Mô hình attribution là gì? Các mô hình attribution phổ biến trong marketing

Một khách hàng có thể nhìn thấy quảng cáo Facebook vào buổi sáng, đọc bài blog vào buổi chiều, tìm kiếm thương hiệu trên Google vào hôm sau rồi mới để lại thông tin tư vấn. Nếu doanh nghiệp chỉ nhìn vào kênh cuối cùng trước khi khách chuyển đổi, rất dễ kết luận rằng Google Search là kênh hiệu quả nhất. Nhưng liệu Facebook có thật sự không tạo ra giá trị? Bài blog có chỉ là “hỗ trợ” vô hình?

Đó là lý do mô hình attribution xuất hiện. Nó giúp doanh nghiệp hiểu cách phân bổ giá trị chuyển đổi cho từng điểm chạm trong hành trình khách hàng. Nói đơn giản hơn, attribution không chỉ trả lời câu hỏi “khách đến từ đâu”, mà còn giúp đội marketing hiểu kênh nào đang mở đầu nhu cầu, kênh nào đang nuôi dưỡng niềm tin và kênh nào đang chốt chuyển đổi.

Mô hình attribution là gì?

Mô hình attribution là cách doanh nghiệp phân bổ giá trị chuyển đổi cho các điểm chạm marketing trong hành trình khách hàng. Điểm chạm có thể là một lần khách nhìn thấy quảng cáo, nhấp vào email, đọc bài viết SEO, truy cập landing page, xem video, nhắn tin với tư vấn viên hoặc quay lại website qua tìm kiếm thương hiệu.

Ví dụ, một khách hàng mua sản phẩm sau hành trình như sau:

1. Xem quảng cáo Facebook
2. Đọc bài viết trên website
3. Nhận email remarketing
4. Tìm kiếm thương hiệu trên Google
5. Nhấp vào quảng cáo Google Search và mua hàng

Nếu dùng mô hình last click, toàn bộ giá trị chuyển đổi có thể được tính cho Google Search. Nếu dùng mô hình linear, mỗi điểm chạm trong hành trình sẽ nhận một phần giá trị. Nếu dùng mô hình data-driven, hệ thống sẽ dựa trên dữ liệu thực tế để ước tính mức đóng góp của từng điểm chạm.

Điểm quan trọng nằm ở đây: Attribution không làm thay doanh nghiệp việc ra quyết định, nhưng nó giúp doanh nghiệp có một cách nhìn bớt thiên lệch hơn về hiệu quả marketing.

Vì sao mô hình attribution quan trọng trong marketing?

Ở nhiều doanh nghiệp, marketing thường được đánh giá bằng các chỉ số khá quen thuộc như số lead, số đơn hàng, chi phí chuyển đổi, ROAS hoặc doanh thu ghi nhận từ từng kênh quảng cáo. Các chỉ số này cần thiết, nhưng nếu không hiểu cách hệ thống đang gán chuyển đổi, đội marketing có thể đọc sai hiệu quả thật của từng kênh.

Một kênh thường xuyên xuất hiện ở đầu hành trình có thể tạo ra nhu cầu ban đầu nhưng lại ít được ghi nhận nếu doanh nghiệp chỉ đo bằng last click. Ngược lại, một kênh nằm gần cuối hành trình có thể được ghi nhận nhiều chuyển đổi hơn, dù vai trò chính của nó là thu hoạch nhu cầu đã được tạo ra từ trước.

Mô hình attribution giúp doanh nghiệp nhìn rõ hơn ba vấn đề:

• Kênh nào đang tạo nhận biết và kéo khách hàng vào phễu.
• Kênh nào đang hỗ trợ khách hàng cân nhắc và quay lại.
• Kênh nào có vai trò lớn ở bước chuyển đổi cuối cùng.

Khi hiểu được điều này, việc phân bổ ngân sách sẽ bớt cảm tính hơn. Doanh nghiệp không còn vội cắt một kênh chỉ vì nó không tạo ra nhiều chuyển đổi trực tiếp, cũng không quá phụ thuộc vào một kênh chỉ vì báo cáo đang ghi nhận doanh thu đẹp.

