ThS. Nguyễn Trần Bảo Yến

Trường Đại học Tân Tạo

Email: yen.nguyen@ttu.edu.vn

Tóm tắt

Sự phổ biến của các nền tảng nhắn tin riêng tư như WhatsApp, Telegram và Discord đã khiến các nhà tiếp thị không còn dễ dàng theo dõi việc chia sẻ liên kết trang web và lưu lượng truy cập phát sinh từ các chia sẻ này – hiện tượng được gọi là Dark Social. Dạng lưu lượng này thường bị phân loại sai thành “truy cập trực tiếp” trong Google Analytics, dẫn đến thiếu hụt dữ liệu về quy mô và hành vi người dùng. Nghiên cứu này nhằm xác định mức đóng góp của kênh direct vào tổng lưu lượng, phân biệt truy cập trực tiếp thực sự và truy cập từ Dark Social, đồng thời ước tính tỷ lệ tương tác đến từ các nền tảng nhắn tin riêng tư. Với hơn 740.000 lượt truy cập được theo dõi trong một năm, kết quả cho thấy kênh direct chiếm hơn 30% tổng lưu lượng, trong đó gần một nửa đến từ Dark Social. Nghiên cứu đề xuất hướng phát triển lý thuyết và giải pháp đo lường phù hợp với môi trường truyền thông khép kín.

Từ khóa: mạng xã hội tối, lưu lượng truy cập web, truy cập trực tiếp, nền tảng nhắn tin riêng tư, phân tích dữ liệu số.

Summary

The popularity of private messaging platforms such as WhatsApp, Telegram, and Discord has made it difficult for marketers to track the sharing of website links and the traffic that results from these shares – a phenomenon known as Dark Social. This type of traffic is often misclassified as “direct visits” in Google Analytics, resulting in a lack of data on the size and behavior of users. This study aims to determine the contribution of direct channels to total traffic, distinguish between true direct visits and visits from Dark Social, and estimate the engagement rate coming from private messaging platforms. With over 740,000 visits tracked over a year, the results show that direct channels account for over 30% of total traffic, of which nearly half come from Dark Social. The study proposes a theoretical development direction and measurement solution suitable for closed media environments.

Keywords: Dark social media, web traffic, direct access, private messaging platforms, digital data analytics.

GIỚI THIỆU

Trong thời đại số hóa, việc đo lường tương tác trong tiếp thị kỹ thuật số giữ vai trò thiết yếu trong đánh giá hiệu quả của các chiến dịch truyền thông, từ đó định hướng quyết định chiến lược phù hợp. Sự phát triển mạnh mẽ của các công cụ phân tích dữ liệu đã giúp nhà tiếp thị theo dõi hành vi người tiêu dùng một cách chi tiết và kịp thời. Tuy nhiên, trong bối cảnh môi trường truyền thông liên tục biến động, xu hướng chia sẻ và tương tác đã dịch chuyển rõ rệt từ các nền tảng mạng xã hội công khai như Facebook hay Twitter sang các ứng dụng nhắn tin riêng tư như WhatsApp, Discord và Telegram. Điều này đặt ra thách thức nghiêm trọng đối với hoạt động đo lường, bởi phần lớn nội dung được chia sẻ trong các kênh này không để lại dấu vết rõ ràng cho các công cụ phân tích truyền thống.

Khái niệm “Dark Social” ra đời nhằm chỉ những lượt truy cập và chia sẻ thông tin bắt nguồn từ các nền tảng nhắn tin riêng tư nhưng không được nhận diện rõ nguồn gốc trong các báo cáo phân tích. Các lượt truy cập dạng này thường bị gom chung vào nhóm “direct traffic” trong công cụ Google Analytics, dẫn đến sự hiểu sai về hành vi người dùng và hiệu quả nội dung tiếp thị. Khi phần lớn hoạt động chia sẻ chuyển sang môi trường kín, khả năng đánh giá chính xác hiệu quả truyền thông gặp trở ngại nghiêm trọng. Dữ liệu trở nên thiếu minh bạch, gây khó khăn trong việc xác định nguồn gốc của lưu lượng truy cập, từ đó ảnh hưởng đến việc phân bổ ngân sách và hoạch định nội dung.

