h. Phân tích phương tiện truyền thông xã hộ
4.3.1. Bản chất và vai trò của hồi qui logistic trong phân tích khách hàng
Hồi qui logistic cũng tương tự như với hồi qui tuyến tính nhưng với biến phụ thuộc là biến nhị phân. Ví dụ: biến phụ thuộc là “giữ chân khách hàng”. Nếu một công ty muốn sử
63
dụng phân tích hồi quy để kiểm tra xem liệu họ có giữ được khách hàng hay không, nó sẽ đặt mức giữ chân làm biến phụ thuộc. Tuy nhiên, thay vì phân phối bình thường (phân phối chuẩn) như trong hồi qui tuyến tính với sự phân phối theo đường cong hình chuông (Hình 4.1), biến kết quả trong hồi qui logistic là biến nhị phân. Giá trị 1 được sử dụng để thể hiện sự duy trì của khách hàng và 0 sẽ biểu thị sự từ bỏ của khách hàng. Chỉ có hai kết quả xảy ra: 1 (giữ được khách hàng), 0 (không giữ được). Bạn cũng có thể hiểu đây là một biến giả (biến dummy) trong đó những gì bạn đang cố gắng dự đoán là một trong hai tùy chọn.
Hình 4.1. Phân phối chuẩn
Mục tiêu của hồi quy logistic trong ví dụ này là phản ánh hành vi lựa chọn của người tiêu dùng một cách chính xác nhất có thể:
• Khi người tiêu dùng cá nhân chọn sản phẩm, giá trị mà họ đặt trên sản phẩm thường không tăng tuyến tính khi tăng tính năng ưu tiên của sản phẩm.
• Thay vào đó, nghiên cứu cho thấy định giá người tiêu dùng của một sản phẩm thường theo một đường cong hình chữ S với sự gia tăng liên quan đến những mức độ của thuộc tính ưa thích.
• Ví dụ:
• Phản ứng của người mua tiềm năng (về việc mua hàng) đối với các mức giảm giá
• Khả năng ở lại với doanh nghiệp khi số điểm tích và quà tặng tăng thêm
4.3.2. Hồi qui logistic
Bây giờ bạn thấy rằng hồi quy tuyến tính sẽ không đủ để thể hiện chính xác các lựa chọn của người tiêu dùng cá nhân. Hình 4.2 cho thấy phân phối xác suất từ 0 đến 1 đại diện cho hàm logistic.
64
Hình 4.2. Phân phối xác suất đại diện cho hàm logistic Trong ví dụ trên, ta có hàm hồi qui logistic như sau:
Trong đó, up là tiện ích/lợi ích mà khách hàng nhận được từ sản phẩm (p = a + b X) . Hàm tiện ích (up), còn được gọi là hàm giá trị, được sử dụng để mô tả giá trị mà khách hàng đặt trên một hàng hóa hoặc dịch vụ nhất định. Lấy ví dụ về sản phẩm cà phê chẳng hạn. Để tìm tiện ích hoặc giá trị, bạn có thể xuất phát từ một tách cà phê, bạn phải xem xét tất cả các biến có thể đi đến quyết định mua cốc cụ thể đó: hương vị, giá cả, logo, vị trí của cửa hàng từ đó bạn mua nó, thói quen cá nhân của bạn, và sự vui vẻ mà nó mang lại cho bạn vào buổi sáng. Để thuận tiện cho mục đích, và dựa trên các nghiên cứu hành vi chỉ ra cách mọi người xử lý các biến theo cách cộng gộp, hàm giá trị được coi là tuyến tính.
Hàm logistic được sử dụng để mô tả các cách thức mà người tiêu dùng đưa ra lựa chọn có dạng số mũ của hàm giá trị lớn hơn 1,cộng với số mũ của hàm giá trị. Phân phối kết quả trông giống như một đường cong hình chữ S, như trong Hình 4.2. Các dự đoán từ hàm này bị ràng buộc giữa 0 và 1 (có nghĩa là nếu một kết quả là 0.1, kết quả ngược lại là 0.9).
Làm thế nào để marketing manager có thể sử dụng kỹ thuật hồi qui logistic để có được những thông tin về hành vi khách hàng? Chúng ta sẽ xem ví dụ sau đây:
Ví dụ, Xbox là một công ty game. Các sản phẩm game của họ được bán/phân hối thông qua app (trên mobi) Best Buy. Bảng sau đây thể hiện các kết quả bán và các dữ liệu liên quan về các sản phẩm game của Xbox. Trong đó, tên các cột dữ liệu được hiểu như sau:
• Numsales= số lượng game được bán
• Sales= tình trạng bán so với game trong cùng loại. Giá trị 1 thể hiện tình trạng tốt hơn và 0 thể hiện không tốt bang
65
• New= tình trạng mới của game
• Price= giá bán
• CRC= số lượng review của khách hàng
Bảng 4.1. kết quả bán và các dữ liệu liên quan về các sản phẩm game của Xbox
Để triển khai lập hàm logistic và tính toán trên phần mềm SPSS, bạn có thể làm theo các bước sau:
Game numsales sales New Price CRC
Sniper 53 1 0 19.99 7 Monopoly 12 0 0 29.99 3 MySims SkyHeroes 3 0 0 19.99 1 Fifa Scoccer 85 1 0 12.99 18 Hasbro 6 0 0 9.99 2 The Sims 3 140 1 1 19.99 13 Two Words 2 5 0 0 39.99 8 Call of Duty 41 1 0 68.18 2 Castlevania 15 0 0 7.99 4
Need for Speed 168 1 1 19.99 45
67
Cách đọc kết quả của hồi qui logistic cũng tương tự như chúng ta đọc kết quả của hàm hồi qui tuyến tính. Các giá trị quan trọng bạn cần quan tâm là P value và R bình phương.
Câu hỏi ôn tập cuối chương
1. Trình bày bản chất và vai trò của phân tích khách hàng
2. Đâu là những vấn đề chính trong phân tích khách hàng? Trình bày những vấn đề đó 3. Thế nào là giá trị vòng đời của khách hàng? Trình bày vai trò của việc tính toán và
phân tích giá trị vòng đời của khách hàng
4. Trình bày công thức tính giá trị vòng đời của khách hàng theo Gupta và Lemann (2003). Việc áp dụng công thức này phải đối diện với những thách thức gì?
5. Trình bày về mối quan hệ giữa giá trị vòng đời khách hàng và việc giữ chân khách hàng? Nêu các cách tiếp cận để phân tích mối quan hệ này.
68
6. Trình bày về hồi qui logistic. Đâu là sự khác biệt của hàm hồi qui này và hồi qui tuyến tính.
7. Trình bày vai trò của hồi qui logistic và lấy ví dụ về việc áp dụng hồi qui logistic trên thực tế
8. Đâu là những thách thức của việc áp dụng hồi qui logistic? .
69