Sự nghiệp phân tích marketing bắt đầu từ một nhiệm vụ: trả lời câu hỏi “marketing của chúng ta có hiệu quả không, và đồng tiền tiếp theo nên đi đâu?” bằng dữ liệu thay vì ý kiến. Chức danh rất đa dạng (marketing analyst, marketing data scientist, measurement analyst, analytics engineer), và công việc mỗi ngày cũng vậy. Hướng dẫn này mô tả sáu vai trò và công việc của mỗi vai trò vào một ngày thứ Ba bình thường, các kỹ năng và công cụ nhà tuyển dụng kiểm tra, dữ liệu lương chính thức cho thấy gì (kèm nguồn và ngày), khi nào bằng thạc sĩ phân tích marketing đáng đầu tư, cách thực tập vận hành, và một dự án portfolio bạn có thể hoàn thành trong một cuối tuần với dữ liệu miễn phí.
Nếu bạn đang cân nhắc giữa nghề này và công việc thử nghiệm, hướng dẫn của chúng tôi về việc làm tối ưu tỷ lệ chuyển đổi đề cập đến nghề liên quan đó. Hai nghề dùng chung công cụ nhưng trả lời câu hỏi khác nhau: CRO hỏi “phiên bản nào của trang này chuyển đổi tốt hơn?”, còn phân tích marketing hỏi “kênh, chiến dịch và đối tượng nào của chúng ta tạo ra doanh thu?”
Quan điểm của chúng tôi: trả lời một câu hỏi kinh doanh, không phải checklist chứng chỉ
Tìm kiếm “nghề phân tích marketing” và phần lớn lời khuyên chỉ là danh sách công cụ và chứng chỉ. Nhà tuyển dụng nhận về một chồng CV đều ghi SQL, GA4, Tableau, Python và một chứng chỉ Google, chẳng cho họ biết gì về việc bạn có làm được việc hay không.
Công việc là chuyển ngữ. Giám đốc marketing hỏi “chương trình webinar có hiệu quả không?” và chuyên viên phân tích phải chuyển câu hỏi đó thành một định nghĩa (so với chi phí nào, đo như thế nào, trong khoảng thời gian nào), phát hiện dữ liệu không trả lời được một cách rõ ràng, nói thẳng điều đó, và vẫn đưa ra câu trả lời hữu ích. Kỹ năng đó thể hiện ở một chỗ: bản phân tích bằng văn bản cho một câu hỏi thực tế, giữ nguyên cả những phần lộn xộn.
Vì vậy quan điểm của chúng tôi rất thẳng thắn. Một dự án portfolio trả lời được một câu hỏi kinh doanh, nêu rõ giả định và kết thúc bằng một khuyến nghị có giá trị hơn cả chồng năm chứng chỉ. Chứng chỉ chứng minh bạn đã xem hết video; dự án chứng minh bạn biết tư duy.
Các vai trò trong phân tích marketing và công việc hằng ngày của từng vai trò
| Vai trò | Một ngày điển hình | Công cụ chính | Thường báo cáo cho |
|---|---|---|---|
| Chuyên viên phân tích marketing | Xây dựng và duy trì báo cáo kênh và chiến dịch, trả lời câu hỏi phát sinh (“vì sao lead giảm tuần trước?”), kiểm tra tracking, trình bày số liệu trong cuộc họp marketing hằng tuần | GA4, bảng tính, SQL, công cụ BI, nền tảng quảng cáo | Marketing ops hoặc trưởng bộ phận marketing |
| Chuyên viên phân tích đo lường / phân bổ | Duy trì mô hình phân bổ, thiết kế test đo mức tăng và test nhóm giữ lại, đối chiếu chuyển đổi do nền tảng báo cáo với doanh thu trong CRM, giải thích vì sao các con số không khớp | SQL, Python hoặc R, thiết kế thử nghiệm, công cụ phân bổ | Quản lý phân tích hoặc trưởng nhóm performance marketing |
