NGHIÊN cứu HOẠT ĐỘNG KHAI PHÁ dữ LIỆU TRONG MARKETING (DATA MINING) của các HÃNG bán lẻ TRÊN THẾ GIỚI và bài học CHO các DOANH NGHIỆP bán lẻ VIỆT NAM

Trong những năm gần đây với xu hướng áp dụng công nghệ trong hoạt động Marketing, khai phá dữ liệu đã nổi lên như là một công cụ hữu ích giúp các doanh nghiệp có cái nhìn toàn diện hơn v

Trang 1

Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG KHOA KINH TẾ VÀ KINH DOANH QUỐC TẾ

-*** -

KHÓA LUẬN TỐT NGHIỆP

Chuyên ngành: Kinh tế đối ngoại

NGHIÊN CỨU HOẠT ĐỘNG KHAI PHÁ DỮ LIỆU TRONG MARKETING (DATA-MINING) CỦA CÁC HÃNG BÁN LẺ TRÊN THẾ GIỚI VÀ BÀI HỌC CHO

CÁC DOANH NGHIỆP BÁN LẺ VIỆT NAM

Họ và tên sinh viên : Nguyễn Văn Hải

Mã sinh viên: 1111110265 Lớp: Anh10 – Khối 3 KT Khóa: 50

Người hướng dẫn khoa học: Ths Trần Hải Ly

Hà Nội, tháng 5 năm 2015

Trang 2

MỤC LỤC

LỜI MỞ ĐẦU

CHƯƠNG 1: TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU TRONG MARKETING 4

1.1 Giới thiệ u chung về khai phá dữ liệu (Data-mining) 4

1.1.1 Tiền đề của khai phá dữ liệu 4

1.1.2 Khái niệm khai phá dữ liệu 7

1.1.3 Ứng dụng của khai phá dữ liệu trong các hoạt động kinh tế-xã hội 7

1.2 Giới thiệ u về khai phá dữ liệ u trong Marketing 10

1.2.1 Khái niệm khai phá dữ liệu trong Marketing 10

1.2.2 Những điều kiện cho việc triển khai khai phá dữ liệu trong Marketing hiện nay 10

1.2.3 Các bước của khai phá dữ liệu trong Marketing 13

1.2.4 Ứng dụng của khai phá dữ liệu trong Marketing 21

CHƯƠNG 2: HOẠT ĐỘNG KHAI PHÁ DỮ LIỆU CỦA MỘT SỐ HÃNG BÁN LẺ TRÊN THẾ GIỚI 26

2.1 Giới thiệ u chung về hoạt động khai phá dữ liệ u trong ngành công nghiệp bán lẻ 26

2.1.1 Sự gia tăng khối lượng dữ liệu 26

2.1.2 Sự tăng cường đầu tư công nghệ cho khai phá dữ liệu của các hãng bán lẻ 27

2.1.3 Xu hướng cá nhân hóa trải nghiệm mua sắm trong thương mại điện tử 27

2.1.4 Khó khăn trong nhận diện nhóm khách hàng giá trị 29

2.2 Phân tích hoạt động khai phá dữ liệu của một số hãng bán lẻ điển hình trên thế giới 29

2.2.1 Hoạt động khai phá dữ liệu của Amazon 29

2.2.2 Hoạt động khai phá dữ liệu của Kroger……… 40

2.2.3 Hoạt động khai phá dữ liệu của Walmart 44

2.2.4 Hoạt động khai phá dữ liệu của Tesco 47

2.3 Đánh giá lợi ích khai phá dữ liệu mang lại cho hoạt động Marketing của một số hãng bán lẻ trên thế giới 51

Trang 3

2.3.1 Tăng cường cá nhân hóa trong Marketing 51

2.3.2 Cải thiện hệ thống phân phối, thu nhận đơn hàng 52

2.3.3 Quản lý nhà cung cấp tốt hơn 52

CHƯƠNG 3: BÀI HỌC CHO CÁC DOANH NGHIỆP BÁN LẺ VIỆT NAM TRONG VIỆC ÁP DỤNG KHAI PHÁ DỮ LIỆU TRONG MARKETING 54

3.1 Thực trạng áp dụng hoạt động khai phá dữ liệu trong các doanh nghiệp bán lẻ Việt Nam hiện nay ……… 54

3.2 Một số bài học rút ra cho các doanh nghiệp bán lẻ Việ t Nam trong việ c triển khai áp dụng khai phá dữ liệu 58

3.2.1 Các cách thức để thu thập thông tin khách hàng 59

3.2.2 Xây dựng đội ngũ Marketer lấy dữ liệu làm trung tâm 63

KẾT LUẬN 68 TÀI LIỆU THAM KHẢO

Trang 4

LỜI MỞ ĐẦU

1 Lý do chọn đề tài

Những tiến bộ trong thông tin liên lạc, giao thông vận tải và các công nghệ khác

đã làm cho thế giới ngày càng nhỏ lại Xu hướng toàn cầu hóa đã và đang diễn ra trên toàn thế giới, nền kinh tế của các nước ngày càng mở cửa và hội nhập sâu rộng Trong một môi trường cạnh tranh và ngày càng ảnh hưởng bởi các yếu tố quốc tế như vậy, có lẽ sẽ không còn cơ hội cho những doanh nghiệp mà lợi nhuận, lợi ích của công ty luôn được đ ặt lên hàng đầu trên cả lợi ích c ủa khác h hàng – những

“thượng đế” của họ Ngày nay, những công ty thành công, đ ạt được vị trí vững chắc trong lĩnh vực của mình không chỉ trên thế giới như: Amazon, Walmart…mà còn cả

ở Việt Nam như: Vinamilk, Viettel… đều có một điểm chung Đó là họ đều chú trọng và tập trung tối đa tới việc tạo ra giá trị cho khách hàng và xây dựng quan hệ với họ thông ho ạt động Marketing c ủa mình Sự cạnh tranh giữa các doanh nghiệp

đã trở thành cuộc đua về thấu hiểu tâm lý, hành vi khách hàng Trong bối cảnh đó, các công ty ngày càng nhận ra rằng thông tin về khách hàng là một trong những tài sản quan trọng mà các công ty nắm giữ bởi ẩn chứa trong đó là những tri thức, những hiểu biết mới về khách hàng – điều mà các doanh nghiệp luôn luôn tìm kiếm Trong những năm gần đây với xu hướng áp dụng công nghệ trong hoạt động Marketing, khai phá dữ liệu đã nổi lên như là một công cụ hữu ích giúp các doanh nghiệp có cái nhìn toàn diện hơn về khách hàng của mình Có thể nói, khai phá dữ liệu như là một bộ máy giúp doanh nghiệp sàng lọc nguồn dữ liệu khổng lồ mà họ đang nắm giữ nhưng chưa biết cách tận dụng để tìm ra những thông tin có ích, những khám phá mới về khách hàng, từ đó tạo điều kiện cho doanh nghiệp có những hành động phù hợp mang lại nhiều giá trị cho khách hàng hơn nữa Qua việc được học môn Marketing ở trường Đại học Ngoại Thương cộng với sự hứng thú mà khai phá dữ liệu đem lại, em đã quyết định lựa chọn mảng đề tài về khai phá dữ liệu trong Marketing để thực hiện bài khóa luận của mình

2 Mục tiêu nghiên cứu

Trang 5

Một trong những lí do cơ bản khái niệm khai phá dữ liệu vẫn còn khá xa lạ trong hoạt động Marketing đó là hoạt động này liên quan tới rất nhiều vấn đề kỹ thuật, công nghệ thông tin với các khái niệm thuật toán…rất khó hiểu với một nhà kinh doanh thông thường Tuy nhiên trong thời đại ngày nay, khi mà việc chăm sóc khách hàng và xây dựng quan hệ với khách hàng quyết định sự thành công của doanh nghiệp hơn bao giờ hết cùng với việc khai phá dữ liệu ngày càng chứng tỏ được lợi ích của mình trong việc giúp doanh nghiệp tạo lập và duy trì quan hệ với khách hàng thì việc có những hiểu biết nhất định về khai phá dữ liệu sẽ giúp cho các doanh nghiệp có được sự thuận lợi trong việc xây dựng hoạt động Marketing hiện đại và hiệu quả Vì thế, khóa luận sẽ tiếp cận ho ạt động khai phá dữ liệu với việc hạn chế đi sâu vào các thuật ngữ, khái niệm…liên quan đến công nghệ thông tin với mục tiêu giúp người đọc có được cái nhìn khái quát về khai phá dữ liệu và không còn cảm thấy đây là một khái niệm xa lạ và mang nặng tính toán học, kỹ thuật Cùng với đó là các ví dụ về sự thành công trong việc áp dụng khai phá dữ liệu của một số hãng bán lẻ lớn trên thế giới đồng thời góp ý, kiến nghị một số giải pháp cho các doanh nghiệp bán lẻ Việt Nam vốn vẫn đang đứng ngoài cuộc chơi mang tên khai phá dữ liệu

3 Phạm vi nghiên cứu

Phạm vi nghiên cứu của khóa luận là ho ạt động khai phá dữ liệu trong Marketing đang được áp dụng tại các hãng bán lẻ lớn trên thế giới như Amazon, Kroger, Walmart…từ đó có những liên hệ và đưa ra một số kiến nghị giúp các doanh nghiệp bán lẻ Việt Nam có được sự chuẩn bị cần thiết để triển khai khai phá dữ liệu

4 Kết cấu của khóa luận

Ngoài phần mở đầu, phần kết luận và phần phụ lục, khóa luận được chia thành 3 chương:

Chương 1: Tổng quan về khai phá dữ liệu trong Marketing

Chương 2: Hoạt động khai phá dữ liệu của một số hãng bán lẻ trên thế giới

Trang 6

Chương 3: Bài học cho các doanh nghiệp bán lẻ Việt Nam trong việc áp dụng khai phá dữ liệu trong Marketing

5 Lời cảm ơn

Em xin chân thành c ảm ơn sự hướng dẫn và chỉ bảo tận tình c ủa Ths Trần Hải Ly giảng viên môn Marketing, cô đã giúp đỡ em rất nhiều trong suốt quá trình viết bài khóa luận tốt nghiệp này

Do hạn chế về tài liệu và khả năng của người viết, khóa luận sẽ không tránh khỏi những sai sót, rất mong nhân được ý kiến đóng góp quý báu của thầy cô, bạn bè và độc giả

Xin chân thành cảm ơn!

