TỔNG QUAN VỀ CUSTOMER DATA (P.1) – DỮ LIỆU KHÁCH HÀNG LÀ GÌ?

Dữ liệu khách hàng hay Customer data được coi là tài sản, nguồn thông tin vô giá đối với mọi công ty thuộc nhiều lĩnh vực kinh doanh khác nhau. Việc triển khai các quy trình khai thác, dự án nghiên cứu, phân tích Customer data với mục đích tìm hiểu, nắm bắt mong muốn, nhu cầu thầm kín của khách hàng, và chuyển nó thành những giá trị cụ thể thông qua từng chiến lược, kế hoạch hoạt động chính là chìa khóa cạnh tranh của mỗi tổ chức ngày nay.

TỔNG QUAN VỀ CUSTOMER DATA (P.1) – DỮ LIỆU KHÁCH HÀNG LÀ GÌ?

Đặc biệt so với những 10 năm trước đây, thì hiện tại với sự phát triển của khoa học công nghệ, kĩ thuật qua đó nâng cao khả năng của các công ty trong việc tiếp cận gần hơn với khách hàng, tiệp cận gần hơn với mỗi dữ liệu chứa đựng thông tin về sở thích, hành vi,…của khách hàng.

Tuy nhiên, để đạt được các mục tiêu đề ra khi sử dụng dữ liệu khách hàng hỗ trợ những chiến lược kinh doanh một cách hiệu quả thì không phải là điều đơn giản hay dễ dàng, mà nó chứa đựng muôn vàn thách thức, khó khăn khác nhau thậm chí cả rủi ro ví dụ trường hợp công ty bị tin tặc tấn công hệ thống mạng, hệ thống dữ liệu, bị rò rỉ, đánh cắp dữ liệu là thông tin cá nhân của khách hàng,…như chúng tôi từng đề cập ở 2 bài viết trước về Data security. Do đó, để tối ưu dữ liệu khách hàng, công ty cần xây dựng những kế hoạch quản lý Customer data đi đôi với các giải pháp phù hợp hỗ trợ quá trình phân tích.

Trong chủ đề bài viết “Tổng quan về Customer data”, ở phần 1, BigDataUni sẽ cùng các bạn tìm hiểu trước dữ liệu khách hàng là gì, các khái niệm về quy trình phân tích dữ liệu khách hàng những loại dữ liệu nào cần thu thập từ khách hàng.

“Hãy tiến gần hơn đến với các khách hàng của bạn, gần đến nổi bạn có thể nói cho họ biết họ cần gì trước khi họ tự nhận ra.” – Steve Jobs. Câu nói của Steve Jobs càng thích hợp để nói về khuynh hướng tiếp cận khách hàng ngày nay của đa số các công ty. Trong thị trường cạnh tranh khốc liệt hiện tại, việc chủ động tìm kiếm và xác định, lôi kéo khách hàng tiềm năng bằng những chiến lược marketing, chiến lược sản phẩm thích hợp sẽ giúp một công ty có cơ hội vượt lên trên đối thủ của mình. Dĩ nhiên để thực hiện mục đích trên, công ty phải biết được khách hàng mình cần thu hút là ai, khách hàng nào sẽ đem lại giá trị lợi nhuận, khách hàng nào có thể sẽ mua sản phẩm, dịch vụ,…; tất cả thông tin có được đều phải dựa trên dữ liệu khách hàng mà công ty sẽ được thu thập, quản lý, và phân tích.

Customer data – dữ liệu khách hàng là gì?

Đầu tiên chúng ta có thể đơn giản hiểu dữ liệu khách hàng là bất kỳ loại dữ liệu nào mà công ty sở hữu cho biết khách hàng đang sử dụng sản phẩm hoặc dịch vụ của công ty như thế nào và tương tác với thương hiệu của công ty ra sao (ví dụ khách hàng có quan tâm đến sản phẩm công ty hay không? Thể hiện sự quan tâm bằng cách nào); cụ thể các dữ liệu này phải cung cấp thông tin hữu ích về nhu cầu, mong muốn, cảm xúc, trải nghiệm của khách hàng đối với từng sản phẩm, dịch vụ.