| Nhà khoa học dữ liệu marketing | Xây dựng mô hình marketing mix, mô hình churn và xu hướng, phân khúc khách hàng; dự báo cho lập kế hoạch ngân sách | Python hoặc R, SQL, thư viện thống kê, framework MMM | Trưởng nhóm khoa học dữ liệu hoặc giám đốc phân tích |
| Marketing ops / kỹ sư phân tích dữ liệu | Thiết kế theo dõi sự kiện, xây dựng đường dẫn dữ liệu từ nền tảng quảng cáo và CRM vào kho dữ liệu, mô hình hóa các bảng sạch để chuyên viên phân tích truy vấn | SQL, mô hình hóa kiểu dbt, trình quản lý tag, quản trị CRM, data warehouse | Marketing ops hoặc kỹ thuật dữ liệu |
| Quản lý phân tích marketing | Đặt chuẩn báo cáo, ưu tiên các yêu cầu, chịu trách nhiệm định nghĩa KPI, hướng dẫn chuyên viên phân tích, tham gia các cuộc họp lập kế hoạch để định hướng quyết định ngân sách | Tất cả những điều trên, cộng quản lý các bên liên quan | CMO, VP marketing hoặc trưởng bộ phận dữ liệu |
| Giám đốc phân tích / insight marketing | Chịu trách nhiệm chiến lược đo lường trên các thương hiệu hoặc khu vực, chọn cách tiếp cận phân bổ và MMM, xây dựng đội ngũ, bảo vệ các con số trước bộ phận tài chính | Chủ yếu là con người và quyết định | CMO hoặc giám đốc dữ liệu |
Trong một công ty B2B 50 người, một người làm cả bốn dòng đầu tiên; trong một thương hiệu tiêu dùng lớn, mỗi dòng là một đội. Hãy đọc tin tuyển dụng để xem trách nhiệm, đừng chỉ nhìn chức danh.
Phiên bản B2B trông như thế nào
Khối lượng trong B2B nhỏ (hàng trăm cơ hội chứ không phải hàng triệu đơn hàng), chu kỳ kéo dài hàng tháng, và doanh thu nằm trong CRM chứ không phải trong công cụ phân tích web. Phần lớn công việc là kết nối hành vi trên website với tài khoản và pipeline. Hãy tìm hiểu các giai đoạn phễu và chỉ số trong hướng dẫn KPI marketing B2B của chúng tôi; người phỏng vấn mong bạn nói bằng ngôn ngữ pipeline chứ không phải số phiên truy cập.
Kỹ năng và công cụ, xếp hạng theo mức độ thường quyết định việc tuyển dụng
- SQL. Kỹ năng được kiểm tra nhiều nhất. Hãy chuẩn bị cho bài tập trực tiếp: join, tổng hợp, window function, xử lý dữ liệu trùng. Nếu chỉ học kỹ một thứ, hãy học thứ này.
- Định nghĩa chỉ số và tư duy kinh doanh. Hiểu rằng “tỷ lệ chuyển đổi” cần tử số và mẫu số được thống nhất với đội bán hàng, và một lead không phải là doanh thu. Hiếm khi được nêu trong tin tuyển dụng, nhưng luôn được kiểm tra trong phỏng vấn tình huống.
- Web analytics (GA4). Sự kiện, chuyển đổi (nay gọi là sự kiện chính), chỉ số tương tác, khám phá dữ liệu, xuất BigQuery. Hãy nắm các bẫy, như cách phiên có tương tác và tỷ lệ thoát trong GA4 được định nghĩa khác với các chỉ số cũ của Universal Analytics.
- Bảng tính. Bảng tổng hợp (pivot table), hàm tra cứu và mô hình mà người không chuyên phân tích vẫn hiểu được.
- BI và trực quan hóa. Looker Studio, Tableau hoặc Power BI. Một bảng điều khiển trả lời ba câu hỏi tốt hơn một bảng có ba mươi biểu đồ.
- Quản lý theo dõi chiến dịch bài bản. Quy ước UTM, tiêu chuẩn đặt tên, quản lý thẻ. Theo dõi bị lỗi là nơi tiêu tốn nhiều giờ làm việc của chuyên viên phân tích; một quy trình nhất quán với công cụ tạo UTM ngăn được phần lớn vấn đề.
