Bài viết Ứng dụng của Big data trong đo lường sự gắn kết của người tiêu dùng đối với các thương hiệu giới thiệu ứng dụng của Big Data trong đo lường sự gắn kết của người tiêu dùng. Gắn kết người tiêu dùng với thương hiệu ngày càng nhận được nhiều sự quan tâm của cả giới học thuật lẫn ứng dụng. Mời các bạn cùng tham khảo!
ỨNG DỤNG CỦA BIG DATA TRONG ĐO LƯỜNG SỰ GẮN KẾT CỦA NGƯỜI TIÊU DÙNG ĐỐI VỚI CÁC THƯƠNG HIỆU Nguyễn Thanh Bình Khoa Cơng nghệ Thơng tin Trường Đại học Tài – Marketing Email: ntbinh@ufm.edu.vn Tóm tắt: Trong thời đại 4.0 nay, với phát triển phương tiện truyền thông xã hội (Social Media) giúp cho việc gắn kết với thương hiệu người tiêu dùng trở nên nhanh chóng, thuận tiện tức thời Điều này, mặt giúp cho doanh nghiệp dễ dàng tương tác với khách hàng, người tiêu dùng; mặt khác doanh nghiệp lại gặp khó khăn việc thu thập, đo lường phân tích hành vi tương tác mà phương pháp truyền thống đòi hỏi nhiều nguồn lực, thời gian chi phí Sự đời phát triển mạnh mẽ Dữ liệu lớn (Big Data) mang đến công cụ hiệu việc thu thập phân tích liệu, đặc biệt liệu Internet Trong đó, đo lường gắn kết người dùng với thương hiệu quan tâm đặc biệt, giai đoạn thương mại điện tử phát triển mạnh mẽ Khái niệm gắn kết người tiêu dùng với thương hiệu ngày nhận nhiều quan tâm giới học thuật lẫn ứng dụng Trong khuôn khổ báo cáo giới thiệu ứng dụng Big Data đo lường gắn kết người tiêu dùng Từ khóa: Big Data, liệu lớn, Digital Marketing KHÁI NIỆM VỀ BIG DATA Theo wikipedia: Big Data thuật ngữ liệu lớn phức tạp mà phương pháp truyền thống không đủ ứng dụng để xử lý liệu Theo Gartner: Dữ liệu lớn nguồn thơng tin có đặc điểm chung khối lượng lớn, tốc độ nhanh liệu định dạng nhiều hình thức khác nhau, muốn khai thác địi hỏi phải có hình thức xử lý để đưa định, khám phá tối ưu hóa quy trình PHÂN LOẠI DỮ LIỆU LỚN Dữ liệu lớn bao gồm liệu truyền thống liệu phi truyền thống ➢ Dữ liệu truyền thống bao gồm: - Dữ liệu công ty dạng báo cáo hàng năm, hồ sơ theo qui định, số liệu bán hàng thu nhập hội nghị điện thoại (conference calls) 176 - Dữ liệu tạo thị trường tài chính, bao gồm giá khối lượng giao dịch - Thống kê phủ ➢ Dữ liệu phi truyền thống bao gồm: - Dữ liệu từ cá nhân: Bài đăng mạng xã hội, đánh giá trực tuyến, email việc truy cập trang web - Dữ liệu từ doanh nghiệp: Hồ sơ ngân hàng liệu máy quét bán lẻ - Dữ liệu từ thiết bị điện tử: Dữ liệu tạo từ nhiều loại thiết bị, bao gồm điện thoại thông minh, máy ảnh, micrô, đầu đọc nhận dạng tần số vô tuyến (RFID), cảm biến không dây vệ tinh Khi Internet thiết bị nối mạng ngày phát triển, việc sử dụng nguồn liệu phi truyền thống tăng lên, bao gồm thông tin mạng xã hội, email phương thức giao tiếp văn bản, lưu lượng truy cập trang web, trang tin tức trực tuyến