Tiểu luận môn công nghệ thông tin và truyền thông mớ iđề tài ứng dụng big data vào marketing

BỘ GIÁO DỤC VÀ ĐÀO TẠO

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINHTRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT

-⁂ -TIỂU LUẬN NHÓM CUỐI KỲ

MÔN CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG MỚIĐỀ TÀI: ỨNG DỤNG BIG DATA VÀO MARKETING

TABLE OF CONTENTS

CHAPTER 1: INTRODUCTION 1

CHAPTER 2: DESCRIPTION 2

2.1 Định nghĩa Big Data 2

2.2 Đặc điểm của Big Data 2

2.3 Quá trình hình thành Big Data 2

2.4 Ứng dụng Big Data trong Marketing 3

2.4.1 Hệ thống Big Data và quy trình xử lý dữ liệu: 3

2.4.2 Vai trò của Big Data trong Marketing 5

2.5 Lợi ích và ứng dụng thực tế của Big Data trong Marketing: 5

CHAPTER 1: INTRODUCTIONLÝ DO CHỌN ĐỀ TÀI

Các cuộc cách mạng công nghệ đã thổi một luồng gió mới vào nền kinh tế thế giới, thúc đẩy tốc độ phát triển một cách đáng kinh ngạc Và trong khoảng thời gian trở lại đây, thế giới đã phải trầm trồ khi chứng kiến sự bùng nổ của kỉ nguyên Big Data Big Data đã thể hiện vai trò vượt trội của mình trong đa lĩnh vực từ sản xuất, kinh doanh, đến y tế, điện tử, giải trí Nhờ đó mà Big Data nhanh chóng được đưa vào ứng dụng và được các chuyên gia hàng đầu định giá thị trường lên đến 473.6 tỷ USD vào năm 2023 Có thể nói dữ liệu đóng vai trò như một vũ khí mới trong thời đại 5.0, ai có thể sử dụng được chúng sẽ nhanh chóng vươn lên dẫn đầu.

Trong thế giới phẳng như hiện nay, việc nắm bắt tâm lý và hành vi khách hàng ngày càng trở thành một thử thách lớn đối với các doanh nghiệp Để hòa mình vào nhịp độ phát triển của thế giới cũng như trở thành một phần của nền kinh tế 5.0, mọi doanh nghiệp cần chú trọng đầu tư chuyển đổi số, ứng dụng khoa học kĩ thuật trong quy trình sản xuất và hoạt động của mình, đặc biệt là ngành Marketing Nhờ có Big Data, doanh nghiệp có thể có thêm thông tin, thấu hiểu khách hàng của mình Từ đó gia tăng lợi thế cạnh tranh trên thị trường trong nước và quốc tế Đó cũng chính là lý do nhóm em chọn đề tài “Ứng dụng Big Data trong Marketing” để tiến hành tìm hiểu và nghiên cứu.

Chúng em xin cảm ơn thầy Trương Hoài Phan đã cung cấp cho chúng em nhiều kiến thức bổ ích cũng như cơ hội để thực hiện đề tài này.

Với thời gian và năng lực còn nhiều hạn chế, bài tiểu luận không thể tránh khỏi những sai sót trong quá trình tìm hiểu Chúng em mong thầy thông cảm và rất mong nhận được nhiều lời góp ý, nhận xét từ thầy.

Một lần nữa, chúng em xin chân thành cảm ơn.

CHAPTER 2: DESCRIPTION

"Big data" thời gian gần đây ngày càng được nhắc đến nhiều hơn như một thành phần công nghệ thiết yếu của thành phố thông minh và cuộc cách mạng công nghiệp 4.0 Vậy big data có phải là một khái niệm quá phức tạp?

Về cơ bản big data đơn giản như tên gọi, là một tập hợp dữ liệu rất lớn và phức tạp đến nỗi những công cụ, ứng dụng xử lý dữ liệu truyền thống không thể nào đảm đương được Vì khối dữ liệu quá lớn nên việc triển khai big data sẽ gặp những trở ngại bao gồm thu nhận dữ liệu, lưu trữ dữ liệu, tìm kiếm, chia sẻ, chuyển giao, cập nhật… Tuy nhiên big data lại chứa trong mình rất nhiều thông tin quý giá mà nếu trích xuất thành công sẽ giúp rất nhiều cho việc nắm bắt xu thế trong kinh doanh, nghiên cứu khoa học, dự đoán để phòng tránh các dịch bệnh sắp phát sinh, phát hiện sớm tội phạm, hay đo lường điều kiện giao thông theo thời gian thực.