Ngày nay dữ liệu khách hàng thường được gán với thuật ngữ “Big data” – dữ liệu lớn, mô tả đặc điểm Customer data càng ngày đa dạng hơn về loại, định dạng, khối lượng, và yêu cầu được xử lý bằng các công cụ, phần mềm mới, tiên tiến hơn đặc biệt khi công ty vẫn còn vận hành những hệ thống, nền tảng công nghệ cũ, lỗi thời đã không còn phù hợp. Customer data có thể bao gồm:

  • Dữ liệu giao dịch: là kết quả từ sự trao đổi giữa công ty và khách hàng, dữ liệu thu thập từ các giao dịch bán lẻ, giao dịch trực tuyến; thông tin khách hàng mua các sản phẩm gì, đăng ký các dịch vụ gì, dữ liệu về tần suất và khối lượng hàng hóa phân phối tại các điểm bán hàng, mức tiêu thụ sản phẩm và sử dụng dịch vụ, v.v.
  • Dữ liệu thông tin cá nhân khách hàng: ví dụ tên, tuổi, số điện thoại, tình trạng hôn nhân, thu nhập, nghề nghiệp,…được thu thập qua các form đăng ký dịch vụ, đăng ký tư vấn, mua hàng hay từ dữ liệu giao dịch.

Ngoài ra, chúng ta có thể thu thập dữ liệu tương tác của khách hàng (mô tả hành vi, suy nghĩ, cảm nhận khách hàng về sản phẩm, thương hiệu của công ty, và thậm chí cả đối thủ cạnh tranh) có thể chia chi tiết thành các loại dữ liệu khác như:

  • Dữ liệu về sản phẩm, dịch vụ: thông tin về tình hình khách hàng sử dụng sản phẩm, dịch vụ, cảm nhận, trải nghiệm của khách hàng là như thế nào ví dụ điển hình như khách hàng còn sử dụng dịch vụ Internet của công ty hay không, lưu lượng hàng tháng khách hàng dùng trung bình bao nhiêu, tần suất truy cập mạng,…hay ý kiến của khách hàng (khen chê, khiếu nại bằng điện thoại trực tiếp hay comment trên các trang web, mạng xã hội) sau khi hoặc đang sử dụng một loại sản phẩm dịch vụ nào đó. Có thể bao gồm luôn cả dữ liệu về tình hình tiêu thụ lượng hàng hóa, lượng đăng ký sử dụng dịch vụ (có thể coi là dữ liệu giao dịch) ở phạm vi rộng hơn, tổng thể hơn không chỉ dừng lại ở góc độ mỗi khách hàng. Ngoài ra, tương tự nếu công ty có khả năng thì nên thu thập thêm dữ liệu này ở phía đối thủ cạnh tranh ví dụ sản phẩm mới đối thủ ra mắt có thu hút khách hàng hiện tại của mình hay không.
  • Dữ liệu hành vi khách hàng trên website, social media: ngày nay với việc ứng dụng những thành tựu của công nghệ như AI (trí tuệ nhân tạo), Machine Learning (học máy), hay Deep Learning (học sâu), các công ty giờ đây có thể theo dõi hành vi của khách hàng trên website, và các nền tảng mạng xã hội, tìm hiểu và thu thập dữ liệu về các cú click chuột, các lượt xem, các lần like, dislike, các comment (nhận xét) của khách hàng về một sản phẩm, dịch vụ mà họ đang sử dụng, hay các chủ đề, tin tức, quảng cáo nào đó v.v mà họ đang quan tâm.
  • Dữ liệu về các trao đổi, phản hồi với khách hàng: có thể là dữ liệu dạng văn bản (text) khi khách hàng để lại comment trên mạng xã hội, các website, diễn đàn, các phản hồi về sản phẩm, dịch vụ thông qua e-mail, đăng ký dịch vụ trên website, điền vào những bảng khảo sát của công ty. Dữ liệu dạng giọng nói (voice) khi khách hàng gọi điện đến trung tâm chăm sóc khách hàng để trao đổi về sản phẩm, dịch vụ có thể được ghi âm lại để phân tích.

Tóm tắt lại một công ty cần phải thu thập một hệ thống dữ liệu khách hàng bao gồm:

  • Các bảng khảo sát khách hàng / bảng câu hỏi, nghiên cứu thị trường.
  • Các giao dịch (sản phẩm đã mua, thời gian mua, tần suất sử dụng,…).
  • Các hành vi trên các website (tìm kiếm sản phẩm, tra cứu,…)
  • Các hành vi thể hiện cảm xúc (bình luận trên internet, bài đăng trên mạng xã hội).
  • Các hành vi trên các nền tảng ứng dụng giao dịch, mua sắm trực tuyến
  • Các phản hồi về sản phẩm, dịch vụ, chiến dịch quảng cáo của chính công ty, hoặc nếu có thể thì cả đối thủ cạnh tranh

Tất cả các dữ liệu trên sẽ cung cấp những thông tin cụ thể sau khi được phân tích:

  • Thông tin cá nhân của khách hàng (tên, giới tính, tuổi, chức danh)
  • Chi tiết liên hệ của khách hàng (e-mail, số điện thoại, địa chỉ)
  • Tình hình cuộc sống hiện tại của khách hàng (tình trạng hôn nhân, quy mô hộ gia đình, con cái)
  • Sở thích của khách hàng (sản phẩm và dịch vụ yêu thích, cách thức sử dụng và phương thức giao hàng, thanh toán, v.v.)
  • Phản hồi của khách hàng như thế nào (ví dụ tốt hay xấu) về giá cả và chương trình khuyến mãi, quảng cáo, sản phẩm, dịch vụ của công ty hoặc đối thủ cạnh tranh (nếu có thể)
  • Customer lifetime value (giá trị khách hàng đem lại cho tổ chức theo thời gian)

Hiểu thế nào về “phân tích dữ liệu khách hàng”?

