Thứ nhất, ứng dụng trong công cụ tìm kiếm: Các dịch vụ tìm kiếm có thể ứng dụng trí tuệ nhân tạo để “dự đoán” mục đích của người sử dụng khi thực hiện tìm kiếm với một cụm từ khóa lạ. Một hệ thống phổ biến đang được Google đang triển khai hiện
29
nay là RankBrain. Thông qua học máy, RankBrain có thể dịch từ và chuyển thể cụm từ chưa bao giờ nhìn thấy đó sang một từ quen thuộc có ý nghĩa tương tự.
Thứ hai, ứng dụng trong xác định khách hàng mục tiêu: Với trí tuệ nhân tạo và học máy, các công ty có thể dựa vào phân tích dữ liệu khách hàng trực tuyến với dữ liệu lớn (Big Data) để phân loại khách hàng vào các nhóm khác nhau dựa trên thông tin nhân khẩu học, sản phẩm từng mua, hành vi ngoại tuyến và lịch sử duyệt web trực tuyến. Với trí tuệ nhân tạo, các chuyên gia marketing có thể xác định được thời điểm mà khách hàng sẽ trải qua những sự kiện lớn trong cuộc sống, thời gian mà họ có thể sẽ thay đổi thói quen mua sắm của mình.
Thứ ba, ứng dụng trong xây dựng và phát triển mối quan hệ với khách hàng tiềm năng. Một ứng dụng khác của trí tuệ nhân tạo trong hoạt động marketing đó là việc sử dụng hệ thống bán hàng tự động ứng dụng trí tuệ nhân tạo để giao tiếp với khách hàng tiềm năng của công ty. Các công ty có thể thu thập được thông tin liên lạc, giới thiệu tính năng của sản phẩm và bỏ qua những khách hàng không tiềm năng.
Ví dụ, Conversica với hệ thống bán hàng tự động sử dụng ngôn ngữ tự nhiên để gửi email và trò chuyện, tạo cảm giác như con người đích thực. Khi hệ thống này đã cung cấp thông tin cho khách hàng và xác định là khách hàng tiềm năng, nó sẽ kết nối đến nhân viên bán hàng để chốt giao dịch. Các cung cấp giải pháp số cung cấp cho các khách hàng trải nghiệm cá nhân hóa thông qua một dạng trí tuệ nhân tạo được gọi là giao diện khách hàng thụ động. Phương pháp này thu thập liên tục dữ liệu hành vi từ thiết bị của khách hàng, sử dụng học máy và trí tuệ nhân tạo để chọn trải nghiệm phù hợp với nhu cầu và mong muốn của khách hàng. Spotify’s Running, là ứng dụng điển hình cho giao diện khách hàng thụ động. Ứng dụng này thu thập dữ liệu theo dõi tập luyện từ điện thoại khách hàng để chọn nhạc có nhịp phù hợp với tốc độ người chạy.
Thứ tư, ứng dụng trong hoạt động bán hàng: Trí tuệ nhân tạo và học máy có thể cho phép các website gợi ý các sản phẩm phù hợp với nhu cầu hoặc cho phép tìm kiếm sản phẩm bằng giao tiếp hay bằng hình ảnh giống như giao tiếp với người bán hàng trong thực tế. Theo thống kê và dự báo của Accenture, ứng dụng của trí tuệ nhân tạo trong ngành bán buôn và bán lẻ sẽ chạm mức 59% vào năm 2035
Thứ năm, ứng dụng trong chương trình quảng cáo tự động (Programmatic Advertising). Bên cạnh ứng dụng trong hoạt động nghiên cứu khách hàng, bán hàng và công cụ tìm kiếm, các công ty có thể sử dụng những thế mạnh của quảng cáo có máy tính hỗ trợ (computational advertising) – chuỗi thuật toán cho phép các chuyên gia marketing cung cấp quảng cáo vào đúng thời điểm, dựa vào những yếu tố như thông tin nhân khẩu học, thói quen trong hoạt động trực tuyến và những nội dung mà khách hàng xem khi quảng cáo xuất hiện.
Thứ sáu, ứng dụng trong quảng cáo hình ảnh (In-Image Advertising) và lọc cộng tác (collaborative filtering). Trí tuệ nhân tạo và học máy được ứng dụng trong quảng cáo hình ảnh để mang đến những mẫu quảng cáo phù hợp trong từng trường hợp cụ thể dựa trên công nghệ học máy với một chuỗi thuật toán thông minh xử lý thông tin theo cách tương tự như não bộ của con người. Ví dụ: GumGum, công ty quảng cáo của Mỹ
30
đã thiết lập công nghệ trí tuệ nhân tạo của mình nhận biết tất cả các loại vật thể, con người, màu sắc, chủ đề và logo nhãn hàng bằng cách đưa hàng triệu hình ảnh được dán nhãn vào hệ thống thần kinh. Với cách làm này, công nghệ này có thể đặt một quảng cáo thích hợp vào mỗi bức ảnh. Bên cạnh đó, các nhà bán lẻ trực tuyến có thể ứng dụng trí tuệ nhân tạo qua việc cung cấp các sản phẩm đề nghị thông qua hệ thống lọc cộng tác (collaborative filtering) để liên kết những khách ghé thăm website với khách hàng khác có cùng nhu cầu.