>> Xem thêm: Marketing Attribution là gì? Cách đo hiệu quả quảng cáo đa kênh

Attribution không phải là câu trả lời tuyệt đối

Một hiểu nhầm khá phổ biến là coi attribution như “sự thật cuối cùng” về hiệu quả marketing. Thực tế, attribution chỉ là một cách mô hình hóa hành trình khách hàng dựa trên dữ liệu mà hệ thống có thể ghi nhận.

Điều này nghĩa là attribution luôn có giới hạn. Nếu dữ liệu tracking thiếu, hành trình khách hàng bị đứt đoạn, cookie không còn đầy đủ, CRM không đồng bộ hoặc khách hàng chuyển đổi qua kênh offline, mô hình attribution cũng sẽ bị ảnh hưởng.

Có thể hiểu đơn giản như sau:

Attribution giúp doanh nghiệp nhìn tốt hơn, nhưng không đảm bảo nhìn thấy toàn bộ sự thật.

Vì vậy, khi đọc báo cáo attribution, doanh nghiệp nên đặt nó cạnh các dữ liệu khác như doanh thu thực tế, chất lượng lead, tỷ lệ chốt sales, vòng đời khách hàng và lợi nhuận sau quảng cáo. Đây mới là cách đọc dữ liệu có giá trị hơn cho tăng trưởng.

Các mô hình attribution phổ biến trong marketing

Có nhiều mô hình attribution khác nhau. Một số mô hình vẫn được dùng trực tiếp trong các nền tảng quảng cáo và phân tích. Một số mô hình không còn là lựa chọn mặc định trong GA4, nhưng vẫn rất hữu ích để hiểu tư duy đo lường marketing.

Last click attribution

Last click attribution là mô hình gán toàn bộ giá trị chuyển đổi cho điểm chạm cuối cùng trước khi khách hàng thực hiện hành động chuyển đổi.

Ví dụ, khách hàng xem quảng cáo Facebook, đọc bài blog, nhận email rồi cuối cùng nhấp vào quảng cáo Google Search để mua hàng. Với mô hình last click, Google Search sẽ nhận 100% giá trị chuyển đổi.

Ưu điểm của mô hình này là dễ hiểu, dễ triển khai và phù hợp với các báo cáo cần sự đơn giản. Doanh nghiệp mới bắt đầu chạy quảng cáo thường quen với cách đọc này vì nó cho biết kênh nào trực tiếp đưa khách hàng đến bước chuyển đổi cuối cùng.

Tuy nhiên, last click dễ khiến doanh nghiệp đánh giá thấp các kênh ở đầu và giữa hành trình. Những kênh như SEO, social, display, video hoặc email nurturing có thể tạo ảnh hưởng lớn đến nhận thức và niềm tin của khách hàng, nhưng lại không được ghi nhận đầy đủ nếu chỉ nhìn theo lượt nhấp cuối.

Mô hình này phù hợp khi doanh nghiệp có hành trình mua ngắn, sản phẩm đơn giản, khách hàng ra quyết định nhanh hoặc mục tiêu báo cáo chỉ tập trung vào kênh chốt chuyển đổi.

First click attribution

First click attribution là mô hình gán toàn bộ giá trị chuyển đổi cho điểm chạm đầu tiên đưa khách hàng đến với doanh nghiệp.

Ví dụ, khách hàng lần đầu biết đến thương hiệu qua một bài SEO, sau đó được remarketing nhiều lần và cuối cùng mua hàng qua Google Search. Với mô hình first click, bài SEO sẽ nhận 100% giá trị chuyển đổi.

Mô hình này hữu ích khi doanh nghiệp muốn hiểu kênh nào đang tạo ra nhu cầu ban đầu. Với các sản phẩm có chu kỳ mua dài như phần mềm B2B, dịch vụ tư vấn, giáo dục, bất động sản hoặc sản phẩm giá trị cao, điểm chạm đầu tiên thường có ý nghĩa lớn hơn nhiều so với những gì báo cáo last click thể hiện.

Điểm yếu của first click là nó bỏ qua toàn bộ quá trình nuôi dưỡng sau đó. Một khách hàng biết đến thương hiệu lần đầu không có nghĩa họ sẽ chuyển đổi nếu không có remarketing, email, tư vấn, case study hoặc nội dung so sánh ở các bước tiếp theo.

First click phù hợp để đánh giá hoạt động tạo nhận biết, mở rộng tệp khách hàng mới và đo hiệu quả của các kênh đầu phễu.

