Desk Research từ A – Z: Hướng dẫn thu thập & Phân tích dữ liệu sẵn có

Bạn không cần ngân sách lớn hay đội ngũ khảo sát chuyên nghiệp để bắt đầu nghiên cứu thị trường. Trong nhiều trường hợp, Desk Research – đúng như tên gọi của nó, “nghiên cứu tại bàn”, là bước khởi đầu nhanh, gọn và tiết kiệm, giúp bạn tự tin để bắt đầu.

Vậy Desk Research là gì? Đâu là những nguồn dữ liệu phổ biến có thể khai thác? Và làm thế nào để thực hiện Desk Research hiệu quả?

Hãy cùng tìm hiểu trong bài viết dưới đây.

Desk Research là gì? 

Desk Research (hay còn gọi là Secondary Research – nghiên cứu thứ cấp) là phương pháp tìm kiếm, thu thập và phân tích những thông tin có sẵn từ các nguồn dữ liệu đã được công bố, như báo cáo thị trường, tài liệu nội bộ, bài viết chuyên ngành, dữ liệu số (web analytics, CRM),… hoặc nội dung từ cộng đồng online.

Nói cách khác, Desk Research là cách bạn “đọc thị trường” qua những gì đã tồn tại, để hiểu khách hàng, ngành hàng, đối thủ hoặc xu hướng mà không cần phải ra ngoài thu thập mới hay khảo sát thực địa.

Desk Research và Primary Research: Đâu là sự khác biệt?

Bên cạnh Desk Research, Primary Research (nghiên cứu sơ cấp) là phương pháp thu thập dữ liệu mới trực tiếp từ người dùng. Đây là cách giúp bạn tiếp cận insight sâu sắc và mang tính thực tế cao hơn, thường được thực hiện thông qua:

• Nghiên cứu định tính (qualitative research): như phỏng vấn chuyên sâu (in-depth interview), focus group…
• Nghiên cứu định lượng (quantitative research): như bảng hỏi online, khảo sát giấy, A/B testing,…

Để giúp bạn phân biệt và lựa chọn phương pháp phù hợp với mục tiêu nghiên cứu, dưới đây là bảng so sánh ngắn gọn giữa Desk Research và Primary Research:

Tiêu chí	Desk Research (Nghiên cứu thứ cấp)	Primary Research (Nghiên cứu sơ cấp)
Nguồn dữ liệu	Dữ liệu có sẵn: báo cáo, thống kê, blog, dữ liệu nội bộ, công cụ phân tích	Dữ liệu mới được thu thập trực tiếp từ đối tượng mục tiêu
Chi phí	Thấp: tận dụng tài nguyên sẵn có	Cao hơn: cần thời gian, công cụ và nhân lực để thu thập
Tốc độ triển khai	Nhanh: có thể bắt đầu ngay	Chậm hơn: cần thiết kế, phỏng vấn, khảo sát…
Mức độ kiểm soát dữ liệu	Thấp: phụ thuộc vào chất lượng nguồn dữ liệu có sẵn	Cao: chủ động về câu hỏi, đối tượng, quy trình
Chiều sâu insight	Hạn chế: thiên về tổng quát, bề mặt	Cao: có thể khai thác hành vi, cảm xúc, động lực sâu
Phù hợp với giai đoạn	Giai đoạn đầu: để khám phá, xây dựng giả thuyết ban đầu	Giai đoạn kiểm chứng hoặc cần hiểu sâu hành vi cụ thể
Ví dụ	Đọc báo cáo Nielsen, dùng Google Trends, phân tích dữ liệu CRM	Phỏng vấn người dùng, khảo sát định lượng, A/B testing

Các phương pháp thực hiện Desk Research phổ biến 

Desk research không chỉ là việc “ngồi lướt Google”, mà là quá trình có hệ thống để khai thác thông tin sẵn có từ cả bên trong và bên ngoài tổ chức. Dưới đây là hai nhóm nguồn dữ liệu phổ biến:

1/ Khai thác dữ liệu nội bộ (Internal sources)

Đây là những tài nguyên bạn đã có sẵn nhưng thường bị bỏ quên. Khai thác đúng cách có thể mang lại insight vô cùng giá trị:

Tài liệu và báo cáo nội bộ:

• Báo cáo kinh doanh, báo cáo nghiên cứu thị trường đã thực hiện.
• Thống kê về sản phẩm, dịch vụ, khách hàng.
• Các whitepaper, tài liệu đào tạo, hướng dẫn nội bộ.

