Làm ở team Pub Ads một thời gian, tôi nhận ra một điều khá nghịch lý: chúng tôi hiếm khi thiếu publisher để nói chuyện, nhưng lại rất dễ thiếu publisher phù hợp để chạy lâu dài.
Mỗi tuần đều có publisher mới xuất hiện. Có người chủ động liên hệ, có người được giới thiệu, có người tôi phải tự đi tìm. Nhìn danh sách thì lúc nào cũng đông. Nhưng sau onboarding, không ít publisher drop ads rất sớm, có người chỉ test vài ngày rồi biến mất, có người thì chạy sai hướng, phát sinh issue, cuối cùng đều không cho ra kết quả mà cả hai bên đều mong muốn.
Thời gian đầu, tôi nghĩ vấn đề nằm ở campaign hoặc commission không gây hứng thú cho publisher. Nhưng sau này làm nhiều hơn, tôi mới thấy gốc rễ thường nằm ở khâu tuyển chọn ban đầu.
1. Khi tuyển publisher ads vẫn quá dựa vào cảm giác
Trước khi áp dụng AI, cách tôi tuyển publisher ads khá quen thuộc: xem profile, xem website, lướt fanpage, hỏi pub về traffic, nhìn kinh nghiệm chạy ads trước đây của họ đã từng chạy campaign nào kết quả ra sao, rồi quyết định onboard họ ở campaign nào trước. Phần lớn dựa vào kinh nghiệm và cảm giác cá nhân tôi.
Cách này không hẳn là sai, nhưng nó có ba vấn đề lớn:
- Tốn thời gian cho những publisher mass top như nhau cuối cùng lại không phù hợp
- Dễ onboard nhầm publisher:
- Traffic không khớp campaign
- Không quen rule
- Khả năng scale thấp hơn kỳ vọng
- Traffic không khớp campaign
- Khi publisher drop sớm, cả SSD và AM đều mất thêm thời gian xử lý hậu quả
Có những tháng, tôi cảm giác mình làm rất nhiều nhưng hiệu quả không tương xứng. Recruit nhiều, nhưng số publisher active ổn định lại không tăng bao nhiêu.
2. Tôi bắt đầu dùng AI như một “người soi lại quyết định”
Tôi không dùng AI để thay mình nói chuyện với publisher, cũng không dùng để viết tin nhắn mời hợp tác. Thứ tôi cần là một cách soi lại quyết định tuyển chọn của chính mình.
Tôi bắt đầu đưa profile publisher vào một workflow AI đơn giản:
- Website / landing page
- Fanpage hoặc thông tin ads
- Mô tả traffic và geo
AI giúp tôi làm ba việc:
Thứ nhất, phân tích nhanh profile publisher.
Thay vì tự đọc từng chi tiết, tôi có một bản tóm tắt ngắn: publisher đang chạy ads theo hướng nào, traffic tập trung hay dàn trải, nội dung có điểm nào dễ rủi ro.
Thứ hai, match publisher với campaign.
Tôi đưa rule campaign vào và hỏi AI: publisher này phù hợp mức nào, nên test campaign nào trước, cần lưu ý gì khi onboard.
Thứ ba, đánh giá risk trước khi contact sâu.
Có những publisher nhìn khá ổn ở bề ngoài, nhưng AI chỉ ra những điểm mà nếu không để ý, rất dễ gặp issue sau này.
AI không quyết định thay tôi. Nhưng nó khiến tôi chậm lại một nhịp trước khi onboard, và điều đó tạo ra khác biệt.
3. Kết quả: tuyển ít hơn, nhưng đỡ mệt hơn
Sau vài tháng áp dụng cách làm này, tôi bắt đầu thấy sự thay đổi rõ ràng:
- Tôi tiết kiệm khoảng 4 giờ mỗi tháng
(Ít phải trao đổi dài với những publisher cuối cùng không onboard, hoặc không tiềm năng, mọi thứ dừng lại ở việc cung cấp đủ thông tin về campaign, về dashboard về những gì cơ bản nhất để publisher có thể bắt đầu với Ecomobi. Đối với những publisher tiềm năng, tôi đào sâu hơn về kinh nghiệm của họ chạy trước đây, và những gì họ muốn ở Eco và cho dù dẫu không onboard ngay được thì tôi vẫn có những insight quý giá từ họ. Và mối quan hệ đó sẽ đến một lúc nào đó khi match được campaign với traffic của họ, chúng tôi sẽ cùng nhau tạo ra Rev lớn.) - Tỷ lệ contact → onboard tăng thêm 10%
Vì tôi chỉ contact những publisher đã được lọc kỹ hơn - Tỷ lệ publisher active sau onboard tăng thêm 5%
- Đặc biệt, số publisher drop ads trong 30 ngày đầu giảm rõ rệt khoảng 20%
Không phải mọi publisher đều scale tốt, nhưng tôi ít rơi vào cảm giác “onboard xong một thời gian là thấy sai” như trước.
4. Một case khiến tôi tin là mình đang đi đúng hướng
Có một publisher ads (ronaldo74) mà nếu gặp ở thời điểm trước, tôi gần như chắc chắn sẽ onboard ngay. Từng chạy affiliate, nói chuyện tự tin, biết các tool support tối ưu ads. Mọi thứ nhìn đều “đạt”.
Nhưng khi tôi đưa profile này vào workflow AI, kết quả trả về khiến tôi phải suy nghĩ lại:
- Traffic từng chạy nhiều vertical nhưng không vertical nào scale rõ ràng
- Campaign hiện tại của Ecomobi không thực sự phù hợp để push mạnh
Thay vì onboard ngay, tôi chọn cách test rất nhỏ, set expectation rõ ràng và theo sát. Kết quả đúng như những gì AI gợi ý: publisher này không drop ngay, nhưng cũng không scale được. Quan trọng hơn, tôi tránh được việc kỳ vọng quá cao và tốn nhiều thời gian xử lý issue sau đó.
Ngược lại, có một publisher khác ban đầu khá “nhạt”, không có profile quá nổi bật. Nhưng qua AI phân tích, tôi nhận ra traffic của họ rất tập trung và hợp với một vài campaign cụ thể. Tôi ưu tiên hỗ trợ publisher này, và họ trở thành một publisher chạy ổn định sau đó.
Những quyết định như vậy trước đây thường dựa nhiều vào cảm giác. AI giúp tôi có thêm một lớp kiểm chứng trước khi chọn.
5. Điều tôi học được khi dùng AI trong tuyển publisher ads
AI không làm công việc của tôi nhẹ đi theo kiểu “bấm nút là xong”. Nhưng nó giúp tôi đỡ sai hơn. Và trong affiliate, ít sai đôi khi quan trọng hơn làm nhanh.
Quan trọng nhất, AI giúp tôi dành nhiều thời gian hơn cho phần việc mà nó không làm được: nói chuyện với publisher, giải thích rule, set expectation, và xây dựng mối quan hệ lâu dài.
Vậy nên, AI không thay thế trải nghiệm làm nghề. Nhưng khi được dùng đúng chỗ, nó giúp người làm nghề nhìn rõ hơn những quyết định của chính mình.
Với tôi, ứng dụng AI trong tuyển chọn publisher ads không phải để tuyển được nhiều hơn, mà để tuyển đúng hơn, và làm công việc này bớt mệt hơn về lâu dài.