nguồn thông tin điện tử khác ĐẶC TRƯNG CỦA DỮ LIỆU LỚN Dữ liệu lớn có đặc trưng sau (mơ hình 5V): Hình 1: đặc trưng Big Data (1) Khối lượng liệu (Volume): Đặc điểm tiêu biểu liệu lớn khối lượng liệu lớn Kích cỡ Big Data đag ngày tăng lên, tính đến năm 2012 nằm khoảng vài chục terabyte nhiều petabyte (1 petabyte = 1024 terabyte) cho tập hợp liệu 177 Dữ liệu truyền thống lưu trữ thiết bị đĩa mềm, đĩa cứng Nhưng với liệu lớn phải sử dụng công nghệ “đám mây” đáp ứng khả lưu trữ liệu lớn (2) Tốc độ (Velocity): Tốc độ hiểu theo khía cạnh: (a) Khối lượng liệu gia tăng nhanh (mỗi giây có tới 72.9 triệu yêu cầu truy cập tìm kiếm web bán hàng Amazon); (b) Xử lý liệu nhanh mức thời gian thực (real-time), có nghĩa liệu xử lý tức thời sau chúng phát sinh (tính đến mili giây) Các ứng dụng phổ biến lĩnh vực Internet, Tài chính, Ngân hàng, Hàng khơng, Quân sự, Y tế – Sức khỏe phần lớn liệu lớn xử lý real-time Công nghệ xử lý liệu lớn ngày cho phép xử lý tức trước chúng lưu trữ vào sở liệu (3) Đa dạng (Variety): Đối với liệu truyền thống hay nói đến liệu có cấu trúc, ngày 80% liệu sinh phi cấu trúc (tài liệu, blog, hình ảnh, vi deo, hát, liệu từ thiết bị cảm biến vật lý, thiết bị chăm sóc sức khỏe…) Big Data cho phép liên kết phân tích nhiều dạng liệu khác Ví dụ, với bình luận nhóm người dùng Facebook với thơng tin video chia sẻ từ Youtube Twitter (4) Độ tin cậy/chính xác (Veracity) Một tính chất phức tạp liệu lớn độ tin cậy/chính xác liệu Với xu hướng phương tiện truyền thông xã hội (Social Media) mạng xã hội (Social Network) ngày gia tăng mạnh mẽ tính tương tác chia sẻ người dùng Mobile làm cho tranh xác định độ tin cậy & xác liệu ngày khó khăn Bài tốn phân tích loại bỏ liệu thiếu xác nhiễu tính chất quan trọng BigData (5) Giá trị (Value) Giá trị đặc điểm quan trọng liệu lớn, bắt đầu triển khai xây dựng liệu lớn việc cần phải làm xác định giá trị thông tin mang lại nào, có định nên triển khai liệu lớn hay không Nếu liệu lớn mà nhận 1% lợi ích từ nó, khơng nên đầu tư phát triển liệu lớn Kết dự báo xác thể rõ nét giá trị liệu lớn mang lại Ví dụ, từ 178 khối liệu phát sinh trình khám, chữa bệnh giúp dự báo sức khỏe xác hơn, giảm chi phí điều trị chi phí liên quan đến y tế SỰ KHÁC BIỆT GIỮA DỮ LIỆU LỚN VỚI DỮ LIỆU TRUYỀN THỐNG Dữ liệu lớn khác với liệu truyền thống (ví dụ, kho liệu - Data Warehouse) điểm bản: Dữ liệu đa dạng hơn; lưu trữ liệu lớn hơn; truy vấn nhanh hơn; độ xác cao (1) Dữ liệu đa dạng hơn: Khai thác liệu truyền thống (Dữ liệu có cấu trúc), thường phải trả lời câu hỏi: Dữ liệu lấy kiểu gì? định dạng liệu nào? Đối với liệu lớn, trả lời câu hỏi Khi khai thác, phân tích liệu lớn khơng cần quan tâm đến kiểu liệu định dạng chúng; điều quan tâm giá trị mà liệu mang lại có đáp