Ở phần này chúng ta sẽ tìm hiểu rõ hơn về các dữ liệu khách hàng dựa trên việc phân loại những cách thức phân tích hay kết quả phân tích Customer data.

Phân tích dữ liệu khách hàng (cũng có thể gọi ngắn gọn Phân tích khách hàng) hiểu đơn giản là các quy trình, và hệ thống các phương pháp, công nghệ được ứng dụng giúp công ty nắm bắt, trích xuất những kiến thức, thông tin hữu ích tiềm ẩn trong nguồn dữ liệu khách hàng.  Mục đích chính của phân tích dữ liệu khách hàng là tạo ra một cái nhìn chi tiết và chính xác về khách hàng, để công ty có thể đề xuất các chiến lược kinh doanh, các quyết định phù hợp, hiệu quả trong tương lai nhằm thu hút nhiều khách hàng hơn và “giữ chân” họ lâu dài bằng các chiến dịch marketing, chiến dịch bán hàng, các hoạt động quản lý mối quan hệ khách hàng (CRM – customer relationship management)

Theo định nghĩa Wikipedia: “Phân tích khách hàng là một quá trình trong đó dữ liệu từ hành vi của khách hàng được sử dụng để giúp công ty đưa ra các quyết định kinh doanh quan trọng thông qua phân khúc thị trường và phân tích dự báo để hỗ trợ các hoạt động marketing, CRM,…”

  • Lưu ý: Những phương pháp phân tích dữ liệu khách hàng ví dụ như các thuật toán Data mining, các mô hình phân tích dự báo – Predictive analytics / Predictive modeling, các đồ thị trực quan hóa dữ liệu – Data visualization, hay kể cả các bước quản lý, xử lý dữ liệu ban đầu như thế nào, chúng tôi sẽ không trình bày trong bài viết lần này, và bài viết sắp tới. Vì trọng tâm của chủ đề bài viết chính là tìm hiểu về dữ liệu khách hàng, và những giải pháp tổng quát giúp công ty tận dụng dữ liệu khách hàng sao cho tốt hơn, chứ không đi vào trình bày các kiến thức chuyên môn, kỹ thuật phân tích cụ thể, mong các bạn thông cảm. Nếu có dịp, BigDataUni sẽ cung cấp một bài viết riêng để gửi đến các bạn.

Một kết quả chi tiết có được sau khi phân tích dữ liệu khách hàng (gọi là Customer analysis) hay tóm tắt thành một hồ sơ khách hàng (Customer profile) sẽ là thành phần quan trọng, “nguyên liệu” để công ty triển khai các kế hoạch tăng lợi nhuận, phát triển kinh doanh mà cụ thể đầu tiên là kế hoạch tiếp thị – Marketing plan. Customer profile giúp công ty xác định những khách hàng mục tiêu ở hiện tại, đặc điểm của khách hàng tiềm năng, nhu cầu của những nhóm khách hàng này, và sản phẩm của công ty sẽ phải thoản mãn họ như thế nào? Tiếp thị sản phẩm bằng các kênh nào? Cách thức bán hàng phù hợp hay chưa? Kết quả phân tích khách hàng, hay quá trình phân tích dữ liệu khách hàng có thể chia làm 2 hướng: thông tin về hành vi khách hàng (Behavioral analysis) và thông tin về nhân khẩu học của khách hàng (Demographic analysis).

  • Lưu ý: cách chia phân tích dữ liệu khách hàng theo 2 hướng chúng tôi đề cập chỉ mang tính chất tham khảo, các bạn có thể tham khảo nhiều tài liệu khác sẽ thấy một số công ty chia thành những nhóm nhỏ hơn ví dụ trong phân tích hành vi sẽ có thêm phân tích tâm lý, trong nhân khẩu học thì chia ra khu vực địa lý, tầng lớp xã hội,…để phân tích sâu hơn.

Behavioral

Dựa vào Behavioral analysis, kết quả phân tích hành vi khách hàng, công ty sẽ xác định và đo lường mức độ quan trọng của những yếu tố tác động đến việc khách hàng chọn mua sản phẩm, còn gọi là yếu tố quyết định mua hàng (buying criteria). Đây chính là cơ sở để công ty hiểu được các nguyên nhân tại sao khách hàng ưu tiên sản phẩm của công ty hơn đối thủ cạnh tranh hoặc ngược lại.

