Phân cụm và dán nhãn nhóm khách hàng
Bước cuối cùng của quy trình phân khúc khách hàng đó chính là việc dán nhãn (Labelling) để phân biệt những nhóm khách hàng khác nhau tương ứng với từng tính chất, đặc trưng riêng biệt của mỗi nhóm Việc gán nhãn cho mỗi nhóm khách hàng sau khi chấm điểm (Scoring) là vô cùng quan trọng bởi điều này sẽ giúp cho việc nhận biết và đưa ra các chính sách phù hợp đối với từng nhóm trở nên thuận tiện và chính xác hơn Tuy chỉ là một bước định danh cơ bản nhưng dán nhãn không chỉ giúp nhà bán lẻ tiết kiệm được thời gian, chỉ phí mà lại còn hiệu quả hơn trong việc đánh giá khách hàng thay vì phải nhìn vào từng cột điểm RFM như 514, 351, 222, một cách rắc rối và khó khăn khi phải mất thêm một bước để đánh giá xem khách hàng là ai, cân gì và chiến dịch marketing với họ như thế nào, liệu họ có phải là khách hàng V.I.P hay thậm chí họ thuộc nhóm đang có nguy cơ rời bỏ sản phẩm/dịch vụ của công ty
Việc đặt tên nhãn hiệu quả phụ thuộc vào việc sử dụng ngôn ngữ dễ hiểu, phản ánh đặc điểm của từng nhóm khách hàng Bài viết này sử dụng 10 nhãn tương ứng cho 10 nhóm khách hàng của công ty, dựa trên chỉ số RFM đã tính toán.
- Nhà vô địch (Champions): Nhóm khách hàng mua gần đây, thường xuyên và chỉ nhiều nhất
- Khách hàng trung thành (Loyal): Chi tiêu nhiều và thường xuyên, sẵn sàng thúc đẩy cho công ty
- Khach hang trung thanh tiém nang (Potential Loyalist): Những khách hàng gần đây với tần suất mua hàng nằm ở mức trung bình
- Khách hàng mới (New Customers): Khách hàng đã mua gần đây nhất, nhưng không thường xuyên
- Khách hàng kỳ vọng (Promising): Những khách hàng mua sắm gần đây, nhưng chưa chi tiêu nhiều
- Can sy chu y (Need Attention): Diém RFM trén trung binh; có thể đã không mua gần đây
- Sắp ngủ (About To Sleep): Nhóm khách hàng có số điểm R, F dưới trung bình; sẽ để mất nếu không được kích hoạt lại
- C6 rui ro (At Risk): Những người đã chỉ số tiền lớn và mua thường xuyên nhưng điều này đã lâu, cần phải mang những khách hàng này trở lại
- Không thể để mất (Can't Lose Them): Những khách hàng thực hiện các giao dịch mua lớn nhất và thường xuyên nhưng đã lâu không quay trở lại Thường rơi vào các outliers
- Ngủ đông (Hibernating): Lần mua hàng cuối cùng đã lau, chi tiền ít và tần suất mua hàng cũng ít tương tự
- Đã đánh mất (Lost Customers): Những khách hàng đã thực sự rời bỏ công ty
Các bước để gán nhãn cho nhóm khách hàng: Đầu tiên, nghiên cứu này sẽ lấy dữ liệu đã chấm điểm RFM tổng thể để bắt đầu dán nhãn nhưng nhóm tác giả sẽ loại trừ điểm M và chỉ sử dụng điểm R và F để thực hiện Lý do cho việc này là bởi sự phức tạp nếu sử dụng mô hình 3D trên điểm RFM, do đó chỉ sử dụng điểm R và F để vẽ bản đồ 2D
Nhóm khách hàng có điểm R và F lần lượt như sau sẽ được gán một nhãn tương ứng:
Mỗi nhãn (Label) sau đó được dùng để phân biệt giữa các nhóm khách hàng với nhau Sau khi dán nhãn, nhà bán lẻ có thể dễ dàng nhận biết một khách hàng cụ thể thuộc nhóm nào, từ đó công ty sẽ có các chiến lược chăm sóc cũng như marketing phù hợp đối với từng nhóm khách hàng riêng biệt, giúp giữ chân, tăng độ hài lòng của khách hàng và góp phần đem về một lượng lớn doanh thu
Kết quả thu được sau khi dán nhãn thể hiện qua hình dưới đây:
Customer Key Recency Frequency Monetary R F M RFM Concat Segment
Hình 3 12 : Dữ liệu sau khi được dán nhãn (Nguồn: Nhóm tác giả) Mỗi nhãn (Label) sau đó được dùng để phân biệt giữa các nhóm khách hàng với nhau Sau khi dán nhãn, nhà bán lẻ có thể dễ dàng nhận biết một khách hàng cụ thể thuộc nhóm nào, từ đó công ty sẽ có các chiến lược chăm sóc cũng như marketing phù hợp đối với từng nhóm khách hàng riêng biệt, giúp giữ chân, tăng độ hài lòng của khách hàng và góp phần đem về một lượng lớn doanh thu.
