi và hiệu suất ngắn hạn có trọng lượng lớn. Nếu nhiệm vụ là tạo thêm nhu cầu, cần bổ sung thử nghiệm hoặc phương pháp đo tăng thêm. Nếu nhiệm vụ là giữ khách cũ, cần tách nhóm khách và giá trị vòng đời. Nếu nhiệm vụ là tạo doanh thu cửa hàng, cần nối dữ liệu offline thay vì chỉ nhìn click vào chỉ đường.

4. Demand Gen: có vai trò, nhưng phải chứng minh giá trị tăng thêm

Demand Gen được Google mở rộng như một lớp quảng cáo khám phá trên YouTube, Shorts, Discover, Gmail và một số bề mặt khác. Với nhà bán lẻ, việc nối Merchant Center có thể biến quảng cáo thành trải nghiệm sản phẩm trực quan hơn, giúp hệ thống đưa sản phẩm cụ thể vào các điểm chạm vốn trước đây thiên về nội dung.

Nhưng có một ranh giới rất quan trọng: có sản phẩm để phục vụ giai đoạn khám phá không đồng nghĩa chiến dịch chắc chắn tạo thêm nhu cầu.

Một chiến dịch Demand Gen có thể báo cáo nhiều chuyển đổi vì nhiều lý do khác nhau: thực sự tạo thêm người mua; hỗ trợ những người vốn đã có ý định; nhận công nhờ cửa sổ phân bổ; hoặc chủ yếu chạm vào người mà các chiến dịch khác cũng sẽ chuyển đổi. Chỉ nhìn lượt hiển thị, lượt nhấp, chuyển đổi hỗ trợ hay ROAS được ghi nhận không thể tách hết các trường hợp này.

Đây là điểm Rethink Retail 2026 trở nên đáng chú ý hơn một bài giới thiệu tính năng. Google đã đưa ra Demand Gen Uplift Experiments, một cơ chế thử nghiệm để so sánh việc có và không bổ sung Demand Gen vào tổ hợp chiến dịch hiện tại. Google cũng công bố các số liệu tổng hợp tích cực, nhưng đó là bằng chứng ở cấp nghiên cứu/tập mẫu của Google, không phải cam kết cho từng tài khoản.

Với một doanh nghiệp cụ thể, câu hỏi đúng nên là:

Khi bổ sung Demand Gen vào hệ thống hiện có, doanh thu, số khách mới hoặc kết quả kinh doanh có tăng nhiều hơn mức lẽ ra vẫn xảy ra không?

Nếu đủ điều kiện, A/B test, Conversion Lift hoặc thử nghiệm địa lý có giá trị hơn việc chỉ so ROAS trước–sau. Với ngân sách lớn hơn và nhiều kênh, có thể nối kết quả thử nghiệm vào mô hình phối hợp marketing như Meridian để hỗ trợ phân bổ ngân sách.

Điểm này cũng phù hợp với hướng đo lường hiện đại của Google: phân bổ để vận hành hằng ngày; đo tăng thêm để kiểm tra nhân quả; mô hình phối hợp marketing để nhìn phân bổ ở cấp danh mục. Ba lớp này bổ sung nhau, không phải ba “đáp án cạnh tranh” để chọn một và bỏ hai.

5. AI Max for Shopping: mở rộng điểm vào, đồng thời mở rộng rủi ro

AI Max for Shopping đang ở trạng thái beta. Hai thành phần đáng chú ý nhất là Text Customization và Final URL Expansion.

Text Customization cho phép Google dùng dữ liệu Merchant Center để tùy biến tiêu đề sản phẩm sao cho gần hơn với truy vấn và ý định. Tuy nhiên, tài liệu Google tại thời điểm kiểm tra ngày 17/09/2026 vẫn ghi rõ tính năng này giới hạn cho feed tiếng Anh. Vì vậy, không nên lấy trải nghiệm hoặc tài liệu ở thị trường tiếng Anh rồi mặc định tài khoản tiếng Việt có đầy đủ khả năng tương đương.

Final URL Expansion mở phạm vi điểm đến ra ngoài URL sản phẩm trong feed. Hệ thống có thể tìm các trang thương mại phù hợp như trang danh mục, hàng mới hoặc trang biên tập có mục đích thương mại. Điều này giúp Shopping tiến gần hơn tới các truy vấn nghiên cứu và giữa hành trình, thay vì chỉ phụ thuộc một URL sản phẩm cố định.