Trước thực trạng đó, nghiên cứu này được triển khai nhằm tìm hiểu và xác định cách đo lường mức độ tương tác của người dùng trên các kênh Dark Social, đặc biệt là ba nền tảng phổ biến gồm WhatsApp, Discord và Telegram. Nghiên cứu tập trung làm rõ mức độ lan truyền nội dung tiếp thị trong các môi trường giao tiếp kín, đồng thời đề xuất hướng tiếp cận để thu thập và phân tích dữ liệu hiệu quả trong điều kiện hạn chế. Ba câu hỏi nghiên cứu được đặt ra nhằm dẫn dắt quá trình khảo sát và phân tích. Thứ nhất, các nền tảng nhắn tin riêng tư được sử dụng phổ biến ra sao trong việc chia sẻ nội dung tiếp thị. Thứ hai, làm thế nào để đo lường tương tác người dùng trong không gian kín vốn thiếu công cụ theo dõi trực tiếp. Thứ ba, mức độ tương tác trong Dark Social liệu có tác động đáng kể đến hiệu quả tổng thể của hoạt động tiếp thị.

Bằng cách tiếp cận thực nghiệm, nghiên cứu hướng đến việc cung cấp bằng chứng rõ ràng về vai trò của Dark Social trong hệ sinh thái truyền thông số, qua đó đóng góp nền tảng lý thuyết và giải pháp thực tiễn cho việc đo lường hiệu quả tiếp thị trong môi trường giao tiếp đang dần trở nên khép kín và khó truy vết.

CƠ SỞ LÝ THUYẾT

Khái niệm Dark Social

Khái niệm “Dark Social” xuất hiện trong bối cảnh truyền thông kỹ thuật số khi những lượt chia sẻ nội dung qua các nền tảng nhắn tin riêng tư không để lại dấu vết đo lường rõ ràng. Cụ thể, Dark Social được hiểu là hình thức chia sẻ thông tin qua các kênh không công khai như WhatsApp, Telegram, Discord hay email, nơi mà các công cụ phân tích web như Google Analytics không thể truy xuất nguồn truy cập, dẫn đến việc toàn bộ lượt truy cập này bị xếp vào nhóm “direct traffic”.

Đặc điểm hành vi người dùng trên nền tảng nhắn tin riêng tư

Hành vi người dùng trên các nền tảng nhắn tin riêng tư phản ánh rõ nét nhu cầu bảo vệ không gian cá nhân và kiểm soát thông tin trong môi trường kỹ thuật số. Trong bối cảnh ngày càng xuất hiện nhiều mối lo ngại về rò rỉ dữ liệu và giám sát trực tuyến, các ứng dụng như WhatsApp, Telegram hay Discord trở thành lựa chọn ưu tiên nhờ cơ chế mã hóa đầu cuối, giới hạn quyền truy cập và cho phép người dùng kiểm soát chặt chẽ nội dung chia sẻ. Khác với mạng xã hội công khai, nơi tương tác diễn ra dưới ánh sáng của cộng đồng rộng lớn, các nền tảng nhắn tin riêng tư tạo điều kiện cho các cuộc trò chuyện mang tính cá nhân hóa, thân mật và đáng tin cậy hơn.

Những thách thức đo lường tương tác

Việc đo lường tương tác trong môi trường truyền thông số hiện đại đang đối mặt với nhiều thách thức nghiêm trọng, đặc biệt khi dữ liệu bắt nguồn từ các nền tảng nhắn tin riêng tư như WhatsApp, Telegram hay Discord. Các công cụ phân tích phổ biến như Google Analytics (GA) không có khả năng nhận diện chính xác nguồn gốc của các lượt truy cập đến từ các kênh kín này. Khi người dùng chia sẻ đường link qua các cuộc trò chuyện riêng tư, GA không ghi nhận được hành vi chia sẻ đó và gộp toàn bộ lưu lượng vào nhóm “direct traffic”, tức là nhóm truy cập không xác định được nguồn.

