EnglishỞ bài viết trước, phần 1 về ứng dụng Big Data trong lĩnh vực E-commerce, BigDataUni đã giới thiệu đến các bạn tổng quan về thị trường E-commerce, các định nghĩa, khái niệm về kinh doanh trực tuyến, đồng thời mô tả nguồn dữ liệu E-commerce có những đặc tính được coi là Big Data và nói lên nhu cầu khai thác. Tiếp tục với phần 2, phần trọng tâm của chủ đề này, BigDataUni sẽ đi vào chi tiết lợi ích, và ứng dụng mà Big Data đem lại khi được triển khai trong ngành thương mại điện tử (E-commerce)
Ứng dụng của Big Data trong E-commerce
Chiến lược thu hút, giữ chân khách hàng là chiến lược quan trọng nhất đối với các công ty hoạt động trong lĩnh vực E-commerce. Để phát triển một chiến lược hiệu quả và hợp lý thì việc đầu tiên là xây dựng hệ thống thu thập dữ liệu khách hàng và xử lý, triển khai các thuật toán phân tích để dự báo khách hàng nào có nguy cơ rời dịch vụ, khách hàng nào là khách hàng tiềm năng, để đề ra các giải pháp trong thời gian thực, qua đó tăng doanh số. Các ứng dụng mà Big Data sẽ đem lại nhằm đạt được mục tiêu trên bao gồm:
- Cung cấp sản phẩm, dịch vụ mang tính cá nhân hóa, tùy chỉnh theo khách hàng
Người tiêu dùng có thể sử dụng nhiều kênh bán hàng từ một nhà bán lẻ, vì vậy các công ty phải thu thập từ nhiều nguồn khác nhau. Bằng cách sử dụng các phân tích trong thời gian thực, các công ty có thể thiết kế các dịch vụ được cá nhân hóa và các chương trình khuyến mãi cụ thể cho khách hàng trung thành và những khách hàng mới.
Với sự cạnh tranh khốc liệt trong ngành thương mại điện tử, Personalization(cá nhân hóa) không còn là một trong những lợi thế cạnh tranh nhất định mà nó đã trở thành yếu tố then chốt, phải được thực hiện đối với mỗi công ty trong lĩnh vực này, theo nghiên cứu của Annex Cloud về lòng trung thành của khách hàng trong năm 2017, thì có tới 86% khách hàng cho rằng cá nhân hóa có tác động quan trọng đến việc mua hàng của họ.
Nguồn hình: eZ Personalization
Big Data có thể cung cấp thông tin chuyên sâu về hành vi và nhân khẩu học của khách hàng, rất hữu ích trong việc tạo ra trải nghiệm cá nhân hóa. Giả sử, bạn tìm kiếm trên Lazada hoặc Tiki một sản phẩm nào đó, thì dữ liệu về những gì bạn gõ ở “mục tìm kiếm”, tần suất bạn tìm kiếm, số lần bạn tham khảo danh mục sản phẩm cùng loại theo từng mức giá, mỗi lần bạn xem mô tả sản phẩm, mỗi lần thêm sản phẩm vào giỏ hàng chuẩn bị mua,…Tất cả hoạt động, hành vi tương tự trên sẽ được thu thập và phân tích để tối ưu trải nghiệm, tạo cơ hội lớn để thu hút, giữ chân khách hàng thông qua cá nhân hóa. Đặc biệt với các công cụ phân tích dự báo, các công ty sẽ nắm được sở thích, nhu cầu chính xác để gợi ý sản phẩm, dịch vụ mà khách hàng muốn mua trong thời gian thực. Ví dụ từ kết quả phân tích, công ty có thể triển khai các hoạt động cá nhân hóa như
- Gửi email với giá sản phẩm được tùy chỉnh phù hợp và đưa ra các ưu đãi đặc biệt để thu hút khách hàng.
- Các chiến lược marketing nhắm mục tiêu khách hàng tiềm năng sẽ hiệu quả hơn, đặc biệt với các quảng cáo, banner trên mạng xã hội thiết kế riêng cho một bộ phận đối tượng khách hàng nhất định có nhu cầu về một sản phẩm cụ thể nào đó, sẽ tăng khả năng mua hàng cao hơn.