ứng cho cơng việc tương lai không (2) Lưu trữ liệu lớn hơn: Lưu trữ liệu truyền thống vô phức tạp đặt câu hỏi lưu nào? dung lượng kho lưu trữ đủ? gắn kèm với câu hỏi chi phí đầu tư tương ứng Công nghệ lưu trữ liệu lớn phần giải vấn đề nhờ công nghệ lưu trữ đám mây, phân phối lưu trữ liệu phân tán kết hợp liệu phân tán lại với cách xác xử lý nhanh thời gian thực (3) Truy vấn liệu nhanh hơn: Dữ liệu lớn cập nhật liên tục, kho liệu truyền thống cập nhật tình trạng khơng theo dõi thường xuyên gây tình trạng lỗi cấu trúc truy vấn dẫn đến khơng tìm kiếm thơng tin đáp ứng theo yêu cầu (4) Độ xác cao hơn: Dữ liệu lớn đưa vào sử dụng thường kiểm định lại với điều kiện chặt chẽ, số lượng thông tin kiểm tra thường lớn, đảm bảo nguồn lấy liệu khơng có tác động người vào thay đổi số liệu thu thập KHÓ KHĂN KHI SỬ DỤNG DỮ LIỆU LỚN Các khó khăn sử dụng liệu lớn, bao gồm: Chất lượng, khối lượng tính phù hợp liệu Các câu hỏi cần đặt sử dụng liệu lớn: Tập liệu có sai số từ việc lựa chọn đối tượng (Selection bias), thiếu liệu có liệu ngoại lai (Data outliers) khơng? Khối lượng liệu thu thập có đủ hay khơng? 179 Dữ liệu có phù hợp cho việc phân tích hay khơng? Trong hầu hết trường hợp, liệu phải lấy từ nguồn ban đầu, sau làm xếp trước phân tích Q trình khó khăn liệu phi truyền thống đặc điểm phi cấu trúc liệu liên quan, thường mang tính định tính (ví dụ: Văn bản, ảnh video) định lượng NHỮNG CƠ HỘI VÀ THÁCH THỨC KHI ỨNG DỤNG BIG DATA Cơ hội (1) Tiếp cận nghiên cứu liệu lớn giúp cho có thêm phương án giải quyết, xử lý đối phó với thách thức sản xuất số liệu thống kê thức tương lai Những nghiên cứu thực nghiệm cần phải tiến hành để khám phá ứng dụng tiềm liệu lớn số liệu thống kê thức, nghiên cứu thực nghiệm phải phần quy trình sản xuất số liệu thống kê (2) Nghiên cứu liệu lớn phải có sở hạ tầng công nghệ thông tin đại, đáp ứng yêu cầu xử lý khối lượng lớn liệu nhanh, đồng thời tập hợp liệu từ nhiều nguồn khác Thực điều ta có đội ngũ nguồn lực quản lý khai thác Big Data vững vàng chuyên môn trải qua kinh nghiệm thực tế (3) Tiếp cận nghiên cứu liệu lớn giúp có văn pháp lý bổ sung giúp cho quan thống kê thức có điều kiện để thực khai thác liệu thơng qua hồ sơ hành chính, ngồi liệu bảo đảm giữ bí mật nhờ văn pháp lý bổ sung (4) Sử dụng liệu lớn đem lại niềm tin cộng đồng với thống kê thức trình trình sản xuất số liệu thống kê thức với liệu lớn hồn tồn khơng có tác động chủ ý người Thách thức (1)Tài Nhiều đơn vị, tổ chức không đo lường vấn đề phát sinh trình triển khai thực hiện, dự tốn kinh phí chưa xác, dự án không thực Để triển khai thành cơng, yếu tố tài có ý nghĩa quan trọng, số tập đồn thương mại lớn có tiềm lực tài vững xây dựng thuận lợi hệ thống liệu Big Data IBM, website bán hàng thương