- Tiếp cận dữ liệu thứ cấp lưu ý:
BH 3.4: Ví dụ về việc lưu trữ và chọn lọc dữ liệu từ gian thực
3.4. Phân tích và phân phối dữ liệu
(1) Hoạt động khai phá dữ liệu (data mining): Trích rút các dữ liệu từ kho chứa DL, thông qua phân tích thống kê, giúp nhà MKT:
+ Xác định lại chiến lược Marketing mix + Nhận dạng cơ hội phát triển sản phẩm mới + Dự báo hành vi khách hàng
3.4. Phân tích và phân phối dữ liệu
(2) Hệ thống dữ liệu về KH (customer profiling): Giúp nhà marketing hiểu được đặc điểm và hành vi của nhóm khách hàng mục tiêu thông qua:
+ Cách thức mua hàng của khách hàng
+ Cách thức khách hàng tác động trở lại với các chào hàng và các mức giá của DN
+ Lựa chọn các nhóm khách hàng mục tiêu cho các thử nghiệm xúc tiến mới + Tìm và giữ chân KH
+ Xác định các đặc điểm quan trọng của sp mà khách hàng quan tâm
+ Giảm CP gửi thư trực tiếp bằng việc mục tiêu hóa những KH có phản ứng phúc đáp cao
(3) Phân tích RFM (recency, frequency, monetary): Sử dụng dữ liệu với 3 tiêu chuẩn chính:
+ Lần mua hàng cuối cùng của KH là khi nào? (tính chất mới xảy ra) + KH mua SP của công ty bao nhiều lần? (mức độ thường xuyên) + KH đã chi bao nhiêu tiền để mua SP? (mức độ tài chính)
Giúp DN đưa ra các chương trình chào hàng đến gần nhất với khách hàng “hiệu quả” từ đó giảm chi phí truyền thông và tăng doanh thu bán hàng
(4) Thu thập các bản báo cáo: Nhà tập hợp báo cáo tự động chuyển đổi bản báo cáo thành những bài viết ngắn gọn, xúc tích, dễ hiểu, có chất lượng từ các dữ liệu thu thập trong kho chứa dữ liệu
Chương 3
Quản trị tri thức marketing
3.1. Tri thức Marketing và quản trị tri thức Marketing
3.2. Cơ sở dữ liệu điện tử
3.3. Các phương pháp thu thập dữ liệu điện tử
3.4. Phân tích và phân phối dữ liệu