Google cập nhật Data Manager, Meridian và GeoX: measurement stack đang thay đổi thế nào?

Ngày 10/09/2026, Google công bố một loạt cập nhật mới cho hệ đo lường quảng cáo: Data Manager được mở rộng sang nhiều sản phẩm hơn, Data Manager API trở thành một điểm tích hợp chung hơn cho dữ liệu bên thứ nhất, Google Ads có thêm Data Strength Uplift Metric, Meridian được bổ sung khả năng hỗ trợ bằng agent, thêm tín hiệu thương hiệu, và Meridian GeoX chuyển sang trạng thái generally available trên toàn cầu.

Nếu đọc từng dòng riêng lẻ, đây có thể trông giống một danh sách tính năng mới.

Nhưng khi đặt cạnh thông điệp Google nhấn mạnh từ đầu tháng 9 — attribution, incrementality và media mix modeling có thể cho kết quả khác nhau vì chúng phục vụ những câu hỏi khác nhau — bức tranh đáng chú ý hơn là measurement đang được đóng gói thành một hệ nhiều lớp thay vì một bảng điểm duy nhất.

Điều đó quan trọng với người làm Performance Marketing vì một trong những sai lầm phổ biến nhất vẫn là cố tìm một con số có thể đại diện cho toàn bộ sự thật: ROAS của nền tảng, ROAS trong GA4, doanh thu backend, kết quả lift test hay ROI từ MMM.

Không lớp nào trong số đó tự nó trả lời được tất cả câu hỏi.

Mục lục

• 1. Google vừa cập nhật những gì?
• 2. Measurement stack: mỗi lớp trả lời một câu hỏi khác nhau
• 3. Data Manager và Data Strength Uplift: dữ liệu tốt hơn chưa phải bằng chứng nhân quả
• 4. GeoX GA toàn cầu: experiment bắt đầu nối thẳng hơn với MMM
• 5. Meridian có agent và brand signals: giảm ma sát chạy model, không giảm yêu cầu tư duy
• 6. Một playbook thực tế cho team Marketing và Measurement
• 7. Những điều chưa nên kết luận quá sớm

1. Google vừa cập nhật những gì?

FACT: Trong thông báo ngày 10/09, Google mô tả ba nhóm thay đổi lớn.

Nhóm đầu tiên là nền dữ liệu bên thứ nhất. Data Manager được tích hợp trực tiếp hơn với Google Analytics và Display & Video 360. Data Manager API cũng được Google mô tả là một API chung để kết nối, quản lý và kích hoạt dữ liệu audience/conversion trên nhiều sản phẩm quảng cáo và đo lường của Google.

Google đồng thời đưa ra Data Strength Uplift Metric trong Google Ads. Theo mô tả chính thức, chỉ số này ước tính phần conversion bổ sung được khôi phục nhờ thiết lập dữ liệu bên thứ nhất. Đây là một bước đáng chú ý vì trước đây marketer thường biết mình đã bật enhanced conversions, gateway hay offline data, nhưng khó nhìn ngay trong giao diện xem lớp dữ liệu đó đang bổ sung phần đo lường nào.

Nhóm thứ hai là Meridian, mô hình Marketing Mix Modeling mã nguồn mở của Google. Google cho biết Meridian sẽ có thêm khả năng hỗ trợ theo hướng agent để audit chất lượng dữ liệu, phát hiện hoặc xử lý lỗi và hướng dẫn quá trình xây model. Backend cũng được cập nhật để chạy phân tích nhanh hơn.

Meridian còn có thể đưa thêm một số brand signals, ví dụ Branded Google Query Volume, vào model. Mục tiêu được Google nêu là giúp quan sát tốt hơn tác động dài hơn của các khoản đầu tư thương hiệu và upper-funnel như video hoặc TV.

Nhóm thứ ba là Meridian GeoX. Tại Google Marketing Live tháng 5, GeoX mới được giới thiệu ở giai đoạn testing. Đến bản cập nhật tháng 9, Google nói GeoX đã generally available globally trong Meridian. Kết quả incrementality từ geo experiment có thể được đưa vào MMM để hiệu chỉnh model.

Đây là delta quan trọng nhất của bài này: Google không chỉ bổ sung thêm một công cụ đo lường, mà đang làm rõ đường nối giữa dữ liệu quan sát, thử nghiệm nhân quả và mô hình phân bổ ngân sách.

2. Measurement stack: mỗi lớp trả lời một câu hỏi khác nhau

Ngày 02/09, Google có một nội dung riêng về cách xây measurement stack khi attribution, incrementality test và MMM đưa ra kết quả khác nhau. Điểm đáng giữ lại là: khác nhau không nhất thiết có nghĩa một trong ba đang sai.