KẾT QUẢ THỰC NGHIỆM VÀ THẢO LUẬN
Kết quả nghiên cứu - 5s t n1 T211 215 12 121221110111111111 11111 xe 40
Nhằm hỗ trợ cho việc quan sát và đưa ra các nhận định một cách chính xác hơn, nhóm nghiên cứu đã tiến hành trực quan hóa dữ liệu bằng biểu đồ và cho ra được kết quả độ phân tán của các giá trị R, F và
M lần lượt như trên các hình 4.1, 4.2 và 4.3 Qua các kết quả được thể hiện trên biểu đồ, có thể thấy rằng độ phân tán của cả 3 giá trị R, F và
M đều có xu hướng lệch phải
Biểu đồ phân tán độ Recency lệch phải cho thấy khách hàng chủ yếu giao dịch với công ty trong thời gian gần đây, chứng tỏ doanh nghiệp còn non trẻ hoặc mới gia nhập thị trường Phần lớn khách hàng là khách hàng mới, thời gian mua gần nhất tập trung ở khoảng dưới 50 ngày.
Hình 4 2: Biểu đồ thể hiện độ phân tán của Frequency (Nguồn: Nhóm tác giả) Tương tự với Recency, chỉ số Frequency cũng lệch phải cực kỳ nhiều khi giá trị chiếm đa số là 1 lần mua và cũng là giá trị thấp nhất của thuộc tính này Điều đó càng làm khẳng định thêm cho nhận định
Doanh nghiệp mới vào thị trường và đa số khách hàng còn mới tiềm ẩn nhiều triển vọng phát triển Mặc dù số lần mua hàng vẫn còn ít, nhưng điều này cho thấy doanh nghiệp có nhiều cơ hội để khai thác tiềm năng và gia tăng doanh số bán hàng trong tương lai.
Hình 4 3: Biểu đồ thể hiện độ phân tán của Monetary (Nguồn: Nhóm tác giả) Đi kèm với hai giá trị R và F, giá trị còn lại là M (Monetary) cũng có nét tương đồng và thể hiện những kết quả tương đối giống khi số tiền mà đa số khách hàng bỏ ra còn ít và đa số khách hàng lựa chọn mua sản phẩm giá thấp (2.29 đô-la) với rất ít lần mua (mua 1 lần là chủ yếu).Về kết quả của bước dán nhãn, nhóm nghiên cứu đã phân tích ra được 4 nhóm khách hàng riêng biệt tương ứng với từng tính chất đặc trưng cho mỗi nhóm và được dán các nhãn phù hợp như: Promising, New Customers, Hibernating và About to sleep với tỷ lệ khách hàng tương ứng cho mỗi nhóm lần lượt là 30.9%, 66.4%, 1.8% và 0.7% Ngoài ra còn xuất hiện thêm 2 nhóm là Champions (0.1%) và Potential Loyalist (0.1%) song do kích thước của 2 nhóm này quá nhỏ so với tổng thể nên sẽ được gộp chung vào nhóm New Customers để có một kết quả đúng đắn hơn trong trường hợp tổng quan bởi vì cả 3 nhóm này đều là tập hợp của những khách hàng có xu hướng mua từ khá nhiều cho đến nhiều lân với tổng số tiền khá lớn và lần cuối cùng mua rất gần thời điểm mốc của nghiên cứu
Number of customers in each RFM cluster label
Promising tial loyalists champions hbemating about to sleep new custor potenti ơ
Hình 4 4: Biểu đồ thể hiện kích thước mỗi nhóm (Nguồn: Nhóm tác giả) Qua quá trình nghiên cứu, nhóm tác giả đã phân tích và đề xuất một mô hình phân tích khách hàng ứng dụng phương pháp RFM và dẫn nhãn các nhóm khách hàng thực nghiệm trên bộ dữ liệu của công ty
