Bài 90 · Marketing BĐS số

Case study: chi phí khách hàng tiềm năng rất thấp nhưng Sales đánh giá chất lượng kém

Bài 90 – Case study: chi phí khách hàng tiềm năng rất thấp nhưng Sales đánh giá chất lượng kém thuộc series Marketing BĐS số. Bài được thiết kế theo hướng quản trị thực hành: biến các nguyên tắc pháp lý, dữ liệu và đạo đức thành quy trình, bằng chứng và điểm kiểm soát có thể áp dụng trong chiến dịch.

Biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn

Cập nhật 30/09/2026: Nội dung được biên soạn cho mục đích giảng dạy Marketing BĐS số, không phải ý kiến pháp lý cho một hồ sơ cụ thể. Các yêu cầu pháp lý được trình bày theo khung pháp luật đang có hiệu lực tại thời điểm biên soạn; khi triển khai thực tế cần đối chiếu văn bản hiện hành, vai trò của các bên và tình huống cụ thể.

Ranh giới chuyên đề: Bài là tình huống tổng hợp Marketing BĐS số, dùng các khung đã học để chẩn đoán và ra quyết định; không phải case dữ liệu thực của một doanh nghiệp cụ thể.

1. CPL thấp là dấu hiệu acquisition efficiency ở một stage, không phải bằng chứng lead quality; cần kiểm downstream funnel trước khi tăng ngân sách

CPL thấp là dấu hiệu acquisition efficiency ở một stage, không phải bằng chứng lead quality; cần kiểm downstream funnel trước khi tăng ngân sách.

Khi áp dụng, cần đặt câu hỏi ở cấp hệ thống: thông tin đến từ đâu, ai có quyền dùng, mục đích nào được phép, phiên bản nào đang chạy, bằng chứng nào hỗ trợ claim, điều kiện nào phải dừng và dữ liệu downstream nào chứng minh chiến dịch thực sự tạo giá trị.

2. Creative hoặc offer quá rộng, quà tặng mạnh, giá mồi hoặc form quá dễ có thể kéo nhiều người sẵn sàng để lại thông tin nhưng không có nhu cầu BĐS thực

Creative hoặc offer quá rộng, quà tặng mạnh, giá mồi hoặc form quá dễ có thể kéo nhiều người sẵn sàng để lại thông tin nhưng không có nhu cầu BĐS thực.

Khi áp dụng, cần đặt câu hỏi ở cấp hệ thống: thông tin đến từ đâu, ai có quyền dùng, mục đích nào được phép, phiên bản nào đang chạy, bằng chứng nào hỗ trợ claim, điều kiện nào phải dừng và dữ liệu downstream nào chứng minh chiến dịch thực sự tạo giá trị.

3. Instant form/prefill có thể làm giảm friction; cần đo contactability, confirmation và qualification thay vì quy kết nền tảng tạo lead xấu

Instant form/prefill có thể làm giảm friction; cần đo contactability, confirmation và qualification thay vì quy kết nền tảng tạo lead xấu.

Khi áp dụng, cần đặt câu hỏi ở cấp hệ thống: thông tin đến từ đâu, ai có quyền dùng, mục đích nào được phép, phiên bản nào đang chạy, bằng chứng nào hỗ trợ claim, điều kiện nào phải dừng và dữ liệu downstream nào chứng minh chiến dịch thực sự tạo giá trị.

Câu hỏiThiết kế cần chốtBằng chứng
Mục đích?Purpose/use caseRegister
Nguồn?Source-of-truthEvidence
Ai?Owner/accessRACI/log
Điều kiện?Rule/consent/claim scopeVersion
Kiểm soát?Approval/monitoringAudit trail

4. Sales feedback cần được chuẩn hóa bằng reason codes; câu 'lead rác' không đủ để phân biệt sai số, ngoài ngân sách, sai khu vực, chưa sẵn sàng hay xử lý chậm

Sales feedback cần được chuẩn hóa bằng reason codes; câu 'lead rác' không đủ để phân biệt sai số, ngoài ngân sách, sai khu vực, chưa sẵn sàng hay xử lý chậm.

Khi áp dụng, cần đặt câu hỏi ở cấp hệ thống: thông tin đến từ đâu, ai có quyền dùng, mục đích nào được phép, phiên bản nào đang chạy, bằng chứng nào hỗ trợ claim, điều kiện nào phải dừng và dữ liệu downstream nào chứng minh chiến dịch thực sự tạo giá trị.