mại điện tử Amazon 180 (2) Chính sách, quy định Luật pháp truy cập sử dụng liệu Việc sử dụng khai thác liệu lớn phụ thuộc vào luật quy định quốc gia Ví dụ: Canada người dùng tiếp cận liệu từ hai tổ chức phủ phi phủ, nước khác Ireland phải cho phép từ quan phủ Điều dẫn đến hạn chế để truy cập vào số loại liệu lớn (3) Trình độ khai thác quản lý liệu Do luật pháp quy định sử dụng khai thác quốc gia khác nên cách quản lý khác nhiên, Một vấn đề liên quan đến quản lý thông tin nguồn nhân lực Khoa học liệu lớn phát triển mạnh tổ chức tư nhân, phận chưa liên kết với tổ chức phủ cách chặt chẽ dẫn đến việc quản lý nhiều vướng mắc (4) Hạ tầng Công nghệ thông tin Cần cải thiện tốc độ liệu truy cập vào liệu hành nghĩa sử dụng giao diện ứng dụng Chương trình chuyên sâu tiêu chuẩn (API) để truy cập liệu Bằng cách này, kết nối ứng dụng cho liệu thu xử lý liệu trực tiếp với liệu hành Ngồi hệ thống khai thác liệu lớn phải tính tốn để kết nối vào kho sở liệu truyền thống, thách thức lớn cần giải ỨNG DỤNG CỦA BIG DATA TRONG SỰ ĐO LƯỜNG SỰ GẮN KẾT CỦA NGƯỜI TIÊU DÙNG ĐỐI VỚI CÁC THƯƠNG HIỆU Big Data ứng dụng nhiều lĩnh vực khác như: Ngân hàng, Giáo dục, Chính phủ, Chăm sóc sức khỏe, … khuôn khổ viết tác giả đề cập ứng dụng Big Data đo lường gắn kết người tiêu dùng thương hiệu thông qua trang Web hai công ty lớn Việt Nam lĩnh vực bán lẻ điện Hình 2: Các lĩnh vực khai thác Big Data (nguồn Dzone.com) 181 thoại di động (www.thegioididong.com www.fptshop.com.vn) khoảng thời gian: từ tháng 3/2017 đến 6/2017 7.1 Khái niệm gắn kết cách thức đo lường Trong lĩnh vực marketing, khái niệm gắn kết giai đoạn phát triển, thiếu rõ ràng đồng thuận định nghĩa, hình thức, thuộc tính cách thức ứng dụng Theo Dictionary.com (2017): "Gắn kết hành động gắn kết trạng thái gắn kết" Trong marketing, học giả khác giải theo cách khác mâu thuẫn khái niệm này, tập trung vào "hành động" gắn kết, "trạng thái" việc gắn kết (trạng thái thuộc tâm lý) Khái niệm gắn kết cần xem xét bối cảnh phụ thuộc phải ánh trình mà cường độ gắn kết phát triển dao động theo thời gian Theo Hollebeek (2011a, 2011b), tương tác hai chiều đối tượng gắn kết có liên quan đối tượng ngữ cảnh cụ thể làm tăng mức độ gắn kết cụ thể thời điểm cụ thể, đại diện cho trạng thái gắn kết liên quan, thay đổi bao hàm trình tương tác Xem xét dựa quan điểm nhị nguyên (valence), Van Doorn cộng (2010) lập luận khái niệm gắn kết phải phân loại tích cực tiêu cực Gắn kết người tiêu dùng với thương hiệu hình thành dựa động thúc đẩy Động thúc đẩy định nghĩa "trạng thái bên kích động cung cấp lượng cần thiết để đạt mục đích" (Higgins & Scholer, 2009) "những lý dẫn đến hành vi" (Guay cộng sự, 2010) Theo ý tưởng Von Krogh cộng (2012), nên xem xét gắn kết người tiêu dùng với