Ứng dụng AI trong hoạt động theo dõi và tối ưu ads của Inhouse Team

Trong quá trình làm việc và phát triển hệ thống phân tích dữ liệu nội bộ, trí tuệ nhân tạo (AI) đang được ứng dụng như một công cụ hỗ trợ trực tiếp và hiệu quả trong việc tối ưu hóa quy trình crawl dữ liệu thông qua API của các ad network. Thay vì chỉ đóng vai trò tham khảo hay hỗ trợ ở mức ý tưởng, AI được đưa vào thực tiễn như một “trợ lý kỹ thuật”, tham gia trực tiếp vào việc phân tích tài liệu kỹ thuật, xây dựng cấu trúc dữ liệu và viết code hoàn chỉnh phục vụ cho nhu cầu thu thập và xử lý dữ liệu; cũng như tối ưu campaign và nghiên cứu thêm các sản phẩm, traffic mới.

Ứng dụng AI trong việc crawl dữ liệu

Trung bình mỗi quý, đội ngũ in-house tiến hành test từ 4–6 ad network mới nhằm tìm kiếm và đánh giá các nguồn traffic tiềm năng. Mỗi network thường có đặc thù riêng về API, cấu trúc response, cách phân trang, giới hạn request, cũng như định nghĩa khác nhau cho các chỉ số như impressions, clicks, cost, revenue hay commission. Điều này đặt ra yêu cầu cao về việc xây dựng code crawl dữ liệu vừa chính xác, vừa linh hoạt, đồng thời đảm bảo hiệu suất khi xử lý khối lượng dữ liệu lớn theo ngày, theo campaign hoặc theo zone.

Để đáp ứng nhu cầu theo dõi, phân tích chuyên sâu và đảm bảo tính nhất quán của dữ liệu giữa nhiều nguồn khác nhau, việc tối ưu code cho quá trình lấy dữ liệu, chuẩn hóa định dạng và ghi nhận dữ liệu vào hệ thống lưu trữ (database) được xác định là ưu tiên hàng đầu. AI được huấn luyện và “làm quen” với cấu trúc dữ liệu chuẩn mà hệ thống yêu cầu, bao gồm các trường thông tin bắt buộc như thời gian (date), campaign, zone, chỉ số hiệu suất, chi phí, doanh thu, cũng như các trường phục vụ truy vết và đối soát dữ liệu như network, imported_at, hoặc các tham số mở rộng khác.

Với các ad network mới, quy trình triển khai được rút gọn đáng kể. Chỉ cần cung cấp cho AI tài liệu kỹ thuật của network (API documentation), bao gồm endpoint, phương thức xác thực, cấu trúc request và response mẫu, AI sẽ hỗ trợ phân tích tài liệu, xác định các trường dữ liệu cần thiết và tự động xây dựng đoạn code crawl dữ liệu hoàn chỉnh theo đúng chuẩn định dạng của hệ thống nội bộ. Đoạn code này đã bao gồm các bước xử lý dữ liệu, ép kiểu, chuẩn hóa tên cột, xử lý phân trang và sẵn sàng để ghi vào database.

Vai trò của team kỹ thuật trong quy trình này chủ yếu tập trung vào việc kiểm tra logic, test thực tế với dữ liệu thật và tinh chỉnh nhỏ nếu cần thiết. Nhờ đó, thời gian triển khai cho mỗi network mới được rút ngắn đáng kể. Nếu trước đây, việc đọc tài liệu, viết code và test có thể mất từ 1 đến 2 ngày làm việc, thì với sự hỗ trợ của AI, thời gian trung bình cho mỗi network mới chỉ còn khoảng 5 giờ. Điều này giúp team chủ động hơn trong việc mở rộng nguồn traffic, đồng thời giảm áp lực về mặt kỹ thuật khi phải xử lý nhiều network trong cùng một khoảng thời gian ngắn.

Tổng thể, việc ứng dụng AI trong crawl và xử lý dữ liệu không chỉ mang lại hiệu quả rõ rệt về mặt thời gian, mà còn góp phần nâng cao tính chuẩn hóa, giảm sai sót trong quá trình phát triển code và tạo nền tảng vững chắc cho việc phân tích dữ liệu chuyên sâu trong các giai đoạn tiếp theo.