AdventureWorks trong lĩnh vực bán lẻ xe đạp Về cơ bản, nghiên cứu đã hoàn thành được các mục tiêu đề ra ở chương 1, thành công trong việc tìm hiểu các lý thuyết về hành vi khách hàng và phân tích phân khúc khách hàng cũng như các kiến thức được đề cập trong các bài nghiên cứu liên quan mà nhóm đã tham khảo Ngoài ra, không chỉ đóng góp về mặt lý thuyết, nghiên cứu này còn cung cấp thêm các công cụ giúp cho quá trình phân khúc khách hàng được hiệu quả hơn, từ đó giúp các nhà phân tích và nhà bán lẻ có khả năng thấu hiểu khách hàng nhằm đưa ra các chiến dịch marketing cũng như chăm sóc khách hàng phù hợp với từng phân khúc
Bài nghiên cứu đã cho ra được kết quả phân khúc khách hàng gồm 4 nhóm khác nhau là: Promising, New Customers, Hibernating và About to sleep Thông qua phân tích, nhóm tác giả đã tìm ra được các đặc trưng của từng nhóm.
Phân tích nhóm khách hàng hứa hẹn (Promising)
Customer Key Recency Frequency Monetary count 5645.000000 5645.00000 5645000000 5645.000000 mean 20576648184 28558388 1309300 1424.779807 std 5212.674131 44.77768 0.513455 1965.954632 min 11000000000 217.00000 1.000000 2.290000
Hình 4 5: Mô tả tứ phân vị của nhóm Promising (Nguồn: Nhóm tác giả) Dựa vào mô tả tứ phân vị của nhóm khách hàng hứa hẹn
(Promising) ở Hình 4.6 đã cho thấy được kích thước của nhóm này là
5645 khách hàng, chiếm 30.9% trong tổng số khách hàng xuất hiện trong tập dữ liệu gốc Qua đánh giá các tham số đặc trưng và tứ phân vị có thể suy ra một vài đặc trưng chủ yếu của nhóm khách hàng này Đây là nhóm có tỷ lệ lần mua hàng gần nhất đứng thứ hai với giá trị trung bình khoảng 285 ngày, chỉ sau nhóm khách hàng mới Thêm vào đó, chỉ số Frequency - tần suất mua hàng của nhóm này thuộc vào mức trung bình khá so với tổng thể (trung bình ở mức 1.3), kết hợp giữa hai thuộc tính cho thấy khả năng quay trở lại của nhóm này là rất cao Ngoài ra, tổng số tiền mà nhóm này đem lại cho doanh nghiệp cũng chiếm phần đa, lên tới 27.4% (Hình 4.7), chiếm vị trí thứ hai trên tổng thể tất cả các phân khúc cho thấy lợi ích mà nhóm này đem lại đối với doanh nghiệp là rất lớn Tuy nhiên, nếu xét theo góc độ cá nhân thì những khách hàng trong nhóm này chưa thực sự sẵn sàng chỉ tiền cho doanh nghiệp khi mức chỉ trung bình chỉ đạt khoảng 1424 đô-la, thấp nhất trong các phân khúc
Từ các đặc điểm về Recency, Frequency và Monetary ta có thể thấy, đây không chỉ là nhóm khách hàng có khả năng quay trở lại cực kỳ cao mà còn là một trong 2 nhóm đem lại nguồn doanh thu khủng nhất cho doanh nghiệp Vì vậy, doanh nghiệp cần phải có chiến lược thu hút đúng nhu cầu đối với nhóm này, đặc biệt là các chiến lược về giá và sản phẩm như tạo ra đa dạng các phân khúc sản phẩm với mức giá phù hợp túi tiền người mua để khách hàng có thể dễ dàng lựa chọn hay đưa ra nhiều khuyến mãi nhằm khuyến khích khách hàng chỉ tiền
RFM Segments of Customers (Monetary) ptorrwsng (27 4%)
Hình 4 6: Tỷ lệ chỉ tiêu của từng nhóm khách hàng (Nguồn: Nhóm tác giả)
Phân tích nhóm khách hàng mới (New Customers)