Nhưng mở rộng điểm vào cũng làm tăng yêu cầu kiểm soát. Theo tài liệu hiện hành, Final URL Expansion của AI Max for Shopping chỉ khả dụng với chiến lược đặt giá thầu Target ROAS và yêu cầu Text Customization được bật. Google cung cấp thêm các lớp như loại trừ thuật ngữ, hạn chế thông điệp, loại trừ thương hiệu và loại trừ URL; báo cáo cũng cho biết các truy vấn hoặc trang đích được mở rộng bằng AI.

Góc nhìn vận hành ở đây rất đơn giản:

AI Max mở rộng những gì chiến dịch có thể tìm thấy. Chất lượng dữ liệu và đo lường quyết định việc mở rộng đó có đi về phía giá trị kinh doanh hay chỉ mở rộng sai nhanh hơn.

Trước khi bật, nên kiểm tra ít nhất bốn thứ: feed có sạch không; trang đích có đủ tốt và đủ kiểm soát không; conversion value có phản ánh đúng điều doanh nghiệp cần không; và đội có khả năng đọc Search Terms/Landing Pages sau khi mở rộng hay không.

Nếu muốn theo dõi riêng các thay đổi mới của hệ Google Ads, có thể xem thêm Bắt Nhịp về AI Max và các cập nhật tự động hóa Search.

6. Khách mới, khách tiềm năng mới và khách trung thành không nên trộn chung

Mùa cao điểm dễ tạo ra một chỉ số ROAS tổng rất đẹp nhưng lại che mất cấu trúc tăng trưởng. Doanh thu có thể đến từ khách hoàn toàn mới, người đã biết thương hiệu nhưng chưa mua, khách cũ quay lại hoặc thành viên trung thành. Về kinh tế, bốn nhóm này không giống nhau.

Google đang mở rộng Customer Lifecycle Goals theo hướng đưa loại khách hàng vào quá trình tối ưu. Một điểm đáng chú ý trong 2026 là khái niệm New Prospect: không chỉ là “chưa từng mua”, mà còn hướng tới những người chưa có quan hệ đáng kể với thương hiệu như chưa tìm thương hiệu, chưa vào website/app hoặc chưa tương tác đáng kể.

Điều này quan trọng vì “khách mới” và “nhu cầu mới” không phải cùng một thứ. Một người chưa từng mua nhưng đã theo dõi thương hiệu ba tháng có thể dễ chuyển đổi hơn rất nhiều so với một người chưa từng biết tới thương hiệu. Nếu hai nhóm bị trộn vào cùng một chỉ số, đội marketing dễ đánh giá sai khả năng mở rộng thị trường.

Ở phía dữ liệu, Google cho phép truyền tham số xác định khách mới/quay lại vào conversion. Nhưng đây không phải một công tắc thần kỳ. Chất lượng của New Customer Acquisition phụ thuộc vào lịch sử mua hàng, Customer Match, khả năng nhận diện khách và quy tắc dữ liệu bên thứ nhất của doanh nghiệp.

Vì vậy, nguyên tắc nên là:

New Customer Acquisition là bài toán nhận diện và chất lượng dữ liệu trước khi là bài toán đặt giá thầu.

Tương tự, Google đang hỗ trợ nhiều tính năng giữ chân thành viên chương trình khách hàng thân thiết cho Shopping/Performance Max đủ điều kiện. Nhưng đừng vội gom tất cả vào ROAS chung. Tách khách mới, khách cũ, nhóm giá trị cao và thành viên trung thành giúp doanh nghiệp trả lời một câu quan trọng hơn: tăng trưởng đến từ mở rộng tập khách hay chỉ từ tái kích hoạt nhu cầu đã có?

7. Bán lẻ đa kênh: lượt ghé cửa hàng không phải doanh thu tăng thêm

Với bán lẻ có cửa hàng vật lý, hành trình còn khó đọc hơn vì điểm kết thúc có thể nằm ngoài website.

Google đang mở rộng Local Customer Optimization cho Performance Max dùng mục tiêu cửa hàng, nhằm ưu tiên người ở gần hoặc có ý định địa phương mạnh. Đồng thời, Store Sales và Data Manager giúp doanh nghiệp đưa dữ liệu giao dịch tại cửa hàng từ CRM, POS hoặc nguồn bên thứ nhất vào Google Ads để đo lường và tối ưu.