Ngoài ra, phân tích hành vi khách hàng là việc tìm hiểu sâu hơn về quá trình khách hàng ra quyết định mua sản phẩm, hay đăng ký dịch vụ. Ví dụ công ty phải trả lời được những câu hỏi sau:

  • Những bước nào có trong quá trình ra quyết định mua hàng?
  • Những nguồn thông tin về sản phẩm, dịch vụ mà khách hàng sử dụng để tìm kiếm?
  • Thời điểm khách hàng giao dịch (ví dụ: khách hàng mua hàng ngay hay cần có thời gian suy nghĩ trước khi quyết định)
  • Khách hàng sẽ hỏi ý kiến người khác như bạn bè, người thân gia đình trước khi đưa ra quyết định?
  • Ai có quyền đưa ra quyết định cuối cùng khi khách hàng không mua hàng một mình?
  • Khi tham khảo, hay thử nghiệm sản phẩm, dịch vụ khách hàng cho ý kiến như thế nào?
  • Phản ứng của khách hàng sau khi tìm hiểu thông tin ban đầu về sản phẩm, dịch vụ ví dụ về giá cả, khách hàng mong muốn chi bao nhiêu?

Còn sau khi ra quyết định mua hàng, công ty có thể theo dõi khách hàng để thu thập thêm các dữ liệu hành vi và phân tích để tìm hiểu:

  • Lý do khách hàng mua hàng?
  • Tần suất giao dịch (ví dụ đối với khách hàng cũ)
  • Thời điểm mua hàng là hàng tuần, hàng tháng, hay hàng năm?
  • Khối lượng sản phẩm giao dịch, loại dịch vụ đăng ký (ví dụ gói cước mạng 4G khách hàng đăng ký) hay giá trị của mỗi lần giao dịch
  • Thông thường sau khoảng thời gian bao lâu khách hàng ra quyết định mua
  • Số tiền khách hàng thường bỏ ra để mua sản phẩm trong thời điểm bất kỳ
  • Khách hàng thường giao dịch tại chi nhánh, cửa hàng nào? Trên website, cửa hàng, ứng dụng trực tuyến nào?
  • Phản hồi của khách hàng sau khi sử dụng sản phẩm, dịch vụ như thế nào? Tính năng nào của sản phẩm mà khách hàng thích? Khách hàng có thỏa mãn chưa, hay yêu cầu gì thêm không? Mục đích phân tích để tìm hiểu liệu khách hàng có thể tiếp thục gắn bó với sản phẩm, dịch vụ đó hay thay đổi sản phẩm, dịch vụ khác hoặc rời bỏ thương hiệu của công ty.

Ngoài ra, nếu có khả năng, công ty cũng nên thu thập về cách thức khách hàng giao dịch, tương tác với sản phẩm, dịch vụ của đối thủ cạnh tranh ví dụ khách hàng có ý kiến như thế nào về chiến dịch quảng cáo mới của công ty đối thủ, khách hàng thường mua sản phẩm của công ty đối thủ qua các kênh nào? Mặc dù ở phần Customer data ở trên chúng tôi không đề cập đến một cách rõ ràng, nhưng chúng tôi cho rằng việc phân tích dữ liệu khách hàng ở phía đối thủ cạnh tranh, sẽ đóng góp rất rất nhiều thông tin hữu ích để công ty cải thiện hiệu quả hoạt động kinh doanh của mình.

Một loại thông tin khác cũng cực kỳ quan trọng sau khi phân tích dữ liệu hành vi mà chúng tôi muốn đề cập đến, đó chính là dữ liệu liệu tâm lý (tính cách) của khách hàng ví dụ yêu thích, ưa chuộng, tẩy chay, căm ghét, mong muốn thể hiện bản thân, phát cuồng hay nhạy cảm, thận trọng,… Thông thường nhiều người cho rằng dữ liệu tâm lý tương đồng với dữ liệu hành vi, và theo chúng tôi thì điều này không hề sai. Vì tâm lý của con người được thể hiện qua hành động và hành vi. Tâm lý khách hàng là thông tin cần thiết để công ty phát triển chiến lược tiếp thị, ví dụ cụ thể là chiến lược quảng cáo đánh vào tâm lý mua hàng, đặc biệt là cơ sở để công ty có thể tìm hiểu sâu hơn về nhu cầu, mong muốn thầm kín của khách hàng (Customer insights).