Customers) Đối với nhóm khách hàng mới, họ là những người có lần mua hàng gần đây nhất đứng đầu tiên trong tất cả các phân khúc với trung bình Recency đạt mức chỉ khoảng 101 ngày như kết quả ở Hình 4.8 cho thấy tiềm năng thu hút đối với nhóm khách hàng này là cực kỳ cao Các giá trị tần suất mua hàng (Frequency) ở nhóm này là khá lớn, đây là một điều đáng ngạc nhiên bởi vì tuy thuộc vào nhóm khách hàng mới đối với doanh nghiệp, nhưng số lần mua hàng của họ lại chiếm cao nhất trong cả 4 nhóm khách hàng với chỉ số trung bình là 1.5 (chưa tính gộp 2 nhóm Champions và Potential Loyalists) Điều này sẽ tạo
50 nên một sự tập trung cực kỳ lớn của doanh nghiệp hướng đến nhóm khách hàng này
Customer Key Recency Frequency Monetary count 12341000000 12341000000 12341000000 12341.000000 mean 19831 726116 101.353051 1544445 1616 153082 std 5244.988967 62 151855 0.738108 2204.538285 min 11001.000000 0.000000 1.000000 2.290000 25% 15270.000000 47 000000 1.000000 53.990000 50% 19616.000000 96.000000 1.000000 215.450000 75% 24285000000 154.000000 2000000 2563.350000 max 29480.000000 216.000000 6.000000 13295.380000
Hình 4 7: Mô tả tứ phân vị của nhóm khách hàng mới (Nguồn: Nhóm tác giả) Không chỉ thế, khi xét đến giá trị Monetary thì nhóm này vẫn chiếm ưu thế khi góp đến 67.9% tổng số tiền công ty thu được (Hình 4.7) - hơn một nửa số doanh thu của doanh nghiệp, một kết quả hết sức bất ngờ Nếu chỉ đánh giá dựa trên nhận định chủ quan mà không phân khúc khách hàng dựa trên dữ liệu, khả năng cao doanh nghiệp sẽ bỏ qua vấn đề này, làm doanh thu không đạt được mức tối ưu Giải thích cho điều này có thể là do doanh nghiệp vẫn còn mới, dẫn đến đa số khách hàng sẽ thuộc vào nhóm “New Customers” và vì lẽ đó phần lớn nguồn doanh thu của doanh nghiệp cũng đến từ nhóm này Tuy nhiên, nếu xét theo giá trị trung bình thì tổng số tiền mà mỗi khách hàng thuộc nhóm này đem lại cho doanh nghiệp vẫn còn tương đối thấp Ngoài ra, đây còn là nhóm chiếm số lượng lớn nhất trong tập dữ liệu với 12,341 khách hàng chiếm 66.4% toàn bộ Với kết quả phân tích như trên có thể đưa ra khuyến nghị rằng các nhà bán lẻ nên tập trung xây dựng chính sách tiếp thị và chăm sóc nhóm khách hàng mới này thật tốt để xây dựng thương hiệu ngay từ đầu, tạo ảnh hưởng tốt để doanh nghiệp phát triển và là tiền đề thu hút một lượng lớn khách hàng mới, biến những khách hàng hiện có trong nhóm này dần trở thành nhóm khách hàng trung thành Những chính sách mà nhà bán lẻ nên tham khảo để áp dụng cho nhóm khách hàng mới bao gồm: Sử dụng KOLs, KOCs; Truyền thông truyền miệng; Truyền thông trên các nền tảng mạng xã hội, internet; Tạo dựng thương hiệu ngay từ ban đầu; Có các dịch vụ, khuyến mãi độc đáo, gây ấn tượng
Phân tích nhóm khách hàng sắp ngủ (About to sleep)