Hà nội, ngày 22 tháng 4 năm 2015

Sinh viên thực hiện Nguyễn Văn Hải

Trang 7

CHƯƠNG 1: TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU TRONG

MARKETING

1.1 Giới thiệu chung về khai phá dữ liệu (Data-mining)

1.1.1 Tiền đề của khai phá dữ liệu

Sự phát triển của công nghệ thông tin và việc ứng dụng công nghệ thông tin trong nhiều lĩnh vực của đời sống, kinh tế xã hội trong nhiều năm qua cũng đồng nghĩa với lượng dữ liệu đã được các công ty, tổ chức thu thập và lưu trữ ngày một tích luỹ nhiều lên Ngày nay, chúng ta đang sống trong thời đ ại mà dòng chảy của thông tin luôn luôn được tạo ra và thu thập một cách liên tục Khi bạn nhấc điện thoại đặt hàng một món hàng quảng cáo trên tivi, chi tiết cuộc gọi sẽ ngay lập tức được công

ty viễn thông lưu giữ: thời gian gọi, số máy gọi đến…Những thông tin này cùng với tên, địa chỉ…sẽ làm cơ sở cho công ty viễn thông tính phí Khi nhân viên c ủa công

ty rao bán sản phẩm nhấc máy, tiếp tục một loạt các thông tin được tạo ra và lưu giữ khi họ hỏi về tên, địa chỉ, chi tiết đơn đặt hàng: số lượng sản phẩm, màu sắc, mẫu

mã, mã thẻ thanh toán…của bạn Chưa dừng lại ở đó, khi mã số thẻ thanh toán được chuyển tới ngân hàng phát hành thẻ để xác nhận, hệ thống thông tin của ngân hàng lại tiếp tục lưu giữ một loạt các thông tin về hoạt động thanh toán bạn đã thực hiện Khi hàng được giao đến tay bạn qua công ty chuyển phát, thông tin lại tiếp tục được tạo ra và lưu trữ Những thông tin giao dịch này trước hết được lưu trữ nhằm đáp ứng nhu cầu hoạt động thường ngày của các công ty, tổ chức để theo dõi hoạt động kinh doanh Tuy nhiên, chúng còn có thể trở thành “mỏ vàng” nơi mà các thông tin quý giá về khách hàng còn chưa được hé lộ Ví dụ, doanh nghiệp bán hàng dựa trên

dữ liệu mua hàng có thể biết được những loại mặt hàng nào bạn hay mua từ đó điều chỉnh chính sách khuyến mãi phù hợp, tương tự với ngân hàng, công ty viễn thông… Một trong những công cụ hữu ích giúp khai thác những thông tin đó chính

là khai phá dữ liệu Khai phá dữ liệu có thể hiểu như là một hoạt động khám phá ra những tri thức mới, tiềm ẩn trong một kho dữ liệu khổng lồ, muốn ho ạt động khai phá dữ liệu diễn ra đầu tiên phải có dữ liệu (Data) Quá trình chuẩn bị dữ liệu cho

Trang 8

khai phá dữ liệu trải qua 2 bước Thu thập dữ liệu và Tổ chức dữ liệu Mối quan hệ này được thể hiện qua Hình 1.1:

Hình 1.1 Các bước tiền đề cho khai phá dữ liệu

 Thông tin cơ bản về khách hàng bao gồm: tên tuổi, địa chỉ, trình độ, gia đình, mối quan hệ, cuộc sống, cá tính, kinh nghiệm và những thông tin

bổ sung khác liên quan đến khách hàng

 Thông tin tài chính: hình thức thanh toán trả trực tiếp bằng tiền mặt hay thông qua tài khoản nếu bàng tài khoản thì là loại hình tài khoản nào v.v

 Thông tin về hành vi khách hàng: thông tin này cho biết chi tiết các giao dịch với khách hàng, mỗi lần mua những gì, bao nhiêu, tần suất mua hàng như thế nào, thời gian mua sắm vào lúc nào v.v , ngoài ra, nó còn bao gồm các thông tin như phản ứng của khách hàng đối với ho ạt động điều tra…

Các thông tin về khách hàng thường được thu thập qua các phương thức sau:

doanh nghiệp thu thập thông tin khách hàng Nếu giao dịch bằng hình

Khai phá dữ liệu Thu thập dữ liệu Tổ chức dữ liệu

Trang 9

thức online, doanh nghiệp có thể đề nghị khách hàng cho biết thông tin chi tiết qua gợi ý: “Nhằm giúp chúng tôi hiểu hơn, đưa đến những sản phẩm phù hợp hơn với nhu cầu của bạn xin hãy điền một số thông tin sau…”

 Qua khảo sát: khảo sát giúp doanh nghiệp có được môt lượng thông tin đáng kể về khách hàng Tuy một số người được hỏi sẽ nghi ngại khi cung cấp thông tin cá nhân nhưng sẽ vẫn có nhiều khách hàng sẵn sàng cung cấp đặc biệt những người thực sự quan tâm về sản phẩm Điều này cũng giúp doanh nghiệp có được cái nhìn rõ hơn về đối tượng khác hàng của mình

 Qua các cuộc thi: tổ chức các cuộc thi với yêu cầu khách hàng cung cấp thông tin cá nhân như: tên tuổi, địa chỉ email…cũng là một cách thu thập

dữ liệu phổ biến đặc biệt hiệu quả với nhóm khách hàng trẻ

theo dõi thói quen mua sắm, sở thích của khách hàng bằng cách theo dõi lịch sử ghé thăm website, các thông tin tìm kiếm mà khách hàng thực hiện

 Ngoài ra các bài nghiên cứu, thống kê đã được tiến hành bởi các tổ chức, công ty chuyên về thu thập, thống kê và phân tích dữ liệu cũng là một nguồn quan trọng giúp doanh nghiệp có được bức tranh chi tiết hơn về khách hàng của mình

1.1.1.2 Tổ ch ức dữ liệu

Một doanh nghiệp lấy khách hàng làm trung tâm sẽ thu thập mọi thông tin qua các lần tiếp xúc với khách hàng Tuy nhiên, việc tìm hiểu khách hàng đòi hỏi nhiều hơn đơn thuần là thu thập dữ liệu Thực tế, rất nhiều công ty thu thập hàng trăm gigabyte thậm chí tetrabyte dữ liệu về khách hàng nhưng những gì họ “học” được gần như bằng không Để quá trình khai phá dữ liệu được diễn ra, dữ liệu từ nhiều nguồn – thông tin thanh toán, hóa đơn, thông tin cuộc gọi, thông tin khuyến mãi,

Trang 10

cách thống nhất và thuận tiện cho việc tiếp cận dữ liệu Đó chính là bản chất của Tổ chức dữ liệu nhằm tạo ra một Kho dữ liệu (Data Warehouse) phục vụ khai phá dữ liệu Một kho dữ liệu tốt sẽ cho phép truy c ập vào các thô ng tin thu thập được từ các giao dịch trong một phương thức thân thiện hơn nhiều so với cách nó được lưu trữ trong hệ thống riêng rẽ từ các bộ phận như: bộ phận kế toán đến bộ phận sales…

Lý tưởng nhất, dữ liệu sẽ được thu thập từ nhiều nguồn khác nhau, phân loại, sát nhập, gắn với các khách hàng cụ thể

1.1.2 Khái niệm khai phá d ữ liệu

Sau khi quá trình thu thập và tổ chức dữ liệu được diễn ra, cơ sở dữ liệu được tạo ra đóng vai trò như là bộ nhớ của doanh nghiệp, tuy nhiên chỉ có bộ nhớ thôi chưa đủ, doanh nghiệp phải biết cách sàng lọc bộ nhớ của mình để có thể nhận biết, học hỏi được những tri thức mới về khách hàng từ đó nâng cao hiệu quả kinh doanh

Và khai phá dữ liệu chính là công cụ để tiến hành Sau đây là một số số định nghĩa mang tính mô tả của nhiều tác giả khái niệm về khai phá dữ liệu (Data-mining) Định nghĩa của Parsaye: “Khai phá dữ liệu là quá trình trợ giúp quyết định, trong

đó chúng ta tìm kiếm các mẫu thông tin chưa biết và bất ngờ trong cơ sở dữ liệu lớn” Định nghĩa c ủa Ferruzza: “Khai phá dữ liệu là tập hợp các phương pháp được dùng trong tiến trình khám phá tri thức để chỉ ra sự khác biệt các mối quan hệ và các mẫu chưa biết bên trong dữ liệu”

Định nghĩa của Fayyad: “Khai phá dữ liệu (data mining) là quá trình khám phá các tri thức mới và các tri thức có ích ở dạng tiềm năng trong nguồn dữ liệu đã có”

1.1.3 Ứng dụng của k hai phá dữ liệu trong các hoạt động kinh tế-xã hội

Khai phá dữ liệu có thể được ứng dụng trong nhiều lĩnh vực tùy thuộc vào mục tiêu của doanh nghiệp, tổ chức Hiện nay, nhiều ngành có thể áp dụng công nghệ khai thác dữ liệu để nâng cao hiệu quả hoạt động như sản xuất, tài chính ngân hàng,

y tế, bảo hiểm, viễn thông, bán lẻ …

Trang 11

1.1.3.1 Ứng dụng của khai phá dữ liệu trong sản xuất

Khai phá dữ liệu có thể được áp dụng trong các ngành công nghiệp sản xuất để

mô hình hóa hệ thống sản xuất, kiểm soát quá trình sản xuất, đánh giá an toàn, lập

kế ho ạch và tiến trình lập kế hoạch Khai phá dữ liệu giúp máy móc và thiết bị trở nên thông minh và độc lập hơn Ví dụ, khai phá dữ liệu được sử dụng để vận hành

xe hơi tự lái của Google hay mẫu xe Toyota Prius được trang bị máy ảnh, GPS cũng như các máy tính mạnh mẽ và bộ cảm biến để lái xe an toàn trên đường mà không

có sự can thiệp của con người Khai phá dữ liệu cũng được sử dụng để tối ưu hóa lượng điện năng sử dụng dữ liệu từ công-tơ thông minh