- Thử nghiệm. A/B test, nhóm holdout, kiểm thử theo địa lý, và kiến thức thống kê để đọc kết quả. Bài viết về cỡ mẫu A/B test của chúng tôi trình bày phép tính mà người phỏng vấn thích hỏi.
- Phân bổ và mô hình marketing mix. Hãy nắm rõ sự khác biệt: phân bổ ghi nhận công lao cho các điểm chạm trên từng hành trình riêng lẻ; MMM ước tính hiệu quả kênh từ dữ liệu tổng hợp về chi tiêu và kết quả theo thời gian. Meridian mã nguồn mở của Google là một framework MMM hiện hành mà bạn có thể nghiên cứu và chạy thử trên dữ liệu mẫu.
- Python hoặc R. Bắt buộc với vị trí khoa học dữ liệu, là điểm cộng với chuyên viên phân tích (pandas, statsmodels, tidyverse).
Mức lương marketing analytics trông như thế nào (có dẫn nguồn)
Không có nghề “chuyên viên phân tích marketing” chính thức, nên chúng tôi trích dẫn các danh mục liên quan và mẫu tin tuyển dụng, đã kiểm tra trên từng trang nguồn.
| Nguồn và kỳ | Nó đo lường gì | Số liệu |
|---|---|---|
| US BLS, Market Research Analysts, tháng 5 năm 2025 | Nhóm nghề chính thức tại Mỹ bao gồm phần lớn chuyên viên phân tích marketing | Trung vị 78.760 USD mỗi năm; 10% thấp nhất dưới 43.390 USD, 10% cao nhất trên 155.480 USD; số việc làm dự kiến tăng 7% giai đoạn 2025 đến 2035, nhanh hơn nhiều so với mức trung bình |
| US BLS, Data Scientists, tháng 5 năm 2025 | Danh mục gần nhất cho nhà khoa học dữ liệu marketing | Trung vị 120.230 USD mỗi năm; dự kiến tăng 35% giai đoạn 2025 đến 2035 |
| US BLS, Marketing Managers, tháng 5 năm 2025 | Bao gồm các lãnh đạo phân tích cấp cao giữ chức danh quản lý marketing | Trung vị 166.790 USD/năm |
| ITJobsWatch UK, “marketing analytics”, 6 tháng tính đến 13 tháng 10 năm 2026 | Mức lương được nêu trong tin tuyển dụng chính thức tại Anh có nhắc đến phân tích marketing (34 mức lương từ 143 tin) | Trung vị 70.000 £; phân vị 25 là 46.250 £; phân vị 75 là 82.500 £ |
Cách đọc số liệu này. Mức trung vị của chuyên viên phân tích nghiên cứu thị trường theo BLS là mốc tham chiếu tốt nhất cho chuyên viên phân tích marketing cấp đầu vào đến trung cấp ở Mỹ. Con số của nhà khoa học dữ liệu cho thấy vì sao chuyển sang mô hình hóa lại đáng giá: chênh lệch giữa hai mức trung vị là hơn 40.000 USD. Con số của Anh đến từ một mẫu nhỏ tin tuyển dụng thiên về vị trí cấp cao và kỹ thuật, vì vậy hãy xem đó là bức tranh về các vị trí chuyên gia được đăng tuyển, không phải mọi chuyên viên phân tích ở Anh.
Thạc sĩ Phân tích Marketing: Ai nên học?
Thạc sĩ phân tích marketing thường là chương trình một năm, nhiều chương trình được xếp loại STEM, kết hợp thống kê, lập trình, phân tích khách hàng và chiến lược marketing, thường có một dự án tốt nghiệp cho một công ty thực tế. Một số ví dụ chúng tôi đã kiểm tra trên trang của chính các trường đại học:
- University of Rochester, Simon Business School: chương trình MS in Marketing Analytics toàn thời gian, xếp loại STEM, tập trung vào sử dụng dữ liệu cho các quyết định marketing, định giá và bán hàng.
- University of Colorado Boulder, Leeds School of Business: 33 tín chỉ trong ba học kỳ, học trực tiếp, với các môn gồm machine learning bằng Python, quảng cáo số, nghiên cứu thị trường và phân tích khách hàng.