5. Speed-to-lead phải được kiểm trước khi đánh giá source: lead tốt gọi sau nhiều giờ có thể trông như lead kém vì khách đã chuyển sang lựa chọn khác

Speed-to-lead phải được kiểm trước khi đánh giá source: lead tốt gọi sau nhiều giờ có thể trông như lead kém vì khách đã chuyển sang lựa chọn khác.

Khi áp dụng, cần đặt câu hỏi ở cấp hệ thống: thông tin đến từ đâu, ai có quyền dùng, mục đích nào được phép, phiên bản nào đang chạy, bằng chứng nào hỗ trợ claim, điều kiện nào phải dừng và dữ liệu downstream nào chứng minh chiến dịch thực sự tạo giá trị.

6. MQL/SQL definition phải thống nhất; nếu Marketing tính MQL bằng score còn Sales dùng tiêu chí khác, hai bên sẽ tranh luận mà không thể cải thiện

MQL/SQL definition phải thống nhất; nếu Marketing tính MQL bằng score còn Sales dùng tiêu chí khác, hai bên sẽ tranh luận mà không thể cải thiện.

Khi áp dụng, cần đặt câu hỏi ở cấp hệ thống: thông tin đến từ đâu, ai có quyền dùng, mục đích nào được phép, phiên bản nào đang chạy, bằng chứng nào hỗ trợ claim, điều kiện nào phải dừng và dữ liệu downstream nào chứng minh chiến dịch thực sự tạo giá trị.

7. Cost/MQL, Cost/SQL, Cost/Appointment và CAC cung cấp bức tranh kinh tế tốt hơn CPL; một nguồn CPL cao có thể rẻ hơn ở stage cuối

Cost/MQL, Cost/SQL, Cost/Appointment và CAC cung cấp bức tranh kinh tế tốt hơn CPL; một nguồn CPL cao có thể rẻ hơn ở stage cuối.

Khi áp dụng, cần đặt câu hỏi ở cấp hệ thống: thông tin đến từ đâu, ai có quyền dùng, mục đích nào được phép, phiên bản nào đang chạy, bằng chứng nào hỗ trợ claim, điều kiện nào phải dừng và dữ liệu downstream nào chứng minh chiến dịch thực sự tạo giá trị.

8. Giải pháp thường nằm ở tổ hợp audience + creative + offer + form + routing + SLA + feedback, không phải đơn giản 'tăng câu hỏi form' hoặc 'đổi nền tảng'

Giải pháp thường nằm ở tổ hợp audience + creative + offer + form + routing + SLA + feedback, không phải đơn giản 'tăng câu hỏi form' hoặc 'đổi nền tảng'.

Khi áp dụng, cần đặt câu hỏi ở cấp hệ thống: thông tin đến từ đâu, ai có quyền dùng, mục đích nào được phép, phiên bản nào đang chạy, bằng chứng nào hỗ trợ claim, điều kiện nào phải dừng và dữ liệu downstream nào chứng minh chiến dịch thực sự tạo giá trị.

Ma trận trọng tâm

StageCampaign ACampaign BCần tính
Lead5.0001.200CPL
Contactable50%88%Cost/contactable
SQL3%18%Cost/SQL
CapacityCaoVừaSales load
DecisionKhông chỉ CPLKhông chỉ SQLMarginal + root cause

Nguyên tắc case study

Tình huống dưới đây là giả lập phục vụ giảng dạy. Mục tiêu là luyện cách tách triệu chứng khỏi nguyên nhân, kiểm data quality trước khi tối ưu và nối metric đầu phễu với business outcome.

Tình huống giả lập phục vụ giảng dạy

Campaign A tạo 5.000 lead/tháng với CPL 65.000đ, contactability 50%, SQL 3%. Campaign B tạo 1.200 lead với CPL 180.000đ, contactability 88%, SQL 18%. Sales muốn tắt A, Marketing muốn scale A. Hãy xây quyết định bằng cost/SQL, capacity và root cause.

Sinh viên phải nhận diện rủi ro, dữ liệu/bằng chứng còn thiếu, người chịu trách nhiệm, control trước khi chạy và cách theo dõi sau khi chạy. Với case performance, phải tách lỗi media, website, data, CRM và Sales thay vì đổ lỗi cho một bộ phận.