1.1.3.2 Ứng dụng của khai phá dữ liệu trong tài chính ngân hàng

Khai phá dữ liệu được sử dụng trong ngân hàng các tổ chức tài chính khác để phân tích thanh toán tiền vay, phân tích chính sách tín dụng của khách hàng, mục tiêu tiếp thị, phát hiện rửa tiền và tội phạm tài chính khác… Một ví dụ từ ngân hàng China Merchants Bank (CMB), Trung Quốc cho thấy hiệu quả của việc ứng dụng khai phá dữ liệu để thu hút khách hàng, ngân hàng sử dụng dịch vụ tích điểm và đổi điểm Ngân hàng cũng sử dụng mô hình cảnh báo khả năng người dùng ngưng sử dụng dịch vụ để xây dựng các gói dịch vụ tín dụng lãi suất cao nhằm giữ chân khách hàng đồng thời, thông qua việc phân tích dữ liệu các giao dịch, các khách hàng tiềm năng là các doanh nghiệp nhỏ cũng được xác định một cách hiệu quả Hoạt động quản lý rủi ro đã được cải thiện đáng kể nhờ những tác động của khai phá dữ liệu Trước đây, hoạt động phân tích các tình huống rủi ro chủ yếu phụ thuộc vào việc phân tích khách hàng, các danh mục đầu tư, độ tin cậy tín dụng Hiện nay, với những nguồn dữ liệu từ các phương tiện truyền thông xã hội cho phép tạo ra những hiểu biết mới về các danh mục rủi ro của khách hàng Các dữ liệu thu được

từ nhiều nguồn làm tăng khả năng phát hiện các hoạt động gian lận sớm hơn so với các phương pháp hiện hành

1.1.3.3 Ứng dụng của khai phá dữ liệu trong y tế

Trang 12

Tài nguyên dữ liệu của các bệnh viện đến từ nhiền nguồn khác nhau như thông tin bệnh nhân, lịch sử bệnh án, dữ liệu về máy móc, vật tư, thông tin nhà cung cấp,

dữ liệu hoạt động của các phòng ban… Những nguồn dữ liệu này nếu được lưu trữ

và phân tích hợp lý sẽ tạo ra nguồn thông tin có giá trị về bệnh nhân, về nhà cung cấp và hoạt động của các bộ phận giúp các bác sĩ xác định phương pháp điều trị phù hợp, hiệu quả nhất và những bệnh nhân nhận được dịch vụ chăm sóc sức khỏe tốt

hơn và giá cả phải chăng hơn

1.1.3.4 Ứng dụng của khai phá dữ liệu trong viễn thông

Khai phá dữ liệu được ứng dụng vào việc phân tích dữ liệu, thói quen, tâm lý, nhu cầu của khách hàng để làm cơ sở cho các hoạt động kinh doanh c ủa các doanh nghiệp viễn thông Ngoài ra có thể áp dụng khai phá dữ liệu để duy trì khách hàng,

để xác định mô hình viễn thông, bắt các hoạt động gian lận, phát hiện xâm nhập, tận dụng tốt hơn nếu các nguồn lực và nâng cao chất lượng dịch vụ

1.1.3.5 Ứng dụng của khai phá dữ liệu trong khoa học, kĩ thuật máy tính

Khai phá dữ liệu được ứng dụng trong khoa học, kỹ thuật máy tính để nâng cao hiệu quả của hệ thống giám sát, c ải thiện hiệu năng hệ thống, phân tích lỗi hệ thống máy tính, phát hiện xâm nhập mạng và nhận ra trục trặc hệ thống, cô lập lỗi phần mềm, phần mềm phát hiện đạo văn…UPS, công ty chuyển phát hàng lớn nhất thế giới, từ lâu đã dựa vào dữ liệu để cải thiện hoạt động Trong năm 2009, công ty đã bắt đầu cài đặt các thiết bị cảm biến trong các xe giao hàng để chụp tốc độ của xe hay kiểm tra xem người lái xe có thắt dây an toàn đúng cách Các thông tin về lộ trình được tải lên một trung tâm dữ liệu của UPS vào cuối ngày và chúng sẽ được phân tích ngay trong đêm Bằng cách kết hợp thông tin GPS và dữ liệu từ các thiết

bị cảm biến trên hơn 46.000 xe, trong năm 2011, UPS giảm tiêu thụ nhiên liệu đến 8,4 triệu gallon và cắt giảm 85 triệu dặm trên các tuyến đường

1.1.3.6 Ứng dụng của khai phá dữ liệu trong ngành công nghiệp bán lẻ

Trang 13

Trong ngành công nghiệp bán lẻ, khai phá dữ liệu có thể được sử dụng để giới thiệu và tư vấn sản phẩm phù hợp cho khách hàng, xác định khách hàng mang lại giá trị cao cho doanh nghiệp để nâng cao chất lượng phục vụ cho họ, phân tích hiệu quả của các chiến dịch bán hàng….Những ứng dụng này sẽ được làm rõ ở phần sau của chương

1.2 Giới thiệu về khai phá dữ liệu trong Marketing

1.2 1 Khái niệm khai phá dữ liệu trong Marketing

Marketing là quá trình mà doanh nghiệp tạo ra giá trị cho khách hàng và xây dựng mối quan hệ vững mạnh với khách hàng để thu lại được giá trị từ họ Mục tiêu hàng đầu của Marketing chính là nhằm thỏa mãn các nhu cầu của khách hàng Vì thế, theo định nghĩa c ủa Parsaye hoạt động khai phá dữ liệu trong Marketing có thể hiểu chính là quá trình khám phá các tri thức mới và các tri thức có ích ở dạng tiềm năng trong nguồn dữ liệu đã có nhằm mục đích cải thiện hoạt động Marketing của doanh nghiệp Khai phá dữ liệu mang đến cho doanh nghiệp những tri thức mới, những hiểu biết mới về khách hàng của mình Việc doanh nghiệp thấu hiểu khách hàng một cách sâu hơn sẽ tạo điều kiện lập và triển khai những hành động phù hợp

và hiệu quả nhằm thỏa mãn nhu cầu của khách hàng, mang lại giá trị cho họ

1.2.2 Những điều kiện cho việc triển khai khai phá dữ liệu trong Marketing hiện nay

Hầu hết các kỹ thuật khai thác dữ liệu được mô tả trong khóa luận đã tồn tại từ lâu, ít nhất là trong lĩnh vực toán học, trong nhiều năm hoặc nhiều thập kỷ Tuy nhiên, chỉ trong khoảng một thập kỷ gần đây việc khai phá dữ liệu thương mại mới được triển khai với sự đầu tư quy mô lớn Điều này là do các hội tụ của nhiều yếu tố, trong đó phải kể đến:

1.2.2.1 Khối lượng dữ liệu được tạo ra ngày càng lớn

Khai phá dữ liệu ý nghĩa nhất khi có khối lượng lớn dữ liệu Trong thực tế, hầu hết các thuật toán khai phá dữ liệu đòi hỏi một lượng lớn dữ liệu để xây dựng và

Trang 14

chạy các mô hình mà sau đó sẽ được sử dụng để thực hiện các chức năng như P hân loại (Classification), Dự đoán (Prediction) , Ước lượng (Estimation) hoặc các chức năng khai phá dữ liệu khác Đặc biệt, khai phá dữ liệu có vai trò rất quan trọng trong ngành công nghiệp bán lẻ do dữ liệu thu thập từ lĩnh vực này rất lớn từ doanh số bán hàng, lịch sử mua hàng c ủa khách hàng, vận chuyển hàng hóa, tiêu thụ

và dịch vụ Những năm gần đây, sự tự động hóa trong việc thu thập dữ liệu đã diễn

ra mạnh mẽ trong ngành công nghiệp bán lẻ với sự gia tăng sử dụng các máy quét thanh toán tại các điểm siêu thị, thẻ tín dụng và thẻ ghi nợ, mua sắm trực tuyến, chuyển tiền điện tử, xử lý đơn hàng tự động, bán vé điện tử, và các phương tiện khác làm cho dữ liệu đang được sản xuất và thu thập ở mức chưa từng có Điều tự nhiên là khối lượng dữ liệu từ ngành công nghiệp này sẽ tiếp tục tăng lên nhanh chóng và dễ dàng thu thập bởi tính sẵn có trên môi trường Web

1.2.2.2 Dữ liệu được tổ chức hợp lý

Không chỉ là một số lượng lớn các dữ liệu đang được sản xuất, mà việc thu thập chúng từ các hoạt động riêng lẻ như: thanh toán, đặt hàng, hỗ trợ khách hàng… để đưa vào một kho dữ liệu chung cũng ngày càng phổ biến Nói cách khác việc tổ chức dữ liệu đang ngày càng phổ biến trong các doanh nghiệp Kho dữ liệu tập hợp

dữ liệu từ nhiều nguồn khác nhau trong một định dạng phổ biến với và phù hợp với từng nhóm, lĩnh vực sẽ làm đơn giản hóa và nâng cao độ tin c ậy của khai phá dữ liệu

1.2.2.3 Khả năng của máy tính được nâng cao

Các thuật toán khai phá dữ liệu thông thường cần một lượng lớn dữ liệu được tính toán, xử lý Việc tiếp tục giảm mạnh trong giá của bộ nhớ và sự tăng cường sức mạnh xử lý của máy tính đã tạo điều kiện cho việc áp dụng các kỹ thuật mà trước đây chỉ có thể tiến hành trong một số phòng thí nghiệm do chính phủ tài trợ vào các doanh nghiệp thông thường