Để xác định được tâm lý khách hàng ngoài việc thu thập dữ liệu hành vi khách hàng, chúng ta cần phải thu thập dữ liệu về tầng lớp xã hội, lối sống, phong cách, sở thích của khách hàng,… và một loạt các dữ liệu nhân khẩu học mà chúng tôi sẽ nói ngay sau đây. Sau khi phân tích đầy đủ dữ liệu, các công ty sẽ biết được sản phẩm nào phù hợp với khách hàng ví dụ sản phẩm thời trang cao cấp A có khiến khách hàng thuộc tầng lớp thượng lưu cảm thấy ưa chuộng, mong muốn mua nó để tôn vinh sự quý phái, sang trọng hay không? Hay sản phẩm thời trang tầm trung B có giá cả hợp lý, thiết kế đơn giản phù hợp cho nhóm khách hàng tầng lớp trung lưu, thu nhập trung bình hay không?

Demographic

Thành phần chính thứ hai trong phân tích khách hàng là xác định các phân khúc thị trường mục tiêu có thể đem lại lợi nhuận như kì vọng của công ty. Phân khúc khách hàng hay phân khúc thị trường là xác định các “tập hợp con”, chia thị trường hay chia tập khách hàng lớn thành những phân khúc nhỏ, mỗi phân khúc gồm những khách hàng, những tổ chức có chung (hoặc không chung) một hoặc nhiều đặc điểm (sở thích, lối sống, thu nhập,…) khiến họ có nhu cầu mua cùng sản phẩm và hoặc đăng ký cùng dịch vụ. Ngoài ra còn có thể kết hợp những đặc điểm của các sản phẩm đó như giá cả hoặc chức năng, để tiến hành phân khúc thị trường.

Để xây dựng các chiến lược bán hàng, chiến lược marketing nhắm đúng khách hàng mục tiêu, thì công ty phải hiểu và phân biệt rõ từng phân khúc thị trường, sử dụng các thông tin mô tả về những phân khúc này một cách hợp lý để đề xuất các quyết định kinh doanh.

Một trong những loại dữ liệu khách hàng đóng vai trò cốt lõi trong quá trình phân khúc khách hàng hay phân khúc thị trường, đó là nhân khẩu học – Demographic. Thu thập và phân tích dữ liệu nhân khẩu học – Demographic analysis, sẽ giúp công ty có được thông tin cụ thể về khách hàng như giới tính, tuổi tác, dân tộc, khu vực địa lý và thu nhập hàng tháng. Ví dụ, công ty sẽ phải có câu trả lời cho những câu hỏi về nhân khẩu học dưới đây, để tiến hành phân khúc chính xác:

  • Độ tuổi của khách hàng muốn sản phẩm hoặc dịch vụ là bao nhiêu? (Độ tuổi sẽ tác động đến khẩu vị và sở thích, nhu cầu của các đối tượng khách hàng)
  • Khách hàng với giới tính nào có khả năng sẽ quan tâm nhất đến sản phẩm hoặc dịch vụ này?
  • Mức thu nhập của khách hàng tiềm năng là bao nhiêu?
  • Khu vực địa lý, nơi sinh sống của khách hàng có lượng tiêu thụ sản phẩm như thế nào?
  • Họ có trình độ học vấn như thế nào?
  • Tình trạng hôn nhân hoặc gia đình của họ là gì: Họ đã kết hôn, độc thân, đã ly dị? Họ có con chưa? V.v
  • Sở thích của khách hàng mục tiêu là gì?

Những dữ liệu về nhân khẩu học là cực kỳ cần thiết, và tối quan trọng đối với nhiều tổ chức, công ty hoạt động trong lĩnh vực tài chính, ngân hàng để ngăn chặn, dự báo các rủi ro tín dụng hay trong khu vực công, Nhà nước để phát hiện tội phạm, thống kê dân số.

Bên cạnh đó, công ty không chỉ nên dựa vào thông tin khách hàng được xây dựng trên cơ sở phân tích dữ liệu khách hàng mà tiến hành phân khúc thị trường. Quá trình phân khúc thị trường còn dựa vào nhiều yếu tố, dữ liệu khác được phân tích như đối thủ cạnh tranh, về tình hình cung – cầu thị trường, giá cả,…để đánh giá khả năng phát triển thị phần và khả năng gia tăng lượng khách hàng của công ty tại các thị trường tiềm năng.

  • Lưu ý: về cách thức phân khúc thị trường như thế nào chúng tôi sẽ không đề cập trong bài viết này để tránh đi lệch khỏi chủ đề bài viết.

Như vậy chúng ta đã tìm hiểu xong về các dữ liệu hành vi, và nhân khẩu học, tiếp đến là quy trình tổng quan của Customer analysis.