Customer Key Recency Frequency Monetary count 132.000000 132.000000 132.0 132000000 mean 27407507576 518.530303 1.0 1857.345139 std 890258977 58 301852 00 490.396398 min 25995000000 434.000000 1.0 782 990000 25% 27046500000 467 500000 1.0 2049 098200 80% 27199000000 514.500000 1.0 2049 098200 78% 27293250000 556250000 1.0 2071.419600 max 29483000000 646 000000 1.0 2443 350000 Hình 4 8: Mô tả tứ phân vị của nhóm khách hàng sắp ngủ (Nguồn: Nhóm tác giả) Theo như những số liệu thể hiện trên Hình 4.9, nhóm khách hàng sắp ngủ (About to sleep) chiếm tỷ lệ không quá lớn trong tổng thể, chỉ khoảng 1.8% tương ứng với 132 khách hàng Trung bình của giá trị Recency của nhóm này cũng tương đối cao (khoảng 518 ngày - hơn 17 tháng) cho thấy độ trung thành của khách hàng đã giảm đi đáng kể và lần mua hàng gần nhất của các khách hàng thuộc nhóm này đã xảy ra khá lâu Một chỉ số còn lại là tần suất mua hàng đến từ nhóm này cũng không có gì nổi bật, hay thậm chí là không đem lại giá trị đáng kể cho doanh nghiệp khi chỉ số trung bình của Frequency là 1 bằng với min (giá trị thấp nhất) của chỉ số này Tuy vậy, tổng số tiền trung bình mà nhóm sắp ngủ đem đến cho doanh nghiệp lại là điểm sáng khi nằm ở mức hơn 1850 đô-la, cao hơn so với trung bình tổng thể Từ những đặc điểm đó, doanh nghiệp có thể đưa ra các chính sách phù hợp hơn nhằm tiếp thị các sản phẩm đến nhóm khách hàng này một cách hiệu quả nhưng vẫn cần cân nhắc những yếu tố khác Nói như vậy là vì mặc dù khách hàng đã từng chỉ trả một lượng tiền lớn nhưng đã rất lâu không quay lại, khả năng rời bỏ của nhóm này là cực kỳ cao và có khả năng mang đến nhiều rủi ro cho doanh nghiệp khi tiếp cận sai đối tượng.
Phân tích nhóm khách hàng ngủ đông (Hibernating)
Nhóm khách hàng cuối cùng trong phân tích phân khúc khách hàng của bài nghiên cứu này chính là nhóm khách hàng ngủ đông (Hibernating) Cũng tương tự như nhóm sắp ngủ, nhóm ngủ đông có 2 chỉ số Recency và Frequency không mấy nổi bật hay thậm chí là khá kém so với tất cả các phân khúc còn lại Như Hình 4.9 cho thấy, trung bình giá trị Recency ở nhóm này là cực kỳ lớn - hơn 907 ngày
Customer Key Recency Frequency Monetary count 327000000 327.000000 327.0 327.000000 mean 28087908257 907.217125 1.0 3199.367039 std 1395.536297 120.709248 0.0 736.547207 min 19802000000 649.000000 1.0 699.098200
25% 28045500000 868 500000 1.0 3374.990000 80% 28560000000 937 000000 1.0 3578.270000 75% 28833.500000 995 000000 1.0 3578.270000 hay nói cách khác là những khách hàng trong nhóm này đã không quay trở lại trong vòng hơn 30 tháng gần nhất - một thời gian vô cùng lâu, lớn nhất trong các phân khúc Và trung bình tần suất mua hàng cũng bằng với trung bình tần suất ở nhóm sắp ngủ - mang giá trị 1 (giá trị thấp nhất) Cũng giống như nhóm sắp ngủ, nhóm ngủ đông có chỉ số Monetary trái ngược hoàn toàn so với 2 chỉ số còn lại khi có giá trị trung bình là hơn 3199 đô-la, đây là nhóm có tổng số tiền trung bình mà một khách hàng chỉ tiêu cho công ty mang giá trị lớn nhất
Hình 4 9: Mô tả tứ phân vị của nhóm khách hàng ngủ đông (Nguồn: Nhóm tác giả)
Khi đánh giá các chỉ số R, F, M mà nhóm khách hàng ngủ đông (Hibernating) mang lại, doanh nghiệp và các nhà phân tích cần suy xét rất kĩ để có thể đưa ra được một chính sách phù hợp nhất cho từng thời điểm và từng bối cảnh khác nhau, tránh đánh mất các khách hàng V.I.P