1.2.2.4 CRM (Customer Relationship Management: Quản lý quan hệ khách hàng) ngày càng được các doanh nghiệp quan tâm

Trang 15

Để tạo ra giá trị cho khách hàng và xây dựng quan hệ thân thiết với họ, doanh nghiệp trước tiên cần có được sự hiểu biết sâu sắc về nhu cầu và ước muốn của khách hàng Đó chính là chìa khóa t ạo ra lợi thế cạnh tranh Có thể nói, trong thị trường đầy tính cạnh tranh như hiện nay, cuộc đua giành lợi thế cạnh tranh thực chất chính là cuộc đua xem ai là người thấu hiểu khách hàng hơn Để làm được điều

đó, doanh nghiệp cần phải biết tận dụng được nguồn thông tin khách hàng mà mình đang nắm giữ Một doanh nghiệp thông minh sẽ lưu giữ thông tin của mọi giao dịch, tương tác với khách hàng bao gồm: hoạt động mua hàng, liên hệ với đội ngũ bán hàng, trung tâm tư vấn, các lần khách hàng ghé thăm website, thông tin t ừ các cuộc khảo sát độ hài lòng, các nghiên cứu về tiêu dùng khác… Tuy nhiên, điều này cũng khiến cho doanh nghiệp có thể bị “ngập lụt” trong lượng thông tin khổng lồ mà mình đang nắm giữ, giờ đây cái họ cần hơn cả chính là làm sao để tận dụng tối ưu được nguồn thông tin mà mình đang có, sàng lọc ra được những thông tin có giá trị chứ không phải càng nhiều thông tin càng tốt Làm sao để có thể phân tích, sử dụng thông tin về khách hàng đã trở thành một vấn đề ngày càng được các doanh nghiệp quan tâm Để giải quyết được bài toán này, nhiều doanh nghiệp đã tìm đến CRM (Customer Relationship Management: Quản lý quan hệ khách hàng) để quản

lí các thông tin chi tiết về từng khách hàng cũng như các giao dịch, tương tác với khách hàng nhằm tối đa hóa lòng trung thành c ủa khách hàng CRM chính là một phương pháp giúp các doanh nghiệp tiếp cận và giao tiếp với khách hàng một cách

có hệ thống và hiệu quả thông qua việc quản lý các thông tin của khách hàng như thông tin về tài khoản, nhu cầu, liên lạc… nhằm phục vụ khách hàng tốt hơn CRM mới chỉ thực sự bùng nổ và được ứng dụng rông rãi trong đầu những năm 2000 Trong năm 2011, các công ty trên toàn thế giới đã sử dụng 7.8 tỷ USD cho triển khai ứng dụng CRM và trong năm 2012, con số này đã tăng lên thành 13.3 tỷ USD

Về cơ bản, CRM bao gồm 2 thành phần chính là kho cơ sở dữ liệu và các công cụ phân tích dữ liệu Khai phá dữ liệu đại diện cho một cú nhảy vọt trong công cuộc cải tiến các công cụ phân tích dữ liệu Những phần mềm khai phá dữ liệu hiện đại nhất có khả năng khám phá ra những quy luật, mối liên kết trong một kho dữ liệu

Trang 16

Chính điều này đã mang lại các cơ hội marketing cho doanh nghiệp Tóm lại, với việc các doanh nghiệp ngày càng tỏ ra quan tâm tới việc sử dụng CRM để hiểu khách hàng của mình sâu hơn thì khai phá dữ liệu với vai trò như là lòng cốt của CRM càng nhận được sự quan tâm của các doanh nghiệp và có cơ hội được đón nhận rộng rãi

1.2.2.5 Sự ra đời của các phần mềm phục vụ cho khai phá dữ liệu

Luôn luôn có một độ trễ giữa thời gian khi các thuật toán mới lần đầu xuất hiện trên các tạp chí học thuật hay các cuộc thảo luận tại các hội nghị và thời gian khi phần mềm thương mại kết hợp với những thuật toán đó trở nên có sẵn Còn có một

độ trễ giữa sự ra đời ban đầu của các phần mềm này và thời gian mà nó đạt được chấp nhận rộng rãi Đối với khai thác dữ liệu, độ trễ trên ngày càng được rút ngắn Nhiều kỹ thuật được thảo luận trong khóa luận này bắt đ ầu trong lĩnh vực toán học thống kê, chế tạo máy Trước đây, chúng chỉ được sử dụng các trường đại học và các phòng thí nghiệm của chính phủ, sau đó mới bắt đầu được sử dụng bởi các công

ty trong lĩnh vực thương mại nhằm phục vụ cho mục đích thương mại Tuy nhiên, tại thời điểm này, trong s ự phát triển của thời đại công nghệ, các phần mềm sau khi được một vài người tiên phong thành công với một kỹ thuật mới, thời gian nó trở thành sản phẩm thực sự và được sử dụng rộng rãi ngày càng được rút ngắn Việc giới thiệu thành công của phần mềm khai phá dữ liệu bởi các nhà cung cấp lớn như Oracle, Teradata, và IBM đã mang lại sức mạnh xử lý cũng như tăng cường khả năng ứng dụng khai phá dữ liệu cho các doanh nghiệp

1.2.3 Các bước của khai phá d ữ liệu trong Marketing

Dữ liệu có vai trò cốt lõi trong mọi quá trình kinh doanh của công ty Thêm vào khối lượng dữ liệu nội bộ khổng lồ đó là các nguồn dữ liệu bên ngoài liên quan tới nhân khẩu học, lối sống…các thông tin liên quan tới tín dụng, tài chính, marketing… Mục tiêu của khai phá dữ liệu là để tìm ra mô hình, quy luật,xu hướng thú vị ẩn trong những cơ sở dữ liệu lên tới tỷ và nghìn tỷ byte Chỉ việc tìm kiếm mô hình, quy luật là không đủ Doanh nghiệp phải có những hành động cụ thể

Trang 17

nhằm đáp lại những mô hình thu được để biến dữ liệu thành thông tin, thông tin thành hành động và hành động thành giá trị Để đạt được điều này, khai phá dữ liệu thường trải qua 4 bước Bốn bước này tạo thành một vòng tuần hoàn nối tiếp nhau

và được mô hình như trong Hình 1.2

Hình 1.2 Bốn bước của khai phá dữ liệu trong Marketing

Nguồn: Michael J.A.Berry and Gordon S.Linoff , 2004, Data-mining techniques

1.2.3.1 Xác định các cơ hội kinh doanh

Công đoạn đầu tiên c ủa khai phá dữ liệu là việc nhận diện cơ hội kinh doanh Thật không may, có rất nhiều các nhà thống kê và phân tích mà sau khi tiến hành khai phá dữ liệu kết quả thu được là lãng phí vì họ đang giải quyết vấn đề mà không giúp

đỡ các doanh nghiệp Để tránh lãng phí, đầu tiên khai phá dữ liệu phải đi kèm với

Xác định cơ hội kinh doanh

M ô hình hóa dữ liệu

Hành động dựa trên thông tin thu được

Đo lường kết quả

Trang 18

một sự sẵn sàng hành động trên các kết quả mà khai phá dữ liệu đem lại Nhiều hoạt động Marketing rất phù hợp với khai phá dữ liệu như:

 Lập kế hoạch cho việc giới thiệu sản phẩm mới

 Lập kế hoạch cho các chiến dịch Marketing trực tiếp (direct marketing campaigns)

 Nghiên cứu độ trung thành của khách hàng

1.2.3.2 Mô hình hóa dữ liệu

Khai phá dữ liệu biến đổi dữ liệu thành các thông tin ý nghĩa về mặt kinh doanh Trong giai đoạn này, các thuật toán sẽ được sử dụng để giải các bài toán nhằm tìm kiếm những qui tắc bí ẩn và chưa biết Các bài toán được phân loại vào một trong những nhóm bài toán chính trong khai phá dữ liệu Đó là Phân lớp (Classification),

Dự đoán (Prediction), Tìm luật liên kết (Association Rule), Phân c ụm (Clustering)

 Phân lớp (Classification)

Bài toán thông dụng nhất trong khai phá dữ liệu là Phân lớp (Classification) P hân loại là một trong những hoạt động thiết yếu với con người Để hiểu và giao tiếp với thế giới xung quanh, chúng ta không ngừng phân loại, phân chia các đối tượng khác nhau vào những nhóm, những loại khác nhau Ví dụ như các cơ thể sống vào các giới động vật, thực vật Tương tự, bài toán Phân lớp (Classification) trong khai phá

dữ liệu bao gồm việc sử dụng các thuật toán nhằm xem xét các đ ặc điểm của một đối tượng cụ thể để phân loại nó vào trong các nhóm, loại đã định sẵn Ví dụ đơn giản: một ngân hàng muốn phân tích dữ liệu để biết khách hàng nào có mức độ rủi

ro cao, khách hàng nào cho vay sẽ an toàn Ta có một cơ sở dữ liệu như Bảng 1.1

Bảng 1.1 Cơ s ở dữ liệu về khách hàng của một ngân hàng

Trang 19

Đầu tiên, mô hình phân lo ại sẽ được xây dựng, có thể nói mô hình này đóng vai trò như một chiếc phễu, khi „rót‟ dữ liệu qua ta sẽ thu được dữ liệu đã được phân loại Một mô hình sẽ bao gồm các thuật toán nhằm xây dựng các quy tắc phân loại,

mà trong ví dụ trên ta có thể xây dựng như sau :

Hình 1.3 Mô hình bài toán Phân l ớp

Sau khi chạy dữ liệu ta thu được một bảng dữ liệu đã được phân lo ại như sau :

Bảng 1.2 Dữ liệu sau khi đƣợc phân loại

Nếu như có một khách hàng mới là E với các đ ặc điểm : Trung niên, thu nhập cao

ta sẽ có E được phân loại vào Nhóm An toàn Bài toán Phân loại được đặc trưng bởi việc xây dựng một một mô hình phân loại tốt, với các thuật toán sao cho phân loại

dữ liệu một cách chính xác nhất Các ví dụ về các ho ạt động có thể áp dụng bài toán Phân loại có thể kể đến :

Mô hình phân loại

Nếu Tuổi = „Trẻ‟ thì Phân loại = „ Rủi ro‟

Nếu Tuổi = “Trung niên” và Thu nhập = „Thấp‟ thì Phân loại = „Rủi ro‟

Trang 20

 Lựa chọn nội dung hiển thị trên một Website sao cho phù hợp với từng khách hàng vào xem