2.1 Định nghĩa Big Data

Big Data hay “dữ liệu lớn” là thuật ngữ chỉ về các tập dữ liệu khổng lồ và phức tạp, đến mức khó có thể xử lý được bằng các phương pháp truyền thống Doanh nghiệp sử dụng lượng dữ liệu khổng lồ này để phân tích, chuyển hóa thành thông tin quan trọng để giải quyết các vấn đề liên quan.

2.2 Đặc điểm của Big Data

- Volume (khối lượng dữ liệu): Doanh nghiệp thu thập dữ liệu cho Big Data từ

nhiều nguồn khác nhau, từ các giao dịch, thiết bị thông minh, thiết bị công nghiệp, video, hình ảnh, âm thanh, phương tiện truyền thông xã hội, Trước đây, việc lưu trữ tất cả dữ liệu đó sẽ rất tốn kém nhưng hiện nay việc lưu trữ đã rẻ hơn nhờ sử dụng các hồ sơ dữ liệu, dữ liệu đám mây để giảm bớt gánh nặng.

- Velocity (vận tốc xử lý): Với sự phát triển của Internet of Things, tốc độ truyền dữ liệu vào các doanh nghiệp vô cùng nhanh và phải được xử lý kịp thời Thẻ RFID, cảm biến và đồng hồ thông minh đang thúc đẩy nhu cầu xử lý các luồng dữ liệu này trong thời gian gần thực.

- Variety (dữ liệu đa dạng): Dữ liệu được thu thập ở nhiều định dạng khác nhau

từ dữ liệu số, có cấu trúc trong cơ sở dữ liệu truyền thống đến tài liệu văn bản phi cấu trúc, email, video, âm thanh, dữ liệu mã chứng khoán và các giao dịch tài chính.

2.3 Quá trình hình thành Big Data

Big Data thực chất đã hình thành từ khoảng thập kỷ 80 - 90 của thế kỷ XX Năm 1984, tập đoàn Teradata đưa ra thị trường hệ thống xử lý dữ liệu song song DBC 1012 Các hệ thống xử lý của Teradata là một trong những hệ thống đầu tiên lưu trữ và phân tích đến 1 terabyte dữ liệu vào năm 1992 Ổ đĩa cứng cũng đạt mức dung lượng 2,5GB vào năm 1991.

Năm 2000, Seisint Inc (nay là Tập đoàn LexisNexis) đã phát triển một khung chia sẻ tệp dựa trên cấu cấu trúc C++ để lưu trữ và truy vấn dữ liệu Hệ thống này lưu trữ và phân phối dữ liệu có cấu trúc, bán cấu trúc, và phi cấu trúc trên nhiều máy chủ Năm 2004, Google xuất bản một bài báo về quá trình MapReduce, cung cấp một mô hình xử lý song song và phát hành những ứng dụng liên quan để xử lý lượng dữ liệu khổng lồ.

Năm 2005, nhiều doanh nghiệp đã bắt đầu nhận ra số lượng người dùng được tạo ra thông qua Youtube, Facebook và các dịch vụ trực tuyến khác là rất lớn Cùng năm đó, Hadoop (một framework open source được tạo riêng với nhiệm vụ lưu trữ và phân tích Big Data) đã được phát triển và NoSQL cũng bắt đầu trở nên phổ biến Sự phát triển của các framework ví dụ như Hadoop (hoặc gần đây là Spark) là cần thiết cho sự phát triển của Big Data, chúng khiến cho Big Data hoạt động dễ dàng hơn và lưu trữ rẻ hơn.

Hiện nay, nhờ có Internet of Things mà khối lượng Big Data ngày càng lớn với tốc độ nạp vô cùng nhanh chóng Lý do là vì dữ liệu ngày nay không chỉ do con người tạo ra mà còn do máy móc tạo tự động Big Data đã trở thành một tài nguyên quý giá đối với các doanh nghiệp, đặc biệt là các doanh nghiệp thương mại điện tử, giúp doanh nghiệp tăng lợi thế cạnh tranh và phục vụ khách hàng tốt hơn.