Thứ bảy, ứng dụng trong hoạt động định giá sản phẩm. Bên cạnh việc ứng dụng trong các hoạt động xây dựng và phát triển mối quan hệ khách hàng, trong hoạt động quảng cáo và xác định khách hàng mục tiêu. Các chuyên gia marketing còn có thể ứng dụng trí tuệ nhân tạo trong hoạt động định giá. Cụ thể, dựa vào những gì khách hàng sẵn sàng trả cho sản phẩm trong hoàn cảnh tương tự ở quá khứ, các doanh nghiệp và các chuyên gia marketing có thể sử dụng học máy để đặt giá tốt nhất cho hàng hóa và dịch vụ của người bán ở bất kì thời điểm nào. Một trong những ví dụ điển hình của ứng dụng của trí tuệ nhân tạo trong định giá tự động cho các trường hợp thay đổi là trường hợp điều chỉnh giá bán trên Amazon Marketplace cho người bán đảm bảo việc tối ưu hóa lợi nhuận nhưng vẫn duy trì sức mạnh cạnh tranh với các đối thủ. Google cũng là một trường hợp điển hình khác trong việc sử dụng trí tuệ nhân tạo trong định giá bằng việc tự động điều chỉnh số tiền nhỏ nhất một nhà xuất bản đồng ý chi trả cho một lượt truy cập quảng cáo, dựa vào chi phí người mua đã trả cho một sản phẩm tương tự.
31
CHƯƠNG 3: BÀI TOÁN XÁC ĐỊNH CHỦ ĐỀ QUAN TÂM CỦA KHÁCH HÀNG TRỰC TUYẾN
3.1. MỘT SỐ KHÁI NIỆM VỀ PHÂN TÍCH DỮ LIỆU KHÁCH HÀNG 3.1.1. Quan hệ khách hàng trong kinh doanh
Tạo ra và quản trị quan hệ khách hàng cá nhân có thể thất bại nếu không có các thành tố không thể thiếu là nhận diện khách hàng, phân biệt khách hàng, đảm bảo an toàn thông tin khách hàng. Những thành tố này dựa trên sự duy nhất, cá biệt khách hàng và đặc điểm lặp lại của quan hệ với khách hàng.
Nhận diện khách hàng: Quan hệ chỉ hình thành với khách hàng cá nhân, không phải thị trường, bộ phận hay tập thể. Do đó, nhiệm vụ đầu tiên trong việc thiết lập một quan hệ là nhận diện từng khách hàng.
Phân biệt khách hàng: Biết được sự khác nhau của khách hàng cho phép doanh nghiệp tập trung các nguồn lực vào khách hàng nào mang lại giá trị nhiều nhất, vạch ra chiến lược cá biệt khách hàng cụ thể hoàn chỉnh nhằm thỏa mãn nhu cầu khác nhau của khách hàng. Phân biệt khách hàng liên quan đến việc phân loại khách hàng theo giá trị và theo nhu cầu.
Tương tác với khách hàng: Doanh nghiệp phải cải thiện hiệu quả của tương tác với khách hàng. Mỗi tương tác thành công nên đặt trong bối cảnh tất cả những tương tác lịch sử đã xảy ra. Tương tác hiệu quả giúp doanh nghiệp nhìn thấu nhu cầu của khách hàng.
Các hoạt động nhận diện khách hàng bao gồm:
- Xác định: Quyết định thông tin nhận diện khách hàng hiện tại (tên, địa chỉ, số điện thoại, số tài khoản, thông tin hộ gia đình). Khách hàng có thể dùng nhiều tên khác nhau, có thể là họ, tên lót, tên tài khoản nên vấn đề là xác định được tài khoản duy nhất. - Thu thập: Cơ chế thu thập những đặc điểm nhận dạng có thể thông qua mỗi khách hàng thường xuyên, dữ liệu thẻ tín dụng, đơn từ, tương tác trên web, bảng câu hỏi,...
- Liên kết: Liên kết các đặc điểm nhận dạng của khách hàng với tất cả các giao dịch, tương tác khách hàng để thực hiện tại tất cả các điểm tiếp xúc ở các đơn vị, bộ phận khác nhau của doanh nghiệp.