Kiến trúc này rất hữu ích, nhưng cần phân biệt rõ năm lớp:

Click chỉ đường/cuộc gọi → tín hiệu ý định.

Store Visits → lượt ghé cửa hàng được Google mô hình hóa theo điều kiện đủ tiêu chuẩn.

Store Sales → giao dịch hoặc giá trị cửa hàng được đối sánh/ghi nhận trong hệ Google Ads.

Backend/POS → giao dịch thực mà doanh nghiệp ghi nhận trong hệ thống của mình.

Doanh thu tăng thêm tại cửa hàng → phần kết quả thực sự xảy ra thêm nhờ hoạt động marketing so với kịch bản không có tác động đó.

Năm lớp này không thể dùng thay thế cho nhau. Store Sales làm khoảng cách giữa quảng cáo và kinh doanh nhỏ hơn, nhưng nó vẫn là một lớp đo lường/ghi nhận. Nếu câu hỏi là “quảng cáo có thực sự tạo thêm doanh số cửa hàng không?”, doanh nghiệp vẫn cần thiết kế thử nghiệm hoặc phương pháp nhân quả phù hợp.

“Không cần tự viết mã” trong Data Manager cũng không đồng nghĩa “không cần thiết lập”. Vẫn có các câu chuyện về điều kiện đủ, schema, quyền riêng tư, ánh xạ, lịch tải dữ liệu, chống trùng và chất lượng dữ liệu.

8. Ngân sách mùa cao điểm: linh hoạt hơn không đồng nghĩa chi nhiều hơn bằng mọi giá

Google vừa giới thiệu hai nhóm công cụ đáng chú ý cho bài toán ngân sách: Missed Opportunity Reporting và Demand-led budget pacing.

Missed Opportunity Reporting giúp ước tính lượng chuyển đổi hoặc giá trị chuyển đổi lịch sử có thể đã bị bỏ lỡ do mức giá thầu/ngân sách. Báo cáo này phủ nhiều loại chiến dịch như Search, Shopping, Performance Max, Demand Gen, YouTube, App và Hotel Ads.

Điểm dễ hiểu sai là: “có cơ hội bị bỏ lỡ” không đồng nghĩa “nên mua hết cơ hội đó”. Doanh nghiệp vẫn phải hỏi biên lợi nhuận, đóng góp sau chi phí, chất lượng khách, tồn kho, dòng tiền và lợi suất biên của đồng ngân sách tiếp theo.

Demand-led budget pacing hiện được Google xác nhận cho tất cả chiến dịch Search. Hệ thống có thể chi linh hoạt hơn theo ngày nhu cầu cao/thấp nhưng vẫn tuân thủ giới hạn ngân sách áp dụng. Trong tài liệu hiện hành tôi kiểm tra, chưa có bằng chứng chính thức tương đương để khẳng định phạm vi này đã áp dụng cho Shopping, vì vậy không nên mở rộng claim chỉ từ một slide hoặc phát biểu sự kiện.

Quan trọng hơn, nhịp ngân sách không sửa được mục tiêu sai. Nếu conversion value không phản ánh lợi nhuận, tROAS bị đặt quá cao, dữ liệu chuyển đổi bị lệch hoặc sản phẩm không còn đủ hàng, một cơ chế pacing thông minh vẫn chỉ đang tối ưu một bài toán được định nghĩa chưa đúng.

9. Bốn lớp đo lường: từ ghi nhận đến nhân quả

Đây là phần quan trọng nhất nếu muốn biến “rethink last click” từ khẩu hiệu thành một hệ thống ra quyết định.

Lớp 1 — Dữ liệu kinh doanh

Đây là lớp gốc: đơn hàng, doanh thu, lợi nhuận, khách mới, giá trị khách hàng, giao dịch cửa hàng, hoàn/hủy, tồn kho. Nếu lớp này sai hoặc không nối được với media, mọi lớp phía trên đều dễ tối ưu nhầm.

Lớp 2 — Phân bổ

Phân bổ trả lời câu hỏi: điểm chạm nào được ghi công và bao nhiêu? Nó hữu ích cho vận hành hằng ngày, chẩn đoán hành trình và tối ưu chiến dịch. Nhưng phân bổ không tạo ra một thế giới phản thực tế để biết điều gì sẽ xảy ra nếu quảng cáo không tồn tại.