 Một doanh nghiệp cần phân tích để đoán xem người tiêu dùng với những đặc điểm nào sẽ có khả năng mua sản phẩm của mình, hay loại đối tượng nào sẽ

có khả năng cao phản ứng với một chiến dịch Marketing cụ thể

 Dự đoán (Prediction)

Dự đoán về cơ bản tương tự như phân lo ại, trừ trường hợp dữ liệu được phân loại theo việc dự đoán hành vi xảy ra trong tương lai Trong bài toán dự đoán, cách duy nhất để kiểm tra tính chính xác của bài toán là chờ xem liệu đối tượng dự đoán những hành vi như đã được dự đoán

Những ví dụ về bài toán Dự đoán có thể được áp dụng là :

 Dự đoán khách hàng nào sẽ rời đi trong vòng một kho ảng thời gian nhất định

ví dụ 6 tháng dựa trên các dữ liệu về khách hàng liên quan đến: kênh khách hàng tìm đến với doanh nghiệp, hóa đơn cao hoặc thấp bất thường, thanh toán muộn

 Dự đoán số tiền khách hàng sẽ chi cho một đợt khuyến mãi dựa trên thông tin về sản phẩm khách hàng thường mua, khả năng tài chính, phản ứng đối với các sự thay đổi giá cả

 Tìm thuật liên kết (Association rules)

Nhiệm vụ của Tìm thuật liên kết (Association rules) là để xác định mối quan hệ giữ các đối tượng với nhau ví dụ những thứ nào hay đi cùng nhau Ví dụ điển hình

là việc xác định các thứ hay đi cùng nhau trong một giỏ hàng mua sắm tại các siêu thị Tìm thuật liên kết (Association rules) là một phương pháp đơn gi ản để rút ra các quy luật từ dữ liệu Nếu hai mặt hàng, ví dụ sữa và bánh mì thường được mua cùng nhau, chúng ta có thể tạo ra hai quy luật kết hợp:

Trang 21

Dựa trên những kiến thức thu được, chuỗi bán lẻ có thể sử dụng kết quả của Tìm thuật liên kết (Association rules) để có kế hoạch bố trí các mặt hàng trên các kệ hàng hoặc trong một cửa hàng để các mặt hàng thường xuyên được mua cùng nhau

sẽ được nhìn thấy cùng nhau Tìm thuật liên kết (Association rules) còn được sử dụng nhằm thiết kế các gói hàng hấp dẫn kết hợp với nhau hoặc kết hợp các nhóm sản phẩm và dịch vụ

 Phân cụm (clustering)

Nhiệm vụ của Phân cụm (clustering) là phân khúc một nhóm dữ liệu không đồng nhất thành các nhóm nhỏ đồng nhất hơn (gọi là cụm) Nói cách khác là nhóm các đối tượng dữ liệu có tính chất giống nhau vào cùng một nhóm Điểm khác biệt giữa Phân cụm (clustering) và Phân lớp (Classification) đó là Phân cụm (clustering) không dựa vào các lớp, hay các điều kiện phân loại đã được xác định trước Trong Phân cụm (clustering) không có các lớp, loại đã được xác định trước và không có

ví dụ Các đối tượng dữ liệu được nhóm lại với nhau trên cơ sở sự tương tự, giống nhau Ví dụ cụm dữ liệu về triệu chứng có thể chỉ ra các bệnh khác nhau Cụm dữ liệu về các thuộc tính c ủa khách hàng có thể cho thấy các phân khúc thị trường khác nhau Clustering thường được thực hiện như bước đầu cho một số hình thức khác của khai thác dữ liệu Ví dụ Clustering có thể là bước đầu tiên trong việc phân đoạn thị trường ho ặc thay vì cố gắng đưa ra một chiến dịch xúc tiến theo kiểu "loại khuyến mãi nào để khách hàng phản hồi tốt nhất", trước tiên, ta sẽ chia khách hàng thành từng cụm nhỏ ví dụ những người có thói quen mua sắm tương tự và sau đó thiết kế các chương trình xúc tiến phù hợp nhất cho mỗi cụm

1.2.3.3 Hành động dựa trên thông tin thu được

Đưa đến hành động là mục đích cốt lõi của khai phá dữ liệu Như đã đề cập, hành động có thể có nhiều hình thức Khai phá dữ liệu sẽ dẫn tới những quyết định sáng suốt hơn dẫn đến kết quả tốt hơn Ví dụ trong Marketing, khai phá dữ liệu có thể trợ giúp trong việc đưa ra quyết định liên quan tới:

Trang 22

 Gửi tin nhắn, thư cho khách hàng và khách hàng tiềm năng thông qua thư trực tiếp, email, qua điện thoại…

Các kết quả của việc khai phá dữ liệu cần phải được đưa vào chiến lược Marketing sao cho có thể chạm tới khách hàng nhằm nâng cao đến các mối quan hệ khách hàng

1.2.3.4 Đo lường kết quả

Mặc dù tầm quan trọng của nó, nhưng đây lại là giai đoạn dễ bị bỏ qua nhất Có rất nhiều trường hợp sau khi những chương trình hành động được thực hiện, nhưng không có ai nhìn lại để đánh giá xem liệu kết quả đạt được đã phù hợp với kế hoạch Thời gian để bắt đầu nghĩ về giai đoạn này cũng chính là ngay từ đầu- giai đoạn 1: xác định các cơ hội, vấn đề kinh doanh Làm thế nào có thể đo được kết quả? Một công ty gửi đi rất nhiều phiếu giảm giá để khuyến khích việc mua các sản phẩm của

họ sẽ lấy tỷ lệ phiếu giảm giá được khách hàng sử dụng làm thước đo hiệu quả Một thước đo thích hợp nữa là sự tăng doanh số bán hàng trong các cửa hàng hoặc một khu vực cụ thể nếu mục đích của hành động đã thực hiện là để tăng doanh số bán hàng Nói cách khác cần phải có một thước đo rõ ràng, trực tiếp

Lầy một ví dụ, chúng ta hãy bắt đầu với một chiến dịch Marketing nhằm thu hút thêm khách hàng, để đánh giá được hiệu quả có rất nhiều câu hỏi cần trả lời:

 Chiến dịch này đã tới được và mang về những khách hàng tạo ra lợi nhuận hay chưa?

 Lòng trung thành của những khách mới này có kéo dài được như dự kiến?

lại là gì? Liệu có thể áp dụng cho các khách hàng tiềm năng trong tương lai

Trang 23

Một thước đo lường phổ biến khác là giá trị vòng đời khách hàng (lifetime customer value) Như tên gọi của nó, đây là một ước tính giá trị của một khách hàng mang lại trong toàn bộ quá trình doanh nghiệp có quan hệ với họ

Như vậy, chúng ta đã sơ lược 4 bước cơ bản của khai phá dữ liệu, bây giờ để minh họa rõ ta sẽ đi vào một ví dụ cụ thể hãng Ô-tô SUV Detroit đã sử dụng khai phá dữ liệu để nâng cao hiệu quả hoạt động Marketing của mình

 Bước 1: nhận diện vấn đề kinh doanh

Thách thức mà Detroit gặp phải là làm sao để cải thiện phản ứng của khách hàng với một chiến dịch Marketing gửi thư trực tiếp cho một mẫu xe sắp giới thiệu Chiến dịch liên quan đến việc gửi một thư đến khách hàng tiềm năng mời họ đến lái thử mẫu xe mới Bất cứ ai chấp nhận lời mời sẽ được tặng một cặp miễn kính mát tại các đ ại lý Vấn đề là rất ít người trả lời thư xác nhận sẽ tới hoặc gọi số điện thoại

hỗ trợ miễn phí để biết thêm thông tin và chỉ vài trong số những người được gửi quyết định mua xe Công ty này đã biết mình có thể tiết kiệm rất nhiều tiền bằng cách không gửi lời đề nghị cho những người không có khả năng mua, nhưng họ không biết người đó là những ai Khai phá dữ liệu trong trường hợp này sẽ giải quyết bài toán trên: Làm sao để tăng hiệu quả của hoạt động Marketing trực tiếp?

 Bước 2: mô hình hóa dữ liệu

Trong trường hợp này, dữ liệu cần cho khai phá dữ liệu được thu thập từ nhiều nguồn khác nhau, thách thức đ ầu tiên là phải thu thập, tổ chức dữ liệu để tạo ra được cơ sở dữ liệu phù hợp Dữ liệu về khách hàng đầu tiên sẽ được lấy ở các tập tin chứa tên và địa chỉ của hàng triệu khách hàng đã nhận được thư quảng cáo trước đây (các tập tin thư) Tuy nhiên, tập tin này chứa it thông tin hữu ích cho khai phá

dữ liệu ngoài tên và địa chỉ Sau đó, các tập tin thư này sẽ được gắn với tệp dữ liệu PRIZM (đây là tập dữ liệu thượng mại có sẵn chứa các thông tin về nhân khẩu học,

xã hội học của các khu vực dân cư theo mã vùng địa lý (mã zip code)) Tiếp đến là hai tập tin bổ sung có chứa thông tin về những người đã trả lời lại thư quảng cáo

Trang 24

thông qua hình thức gửi thư xác nhận lại hoặc gọi số điện thoại miễn phí yêu cầu biết thêm thông tin Trong số 1.000.003 người công ty đã gửi thư, 32.904 đã đáp lại bằng cách gửi lại thư xác nhận và 16.453 đáp lại bằng cách gọi đến số điện thoại hỗ trợ miễn phí tạo nên tổng tỷ lệ trả lời là 5 phần trăm Để biết được liệu những người trả lời này có mua xe trong chương trình Marketing này không, ta s ẽ sử dụng thêm một tập tin bán hàng với các thông tin liên quan như: tên, địa chỉ, mẫu xe được mua tuy nhiên giới hạn trong thời gian 3 tháng kể từ ngày thư được phát đi Một chương trình khớp tự động sau đó phát hiện được khoảng 22.000 kết quả: đây chính

là những người đã nhận được thư và mua xe

Sau khi đã có cơ sở dữ liệu, đây là lúc các thuật toán được áp dụng Cụ thể, bằng việc áp dụng bài toán Phân c ụm (Clustering) khai phá dữ liệu sẽ xác định được ai là người có khả năng mua xe từ công ty Sau đó bằng việc áp dụng bài toán Dự đoán

