Kỹ năng nghiên cứu và tìm thông tin nhanh

Trong công việc thật, câu hỏi khó nhất thường không có sẵn đáp án. Ngách này còn chỗ không? Nhà máy này có đáng tin không? Quy định mới của sàn ảnh hưởng gì đến listing của mình? Không ai đưa cho bạn một tài liệu có sẵn câu trả lời.

Kỹ năng nghiên cứu là kỹ năng tự tìm ra câu trả lời — nhanh, đủ tin cậy để ra quyết định, và biết rõ mình chắc chắn đến đâu. Đây là kỹ năng nền của mọi công việc data-driven. Không có nó, "quyết định bằng data" chỉ là một khẩu hiệu, vì bạn không có data.

Bắt đầu bằng câu hỏi, không phải bằng ô tìm kiếm

Sai lầm đầu tiên của người mới: mở trình duyệt và gõ ngay.

Người nghiên cứu tốt dừng lại trước và viết ra ba thứ:

1. Câu hỏi thật sự là gì? "Ngách này có tốt không" là câu hỏi vô dụng — nó không có đáp án. "Trong 12 tháng qua, top 20 sản phẩm ngách này có bao nhiêu sản phẩm dưới 100 đánh giá?" là câu hỏi có đáp án.
2. Câu trả lời sẽ dùng để làm gì? Nếu nó không đổi được quyết định nào, đừng tốn thời gian tìm.
3. Cần chắc chắn đến mức nào? Chọn nhà máy sản xuất 10.000 sản phẩm cần độ chắc chắn cao hơn nhiều so với chọn tiêu đề cho một video thử nghiệm.

Câu hỏi mơ hồ dẫn đến nghiên cứu mơ hồ, và bạn sẽ đọc mười trang mà chẳng dùng được gì.

Phân biệt loại nguồn

Không phải mọi thông tin đều bằng nhau. Một cách phân loại hữu dụng:

• Nguồn gốc (primary): tài liệu chính thức của bên có thẩm quyền — trang chính sách của sàn, cơ quan nhà nước, báo cáo tài chính công bố, dữ liệu bán hàng của chính bạn. Đây là nguồn đáng tin nhất.
• Nguồn phái sinh (secondary): báo chí, báo cáo ngành, bài phân tích. Hữu ích để định hướng, nhưng luôn phải hỏi: họ lấy số này từ đâu?
• Nguồn giai thoại (anecdotal): bài trên diễn đàn, video YouTube, ý kiến trong nhóm kín. Có giá trị để tạo giả thuyết, không có giá trị để kết luận.

Lỗi phổ biến nhất là dùng nguồn giai thoại như nguồn gốc. Một người trên diễn đàn nói "Amazon giờ cấm cái này" không phải là bằng chứng. Trang chính sách của Amazon mới là.

Nguyên tắc: luôn truy về nguồn gốc. Nếu một bài báo dẫn một con số, hãy tìm báo cáo mà bài báo đó dẫn. Rất thường xuyên, con số bị bóp méo trên đường đi — hoặc không tồn tại.

Tam giác hóa: ba nguồn độc lập

Với bất kỳ dữ kiện quan trọng nào, hãy tìm ít nhất ba nguồn độc lập cùng nói một điều. "Độc lập" là từ khóa: ba bài báo cùng dẫn lại một thông cáo là một nguồn, không phải ba.

Nếu ba nguồn độc lập cùng chỉ về một hướng, bạn có thể tin ở mức đủ để hành động. Nếu chúng mâu thuẫn, đó là tín hiệu quan trọng — có thể vấn đề phức tạp hơn bạn tưởng, hoặc có ai đó đang sai.

Ba loại dữ liệu và cách dùng

Dữ liệu công khai: chính sách sàn, dữ liệu công bố, tài liệu pháp lý, báo cáo ngành. Miễn phí và đáng tin, nhưng thường không đủ cụ thể cho quyết định của bạn.

Dữ liệu thị trường: đánh giá của khách trên sàn, giá đối thủ, số lượng đánh giá, thứ hạng bán chạy, câu hỏi khách đặt. Đây là mỏ vàng bị đánh giá thấp. Đọc 200 đánh giá một chiều trong ngách sẽ cho bạn hiểu vấn đề của khách rõ hơn bất kỳ báo cáo nào.

