CHƢƠNG 1 : TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU TRONG MARKETING
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 tồn 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:
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
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. Cơng 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 thơng 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 tốn 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 hồn tồn 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 cơng 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 thơng tin, họ chỉ biết dựa vào một vài sản
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Dữ liệu về khách hàng có nhiều biến động, mỗi dữ liệu về khách hàng đều có
thể có giá trị và các thuật tốn 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:
Ứng dụng gợi ý sản phẩm cùng loại (Search-Based method)
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
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
đã mua, sẽ là bất khả thi để thực hiện truy vấn trên tất cả các mặt hàng và đưa ra gợi ý.
Hình 2.1 Ví dụ về gợi ý sản phẩm cùng loại của Amazon
Nguồn: www.amazon.com
Trong trường hợp này, các thuật toán phải sử dụng một tập hợp con các dữ liệu sau đó sẽ dựa trên chúng để đưa ra gợi ý như thế sẽ làm giảm đáng kể chất lượng của việc gợi ý sản phẩm.. Việc gợi ý sẽ thường quá chung chung (như tất cả các tiêu 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 hợp với từng cá nhân cụ thể. Khai phá dữ liệu đã cho phép Amazon thực hiện hoạt
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
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 cơng 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 đơng R&D của mình với tập trung chủ yếu vào cơng 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.
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Với email, cũng như các kênh truyền thống thì điều quan trọng doanh nghiệp cần đạt được là có nhiều người thực sự quan tâm đến thông điệp của bạn. Khi doanh nghiệp bấm nút “gửi” thì họ khơng chỉ phát tán thơng điệp vào hộp thư của người nhận mà cịn đang giao tiếp với chính bản thân người được nhận. Mặc dù hầu hết các doanh nghiệp khơng có ý định “thả bom” thư cho khách hàng nhưng họ vẫn sử dụng cách đó để chuyển tải thơng điệp của mình mặc dù tỷ lệ trả lời khơng cao. Cá nhân hố email tiếp thị sẽ giúp cải thiện hiệu quả của nó và đảm bảo rằng doanh nghiệp có thể cung cấp thêm nhiều giá trị, lợi ích phù hợp hơn với khách hàng của mình. Email cá nhân làm việc tốt hơn vì nó đáp ứng được nhu cầu cá nhân của khách. Thông thường với bất cứ ai cũng vậy, khi mở mail lên mà nhận được thư từ những địa chỉ chung chung thì bạn sẽ nghĩ ngay đến thư quảng cáo, thư rác và sẽ vứt ngay nó vào thùng rác hay xóa đi mà khơng cần phải đọc. Nhưng với một email tiếp thị được gửi từ địa chỉ cá nhân thì khác, khách hàng tiềm năng c ủa bạn sẽ khơng thể làm như vậy, ít nhất là họ sẽ đọc hết nội dung trước khi có bất cứ hành động nào tiếp theo. Nói cách khác, việc cá nhân hóa email tiếp thị sẽ giúp gia tăng cơ hội để bạn thu hút sự chú ý và tiếp xúc với khách hàng tiềm năng của mình.
Hình 2.3 Tại Amazon, mọi email đều đƣợc cá nhân hóa bằng việc tận dụng mọi thơng tin từ khách hàng: hành vi xem hàng, lịch sử mua hàng, địa chỉ, tuổi, giới tính…
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Amazon đã sử dụng chiến lược này đặc biệt tốt. Dưới đây là 9 loại email Amazon thường dùng để chăm sóc khách hàng từ khi một người bắt đầu đến với Amazon lần đầu tiên cho tới khi trở thành khách hàng thân thiết. Nếu bạn tò mò và muốn trải nghiệm hãy lập một tài khoản Amazon để mua một vài món hàng, q trình nhận email từ Amazon sẽ diễn ra như Hình 2.4.
Email xin chào ( The Welcome email)
Vì tại giai đoạn này, Amazon vẫn chưa biết nhiều về khách hàng nên chưa có nhiều tính cá nhân hóa trong email. Email mang tính tổng quan về những sản phẩm, dịch vụ công ty cung cấp đồng thời hướng dẫn khách hàng các bước để biết thêm thơng tin chi tiết.