Một quy trình phân tích khách hàng thường đi qua 3 giai đoạn:

  1. Đầu tiên cần tìm hiểu khách hàng của công ty mình là ai, thông qua việc thu thập những dữ liệu khách hàng mà chúng tôi vừa đề cập ở trên. Càng hiểu rõ khách hàng chi tiết bao nhiêu sẽ góp phần tăng sự hiệu quả của các chiến lược kinh doanh lên bấy nhiêu.
  2. Phân tích dữ liệu, sau đó tiến hành phân khúc khách hàng thành từng nhóm khác nhau.
  3. Xác định các chiến dịch marketing, chiến lược bán hàng, chiến lược sản phẩm nhắm mục tiêu chính xác đến từng phân khúc khách hàng, sau đó kiểm tra xem ví dụ sản phẩm thỏa mãn từng nhóm khách hàng như thế nào, nếu khách hàng không hài lòng thì công ty cần đưa ra giải pháp gì?
  • Lưu ý: cách thức thu thập dữ liệu khách hàng, hay công ty thu thập dữ liệu khách hàng qua các kênh, platform nào sẽ được nói ở các phần tiếp theo của chủ đề bài viết.

Quy trình khác về phân tích dữ liệu khách hàng có thể gồm những bước sau:

  1. Xác định khách hàng tiềm năng và nghiên cứu các nhu cầu của họ
  2. Xác định tiếp các nguyên nhân, yếu tố dẫn đến quyết định mua hàng của khách hàng, và các hành vi khách hàng có thể nói lên suy nghĩ của khách hàng về sản phẩm, dịch vụ.
  3. Xác định các giá trị cốt lõi của sản phẩm, dịch vụ, và chứng minh chúng sẽ đáp ứng nhu cầu của khách hàng thông qua những chiến lược marketing, bán hàng.

Xét đến quy trình mua hàng của khách hàng, thì việc phân tích dữ liệu khách hàng nên xuyên suốt 3 giai đoạn sau:

  1. Trước khi mua hàng: ví dụ phân tích phản ứng, hành vi của khách hàng trong khi tra cứu, tìm hiểu sản phẩm, dịch vụ, để tìm ra Buying criteria như đã nói ở trên.
  2. Trong khi khách hàng đang sử dụng sản phẩm, dịch vụ: ví dụ thu thập, phân tích dữ liệu để tìm hiểu những tính năng của sản phẩm khách hàng ưa chuộng, hay đặc điểm nào của sản phẩm mà không làm hài lòng khách hàng.
  3. Sau khi kết thúc giao dịch (sau khi sử dụng xong sản phẩm, dịch vụ): ví dụ thu thập, phân tích dữ liệu về lượt truy cập website, fanpage của công ty của khách hàng sau khi giao dịch lần đầu để tìm hiểu khả năng khách hàng có quay lại mua sản phẩm lần nữa hay không.

Kết hợp quy trình chúng tôi vừa đề cập cùng với tất cả loại dữ liệu của khách hàng mà chúng tôi trình bày từ đầu bài viết đến giờ, chính là cơ sở để công ty tăng trải nghiệm của khách hàng một cách tối đa thông qua việc vẽ bản đồ trải nghiệm của khách hàng (Customer Journey Map).

Theo BrandsVietNam: “ Customer Journey Map là một bản đồ thể hiện hành trình trải nghiệm của khách hàng về một thương hiệu theo thời gian; hay chính là hành trình kết nối khách hàng với thương hiệu. Bản đồ trình bày các điểm tiếp xúc trong quá trình khách hàng tương tác với doanh nghiệp.” Gồm 3 giai đoạn:

Giai đoạn 1: Trước mua hàng
Nhận thức – awareness – người mua nhận ra rằng họ có vấn đề.
Xem xét – consideration – người mua xác định rõ vấn đề của họ và nghiên cứu, đánh giá các phương án để giải quyết vấn đề.
Quyết định – decision – người mua chọn giải pháp.​

Giai đoạn 2: Mua hàng
Mua hàng – PurchaseKhách hàng tiến hành mua sản phẩm
Sử dụng – Use – Khách hàng sử dụng sản phẩm​

Giai đoạn 3: Sau mua hàng
Chia sẻ trải nghiệm – Advocacy – Khách hàng chia sẻ sản phẩm cho bạn bè, người thân​

Tóm lại, mỗi công ty có những cách thức, quy trình phân tích dữ liệu khách hàng khác nhau, nó còn phụ thuộc vào mục tiêu hoạt động trong ngắn hạn, và dài hạn, khả năng, nguồn lực hiện có của chính công ty có thích hợp để tiến hành thu thập, khai thác dữ liệu khách hàng hiệu quả hay không.