- American University, Kogod School of Business: chương trình thạc sĩ trực tuyến về Marketing Analytics, 12 đến 15 tháng, với hai đợt thực hành.
- Pace University, Lubin School of Business: MS in Marketing Analytics tại New York City, 30 đến 36 tín chỉ, toàn thời gian hoặc bán thời gian.
Kiểm tra chi phí và điều kiện tuyển sinh trên trang của từng chương trình.
Khi nào bằng cấp đáng giá, và khi nào không
| Tình huống | Nhận định của chúng tôi |
|---|---|
| Người chuyển ngành không có nền tảng định lượng, cần cấu trúc và mạng lưới | Đáng cân nhắc. Dự án tốt nghiệp và dịch vụ hỗ trợ nghề nghiệp thực sự có giá trị. |
| Du học sinh quốc tế muốn làm việc tại Mỹ | Chứng nhận STEM quan trọng với các lựa chọn làm việc sau khi học; hãy kiểm tra rõ ràng. |
| Đang làm marketing, thành thạo bảng tính | Thường không cần. Học SQL, làm hai dự án, chuyển vị trí trong nội bộ. |
| Hướng tới khoa học dữ liệu marketing | Một bằng cấp nặng về thống kê có thể hữu ích hơn bằng cấp thiên về marketing. Hãy so sánh đề cương môn học, không phải tên chương trình. |
Thực tập phân tích marketing: tìm ở đâu và làm sao để được nhận
Cơ hội thực tập tập trung ở các thương hiệu tiêu dùng lớn, agency truyền thông và performance, công ty công nghệ và SaaS, và các công ty tư vấn phân tích. Cổng thông tin việc làm của trường đại học và LinkedIn đăng phần lớn tin tuyển; agency thường đăng trên trang tuyển dụng của chính họ trước.
Điều giúp bạn lọt vào danh sách rút gọn:
- Bản tóm tắt dự án một trang được liên kết từ CV. Câu hỏi, dữ liệu, phương pháp, câu trả lời, khuyến nghị.
- Bằng chứng về SQL. Một notebook hoặc repository công khai với các truy vấn trên một bộ dữ liệu thật.
- Bối cảnh kinh doanh trong mỗi gạch đầu dòng của CV. Không phải “đã xây dựng dashboard” mà là “đã xây dựng dashboard kênh cho thấy lead từ mạng xã hội trả phí chuyển thành cuộc họp chỉ bằng một nửa tỷ lệ của tìm kiếm”, kể cả với dự án trên lớp.
Nộp đơn sớm: các nhà tuyển dụng lớn thường tuyển thực tập sinh mùa hè từ mùa thu năm trước.
Cách bắt đầu: Một dự án portfolio làm trong cuối tuần
Bạn không cần dữ liệu của công ty nơi làm việc. Google cung cấp hai nguồn miễn phí. Tài khoản demo Google Analytics cho mọi người dùng Google quyền xem dữ liệu thật (đã làm mờ) từ Google Merchandise Store và trò chơi Flood-It!. Bộ dữ liệu thương mại điện tử mẫu của GA4 trong BigQuery chứa ba tháng dữ liệu xuất ở cấp sự kiện từ cùng cửa hàng đó, từ tháng 11 năm 2020 đến tháng 1 năm 2021, để bạn luyện SQL trên schema thật của GA4.
- Chọn một quyết định, không phải một bộ dữ liệu. Ví dụ: “Nếu cửa hàng có thể dồn thêm 20% ngân sách vào một nguồn truy cập cho mùa lễ, đó nên là nguồn nào?”
- Định nghĩa chỉ số trước khi truy vấn. Doanh thu mỗi phiên theo nguồn và medium, tỷ lệ chuyển đổi mua hàng, và người dùng mới so với người dùng quay lại.
- Truy vấn bộ dữ liệu BigQuery. Tách tham số sự kiện, dựng phiên, quy giao dịch mua về nguồn.
- Đối chiếu trong tài khoản demo GA4. Các con số sẽ không khớp hoàn toàn. Giải thích được vì sao (làm mờ dữ liệu, cài đặt phân bổ) là điều người phỏng vấn nhớ đến.