Linear attribution

Linear attribution phân bổ giá trị chuyển đổi đều cho tất cả điểm chạm trong hành trình khách hàng.

Nếu một khách hàng có 5 điểm chạm trước khi mua hàng, mỗi điểm chạm sẽ nhận 20% giá trị chuyển đổi. Cách tính này tạo cảm giác công bằng hơn vì không bỏ qua bất kỳ kênh nào trong hành trình.

Ưu điểm của linear attribution là giúp doanh nghiệp nhìn thấy vai trò tổng thể của nhiều kênh. Với các chiến dịch đa kênh, mô hình này giúp tránh tình trạng chỉ khen kênh cuối cùng và quên mất các kênh hỗ trợ phía trước.

Nhưng sự “công bằng” này cũng là điểm hạn chế. Không phải điểm chạm nào cũng có giá trị như nhau. Một email nhắc lịch tư vấn có thể ảnh hưởng mạnh hơn một lượt xem banner thoáng qua. Một bài case study đúng nhu cầu có thể tác động lớn hơn một lần truy cập website ngắn ngủi.

Linear attribution phù hợp khi doanh nghiệp muốn có cái nhìn cân bằng ở giai đoạn đầu phân tích, nhưng chưa đủ cơ sở dữ liệu để xác định điểm chạm nào có ảnh hưởng lớn hơn.

Time decay attribution

Time decay attribution phân bổ nhiều giá trị hơn cho các điểm chạm xảy ra gần thời điểm chuyển đổi. Những điểm chạm càng xa thời điểm chuyển đổi thì nhận càng ít giá trị.

Ví dụ, khách hàng nhìn thấy quảng cáo hiển thị cách đây 20 ngày, đọc bài blog cách đây 10 ngày, nhận email cách đây 3 ngày và nhấp vào quảng cáo tìm kiếm vào ngày mua hàng. Theo time decay, quảng cáo tìm kiếm và email sẽ nhận nhiều giá trị hơn các điểm chạm trước đó.

Mô hình này phản ánh một thực tế khá hợp lý: Những tương tác gần thời điểm ra quyết định thường có sức ảnh hưởng rõ hơn đến hành động cuối cùng. Với các chiến dịch ngắn hạn, khuyến mãi, ra mắt sản phẩm hoặc remarketing, time decay có thể cho góc nhìn thực tế hơn linear.

Tuy nhiên, nó vẫn có xu hướng đánh giá thấp vai trò của các kênh tạo nhận biết ban đầu. Nếu doanh nghiệp đang đầu tư mạnh vào xây dựng thương hiệu hoặc giáo dục thị trường, time decay có thể chưa phản ánh hết giá trị của các hoạt động dài hạn.

Position-based attribution

Position-based attribution, còn gọi là mô hình phân bổ theo vị trí, thường ưu tiên hai điểm chạm quan trọng: Điểm chạm đầu tiên và điểm chạm cuối cùng. Phần giá trị còn lại được chia cho các điểm chạm ở giữa.

Một cách tính phổ biến là 40% cho điểm chạm đầu tiên, 40% cho điểm chạm cuối cùng và 20% chia đều cho các điểm chạm còn lại. Tỷ lệ này có thể thay đổi tùy hệ thống hoặc cách doanh nghiệp thiết lập.

Mô hình này phù hợp với logic kinh doanh khá thực tế. Điểm chạm đầu tiên giúp khách hàng biết đến thương hiệu. Điểm chạm cuối cùng thúc đẩy họ chuyển đổi. Các điểm chạm ở giữa đóng vai trò nuôi dưỡng, củng cố niềm tin và giữ khách hàng tiếp tục đi trong hành trình.

Position-based attribution thường phù hợp với doanh nghiệp có hành trình mua trung bình đến dài, nơi cả tạo nhu cầu và chốt chuyển đổi đều quan trọng. Tuy vậy, mô hình này vẫn là mô hình dựa trên quy tắc, nên không thể phản ánh chính xác toàn bộ mức ảnh hưởng của từng điểm chạm.

Data-driven attribution

Data-driven attribution là mô hình phân bổ giá trị chuyển đổi dựa trên dữ liệu thực tế. Thay vì dùng một quy tắc cố định như last click, first click hay linear, mô hình này phân tích cách người dùng tương tác với các kênh marketing trước khi chuyển đổi, sau đó ước tính mức đóng góp của từng điểm chạm.