Dữ liệu từ hệ thống:

• Dữ liệu khách hàng từ hệ thống CRM.
• Thông tin từ các chiến dịch marketing cũ.
• Số liệu phân tích website và ứng dụng (web/app analytics).

Thông tin thu thập trước đây:

• Kết quả từ các khảo sát khách hàng cũ.
• Phản hồi từ đội Sale/Care: Họ là những người “chạm” khách hàng mỗi ngày và có thể nắm insight thô rất thực tế.

2/ Khai thác dữ liệu bên ngoài (External sources)

Dành cho việc mở rộng tầm nhìn thị trường và nắm bắt xu hướng:

• Báo cáo thị trường: Từ các tổ chức uy tín như Nielsen, McKinsey, Statista, Decision Lab, Thinkific…
• Whitepaper & research database: Tài liệu chuyên sâu từ các công ty công nghệ, tổ chức nghiên cứu hoặc startup tiên phong.
• Báo chí & blog chuyên ngành: Đọc để hiểu cách ngành vận hành, những thay đổi gần đây và các case study thực tế trên  trên các nền tảng như Harvard Business Review,…
• Social listening: Công cụ như Buzzsumo, Hootsuite, YouNet Media,… giúp doanh nghiệp “nghe” được người dùng đang nói gì trên mạng xã hội.
• Phân tích đối thủ: Dùng SimilarWeb, Google Trends, Ahrefs, Semrush để theo dõi traffic, keyword, chiến dịch digital của đối thủ.
• Cộng đồng người dùng: Forum, group Facebook, Reddit, phần bình luận… là nơi người tiêu dùng “xả” suy nghĩ thật mà không bị ràng buộc bởi khảo sát nào.
• Các trang web đánh giá sản phẩm/dịch vụ lớn: Các trang như VnReview, Tinhte, TripAdvisor, G2, Capterra….

Lưu ý: Xu hướng AI trong Desk Research: 

Đừng quên rằng trí tuệ nhân tạo (AI) đang đóng vai trò ngày càng quan trọng trong nghiên cứu thị trường, đặc biệt trong giai đoạn desk research, khi cần xử lý lượng lớn dữ liệu từ nhiều nguồn khác nhau.

Theo báo cáo từ Qualtrics – How AI will reinvent the market research industry:

• 40% nhà nghiên cứu thị trường dự đoán trong 10 năm tới, AI sẽ có thể diễn giải kết quả khảo sát hiệu quả như con người.
• 26% – 80% chuyên gia cho rằng AI sẽ tác động tích cực đến ngành nghiên cứu thị trường. 

=> Hãy biết kết hợp linh hoạt giữa dữ liệu nội bộ – bên ngoài, cùng với ứng dụng AI đúng cách, để giúp tiếp cận thông tin từ nhiều góc nhìn. 

Lợi ích của & Hạn chế của Desk Research trong Growth Marketing

Desk research là bước nền tốt trong quy trình growth marketing, đặc biệt ở giai đoạn khám phá hoặc đưa ra giả thuyết ban đầu. Nhưng nó cũng có những mặt hạn chế và cần kết hợp với các phương pháp khác để có kết quả đầy đủ và đúng hướng.

Lợi ích của Desk Research 

• Tiết kiệm chi phí & thời gian: Có thể bắt đầu gần như ngay lập tức mà không cần tổ chức khảo sát hay phỏng vấn tốn kém.
• Phù hợp với đội nhỏ, tài nguyên giới hạn: Đội ngũ nhỏ vẫn có thể tự tìm kiếm và định hướng.
• Hỗ trợ xây dựng giả thuyết cho A/B Testing hoặc khảo sát: Desk research cung cấp nền tảng để bạn đặt đúng câu hỏi hoặc thiết kế biến thể test sát thực tế hơn.
• Phù hợp với tư duy growth: Launch nhanh – test nhanh – cải tiến nhanh, giảm thiểu rủi ro.

Hạn chế của Desk Research

• Dữ liệu có thể lỗi thời hoặc không còn phù hợp với bối cảnh hiện tại: Báo cáo cách đây 2 năm có thể không còn đúng trong thời điểm cần hành động.
• Khó nắm được “insight thực sự” nếu chỉ nhìn vào số liệu khô: Những gì người dùng nói (trên báo chí, báo cáo) không phải lúc nào cũng đúng với điều họ làm (trong hành vi thật).
• Dễ bị “bội thực thông tin” nếu không có mục tiêu rõ ràng: Bạn sẽ dễ lạc vào biển dữ liệu mà không biết đâu là thông tin quan trọng nếu không xác định rõ mình đang tìm gì.