- Viết một bản đề xuất dài một trang. Câu trả lời, bằng chứng, lưu ý và bài kiểm thử bạn sẽ chạy để xác nhận.
Ví dụ minh họa của bản tổng kết
Ví dụ, với các con số tròn được đặt ra để minh họa cấu trúc, không phải kết quả thực từ bộ dữ liệu: “Trong mùa lễ, tìm kiếm tự nhiên mang lại 40.000 phiên và 60.000 USD doanh thu (1,50 USD mỗi phiên). Giới thiệu (referral) mang lại 10.000 phiên và 25.000 USD (2,50 USD mỗi phiên). Referral mang lại nhiều hơn trên mỗi phiên, nhưng phần lớn doanh thu đến từ một website đối tác, nên ngân sách tăng thêm có thể không mở rộng được. Khuyến nghị: thử tăng 20% cho quảng cáo tìm kiếm trong hai tuần với một khu vực đối chứng trước khi phân bổ lại, và đo doanh thu mỗi phiên so với cùng các tuần ở khu vực đối chứng.” Khuyến nghị tự nêu ra điểm còn nghi ngờ và cách giải quyết.
Với dự án thứ hai mang màu sắc B2B, hãy chấm điểm một danh sách tài khoản giả định theo độ phù hợp và hoạt động, rồi thêm ước tính thời gian hoàn vốn từ công cụ tính ROI marketing.
Cách tìm việc làm marketing analytics
Cùng một công việc ẩn dưới nhiều chức danh. Hãy tìm tất cả những chức danh này trên LinkedIn, Indeed và trang tuyển dụng của các công ty:
- Chuyên viên phân tích marketing, chuyên viên phân tích digital marketing, chuyên viên phân tích insight marketing
- Chuyên viên phân tích marketing (một chức danh phổ biến cho vị trí phân tích marketing cấp đầu vào tại agency và công ty tư vấn)
- Chuyên viên phân tích performance marketing, chuyên viên phân tích truyền thông, chuyên viên phân tích quảng cáo trả phí
- Chuyên viên phân tích đo lường, chuyên viên phân tích phân bổ, chuyên viên phân tích khoa học marketing
- Chuyên viên phân tích tăng trưởng, chuyên viên phân tích khách hàng, chuyên viên phân tích CRM
- Nhà khoa học dữ liệu marketing, nhà khoa học marketing, nhà khoa học ra quyết định (marketing)
- Chuyên viên phân tích marketing operations, kỹ sư analytics (marketing)
Với vị trí mới vào nghề, hãy lọc theo “associate” và “junior”, và xem tin tuyển dụng của các agency; agency tuyển nhân sự junior với số lượng lớn.
Những câu hỏi phỏng vấn bạn nên chuẩn bị
- “Tuần trước số lead giảm 30%. Bạn sẽ điều tra thế nào?” Kiểm tra theo dõi trước (thẻ bị lỗi hoặc form bị thay đổi), sau đó phân khúc theo kênh, landing page và thiết bị, rồi đến nguyên nhân bên ngoài (ngày lễ, chiến dịch bị tạm dừng).
- "Facebook báo 200 chuyển đổi, CRM chỉ có 120. Bên nào đúng?" Không bên nào đơn giản là đúng. Hãy giải thích khung thời gian phân bổ, chuyển đổi xem qua, đếm trùng và loại trùng. Đề xuất một thử nghiệm đo mức tăng để đo tác động gia tăng.
- “Bạn sẽ đo lường thế nào để biết chương trình webinar của chúng tôi có hiệu quả?” Xác định kết quả (pipeline chịu ảnh hưởng so với pipeline được tạo ra), nhóm so sánh, khung thời gian và những gì bạn không đo được.
- Một bài SQL trực tiếp. Thường là: các chiến dịch hàng đầu theo tỷ lệ chuyển đổi, dùng window function hoặc self-join. Vừa viết vừa giải thích.
Với các câu hỏi về attribution, hướng dẫn của chúng tôi về attribution marketing cho website cá nhân hóa trình bày cách ghi nhận đóng góp khi khách truy cập thấy các phiên bản trang khác nhau, một chủ đề thảo luận tốt ở cấp senior.
