Ứng dụng của Data mining trong quản lý CRM

Bigdatauni.com Follow Fanpage Contact

Dữ liệu ngày nay không được coi là nguồn thông tin thông thường trong việc hỗ trợ ra quyết định kinh doanh mà nó từ lâu được xem là tài sản rất quan trọng đối với các công ty bên cạnh nguồn nhân lực, nguồn tài chính. Trong những tài sản dữ liệu công ty có được thì dữ liệu khách hàng (Customer data) là vô giá nhất, đóng vai trò nguồn sống cho các hoạt động sales, marketing hay tổng quát là hoạt động CRM (Customer Relationship Management) – quản lý mối quan hệ khách hàng.

BigDataUni đã từng giới thiệu đến các bạn dữ liệu khách hàng là gì, tại sao nó quan trọng, giải pháp quản lý, khai thác hiệu quả dữ liệu khách hàng.

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

Tổng quan về Customer Data (P.3): Giải pháp khai thác

Trong series bài viết lần này, chúng ta sẽ cùng nhau tìm hiểu cụ thể các ứng dụng của Data mining trong việc tận dụng dữ liệu khách hàng quản lý mối quan hệ khách hàng để thúc đẩy việc bán hàng và marketing tốt hơn.

Bài viết đầu tiên sẽ trình bày về khái niệm quản lý CRM, mối liên hệ giữa Data mining và quản lý CRM, ứng dụng phân tích dữ liệu khách hàng trong CRM – phân tích dữ liệu CRM. Các bài viết tiếp theo, chúng ta sẽ tìm hiểu về các phương pháp Data mining cụ thể ứng dụng CRM.

Quản lý CRM thực chất là gì và tại sao quan trọng?

Bối cảnh

Cách thức mà các công ty giao tiếp, tương tác với khách hàng thay đổi một cách chóng mặt qua từng năm, thậm chí từng tháng, từng ngày. Khác với ngày xưa, một khách hàng có thể không còn gắn bó lâu dài với các công ty nếu không được thỏa mãn các nhu cầu đang ngày càng cao hơn. Giữ chân khách hàng là điều rất khó khăn. Các công ty nhận ra rằng thấu hiểu khách hàng tốt hơn, nhanh chóng phản hồi lại với các yêu cầu, mong muốn mà khách hàng đưa ra là rất quan trọng, đặc biệt trong bối cảnh cạnh tranh khốc liệt hiện tại, khi công nghệ được xem là yếu tố thiết lập những thế mạnh nhất định.

Thời gian mà mỗi công ty có để phản hồi khách hàng không còn “rộng rãi”, “thoải mái” như trước. Nhờ vào công nghệ phát triển, người tiêu dùng giờ đây có thể tìm kiếm các sản phẩm, dịch vụ mình cần ở khắp mọi nơi, do đó, chỉ trong vài phút phải chờ đợi, họ khả năng sẽ rời đi. Các công ty cần sự chủ động, không thể ngồi đợi “tín hiệu” về nhu cầu của khách hàng, không thể ngồi đợi lúc khách hàng “bất mãn” rồi mới hành động. Để đạt được thành công, điển hình trước tiên là thu hút, giữ chân khách hàng cũ và mới thì họ cần những dự báo chính xác.

Trong cửa hàng truyền thống “Brick – and – Mortar”, các chủ cửa hàng, nhân viên bán hàng phải thường tự soạn sẵn cho mình nhiều kịch bản giao tiếp, tương tác để ứng phó nhanh chóng, phù hợp với từng khách hàng bước vào, giống kiểu được lập trình sẵn nhưng luôn phải linh hoạt. Thế nhưng, khác với trước kia, khách hàng giờ đây biết nhiều kiến thức hơn về sản phẩm, dịch vụ mình cần, thông qua công nghệ, họ có thể tìm hiểu trước, và có sự so sánh giá trị mang lại giữa các công ty với mong muốn của mình. Khi thông tin về đối thủ, sản phẩm, dịch vụ ngày càng nhiều, và nhiều khách hàng đưa ra yêu cầu, thắc mắc sẽ khiến các chủ cửa hàng, nhân viên bán hàng không có đủ thời gian để suy nghĩ, phản hồi, tương tác sao cho hiệu quả nhất.