Điểm mạnh của data-driven attribution là khả năng phản ánh hành vi thực tế tốt hơn các mô hình thủ công. Nếu dữ liệu đủ lớn và được ghi nhận tốt, mô hình này có thể cho thấy những kênh tưởng như chỉ hỗ trợ nhưng thực ra có ảnh hưởng lớn đến chuyển đổi.

Ví dụ, một chiến dịch YouTube có thể hiếm khi là điểm chạm cuối cùng, nhưng những người đã xem video lại có tỷ lệ chuyển đổi cao hơn khi quay lại qua Google Search. Trong trường hợp đó, data-driven attribution có thể phân bổ một phần giá trị cho YouTube thay vì để toàn bộ chuyển đổi rơi vào Search.

Tuy nhiên, data-driven attribution không phải lúc nào cũng hoàn hảo. Nó phụ thuộc nhiều vào chất lượng dữ liệu, khối lượng chuyển đổi, cách tracking, cấu trúc tài khoản quảng cáo và khả năng kết nối dữ liệu giữa các nền tảng. Với doanh nghiệp có ít chuyển đổi hoặc dữ liệu bị đứt đoạn, kết quả có thể chưa đủ ổn định để dùng làm cơ sở duy nhất cho quyết định ngân sách.

Bảng so sánh các mô hình attribution phổ biến

Bảng này nên được xem như một khung tham chiếu, không phải công thức chọn mô hình cho mọi doanh nghiệp. Cùng một mô hình có thể phù hợp với doanh nghiệp này nhưng gây sai lệch cho doanh nghiệp khác, tùy vào chu kỳ mua, ngành hàng, ngân sách, kênh triển khai và khả năng đo lường dữ liệu.

Nên chọn mô hình attribution nào cho doanh nghiệp?

Không có một mô hình attribution đúng cho tất cả. Cách chọn hợp lý hơn là bắt đầu từ câu hỏi doanh nghiệp đang muốn hiểu điều gì.

Nếu doanh nghiệp muốn biết kênh nào trực tiếp tạo chuyển đổi, last click vẫn là mô hình dễ đọc. Nếu muốn biết kênh nào tạo ra khách hàng mới, first click sẽ hữu ích hơn. Nếu muốn nhìn toàn bộ hành trình đa kênh, linear hoặc position-based có thể là điểm bắt đầu tốt. Nếu dữ liệu đủ lớn và tracking đủ ổn, data-driven attribution thường đáng tham khảo hơn các mô hình dựa trên quy tắc.

Có thể tóm gọn như sau:

• Doanh nghiệp mới chạy quảng cáo: Nên bắt đầu với last click để dễ đọc dữ liệu, sau đó so sánh thêm với các báo cáo hành trình.
• Doanh nghiệp đang đầu tư SEO, social, video hoặc branding: Không nên chỉ nhìn last click vì dễ đánh giá thấp kênh đầu phễu.
• Doanh nghiệp B2B hoặc sản phẩm có chu kỳ mua dài: Nên quan tâm nhiều hơn đến first touch, assisted conversion và hành trình đa điểm chạm.
• Doanh nghiệp có ngân sách lớn, nhiều kênh và dữ liệu đủ tốt: Nên ưu tiên data-driven attribution kết hợp đối chiếu với dữ liệu CRM và doanh thu thực tế.

Điều quan trọng là không nên thay đổi ngân sách chỉ vì một báo cáo attribution riêng lẻ. Attribution nên được dùng như một lớp phân tích, không phải chiếc nút ra quyết định tự động.

Cách đọc attribution để không ra quyết định sai

Sai lầm thường gặp nhất khi đọc attribution là nhìn vào báo cáo rồi kết luận quá nhanh: Kênh nào có nhiều chuyển đổi thì tăng tiền, kênh nào ít chuyển đổi thì cắt ngân sách. Cách làm này có thể hiệu quả trong một số chiến dịch ngắn hạn, nhưng rất rủi ro với hệ thống marketing đa kênh. Để đọc attribution đúng hơn, doanh nghiệp nên chú ý bốn điểm.