Nghề phân tích marketing dẫn đến đâu
Lộ trình phổ biến đi từ analyst lên senior analyst, rồi đến quản lý hoặc hướng chuyên gia (đo lường, khoa học dữ liệu, analytics engineering). Chuyên gia tiến nhanh nhất khi giải một bài toán khó và có giá trị: incrementality, MMM, hoặc kết nối hành vi ẩn danh trên website với pipeline.
Điều cuối cùng là khoảng trống ngày càng lớn trong B2B: hầu hết khách truy cập không bao giờ điền form, nên chuyên viên phân tích chỉ thấy phiên truy cập chứ không thấy công ty. Các công cụ như nhận diện khách truy cập của Markettailor xác định lượt truy cập ở cấp công ty, giúp chuyên viên phân tích báo cáo mức tương tác theo tài khoản mục tiêu thay vì theo phiên ẩn danh. Nếu bạn đang giải quyết vấn đề đó, phân tích cấp tài khoản của Markettailor là một cách để thấy phân khúc nào chuyển đổi, và đó là loại dữ liệu biến một dashboard thành quyết định ngân sách.
Câu hỏi thường gặp
Phân tích marketing có phải là nghề tốt không?
Với những người thích cả con số lẫn thuyết phục, câu trả lời là có. Dữ liệu của Cục Thống kê Lao động Mỹ cho thấy chuyên viên phân tích nghiên cứu thị trường, danh mục bao gồm hầu hết chuyên viên phân tích marketing, có mức lương trung vị 78.760 USD vào tháng 5 năm 2025, với số việc làm dự kiến tăng 7% từ 2025 đến 2035. Các kỹ năng này cũng chuyển đổi được sang khoa học dữ liệu, marketing operations và vị trí lãnh đạo marketing.
Chuyên viên phân tích marketing làm gì hằng ngày?
Chuyên viên phân tích marketing duy trì báo cáo kênh và chiến dịch, trả lời những câu hỏi như vì sao lead giảm hay chiến dịch nào tạo ra pipeline, kiểm tra tracking có hoạt động không, và trình bày phát hiện trong các buổi họp marketing. Phần lớn thời gian trong ngày là SQL, bảng tính, GA4 và một công cụ BI, cùng các cuộc trao đổi để thống nhất một chỉ số nên mang ý nghĩa gì.
Có cần bằng thạc sĩ phân tích marketing không?
Thường là không. Hầu hết công việc phân tích marketing cấp đầu vào yêu cầu bằng cử nhân cộng với bằng chứng về SQL và tư duy phân tích. Bằng thạc sĩ giúp ích cho người chuyển ngành cần một lộ trình có cấu trúc, dự án tốt nghiệp và mạng lưới quan hệ, cũng như du học sinh muốn một chương trình được xếp loại STEM. Nếu bạn đã làm marketing, hai dự án portfolio chất lượng và việc chuyển vị trí nội bộ thường nhanh hơn.
Làm sao để có được vị trí thực tập phân tích marketing khi chưa có kinh nghiệm?
Xây dựng một dự án trên dữ liệu miễn phí, như tài khoản demo Google Analytics hoặc bộ dữ liệu mẫu GA4 trong BigQuery, trả lời một câu hỏi kinh doanh và kết thúc bằng một khuyến nghị. Đưa link đến bản tóm tắt một trang vào CV, công khai mã SQL của bạn, và nộp đơn vào mùa thu cho các vị trí thực tập mùa hè tại agency, thương hiệu tiêu dùng và công ty công nghệ.
Chuyên viên phân tích marketing và nhà khoa học dữ liệu marketing khác nhau thế nào?
Chuyên viên phân tích marketing giải thích điều gì đã xảy ra và vì sao, bằng báo cáo, SQL và dashboard. Nhà khoa học dữ liệu marketing xây dựng mô hình để dự đoán hoặc ước tính tác động, chẳng hạn mô hình marketing mix, mô hình churn và dự báo, bằng Python hoặc R cùng thống kê. Mức lương phản ánh khoảng cách này: BLS báo cáo mức trung vị tháng 5 năm 2025 của nhà khoa học dữ liệu là 120.230 USD.