Đó là lý do last-click, first-click hay data-driven attribution đều không tự trả lời được câu hỏi “phần nào thực sự tăng thêm”.

Lớp 3 — Đo tăng thêm

Thử nghiệm kiểm soát, Conversion Lift, Demand Gen Uplift Experiments hoặc thử nghiệm địa lý cố gắng trả lời câu hỏi nhân quả hơn:

Nhóm được tác động có tạo ra kết quả cao hơn nhóm phản thực tế/đối chứng bao nhiêu?

Đây là loại bằng chứng phù hợp hơn khi quyết định có nên thêm một lớp media mới, tăng mạnh ngân sách video hay giữ một chiến dịch vốn bị last-click đánh giá thấp.

Tuy nhiên, thử nghiệm cũng có điều kiện. Cỡ mẫu không đủ, vùng địa lý quá giống nhau, tín hiệu chung quá yếu, spillover hoặc thay đổi kinh doanh lớn có thể làm thiết kế không đủ sức kết luận. “Không đủ tín hiệu” là một kết quả hợp lệ, không phải thất bại cần hạ tiêu chuẩn để ép ra kết luận.

Lớp 4 — Mô hình phối hợp marketing

MMM như Meridian hữu ích hơn cho câu hỏi phân bổ ngân sách ở cấp danh mục: kênh nào đóng góp bao nhiêu trong bối cảnh mùa vụ, giá, khuyến mãi và các biến kiểm soát khác; lợi suất biên thay đổi thế nào khi tăng/giảm chi.

MMM không thay thế đo tăng thêm. Ngược lại, thử nghiệm tốt có thể cung cấp thông tin chuẩn hóa hoặc prior giúp mô hình có căn cứ nhân quả mạnh hơn.

Có thể cô đọng thành chuỗi:

Kết quả kinh doanh → Phân bổ → Đo tăng thêm → Phân bổ ngân sách.

Nếu muốn đào sâu hệ đo lường này, xem thêm Bắt Nhịp: Google Measurement Stack — Data Manager, Meridian và GeoX.

10. Khung Peak Demand System: giao đúng nhiệm vụ cho từng chiến dịch

Từ các thay đổi tại Rethink Retail 2026, tôi tổng hợp một khung thực hành gọi là Peak Demand System. Đây là khung phân tích của bài viết, không phải framework chính thức của Google.

Lớp	Nhiệm vụ	Công cụ/chiến dịch có thể dùng	Câu hỏi đo lường chính
Khơi gợi	Đưa sản phẩm/nhu cầu vào vùng nhận biết và cân nhắc	Demand Gen, YouTube, creator	Có tạo thêm tìm kiếm, khách mới hoặc doanh thu không?
Bắt nhu cầu	Phục vụ nhu cầu đang hình thành	Search, Shopping, AI Max	Có bắt được thêm nhu cầu có giá trị với kiểm soát phù hợp không?
Chuyển đổi	Tối ưu người có xác suất mua cao	PMax, Shopping, Smart Bidding	Giá trị chuyển đổi có gần mục tiêu kinh doanh không?
Phân loại giá trị	Phân biệt khách mới/cũ/giá trị cao	Lifecycle Goals, Customer Match	Tăng trưởng đến từ mở rộng khách hay tái kích hoạt?
Nối cửa hàng	Kết nối hành vi online với giao dịch offline	Store Goals, Store Sales, Data Manager	Quảng cáo có tạo thêm hành vi và doanh thu cửa hàng không?
Điều tiết	Dùng ngân sách linh hoạt theo nhu cầu	Missed Opportunity, pacing	Đồng ngân sách tiếp theo còn lợi suất biên đủ tốt không?
Kiểm chứng	Tách ghi công khỏi tác động thực	Lift, GeoX, MMM	Phần kết quả nào thực sự tăng thêm và nên phân bổ ngân sách ra sao?

Điểm quan trọng nhất của bảng không phải tên công cụ. Nó là việc mỗi lớp có một câu hỏi khác nhau.

Nếu bắt Demand Gen chứng minh bằng ROAS last-click giống Brand Search, bạn có thể cắt nhầm. Nếu cho Demand Gen ngân sách chỉ vì “đầu phễu cần thời gian”, bạn cũng có thể giữ nhầm. Nếu tăng Search chỉ vì Missed Opportunity cao mà không nhìn lợi nhuận biên, bạn có thể mua tăng trưởng không đáng mua.