Đọc theo vai trò của từng kênh

Không phải kênh nào cũng sinh ra để chốt đơn. SEO có thể giúp khách hàng hiểu vấn đề. Social có thể tạo nhận biết. Email có thể nuôi dưỡng. Google Search có thể thu hoạch nhu cầu. Sales call có thể chuyển đổi lead thành doanh thu.

Khi mỗi kênh có một vai trò khác nhau, việc ép tất cả cùng chịu một tiêu chuẩn last click là chưa công bằng. Một kênh đầu phễu có thể không tạo nhiều đơn hàng trực tiếp, nhưng nếu tắt nó đi, lượng tìm kiếm thương hiệu hoặc remarketing hiệu quả có thể giảm sau vài tuần.

So sánh nhiều mô hình, không nhìn một mô hình duy nhất

Một báo cáo last click cho thấy kênh Search hiệu quả nhất. Nhưng khi chuyển sang data-driven hoặc xem báo cáo hành trình, doanh nghiệp có thể phát hiện social, SEO hoặc video đang xuất hiện nhiều ở các bước đầu tiên.

Sự khác biệt giữa các mô hình không phải là lỗi. Nó là tín hiệu để đội marketing hiểu rằng hành trình khách hàng phức tạp hơn con số cuối cùng trên dashboard.

Đối chiếu với chất lượng lead và doanh thu thật

Một chiến dịch có nhiều chuyển đổi chưa chắc là chiến dịch tốt nếu lead không mua hàng. Ngược lại, một kênh có ít lead nhưng tỷ lệ chốt cao, giá trị hợp đồng lớn và vòng đời khách hàng dài có thể đáng đầu tư hơn.

Đây là lý do attribution nên được kết nối với CRM, dữ liệu bán hàng và doanh thu thực nhận. Nếu chỉ dừng ở conversion trên nền tảng quảng cáo, doanh nghiệp mới nhìn thấy phần đầu của câu chuyện.

Theo dõi thay đổi theo thời gian

Attribution không nên được đọc như ảnh chụp tại một thời điểm. Hành vi khách hàng thay đổi theo mùa vụ, ngân sách, thông điệp, đối thủ cạnh tranh và mức độ nhận biết thương hiệu.

Một kênh có thể chưa hiệu quả trong tháng đầu, nhưng lại tạo tác động tốt sau khi tệp khách hàng được nuôi dưỡng đủ lâu. Ngược lại, một kênh đang có ROAS đẹp có thể chỉ đang khai thác nhu cầu có sẵn, không tạo thêm tăng trưởng mới.

Một ví dụ thực tế về cách mô hình attribution ảnh hưởng đến quyết định marketing

Giả sử một doanh nghiệp SME chạy ba kênh chính: Facebook Ads, Google Search và Email Marketing. Trong báo cáo last click, Google Search tạo ra 70% số đơn hàng, Email tạo 20%, Facebook chỉ tạo 10%.

Nếu chỉ nhìn con số này, doanh nghiệp rất dễ giảm ngân sách Facebook và dồn tiền sang Google Search. Nhưng khi xem hành trình khách hàng, đội marketing phát hiện rằng phần lớn người mua qua Google Search đã từng tương tác với quảng cáo Facebook trước đó. Facebook không chốt đơn nhiều, nhưng lại tạo nhận biết và kéo người dùng vào phễu.

Sau khi cắt Facebook, doanh nghiệp có thể thấy Google Search vẫn hiệu quả trong vài ngày đầu. Nhưng vài tuần sau, lượng tìm kiếm thương hiệu giảm, tệp remarketing nhỏ lại và chi phí chuyển đổi bắt đầu tăng. Vấn đề không nằm ở Google Search, mà nằm ở việc doanh nghiệp đã cắt mất một kênh tạo nhu cầu phía trước.

Đây là tình huống khá thường gặp. Báo cáo không sai, nhưng cách đọc báo cáo chưa đủ bối cảnh.

Góc nhìn dữ liệu: Attribution chỉ có giá trị khi dữ liệu đủ tin cậy

Mô hình attribution nào cũng cần dữ liệu đầu vào. Nếu dữ liệu tracking sai, sự kiện chuyển đổi bị trùng, CRM không đồng bộ, doanh thu không được đối chiếu hoặc nền tảng quảng cáo tự ghi nhận theo logic riêng, kết quả attribution sẽ rất dễ lệch.