Sau cùng, một quá trình phân tích dữ liệu khách hàng phải giúp công ty trả lời được những câu hỏi tổng quát, ví dụ như sau:

  • Kênh bán hàng nào, kênh tiếp thị, truyền thông nào thu hút nhiều khách hàng nhất?
  • Customer journey map nào là phổ biến nhất? Nghĩa là khách hàng thường trải qua những bước tương tác nào với công ty (ngay từ lúc ban đầu tìm hiểu sản phẩm cho đến sau khi mua hàng). Mục đích xác định các giải pháp thu hút khách hàng mỗi khi khách hàng tương tác với công ty.
  • Kênh bán hàng nào cung cấp doanh thu cao nhất?
  • Nhóm khách hàng nào đóng góp doanh thu lớn nhất?
  • Nguyên nhân tại sao công ty đánh mất khách hàng?
  • Những hành vi nào của khách hàng cho thấy khách hàng sẽ trung thành với công ty hoặc ngược lại?
  • Những tính năng nào của sản phẩm sẽ đem lại trải nghiệm tốt nhất cho nhóm khách hàng nào?
  • Biện pháp tối ưu trải nghiệm người dùng là gì?

Ngoài ra, xin đề cập lại lần nữa, không những tìm hiểu về những dữ liệu khách hàng có liên quan đến công ty, công ty cũng nên nghiên cứu về đối thủ cạnh tranh, ví dụ có thể phân tích hành vi của khách hàng đối với những sản phẩm, dịch vụ của đối thủ. Quá trình nghiên cứu đối thủ cạnh tranh của cần diễn ra đồng thời với phân tích dữ liệu khách hàng, để kịp thời đưa ra sự so sánh, và giải pháp hành động trước đối thủ cạnh tranh.

Ví dụ trước một dịp lễ sắp diễn ra, công ty bạn và công ty đối thủ cùng thời điểm chạy một chiến dịch quảng cáo, hay khuyến mãi trên các nền tảng mạng xã hội. Khi công ty bạn thu thập những dữ liệu hành vi, sự tương tác của khách hàng đối với chiến dịch quảng cáo, khuyến mãi của mình và đồng thời của đối thủ cạnh tranh, sau đó tiến hành phân tích thì thấy khách hàng ưa chuộng đối thủ hơn, rồi xác định các lý do, nguyên nhân tại sao khách hàng làm như vậy (có thể do đối thủ ra nhiều ưu đãi hấp dẫn hơn, hoặc các poster, banner quảng cáo bắt mắt hơn, nội dung hay hơn). Câu hỏi đặt ra: công ty bạn cần làm gì để lôi kéo khách hàng lại phía mình?

Các bạn thấy đó, dữ liệu khách hàng chính là cốt lõi quyết định thành công của mọi công ty trong thời đại ngày nay. Mỗi lần khách hàng tương tác với thương hiệu, sản phẩm, dịch vụ của công ty bạn, ngay cả từ lúc khách hàng bắt đầu truyền miệng nhau (Word of mouth) những thông tin về công ty, từ lúc khách hàng lần đầu tiên ghé thăm fanpage của công ty, lần đầu tiên lướt qua các post quảng cáo,… cho đến lúc sau khi khách hàng hoàn thành giao dịch, hay đã cảm thấy thỏa mãn sau khi sử dụng sản phẩm của công ty, tất cả dữ liệu ở những “điểm tiếp xúc” giữa khách hàng và công ty đều phải được thu thập và phân tích, vì chúng luôn luôn chứa đựng những thông tin hữu ích là tài sản vô giá, thậm chí quan trọng hơn nguồn tiền, tài chính của công ty. “Khách hàng là thượng đế, mãi mãi là thượng đế”, khai thác mọi dữ liệu khách hàng là bước đầu tiên để chăm sóc “thượng đế” ở mọi thời điểm, và chắc chắn nếu làm được như vậy thì còn lâu “thượng đế” mới bỏ rơi công ty bạn.

Ở bài viết tới, BigDataUni sẽ tổng hợp lần nữa các loại phân tích dữ liệu khách hàng mà một công ty cần thực hiện theo tạp chí Forbes. Bên cạnh đó là lợi ích, mục đích của việc phân tích dữ liệu khách hàng, và một quy trình quan trọng khác giúp tận dụng hiệu quả dữ liệu khách hàng bên cạnh việc phân tích, đó chính là quản lý dữ liệu khách hàng (Customer data management), BigDataUni cũng sẽ trình bày khái niệm, lợi ích của nó. Mong các bạn tiếp tục theo dõi, ủng hộ.