Việc gộp sai lệch như vậy tạo ra một khoảng tối trong dữ liệu, làm lu mờ khả năng phân tích chính xác hiệu quả của từng kênh truyền thông. Khi nội dung được lan truyền qua các kênh kín nhưng không để lại dấu vết phân tích rõ ràng, toàn bộ chiến lược nội dung dựa trên dữ liệu định lượng bị ảnh hưởng. Đội ngũ tiếp thị không thể xác định đâu là nội dung có tác động thực sự, đâu là yếu tố tạo ra sự lan truyền tự nhiên và hiệu quả nhất. Quyết định đầu tư nội dung vì thế trở nên thiếu căn cứ, dễ dẫn đến lãng phí nguồn lực.

Bên cạnh đó, việc đo lường lợi tức đầu tư (ROI) trong các chiến dịch tiếp thị kỹ thuật số trở nên thiếu chính xác khi lượng truy cập và chuyển đổi do Dark Social tạo ra không được tách riêng và phân tích đúng mức. Không có thông tin rõ ràng về nguồn chia sẻ, các nhà quản lý khó thiết lập mối liên hệ giữa nội dung và kết quả thực tế. Hệ quả là các chỉ số đo lường hiệu quả bị lệch chuẩn, kéo theo sai lệch trong việc tối ưu hóa ngân sách và hoạch định chiến lược truyền thông lâu dài.

PHƯƠNG PHÁP NGHIÊN CỨU

Ba nền tảng nhắn tin riêng tư được lựa chọn là WhatsApp, Telegram và Discord – đại diện tiêu biểu cho các dạng mạng xã hội kín có độ phổ biến cao, cấu trúc linh hoạt và cộng đồng người dùng ổn định. Bên cạnh đó, hai nền tảng công khai gồm Facebook và Email được đưa vào làm nhóm đối chứng để so sánh mức độ ổn định, quy mô tương tác và độ biến thiên hành vi theo thời gian. Tổng cộng có năm nền tảng được khảo sát, với thời gian triển khai kéo dài trong bốn quý liên tiếp (tương ứng một năm).

Tổng quy mô lượt truy cập trung bình mỗi quý dao động từ 68.300 lượt (Email) đến 287.600 lượt (WhatsApp), cho thấy sự khác biệt rõ rệt giữa các nền tảng. Riêng các kênh nhắn tin riêng tư đạt mức tăng trưởng cao nhất: WhatsApp tăng 36,2%, Telegram tăng 41,7% và Discord tăng 52,5% sau bốn quý triển khai. Facebook dù có quy mô lớn hơn so với Email nhưng tốc độ tăng trưởng chỉ đạt 11,9%, cho thấy sự suy giảm hiệu quả tương tác qua các nền tảng công khai.

Để bổ sung dữ liệu định tính, khảo sát người dùng được tiến hành với 300 cá nhân ở độ tuổi từ 18 đến 35.

Dữ liệu từ các chiến dịch được phân tích theo chu kỳ quý. Các chỉ số như số lượt nhấp liên kết, số lượt chia sẻ, thời gian trung bình ở lại trang và tỷ lệ truy cập lại được tổng hợp và tính toán hệ số biến thiên (CV) để đánh giá độ ổn định của từng kênh. CV trung bình ở các nền tảng nhắn tin riêng tư (từ 0,29 đến 0,50) thấp hơn đáng kể so với Facebook (1,07) và Email (0,59), phản ánh sự ổn định trong hành vi người dùng Dark Social. Đặc biệt, CV về lượt nhấp và thời gian ở lại trang tại Discord và Telegram đều dưới 0,6, cho thấy mức tương tác nhất quán và bền vững theo thời gian.

KẾT QUẢ NGHIÊN CỨU

Kết quả từ phân tích định lượng và định tính cho thấy các nền tảng truyền thông riêng tư không chỉ tạo ra lưu lượng truy cập lớn mà còn duy trì mức độ tương tác ổn định hơn so với các kênh công khai. Bằng cách kết hợp theo dõi hành vi thực tế với khảo sát người dùng và phân tích biến thiên theo chu kỳ, nghiên cứu này cung cấp cái nhìn toàn diện về đặc điểm tương tác trong Dark Social – khu vực đang ngày càng ảnh hưởng sâu sắc đến hiệu quả tiếp thị kỹ thuật số nhưng vẫn còn nằm ngoài vùng đo lường chính thống.