Vì đây vừa có thể là nhóm khách hàng với tỷ lệ rời bỏ doanh nghiệp cao nhất, vừa có thể bao gồm những khách hàng V.I.P tuy mua hàng với tần suất thấp nhưng số tiền mà họ bỏ ra thì lại cực kỳ khổng lồ Qua kết quả phân tích về các nhóm khách hàng mà bài nghiên cứu đã phân khúc được, nhóm nghiên cứu đã thảo luận và đưa ra một số ý kiến như sau:
Thứ nhất, doanh nghiệp nên tập trung vào nhóm khách hàng có độ trung thành cao và nguồn lợi mà nhóm đó đem lại lớn hay nói cách khác là hai nhóm Promising và New Customers Lý giải cho điều đó là vì những khách hàng này có chỉ số R, F, M được thể hiện rất tốt, khả năng quay trở lại là cực kỳ cao và doanh nghiệp cần chú trọng để biến họ thành nhóm khách hàng trung thành Mặc dù vậy, nếu muốn giới hạn lại phạm vi và xác định rõ được nên ưu tiên phát triển chính sách cho nhóm nào, nhóm nghiên cứu sẽ cần tiến hành phân tích kết hợp thêm cac gia tri CLV, CR hoặc RR và các dữ liệu về nhân khẩu học và tâm lý học khách hàng để kết quả thể hiện được chính xác hơn
Thứ hai, để vận dụng được tối đa nguồn lực một cách tối ưu nhất, doanh nghiệp không thể nào đẩy mạnh phát triển chiến lược cho tất cả các nhóm mà phải có sự “ưu tiên” vào các nhóm quan trọng, đồng thời
“hạn chế quan tâm” các nhóm ít tiềm năng và tỷ lệ rời bỏ cao Cụ thể đối với trường hợp trong nghiên cứu này, doanh nghiệp cần ít chú trọng đối với các nhóm khách hàng có xu hướng rời bỏ cao như nhóm About to sleep va Hibernating Tuy nhiên, không nên bỏ qua hoàn toàn mà vẫn cần phân tích thêm các yếu tố khác để đưa ra được kết luận cuối cùng bởi vì dù hai nhóm này không quay lại và mua hàng thường xuyên, thế nhưng số tiền mà họ bỏ ra là cực kỳ lớn cho mỗi lần mua và vẫn có khả năng những khách hàng V.I.P đang thuộc vào các nhóm này
CHUONG 5: KET LUAN VA HUONG PHAT TRIEN
Qua nghiên cứu này với bộ dữ liệu lấy ttr Cong ty Adventure Works kết hợp với mô hình RFM đã cho ra 4 phân khúc khách hàng từ một bộ dữ liệu rất lớn Qua kết quả nghiên cứu đã cho thấy những lợi ích rất lớn của việc áp dụng mô hình RFM trong các doanh nghiệp Do những lý do sau đây chúng tôi khuyến khích các doanh nghiệp nên áp dụng mô hình RFM trong kinh doanh:
Trước hết, đó là sự đa dạng của đối tượng có thể áp dụng mô hình RFM để phân khúc khách hàng, để áp dụng doanh nghiệp chỉ cần có các tiêu chí như:
- Bất kì doanh nghiệp nào có đội ngũ bán hàng
- Bất kì doanh nghiệp nào có triển khai các hình thức
- Bất kì doanh nghiệp nào có sử dụng bảng báo giá và hóa đơn thanh toán
- Bất kì doanh nghiệp nào muốn cho khách hang thay rang ho là ưu tiên hàng
Thứ hai, lợi ích từ việc áp dụng mô hình RFM là bộ phận
Chiến lược marketing hiệu quả cho phép doanh nghiệp xác định và nhắm mục tiêu cụ thể đến nhóm đối tượng phù hợp Bằng cách tập trung vào nhóm đối tượng này, các chiến dịch tiếp thị có thể hiệu quả hơn, giúp giảm chi phí và tăng doanh số.