Một cách đơn giản để phân biệt là bắt đầu từ câu hỏi quyết định.

Attribution phù hợp hơn với những câu hỏi vận hành thường xuyên: chiến dịch nào đang ghi nhận conversion, hành trình nào đóng góp vào conversion, tín hiệu nào nên được dùng cho bidding và tối ưu trong ngày hoặc trong tuần.

Incrementality hỏi một câu khó hơn: nếu không chạy quảng cáo hoặc nếu thay đổi mức đầu tư, phần kết quả nào thực sự sẽ không xảy ra? Đây là bài toán nhân quả, nên cần thiết kế experiment hoặc phương pháp causal inference phù hợp thay vì chỉ đọc conversion đã được ghi nhận.

MMM nhìn ở tầng khác: trong một khoảng thời gian đủ dài, khi nhiều kênh cùng chạy và chịu ảnh hưởng bởi mùa vụ, giá, khuyến mãi, phân phối hoặc các yếu tố kinh doanh khác, đóng góp của từng nhóm đầu tư có thể được mô hình hóa như thế nào và ngân sách nên được phân bổ ra sao?

INTERPRETATION: Nếu dùng cùng một tiêu chuẩn để chấm cả ba lớp, hệ thống rất dễ rơi vào tranh luận “số nào đúng”. Một thiết kế tốt hơn là hỏi:

• Tôi đang cần vận hành chiến dịch hay chứng minh lift?
• Tôi cần quyết định ở campaign, channel hay toàn bộ media mix?
• Tôi cần phản hồi trong hôm nay, sau một experiment, hay theo chu kỳ ngân sách?

Khi câu hỏi khác nhau, đơn vị đo và độ trễ hợp lý cũng khác nhau.

Đây cũng là lý do một ROAS rất đẹp trên nền tảng không thể tự động được diễn giải thành “đây là incremental ROAS của doanh nghiệp”. Attribution đang phân bổ credit trên những conversion quan sát được; nó không tự tạo ra nhóm đối chứng để trả lời thế giới sẽ thế nào nếu quảng cáo không chạy.

3. Data Manager và Data Strength Uplift: dữ liệu tốt hơn chưa phải bằng chứng nhân quả

Data Manager đang trở thành một lớp hạ tầng quan trọng hơn trong hệ quảng cáo Google.

Tài liệu hiện tại cho thấy marketer có thể kết nối nguồn dữ liệu một lần rồi kích hoạt cho nhiều use case: Customer Match, offline conversions, enhanced conversions, conversion value adjustments và các destination khác nhau. Với Data Manager API, Google đang hướng tới một đường tích hợp programmatic thống nhất hơn cho first-party data.

Ở góc độ vận hành, điều này giải quyết một bottleneck thật: dữ liệu khách hàng thường nằm rời ở website, CRM, app, cửa hàng, BigQuery hoặc các hệ thống nội bộ. Khi pipeline sai hoặc chậm, bidding và measurement đều nhận tín hiệu kém hơn.

Google công bố một số benchmark tích cực trong thông báo tháng 9, chẳng hạn advertiser dùng Google tag gateway quan sát mức conversion uplift trung bình 14%, và Demand Gen trên 20% trong tập dữ liệu Google nêu. Google cũng đưa ra benchmark khác cho enhanced conversions và kết nối offline/app data.

Những con số này nên được đọc đúng bản chất: đây là dữ liệu tổng hợp do Google công bố trên các tập advertiser cụ thể, không phải lời hứa rằng mọi tài khoản sẽ tăng đúng mức đó.

Quan trọng hơn, measurement recovery không đồng nghĩa incrementality.

Nếu enhanced conversions giúp match thêm conversion mà trước đây bị mất tín hiệu, báo cáo có thể ghi nhận nhiều conversion hơn mà doanh nghiệp không hề tạo ra thêm nhu cầu mới. Đó vẫn là cải thiện rất có giá trị — vì đo đúng hơn giúp bidding tốt hơn — nhưng câu hỏi “quảng cáo có tạo thêm kết quả không?” vẫn cần một lớp causal measurement khác.

INTERPRETATION: Data Strength Uplift nên được xem trước hết như một chỉ báo về chất lượng khả năng quan sát và phục hồi measurement, không phải một incremental lift test thay thế GeoX hay các experiment khác.

Sự phân biệt này nhỏ nhưng rất quan trọng. Nếu không, marketer có thể vô tình lấy một chỉ số cho biết “hệ thống nhìn thấy thêm conversion” rồi diễn giải thành “marketing tạo ra thêm conversion”.

4. GeoX GA toàn cầu: experiment bắt đầu nối thẳng hơn với MMM

Geo experiment giải một bài toán mà attribution không giải được trực tiếp: tạo test và control theo khu vực để ước tính phần kết quả tăng thêm do một thay đổi media gây ra.