để xác định ai trong số đó sẽ là người mua mẫu xe đang được giới thiệu Đây là những quá trình mang nặng tính toán học, công nghệ thông tin do các chuyên gia về

kĩ thuật đảm nhận

 Bước 3 & Bước 4: hành động trên thông tin thu được và đo lường kết quả

Sau khi được trang bị với những tri thức mới mà khai phá dữ liệu đem lại, công ty

đã quyết định gửi ra số lượng thư ít hơn và số tiền tiết kiệm được sẽ được dùng để tăng sự hấp dẫn cho việc đến các đại lý để đi thử xe bằng cách thay thế cặp kính mát bằng một đôi giày da Cách tiếp cận mới sau đó đã chứng tỏ được sự hiệu quả hơn

rõ rệt

1.2.4 Ứng dụng của khai phá dữ liệu trong Marketing

1.2.4.1 Nhận diện khách hàng tiềm năng

Định nghĩa đơn giản nhất của một khách hàng tiềm năng chỉ đơn giản là những người bộc lộ ý muốn trở thành một một khách hàng, định nghĩa phức tạp hơn: họ không những muốn trở thành khách hàng mà còn có đủ khả năng để trở thành khách hàng, họ sẽ tạo lợi nhuận khi là khách hàng, họ không lừa gạt công ty và có khả

Trang 25

năng thanh toán các hóa đơn và nếu được chăm sóc tốt, họ sẽ là khách hàng trung thành và còn giới thiệu sản phẩm của công ty đến những khách hàng tiềm năng khác Cho dù định nghĩa đơn giản hay phức tạp, nhiệm vụ đầu tiên là phải nhắm tới họ Việc xác định đúng đối tượng sẽ giúp doanh nghiệp tiết kiệm được nhiều thời gian , tiền bạc cho những khách hàng thực sự tiềm năng, những người sẽ mang lại nhiều lợi nhuận cho doanh nghiệp nhất Khai phá dữ liệu được áp dụng cho vấn đề này bằng cách định nghĩa như thế nào là một khách hàng tiềm năng dựa trên các thông tin liên đến tấn suất mua hàng của khách hàng, giá trị mua sắm qua thời gian, sự nhạy cảm về giá… sau đó tìm ra các quy tắc cho phép những người với những đặc

điểm trên được nhắm đến

1.2.4.2 Lựa chọn công cụ để thực hiện chính sách xúc tiến và hỗ trợ kinh doanh

Các công ty có thể truyền đạt thông tin về sản phẩm, doanh nghiệp đến với khách hàng nhằm đẩy mạnh tiêu thụ hàng hóa, tao lợi thế cạnh tranh cho doanh nghiệp qua nhiều cách Đó có thể là thông qua quan hệ công chúng trong đó khuyến khích các phương tiện truyền thông đăng trải những câu chuyện về công ty qua đó truyền đi những thông điệp tích cực về công ty Mặc dù có hiệu quả cao đối với một số công

ty (như Starbucks, Apple…) cách thức này lại không mang tính trực tiếp Được chú

ý rộng rãi hơn là quảng cáo và Marketing trực tiếp Quảng cáo có thể từ bìa tạp chí cho đến những thanh pop-up khó chịu trên một số trang web thương mại cho đến các chương trình truyền hình, các sự kiện thể thao lớn thậm chí ngay cả trong các

bộ phim Trong bối cảnh này, các nhóm đối tượng được hướng đến sẽ có những đặc điểm chung tuy nhiên quảng cáo lại không cho phép điều chỉnh các thông điệp theo cá nhân như Marketing trực tiếp Marketing trực tiếp sẽ cho phép phép tùy biến các thông điệp cho các cá nhân khác nhau Mỗi công cụ để thực hiện chính sách xúc tiến và hỗ trợ kinh doanh đều có những ưu và nhược điểm riêng Việc lựa chọn công cụ nào trước hết phải phụ thuộc vào nhóm khách hàng được hướng tới Sau đó, bằng việc xây dựng các mô hình phản ứng đo lường mức độ phản ứng của các nhóm khách hàng khác nhau với các công cụ xúc tiến khác nhau sẽ giúp doanh

Trang 26

nghiệp lựa chọn được công cụ xúc tiến hữu hiệu Ví dụ sau khi nhận diện một nhóm khách hàng với các đặc điểm: có bằng cao đẳng hoặc đại học, sống ở khu vực dân trí cao có tỷ lệ mua hàng từ catalog lớn gấp 2 lần tỷ lệ trung bình, doanh nghiệp ít nhất sẽ có được gợi ý để tăng cường hiệu quả của chính sách xúc tiến với nhóm khách hàng này

1.2.4.3 Nâng cao hiệu quả cho hoạt động Marketing trực tiếp

Marketing trực tiếp là một công cụ rất phổ biến được thực hiện bởi các doanh nghiệp từ nhỏ, mới thành lập cho tới những doanh nghiệp trong top Fortune 500 Một chiến dịch Marketing trực tiếp được thực hiện tốt có thể được chứng minh qua

tỷ lệ phản ứng, trả lời của khách hàng, có bao nhiêu khách hàng tiềm năng đã đáp lại chiến dịch Marketing trực tiếp tỏ ra khá hấp dẫn đối với nhiều nhà Marketing vì kết quả của nó có thể được đo lường trực tiếp Ví dụ, nếu một doanh nghiệp gửi ra

1000 thư chào mời dùng thử sản phẩm và 100 khách hàng đã phản hồi lại với chương trình khuyến mãi, doanh nghiệp có thể kết luận rằng chiến dịch Marketing trực tiếp dẫn đến tỷ lệ phản hồi là 10% Số liệu này là một trong rất nhiều các số liệu định lượng rõ ràng được sử dụng bởi các nhà Marketing trực tiếp Ngược lại, quảng cáo nói chung sử dụng các phép đo gián tiếp, chẳng hạn như sự gia tăng nhận thức về sản phẩm của khách hàng sẽ khó đo lường chính xác Tỷ lệ phản hồi là một yếu tố cơ bản đo lường độ thành công của Marketing trực tiếp Thông qua xây dựng

mô hình dự báo, khai phá dữ liệu có thể giúp doanh nghiệp cải thiện đáng kể tỷ lệ phản hồi của khách hàng Ví dụ: giả sử một công ty với ngân sách cho ho ạt động Marketing trực tiếp đủ để gửi catalog đến cho 1000 khách hàng tiềm năng Công ty

có thể có được hiệu quả cao hơn nhiều với cùng một lượng ngân sách nhất định bằng cách gửi thư, catalog cho top 1000 khách hàng là người có nhiều khả năng mua sản phẩm hơn so với chọn ngẫu nhiên 1000 khách hàng Khai phá dữ liệu có thể giúp doanh nghiệp xác định đươc nhóm 1000 khách hàng này

1.2.4.4 Xác định giá trị khách hàng (Customer Value)

Trang 27

Tính toán giá trị của khách hàng là khá phức tạp và liên quan phần lớn tới việc định nghĩa và tính toán các khái niệm liên quan đến tài chính, tuy vậy, khai phá dữ liệu vẫn có một vai trò nhất định Giá trị khách hàng (Customer Value) hiểu đơn giản tổng doanh thu do khách hàng mang lại trừ đi tổng các chi phí duy trì chăm sóc khác hàng, nhưng bao nhiêu doanh thu nên được gán cho một khách hàng ? Họ sẽ chi tiêu bao nhiêu trong tháng này ? Năm tới, kì vọng về doanh thu từ họ là bao nhiêu ? Doanh nghiệp nên phân bổ các chi phí đến từng khách hàng như thế nào? Tính toán c hi phí thậm chí còn phức tạp hơn Các doanh nghiệp không thể phận loại tỉ mỉ từng lo ại chi phí riêng cho từng khách hàng Ngay cả khi chỉ tính toán chi phí trực tiếp chi cho một khách hàng thì mọi thứ vẫn không thể rõ ràng và dễ hiểu Hai khách hàng cùng đặt hàng trên một Website cung cấp dịch vụ giao hàng miễn phí Người sống xa nhà kho có thể tốn nhiều chi phí hơn trong vận chuyển, nhưng

có thể kết luận cô ấy là một khách hàng ít có ít giá trị hơn ? Liệu công ty có thể tăng giá trị khách hàng bằng cách cố gắng ngăn chặn khách hàng truy cập vào mua từ các khu vực địa lý nhất định ? Khi tất cả những vấn đề này đã được sắp xếp, công ty

đã thống nhất rõ ràng một định nghĩa về giá trị khách hàng , khai phá dữ liệu sẽ đảm nhiệm nhiệm vụ tiếp theo là ước lượng giá trị khách hàng tiềm năng bằng cách ước tính doanh thu của một khách hàng sẽ mang lại trên mỗi đơn vị thời gian và sau đó ước tính thời gian gắn bó còn lại của khách hàng

1.2.4.5 Khuyến nghị sản phẩm (Product Recommendations)

Ngày nay, đi cùng với sự phát triển của thương mại điện tử, đòi hỏi của khách hàng mua sắm online ngày càng tăng Họ không chỉ muốn thấy những sản phẩm mà mình đang tìm kiếm trong vài giây, mà còn mong muốn thêm những dich vụ giúp cho quá trình mua sắm hiệu quả, dễ dàng và thú vị hơn Để đáp ứng điều này, nhiều trang web bán hàng online đã triển khai tiện ích khuyến nghị sản phẩm trên website của mình nhằm mang lại nhiều giá trị cho khách hàng hơn Bằng cách sử dụng mô hình Tìm luật liên kết (Association Rules) kết hợp với các thông tin về hành vi mua sắm của người tiêu dùng, khai phá dữ liệu có khả năng tìm ra các nhóm hàng