2.4 Ứng dụng Big Data trong Marketing

2.4.1 Hệ thống Big Data và quy trình xử lý dữ liệu:

Hệ thống Big Data trong Marketing là một hệ thống được sử dụng để thu thập, lưu trữ, xử lý và phân tích một lượng lớn dữ liệu kỹ thuật số nhằm mục đích cải thiện hiệu quả hoạt động marketing của doanh nghiệp Hệ thống này bao gồm các thành phần sau:

Thiết bị thu thập dữ liệu: Các thiết bị này có thể là các cảm biến, máy quét,

webcam, được sử dụng để thu thập dữ liệu từ môi trường thực tế.

- Về dữ liệu: Ba loại Big Data thường được sử dụng cho các Marketer (Nhà tiếpthị) Các marketer thường quan tâm đến ba loại: dữ liệu khách hàng (Customer

data), dữ liệu tài chính (Financial data) và dữ liệu vận hành (Operation data) Mỗi loại dữ liệu thường được thu thập từ các nguồn khác nhau và được lưu trữ ở các vị trí khác nhau.

+ Dữ liệu khách hàng giúp các nhà tiếp thị hiểu rõ đối tượng mục tiêu của họ.

Dữ liệu rõ ràng nhất của loại này là các thông tin cá nhân như tên, địa chỉ email, lịch sử mua hàng và tìm kiếm trên web của khách hàng Cũng quan trọng không kém, là dữ liệu về hành vi, thái độ của đối tượng của bạn có thể được thu thập từ hoạt động trên mạng xã hội, khảo sát và cộng đồng trực tuyến Chính những dữ liệu này sẽ cung cấp cái nhìn tổng quát về khách hàng cho doanh nghiệp.

+ Dữ liệu tài chính giúp bạn đo lường hiệu suất và hoạt động hiệu quả hơn.

Doanh số và thống kê tiếp thị của tổ chức, chi phí và lợi nhuận nằm trong danh

mục này Dữ liệu tài chính của đối thủ cạnh tranh như giá cả cũng có thể được đưa vào danh mục này

+ Dữ liệu vận hành liên quan đến các quy trình kinh doanh Nó có thể liên

quan đến khâu vận chuyển và hậu cần, hệ thống quản lý quan hệ khách hàng (CRMS- Customer Relationship Management System) hoặc phản hồi từ các cảm biến phần cứng và các nguồn khác Phân tích dữ liệu này có thể giúp cải thiện hiệu suất và giảm chi phí vận hành.

Hệ thống lưu trữ: Hệ thống này có nhiệm vụ lưu trữ dữ liệu thu thập được từ

các thiết bị.

Hệ thống xử lý dữ liệu: Hệ thống này có nhiệm vụ xử lý dữ liệu thu thập

được, bao gồm các bước tiền xử lý, phân tích và trích xuất thông tin.

Hệ thống phân tích dữ liệu: Hệ thống này có nhiệm vụ phân tích dữ liệu đã

được xử lý để tìm ra các xu hướng, mối quan hệ và thông tin hữu ích khác Xử lý Big Data là quá trình biến đổi, phân tích và tạo ra giá trị từ các tập dữ liệu lớn và phức tạp Có nhiều giai đoạn và công cụ liên quan đến xử lý dữ liệu lớn, tùy thuộc vào loại, nguồn và mục đích của dữ liệu Dưới đây là một cái nhìn tổng quan về quy trình xử lý Big Data

Thu thập dữ liệu: Đây là giai đoạn đầu tiên của quá trình xử lý Big Data, nơi

dữ liệu được thu thập từ nhiều nguồn khác nhau và lưu trữ trong một hồ dữ liệu hoặc một máy xử lý luồng Hồ dữ liệu (data lake) là một kho lưu trữ trung tâm có thể lưu trữ dữ liệu có cấu trúc, bán cấu trúc hoặc không có cấu trúc ở định dạng thô Máy xử lý luồng (stream processing engine) là một hệ thống có thể xử lý dữ liệu theo thời gian thực khi nó đến, mà không cần lưu trữ trước.