- Hội nhập (Tích hợp): Nhận dạng khách hàng không chỉ cần được liên kết với tất cả các tương tác, giao dịch mà còn phải được tích hợp vào hệ thống thông tin doanh nghiệp sử dụng để điều hành hoạt động kinh doanh. Chẳng hạn những đặc điểm nhận diện khách hàng thường xuyên của một khách hàng không cần được tích hợp vào hệ thống dữ liệu đặt chỗ bay
- Nhận ra: Khách hàng mua lại cần được nhận ra tại mọi điểm tiếp xúc. Chẳng hạn khách hàng dạo trên website, tới cửa hàng, gọi đến trung tâm dịch vụ khách hàng vào những thời điểm khác nhau cần được nhận ra là cùng một người chứ không phải là những sự kiện hay cá nhân riêng rẽ.
32
- Lưu trữ: Thông tin nhận diện từng khách hàng phải được lưu trữ và duy tr. trong một hoặc nhiều cơ sở dữ liệu điện tử.
- Cập nhật: Mọi dữ liệu khách hàng bao gồm dữ liệu nhận diện là đối tượng cần phải được kiểm duyệt, cập nhật, hoàn thiện hoặc xem lại thường xuyên.
- Phân tích: Các đặc điểm nhận diện khách hàng phải là yếu tố chính để phân tích những khác biệt giữa khách hàng cá nhân. Dựa vào những thông tin đó để nhận định nhu cầu và hành vi khách hàng trong tương lai.
- Tạo sự sẵn sàng: Dữ liệu các đặc điểm nhận diện khách hàng trên cơ sở dữ liệu phải sẵn có cho nhân viên, các bộ phận chức năng trong doanh nghiệp khi cần truy cập. Đặc biệt trong tổ chức dịch vụ, những thông tin nhận dạng khách hàng cá nhân sẵn có cho bộ phận tuyến đầu rất quan trọng. Máy tính giúp doanh nghiệp mã hóa, tập hợp, lọc và phân loại thông tin khách hàng. Lưu trữ thông tin nhận diện dưới dạng dễ tiếp cận là cốt yếu để thành công.
Đảm bảo an toàn: Thông tin khách hàng cá nhân rất nhạy cảm mang tính cạnh tranh và ảnh hưởng đến sự riêng tư của khách hàng nên cần được bảo vệ nghiêm ngặt nhằm ngăn cản việc sử dụng trái phép.
3.1.2. Vai trò của bài toán phân tích dữ liệu khách hàng
Để thành công và phát triển, một tổ chức, doanh nghiệp cần có khả năng tiếp thu, giữ chân, thỏa mãn và thu hút khách hàng của họ một cách hiệu quả. Phân tích dữ liệu khách hàng (Customer Analytics) rất quan trọng để đánh giá tổ chức, doanh nghiệp đã thực hiện việc này và có khả năng phát triển cũng như hỗ trợ các chiến dịch khác như thế nào. Thông thường bài toán phân tích dữ liệu khách hàng bao gồm:
Thứ nhất là phân tích để phát hiện sự hài lòng của khách hàng (Customer satisfaction analysis). Những khách hàng hài lòng với sản phẩm hoặc dịch vụ của tổ chức, doanh nghiệp có nhiều khả năng sẽ mua lại hay trở thành khách hàng thân thiết. Phân tích sự hài lòng của khách hàng là quá trình đánh giá xem khách hàng có nhận được những gì họ muốn và mong đợi từ tổ chức, doanh nghiệp, sản phẩm hoặc dịch vụ hay không? Khách hàng có hài lòng hay không hài lòng.
Thứ hai là phân tích để đánh giá giá trị trọn đời của khách hàng đối với tổ chức, doanh nghiệp (Customer lifetime value analytics). Phân tích giá trị trọn đời của khách hàng là quá trình phân tích giá trị của khách hàng đối với doanh nghiệp trong toàn bộ thời gian của mối quan hệ giữa khách hàng và tổ chức, doanh nghiệp. Thay vì nhìn vào lợi nhuận giao dịch, thì tổ chức, doanh nghiệp sẽ nhìn vào thời gian khách hàng có khả năng ở lại của khách hàng, tần suất họ có thể mua trong khoảng thời gian đó và do đó họ có giá trị như thế nào trong khung thời gian đó. Điều này cho phép tập trung chú ý tiếp thị vào các khách hàng có giá trị nhất. Hoàn thành tốt, phân tích này cũng có khả năng xác định các cách để tăng thời gian của mối quan hệ và giá trị của khách hàng.