Trang 28

thường được khách hàng mua kèm nhau, dự đoán sản phẩm mà người mua đang cần, thậm chí sẽ cần mua để đưa ra những gợi ý, tham khảo mua hàng cho họ Một khi người tiêu dùng cảm thấy mình được quan tâm hơn, họ sẽ có những trải nghiêm mua sắm đáng nhớ hơn và phần thưởng cho doanh nghiệp chính là sự hài lòng của khách hàng và sự trung thành của họ Một ví dụ nổi tiếng là về hãng bán lẻ của Mỹ Target, nhờ khai phá dữ liệu, hãng đã biết được một phụ nữ mang thai một thời gian dài trước khi cô ấy bắt đầu mua tã lót Bằng việc phân tích dữ liệu, hãng đã khám phá ra phụ nữ ở giai đoạn đầu của quá trình mang thai thường mua 25 loại sản phẩm bao gồm: vitamin, bông, mỹ phẩm không mùi…Sau đó, hãng đã gợi ý cho “các bà

mẹ tương lai này” mua những vật dụng cần thiết sau này như khăn gi ấy, tã trẻ sơ sinh khi họ mua hàng online cũng như gửi các phiếu giảm giá, catalog của những mặt hàng này cho họ Một ông bố ở Minneapolis thậm chí còn giận dữ bước vào cửa hàng Target vì hãng đã gửi cho cô con gái đang độ tuổi thành niên những catalog, quảng cáo về quần áo bà bầu, sữa cho bà mẹ mang thai và sau đó đã xin lỗi khi cô con gái gia nhập “câu lạc bộ các bà bầu”

Trang 29

CHƯƠNG 2: HOẠT ĐỘNG KHAI PHÁ DỮ LIỆU CỦA MỘT

SỐ HÃNG BÁN LẺ TRÊN THẾ GIỚI

2.1 Giới thiệu chung về ho ạt động khai phá dữ liệu trong ngành công nghi ệp bán lẻ

Ngành công nghiệp bán lẻ thu thập một số lượng khổng lồ các dữ liệu về doanh

số bán hàng và lịch sử mua sắm của khách hàng Số lượng dữ liệu thu thập được tiếp tục mở rộng nhanh chóng, đ ặc biệt là do sự gia tăng tính dễ dàng sử dụng, tính sẵn có và phổ biến của hoạt động bán hàng trên web hoặc e-commerce Ngành công nghiệp bán lẻ cung cấp một nguồn dữ liệu phong phú cho khai phá dữ liệu Trong một cuộc phỏng vấn gần đây, Karem Tomak, phó chủ tịch của hãng phân tích Macys.com thừa nhận rằng chỉ ba năm trước, bộ phận lưu trữ dữ liệu còn dựa trên bảng tính Excel cất giữ cũng như sàng lọc dữ liệu có ý nghĩa về dữ liệu khách hàng Bây giờ, được trang bị trong tay công nghệ hiện đại như khai phá dữ liệu các hãng bán lẻ khổng lồ còn đạt được tỷ lệ tăng doanh thu hai con số Nhiều nhà bán lẻ đang nhận ra rằng khai phá dữ liệu có tiềm năng đem l ại sức sống cho một ngành công nghiệp đang bị thách thức bởi kinh tế tăng trưởng chậm, người tiêu dùng ngày càng

có nhiều sự lựa chọn, sự phát triển chóng mặt của các loại hình di động Sau đây là những nhân tố đã góp phần làm cho khai phá dữ liệu (Data-mining) ngày càng được chú trọng trong ngành công nghiệp bán lẻ những năm gần đây

2.1.1 Sự gia tăng khối lượng dữ liệu

Sự gia tăng c ủa điện tho ại di động, máy tính bảng và phương tiện truyền thông xã hội đã đẩy nhanh tốc độ tăng trưởng của dữ liệu có sẵn về khách hàng Một nhà bán

lẻ điển hình không chỉ biết các thông tin về nhân khẩu học cơ bản về một khách hàng, mà còn biết tận dụng các thông tin về lịch sử mua sắm, các cuộc gọi hỗ trợ tư vấn, các tương tác qua điện thoại di động, các trang mạng xã hội và nhiều hơn nữa Khối lượng dồi dào của thông tin có s ẵn cho các nhà bán lẻ là chưa từng có, ngay cả đối với những thương hiệu có nhiều năm kinh nghiệm phân tích dữ liệu khách hàng

Trang 30

2.1.2 Sự tăng cường đầu tư công nghệ cho khai phá dữ liệu của các hãng bán lẻ

Giờ đây sẽ thật khó để có thể ra các cửa hàng máy tính tìm thấy một ổ đĩa cứng chứa ít hơn một terabyte Sự gia tăng lưu lượng bộ nhớ và giá thành ngày càng giảm

đã làm cho khai phá dữ liệu không còn chỉ dành cho các doanh nghiệp lớn, nó „san bằng sân chơi‟ cho nhiều công ty khi nói đến khai phá dữ liệu Lãnh đạo của các doanh nghiệp bán lẻ đã bắt đầu đầu tư vào thu thập, tổ chức cơ sở dữ liệu và tập trung vào phân tích dữ liệu, từ đó cho họ cái nhìn sâu sắc, thấu hiểu khách hàng khi

mà thậm chí một vài năm trước đây đó là điều không thể Trong năm 2013, các nhà bán lẻ đã chi gần 2 tỷ USD vào lĩnh vực kinh doanh thông minh mà khai phá dữ liệu đóng vai trò chủ đạo và $ 9.4 tỷ USD cho cơ sở hạ tầng, nâng cấp cho lĩnh vực khai phá dữ liệu Đối với hệ thống chuỗi cửa hàng Macy của Mỹ, sự đầu tư này đã làm tăng tới 10 phần trăm doanh số trong các cửa hàng

2.1.3 Xu hướng cá nhân hóa trải nghiệm mua sắm trong thương mại điện tử

Trong báo cáo Công nghệ Bán lẻ 2014 do Retail TouchPoints thực hiện, cá nhân hóa trải nghiệm mua sắm là một trong bốn xu hướng mới của ngành bán lẻ Trong nền kinh tế hiện nay, với bối cảnh hoạt động mua sắm trực tuyến đang ngày càng phát triển mạnh mẽ, các nhà kinh doanh đang tìm những cách tiếp cận khác nhau để được khách hàng đánh giá cao, để tăng tỷ lệ chuyển đổi mua sắm của những khách hàng tiềm năng ghé thăm các trang web, để giữ chân khách hàng, để lôi kéo họ quay trở lại trong những lần sau, đặc biệt là gia tăng lòng trung thành,… và một trong những giải pháp tốt nhất được nhắc đến là cá nhân hóa trải nghiệm mua sắm thông qua thương mại điện tử Các cửa hàng bán lẻ truyền thống thường có lợi thế hơn so với các cửa hàng trực tuyến ở chỗ họ có thể cung cấp dịch vụ mang tính cá nhân Khi đó, người bán hàng có thể tương tác trực tiếp với khách hàng để tìm ra điều mà

họ muốn, nhu cầu, sở thích của họ, sau đó đề xuất các mặt hàng, dịch vụ bổ sung để thỏa mãn nhu cầu mua sắm của khách hàng tốt hơn Còn đối với các trang web bán hàng trên mạng thì mọi điểm tiếp xúc đều là gián tiếp qua nhiều công cụ, chẳng hạn như website, điện thoại, liveChat, email,… do đó không tránh khỏi sự chung chung

Trang 31

khiến cho chất lượng dịch vụ không được tốt như mong đợi Khai phá dữ liệu cho các nhà bán lẻ cơ hội để bắt chước cách mà các chủ của hàng nhỏ vẫn làm, điều chỉnh kỹ thuật bán hàng, giá cả, cách thức giao tiếp với từng khách hàng theo điều kiện và sở thích của họ Nghiên cứu được trích dẫn trên blog của Harvard Business Review thấy rằng:

 Việc cá nhân hóa sản phẩm, dịch vụ theo từng khách hàng có thể mang lại mức hiệu quả 5-8 lần so với đầu tư vào marketing thông thường và tăng doanh số bán hàng 10 phần trăm

 Có đến 59% người tiêu dùng nói rằng họ có thể dễ dàng tìm thấy những gì mình muốn một cách nhanh chóng và thuận tiện khi tiến hành mua sắm trực tuyến trên các trang web thương mại điện tử cá nhân hóa, và 45% người mua nói rằng họ sẽ ưu tiên mua hàng trên những trang web cung cấp cho mình các khuyến nghị cá nhân phù hợp với nhu cầu, sở thích

Ngoài ra, nghiên cứu của business2community còn chỉ ra:

 75% người tiêu dùng thích thú với việc chào hàng sản phẩm trên các trang web cá nhân hoá

14%, và gia tăng tỷ lệ chuyển đổi mua hàng hơn 10% so với những sản phẩm bình thường

web cung cấp cho mình một trải nghiệm cá nhân tốt

 Gần ba phần tư (74%) người tiêu dùng trực tuyến nhận được sự thất vọng với các trang web khi nội dung (ví dụ như chào hàng, quảng cáo, khuyến mãi) xuất hiện mà không mang lại bất cứ lợi ích gì

Với những lợi ích rõ rệt của cá nhân hóa trải nghiệm mua sắm, đặc biệt với sự bùng nổ của các mạng xã hội, người tiêu dùng sẵn sàng chia sẻ những trải nghiệm thú vị họ có được nhờ việc cá nhân hóa sản phẩm, dịch vụ mang lại cho họ với bạn

bè, người thân càng làm cho độ hiệu quả của xu hướng này được lan truyền rộng rãi