Lọc và biến đổi dữ liệu: Đây là giai đoạn mà dữ liệu được chuẩn bị cho việc

phân tích bằng cách loại bỏ lỗi, mâu thuẫn, trùng lặp và thông tin không liên quan Biến đổi dữ liệu là quá trình chuyển đổi dữ liệu từ một định dạng hoặc cấu trúc này sang một định dạng hoặc cấu trúc khác, chẳng hạn như JSON sang CSV, hoặc XML sang Parquet Lọc và biến đổi dữ liệu có thể được thực hiện theo chế độ lô (batch mode) (xử lý dữ liệu theo lô ở các khoảng thời gian đều đặn) hoặc theo chế độ luồng(stream mode)(xử lý dữ liệu liên tục khi nó đến).

Tải dữ liệu: Đây là giai đoạn mà dữ liệu được tải vào một kho lưu trữ phân

tích được tối ưu hóa cho việc truy vấn và báo cáo.

Trực quan hóa dữ liệu/Phân tích BI: Đây là giai đoạn mà dữ liệu được trình

bày dưới dạng đồ họa hoặc tương tác để giúp người dùng hiểu và khám phá dữ liệu Trực quan hóa dữ liệu có thể được thực hiện bằng cách sử dụng nhiều loại biểu đồ, đồ thị, bản đồ, bảng điều khiển và báo cáo cho thấy xu hướng, mẫu, ngoại lệ và mối tương quan trong dữ liệu Phân tích BI là quá trình áp dụng

logic và quy tắc kinh doanh cho dữ liệu để tạo ra những hiểu biết và khuyến nghị có thể hỗ trợ việc ra quyết định.

Machine learning application: Đây là giai đoạn mà dữ liệu được sử dụng để

huấn luyện, kiểm tra và triển khai các mô hình học máy có thể thực hiện các tác vụ như phân loại, hồi quy, phân cụm, phát hiện bất thường và gợi ý Ứng dụng học máy có thể được thực hiện theo chế độ lô hoặc theo chế độ luồng, tùy thuộc vào độ phức tạp và tần suất của việc cập nhật mô hình

Đây là những giai đoạn chính của quy trình xử lý Big Data, nhưng chúng không nhất thiết phải hoạt động tuần tự hoặc độc lập Tùy thuộc vào trường hợp sử dụng và cấu trúc, một số giai đoạn có thể được bỏ qua, hợp nhất hoặc lặp lại Lựa chọn công cụ và công nghệ cũng phụ thuộc vào các yêu cầu và sở thích cụ thể của tổ chức Mục tiêu của xử lý dữ liệu lớn là trích xuất giá trị từ dữ liệu và sử dụng nó để cải thiện kết quả kinh doanh.

2.4.2 Vai trò của Big Data trong Marketing.

Big data đóng vai trò quan trọng trong marketing, đặc biệt là digital marketing, giúp các doanh nghiệp hiểu rõ hơn về khách hàng của mình, đối thủ cạnh tranh và thị trường Từ đó, các doanh nghiệp có thể đưa ra các quyết định, chiến dịch marketing hiệu quả hơn, từ đó giúp doanh nghiệp tăng doanh số và tối ưu hóa lợi nhuận Dưới đây là một số vai trò cụ thể của big data trong marketing:

Hiểu rõ khách hàng: Big data giúp các doanh nghiệp hiểu rõ hơn về khách

hàng, bao gồm hành vi, sở thích, nhu cầu và mong muốn của họ từng những nguồn dữ liệu thu thập được Từ đó, các doanh nghiệp có thể xây dựng các chiến lược marketing phù hợp và hiệu quả hơn.

Tối ưu hóa chiến lược marketing: Big data giúp các doanh nghiệp tối ưu hóa

các chiến lược marketing của mình, bao gồm việc lựa chọn kênh marketing, nội dung marketing, chi phí dự tính, thông qua việc phân tích và đưa ra những phán đoán về thị trường phù hợp với từng nhóm khách hàng mục tiêu.

Cá nhân hóa trải nghiệm khách hàng: Big data giúp các doanh nghiệp cá

nhân hóa trải nghiệm khách hàng thông qua việc phân tích các dữ liệu quá khứ và đề xuất các sản phẩm phù hợp, từ đó nâng cao sự hài lòng của khách hàng.