Hình 2.4: 9 loại email Amazon thƣờng dùng để chăm sóc khách hàng
Nguồn: ww.marketplace.org
Email hóa đơn (The Receipt email)
Email này cung c ấp các thông tin cần thiết về quá trình mua của khách hàng nhằm giúp họ lưu trữ được quá trình mua s ắm của mình. Trong thư cịn đi kèm cả link Facebook, Twitter để người dùng có thể chia sẻ với bạn bè. Và mục “Your Recommendations” cũng xuất hiện. Đây chính là khởi đầu của việc thu thập, phân
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
tích dữ liệu. Click vào đường link này sẽ dẫn khách hàng tới một trang danh sách các sản phẩm gợi ý dựa trên hóa đơn, tạo ra sự tương tác mang tính cá nhân làm cơ sở cho hãng biết thêm về khách hàng.
Email giao hàng (The Shipping Confirmation email)
Email này có nội dung thơng báo sản phẩm đã được giao đi, giao dịch đã hồn tất và khơng thể thay đổi.
Email cảm ơn ( The Thank you Email)
Có thể tóm tắt nội dung của email này như sau: Xin cảm ơn vì đã mua hàng t ại Amazon. Sau đây là hàng loạt cách để bạn có thể mua sắm nhiều hơn nữa qua mọi loại phương tiện, thiết bị. Email cung cấp đề xuất thêm nhiều sản phẩm liên quan khác để kích thích khách hàng tiếp tục mua sắm dựa trên những thơng tin hãng có được qua q trình mua sắm bạn đã thực hiện.
Email mời chào – The Invitation Email:
Email này đặc biệt phù hợp với lợi ích của khách hàng. Amazon sử dụng dữ liệu thu thập được từ lịch sử mua sắm của khách hàng để gửi bản chào hàng với nhiều sản phẩm cụ thể phù hợp với lợi ích c ủa họ. Ví dụ, sau khi để ý thấy bạn mua các mặt hàng quần áo một số lần gần nhau liên tiếp, Amazon sẽ gửi email xin mời bạn làm thành viên của một trang web mang tên Myhabbit.com, t ại trang web này của Amazon, các thành viên sẽ nhận được các ưu đãi khi mua sắm vì bạn đã bộc lộ dấu hiệu hình thành thói quen cho việc mua quần áo. Hơn nữa, nếu bạn là một người trung niên, thì hình ảnh về người mẫu trong email cũng là những người thuộc độ tuổi của bạn, tất nhiên cùng giới tính. Ở đây, các thông tin về nhân khẩu học đã được thu thập, phân tích và ứng dụng.
Email bổ sung giỏ hàng – The Upsell Email
Nếu một khách hàng là một người sở hữu vật nuôi? Dựa trên danh sách sản phẩm khách hàng này đã mua, Amazon sẽ biết được điều đó và mong đợi họ sẽ chi thêm nhiều hơn nữa cho vật cưng c ủa mình. Nội dung email này sẽ mang tính cá nhân rất cao và mang tính trực tiếp: “Chúng tơi biết bạn cần các sản phẩm cho vật nuôi, hy
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Hoi Can Su FTU Hoi Can Su FTU Hoi Can Su FTU
Email khuyến mại – The Black Friday Email:
Hầu như mọi hãng bán lẻ đều sử dụng email này như một cách khuyến khích người tiêu dùng mua sắm chỉ có điều, trong email này của Amazon bạn sẽ chỉ được giới thiệu những sản phẩm khuyến mãi mà Amazon nghĩ rằng bạn đang quan tâm. Tất cả đều nhờ khai phá dữ liệu đã giúp hãng thấu hiểu hơn khách hàng.
Email tham khảo ý kiến sau khi mua – The review email
Đây chính là một cách Amazon bày tỏ sự quan tâm tới sự hài lòng của người tiêu dùng bằng cách mời họ đánh giá về những món hàng đã mua. Ví dụ, một khách hàng mới mua một đơi giày cỡ L. Email sẽ có nội dung như “Xin hỏi đôi giày cỡ L bạn vừa mua có hợp với bạn không? và sẽ co các sự lựa chọn khác nhau như: nhỏ, hơi nhỏ, vừa, hơi rộng, rộng. Bạn cũng có thể xem ý kiến, đánh giá của tất cả các khách hàng đã mua và bình luận về sản phẩm như một nguồn tham khảo đáng tin cậy.
Email Browsing History: Đây là một dạng email mang đặc điểm rất lớn của
khai phá dữ liệu. Bạn chỉ cần tìm kiếm một sản phẩm ví dụ: quyển sách ho ặc một đĩa phim có thể là trên Google, Facebook.. rất có thể bạn sẽ nhận được một email từ Amazon mời chào bạn xem các sản phẩm mà bạn vừa tìm kiếm cùng các sản phẩm có liên quan.
2.2.1.4 Hiệu quả khai phá dữ liệu mang lại cho Amazon
Hình 2.5 Một dạng của Email tham