Dữ liệu của chính bạn: doanh số, tỷ lệ chuyển đổi, chi phí quảng cáo, tỷ lệ hoàn hàng. Đây là dữ liệu đáng tin nhất bạn có, và cũng là dữ liệu hay bị bỏ quên nhất. Trước khi đi tìm bên ngoài, hãy hỏi: câu trả lời có nằm sẵn trong số liệu của mình không?

Dùng AI đúng cách

AI là công cụ nghiên cứu mạnh nhất từng có, và cũng là công cụ dễ khiến bạn sai một cách tự tin nhất.

AI làm rất tốt:

• Tóm tắt một chủ đề lạ để bạn biết mình chưa biết gì
• Đề xuất góc nhìn, giả thuyết, câu hỏi bạn chưa nghĩ ra
• Chuyển dữ liệu lộn xộn thành bảng gọn gàng
• Đọc nhanh một tài liệu dài và chỉ ra chỗ cần xem kỹ

AI làm rất tệ:

• Đưa con số chính xác (nó có thể bịa ra một cách rất thuyết phục)
• Nắm thông tin mới nhất về chính sách sàn
• Biết dữ liệu nội bộ của thị trường mà nó chưa từng thấy

Cách dùng đúng: AI để định hướng, nguồn gốc để xác nhận. Hỏi AI để hiểu bức tranh, tìm từ khóa, và biết nên tìm ở đâu. Sau đó tự mở nguồn gốc để kiểm chứng mọi con số bạn định đưa vào quyết định. Nếu AI đưa một số liệu mà bạn không truy được về nguồn gốc, coi như số liệu đó không tồn tại.

Thà không có số liệu còn hơn có một số liệu sai. Số liệu sai không chỉ vô dụng — nó dẫn bạn đi sai hướng và bạn không hề biết.

Kỷ luật thời gian

Nghiên cứu có thể kéo dài vô tận. Nó dễ trở thành cách trì hoãn hợp pháp cho việc ra quyết định.

Ba kỷ luật đơn giản:

• Đặt hộp thời gian. "Hai tiếng cho câu hỏi này." Hết giờ thì kết luận với những gì đang có, và ghi rõ mình còn thiếu gì.
• Ưu tiên hành động khả nghịch. Nếu quyết định có thể sửa được với chi phí thấp, đừng nghiên cứu quá kỹ — cứ thử và học từ kết quả thật. Chỉ dồn sức nghiên cứu cho những quyết định khó đảo ngược.
• Ghi lại khi tìm được. Một phát hiện không được ghi lại là một phát hiện sẽ phải tìm lại. Ghi kèm nguồn và ngày — chính sách và dữ liệu đều có hạn sử dụng.

Trình bày kết quả

Nghiên cứu chỉ có giá trị khi người khác dùng được. Một kết quả tốt đặt kết luận lên trước, đưa bằng chứng và nguồn ngay sau đó, nói thẳng mức độ chắc chắn (chỗ nào chắc, chỗ nào đang suy đoán), và kết bằng việc cần làm tiếp. Nói rõ giới hạn của mình không làm bạn trông yếu. Nó làm bạn đáng tin.

Bài này hợp với ai

Với bất kỳ ai làm việc trong môi trường không có sẵn câu trả lời. Nói cách khác: gần như mọi vị trí.

• Người xây thương hiệu (R&D): nghiên cứu ngách, đối thủ, nhà cung cấp, quy định thị trường
• Marketer: nghiên cứu khách hàng, kênh, đối thủ, xu hướng nội dung
• Người vận hành: nghiên cứu quy trình, công cụ, cách làm tốt hơn
• Người mới ra trường: đây là kỹ năng bù lại nhanh nhất cho việc thiếu kinh nghiệm — vì nó cho phép bạn tự học mọi thứ còn lại

Đây cũng là lý do Equarus chào đón freshers ở R&D và Marketing: kinh nghiệm có thể tích lũy, nhưng khả năng tự tìm ra câu trả lời là thứ quyết định bạn tích lũy nhanh đến đâu.

Nghiên cứu tốt là cách duy nhất để data-driven trở thành một cách làm việc thật chứ không phải một câu khẩu hiệu treo tường. Nếu bạn thấy mình hợp với cách làm này, xem các vị trí đang mở.