Google giới thiệu Meridian GeoX tại Google Marketing Live 2026 như một thư viện mã nguồn mở cho geo experiment, có thể dùng trên nhiều nền tảng quảng cáo. Tháng 9, Google xác nhận GeoX đã generally available globally trong Meridian và incrementality result có thể được đưa vào MMM.

Đây là bước nối có ý nghĩa về mặt kiến trúc.

MMM có một khó khăn cố hữu: model phải ước lượng contribution từ dữ liệu quan sát, trong khi media spend thường không được phân bổ ngẫu nhiên. Team marketing tăng ngân sách đúng lúc nhu cầu tăng, giảm ngân sách khi thị trường xấu, chạy campaign lớn trong mùa cao điểm — tất cả khiến tương quan giữa spend và outcome không tự động trở thành quan hệ nhân quả.

Một experiment đủ tốt có thể cung cấp thêm causal evidence để calibration.

Nhưng có một điều rất dễ hiểu quá mức từ chữ “GA toàn cầu”.

UNKNOWN / LIMITATION: GeoX có sẵn rộng rãi không có nghĩa mọi doanh nghiệp đều có một geo experiment khả thi. Một thiết kế geo vẫn phụ thuộc vào số khu vực đủ độc lập, quy mô outcome, mức biến động, khả năng tạo test/control cân bằng, độ dài test, expected effect size và statistical power.

Nếu dữ liệu địa lý không có common signal đủ mạnh, hoặc một vài thị trường chiếm phần lớn doanh thu khiến test/control khó cân bằng, việc có thêm thư viện tốt không giải quyết được bài toán thiết kế.

Vì vậy, bước đầu tiên không nên là “chạy GeoX”. Bước đầu tiên nên là feasibility: dữ liệu hiện tại có thực sự cho phép một experiment đáng tin không?

Đây là điểm khác biệt giữa một công cụ đã sẵn sàng và một experiment đã sẵn sàng.

5. Meridian có agent và brand signals: giảm ma sát chạy model, không giảm yêu cầu tư duy

Google nói các khả năng agent mới trong Meridian có thể hỗ trợ audit dữ liệu, xử lý lỗi và hướng dẫn model building theo thời gian thực.

Đây là hướng phát triển hợp lý. MMM không khó chỉ vì econometrics; nó còn khó vì rất nhiều công việc trước model: chuẩn hóa grain, kiểm tra missing data, mapping channel, chọn controls, nhận diện thay đổi business, kiểm tra variation và ghi lại model configuration.

Nếu agent giúp giảm các bước thao tác này, barrier để chạy một MMM có thể thấp hơn đáng kể.

Nhưng INTERPRETATION: giảm ma sát kỹ thuật không đồng nghĩa giảm rủi ro suy luận.

Agent có thể giúp phát hiện một cột bị thiếu. Nó không tự biết một chương trình khuyến mãi có nên được xem là control hay là một phần của cơ chế media nếu business context chưa được cung cấp đúng.

Agent có thể hướng dẫn cấu hình model. Nó không thể biến một channel gần như không có variation thành một tín hiệu giàu thông tin.

Agent có thể giúp thử nhiều cấu hình nhanh hơn. Nhưng nếu team chọn model sau khi nhìn kết quả chỉ vì model đó cho ROI “đẹp”, tốc độ thử nhanh hơn còn có thể làm tăng rủi ro cherry-picking.

Tương tự với brand signals. Việc Meridian cho phép thêm Branded Google Query Volume là một mở rộng đáng chú ý cho upper-funnel measurement, nhưng thêm một biến mới không tự động biến model thành sự thật nhân quả. Team vẫn phải hiểu biến đó đại diện cho gì, có quan hệ thế nào với media, seasonality và demand, và diễn giải uncertainty ra sao.

Ở đây, một lăng kính hữu ích là tư duy hệ thống: đừng tối ưu từng tín hiệu riêng lẻ rồi mặc định toàn hệ thống tốt hơn. Chất lượng measurement phụ thuộc vào cách các tín hiệu, giả định và quyết định nối với nhau.

6. Một playbook thực tế cho team Marketing và Measurement

Nếu đang vận hành Google Ads hoặc một hệ media đa kênh, bản cập nhật này chưa đòi hỏi phải lập tức xây một hệ MMM hoàn chỉnh. Hành động hợp lý hơn là rà lại kiến trúc measurement theo thứ tự từ câu hỏi đến dữ liệu.

Bước 1: bắt đầu bằng quyết định, không bắt đầu bằng công cụ

Viết ra rõ câu hỏi đang cần trả lời.