Một hệ thống tốt không cố tìm một chỉ số duy nhất đúng cho mọi thứ. Nó cố chọn đúng chỉ số và đúng thiết kế đo cho đúng quyết định.

11. Cách triển khai thực tế trước mùa cao điểm

Nếu đang chuẩn bị Q4 hoặc một đợt cao điểm bán lẻ, tôi sẽ không bắt đầu bằng câu “nên bật thêm chiến dịch nào?”. Tôi sẽ đi theo thứ tự sau.

Bước 1 — Chốt economics trước media

Xác định sản phẩm ưu tiên, biên lợi nhuận, tồn kho, khả năng giao hàng, khách mới đáng giá bao nhiêu, nhóm nào cần xả tồn hoặc giữ lợi nhuận. Nếu doanh nghiệp chỉ gửi gross revenue vào hệ thống trong khi mục tiêu thật là contribution margin hoặc new-customer value, thuật toán sẽ tối ưu rất tốt cho một đại diện chưa đủ của mục tiêu kinh doanh.

Bước 2 — Gắn nhiệm vụ cho từng chiến dịch

Mỗi chiến dịch phải có một câu trả lời ngắn cho câu hỏi “tại sao nó tồn tại?”. Ví dụ:

Demand Gen: tạo và mở rộng nhóm nhu cầu trước thời điểm cao điểm;
non-brand Search: bắt nhu cầu đang nghiên cứu;
Brand Search: bảo vệ/thu hoạch nhu cầu đã biết thương hiệu;
Shopping/PMax: kết nối nhu cầu với sản phẩm và chuyển đổi;
lifecycle: phân biệt khách mới, khách cũ và nhóm giá trị cao.

Nếu hai chiến dịch có cùng nhiệm vụ, cùng đối tượng và cùng cách đo, cần xem lại liệu cấu trúc có đang phức tạp hóa không cần thiết hay không.

Bước 3 — Kiểm tra tín hiệu trước khi tăng tự động hóa

Rà lại conversion actions, Primary/Secondary, value, dữ liệu khách mới/cũ, Enhanced Conversions, nguồn CRM/POS và độ trễ dữ liệu. Tự động hóa mạnh hơn không bù được tín hiệu sai; nó chỉ phản ứng với tín hiệu sai nhanh hơn.

Bước 4 — Chuẩn hóa feed và nội dung sáng tạo

Với bán lẻ, feed và nội dung không còn là hai thế giới tách biệt. Feed cần đủ thuộc tính và sạch; hình ảnh/video cần đa dạng tỷ lệ lẫn góc truyền thông. Ba video cắt lại từ cùng một ý tưởng không tạo ra ba giả thuyết sáng tạo khác nhau.

Bước 5 — Lập kế hoạch đo trước khi chi thêm

Trước khi tăng ngân sách cho một lớp khám phá, xác định luôn cách kiểm chứng: A/B test, uplift experiment, geo experiment hay ít nhất một thiết kế holdout khả thi. Đừng chờ hết mùa rồi mới hỏi “nó có thực sự tạo thêm doanh thu không?”.

Bước 6 — Đặt ngưỡng quyết định, không chỉ ngưỡng báo cáo

Ví dụ: chiến dịch được tăng ngân sách nếu lợi suất biên còn trên ngưỡng đóng góp; thử nghiệm được giữ nếu độ bất định còn chấp nhận được; chiến dịch khám phá không bị cắt chỉ vì last-click thấp nhưng phải có mốc kiểm chứng tăng thêm; New Customer Acquisition chỉ được mở rộng khi nhận diện khách mới đủ tin.

Bước 7 — Review theo vai trò, không review theo một bảng xếp hạng ROAS

Cuộc họp hiệu suất nên hỏi theo chuỗi:

Nhu cầu thị trường thay đổi thế nào?
Lớp nào đang thiếu độ phủ?
Lớp nào có dấu hiệu bão hòa?
Chất lượng chuyển đổi có đổi không?
Tăng trưởng đến từ khách mới hay khách cũ?
Kết quả online và offline có khớp không?
Bằng chứng nào là phân bổ, bằng chứng nào là nhân quả?
Đồng ngân sách tiếp theo nên đi đâu?