thương hiệu trình tạo động lực, hình thành động bên trong, nội bên ngồi; động bên ngồi bắt nguồn từ khía cạnh quan trọng thực hành xã hội (ví dụ: phương tiện truyền thơng xã hội) 7.2 Tổng quan tình hình đo lường gắn kết người tiêu dùng với thương hiệu Big Data Hiện để đo lường gắn kết người tiêu dùng với thương hiệu Big Data, giới ứng dụng sử dụng công cụ đo lường gọi “Lắng nghe mạng xã hội” (Social listening tool); công cụ giúp lắng nghe theo dõi người dùng mạng xã hội; hoạt động theo quy trình dựa trên: chế thu thập, tiêu chuẩn hóa xử lý ngơn ngữ tự nhiên 182 7.2.1 Khái niệm phương pháp đo lường Cơ chế “lắng nghe” hướng đến cơng nghệ có đặc tính sau: Quét mạng xã hội, blog, diễn đàn, trang tin tức chun biệt để tìm kiếm thơng tin trao đổi liên quan đến từ khóa nhóm từ khóa cho sẵn Sử dụng qui trình xử lý ngơn ngữ tự nhiên có xét đến yếu tố cảm xúc (sentiment) để phân tích kết thu từ trình quét 7.2.2 Ứng dụng Big Data đo lường gắn kết Các công cụ “Công cụ lắng nghe mạng xã hội” đa dạng với khả khác nhau, mang lại nhiều tính toàn diện như: Hiểu khách hàng tiềm Từ kết việc “lắng nghe” có hiểu biết khách hàng tiềm năng: họ nghĩ gì, quan tâm đến vấn đề Chăm sóc khách hàng tiềm Kết việc “lắng nghe” giúp biết khách hàng không hài lịng vấn đề gì, từ có cách thức xử lý phù hợp Kích hoạt khách hàng tiềm Phân phối quảng cáo cho người hâm mộ thương hiệu với tính lựa chọn Khách hàng tiềm (Custom Audiences) Kích hoạt Người ảnh hưởng (Influencer) Phân tích đối thủ cạnh tranh Share of voice (SoV: mức độ thương hiệu nhắc đến so với đối thủ) thước đo phổ biến tính cạnh tranh nhãn hàng lớn Với “Công cụ lắng nghe mạng xã hội”, người làm marketing phát triển hiểu biết SoV góc độ tổng quát, góc độ chuyên sâu dựa phân khúc địa lý, kênh giao tiếp (tin tức, diễn đàn, blog,…) nhân học (tuổi tác, giới tính,…) Tối ưu hóa chiến dịch marketing Hoạt động tiếp thị nội dung (Content marketing) tập đoàn lớn thường tập trung xoay quanh cụm từ khóa, tag lines hay hashtags then chốt “Công cụ lắng nghe mạng xã hội” cho phép người làm marketing theo dấu mức độ lan truyền cụm từ hiệu 183 7.2.3 Các công cụ lắng nghe mạng xã hội Việt Nam Boomerang (www.boomerang.net.vn) Social Heat (www.socialheat.younetmedia.com) Buzzmetrics (www.buzzmetrics.vn) Ngồi kể thêm công cụ lắng nghe mạng xã hội công ty khác là: iMonitor (www.imonitor.com.vn), SMCC (www.smcc.vn), Click Media (www.weareclick.vn) 7.2.4 Dịch vụ công cụ lắng nghe mạng xã hội Việt Nam - Trung tâm quản lý mạng xã hội (Social Media Command Center) - Lắng nghe thương hiệu (hoặc công ty) - Quản trị danh tiếng thương hiệu mạng xã hội - Lắng nghe so sánh đối thủ cạnh tranh - Lắng nghe đánh giá chiến dịch truyền thông - Chăm sóc khách hàng mạng xã hội (Social