Cheap Lead Paradox Lab

Một hệ thống quản trị tốt cần biến nguyên tắc thành artefact có thể kiểm tra: register, rule, owner, version, evidence, alert và decision record. Không nên dựa vào trí nhớ cá nhân hoặc trao đổi rời rạc trong nhóm chat. Khi có khiếu nại, audit hoặc hiệu quả đi xuống, tổ chức phải truy được ai quyết định, dựa trên dữ liệu nào và phiên bản nào đã chạy.

Thành phầnCâu hỏi kiểm soátArtefact
DefinitionKhái niệm được hiểu thế nào?Data/claim dictionary
SourceThông tin từ đâu?Evidence/source register
OwnerAi chịu trách nhiệm?RACI
VersionPhiên bản nào?Version history
ApprovalAi duyệt?Approval log
MonitoringTheo dõi gì?Dashboard/alerts
IncidentNếu sai thì sao?Playbook

Pre-mortem: giả định chiến dịch đã thất bại

Trước khi xuất bản, nhóm nên giả định sau 30 ngày chiến dịch gây khiếu nại, dữ liệu bị dùng sai hoặc Sales nói lead rất kém. Sau đó liệt kê các nguyên nhân có thể: claim cũ, consent mơ hồ, form quá rộng, audience lệch, automation không suppress, source mất, affiliate gian lận hoặc AI tạo nội dung sai. Pre-mortem giúp đặt kiểm soát trước khi hậu quả xảy ra.

Rủi roEarly signalPreventive controlRecovery
Claim lỗi thờiUpdate mismatchExpiry datePause/update
Consent gapUnknown statusConsent recordSuppress/re-consent
Data leakBulk exportAccess alertRevoke/investigate
Lead fraudInvalid rate↑ValidationBlock source
AI errorFact mismatchHuman gateWithdraw/correct
Funnel leakStage dropMonitoringExperiment/fix

Decision Record

Mỗi quyết định rủi ro cao nên ghi mục tiêu, dữ liệu, giả định, bằng chứng, người duyệt, thời điểm, phạm vi, guardrail và ngày review. Decision Record đặc biệt hữu ích với claim pháp lý/giá, thay đổi consent, chia sẻ database, mở affiliate mới, bật auto-publish AI hoặc thay scoring/routing.

Case Diagnostic Canvas

ÔNội dung cần điềnKhông được bỏ qua
SymptomĐiều gì đang xấu?Metric + period
Data healthCó tin dữ liệu?Source/stage/dup
FunnelRơi ở đâu?Stage conversion
SegmentsNguồn/device/audienceCohort
QualitativeSales/call/userReason
Hypotheses3–5 nguyên nhânKhông kết luận sớm
ExperimentThay gì?Primary + guardrail
DecisionScale/fix/stopOwner/date

Phân tích định lượng mẫu

Không cần mô hình phức tạp để bắt đầu. Hãy tính các tỷ lệ theo từng stage, so theo source/device/campaign, nhìn cả volume và velocity, sau đó kiểm mẫu lead/call để giải thích con số. Nếu một phân khúc có CVR thấp nhưng SQL cao, có thể nó tự sàng lọc tốt; nếu CPL rẻ nhưng contactability thấp, vấn đề có thể nằm ở form, fraud hoặc offer.

Prioritization

Ưu tiên theo Impact × Confidence ÷ Effort, nhưng thêm Risk và Data Quality. Không nên chạy A/B test headline khi form đang hỏng, tracking mất 30% source hoặc Sales không xử lý lead trong SLA. Sửa lỗi hệ thống trước tối ưu tinh chỉnh.

Ma trận mức độ rủi ro

MứcVí dụXử lý
ThấpCopy/format không chứa claim nhạy cảmReview thường
VừaForm, nurture, personalizationOwner + test
CaoGiá, pháp lý, scarcity, customer data exportApproval + evidence
Rất caoLeak, fraud lớn, claim sai diện rộngPause/escalate/incident

Checklist áp dụng

  1. Xác định mục tiêu và phạm vi chiến dịch.
  2. Kiểm source-of-truth cho dữ liệu và claim.
  3. Kiểm data fields/mục đích/consent hoặc căn cứ phù hợp.
  4. Kiểm quyền truy cập và bên thứ ba.
  5. Kiểm giá/inventory/pháp lý/tiến độ và ngày cập nhật.
  6. Kiểm AI/visual provenance và disclosure.
  7. Kiểm tracking/CRM/SLA/suppression.
  8. Đặt severity và người sign-off.
  9. Theo dõi complaints, data health và downstream quality.
  10. Có rollback/incident plan.