Thứ ba là phân tích để phân loại hoặc phân nhóm khách hàng theo mục đích (Customer segmentation analytics) hay phân khúc khách hàng. Phân tích phân khúc
33
khách hàng là quá trình tìm kiếm các nhóm hoặc phân khúc trong thị trường tổng thể. Có thể đánh giá khách hàng của tổ chức, doanh nghiệp và chia họ thành nhiều phân khúc khác nhau có thể mua nhiều sản phẩm hơn một sản phẩm khác hoặc mua thường xuyên hơn cho phép tổ chức, doanh nghiệp có thể điều chỉnh các nỗ lực tiếp thị và truyền thông của mình. Mạng Internet là một nguồn dữ liệu khách hàng hữu ích, giúp các tổ chức, doanh nghiệp xác định các phân khúc rõ ràng bằng cách khai thác dữ liệu và phân tích văn bản là những công cụ hữu ích cho việc này.
Thứ tư là phân tích dữ liệu từ kênh bán hàng khác nhau nhằm lựa chọn thị trường và đưa ra chiến lược kinh doanh cho tổ chức (Sales channel analytics). Phân tích kênh bán hàng là xem xét tất cả các cách khác nhau mà tổ chức, doanh nghiệp phân phối sản phẩm cho thị trường của mình để xem kênh nào hiệu quả nhất, cho phép sử dụng tốt nhất các tài nguyên của mình. Để phân tích này, tổ chức, doanh nghiệp cần xác định tất cả các kênh bán hàng mà họ hiện đang sử dụng hoặc có thể sử dụng, sau đó quy từng doanh số cho một kênh và trừ chi phí bán hàng có liên quan cho mỗi kênh.
Thứ năm, phân tích dữ liệu từ các phương tiện truyền thông xã hội nhằm hỗ trợ các chiến lược kinh doanh và marketing (Social media analytics) của tổ chức, doanh nghiệp. Phân tích phương tiện truyền thông xã hội là quá trình thu thập và phân tích dữ liệu từ phương tiện truyền thông xã hội để xem khách hàng đang nói gì về sản phẩm, dịch vụ, thương hiệu hoặc công ty. Trong phân tích phương tiện truyền thông xã hội, dữ liệu văn bản từ các bài đăng và blog trên phương tiện truyền thông xã hội được thu thập và khai thác cho những hiểu biết có liên quan về mặt thương mại bằng cách sử dụng phân tích văn bản và phân tích tình cảm.
Thứ sáu, phân tích sự tham gia của khách hàng vào các chương trình, chiến lược của tổ chức, doanh nghiệp để đánh giá sự thành công của các chiến dịch (Customer engagement analytics). Phân tích sự tham gia của khách hàng là một lĩnh vực phát triển nhanh chóng, nơi các tổ chức, doanh nghiệp đang cố gắng lập bản đồ toàn bộ hành trình tương tác của khách hàng trực tuyến và ngoại tuyến. Về cơ bản, đó là quá trình đánh giá mức độ (hoặc nói cách khác) thu hút khách hàng của tổ chức, doanh nghiệp với các sản phẩm, dịch vụ hoặc thương hiệu thông qua các tương tác khác nhau này. Các cách đo lường sự tham gia của khách hàng bao gồm khảo sát và phân tích phương tiện truyền thông xã hội.
3.1.3. Dữ liệu khách hàng
Dữ liệu khách hàng là bất kỳ loại dữ liệu nào mà tổ chức, doanh nghiệp sở hữu cho biết khách hàng đang sử dụng sản phẩm hoặc dịch vụ như thế nào? tương tác với thương hiệu của tổ chức, doanh nghiệp ra sao? Các dữ liệu về khách hàng có thể cung cấp các thông tin hữu ích về nhu cầu, mong muốn, cảm xúc, trải nghiệm của khách hàng đối với từng sản phẩm, dịch vụ mà tổ chức, doanh nghiệp cung cấp.
Dữ liệu khách hàng thường phân thành một số nhóm như sau:
Thứ nhất là dữ liệu giao dịch: Đây là dữ liệu thu được trong quá trình trao đổi giữa tổ chức, doanh nghiệp và khách hàng, thường thu thập được từ các giao dịch bán
34
lẻ, giao dịch trực tuyến, thông tin về sản phẩm, hàng hóa, dịch vụ mà khách hàng đã mua, sử dụng và quan tâm. Thường mô tả về tên sản phẩm, tần suất sử dụng, khối lượng, mức độ, …
Thứ hai là dữ liệu về thông tin khách hàng: như các thông tin cá nhân của khách hàng, tình trạng hôn nhân, độ tuổi, giới tính, thu nhập, nghề nghiệp, … các dữ liệu này thường thu thập được từ các biểu mẫu đăng ký, các đợt phỏng vấn, khuyến mãi, … hoặc các điều tra về khách hàng để họ đưa ra cảm nhận, đánh giá, suy nghĩ về sản phẩm, dịch