Tự động hóa marketing: Big data giúp các doanh nghiệp tự động hóa các tác

vụ marketing, giúp tiết kiệm thời gian và chi phí.

2.5 Lợi ích và ứng dụng thực tế của Big Data trong Marketing:2.5.1 Lợi ích:

Mô hình dự đoán hiệu quả

Bằng cách phân tích dữ liệu khách hàng, các nhà phân tích có thể phân tích dữ liệu lịch sử bán hàng, xu hướng thị trường và các yếu tố bên ngoài (ví dụ: thời tiết, chỉ số kinh tế) để dự báo nhu cầu chính xác hơn Điều này giúp các công ty tối ưu hóa mức

tồn kho, giảm tình trạng tồn kho và tồn kho quá mức, đồng thời cải thiện sự hài lòng của khách hàng.

Lợi ích: Các nhà tiếp thị sử dụng thông tin này để phát triển các chiến dịch tiếp thị có mục tiêu hiệu quả hơn trong việc thúc đẩy doanh số bán hàng.

Cá nhân hóa tốt hơn

Bằng cách phân tích dữ liệu khách hàng, nhóm tiếp thị có thể biết được sở thích của từng khách hàng, mỗi sản phẩm tiếp cận nhiều nhất với tệp khách hàng nào…Từ đó, họ có thể đưa ra chiến lược ưu đãi phù hợp để thu hút người mua.

Lợi ích: Việc cá nhân hóa này có thể dẫn đến tăng mức độ tương tác và lòng trung thành của khách hàng.

Tối ưu hóa chi tiêu tiếp thị

Việc nắm được sở thích của khách hàng sẽ dẫn đến cách triển khai hoạt động Marketing của doanh nghiệp Doanh nghiệp/người bán sẽ biết được sản phẩm nào bán chạy, bán chạy với đối tượng nào… để xây dựng chiến lược Marketing phù hợp Việc này cũng giúp giảm thiểu chi phí tiếp thị của doanh nghiệp/người bán, có sự tập trung phân khác rõ ràng hơn.

Lợi ích: Chỉ nhắm mục tiêu đến những khách hàng có giá trị, cho phép các công ty tận dụng tối đa nỗ lực tiếp thị của mình.

Giảm tỷ lệ rời bỏ của khách hàng

Big Data giúp bạn xác định các yếu tố góp phần khiến khách hàng rời bỏ và xác định chính xác những khách hàng cụ thể có nhiều khả năng rời bỏ doanh nghiệp nhất Được trang bị kiến thức này, các nhà tiếp thị có thể thiết kế các chương trình khách hàng thân thiết để giữ chân những khách hàng có giá trị.

Cải thiện trải nghiệm của khách hàng

Bằng cách phân tích hành vi và sở thích của khách hàng, nhóm tiếp thị có thể xác định các lĩnh vực cần cải thiện liên quan đến trải nghiệm của khách hàng

Quản lý rủi ro

Phân tích Big Data đã đóng góp rất nhiều vào việc phát triển các giải pháp quản lý rủi ro Các công cụ có sẵn cho phép các doanh nghiệp định lượng và lập mô hình rủi ro mà họ phải đối mặt hàng ngày Do đó, một doanh nghiệp có thể đạt được các chiến lược giảm thiểu rủi ro và đưa ra các quyết định chiến lược thông minh hơn.

Sử dụng tối ưu hóa giá để tăng doanh thu và lợi nhuận

Phân tích xu hướng thị trường và giá cả của đối thủ cạnh tranh bằng Big Data để tối ưu hóa các quyết định về giá của bạn nhằm nâng cao khả năng cạnh tranh và lợi nhuận.

VD: Olfin Car là đại lý ô tô hàng đầu tại Cộng hòa Séc với các dịch vụ bổ sung trong lĩnh vực tài chính, dịch vụ ô tô được ủy quyền và bảo hiểm Với Keboola, Olfin Car đã có thể tự động hóa việc thu thập dữ liệu về tất cả sản phẩm và mức giá của các đối thủ cạnh tranh Bằng cách sử dụng các thuật toán định giá tiên tiến, Olfin Cars đã tối ưu hóa việc định giá sản phẩm và dịch vụ của mình Điều này dẫn đến doanh thu tăng 760% chỉ trong một quý.