Care) - Nghiên cứu khách hàng thị trường mạng xã hội 7.2.5 Tổng kết đánh giá công cụ lắng nghe mạng xã hội - Giá thành cao - Chưa tập trung vào nhu cầu chuyên biệt khách hàng - Yêu cầu thử nghiệm (demo) khó - Nguồn liệu chưa tạo tính tin cậy, bị lặp lại liệu 7.2.6 Kết Từ việc thành công việc áp dụng Big Data xây dựng công cụ đo lường mức độ gắn kết người tiêu dùng thương hiệu; tác giả rút kết luận sau: - Chúng ta hồn tồn đo lường gắn kết người tiêu dùng thương hiệu phương tiện truyền thơng xã hội (Social Media) - Từ đó, có cơng cụ hữu ích việc theo dõi lắng nghe thương hiệu theo dõi đối thủ cạnh tranh 184 Cũng thông qua công cụ đo lường này, cách so sánh với liệu thứ cấp (của công ty nghiên cứu thị trường từ công bố doanh nghiệp), tác giả tìm thấy mối liên quan gắn kết người tiêu dùng với thương hiệu nhân tố khác như: hiệu chiến dịch marketing, doanh số bán thương hiệu, doanh số bán dòng sản phẩm, thị phần thương hiệu Bên cạnh đó, phương pháp cơng cụ có lợi ích về: tính nhanh chóng (tức thời), tính cập nhật, phân tích đa dạng, nhiều chiều hữu ích cho nhiều đối tượng khác so với phương pháp truyền thống KẾT LUẬN Trong báo tác giả trình bày thơng tin Big Data, lợi ích mà Big Data mang lại cho Bên cạnh thách thức triển khai áp dụng khai thác Big Data Đồng thời, báo trình bày kết đạt việc áp dụng công cụ Big Data làm phương pháp đo lường gắn kết người tiêu dùng với thương hiệu, phương pháp thu thập phân tích liệu hỗ trợ cho phương pháp truyền thống TÀI LIỆU THAM KHẢO [1] https://en.wikipedia.org/wiki/Big_data [2] https:// Big Datauni.com/ [3] https://viettelidc.com.vn/tin-tuc/du-lieu-lon-big-data-la-gi [4] Ks Nguyễn Công Hoan, Tổng Quan Về Dữ Liệu Lớn (Bigdata), Trung Tâm Thông tin Khoa học thống kê (Viện KHTK), 2015 [5] ThS Phạm Đức Tú, Big Data, Phịng NCPT Ứng dụng Viễn thơng, 2014 [6] Nguyễn Anh Duy & Nguyễn Phúc Quỳnh Như, Dữ liệu lớn: Cách thức khai thác hội từ liệu? Trường hợp Amazon, Trường Đại học Kinh tế-Tài TP.HCM, 2019 [7] Nguyễn Huy Bình, Đo Lường Sự Gắn Kết Của Người Tiêu Dùng Đối Với Các Thương Hiệu Bằng Big Data, luận văn Thạc Sỹ trường Đại Học Kinh tế Đà Nẵng, 2017 185 ... Tổng quan tình hình đo lường gắn kết người tiêu dùng với thương hiệu Big Data Hiện để đo lường gắn kết người tiêu dùng với thương hiệu Big Data, giới ứng dụng sử dụng công cụ đo lường gọi “Lắng nghe... liệu truyền thống, thách thức lớn cần giải ỨNG DỤNG CỦA BIG DATA TRONG SỰ ĐO LƯỜNG SỰ GẮN KẾT CỦA NGƯỜI TIÊU DÙNG ĐỐI VỚI CÁC THƯƠNG HIỆU Big Data ứng dụng nhiều lĩnh vực khác như: Ngân hàng, Giáo... 7.2.6 Kết Từ việc thành công việc áp dụng Big Data xây dựng công cụ đo lường mức độ gắn kết người tiêu dùng thương hiệu; tác giả rút kết luận sau: - Chúng ta hồn tồn đo lường gắn kết người tiêu dùng