Đây cũng là cách tránh tình trạng “Google Ads 5x, backend 2x, vậy số nào đúng?”. Hai hệ thống có thể đang trả lời hai câu hỏi khác nhau. Việc cần làm không phải lấy trung bình hai số, mà là hiểu phạm vi của từng phép đo rồi bổ sung lớp nhân quả khi quyết định đủ lớn.

12. Những kết luận hấp dẫn nhưng dễ sai

“Google bảo bỏ last-click”

Sai bối cảnh. Rethink Retail 2026 chủ yếu đặt vấn đề về việc chỉ xuất hiện ở cuối hành trình; không phải một chỉ thị bỏ toàn bộ mô hình phân bổ last-click.

“Đầu phễu tạo demand nên phải chạy”

Chưa đủ bằng chứng. Đầu phễu có thể tạo thêm demand, nhưng cần kiểm chứng trên tài khoản/doanh nghiệp bằng thiết kế phù hợp.

“Demand Gen có nhiều assisted conversions nên chứng minh được incrementality”

Không. Assisted conversion vẫn là phân bổ. Nó cho biết mối liên hệ trong hành trình được quan sát, không tạo ra nhóm phản thực tế.

“AI Max for Shopping đã dùng đầy đủ ở Việt Nam”

Không nên mặc định. AI Max for Shopping vẫn là beta; Text Customization hiện còn giới hạn feed tiếng Anh theo tài liệu Google tại ngày kiểm tra.

“Báo cáo cơ hội bị bỏ lỡ cao thì tăng ngân sách”

Chưa chắc. “Có thể mua thêm chuyển đổi” khác “nên mua thêm chuyển đổi”. Cần nhìn lợi nhuận biên, tồn kho, dòng tiền và chất lượng khách.

“Store Sales là sự thật backend”

Không hoàn toàn. Store Sales giúp nối giao dịch offline vào hệ quảng cáo nhưng không thay thế sổ dữ liệu kinh doanh của doanh nghiệp và càng không tự chứng minh tác động tăng thêm.

“Full funnel nghĩa là chạy đủ mọi loại chiến dịch”

Không. Full funnel chỉ có ý nghĩa nếu mỗi lớp có một nhiệm vụ thật, dữ liệu đủ tốt và cách đo phù hợp. Chạy nhiều loại chiến dịch mà không biết chúng đang làm việc gì chỉ tạo thêm độ phức tạp.

13. Kết luận: vai trò trước, chỉ số sau

Điểm đáng học nhất từ Rethink Retail 2026 không phải danh sách tính năng mới. Nó là sự thay đổi trong cách đặt câu hỏi.

Nếu hành vi mua đang trải rộng từ video, hình ảnh, AI Search, truy vấn nghiên cứu, Search truyền thống tới cửa hàng vật lý, thì việc ép toàn bộ hệ thống về một báo cáo cú nhấp cuối sẽ ngày càng thiếu thông tin. Nhưng phản ứng ngược lại — mặc định mọi điểm chạm đầu phễu đều “có đóng góp” và xứng đáng được giữ ngân sách — cũng không tốt hơn.

Một hệ thống đo lường trưởng thành cần chấp nhận rằng:

phân bổ hữu ích để vận hành nhưng không đồng nghĩa nhân quả;
đo tăng thêm hữu ích để kiểm chứng tác động nhưng không phải lúc nào cũng đủ tín hiệu;
MMM hữu ích để phân bổ ngân sách ở cấp danh mục nhưng cần dữ liệu và giả định tốt;
backend là lớp kết quả kinh doanh quan trọng nhưng nguồn cuối không nói hết hành trình;
Smart Bidding mạnh khi doanh nghiệp gửi cho nó mục tiêu và giá trị gần với economics thật.

Vì vậy, thay vì hỏi ngay:

“Chiến dịch nào có ROAS cao nhất?”

hãy hỏi trước:

“Chiến dịch này đang làm công việc nào trong hệ thống nhu cầu, và bằng chứng nào cho thấy công việc đó tạo thêm giá trị?”

Nếu câu hỏi đó được trả lời tốt, quyết định tăng, giảm hay dịch chuyển ngân sách sẽ bớt phụ thuộc vào một con số đẹp và tiến gần hơn tới bài toán kinh doanh thật.

Rethink Retail 2026: Đừng để “cú nhấp cuối” quyết định toàn bộ ngân sách mùa cao điểm