2.5.2 Ứng dụng:Dự báo nhu cầu:

Một trong những ứng dụng phổ biến nhất là sử dụng Big Data để dự báo nhu cầu Dự báo nhu cầu rất quan trọng vì nó làm giảm rủi ro tồn kho và kiểm soát chi phí sản xuất, đồng thời mang lại cơ hội mới để tăng doanh thu Bằng cách nhìn lại dữ liệu trong quá khứ, các công ty sẽ biết điều gì hiệu quả nhất với họ trước đây, tại sao nó lại hiệu quả và có thể cố gắng tạo ra hiệu ứng kỳ diệu tương tự trong tương lai Ví dụ, khi cơn bão Frances sắp đổ bộ vào Florida vào năm 2004, giám đốc thông tin của Walmart đã quyết định nghiên cứu lịch sử người mua sắm trị giá hàng nghìn tỷ byte và tìm ra mặt hàng nào được bán nhiều nhất khi cơn bão Charley tàn phá vài tuần trước đó Số liệu cho thấy ngoài đèn pin và một số sản phẩm khác được ưa chuộng trước cơn bão, doanh số bán Pop-Tarts dâu tây cao gấp 7 lần bình thường Walmart nhanh chóng dự trữ một lượng lớn Pop-Tarts dâu tây và gần như đã bán hết trước cơn bão.

Lập kế hoạch cho các chiến dịch trong tương lai

Một cách sử dụng khác của Big Data là các nhà tiếp thị có thể lập kế hoạch cho các chiến dịch hoặc hoạt động trong tương lai một cách chính xác hơn

Ví dụ: chuỗi nhà hàng như McDonald's có thể tận dụng thông tin đặt hàng của khách hàng để xác định hiệu quả hoạt động của sản phẩm trong các chiến dịch tiếp thị Các nhà tiếp thị biết được bữa ăn nào phổ biến và có lợi nhuận, bữa ăn nào không phổ biến cũng như không mang lại lợi nhuận, bữa ăn nào ở giữa, v.v Theo dữ liệu thu thập được, giá cả và thực đơn có thể được điều chỉnh trong tương lai để đạt được kết quả tiếp thị tốt hơn

Đưa ra quyết định giá khôn ngoan hơn

Theo truyền thống, các công ty định giá dịch vụ hoặc sản phẩm của họ dựa trên thông tin cơ bản như giá thành sản phẩm, nhu cầu hoặc giá thị trường chung Với Big Data, chiến lược định giá truyền thống đã được cải thiện phần lớn Thông qua phân tích Big Data, các nhà tiếp thị có thể đặt mức giá tốt nhất cho sản phẩm và dịch vụ của họ

Nhắm mục tiêu được cá nhân hóa

Còn được gọi là tiếp thị một - một, tiếp thị cá nhân hóa là việc tạo và gửi thông điệp đến các cá nhân hoặc nhóm đối tượng sau khi thực hiện phân tích dữ liệu Các nhà tiếp thị phân tích dữ liệu của người tiêu dùng như vị trí địa lý, lịch sử duyệt web, hành vi nhấp chuột, lịch sử mua hàng để hiểu rõ hơn về đối tượng của họ và cung cấp nhiều dịch vụ tùy chỉnh hơn.

Thực hiện phân tích tâm lý khách hàng

Để hiểu rõ hơn về khách hàng của mình, các công ty không chỉ thu thập thông tin khách hàng trong suốt hành trình mua hàng của họ mà còn trích xuất các đánh giá của khách hàng trên các kênh truyền thông xã hội để tiến hành phân tích cảm tính Phân tích tình cảm, còn được gọi là khai thác ý kiến, là phân tích tình cảm cơ bản đằng sau nhận xét của khách hàng – cho dù đó là tích cực, trung lập hay tiêu cực Sau khi thu thập phản hồi của khách hàng, các công ty được trao quyền để biết thị trường đang nhìn nhận thương hiệu hoặc sản phẩm của họ như thế nào, sau đó họ có thể biết nhu cầu nào cần cải thiện và thậm chí tạo ra các cơ hội kinh doanh mới.