Thời gian mà AI tiết kiệm: 5*6 =30h

Ứng dụng AI trong công việc Media Buying & Research

Trong quá trình làm việc, AI được ứng dụng như một công cụ hỗ trợ trực tiếp cho các hoạt động check campaign, tối ưu hiệu quả và lên campaign mới, giúp tiết kiệm thời gian và nâng cao chất lượng quyết định.

1. Check campaign & tối ưu hiệu quả

AI hỗ trợ phân tích zone ID và campaign ID dựa trên dữ liệu thực tế. Quy trình thực hiện gồm:

• Thu thập dữ liệu (chụp ảnh report, log zone win, điều kiện lọc).
  
• Thiết lập rule: zone/campaign nào có ME/RE vượt ngưỡng cho phép sẽ được AI cảnh báo.
  
• AI tự động gợi ý off các zone/campaign kém hiệu quả, hạn chế thất thoát ngân sách.
  

Từ dữ liệu đã được lọc, AI tổng hợp và đưa ra insight như:

• GEO nào đang hoạt động tốt/kém.
  
• Target, thiết bị, thời điểm chạy hiệu quả.
  
• Gợi ý hướng scale hoặc lên campaign mới dựa trên pattern dữ liệu.
  

Ngoài ra, AI còn phân tích trend theo tháng và đề xuất các chỉ số cần theo dõi thêm, giúp định hướng chiến lược rõ ràng hơn.

Thời gian mà AI tiết kiệm: ~ 30phút/ ngày cho khâu check và tối ưu. Mỗi tuần dành ít nhất 2 ngày cho khâu này. 1 tháng tiết kiệm được 0.5*2*4 = 4h/tháng

Áp dụng cụ thể: Đối với các campaign Trip, AI được sử dụng để phân tích zone ID và campaign ID dựa trên dữ liệu report hằng ngày (impression, click, cost, conversion, ME/RE).

Quy trình:

• Import dữ liệu report (hoặc ảnh chụp report) vào AI.
  
• Thiết lập điều kiện lọc và câu hỏi
  

>> Kết quả AI trả về ( có thể dạng text insight):

• GEO hiệu quả (nên scale):
  
  • FR, AU: ME/RE ổn định, conversion rate tốt, chi phí/đơn hàng thấp hơn trung bình. >> scale chẳng hạn
    
• GEO giảm hiệu suất:
  
  • US: spend tăng nhưng order giảm, ME/RE tăng dần theo tuần.
    
• Kênh traffic kém hiệu quả:
  
  • CVR giảm dần, Me/re tăng cao >>> đưa ra định hướng scale
    
• Ví dụ gợi ý hành động:
  
  • Tập trung scale geo tốt
    
  • Off các zone có ME/RE vượt ngưỡng liên tiếp 2–3 ngày.
    
  • Dùng insight này làm baseline để lên campaign Trip mới, giảm thời gian test.
    

Nhờ AI tổng hợp và diễn giải insight dưới dạng text, team không cần đọc thủ công từng report.

2. Research & phân tích chiến dịch

AI được sử dụng trong các hoạt động research như:

• Thu thập và tổng hợp thông tin từ nhiều nguồn.
  
• Phân tích dữ liệu, so sánh phương án và đề xuất hướng giải quyết.
  
• Draft báo cáo, rút ra insight chính.
  
• Nghiên cứu campaign mới, deep link, flow chuyển đổi.
  
• Gợi ý ad network hoặc nguồn traffic mới phù hợp với mục tiêu.
  

Nhờ AI, quá trình research trở nên nhanh và có cấu trúc hơn, giảm đáng kể thời gian tìm kiếm thủ công nhưng vẫn đảm bảo chiều sâu phân tích.

AI được sử dụng cho các hoạt động research sâu hơn, ví dụ bao gồm:

• Nghiên cứu traffic in-app
  
• Lên Google Ads plan:
  
  • Gợi ý cấu trúc campaign.
    
  • Định hướng GEO, keyword nhóm chính.
    
  • Phân tích cạnh tranh
    

Thời gian mà AI tiết kiệm: ~ 1h/ ngày cho việc research. Mỗi tuần dành ít nhất 2 ngày cho công việc này. 1 tháng tiết kiệm được 1*2*4 = 8h/tháng