- Xây dựng hệ thống giá cả linh hoạt để thu hút khách hàng
Giá cả là yếu tố cạnh tranh quyết định giữa các công ty triển khai E-commerce, và các hoạt động kinh doanh trên những kênh thương mại điện tử. Việc khách hàng tham khảo nhiều kênh mua hàng khác nhau cũng xuất phát từ sự khác biệt của giá cả . Sử dụng dữ liệu khách hàng nhiều công ty thương mại điện tử có thể đầu tư phát triển hệ thống giá cả linh hoạt hoặc năng động, dựa trên các yếu tố bên ngoài như nhu cầu của người tiêu dùng, giá của đối thủ cạnh tranh kết hợp các yếu tố bên trong như mục tiêu lợi nhuận, chi phí hoạt động kinh doanh,…
Điển hình là Walmart đã sử dụng dữ liệu mua sắm trực tuyến của khách hàng để xác định các mô hình bán hàng, chiến lược giá lợi nhuận cao hơn. Ví dụ, một sản phẩm bán riêng lẻ một mình có thể không tạo ra nhiều lợi nhuận so với việc ghép nó với một loại hàng hóa khác với giá bán phù hợp hơn. Hay hệ thống giá linh hoạt được Amazon sử dụng để theo dõi giá từ đối thủ và gửi thông báo cứ sau 15 giây, giúp Amazon có các giải pháp về giá nhanh chóng hơn trong thời gian thực, giúp họ tăng doanh thu (ngoài ra Amazon còn đẩy mạnh xử lý, phân tích dữ liệu của đối thủ cạnh tranh như giá, doanh số, hành động của khách hàng, sở thích, ưu tiên về vị trí địa lý)
- Quản lý hệ thống chăm sóc khách hàng một cách chủ động
Theo thống kê Help Scout, 91% khách hàng không hài lòng sẽ không mua hàng nếu công ty có các dịch vụ chăm sóc khách hàng yếu kém. Tập trung vào dịch vụ khách hàng là rất quan trọng đối với sự thành công của tất cả các doanh nghiệp thương mại điện tử. Hiểu được khách hàng là rất quan trọng, nhưng thậm chí quan trọng hơn là giúp khách hàng dễ dàng liên hệ với doanh nghiệp, công ty, để giải quyết các vấn đề hoặc tìm câu trả lời cho những thắc mắc, nhu cầu của chính họ. Big Data hỗ trợ các công ty trong việc hình thành một hệ thống chăm sóc khách hàng linh hoạt, tạo ra giá trị từ quá trình xây dựng mối quan hệ thân thiết với khách hàng.
Sự ra đời của Chatbot (hệ thống trả lời tự động không cần sự trợ giúp của con người) cung cấp các tính năng thu thập dữ liệu khách hàng từ các đoạn đối thoại, qua đó công ty sẽ tiến hành phân tích để nắm bắt được nhu cầu, mong muốn thầm kín của khách hàng để đưa ra các phản hổi thích hợp, xây dựng mối quan hệ lâu dài với họ. Đặc biệt Chatbot giúp công ty chủ động hỗ trợ 24/7, tăng trải nghiệm tối đa cho khách hàng mọi lúc
Chatbot giao tiếp với con người (nguồn hình: Telegramgeeks.com)
Ngoài ra thông qua dữ liệu khách hàng, các công ty có thể phân tích dự đoán các vấn đề có thể xảy ra trong quá trình cung cấp các sản phẩm, dịch vụ thông qua phân tích cảm nhận của khách hàng và thực hiện các giải pháp kịp thời. Mời các bạn tham khảo thêm về các bài viết Chatbot của BigDataUni:
- Tổng quan về Chatbot
- Cách thức hoạt động của Chatbot
- Lợi ích của Chatbot
- Lợi ích của Chatbot trong Big Data
- Hỗ trợ quản lý chuỗi cung ứng
Thông thường các công ty triển khai bán hàng qua các kênh thương mại điện tử thường thì một sẽ đăng ký bên thứ 3, công ty cung cấp các dịch vụ logistics, dịch vụ giao nhận, hay thứ 2 là tự quản lý hệ thống chuỗi cung ứng của mình. Phân tích dữ liệu Big Data từ các công ty bên thứ 3, hay chính từ hệ thống của công ty sẽ hỗ trợ quá trình quản lý hiệu quả. Ví dụ một khách hàng đặt một sản phẩm trực tuyến, họ sẽ muốn biết ngoài giá cả, liệu sản phẩm còn hàng hay không, thực trạng hàng hóa, vị trí hàng hóa (ví dụ đang ở kho, hay đang giao), chi phí giao hàng,..Một chuỗi cung ứng hoạt động chặt chẽ sẽ giúp giải quyết vấn đề trên.