Ở góc nhìn của AdPase, bài toán không nằm ở việc doanh nghiệp có bao nhiêu dashboard. Vấn đề lớn hơn là doanh nghiệp có đang nhìn đúng dữ liệu để ra quyết định hay không.

Một báo cáo đẹp có thể khiến đội marketing tự tin tăng ngân sách. Nhưng nếu doanh thu thực tế không khớp, đơn hàng bị hủy nhiều, lead không đủ chất lượng hoặc sale không chốt được, quyết định tăng ngân sách có thể làm doanh nghiệp mất tiền nhanh hơn.

Vì vậy, attribution nên được đặt trong một hệ thống đo lường rộng hơn, bao gồm:

• Dữ liệu quảng cáo từ các nền tảng.
• Dữ liệu website và hành vi người dùng.
• Dữ liệu CRM và trạng thái lead.
• Dữ liệu đơn hàng, doanh thu và lợi nhuận.
• Dữ liệu hoàn hủy, hoàn tiền hoặc giá trị khách hàng sau mua.

Khi các lớp dữ liệu này được kết nối, attribution không còn chỉ là một báo cáo marketing. Nó trở thành một phần của hệ thống ra quyết định tăng trưởng.

Một số câu hỏi thường gặp về mô hình attribution

Mô hình attribution có giống tracking không?

Không. Tracking là quá trình ghi nhận dữ liệu hành vi và chuyển đổi của người dùng. Attribution là cách phân bổ giá trị chuyển đổi cho các điểm chạm dựa trên dữ liệu đã được tracking. Nếu tracking sai hoặc thiếu, attribution cũng khó chính xác.

Last click attribution có còn nên dùng không?

Có, nhưng không nên dùng như góc nhìn duy nhất. Last click vẫn hữu ích để biết kênh nào nằm sát thời điểm chuyển đổi nhất. Tuy nhiên, với hành trình khách hàng nhiều điểm chạm, mô hình này dễ đánh giá thấp các kênh tạo nhận biết và nuôi dưỡng.

Data-driven attribution có luôn chính xác hơn không?

Không phải lúc nào cũng vậy. Data-driven attribution thường phản ánh hành vi thực tế tốt hơn mô hình dựa trên quy tắc, nhưng nó phụ thuộc vào khối lượng dữ liệu, chất lượng tracking và cách hệ thống ghi nhận chuyển đổi. Với dữ liệu ít hoặc không sạch, kết quả vẫn cần được kiểm chứng thêm.

Doanh nghiệp SME nên bắt đầu với mô hình attribution nào?

SME có thể bắt đầu với last click để dễ đọc báo cáo, sau đó xem thêm báo cáo hành trình khách hàng và so sánh với các mô hình khác nếu nền tảng hỗ trợ. Quan trọng hơn, doanh nghiệp nên đối chiếu dữ liệu quảng cáo với CRM và doanh thu thực tế thay vì chỉ nhìn conversion trên từng nền tảng.

Có nên thay đổi ngân sách theo báo cáo attribution không?

Có thể, nhưng không nên làm quá nhanh. Attribution là một tín hiệu quan trọng, nhưng cần được đọc cùng chi phí, chất lượng lead, tỷ lệ chốt, doanh thu và lợi nhuận. Nếu chỉ tăng giảm ngân sách theo một mô hình attribution, doanh nghiệp dễ cắt nhầm kênh đang hỗ trợ tăng trưởng dài hạn.

Kết bài

Mô hình attribution giúp doanh nghiệp hiểu rõ hơn cách các kênh marketing cùng đóng góp vào chuyển đổi. Nhưng giá trị thật của attribution không nằm ở việc chọn được một mô hình nghe có vẻ hiện đại nhất. Giá trị nằm ở khả năng đọc dữ liệu đúng bối cảnh.

Một kênh tạo ra chuyển đổi cuối cùng chưa chắc là kênh duy nhất tạo ra doanh thu. Một kênh ít được ghi nhận trên báo cáo chưa chắc là kênh kém hiệu quả. Khi doanh nghiệp hiểu được vai trò của từng điểm chạm trong hành trình khách hàng, quyết định marketing sẽ bớt cảm tính hơn và gần hơn với hiệu quả kinh doanh thực tế.

Attribution không thay thế tư duy tăng trưởng. Nó chỉ giúp tư duy đó có thêm dữ liệu để đứng vững.