Hướng dẫn thực hiện Desk Research cơ bản (5 bước)

Một desk research bài bản là một chuỗi hành động có mục tiêu rõ ràng: từ định hướng, chọn lọc đến phân tích và rút ra insight có giá trị. Dưới đây là 5 bước bạn nên thực hiện để tối ưu hoá quá trình này:

Bước 1: Xác định mục tiêu nghiên cứu

Trước khi tìm kiếm bất kỳ dữ liệu nào, bạn cần xác định rõ:

• Bạn đang muốn tìm kiếm thông tin gì?
• Thông tin đó sẽ giúp ích cho quyết định kinh doanh/chiến dịch của bạn?

Một mục tiêu được xác định cụ thể sẽ giúp bạn tập trung vào những dữ liệu có liên quan nhất, tránh bị lạc trong vô vàn thông tin mà không biết chọn lọc.

Sau khi đã xác định được mục tiêu chính, nên chia nhỏ câu hỏi nghiên cứu: Bắt đầu từ câu hỏi lớn => phân tách thành những câu hỏi phụ cụ thể để dễ tìm dữ liệu.

Tiếp theo, hãy xác định rõ phạm vi nghiên cứu:

• Ai là đối tượng bạn quan tâm?
• Ở đâu (khu vực địa lý)?
• Khi nào (thời gian, bối cảnh)?

Ví dụ:

• Nếu mục tiêu ban đầu của bạn là “Tìm hiểu về hành vi tiêu dùng của giới trẻ”, hãy thcụ thể hóa hơn thành: “Tìm hiểu hành vi tiêu dùng của Gen Z tại TP.HCM trong ngành F&B”=> Từ đây, bạn sẽ biết cần tìm dữ liệu về độ tuổi, địa lý, ngành hàng, hành vi chi tiêu, lifestyle,.. và các yếu tố liên quan khác của đối tượng.

Lưu ý: Tránh đặt mục tiêu quá rộng (VD: “Hiểu về người trẻ Việt Nam”) hoặc quá hẹp (VD: “Tìm hiểu hành vi chọn món của sinh viên năm 2, trường A, quận 3, mỗi tối thứ 6”).

Bước 2: Lập danh sách nguồn dữ liệu tiềm năng

Bạn có thể bắt đầu bằng cách phân chia nguồn dữ liệu thành hai nhóm chính: nội bộ và bên ngoài. Đồng thời, để quá trình sàng lọc hiệu quả hơn, hãy phân loại thêm theo ngành, đối tượng, địa phương và kênh.

A. Nguồn nội bộ (Internal Sources)

Ví dụ: Nếu bạn đang nghiên cứu thói quen ăn uống của Gen Z tại TP.HCM, hãy ưu tiên xem xét:

• CRM: Phân tích lịch sử tương tác và đơn hàng của nhóm 18 – 26 tuổi để hiểu họ hay mua món gì, vào thời điểm nào.
• Google Analytics/App Analytics: Theo dõi hành vi người dùng trên website hoặc app: trang nào họ quan tâm, giờ nào truy cập nhiều, tỷ lệ chuyển đổi theo thiết bị/kênh ra sao.
• Báo cáo bán hàng: Lọc theo độ tuổi và khu vực để nhận diện SKU bán chạy, giờ cao điểm tiêu thụ.
• Tài liệu và khảo sát cũ: Tham khảo insight từ các nghiên cứu trước của đội Marketing, Sales, CS hoặc Product. VD: lý do hủy đơn, mức giá ưa thích, phản hồi về menu.

B. Nguồn bên ngoài (External Sources)

Khi dữ liệu nội bộ chưa đủ, bạn có thể mở rộng khai thác từ các nguồn công khai đáng tin cậy. Dưới đây là cách phân loại giúp bạn tìm đúng thông tin nhanh hơn:

Phân loại	Ví dụ về nguồn dữ liệu gợi ý
Theo ngành (F&B)	– Hiệp hội Nhà hàng Việt Nam – Vietnam F&B Report – Euromonitor, Nielsen, Decision Lab – Dữ liệu nền tảng: GrabFood, ShopeeFood, Baemin
Tổng quan thị trường	– Tổng cục Thống kê Việt Nam- Báo cáo từ McKinsey, BCG, World Bank
Theo đối tượng (Gen Z)	– YouGov, Kantar, Decision Lab – Social listening: TikTok, Instagram, Facebook – Khảo sát từ các trường đại học lớn ở TP.HCM
So sánh thế hệ	– Deloitte, Ipsos, GfK (so sánh Gen Z, Millennials, Gen X)
Theo địa phương (TP.HCM)	– Báo cáo kinh tế – xã hội TP.HCM – Sở Công Thương TP.HCM, UBND các quận
So sánh thành phố khác	– Hà Nội, Đà Nẵng, Cần Thơ (dữ liệu kinh tế – xã hội, hành vi tiêu dùng)
Kênh truyền thống	– Báo chí: Tuổi Trẻ, VnExpress, Thanh Niên – Tạp chí ngành: Brand Vietnam, Advertising Vietnam
Kênh digital & social	– Google Trends, SimilarWeb, Buzzsumo – YouTube Analytics, Facebook Insights, Instagram Analytics
Công cụ chuyên sâu	– Statista, Insightplatform, Decision Lab

Bước 3: Sàng lọc thông tin hữu ích

Sau khi thu thập dữ liệu, hãy tinh lọc lại thông tin để loại bỏ phần nhiễu và tập trung vào những dữ liệu có giá trị cho mục tiêu nghiên cứu.

Ưu tiên giữ lại:

• Thông tin sát với mục tiêu nghiên cứu.
• Dữ liệu cập nhật mới nhất.
• Nguồn đáng tin cậy, có phương pháp rõ ràng và minh bạch.

Bạn có thể cân nhắc áp dụng mô hình 3C + 1T dưới đây để đánh giá dữ liệu:

• Currency (Tính cập nhật): Dữ liệu có được cập nhật gần đây không? (trong vòng 2 năm là tối ưu)
• Credibility (Độ tin cậy): Nguồn thông tin có uy tín không? (báo cáo chính thống, tổ chức nghiên cứu chuyên môn)
• Coverage (Phạm vi bao phủ): Phạm vi dữ liệu có đủ rộng? (mẫu đủ lớn, đúng đối tượng, đúng khu vực)
• Transparency (Tính minh bạch): Có công bố phương pháp thu thập và giới hạn nghiên cứu không?

Tránh sử dụng những dữ liệu có dấu hiệu sau:

• Không ghi rõ nguồn gốc hoặc cách thu thập dữ liệu.
• Kết quả quá “đẹp” hoặc mang tính thiên vị rõ rệt.
• Phương pháp nghiên cứu không phù hợp với mục tiêu ban đầu.
• Mẫu khảo sát quá nhỏ, thiếu đại diện cho tập khách hàng mục tiêu.

Bước 4: Tổng hợp và so sánh dữ liệu

Bước tiếp theo là tổng hợp lại và tổ chức dữ liệu theo hệ thống để bắt đầu nhìn ra bức tranh lớn hơn.

Mục tiêu ở phần này:

• Nhóm dữ liệu theo chủ đề chính (ví dụ: hành vi, động lực, rào cản, xu hướng thị trường…).
• So sánh giữa các nguồn để tìm ra các điểm tương đồng hoặc khác biệt.
• Tìm mẫu chung (pattern) hoặc ngắt gãy thú vị (outlier) có thể gợi mở insight tiềm năng.

Gợi ý cách thực hiện:

1. Gộp thông tin theo chủ đề

Tạo bảng hoặc sơ đồ tư duy (mindmap) để gom các dữ liệu lại thành nhóm, ví dụ:

Chủ đề	Dữ liệu từ báo cáo A	Dữ liệu từ Google Trends	Dữ liệu từ CRM
Thời điểm mua	Buổi trưa, sau 19h	Tăng tìm kiếm lúc 12h và 20h	60% đơn hàng vào 11h-13h
Ưu tiên sản phẩm	Đồ ăn healthy	“low-calorie” trending	Salad chiếm 30% SKU bán chạy
Yếu tố quyết định chọn món	Giá cả (45%)	Chất lượng (52%)	Giá cả (48%)

2. Tìm điểm giao nhau (overlap)

Khi 2 – 3 nguồn dữ liệu cùng nói một điều, đó có thể là insight đáng tin cậy.

Ví dụ: Nếu báo cáo Nielsen, Google Trends, và dữ liệu CRM đều cho thấy Gen Z ưa chuộng đồ ăn healthy => bạn có thể đưa ra một giả thuyết vững chắc về nhu cầu này.

3. Nhận diện xu hướng hoặc ngắt gãy

Hãy nhìn nhận xem:

• Có sự chuyển dịch hành vi theo thời gian không?
• Có nhóm đối tượng nào khác biệt rõ so với phần còn lại?
• Có insight nào bất ngờ nhưng hợp lý xuất hiện không?

Ví dụ: CRM ghi nhận lượng đơn hàng món “salad” tăng 25% vào tháng 1 – 3. Nhưng đến tháng 6 – 9, món trà sữa quay lại top bán chạy.

Kết quả bước này sẽ giúp bạn bắt đầu kết nối dữ liệu rời rạc thành một hệ thống logic, tạo nền tảng cho bước cuối cùng: phân tích và phát triển insight.

Bước 5: Phân tích, diễn giải và ghi chú insight tiềm năng

Giai đoạn này không nhằm rút ra kết luận cuối cùng, mà để bạn “gỡ rối” các dữ liệu đã thu thập và bắt đầu nhìn thấy những gợi ý ban đầu về hành vi, nhu cầu và động lực của người dùng. Mục tiêu:

• Nhận diện các mẫu hành vi, xu hướng hoặc mối liên hệ nổi bật, có khả năng lý giải một vấn đề cụ thể trong thị trường, người tiêu dùng hoặc hành vi sử dụng sản phẩm.
• Ghi chú lại các giả thuyết tiềm năng hoặc câu hỏi chưa có lời giải rõ ràng => làm nền tảng cho các bước nghiên cứu chuyên sâu như phỏng vấn hay A/B testing.
• Hình thành sơ bộ chân dung khách hàng (persona) dựa trên insight về hành vi, niềm tin, hoặc rào cản mà dữ liệu gợi mở.

Để hỗ trợ quá trình này, bạn có thể sử dụng các mô hình phân tích đơn giản như:

• Dữ liệu quan sát được => Điều gì có thể lý giải => Insight tiềm năng: Áp dụng mô hình này để hệ thống hóa suy luận từ những gì đã thu thập được đến những hiểu biết có giá trị.

Ví dụ: 

• Từ dữ liệu desk research, bạn quan sát thấy Gen Z có xu hướng chọn món ăn dựa vào review trên mạng xã hội. Tuy nhiên, bạn chưa biết cụ thể yếu tố nào trong review khiến họ tin tưởng (visual? người review? nội dung?)
• => Trong trường hợp này, một insight tiềm năng có thể là: “Người trẻ tuổi chịu ảnh hưởng đáng kể từ các review trực tuyến khi lựa chọn địa điểm ăn uống, tuy nhiên, cần thực hiện khảo sát định tính để làm rõ các yếu tố then chốt tác động đến quyết định của họ.”

Tóm lại, Desk research không thể thay thế nghiên cứu sâu, nhưng là bước nền quan trọng giúp:

• Nhận diện điều đáng tìm hiểu thêm.
• Định hình giả thuyết để kiểm chứng sau.
• Xác định đâu là “lỗ hổng thông tin” có thể là cơ hội tiềm năng.

Đọc thêm: Insight – Từ dữ liệu đến hiểu biết sâu sắc về khách hàng của bạn

Kết luận

Desk research không phải là lời giải cuối cùng, nhưng nó là bước đệm không thể thiếu trong mọi chiến lược nghiên cứu thị trường, sản phẩm hay người dùng. 

Đặc biệt trong bối cảnh growth marketing, nơi mọi quyết định đều cần linh hoạt và nhanh chóng, desk research cho phép bạn bắt đầu đúng, trước khi đi sâu. Dù bạn là marketer, product owner hay người làm nghiên cứu, hãy xem desk research như một bản đồ sơ bộ để chọn được hướng đi khôn ngoan và hiệu quả nhất.

Đừng quên đọc thêm loạt bài về chiến lược tăng trưởng và phát triển sản phẩm tại Growth Marketing Vietnam – nơi tổng hợp các case study thực chiến và bài học kinh nghiệm từ những thương hiệu tăng trưởng bền vững.

Tài liệu tham khảo: Bài viết được biên soạn từ góc nhìn thực tiễn của tác giả, kết hợp với nội dung tổng hợp và tham khảo từ các nguồn uy tín về Desk Research, bao gồm:

• SurveySparrow – Desk Research: Definition, Methods & Examples
• QuestionPro – Desk Research: Definition, Types, Methods & Example
• Marketing Donut – Introduction to Desk-Based Market Research