Nếu câu hỏi là “campaign nào cần giảm bid hôm nay?”, MMM quá chậm và quá rộng.

Nếu câu hỏi là “video có thực sự tạo thêm nhu cầu hay chỉ xuất hiện trong hành trình đã có sẵn?”, platform attribution là chưa đủ.

Nếu câu hỏi là “quý tới nên phân bổ thêm 10% ngân sách sang channel nào?”, chỉ nhìn last-click ROAS có thể quá ngắn hạn.

Công cụ nên đi sau câu hỏi.

Bước 2: audit nền dữ liệu bên thứ nhất

Kiểm tra conversion taxonomy, nguồn CRM/app/store, timestamp, ID chống trùng, conversion values và độ trễ cập nhật.

Nếu Data Manager đang được dùng, xem diagnostics và luồng data source → connection → destination. Mục tiêu ở bước này là biết hệ thống đang quan sát đúng trước khi tranh luận về incrementality.

Bước 3: tách ba lớp measurement trong báo cáo nội bộ

Không cần ba dashboard khác nhau, nhưng nên tách tư duy:

• Attribution / operational measurement: dùng để tối ưu hằng ngày.
• Incrementality / experiment: dùng để kiểm tra causal lift ở những quyết định quan trọng.
• MMM / strategic allocation: dùng để nhìn media mix, saturation, carryover và budget trade-off theo chu kỳ dài hơn.

Nếu ba lớp cho ba câu trả lời khác nhau, đó là trigger để điều tra assumption chứ không phải lý do chọn con số mình thích nhất.

Bước 4: kiểm tra feasibility trước khi chạy experiment

Với GeoX, kiểm tra signal, số geo, concentration, balance và power trước khi chọn market test/control.

Một kết luận “dữ liệu hiện tại chưa đủ để thiết kế geo experiment đáng tin” vẫn là một kết luận tốt. Nó an toàn hơn nhiều so với hạ tiêu chuẩn cho tới khi có một test chạy được.

Bước 5: dùng experiment để cải thiện model, không để trang trí model

Nếu có kết quả incrementality đủ tin cậy, ghi rõ nó đang calibration channel nào, thời kỳ nào và outcome nào. Không nên lấy một test ở điều kiện rất hẹp rồi ép thành prior mạnh cho toàn bộ media mix mà không xem transferability.

Bước 6: giữ uncertainty trong output cuối

Một bảng budget optimization chỉ có Current Spend và Recommended Spend nhưng không có uncertainty rất dễ tạo cảm giác chắc chắn giả.

Nếu hệ thống dùng Meridian hoặc MMM khác, output nên giữ ít nhất: modeled ROI, marginal ROI, response curve, constraint, uncertainty và sensitivity. Khi hai model hợp lý cho khuyến nghị khác nhau, sự khác nhau đó là thông tin — không phải lỗi cần giấu đi.

7. Những điều chưa nên kết luận quá sớm

Bản cập nhật ngày 10/09 là một bước tiến rõ ràng về sản phẩm, nhưng có ít nhất bốn điểm cần giữ tỉnh táo.

Thứ nhất, Data Strength Uplift không phải causal incrementality test. Nó có giá trị cho measurement recovery và data quality, nhưng không thay thế experiment.

Thứ hai, GeoX GA không bảo đảm geo experiment khả thi cho mọi advertiser. Availability của công cụ và statistical feasibility là hai chuyện khác nhau.

Thứ ba, agent trong Meridian không biến MMM thành hệ thống “bấm nút là có đáp án”. Data quality, variation, control selection, model assumptions và business context vẫn quyết định chất lượng kết luận.

Thứ tư, các benchmark uplift Google công bố nên được xem là vendor-reported aggregate evidence, không phải forecast cho từng tài khoản. Tốt nhất là dùng chúng như lý do để kiểm tra cơ hội, sau đó đo trên chính hệ thống của mình.

Điểm tôi thấy đáng giữ lại từ đợt cập nhật này không phải là “Google đã có thêm nhiều tool measurement”.

Nó là một thay đổi trong cách nên đặt câu hỏi:

Đừng hỏi một con số nào là sự thật duy nhất. Hãy hỏi mỗi lớp đo lường đang trả lời câu hỏi gì, bằng dữ liệu nào, với giả định nào — rồi dùng chúng để kiểm tra lẫn nhau.

Khi first-party data giúp nhìn rõ hơn những gì đã xảy ra, attribution giúp vận hành, GeoX cung cấp causal proof và Meridian giúp nối tín hiệu vào quyết định ngân sách, measurement bắt đầu giống một hệ thống ra quyết định hơn là một báo cáo ROAS.

Đó có lẽ mới là phần đáng chú ý nhất của bản cập nhật tháng 9 này.