 

Nguồn tham khảo:

https://www.datapine.com/blog/customer-data-management-best-practices/

https://www.brandwatch.com/blog/how-to-write-customer-analysis/

https://www.scnsoft.com/blog/customer-big-data-analytics-an-overview

https://www.scnsoft.com/blog/customer-data-analytics

https://www.acsbdc.org/resources/small-business-topics/marketing/customer-analysis

https://www.marketing91.com/customer-analysis/

https://www.educba.com/customer-data/

https://blog.teamleader.eu/customer-data-management-how-to

https://www.ngdata.com/what-is-customer-marketing-analytics/

https://www.dummies.com/business/customers/the-benefits-of-customer-analytics/

https://www.imd.org/imd-reflections/focused-programs-reflections/customer-analysis-marketing-plan/

https://strategiccfo.com/customer-analysis/

https://searchbusinessanalytics.techtarget.com/definition/customer-analytics

https://mixpanel.com/topics/what-is-customer-analytics/

https://www.brandsvietnam.com/congdong/topic/12902-Customer-Journey-Map-Ban-do-hanh-trinh-trai-nghiem-cua-khach-hang

https://en.wikipedia.org/wiki/Customer_analytics

 

Có thể bạn chưa biết:

 

Tư vấn và xây dựng hệ thống big data

  • Khảo sát, đánh giá cơ sở hạ tầng hệ thống hiện có để xem tính khả thi cho việc ứng dụng lưu trữ và khai thác Bigdata.
  • Tư vấn và xây dựng hệ thống phục vụ Bigdata theo tình hình hoạt động sản xuất/kinh doanh của doanh nghiệp.
  • Hệ thống lưu trữ dữ liệu (Data warehouse).
  • Hệ thống xử lý dữ liệu (ETL system).
  • Hệ thống phân tích dữ liệu (Analysis system).
  • Hệ thống phục vụ báo cáo (Report & BI system).
  • Vận hành, bảo trì hệ thống.

Phân tích dữ liệu big data

  • Xây dựng thuật toán khai thác dữ liệu dựa thực tế kinh doanh của công ty
  • Ứng dụng các mô hình định lượng thông minh để phân tích hành vi tiêu dùng
  • Dự báo nhu cầu tiêu dùng và chuẩn đoán những nguy cơ rời dịch vụ
  • Phát triển các giải pháp kinh doanh tăng doanh thu và kiểm soát rủi ro trong kinh doanh

Tư vấn chiến lược

  • Xây dựng chiến lược kinh doanh thông minh dựa trên kết quả phân tích thông minh từ nguồn big data
  • Phân khúc thị trường và định vị những phân khúc ưu tiên khai thác
  • Đổi mới sản phẩm và dịch vụ để giữ chân khách hàng và giảm thiểu rủi ro rời dịch vụ
  • Xây dựng các chương trình khuyến mãi theo khúc thị trường hạn chế tối thiểu spam đến khách hàng

Training lĩnh vực dữ liệu

  • Kiến thức về cơ bản trong khai thác big data
  • Kiến thức nâng cao hướng đến khai thác big data
  • Xây dựng chiến lược marketing dựa trên kết quả khai thác big data
  • Chuyển giao công nghệ mô hình khai thác big data

DVMS chuyên:
- Tư vấn, xây dựng, chuyển giao công nghệ Blockchain, mạng xã hội,...
- Tư vấn ứng dụng cho smartphone và máy tính bảng, tư vấn ứng dụng vận tải thông minh, thực tế ảo, game mobile,...
- Tư vấn các hệ thống theo mô hình kinh tế chia sẻ như Uber, Grab, ứng dụng giúp việc,...
- Xây dựng các giải pháp quản lý vận tải, quản lý xe công vụ, quản lý xe doanh nghiệp, phần mềm và ứng dụng logistics, kho vận, vé xe điện tử,...
- Tư vấn và xây dựng mạng xã hội, tư vấn giải pháp CNTT cho doanh nghiệp, startup,...

Vì sao chọn DVMS?
- DVMS nắm vững nhiều công nghệ phần mềm, mạng và viễn thông. Như Payment gateway, SMS gateway, GIS, VOIP, iOS, Android, Blackberry, Windows Phone, cloud computing,…
- DVMS có kinh nghiệm triển khai các hệ thống trên các nền tảng điện toán đám mây nổi tiếng như Google, Amazon, Microsoft,…
- DVMS có kinh nghiệm thực tế tư vấn, xây dựng, triển khai, chuyển giao, gia công các giải pháp phần mềm cho khách hàng Việt Nam, USA, Singapore, Germany, France, các tập đoàn của nước ngoài tại Việt Nam,…

Quý khách xem Hồ sơ năng lực của DVMS tại đây >>

Quý khách gửi yêu cầu tư vấn và báo giá tại đây >>

App đặt xe, xe công nghệ. Chi tiết

SGO Giải pháp thông minh cho các công ty vận chuyển, logistics thuê ngoài

ứng dụng quản lý vận tải thông minh

ứng dụng quản lý đội xe, điều tài thông minh

Phần mềm, ứng dụng thông minh dành cho quản lý xe doanh nghiệp, điều xe đi công tác,...

Quản lý giao vận thông minh

driverplus

fintech

banking mobile apps

insurtech

medical tech, health care mobile apps

Copyright© Bigdata Solutions. All Rights Reserved. Tư vấn, xây dựng, chuyển giao Bigdata

Tìm kiếm