Trang 32

2.1.4 Khó khăn trong nhận diện nhóm khách hàng giá trị

Ưu tiên những khách hàng giá trị cao là điều cần thiết cho sự thành công, đặc biệt khi xét đến chi phí bỏ ra để có được khách hàng mới lớn gấp nhiều lần chi phí để giữ những khách hàng mang lại giá trị cao Những cải tiến trong khai phá dữ liệu cho phép các nhà bán lẻ sàng lọc dữ liệu, từ đó khả năng nhận diện khách hàng mang lại giá trị cao được cải thiện Một nghiên cứu gần đây của Aberdeen Group cho thấy rằng 59 % các nhà bán lẻ thừa nhận việc thiếu hiểu biết về người tiêu dùng vẫn là một trong những mối lo ngại hàng đầu của họ mặc dù các nhà bán lẻ đang có

dữ liệu khách hàng lớn hơn bao giờ hết Đối với các doanh nghiệp cạnh tranh trong một ngành công nghiệp có lợi nhuận mỏng như ngành bán lẻ, khai thác dữ liệu đúng

và phân tích thông minh sẽ dẫn tới những khách hàng hài lòng hơn, trung thành hơn

từ đó tạo ra lợi thế cạnh tranh

2.2 Phân tích hoạt động khai phá dữ liệu của một số hãng bán lẻ điển hình trên thế giới

2.2.1 Hoạt động khai phá dữ liệu của Amazon

2.2.1.1 Giới thiệu về Amazon

Amazon hiện là trang web bán lẻ có phạm vi ho ạt động khổng lồ trên toàn thế giới với doanh thu năm 2014 đạt 89 tỷ USD nhiều hơn bất kỳ hãng bán lẻ nào khác Tầm nhìn của Amazon là gì? Nó bao gồm hai điều: Một là để mang đến sự lựa chọn lớn nhất cho khách hàng bao gồm nhiều triệu sản phẩm và họ đang tiếp tục mở rộng chiều sâu và bề rộng của các dịch vụ của họ Điều thứ hai là trở thành công ty lấy khách hàng làm trung tâm nhất (the Earth's most customer-centric company), tập trung vào việc Amazon không ngừng cải thiện khả năng của mình để giúp khách hàng tìm thấy những gì họ muốn, tham khảo và mua hàng

Chiến lược kinh doanh c ủa Amazon tập trung vào giá, sự thuận tiện, và sự lựa chọn:

Trang 33

 Giá: đây là điều mà khách hàng sẽ luôn quan tâm Họ không nhất thiết cần phải được các mức giá thấp nhất, nhưng họ cần phải được cung cấp những mặt hàng với giá cả cạnh tranh tại mọi thời điểm Amazon luôn cố gắng tận dụng chi phí cố định trên một số lượng rất lớn khách hàng cũng như hàng trong kho để duy trì một lợi thế cạnh tranh Công ty tin r ằng giá là một yếu tố quan trọng trong việc thu hút mọi người vào trang web của họ, ngay cả khi

họ cho phép các bên bán lẻ thứ ba bán trực tiếp các sản phẩm của mình thông qua trang web của Amazon

 Thuận tiện: điều này bao gồm các tính năng như các khuyến nghị, gợi ý sản phẩm mong muốn, quy trình đ ặt hàng, thanh toán đơn giản chính sách giao hàng cùng ngày được thử nghiệm tại nhiều thành phố

 Lựa chọn: doanh nghiệp cung c ấp một lượng khổng lồ các hàng hóa với hơn

7 triệu danh mục sản phẩm các loại

Tại Amazon.com, công ty sử dụng khai phá dữ liệu để cá nhân hóa các cửa hàng trực tuyến cho mỗi khách hàng Các cửa hàng hoàn toàn có thể thay đổi dựa trên sở thích của khách hàng ví dụ hiển thị các tiêu đề phần mềm lập trình cho một kỹ sư phần mềm trong khi hiển thị đồ chơi trẻ em cho một bà mẹ mới sinh… Ở Amazon, ngay c ả số lần cú click chuột, thời gian chuyển đổi giữa các click chuột cũng là những thông tin quan trọng giúp công ty biết được sở thích c ủa người xem từ đó có những điều chỉnh hợp lý

Trong môi trường các trang web thương mại điện tử như Amazon, các thuật toán gợi ý sản phẩm tỏ ra rất phù hợp và hiệu quả do:

 Một nhà bán lẻ lớn có thể có một lượng lớn dữ liệu, hàng chục triệu khách hàng và hàng triệu mục sản phẩm riêng biệt

 Nhiều ứng dụng đòi hỏi kết quả thiết lập để được trở lại trong thời gian thực, không quá nửa giây, trong khi vẫn tạo ra những sự gợi ý chất lượng

 Khách hàng mới thường có rất ít thông tin, họ chỉ biết dựa vào một vài sản phẩm đã mua và đánh giá Trong khi đó khách hàng quen thuộc lại có thừa

Trang 34

 Dữ liệu về khách hàng có nhiều biến động, mỗi dữ liệu về khách hàng đều có thể có giá trị và các thuật toán sử dụng trong khuyến nghi sản phẩm cho phép phản ứng ngay lập tức với thông tin mới

2.2.1.2 Hoạt động khai phá dữ liệu của Amazone trong ứng dụng khuyến nghị sản phẩm (Product Recommendations )

Một trong những ứng dụng rộng rãi nhất của khai phá dữ liệu đó là phục vụ cho hoạt động giới thiệu, gợi ý sản phẩm (Product Recommendations) trên các trang web thương mại điện tử, nơi mà họ sử dụng các thông tin đầu vào về khách hàng để tạo ra một danh sách các sản phẩm gợi ý, khuyến nghị Nhiều trang Web chỉ sử dụng các thông tin liên quan tới mặt hàng mà khách hàng mua và đánh giá để làm

cơ sở đưa ra các sản phẩm gợi ý, nhưng họ cũng có thể sử dụng cả các thuộc tính khác bao gồm các mặt hàng mà khách hàng xem qua, dữ liệu nhân khẩu học, sở thích cá nhân hay cả các nghệ sĩ yêu thích Amazon là một trong những công ty đi đầu trong việc xây dựng một hệ thống gợi ý sản phẩm hết sức thành công

Hiện nay, trang web Amazon có hai loại ứng dụng khuyến nghị sản phẩm Chúng

ta cùng lần lượt điểm qua:

Phương pháp này có thể coi ứng dụng gợi ý sản phẩm như là một phép tìm kiếm các sản phẩm có liên quan Với thông tin về các mặt hàng đã được mua cùng đánh giá (rating) của người dùng, các thuật toán xây dựng một truy vấn để tìm kiếm để tìm các sản phẩm phổ biến khác của cùng tác giả, nghệ sĩ, hoặc đạo diễn hoặc với từ khóa tương tự Nếu một khách hàng mua đĩa phim Godfather DVD Collection, hệ thống có thể sẽ gợi ý thêm các đĩa phim khác ví dụ cùng là phim về thể loại tội phạm hình sự, ho ặc là cùng do diễn viên Marlon Brando đóng, hoặc các phim khác cùng của đạo diễn Francis Ford Coppola như trong Hình 2.1 Nếu người dùng mới chỉ có một số ít sản phẩm được mua hoặc xếp hạng, gợi ý sản phẩm cùng loại sẽ tỏ

ra hữu ích và hiệu quả Tuy nhiên, đối với người sử dụng với hàng ngàn danh mục

Trang 35

đã mua, sẽ là bất khả thi để thực hiện truy vấn trên tất cả các mặt hàng và đưa ra gợi

đề bộ phim DVD bán chạy nhất) hoặc quá hẹp (chẳng hạn như tất cả các cuốn sách của cùng tác giả) Việc gợi ý sản phẩm nên giúp khách hàng tìm và khám phá ra những mặt hàng mới, phù hợp, liên quan và thú vị Trong trường hợp này gợi ý sản phẩm cùng loại đã thất bại

 Ứng dụng gợi ý sản phẩm khác loại (Item-to-Item Collaborative Filtering) Thay vì giới thiệu đến khách hàng những sản phẩm tương tự như phương pháp trên, gợi ý sản phẩm khác loại (Item-to-Item Collaborative Filtering) sẽ đưa ra một tập hợp các gợi ý với đa dạng các loại sản phẩm Như trong Hình 2.2, danh sách các mặt hàng được khuyến nghị được dựa trên những sản phẩm đang có trong giỏ hàng Đặc điểm của việc gợi ý này tượng tự với cách mua hàng tùy hứng, ngẫu nhiên trong siêu thị chỉ có điều các sản phẩm được nhìn thấy đã được nhắm đến cho phù

Trang 36

động Marketing một cách có chọn lọc, có khả năng cá nhân hóa cao tạo ra những trải nghiệm mua sắm riêng biệt cho từng cá nhân

Hình 2.2 Ví dụ về gợi ý sản phẩm khác loại của Amazon

Nguồn: www.amazon.com

Đối với các nhà bán lẻ lớn như Amazon.com, các thuật toán gợi ý sản phẩm ho ạt động trên một cơ sở dữ liệu đồ sộ về khách hàng và danh mục sản phẩm trong khi thời gian yêu cầu xử lý chỉ tính bằng milis đã cho phép doanh nghiệp có thể phản ứng ngay lập tức với những thay đổi trong dữ liệu của người dùng, tạo ra những đề xuất hấp dẫn cho tất cả người dùng không phụ thuộc vào số lượng mua hàng và hay thứ hạng đánh giá (rating)

2.2.1.3 Hoạt động cá nhân hóa Email (Personalized Email) của Amazon

Amazon có 237 triệu khách hàng đang hoạt động Nếu nó là một quốc gia, nó sẽ

là quốc gia đông dân thứ tư trên thế giới Tại Hoa Kỳ, Amazon sở hữu tới 30% thị phần trong thương mại điện tử của Mỹ? Điều gì đã góp phần tạo nên sự tăng trưởng

và lớn mạnh của đế chế này khi mà trong thời đại này nhiều hãng bán lẻ khác cũng

có khả năng tiếp cận những công cụ, phần mềm, hạ tầng như Amazon Câu trả lời rất đơn giản: Amazon được xây dựng trên một nền văn hóa của sự đổi mới Trong năm 2013, Amazon đã chi tới $ 6.5 tỷ USD cho hoạt đông R&D của mình với tập trung chủ yếu vào công nghệ Trong đó, c á nhân hóa email là một minh chứng rõ nhất cho việc không ngừng đổi mới, nâng cao chất lượng phục vụ khách hàng của hãng

Định dạng
Số trang	73
Dung lượng	1,78 MB