Sức hút ban đầu (Attraction)

Phát hiện đầu tiên cho thấy vai trò vượt trội của việc thu hút người truy cập mới trong mỗi quý. Tỷ lệ người dùng mới truy cập qua các nền tảng nhắn tin riêng tư như WhatsApp, Telegram và Discord đạt trung bình 66,8%, trong khi Facebook và Email có tỷ lệ thấp hơn đáng kể. Dữ liệu ở Bảng 1 cho thấy ở các chiến dịch triển khai trong môi trường Dark Social, 38% người truy cập là người quay lại, trong khi chỉ 19% trong số đó đến từ kênh truy cập trực tiếp (direct). Điều này đồng nghĩa với việc hơn một nửa số người quay lại không truy cập từ đường dẫn đã lưu hay gõ địa chỉ trực tiếp, mà phần lớn tương tác thông qua liên kết được chia sẻ lại – cho thấy vai trò của các kênh khép kín trong việc tạo dựng sự trở lại gián tiếp, không truy vết được.

Tỷ lệ thu hút người dùng mới vẫn giữ mức cao ổn định trong suốt bốn quý, bất kể biến động lưu lượng tổng thể. Kết quả này chỉ ra rằng ngay cả trong bối cảnh chiến dịch đang tăng trưởng tốt, vẫn cần một chiến lược duy trì khả năng tiếp cận rộng rãi để bù đắp lượng người dùng rời bỏ và gia tăng lượng tiếp cận mới.

Tỷ lệ truy cập lại (Repeat Rates)

Tỷ lệ truy cập lại phản ánh mức độ gắn kết và hiệu quả của nội dung trong việc duy trì sự quan tâm của người dùng. Theo dữ liệu ở Bảng 1, các chiến dịch triển khai qua nền tảng kín như WhatsApp, Telegram hay Discord có tỷ lệ truy cập lại trung bình cao hơn 35% so với nhóm chiến dịch công khai (Facebook và Email). Tuy nhiên, điều đáng chú ý là kênh direct – vốn thường được gắn với hành vi truy cập lặp lại – lại ghi nhận mức truy cập lại thấp hơn so với mức trung bình toàn website.

Ví dụ, chỉ 19% người quay lại sử dụng direct link trong môi trường Dark Social, cho thấy rằng phần lớn hành vi lặp lại diễn ra qua các liên kết được chia sẻ lại qua bạn bè hoặc nhóm kín, không qua bookmark hay nhập địa chỉ thủ công. Đây là một điểm khác biệt so với các kênh công khai, nơi hành vi truy cập lặp lại thường dễ đo lường và truy vết hơn.

Vai trò của Dark Social trong tổng lưu lượng (Dark Social Distribution)

Phân tích trong Bảng 2 cho thấy lượng truy cập trực tiếp (direct traffic) chiếm tỷ lệ rất cao trên các nền tảng Dark Social: 46% trên WhatsApp, 39% trên Telegram và 33% trên Discord. Trong khi đó, Facebook và Email chỉ ghi nhận mức lần lượt là 22% và 16%. Các chỉ số này phản ánh xu hướng người dùng truy cập vào nội dung tiếp thị thông qua liên kết chia sẻ riêng tư – không có nguồn xác định – điển hình cho đặc trưng của Dark Social.

Tỷ lệ chia sẻ xã hội (social sharing) cũng đặc biệt cao ở nhóm nền tảng riêng tư: 35% trên WhatsApp, 30% trên Telegram và 28% trên Discord, cho thấy hành vi lan truyền nội dung mạnh mẽ trong các cộng đồng kín. Trái lại, kênh Email chỉ ghi nhận 9% lưu lượng đến từ chia sẻ xã hội – phù hợp với tính chất đơn hướng và ít lan tỏa của nền tảng này.

Thị phần nền tảng và thói quen sử dụng (Usage Landscape)

Dữ liệu ở Bảng 3 cho thấy WhatsApp dẫn đầu nhóm nền tảng nhắn tin riêng tư với 31% thị phần, theo sau là Telegram (18%) và Messenger (14%). Trong khi đó, Facebook và Instagram lần lượt dẫn đầu nhóm nền tảng công khai với 60% và 14%. Việc sử dụng các nền tảng nhắn tin đang gia tăng rõ rệt ở nhóm người dùng từ 18 đến 35 tuổi, đặc biệt trong các tình huống giao tiếp liên quan đến niềm tin cá nhân và tương tác bạn bè.

Bảng 1: Tỷ lệ người truy cập lại theo quý – toàn bộ trang web so với kênh trực tiếp

Ghi chú: “Chiến dịch kín” áp dụng với WhatsApp, Telegram, Discord. “Chiến dịch công khai” áp dụng với Facebook, Email.

Nguồn: Phân tích của tác giả

Bảng 2: Phân bổ lưu lượng truy cập theo kênh trong một quý trung bình

Nguồn: Phân tích của tác giả

Bảng 3: Mạng xã hội công khai và nền tảng nhắn tin riêng tư phổ biến

Nguồn: Phân tích của tác giả

THẢO LUẬN KẾT QUẢ

Nghiên cứu này góp phần mở rộng hiểu biết về chủ đề này bằng cách cung cấp dữ liệu thực nghiệm và phân tích cụ thể từ năm nền tảng khác nhau, bao gồm ba ứng dụng nhắn tin riêng tư (WhatsApp, Telegram, Discord) và hai nền tảng đối chứng (Facebook, Email). Dưới đây là các thảo luận xoay quanh phát hiện chính và định hướng cho nghiên cứu tiếp theo.

Phát hiện quan trọng đầu tiên khẳng định rằng ngay cả trên các nền tảng có mức truy cập cao và ổn định, tỷ lệ người dùng quay lại qua kênh trực tiếp vẫn thấp hơn đáng kể so với tổng số lượt truy cập lặp lại toàn trang (19% so với 38%). Điều này cho thấy rằng phần lớn tương tác lặp lại đến từ các liên kết chia sẻ không truy vết được – đặc trưng của Dark Social. Do đó, mức độ hiệu quả của các chiến dịch tiếp thị trong môi trường này không thể chỉ đánh giá qua dữ liệu truyền thống. Thay vào đó, cần tiếp cận dựa trên khả năng lan truyền của nội dung trong cộng đồng nhỏ, với tần suất thấp và niềm tin cao.

Thứ hai, kênh “direct” – vốn thường bị xem là không thể kiểm soát – thực chất lại đóng vai trò trung tâm trong việc mang lại lưu lượng mới mỗi quý. Dữ liệu ở Bảng 4 cho thấy tỷ lệ truy cập trực tiếp qua các nền tảng nhắn tin riêng tư dao động từ 33% đến 46%, cao hơn đáng kể so với Facebook (22%) hay Email (16%). Đặc biệt, đây là những lượt truy cập không có nguồn gốc rõ ràng, không hiển thị như traffic từ social media công khai, nhưng lại chiếm phần lớn lưu lượng thực tế. Điều này chỉ ra rằng Dark Social không còn là hiện tượng ngoại lệ, mà là một nguồn “reach tự nhiên” (earned reach) với vai trò thiết yếu trong truyền thông kỹ thuật số hiện nay.

HẠN CHẾ NGHIÊN CỨU

Mặc dù nghiên cứu đã tiến hành thu thập và phân tích dữ liệu từ năm nền tảng khác nhau với quy mô gần 750.000 lượt truy cập trong bốn quý, vẫn tồn tại những giới hạn cần thừa nhận để định hướng cho các nghiên cứu tiếp theo. Mục tiêu dài hạn là phát triển các tổng quát hóa thực nghiệm có thể áp dụng ở cấp độ doanh nghiệp, tuy nhiên điều này đòi hỏi nhiều lần lặp lại nghiên cứu trong các bộ dữ liệu đa dạng hơn về ngành, khu vực và hình thức triển khai.

Thứ nhất, phương pháp đo lường lượng truy cập từ Dark Social trong nghiên cứu hiện tại mang tính ước lượng tương đối, chưa đủ khả năng xác định chính xác nguồn gốc của tất cả lượt truy cập “không gắn thẻ” trong kênh direct. Việc gắn mã UTM vào liên kết chỉ hiệu quả khi người dùng nhấp trực tiếp vào đường dẫn đã được gắn thẻ, trong khi nhiều trường hợp chia sẻ xảy ra qua thao tác sao chép-dán hoặc chuyển tiếp thủ công. Một hướng cải tiến là theo dõi đường dẫn được sao chép từ website gốc trước khi rời khỏi trình duyệt, từ đó đánh giá mức độ lan truyền của từng liên kết thông qua lượng truy cập quay về và thời điểm xuất hiện. Cách làm này giúp phân biệt giữa truy cập từ Dark Social và các hành vi thực sự gõ địa chỉ hoặc dùng bookmark, đồng thời cho phép mô hình hóa hành vi người dùng theo các chỉ số như số lượt xem trang, tỷ lệ thoát, tần suất quay lại và chuyển đổi.

Thứ hai, việc phân biệt hành vi truy cập lặp lại trong kênh direct còn thiếu độ chính xác, đặc biệt khi người dùng sử dụng thói quen gõ nhanh địa chỉ hoặc truy cập qua trình duyệt đã lưu. Hành vi dạng này phản ánh mức độ trung thành mang tính hành vi (behavioural loyalty), vốn có thể được tiếp cận bằng các mô hình xác suất tổng quát như NBD (Negative Binomial Distribution) hoặc NBD-Dirichlet – những mô hình đã được sử dụng thành công để dự đoán tần suất mua hàng hoặc truy cập trong môi trường truyền thống. Việc áp dụng các mô hình này vào ngữ cảnh tiếp thị kỹ thuật số sẽ cho phép so sánh mức độ “trung thành truy cập” giữa các nền tảng, đồng thời đưa ra chuẩn mực tham chiếu hữu ích cho doanh nghiệp khi phân bổ ngân sách truyền thông cho từng kênh cụ thể.

TÀI LIỆU THAM KHẢO

1. Borgatti, S. P., & Ofem, B. (2010). Social network theory and analysis. Social network theory and educational change, 17, 29.

2. Krause, J., Croft, D. P., & James, R. (2007). Social network theory in the behavioural sciences: potential applications. Behavioral Ecology and Sociobiology, 62, 15-27.

3. Lai, I. K. W., & Shi, G. (2015). The impact of privacy concerns on the intention for continued use of an integrated mobile instant messaging and social network platform. International Journal of Mobile Communications, 13(6), 641-669.

4. Liu, W., Sidhu, A., Beacom, A. M., & Valente, T. W. (2017). Social network theory. The international encyclopedia of media effects, 1, 1-12.

5. Merchant, G. (2012). Unravelling the social network: theory and research. Learning, media and Technology, 37(1), 4-19.

6. Nobari, A. D., Sarraf, M. H. K. M., Neshati, M., & Daneshvar, F. E. (2021). Characteristics of viral messages on Telegram; The world’s largest hybrid public and private messenger. Expert systems with applications, 168, 114303.

7. Quatman, C., & Chelladurai, P. (2008). Social network theory and analysis: A complementary lens for inquiry. Journal of Sport Management, 22(3), 338-360.

8. Sih, A., Hanser, S. F., & McHugh, K. A. (2009). Social network theory: new insights and issues for behavioral ecologists. Behavioral Ecology and Sociobiology, 63, 975-988.

9. Talmage, C. A., Bell, J., & Dragomir, G. (2019). Searching for a theory of dark social entrepreneurship. Social Enterprise Journal, 15(1), 131-155.

10. Van Deth, J. W., & Zmerli, S. (2010). Introduction: Civicness, equality, and democracy—A “dark side” of social capital?. American Behavioral Scientist, 53(5), 631-639.

11. Westaby, J. D., Pfaff, D. L., & Redding, N. (2014). Psychology and social networks: A dynamic network theory perspective. American Psychologist, 69(3), 269.