Những sai lầm cần tránh

  • Có số điện thoại rồi cho rằng được dùng cho mọi mục đích.
  • Một checkbox gộp nhiều mục đích.
  • Gửi database vào nhóm chat vì tiện.
  • Dùng giá mồi hoặc scarcity không có nguồn.
  • Dùng từ tuyệt đối mà không có evidence.
  • Cho AI tự bịa hoặc tự publish claim.
  • Tin CPL thấp mà bỏ contactability/SQL.
  • Chỉ đọc platform dashboard khi nghi gian lận.
  • Không có expiry date cho price/inventory claim.
  • Không lưu bằng chứng và người phê duyệt.

Bài tập thực hành

  1. Audit một form thu lead BĐS.
  2. Thiết kế consent record theo từng mục đích.
  3. Thiết kế RBAC cho Marketing–Sales–Agency.
  4. Viết lại một mẫu quảng cáo giá mồi.
  5. Lập evidence pack cho 5 claim.
  6. Thiết kế AI pre-publish gate.
  7. Thiết kế fraud investigation checklist.
  8. Lập go/no-go board cho một campaign.
  9. Chẩn đoán case traffic cao ít lead.
  10. Chẩn đoán case CPL thấp quality kém.

Câu hỏi tự kiểm tra

  • Dữ liệu này được thu để làm gì?
  • Khách có thể hiểu khác với thông điệp không?
  • Claim có nguồn, điều kiện và thời điểm không?
  • Ai có quyền truy cập/xuất dữ liệu?
  • AI đang hỗ trợ hay đang quyết định thay người?
  • Nếu có khiếu nại, tôi truy được bằng chứng không?

Ghi nhớ trong 30 giây

  • CPL thấp là dấu hiệu acquisition efficiency ở một stage, không phải bằng chứng lead quality; cần kiểm downstream funnel trước khi tăng ngân sách.
  • Creative hoặc offer quá rộng, quà tặng mạnh, giá mồi hoặc form quá dễ có thể kéo nhiều người sẵn sàng để lại thông tin nhưng không có nhu cầu BĐS thực.
  • Sales feedback cần được chuẩn hóa bằng reason codes; câu 'lead rác' không đủ để phân biệt sai số, ngoài ngân sách, sai khu vực, chưa sẵn sàng hay xử lý chậm.
  • MQL/SQL definition phải thống nhất; nếu Marketing tính MQL bằng score còn Sales dùng tiêu chí khác, hai bên sẽ tranh luận mà không thể cải thiện.
  • Giải pháp thường nằm ở tổ hợp audience + creative + offer + form + routing + SLA + feedback, không phải đơn giản 'tăng câu hỏi form' hoặc 'đổi nền tảng'.

Nguồn tham khảo

  1. Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15, có hiệu lực từ 01/01/2026.
  2. Nghị định số 356/2025/NĐ-CP quy định chi tiết một số điều và biện pháp thi hành Luật Bảo vệ dữ liệu cá nhân, có hiệu lực từ 01/01/2026.
  3. Luật sửa đổi, bổ sung một số điều của Luật Quảng cáo số 75/2025/QH15, có hiệu lực từ 01/01/2026.
  4. Nghị định số 87/2026/NĐ-CP quy định xử phạt vi phạm hành chính trong lĩnh vực văn hóa và quảng cáo, có hiệu lực từ 15/05/2026.
  5. Luật Bảo vệ quyền lợi người tiêu dùng số 19/2023/QH15 và Nghị định số 55/2024/NĐ-CP.
  6. Luật Kinh doanh bất động sản số 29/2023/QH15 và các văn bản sửa đổi, hướng dẫn có liên quan.
  7. NIST AI Risk Management Framework – tham khảo quản trị rủi ro AI, không thay thế pháp luật Việt Nam.

Bài tiếp theo: “Case study: TikTok nhiều lượt xem nhưng không tạo lịch tư vấn”.

📚 Xem toàn bộ 96 bài trong series Marketing BĐS số