T.S Phạm Anh Tuấn- Phó Viện trưởng Viện VIDTI tổng hợp
Khi các tổ chức thu thập được thêm dữ liệu và biến nó thành tài sản, họ gặp một thách thức tiếp theo là làm thế nào khai thác những tài sản này một cách liên tục để tạo ra giá trị mới cho chính họ.
Chúng ta đã xem cách dữ liệu về sản phẩm và dịch vụ tạo ra giá trị khi hỗ trợ cho các dịch vụ cốt lõi của doanh nghiệp trong một số ví dụ: như cách TWC khai thác dữ liệu thời tiết và cách Google khai thác dữ liệu bản đồ. Chúng ta cũng đã thấy dữ liệu quy trình kinh doanh có thể tạo giá trị khi được sử dụng để tối ưu hóa và tăng chất lượng ra quyết định, thậm chí bằng những cách khó ngờ nhất – như cách khai thác dữ liệu ngân sách của Stringer.
Khi nghiên cứu dữ liệu khách hàng, chúng ta có thể tìm ra những xu hướng lặp lại về việc vận dụng các thực tiễn thành công nhằm tăng giá trị trong các tổ chức và ngành công nghiệp khác nhau. Hãy xem các thực tiễn này như bốn kế sách để tạo ra giá trị từ dữ liệu khách hàng: sự thấu hiểu: vén màn sự thật vô hình; nhắm mục tiêu: thu hẹp lĩnh vực; cá thể hóa: điều chỉnh cho phù hợp; và bối cảnh: cung cấp một khuôn khổ tham khảo.
Hãy tìm hiểu lần lượt bốn kế sách giá trị dữ liệu này và xem chúng được ứng dụng như thế nào trong các ngành công nghiệp khác nhau nhằm tạo ra giá trị mới cho khách hàng.
Kế sách thứ nhất: Vén màn sự thật vô hình
Kế sách đầu tiên tạo ra giá trị là sự thấu hiểu. Khi làm sáng tỏ các yếu tố gần như vô hình trước đây như: mối quan hệ, xu hướng, và sự ảnh hưởng, dữ liệu khách hàng có thể cung cấp nguồn dữ liệu khổng lồ cho doanh doanh nghiệp. Dữ liệu có thể mang lại sự thấu hiểu về tâm lý khách hàng (Các thương hiệu và sản phẩm của tôi được cảm nhận thế nào trên thị trường? Điều gì thúc đẩy và ảnh hưởng tới quyết định của khách hàng? Tôi có thể dự đoán và đo lường mức độ tiếp thị truyền miệng của khách hàng không?). Dữ liệu có thể tiết lộ các xu hướng về hành vi khách hàng (Thói quen mua hàng thay đổi thế nào? Khách hàng sử dụng sản phẩm của tôi thế nào? Sự dối trá và lạm dụng diễn ra ở đâu?). Dữ liệu cũng có thể được sử dụng để đo lường tác động của các hành động cụ thể tới tâm lý và hành vi khách hàng (Kết quả của việc thay đổi thông điệp truyền thông, ngân sách marketing, hỗn hợp sản phẩm, hoặc kênh phân phối là gì?).
Trong một ví dụ, Gaylord Hotels vận dụng sự thấu hiểu trích xuất từ dữ liệu khách hàng để mài sắc chiến lược bán hàng qua kênh khách hàng giới thiệu. Công ty này sở hữu một số cơ sở kinh doanh khách sạn lớn đáp ứng được cả những sự kiện lớn cũng như các nhu cầu lưu trú cá nhân. Với ngân sách quảng cáo hạn chế, công ty biết rằng kênh tiếp thị truyền miệng qua khách hàng hài lòng chính là nguồn tạo khách hàng mới quan trọng nhất. Vì vậy, ban lãnh đạo đã xác định để tăng mức độ khách hàng giới thiệu, cần ưu tiên nâng cao trải nghiệm của khách hàng hiện tại. Bước đầu tiên cần làm là đánh giá các hoạt động nội bộ của công ty, qua đó họ xác định được 80 yếu tố chính có thể truyền cảm hứng để khách hàng không chỉ hài lòng mà còn sẵn sàng giới thiệu Gaylord cho những người khác. Thách thức tiếp theo là xác định được yếu tố nào trong danh sách này là quan trọng nhất? Công ty đã thực hiện phân tích dữ liệu trên mạng xã hội, xem xét từng thời điểm mà khách hàng nhắc đến tên khách sạn trên các nền tảng như Twitter. Mọi sự khuyến nghị hay khen ngợi của khách hàng đều được xem xét kỹ lưỡng để xác định xem yếu tố gì và thời điểm nào trong quá trình nghỉ tại khách sạn đã thúc đẩy họ làm như vậy. Các kết quả phân tích đã giúp làm rõ và xuất ra một danh sách rút gọn gồm năm yếu tố liên quan đến trải nghiệm của khách hàng có ảnh hưởng nhất đến mức độ giới thiệu dịch vụ của khách hàng. Thật bất ngờ là tất cả năm yếu tố này đều thuộc về những khoảnh khắc diễn ra chỉ trong vòng 20 phút đầu tiên kể từ khi khách hàng đặt chân tới khách sạn.
Kế sách thứ hai: Nhắm mục tiêu hay Thu hẹp đối tượng khách hàng
Kế sách thứ hai trong việc sáng tạo giá trị dữ liệu là nhắm mục tiêu. Bằng cách thu hẹp lại đối tượng khách hàng tiềm năng và xác định đối tượng phù hợp nhất cho doanh nghiệp, dữ liệu khách hàng có thể mang lại kết quả tốt hơn từ mỗi điểm tương tác với khách hàng. Trước đây, khách hàng thường được phân loại thành một vài phân khúc rộng để doanh nghiệp tiếp cận dựa trên các yếu tố như tuổi, mã vùng, hoặc sản phẩm sử dụng. Ngày nay, các phương pháp phân khúc thị trường tiên tiến có thể dựa vào nguồn dữ liệu khách hàng đa dạng và có thể tạo ra hàng chục hoặc thậm chí hàng trăm phân khúc ngách. Cách tiếp cận khách hàng cũng có thể thay đổi tức thời vì họ có thể được xếp vào một phân khúc này hoặc phân khúc khác dựa trên các dữ liệu hành vi như họ đọc những email nào, chọn loại quà tặng nào, hoặc chia sẻ nội dung nào. Lý tưởng nhất là giá trị trọn đời của khách hàng (như đã bàn ở Chương 2) phải được xem là một thông số đo lường để nhắm mục tiêu, dựa trên các giá trị lâu dài mà khách hàng mang lại cho doanh nghiệp.
Custor là một công ty phân tích dữ liệu giúp các doanh nghiệp thương mại điện tử xác định được giá trị trọn đời của khách hàng (CLV) từ những người truy cập vào trang web của doanh nghiệp – không chỉ là khả năng mua hàng mà quan trọng là lợi nhuận tiềm năng mà họ mang lại cho doanh nghiệp trong tương lai. Việc này có thể thực hiện bằng cách phân tích dữ liệu khách hàng trong quá khứ và áp dụng đồng thời mô hình CLV và các mô hình xác suất Bayes. Ví dụ, khi một khách hàng chỉ mua hàng một lần trên một trang web nào đó, Custor có thể dự đoán rằng khách hàng này nhiều khả năng mua tiếp sáu lần nữa trong năm tiếp theo, tổng số tiền mua là 275 đô la và xếp khách hàng này vào nhóm 5% khách hàng quan trọng nhất của doanh nghiệp. Các dự báo khác dựa trên dữ liệu quá khứ bao gồm loại hàng mà khách hàng sẽ mua lần sau (ví dụ đồ trang trí nhà cửa hay dụng cụ chăm sóc bãi cỏ). Mô hình thậm chí có thể cung cấp các dấu hiệu cảnh báo – ví dụ khi có một khách hàng nào đó không mua hàng trong vòng ba tháng liên tiếp thì doanh nghiệp có thể giả định rằng chỉ có 10% khả năng khách hàng này sẽ quay lại.
Tập đoàn Khách sạn InterContinental khai thác một cách thận trọng dữ liệu từ 71 triệu thành viên tham gia chương trình khách hàng trung thành Priority Club để hiểu và tiếp cận họ hiệu quả hơn. Dữ liệu này bao gồm thông tin không chỉ là mã vùng và loại phòng ưa thích. Có tới 4000 thuộc tính dữ liệu khác nhau – như mức thu nhập, kênh đặt phòng ưa thích, cách sử dụng các điểm thưởng, và địa điểm họ thường nghỉ vào cuối tuần – được sử dụng để xếp mỗi thành viên vào một nhóm khách hàng. Nhờ vào cách phân khúc thị trường này, thay vì chỉ gửi đi khoảng một tá thông điệp tiếp thị dưới dạng thư điện tử, khách sạn có thể gửi đi 1552 thông điệp khác nhau, tùy chỉnh theo hành vi trong quá khứ của khách hàng và theo các bản chào hàng đặc biệt như các sự kiện địa phương. Các chiến dịch tiếp thị mới này tạo ra một tỷ lệ chuyển đổi cao hơn 35% so với các chiến dịch trước đây ít chú ý tới định vị khách hàng.
Khai thác dữ liệu để nhắm trúng khách hàng mục tiêu có thể có tác động mạnh hơn trong các lĩnh vực như chăm sóc y tế phi lợi nhuận, nhờ vào phương pháp được gọi là “đánh dấu điểm nóng”. Tiến sĩ Jeffrey Brenner, một bác sĩ gia đình ở Camden, New Jersey, đã nghiên cứu về hồ sơ thanh toán y tế từ các bệnh viện ở quê hương và phát hiện ra 1% dân số của thị trấn đã làm tiêu tốn tới 30% tổng chi phí chăm sóc y tế ở địa phương này. “Một nhóm nhỏ bệnh nhân chịu trách nhiệm cho phần lớn chi phí y tế, vậy mà chúng ta đã không chú ý tới họ”, Brenner chia sẻ.17 Ông đã sử dụng dữ liệu đó và các khoản tài trợ nhỏ từ các chương trình từ thiện để lập nên Liên minh Các cơ sở chăm sóc y tế Camden, tập trung “định vị” nhóm bệnh nhân này và nâng cao chất lượng chăm sóc y tế cho họ. Trong vòng ba năm, tổ chức này đã có thể giảm số trường hợp nhập viện cấp cứu tới 40% trong nhóm bệnh nhân có tình trạng sức khỏe kém nhất và giảm được tổng chi phí bệnh viện của nhóm này tới 56%.
Kế sách thứ ba: cá nhân hóa dịch vụ
Một khi doanh nghiệp đã nhắm tới các phân khúc khách hàng nhỏ hơn, cơ hội tiếp theo là đối xử với họ theo những cách riêng, phù hợp và mang lại giá trị nhất cho họ. Đây là kế sách thứ ba để tạo ra giá trị: cá nhân hóa. Bằng cách xây dựng thông điệp truyền thông, các bản chào hàng, chính sách giá, dịch vụ và sản phẩm theo cách “may đo” để phù hợp với nhu cầu của từng khách hàng, doanh nghiệp có thể nâng cao giá trị mà họ cung cấp.
Kimberly-Clark, doanh nghiệp bán ra các thương hiệu lớn nhất về tã bỉm (cùng với các sản phẩm chăm sóc cá nhân khác), sử dụng một nền tảng quản lý khách hàng kết hợp dữ liệu bán hàng và từ nhiều kênh truyền thông để lập ra một bức tranh toàn diện về “hành trình khách hàng” của từng khách hàng. Đối với lĩnh vực kinh doanh của doanh nghiệp này, điều đó có nghĩa là theo dõi sự phát triển của từng gia đình thông qua các sản phẩm khác nhau – từ bỉm sơ sinh Huggies, tới bỉm cỡ lớn, quần dành cho trẻ tập đi vệ sinh, và đồ bơi nhi đồng (dành cho trẻ bắt đầu học bơi). Bám sát từng khách hàng cho phép công ty phát đi thông điệp quảng cáo sản phẩm phù hợp tới từng khách hàng gia đình.
British Airways tung ra chương trình cá nhân hóa dịch vụ mà nội bộ hãng gọi là Know Me. Mục tiêu của chương trình này là tập hợp nhiều loại dữ liệu để tạo ra một “bức tranh duy nhất” về khách hàng, cho phép nhân viên của hãng thiết lập các kết nối thân thiết hơn với khách hàng. Know Me được khởi động với dự án kéo dài 2 năm nhằm kết nối dữ liệu từ các hệ thống thương mại, tác nghiệp và thiết kế. Dữ liệu này sau đó được trao cho các giám đốc dịch vụ khách hàng sử dụng, chỉ với những cú nhấp chuột. Tuy nhiên chương trình này hoạt động được là nhờ sự kết hợp giữa phân tích dữ liệu và các nhận định đánh giá cũng như “trí tuệ cảm xúc” của đội ngũ nhân viên phục vụ của British Airways. Dữ liệu Know Me được sử dụng để nhân viên có hiểu biết sâu sắc hơn về nhu cầu và sở thích cá nhân của hành khách, và họ được toàn quyền quan sát, ghi chép lại dữ liệu giúp cá nhân hóa các chuyến bay trong tương lai của khách. Chu trình phản hồi này giúp hãng hàng không tung ra các gói sản phẩm phù hợp hơn với từng khách hàng, vì vậy khách hàng cảm thấy được trân trọng và nhận được dịch vụ vừa ý mình trong từng chuyến đi. Đó có thể là việc một khách hàng VIP được nhận ra ngay cả khi họ ngồi ở hàng ghế bình dân cùng với gia đình – và họ cần phải được chào đón, cảm ơn bằng một ly sâm panh. Đó cũng có thể là việc kín đáo dành sự quan tâm, động viên cho những khách hàng có tiền sử sợ máy bay.
Với thông tin cập nhật liên tục lên hệ thống, nếu phi hành đoàn thấy iPad của khách nào đó bị bỏ quên, thì chủ nhân sẽ lập tức nhận được thông báo từ phi hành đoàn ở chuyến bay kết nối sau đó. Một trong những điểm tiếp xúc dịch vụ phổ biến nhất là chào đón khách hàng trên chặng đường bay khi họ chạm mức Hạng Bạc, mức đầu tiên để được sử dụng dịch vụ phòng chờ thương gia. Hãng đã nhận được những ý kiến phản hồi vô cùng tích cực từ khách hàng, thể hiện ở những ý kiến đóng góp trực tiếp theo kiểu một-một, từ kết quả đo lường sự hài lòng của khách hàng trong một khoảng thời gian dài hay đơn giản qua việc họ nói tốt về British Airway với những người khác. Không chỉ dừng lại ở đó, Know Me đã cho phép hãng mở rộng góc nhìn về khách hàng, vượt xa khuôn khổ của các chương trình khách hàng trung thành, hướng tới mục tiêu hiểu rõ nhu cầu của 50 triệu khách hàng của hãng.
Một thách thức của việc cá nhân hóa dịch vụ là việc nở rộ của các thiết bị và nền tảng khác nhau cho phép khách hàng tương tác với doanh nghiệp. Vấn đề là làm thế nào biết được doanh nghiệp đang tương tác với cùng một cá nhân trên điện thoại, máy tính bảng, và máy tính cá nhân, chứ chưa nói đến Facebook, cổng bán hàng của doanh nghiệp, hay trên các quảng cáo hiển thị của Google ở khắp không gian mạng. May mắn là thách thức này đang được khắc chế một cách nhanh chóng, vì công nghệ cho phép truy tìm địa chỉ của khách hàng trên các nền tảng khác nhau. David Williams, CEO của Merkle, hãng cơ sở dữ liệu giải thích, khả năng giao tiếp với từng khách hàng cá nhân của chúng tôi đang tăng nhanh nhờ vào công nghệ “định vị đối tượng ở quy mô lớn” trên Google, Facebook, Amazon, và tất cả các nền tảng lớn khác trên mạng.
Kế sách thứ tư: Cung cấp khuôn khổ tham chiếu dựa vào bối cảnh
Kế sách cuối cùng trong sáng tạo giá trị dữ liệu là bối cảnh. Bằng cách cung cấp một khuôn khổ tham chiếu – và minh họa cách mà các hoạt động hoặc hiệu suất của một khách hàng được đối chiếu với mức trung bình của một quần thể khách hàng lớn hơn – bối cảnh có thể tạo ra giá trị mới cho doanh nghiệp cũng như cho khách hàng.
Gắn dữ liệu vào bối cảnh chính là trái tim của phong trào “lượng hóa bản thân” – với bằng chứng là khách hàng ngày càng chú ý đến việc đo đếm những bữa ăn kiêng, bài tập, nhịp tim, giờ giấc đi ngủ, và các thông số sinh học khác. Nike là một trong những công ty đầu tiên bước vào xu thế này với nền tảng Nike +, ban đầu được sử dụng trong các cảm biến gắn trong giầy, rồi vòng cổ tay Nike Fuel và sau đó là các ứng dụng trên điện thoại di động. Vào mỗi giai đoạn phát triển, Nike + được thiết kế để khách hàng thu thập dữ liệu của họ và chia sẻ với các cộng đồng trực tuyến. Khi theo dõi dữ liệu chạy bộ, khách hàng của Nike không chỉ quan tâm hôm nay họ chạy thế nào mà còn muốn biết họ chạy có khá hơn tuần trước hoặc tháng trước không, có vượt mục tiêu họ đã đặt ra hoặc có tốt bằng bạn bè trên mạng xã hội của họ không. Ở đây bối cảnh chính là thượng đế.
So sánh dữ liệu của mình với dữ liệu của những người khác cũng có thể tạo ra giá trị vì nó giúp khách hàng biết được xác suất xuất hiện của các kết quả khác nhau. Naviance là một nền tảng phổ biến giúp các học sinh cấp ba ở Mỹ trong quá trình chuẩn bị tìm trường và nộp đơn vào các trường đại học. Một trong những tiện ích chính của nền tảng này là công cụ cho phép học sinh tải bảng điểm (điểm bài test, điểm trên lớp, trường đã theo học) và so sánh với một cơ sở dữ liệu lớn gồm hồ sơ của những học sinh khác cũng nộp đơn qua Naviance. Dựa trên kết quả trước đây từ các hồ sơ tương đồng, nền tảng này có thể tiết lộ cho học sinh biết khả năng trúng tuyển của họ vào các trường đại học khác nhau mà họ đã lựa chọn nộp hồ sơ. Thay vì nộp đơn một cách thầm lặng như thế hệ chúng ta trước đây, ngày nay học sinh cấp ba có thể thể sử dụng Naviance để biết được trường nào trong danh sách họ nộp là quá tầm với họ, trường nào khả năng trúng tuyển cao và trường nào thì vừa tầm của họ.
Chia sẻ và so sánh dữ liệu giữa các khách hàng có thể là một cách làm cực hiệu quả để đưa ra những cảnh báo nguy hiểm. BillGuard là một ứng dụng bảo vệ tài chính phổ biến giúp theo dõi sao kê thẻ tín dụng của khách hàng và giúp xác minh được cả các hóa đơn gian lận (ví dụ nếu thẻ tín dụng nằm trong số 50 triệu thẻ bị hack trong vụ lừa đảo trên mạng gần đây) lẫn các chi phí “xám” (là những chi phí ẩn mà khách hàng có thể không nhận ra trong lúc tính tiền). Thuật toán của BillGuard cho kết quả rất chính xác là vì nó có thể so sánh hóa đơn của một khách hàng với những hóa đơn tương tự ẩn danh khác cũng như đối chiếu với các khoản chi được đánh dấu nghi vấn bởi bất kỳ khách hàng nào ở cộng đồng trên mạng.
Có thể kể đến các ví dụ khác về khai thác dữ liệu bối cảnh như Glassdoor cho phép người tìm việc so sánh lương của họ với mức trung bình của những người khác trong cùng ngành công nghiệp hoặc cùng vị trí công việc, hay Pricing Engine cho phép các doanh nghiệp nhỏ cải thiện chi tiêu quảng cáo kỹ thuật số (trên các nền tảng như Google Adwords) bằng cách đối chiếu tỷ lệ quảng cáo thành công của họ với những công ty khác.
Nguồn: Cải tổ doanh nghiệp trong thời đại số (David Rogers)