Xác định lượng dự trữ hàng tồn kho chính xác có thể là một thách thức cho các nhà bán lẻ trực tuyến. Nếu không có hệ thống quản lý chuỗi cung ứng hiệu quả, thì khi khách hàng đặt hàng ít, công ty có thể để mất cơ hội bán hàng (do công ty không thể cung cấp các thông tin về hàng hóa đến khách hàng, không có cách thức phân phối hàng hóa hợp lý, đơn hàng giao chậm, hay không giao được hàng, thiếu hàng giao cho khách), và khi khách hàng đặt hàng nhiều công ty sẽ thêm gánh nặng về chi phí lưu trữ, khả năng không thể bán hết hàng.
Phân tích dự báo dữ liệu thương mại điện tử có thể giúp giải quyết các vấn đề về chuỗi cung ứng ví dụ:
- Dự báo xu hướng: thông qua các trang mạng xã hội, công ty sẽ có thể biết sản phẩm nào đang “hot”, hay thời điểm nào khách hàng sẽ mua hàng nhiều nhất để tăng khả năng điều phối hàng hóa, giao hàng kịp thời đến khách hàng.
- Xác định các tuyến đường ngắn nhất: Amazon sử dụng Big Data để trợ giúp trong quá trình vận chuyển nhanh. Họ tìm một nhà cung cấp gần nhất với người mua để giảm chi phí vận chuyển.
Ngoài ra, nhiều công ty áp dụng hệ thống quản lý nguồn lực doanh nghiệp ERP (Enterprise Resource Planning) để quản lý chuỗi cung ứng. Các công ty có thể kết nối, hay tích hợp hệ thống Big Data với ERP, để tổng hợp, thu thập, chuyển đổi dữ liệu từ ERP vào các công cụ, phần mềm phân tích trong hệ thống Big Data.
- Hỗ trợ phát hiện hành vi lừa đảo, tội phạm và các vấn đề bảo mật
Để xác định hành vi lừa đảo, gian lận trong thời gian thực, các công ty cần phải phân tích dữ liệu ở cấp độ tổng hợp. Các phần mềm công cụ của Big Data có thể thực hiện điều này thông qua việc kết hợp dữ liệu giao dịch của khách hàng với các lịch sử mua hàng, nhật ký truy cập web, dữ liệu mạng xã hội,.. Big Data đóng vai trò quan trọng hỗ trợ cung cấp các giải pháp thanh toán thuận tiện hơn và an toàn hơn. Các tập đoàn, các chuyên gia hàng đầu trong lĩnh vực công nghệ thông tin đang nghiên cứu, phát triển các lợi ích Big Data trong việc phát hiện hành vi lừa đảo, tội phạm và các vấn đề bảo mật.
Hiện tại và trong những năm tới đây, Big Data được hi vọng sẽ đem lại các giải pháp tốt hơn không chỉ riêng cho ngành thương mại điện tử như:
- Big Data có thể tích hợp tất cả các chức năng thanh toán khác nhau vào một nền tảng tập trung. Nó không chỉ giúp khách hàng dễ thanh toán, còn giúp giảm rủi ro gian lận. Ngoài ra còn giúp các công ty phát hiện các xu hướng chi tiêu của khách hàng. Tuy nhiên đây cũng là vấn đề nguy hiểm, vì khi tập trung dữ liệu giao dịch của khách hàng vào một chỗ sẽ tạo điều kiện thuận lợi cho tin tặc tấn công.
- Big Data cung cấp các công cụ phân tích chuyên môn, tiên tiến, trực quan hóa có thể phát hiện hành vi lừa đảo trong thời gian thực và đưa ra các giải pháp ngăn chặn rủi ro kịp thời
- Big Data có thể phát hiện các giao dịch bất thường, có khả năng là hành vi tội phạm ví dụ như hành vi rửa tiền trái pháp luật, tội phạm sử dụng tài khoản ngân hàng ăn cắp được để mua hàng.
Ngày nay khi có sự xuất hiện của các phần mềm, công cụ hỗ trợ Big Data với các vấn đề bảo mật ví dụ như các phần mềm bảo mật thanh toán tuân thủ theo quy tắc và tiêu chuẩn của PCI (payment card industry – Công nghiệp thẻ thanh toán) hay chứng chỉ SSL (Secure Sockets Layer – các trang web được xây dựng theo SSL sẽ hỗ trợ bảo mật dữ liệu bằng cách tạo ra một liên kết được mã hóa giữa máy chủ web và trình duyệt. Liên kết đảm bảo tất cả các dữ liệu trao đổi luôn được bảo mật, tránh bị xâm hại), các công ty qua đó sẽ giảm bớt được mối lo và sức ép từ an toàn dữ liệu và thông tin.
Đặc biệt là Data Tokenization – mã hóa dữ liệu bằng Tokenization – mã hóa dữ liệu nhạy cảm như tài khoản ngân hàng, hồ sơ tài chính khách hàng, hay các thông tin cá nhân quan trọng cần được bảo mật. Nói một cách dễ hiểu biệt thay vì phải lưu trữ chính xác số thẻ ngân hàng của khách hàng, Tokenization sẽ tự động mã hóa số thẻ của khách hàng thành mã Token (những dãy kí tự đặc biệt), và thay vì phải lưu trữ số thẻ thì hệ thống tại các công ty chỉ lưu trữ các mã Token. Mã Token này được sử dụng thay cho thông tin thẻ trong các giao dịch sau này, đảm bảo an toàn tuyệt đối. Nếu xảy ra lỗ hổng dữ liệu, tội phạm, hay tin tặc sẽ không thể truy cập được để lấy cắp thông tin thẻ, bởi những mã Token được lưu trong hệ thống sẽ không có giá trị đối với tất cả cá nhân, tổ chức nào khác ngoại trừ với tổ chức cung cấp giải pháp thanh toán hợp pháp.
- Lợi ích của phân tích dự báo (Predictive Analytics)
Các công cụ Big Data kết hợp với các thuật toán khoa học cho phép các công ty dự đoán giá trị tiềm năng của khách hàng cá nhân và mô hình bán hàng trong tương lai, giúp dự báo tốt hơn các vấn đề phát sinh trong quản lý chuỗi cung ứng và hàng tồn kho, để có khả năng cung cấp thông tin hàng hóa tốt nhất cho công ty và khách hàng. Các thuật toán của phân tích dự báo – Predictive Analytics đề cập đến việc xác định các sự kiện tương lai trước khi chúng diễn ra thông qua việc khai thác Big Data. Việc áp dụng phân tích dự báo phụ thuộc rất nhiều vào quá trình xử lý, phát hiện các vấn đề, giá trị là những thông tin hữu ích tiềm ẩn của dữ liệu.
Sử dụng các công cụ phân tích dự báo để đẩy mạnh phân tích hành vi khách hàng thông qua các dữ liệu cá nhân như lịch sử giao dịch, lịch sử tìm kiếm,..như đã trình bày ở các phần trên, mục đích xác định khuynh hướng, nhu cầu tiêu dùng trong tương lai, sở thích của khách hàng, sản phẩm nào khách hàng muốn mua nhất hay sản phẩm họ sẽ tìm mua khi đã mua một sản phẩm khác trước đó ví dụ như Walmart sử dụng Big Data phát hiện ra rằng những người mua tã giấy thường mua bia và họ đẩy mạnh cross-selling thành công.
Ngoài ra predictive analytics hỗ trợ dự báo các giờ cao điểm, thời điểm khách hàng sẽ mua hàng nhiều nhất để quản lý hàng tồn kho. Phân tích dự báo còn giúp các công ty E-commerce chuẩn bị ngân sách hàng kỳ, xác định được các mô hình bán hàng trong tương lai từ dữ liệu bán hàng trong quá khứ (ví dụ: hàng năm hoặc hàng quý). Từ đó các công ty sẽ dự báo tốt hơn và quản lý hàng tồn kho, tránh các vấn đề như tồn kho sản phẩm quá nhiều, chi phí cao bán không hết, và hay thiếu hụt hàng dẫn đến mất khách hàng.
Dựa vào các kết quả dự báo về hành viêu mua hàng của khách hàng, các hệ thống khuyến nghị hay còn gọi Recommendation Engine sẽ gửi đến khách hàng các sản phẩm có thể họ quan tâm hay các công cụ Remarrketing (tiếp thị lại) trên nền tảng website, social media hỗ trợ các công ty thương mại điện tử quảng cáo trực tiếp đến khách hàng cũ hoặc khách hàng tiềm năng, các sản phẩm dựa trên sở thích và dự báo nhu cầu.
Nguồn tham khảo (cho phần 1 và phần 2)
2018 Global E-commerce Report của E-commerce Foundation
E-commerce Industry In Viet Nam Report của EVBN (EU-Viet Nam Business Network)
Research page: “Big Data Analytics for E-Commerce –Its Impact on Value Creation” của International Journal of Advanced Research in Computer and Communication Engineering, tác giả Avinash B.M., Akarsha B.M.
https://medium.com/nova-marketing-insights/driving-e-commerce-growth-using-big-data-410427649c78
https://www.searchtechnologies.com/blog/big-data-use-cases-for-business
https://dataconomy.com/2018/02/5-ways-big-data-analytics-will-impact-e-commerce-2018/
https://www.thebalancesmb.com/ebusiness-vs-ecommerce-1141573