Thứ ba, doanh nghiệp sẽ xác định được các nhóm khách hàng, tiềm năng, sắp ngủ đông, tiềm năng, sắp rời bỏ từ đó có các chiến lược phù hợp với từng nhóm khách hàng để biến họ thành những khách hàng trung thành cũng như giữ chân các nhóm khách hàng đó
Thứ tư, Doanh nghiệp có thể trích xuất được các dữ liệu mà doanh nghiệp mong muốn từ việc khai phá các dữ liệu tiềm năng Cuối cùng, ngoài ra dữ liệu có được giúp doanh nghiệp xây dựng được mối quan hệ tốt đẹp với từng nhóm khách hàng, từ đó giúp doanh nghiệp thấu hiểu về thái độ, nhận thức, thái độ từ hành vi của khách hàng do đó doanh nghiệp sẽ biết được những thứ khách hàng cần, thực trạng sản phẩm/dịch vụ cũng như những trải nghiệm hiện có của họ đối với sản phẩm/ dịch vụ Việc xây dựng mối quan hệ tốt đẹp với khách hàng còn có thể khiến họ trở thành nhóm khách hàng trung thành với sản phẩm/ dịch vụ của doanh nghiệp
Tóm lại, các doanh nghiệp nên áp dụng mô hình RFM bởi những lợi ích không thể chối cãi mà nó mang lại
5.2 Kết luận và hướng phát triển
Mô hình RFM áp dụng trong nghiên cứu liên nhanh đã được thực nghiệm thành công và cho ra kết quả phù hợp với nhu cầu phân khúc khách hàng trong Marketing Các bước thực nghiệm RFM trên dữ liệu của công ty Adventureworks đã được thực hiện đầy đủ để có được sự phân khúc khách hàng chính xác Bên cạnh đó áp dụng phương pháp học máy K-Means cũng là một lựa chọn nâng cao và hiệu quả nhằm đưa ra những nhóm khách hàng tiềm năng Từ những kết quả thu được cũng có thể thấy được vai trò của quá trình tiền xử lý dữ liệu, đây là quá trình quan trọng và then chốt để thu được kết quả cuối cùng chính xác Với các kết quả nghiên cứu đạt được, đây có thể xem là một nghiên cứu mang ý nghĩa liên ngành, là nguồn tham khảo cho những người quản lý để họ có phương pháp tiếp cận khách hàng đúng đắn và có một cái nhìn tổng quan về tình hình hiện tại của doanh nghiệp Nghiên cứu có thể hỗ trợ, đóng góp cho doanh nghiệp một công cụ để nắm bắt được khách hàng từ đó có có chiến lược cho những khách hàng cũ làm tăng doanh số cho công ty Trong tương lai, với mong muốn tiếp tục phát triển đề tài, nghiên cứu đề xuất những hướng phát triển sau:
Thứ nhất, thu thập thông tin từ Hệ thống quản lý quan hệ khách hàng (CRM) để có thể quản lý tốt hơn các thông tin như tên, tuổi, giới tính, địa chỉ, liên hệ,
Thứ hai, cải tiến mô hình RFM bằng việc thay đổi các trọng số để cho ra các mô hình khác phù hợp với mục đích, chiến lược của công ty: