EnglishQuay trở lại với chủ đề về dữ liệu khách hàng, ở bài viết phần 1 và phần 2, BigDataUni đã giới thiệu đến các bạn những khái niệm về phân tích dữ liệu khách hàng, loại dữ liệu khách hàng có thể thu thập, và lợi ích, cũng như mục đích của quá trình Customer data analytics. Trong phần 3 lần này, chúng tôi sẽ cung cấp những giải pháp hỗ trợ các công ty khai thác nguồn dữ liệu khách hàng của họ sao cho hiệu quả nhất.
Dành cho các bạn chưa tham khảo các phần trước:
Tổng quan về Customer Data (P.1): Dữ liệu khách hàng là gì?
Tổng quan về Customer Data (P.2): Lợi ích của dữ liệu khách hàng
Image from rawpixel.com
Dự liệu khách hàng chứa rất nhiều thông tin hữu ích, và tầm quan trọng của việc phân tích chúng là không thể bàn cãi. Tuy nhiên không phải tổ chức nào cũng thực sự tự nhận mình thành công ở việc khai thác dữ liệu khách hàng, như chúng tôi đề cập ở bài viết trước thông qua các số liệu báo cáo của ClickZ và Fospha về thực trạng sử dụng Customer data của các công ty hoạt động ở lĩnh vực bán lẻ kết hợp thương mại điện tử. Ví dụ, có 34% tổng số các công ty được khảo sát cho rằng họ phân tích chưa đến 20% nguồn dữ liệu sẵn có, và cũng chỉ trên 20% cho rằng họ “thực sự” đang sử dụng hiệu quả dữ liệu khách hàng.
Trước khi đi vào tìm hiểu các giải pháp, chúng ta cùng bàn luận một số thách thức mà mỗi tổ chức có thể đối mặt khi họ đẩy mạnh khai thác Customer data.
Đầu tiên, khối lượng dữ liệu khách hàng mà mỗi công ty phải thu thập hiện nay rất lớn, đa dạng và đến từ nhiều nguồn khác nhau, như chúng tôi đã trình bày ở phần 1 về thuật ngữ “Big data” thường được áp dụng để nói về dữ liệu khách hàng. Với mong muốn đạt được giá trị từ dữ liệu, các công ty cần phải biết làm thế nào để biến dữ liệu của mình thành những thông tin hữu ích hỗ trợ cho giai đoạn ra quyết định, chiến lược hành động, kinh doanh. Thách thức đề ra trước mắt đó chính là họ phải tự xây dựng cho mình những năng lực, khả năng nhất định. Chúng có thể là khả năng tiếp cận công nghệ, kỹ thuật tiên tiến trong lĩnh vực Big data hay Data science (khoa học dữ liệu); năng lực quản lý và phân tích dữ liệu đến từ bộ phận nhân viên cùng với hệ thống các quy trình, kỹ thuật, phương pháp, phần mềm được áp dụng sao cho phù hợp.
Hay nói cách khác, quản lý khối lượng lớn dữ liệu khách hàng từ nhiều nguồn, nhanh chóng phát hiện ra các mối quan hệ, các thông tin ẩn chứa về những đối tượng nghiên cứu và xác định cách sử dụng chúng như thế nào là tốt nhất, để đưa tổ chức đi lên là thách thức lớn đối với hầu hết các công ty ở mọi quy mô.
Khách hàng cũng là con người, mà con người thì luôn luôn thay đổi từ hành động đến suy nghĩ và hành vi khi họ chịu ảnh hưởng bởi các yếu tố xã hội, sự kiện, xu hướng tiêu dùng, sự phát triển công nghệ,.. Chính vì vậy, Customer data không ngừng lại mà tiếp tục tăng lên, nó khác với những năm trước đây, các công ty hiện tại phải nhanh chóng cập nhật thông tin, dữ liệu về khách hàng mỗi ngày, đặc biệt đối với việc thu hút các khách hàng tiềm năng, nếu không xác định sớm công ty sẽ bị đối thụ cạnh tranh vượt mặt và giành lấy.
Dữ liệu khách hàng không cứng nhắc như những hòn đá, mà nó như dòng nước không ngừng “chảy” vào tổ chức và quá trình kiểm soát dòng chảy ấy không phải là điều đơn giản. Để hiểu rõ hơn, chúng ta lấy ví dụ về một con ruồi đang bay trong nhà bạn, bạn sẽ cố gắng tiêu diệt nó, đồng thời tìm hiểu xem nó ở đâu đến, tại sao lại đến nhà bạn, và nơi tiếp theo nó sẽ đến là đâu.
Những thách thức có thể đối mặt
- Thói quen cố gắng xử lý tất cả dữ liệu khách hàng theo cách thủ công ở nhiều công ty.
- Sự hạn chế về nguồn lực ở các công ty quy mô vừa và nhỏ như thiếu nhân lực có chuyên môn và kỹ năng trong lĩnh vực Data analytics/ Data science, nguồn tài chính hạn hẹp dẫn đến khó tiếp cận các nền tảng công nghệ, kỹ thuật hỗ trợ khai thác dữ liệu khách hàng cũng là thách thức lớn.
- Đối với các công ty có đầy đủ nguồn lực thì việc lựa chọn hay áp dụng các công cụ hỗ trợ thu thập và xử lý dữ liệu khách hàng sao cho phù hợp lại chính là thách thức đối với họ. Bên cạnh đó là thách thức cần cập nhật các xu hướng công nghệ mới để cạnh tranh với những đối thủ cùng ngành trong việc khai thác dữ liệu khách hàng.
- Hiện nay nhiều công ty thường không chú trọng vào quy trình quản lý dữ liệu, hay quản lý dữ liệu không hiệu quả có thể dẫn đến sự thất bại của giai đoạn phân tích, và ảnh hưởng mạnh đến sự thành công của các chiến lược kinh doanh dựa trên dữ liệu khách hàng.
Để hiểu rõ hơn về tầm quan trọng của Data management, mời các bạn tham khảo thêm:
Tầm quan trọng của quản lý dữ liệu (P1)
Tầm quan trọng của quản lý dữ liệu (P2)
- Khả năng phối hợp kém giữa các bộ phận khác trong công ty với các bộ phận IT, bộ phận phân tích dữ liệu cũng là thách thức đáng quan tâm. Ví dụ bộ phận marketing cần có được những thông tin gì để ra chiến lược tiếp thị, nhưng bộ phận phân tích dữ liệu có thể không hiểu được mong muốn của bộ phận marketing hay không có khả năng cung cấp những thông tin ấy kịp thời, nguyên nhân có thể do công cụ, phần mềm họ sử dụng để phân tích gặp vấn đề mà không thông báo sớm đến bộ phận IT để nhận hỗ trợ. Lưu ý, ở một số công ty, thì trong bộ phận marketing và sale có thể có nhân viên phụ trách việc phân tích, chứ không đa phần phụ thuộc hết vào bộ phận phân tích dữ liệu.
- Customer data thu thập thường không đầy đủ, cung cấp thiếu thông tin, hoặc thông tin bị nhiễu, bị sai lệch, khó đem lại kết quả phân tích chính xác. Nguyên nhân có thể đến từ chính khách hàng, hoặc đến từ chính hệ thống dữ liệu của công ty.
- Đối với những công ty quy mô vừa trở nên, có nhiều phòng ban, bộ phận chức năng, thì dữ liệu thường được lữu giữ tách biệt, trong lĩnh vực Data science, người ta gọi là “Data silo”. Data silo là một tập hợp các thông tin, dữ liệu bên trong tổ chức, được để ở những nơi khác nhau, được cách ly (chịu sự quản lý của một bộ phận và chỉ bộ phận ấy mới được truy cập), khó tiếp cẩn bởi các bộ phận, phòng ban khác. Một nghiên cứu từ Exasol khảo sát các chuyên gia đến từ các công ty ở Anh và Đức năm 2018, có 55 % thừa nhận rằng sự phân tán dữ liệu trên nhiều hệ thống khác nhau cản trở nỗ lực của họ để tận dụng và khai thác tối đa giá trị từ dữ liệu. Do đó nếu dữ liệu khách hàng trong một công ty có thể nằm ở nhiều nơi, gây khó khăn cho việc khai thác, sử dụng chúng ví dụ bộ phận marketing cần dữ liệu giao dịch của khách hàng, vậy họ phải liên hệ, trao đổi với bộ phận bán hàng để thu thập.
- Thách thức từ Dark data hay còn gọi là dữ liệu tối, dữ liệu mà theo định nghĩa của Gartner – công ty tư vấn và nghiên cứu thị trường hàng đầu – là dữ liệu, nguồn thông tin mà một công ty, tổ chức thu thập, xử lý, lưu trữ thường xuyên trong quá trình hoạt động kinh doanh nhưng không tìm thấy mục đích sử dụng, không tìm thấy được giá trị của chúng. Cũng trong nghiên cứu của Exasol khảo sát các chuyên gia từ các công ty ở Anh và Đức, có 82% cho rằng họ không thể xác định dữ liệu nào là thực sự quan trọng. Vì vậy yêu cầu đề ra là công ty cần hiểu và xác định dữ liệu khách hàng nào có ý nghĩa để phân tích và dữ liệu nào không liên quan, hay không cần thiết để loại bỏ đặc biệt khi dữ liệu khách hàng rất nhiều, đa dạng, phức tạp.
- Chất lượng dữ liệu là yếu tố quan trọng quyết định sự thành công của giai đoạn phân tích dữ liệu. Đối với nguồn dữ liệu khách hàng phong phú, phức tạp, việc đảm bảo chúng luôn đạt được chất lượng tốt không phải dễ dàng. Do đó yêu cầu phải quản lý chất lượng dữ liệu, luôn cập nhật dữ liệu, làm sạch dữ liệu,…để dữ liệu khi đưa vào phân tích phản mô tả một cách chính xác về các khách hàng cũng chính là thách thức lớn. Mời các bạn đọc thêm các bài viết của chúng tôi về Data quality:
Tổng quan về Data quality (P1)Tổng quan về Data quality (P2)
- Thách thức từ việc lựa chọn, sử dụng đa dạng, linh hoạt những phương pháp phân tích dữ liệu khách hàng sao cho thích hợp để nhanh chóng khai thác được các thông tin hữu ích.
- Yêu cầu bảo mật dữ liệu, thông tin cá nhân khách hàng, có trách nhiệm trước khách hàng trong việc sử dụng dữ liệu của họ một cách minh bạch. Đây là vấn đề được chúng tôi đề cập nhiều trong các bài viết trước của chúng tôi về Data security. Mời các bạn đọc thêm các bài viết của chúng tôi về Data security:
Thực trạng data security trên toàn cầuCác cách thức giúp cải thiện Data security
Ngoài những thách thức được nêu ở trên, còn rất nhiều thách thức khác mà BigDataUni không thể cung cấp hết đến các bạn trong bài viết này, nên chúng ta cùng chuyển sang phần tiếp theo: Customer data management – giải pháp đầu tiên, cũng tối quan trọng để công ty khai thác dữ liệu khách hàng tốt nhất.
Customer data management – công cụ quan trọng nhất
Để đạt được sự thành công trong mọi hoạt động kinh doanh, hay phân bổ, sử dụng những nguồn lực nhằm đạt được các mục tiêu ngắn, dài hạn thì hầu hết mỗi tổ chức phải có một hệ thống quản lý, quản trị chặt chẽ. Điều này cũng tương tự đối dữ liệu khách hàng: khi và chỉ khi chúng được quản lý hiệu quả, thì các công ty mới có thể tận dụng, khai thác tối ưu và thu được những giá trị như mong đợi.
Theo Techopedia: “Quản lý dữ liệu khách hàng (CDM) là quá trình thu thập, quản lý, phân tích dữ liệu khách hàng mục đích để giải quyết các vấn đề cụ thể của khách hàng và cung cấp các giải pháp có giá trị cao đến khách hàng trong khi vẫn duy trì mức độ hài lòng và giữ chân họ”. Quản lý dữ liệu khách hàng là cách công ty theo dõi dữ liệu, thông tin thu thập về khách hàng từ nhiều nguồn khác nhau. CDM thường có các hoạt động: thu thập, phân loại, chỉnh sửa, làm giàu, lưu trữ, tổ chức và chia sẻ dữ liệu khách hàng (ở một số định nghĩa khách có cả quá trình phân tích dữ liệu khách hàng). CDM cho phép tổ chức chuyển đổi dữ liệu khách hàng thành Customer Intelligence (CI).
Customer Intelligence (CI) là một thuật ngữ quan trọng mà đáng lẽ BigDataUni phải trình bày đến các bạn ở 2 phần bài viết trước. Nguyên nhân là chúng tôi muốn giải thích thuật ngữ này dưới góc độ một quy trình giúp công ty đạt được giá trị từ dữ liệu khách hàng, chứ không chỉ là một lợi ích có được từ Customer data analytics. Vậy nên CI được giới thiệu trong bài viết này là hợp lý hơn.
Theo chúng tôi, quá trình tập trung vào việc tận dụng những hiểu biết sâu sắc về khách hàng (hay Customer insights) có được sau khi phân tích Customer data, để cải thiện chiến lược kinh doanh, mối quan hệ với khách hàng bằng cách sử dụng quy trình ra quyết định dựa trên dữ liệu, có thể được gọi là Customer Intelligence.
Một số định nghĩa khác về CI như theo Techopedia: “CI là một nỗ lực của tổ chức để thu thập và phân tích dữ liệu về hành vi của khách hàng, sử dụng các tài nguyên, công cụ và phương pháp của CI để hiểu khách hàng đang làm gì, và tại sao họ lại làm như vậy”. Còn theo Techtarget: “CI là các thông tin mà một tổ chức lấy được từ dữ liệu khách hàng (thu thập bên trong hay bên ngoài tổ chức). Mục đích của sử dụng CI là để hiểu rõ hơn các động lực, hành vi của khách hàng để thúc đẩy tăng trưởng trong tương lai.”
Quay trở lại với CDM, chúng ta có thể hiểu theo cách khác, CDM là việc tích hợp một hoặc nhiều phần mềm, công cụ để tạo điều kiện cho công ty tiếp cận, truy cập dữ liệu khách hàng hiệu quả. Theo Techtarget, các tổ chức có thể triển khai CDM với các công cụ, phần mềm được thiết kế nội bộ (in-house software tools) hoặc thuê dịch vụ điện toán đám mây hay công cụ, phần mềm khác của các công ty trong lĩnh vực công nghệ, dữ liệu (bên thứ 3) để tiến hành thu thập, phân tích và sắp xếp dữ liệu, thông tin khách hàng trong một nền tảng nhất quán, duy nhất. Khi đó, dữ liệu có thể được truy cập trong thời gian thực bởi tất cả các bộ phận có liên quan trên toàn bộ tổ chức, bao gồm bán hàng, Marketing và chăm sóc khách hàng.
Bên cạnh đó CDM là một tập hợp các quá trình quản lý cho phép dữ liệu khách hàng từ các nguồn khác nhau được tổng hợp và chuẩn hóa. Một hệ thống CDM bao gồm con người, quy trình và công nghệ mà một tổ chức có được để hỗ trợ việc thu thập, truy cập và xử lý Customer data trước khi đưa chúng vào giai đoạn phân tích.
Nếu CDM được triển khai hiệu quả, nó có thể cung cấp cho các tổ chức nhiều lợi ích như khả năng am hiểu khách hàng và kiểm soát các kênh truyền thông, tiếp thị. CDM đảm bảo dữ liệu khách hàng sao cho chúng ở trạng thái tốt nhất với đạt yêu cầu về chất lượng để sau khi đưa vào phân tích, công ty sẽ đạt được kết quả chính xác.
Đây cũng là mục tiêu của CDM: cung cấp cho tất cả các cá nhân trong cùng một tổ chức một cái nhìn toàn diện, thống nhất về từng khách hàng và phân khúc khách hàng, cho phép các công ty hợp lý hóa mọi hoạt động CRM (Customer relationship management), Customer service hay Customer feedback management (quản lý phản hồi của khách hàng).
Lợi ích của Customer data management
Theo chúng tôi, lợi ích và quy trình của quản lý Customer data chính là nằm trong các lợi ích, và quy trình của Data management – quản lý dữ liệu ở phạm vi cả tổ chức. Vì dữ liệu khách hàng là chiếm một phần lớn trong nguồn tài sản dữ liệu của tổ chức. Mặc khác mục đích của Data management là làm sao để các công ty tận dụng, khai thác dữ liệu một cách hiệu quả.
Do đó trong bài viết này chúng tôi không đề cập nhiều để tránh làm dài bài viết và đi lệch hướng chủ đề chính của bài viết.
Để hiểu rõ hơn về các quy trình, lợi ích có thể có của Customer data management, các bạn có thể tham khảo thêm các bài viết về tầm quan trọng của Data management:
Tầm quan trọng của quản lý dữ liệu (P1)
Tầm quan trọng của quản lý dữ liệu (P2)
Ví dụ một vài lợi ích của CDM:
- Giúp công ty kiểm soát, hệ thống lại tất cả dữ liệu khách hàng sau khi thu thập một cách hiệu quả, theo dõi quá trình chúng luân chuyển qua các bộ phận bên trong tổ chức, cách chúng được sử dụng, xử lý ở từng giai đoạn, và cách chúng mang lại giá trị cho chính tổ chức.
- CDM đảm bảo chất lượng của dữ liệu khách hàng luôn ở trạng thái hoàn hảo, giúp quá trình phân tích đem lại kết quả chính xác, và các chiến lược kinh doanh của công ty như chiến lược bán hàng, chiến lược marketing sẽ thành công trong tương lai.
- CDM đặc biệt góp phần giúp công ty hoàn thành nhiệm vụ của mình trong việc bảo mật dữ liệu, bảo vệ thông tin cá nhân của khách hàng trước các cuộc tấn công bởi những tổ chức tội phạm, hacker, hay chính nhân viên của công ty.
- CDM giúp công ty khai thác triệt để nguồn dữ liệu khách hàng để tạo ra giá trị kinh doanh, tránh các trường hợp dữ liệu khách hàng bị mất, bị thất lạc, bị bỏ sót trong khi được lưu trữ, luân chuyển, xử lý, phân tích, chia sẻ bên trong nội bộ công ty
- Với một hệ thống CDM tối ưu, công ty có thể nhanh chóng cập nhật dữ liệu, thông tin của khách hàng liên tục trong thời gian thực, và giúp các nhân viên thuộc các bộ phận khác nhau (khi có nhu cầu sử dụng) sẽ tiếp cận, truy cập dễ dàng hơn, phân tích để sớm đưa ra những dự báo về hành vi khách hàng. CDM chính là phương thức đảm bảo công ty luôn đạt được vị thế cạnh tranh của mình, đi trước các đối thủ cùng ngành trong cuộc đua phân tích dữ liệu khách hàng, thấu hiểu và thu hút khách hàng.
Tóm lại, dựa vào Customer data management, công ty có thể tận dụng tốt hơn các dữ liệu khách hàng thu thập được để ra các quyết định kinh doanh nhằm nâng cao trải nghiệm khách hàng, gia tăng lượng khách hàng (thu hút khách hàng mới, giữ chân khách hàng cũ), và sau cùng gia tăng lợi nhuận.
Vì vậy những giải pháp giúp công ty khai thác dữ liệu khách hàng tối ưu có cả bao gồm các giải pháp nâng cao sự hiệu quả trong quản lý dữ liệu khách hàng – CDM.
Để tìm hiểu thêm những giải pháp nâng cao quản lý dữ liệu, mời các bạn tham khảo thêm các bài viết về “Tầm quan trọng của quản lý dữ liệu” của BigDataUni thông qua các link chúng tôi cung cấp ở phía trên, vì ở phần sau chúng tôi sẽ không giới thiệu lại.
Những giải pháp khai thác hiệu quả Customer data
- Xây dựng nền tảng dữ liệu khách hàng hay còn gọi là Customer data platform (CDP)
Như đã trình bày ở các bài viết trước về xu hướng Big Data đang được phổ biến rộng rãi, cũng như nhu cầu của hầu hết các công ty không chỉ riêng lĩnh vực E-commerce mà ở tất cả lĩnh vực khác trong việc triển khai hoạt động bán hàng, tiếp thị đa kênh. Chính vì điều đó, mà khối lượng dữ liệu khách hàng đang gia tăng với mức độ không thể kiểm soát. Để quản lý hiệu quả dữ liệu khách hàng từ nhiều nguồn khác nhau, thì mỗi công ty phải xây dựng cho mình một nền tảng dữ liệu khách hàng thống nhất, gọi là CDP.
Thực chất, nếu một công ty có sẵn một hệ thống CDM gần đến mức tối ưu, thì họ chắc chắn đã có cho mình CDP. Vì CDP là một thành phần không thể thiếu trong CDM. Với CDP, công ty có thể tích hợp dữ liệu khách hàng ở nhiều định dạng khác nhau (có thể có cấu trúc và không có cấu trúc – unstructured data), online hoặc offline, từ nhiều nguồn khác nhau, từ các bên liên quan bao gồm các bộ phận của công ty và các bên liên quan (ví dụ dữ liệu từ công ty bên thứ 3), dưới một nền tảng, hệ thống duy nhất.
CDP giúp công ty có thể tổ chức, quản lý hiệu quả tất cả dữ liệu khách hàng, tạo điều kiện truy cập, tiếp cận dễ dàng hơn bởi tất cả các nhân viên (có yêu cầu sử dụng dữ liệu và được cho phép), và sự phối hợp giữa các bộ phận trong việc cung cấp trải nghiệm khách hàng ở tất cả các kênh bán hàng, tiếp thị.
CDP tập trung mọi dữ liệu về khách hàng cho công ty, bất kể khách hàng sử dụng kênh bán hàng nào để mua sắm, ứng dụng thông minh nào, kênh tiếp thị nào để tra cứu, tìm hiểu sản phẩm. Vì thế thông qua CDP, và bằng cách phân tích dữ liệu, công ty sẽ có một cái nhìn từ tổng quan đến chi tiết về từng khách hàng, phân khúc khách hàng, tình hình hoạt động hiện tại của công ty, tất cả sẽ rất giúp ích trong việc hỗ trợ những chiến lược kinh doanh.
Ví dụ điển hình như những phần mềm phân tích dữ liệu Digital Marketing có khả năng thu thập toàn bộ các dữ liệu khách hàng tương tác trên các kênh tiếp thị khác nhau, rồi tiến hành phân tích sau đó cung cấp giao diện “Dashboard” trình bày cụ thể các kết quả phân tích đến người đọc.
CDP giúp truyền tải, xử lý dữ liệu khách hàng trong thời gian thực, nhờ đó công ty có thể đưa ra hành động, tương tác nhanh chóng với khách hàng ở từng giai đoạn trên hành trình khách hàng mua hàng (Customer journey) ví dụ như đưa ra các gợi ý mang tính cá nhân hóa thông qua “Recommendation engine” (hệ thống khuyến nghị mà chúng tôi đã đề cập ở bài viết trước), cross-selling và up-selling, các poster, banner quảng cáo nhắm mục tiêu hay remarketing (tiếp thị lại) sẽ được triển khai hiệu quả, nhanh chóng, gia trăng trải nghiệm khách hàng.
Tóm lại Customer data platform không chỉ là giải pháp giúp cải thiện quá trình quản lý, tối ưu khai thác dữ liệu khách hàng mà còn giúp công ty nhanh chóng thấy được và đạt được những giá trị gì từ dữ liệu khách hàng thông qua khả năng đề xuất các hoạt động Marketing, bán hàng trong thời gian ngắn.
- Đầu tư vào đạo tạo, huấn luyện đội ngũ nhân viên
Một nhân viên có nhiều kinh nghiệm ứng dụng phân tích dữ liệu vào công việc hàng ngày có thể đem lại hiệu quả gấp mười lần so với người có ít hoặc không có kinh nghiệm thực tế trong phân tích dữ liệu. Yếu tố then chốt khiến nhân viên phân tích dữ liệu có kinh nghiệm khác biệt so với người mới tiếp cận chính là khả năng am hiểu dữ liệu ở mức độ toàn diện và tạo ra một báo cáo phân tích hoàn chỉnh. Tuy nhiên, ngày nay các lĩnh vực Data analytics, Data science mặc dù ra đời từ lâu nhưng vẫn còn khá mới mẻ, đặc biệt tại nước ta, nên nguồn nhân lực có chuyên môn và kỹ năng cũng chưa dồi dào. Do đó, các công ty nên đầu tư vào đào tạo, huấn luyện đội ngũ nhân viên hiện tại của mình các kiến thức, kỹ năng cần thiết trong phân tích dữ liệu đối với dữ liệu khách hàng (nếu có thể cả xử lý, quản lý dữ liệu).
Nếu không có khả năng mở các lớp đào tạo và mời những chuyên gia đến giảng dạy do chi phí có thể cao, các công ty quy mô nhỏ hơn cũng nên xem xét các lựa chọn các phương pháp đào tạo khác như các khóa học trực tuyến trên Internet. Hiện nay có nhiều Website cung cấp các khóa học trong lĩnh vực Data science với chi phí thường rẻ hơn nhiều thậm chí miễn phí như Coursera, Udemy, edX, DataCamp.
- Thực hiện kiểm soát dữ liệu, bảo mật dữ liệu chặt chẽ
Customer data khi được luân chuyển giữa các phòng ban, hoặc được xử lý, phân tích bởi nhiều nhân viên khác nhau sẽ dẫn đến các vấn đề bảo mật dữ liệu như dữ liệu khách hàng có thể bị đánh cắp bởi chính nhân viên, quan trọng hơn là dữ liệu có thể bị thay đổi về thông tin, định dạng,…nếu giữa các nhân viên có nhiệm vụ phân tích hay quản lý không thống nhất với nhau về các quy tắc, phương pháp làm việc với dữ liệu. Ví dụ, quy định về làm tròn số, về dấu chấm thập phân không nhất quán như “.” “,”, hoặc quy định về viết tắt các chuỗi kí tự nếu không nhất quán sẽ ảnh hưởng đến quá trình khai thác dữ liệu ở toàn tổ chức.
Giải pháp đề ra ở đây chính là việc phân quyền, và nhiệm vụ quản lý, phân tích dữ liệu khách hàng tại các phòng ban, bộ phận trong công ty chỉ được giao cho một số người có quyền hạn và kỹ năng chuyên môn nhất định chứ không phải bất kỳ nhân viên nào cũng được tiếp cận dữ liệu khách hàng. Bên cạnh đó, các nhân viên được giao trọng trách cần thống nhất những quy tắc, quy định khi quản lý, xử lý dữ liệu để tránh trường hợp dữ liệu không nhất quán.
Ngoài ra, công ty cũng cần xây dựng một nhóm nhân viên quản lý dữ liệu khách hàng chuyên biệt hay bộ phận quản lý dữ liệu có trách nhiệm phát triển, cung cấp các phương pháp, quy tắc về quản lý, xử lý dữ liệu khách hàng. Sau đó truyền đạt những kiến thức ấy đến từng bộ phận, phòng ban khác để mỗi nhân viên (với nhiệm vụ quản lý, hay phân tích dữ liệu) sẽ có cách tiếp cận chính xác nhất khi làm việc với dữ liệu. Nhờ đó, dữ liệu khách hàng khi được thu thập, điều chỉnh, và xử lý sẽ được đảm bảo thống nhất về định dạng, giá trị (thông tin cung cấp), cách thức quản lý để tăng cường khả năng bảo mật.
Về vấn đề bảo mật dữ liệu, bảo vệ thông tin cá nhân khách hàng trong bối cảnh hiện nay không còn quá lạ lẫm, vì nó từ lâu đã trở thành thước đo về uy tín, hình ảnh thương hiệu của mỗi công ty trước khách hàng của mình. Một khi đã thu thập dữ liệu khách hàng thì các công ty luôn phải có trách nhiệm gìn giữ chúng giống như tài sản của mình. Nếu dữ liệu khách hàng bị đánh cắp thì rủi ro, tổn thất phải gánh chịu có khi cao hơn rất nhiều so với giá trị chúng ta có được từ khai thác dữ liệu.
Đối với các giải pháp bảo mật dữ liệu, các bạn có thể tham khảo thêm ở những bài viết về Data security trong mục Blog của chúng tôi hoặc qua các link bài viết chúng tôi cung cấp ở trên.
- Kiểm tra chất lượng dữ liệu khách hàng
Như đã đề cập trong bài viết, chất lượng dữ liệu đóng vai trò quyết định xem công ty có khai thác hiệu quả Customer data hay không, hoặc công ty có thể đạt được những giá trị mà mình mong đợi.
Ngoài việc thiết lập các tiêu chuẩn về chất lượng cho dữ liệu khách hàng, thì công ty nên xây dựng cho mình khả năng giám sát, kiểm tra các dữ liệu khách hàng không đạt yêu cầu để đưa vào phân tích để nhanh chóng đưa ra giải pháp cải thiện chất lượng hoặc loại bỏ chúng. Vì dữ liệu khách hàng luôn được cập nhật liên tục hàng ngày, với tính chất phức tạp về loại, định dạng, khối lượng lại lớn nên rất cần thiết phải được kiểm tra về chất lượng.
Việc giám sát dữ liệu trong quá trình dữ liệu được khai thác bên trong tổ chức cũng quan trọng. Vì chất lượng của dữ liệu có thể thay đổi nếu nhân viên thao tác sai, xử lý dữ liệu không đúng cách, không theo các quy tắc, phương pháp ban đầu. Do đó, việc giám sát dữ liệu liên tục, rà soát, kiểm tra lại cả những dữ liệu được lưu trữ, xem dữ liệu nào không đạt chất lượng thì phải kịp thời cải thiện, hoặc dữ liệu nào không còn phù hợp, hay liên quan đến mục tiêu nghiên cứu, kinh doanh của công ty có thể được dọn dẹp, loại bỏ.
Để hiểu rõ hơn về chất lượng dữ liệu là gì, tầm quan trọng của nó và giải pháp cải thiện chất lượng dữ liệu, các bạn có thể đọc qua các bài viết về Data quality:
Tổng quan về Data quality (P1)
Tổng quan về Data quality (P2)
- Tập trung vào các mục tiêu cần thiết, và các dữ liệu liên quan
Khối lượng của Customer data là rất lớn, nhiều loại dữ liệu khác nhau, chứa đựng nhiều thông tin khác nhau từ nhân khẩu học, hành vi, tâm lý khách hàng,…Tuy nhiên không phải trong mọi trường hợp, công ty cũng phải thu thập và phân tích hết toàn bộ dữ liệu khách hàng, hay chỉ cần một lượng dữ liệu khách hàng phù hợp (theo lý thuyết chọn mẫu từ tổng thể trong xác suất, thống kê) thì công ty đã có thể nghiên cứu về khách hàng. Do đó công ty cần xác định trước các mục tiêu ngắn hạn, dài hạn cho từng bộ phận, phòng ban chức năng như Marketing, bán hàng,.. rồi mới xác định tiếp những dữ liệu nào là cần thiết quan tâm nhiều hơn để tiến hành khai thác và chọn lọc dữ liệu để đưa vào phân tích. Nói dễ hiểu hơn thì nó giống câu “chất lượng hơn số lượng”. Ngoài ra, hacker hoặc tin tặc có thể tấn công để đánh cắp dữ liệu mà thực chất công ty không cần thu thập đặc biệt nếu chúng là thông tin cá nhân của khách hàng, điều này có thể gây mất uy tín, và tổn thất cho chính công ty. Ví dụ để phân khúc khách hàng theo nhân khẩu học thì công ty có cần thiết phải thu thập cụ thể chi tiết địa chỉ nơi ở của khách hàng, số điện thoại của khách hàng hay không.
Mặc dù ngày nay, với công nghệ Big data phát triển, công ty có thể thu thập, lưu trữ lượng lớn dữ liệu khách hàng nhưng giải pháp này cũng là cách giảm thiểu các chi phí liên quan do quá tải dữ liệu, lãng phí đầu tư vào khai thác những dữ liệu không cần thiết và làm tăng tốc độ phân tích dữ liệu, mỗi công ty có thể đạt được giá trị từ dữ liệu sớm hơn.
- Làm giàu dữ liệu khách hàng, thu thập dữ liệu khách hàng một cách minh bạch
Chắc các bạn đã biết đến những vụ kiện Facebook, Google, Twitter, liên quan đến việc các công ty này thu thập và sử dụng thông tin cá nhân của người dùng một cách không rõ ràng, mập mờ, và đang dần mất đi lòng tin của khách hàng.
Niềm tin của khách hàng vào công ty chính là yếu tố quan trọng nhất để công ty có thể xây dựng mối quan hệ bền vững với họ. Và dĩ nhiên, niềm tin ấy không chỉ được tạo nên bởi các sản phẩm, dịch vụ chất lượng tốt, mà còn bởi sự minh bạch khi khai thác dữ liệu khách hàng.
Mối quan hệ tốt với khách hàng, uy tín thương hiệu còn là cơ sở để công ty có thể làm giàu dữ liệu, có nhiều điều kiện, cơ hội phát triển các chiến lược kinh doanh tốt hơn nữa. Có một số giải pháp để minh bạch trong việc thu thập, làm giàu dữ liệu khách hàng:
- Cung cấp các bản khảo sát đơn giản yêu cầu khách hàng điền thông tin cụ thể. Tạo những mẫu form để khách hàng phản hồi sản phẩm, dịch vụ sau khi sử dụng. Hoặc tạo các form đăng ký, các vouchers để có cơ hội trải nghiệm miễn phí sản phẩm, dịch vụ,…để khách hàng điền thông tin.
- Bên cạnh các bản khảo sát, công ty có thể tổ chức các buổi tọa đàm, các sự kiện khuyến mãi, cuộc thi, chương trình khách hàng thân thiết,…để thu thập thông tin cá nhân khách hàng qua các form đăng ký.
- Tiếp cận khách hàng mới, khách hàng tiềm năng bằng cách tư vấn trực tiếp để thu thập thêm những thông tin hữu ích, hoặc khách hàng có thể điền vào các form trên website để đăng ký nhận tư vấn.
- Cho phép khách hàng quyết định, tham gia chia sẻ những thông tin có giá trị, chẳng hạn như thông qua hộp thoại, gửi mail đến công ty,…
- Công bố chính sách bảo mật, các thông cáo chứng minh sự minh bạch của công ty khi sử dụng thông tin cá nhân khách hàng, lên trên chính trang web của công ty và các ứng dụng, nền tảng trực tuyến khác.
Đối với dữ liệu về hành vi khách hàng như mức độ tương tác của khách hàng, khách hàng làm gì trước khi mua hàng, các công ty có thể thu thập thông qua các công cụ phân tích website như Google Analytics, Website cookies, Mouse-tracking heatmaps trên trang chủ công ty, gắn mã pixel Facebook để theo dõi khách làm gì trên website để đo lường tỉ lệ chuyển đổi, lưu lại lịch sử giao dịch của khách hàng, lịch sử khách hàng nhận hỗ trợ từ nhân viên chăm sóc khách hàng, v.v.
- Sử dụng phương pháp, công cụ phân tích phù hợp
Dĩ nhiên để khai thác dữ liệu hiệu quả thì công ty phải xây dựng những phương pháp phân tích phù hợp để có được kết quả phân tích chính xác.
Ví dụ công ty có thể sử dụng các lý thuyết thống kê mô tả để tìm hiểu tổng quan về khách hàng của mình; các thuật toán của Data mining hay Machine learning để tìm hiểu các nguyên nhân tác động đến việc mua hàng của khách hàng, nguyên nhân khiến khách hàng rời dịch vụ, tìm hiểu về khả năng kết hợp của các sản phẩm mà khách hàng có thể mua, tìm hiểu các phân khúc khách hàng, và dự báo hành vi, nhu cầu khách hàng, dự báo giá trị khách hàng có thểm đem lại cho công ty,..
Ngoài việc lựa chọn các phương pháp phân tích, công ty cũng cần cân nhắc trong việc sử dụng những công cụ, phần mềm phân tích nào phù hợp dựa trên các tiêu chí về sự hiệu quả, giao diện sử dụng, cách thức sử dụng, tốc độ phân tích, khả năng xử lý khối lượng lớn dữ liệu, và chi phí phải bỏ ra,…
- Đề cao sự tham gia của các cấp quản lý trong quá trình phân tích Customer data.
Theo báo cáo của McKinsey, các công ty mà ở đó các quản lý cấp cao không tham gia, không liên quan đến quá trình phân tích khách hàng của tổ chức thì hoạt động phân tích dữ liệu khách hàng chỉ đóng góp 28% giá trị lợi nhuận. Trái ngược với điều này, gần 69% các công ty được khảo sát cho rằng khi các quản lý cấp cao của họ tích cực tham gia thì sẽ giúp đạt được giá trị lớn từ phân tích khách hàng. Nguyên nhân, thực tế là tất cả các quyết định quan trọng liên quan đến chiến lược tiếp thị và bán hàng của công ty, chiến lược cải tiến sản phẩm / dịch vụ, v.v., được đưa ra bởi các cấp quản lý. Ngoài ra với kinh nghiệm, cũng như kỹ năng, kiến thức chuyên môn trong lĩnh vực kinh doanh, cùng với sự am hiểu về cơ cấu hoạt động, mô hình kinh doanh của công ty sẽ giúp ích rất nhiều trong việc đưa các kết quả phân tích vào những chiến lược hoạt động, tránh trường hợp quá tập trung vào số liệu, dữ liệu mà không liên hệ với thực tế.
Do đó sẽ hợp lý và cần thiết hơn nếu quá trình phân tích dữ liệu khách hàng được thực hiện không chỉ bộ phận dữ liệu, bộ phận IT, bộ phận bán hàng, marketing, mà còn cả các cấp quản lý.
Còn rất nhiều giải pháp để tối ưu khai thác Customer data mà chúng tôi không thể trình bày hết trong bài viết này mong các bạn thông cảm.Như vậy đến đây là kết thúc bài viết phần 3 chủ đề tổng quan về Customer data, mong các bạn tiếp tục theo dõi, ủng hộ chúng tôi ở các bài viết sắp tới.
Nguồn tham khảo:
https://www.datapine.com/blog/customer-data-management-best-practices/
https://blog.getbase.com/8-ways-to-effectively-manage-your-customer-data
https://www.educba.com/customer-analytics-techniques/
https://www.techopedia.com/definition/28021/customer-data-management-cdm
https://searchcustomerexperience.techtarget.com/definition/customer-data-management-CDM
https://exponea.com/blog/customer-data-management/https://medium.com/data-ops/seven-challenges-of-customer-analytics-5e1675393f23
https://dummies.com/business/customers/the-benefits-of-customer-analytics/
https://www.ngdata.com/what-is-customer-marketing-analytics/
https://learn.g2.com/customer-data-analysis-best-practices
Về chúng tôi, công ty BigDataUni với chuyên môn và kinh nghiệm trong lĩnh vực khai thác dữ liệu sẵn sàng hỗ trợ các công ty đối tác trong việc xây dựng và quản lý hệ thống dữ liệu một cách hợp lý, tối ưu nhất để hỗ trợ cho việc phân tích, khai thác dữ liệu và đưa ra các giải pháp. Các dịch vụ của chúng tôi bao gồm “Tư vấn và xây dựng hệ thống dữ liệu”, “Khai thác dữ liệu dựa trên các mô hình thuật toán”, “Xây dựng các chiến lược phát triển thị trường, chiến lược cạnh tranh”.