Hơn nữa, những hành vi, những đoạn đối thoại, tương tác với các khách hàng không được ghi nhận đầy đủ từ các cửa hàng truyền thống, vì thế công ty sẽ không phân tích, nắm bắt được xu hướng tiêu dùng, nhu cầu của khách hàng, và không thể đưa ra được dự báo. Đặc biệt là họ không biết hành trình khách hàng (customer journey) đã bắt đầu từ lúc phát sinh nhu cầu, đến giai đoạn tìm hiểu sản phẩm, so sánh. Dẫn đến giới thiệu, quảng cáo một loạt các danh mục sản phẩm sẽ không phù hợp, áp lực chi phí marketing tăng cao khi chúng có dấu hiệu bị lãng phí.

Mối quan hệ với khách hàng càng trở nên phức tạp, và khó bền vững. Sự trung thành của khách hàng đối với nhãn hiệu, thương hiệu giờ chỉ là câu chuyện trong quá khứ. Khách hàng khó tính hơn, không chỉ dừng lại ở việc đòi hỏi các sản phẩm dịch vụ phù hợp, mà còn muốn nhiều hơn thế, sản phẩm dịch vụ phải chính xác với nhu cầu nhất, phải mang lại giá trị nhiều hơn mong đợi. Nếu không nhanh chân, khách hàng sẽ bị các đối thủ “cuỗng mất”.

May mắn cho các công ty, công nghệ phát triển khiến cho xu hướng tiêu dùng cũng thay đổi rất nhanh. Mua sắm online, mua sắm mọi lúc mọi nơi, giao hàng tận nơi mà không cần đi đâu là xu hướng đã khởi nguồn từ nhiều năm trước và mới chỉ bùng phát mạnh mẽ từ khi dịch bệnh Covid-19 bùng phát vào năm ngoái, các biện pháp giãn cách hạn chế tiếp xúc được áp dụng.

Nhiều công ty triển khai các hoạt động marketing, bán hàng đa kênh, sử dụng nền tảng trực tuyến, thông qua các website, các trang mạng xã hội khác nhau, tiếp cận nhiều khách hàng mới hơn, có cách giữ chân những khách hàng cũ mọi lúc. Quan trọng nhất là dữ liệu hành vi của từng khách hàng sẽ được thu thập, phân tích để khai phá ra những insights quan trọng, hữu ích. Các công ty từ đó sẽ nắm bắt nhanh hơn nhu cầu thầm kín của các khách hàng, dự báo được khách hàng sẽ làm gì tiếp theo mà phản ứng kịp thời và hiệu quả. Đặc biệt những insights tìm được sẽ hỗ trợ rất nhiều trong việc nâng cao hoạt động chăm sóc hỗ trợ khách hàng tại các cửa hàng truyền thống trong tương lai. Hành vi mua sắm của khách hàng trên nền tảng trực tuyến và tại cửa hàng truyền thống sẽ khác nhau tuy nhiên nhu cầu, mong muốn họ thể hiện sẽ có những điểm tương đồng có thể khai thác.

Khái niệm quản lý mối quan hệ khách hàng – Customer Relationship Management (CRM), cũng đã có từ lâu nhưng ngày càng được quan tâm nhiều hơn khi các công ty hoạt động trong lĩnh vực công nghệ phát triển các nền tảng quản lý CRM có thể tích hợp đa kênh bán hàng, marketing, và hỗ trợ các quá trình thu thập dữ liệu khách hàng, quản lý tập trung, khai thác để tương tác nhanh chóng, hiệu quả. Đây là điểm khởi đầu cho chiến lược ứng dụng Data mining và CRM.

Dữ liệu khách hàng từ CRM đóng vai trò là tài sản vô giá đối với các công ty. Tận dụng chúng hiệu quả sẽ mang lại giá trị, lợi nhuận kinh doanh to lớn nhưng đây không phải là chặng đường “trải nhiều hoa hồng”.

Phân tích dữ liệu CRM một cách tối ưu nhất để khai phá những thông tin hữu ích về khách hàng giúp công ty phát triển chính quy trình quản lý CRM, tạo tiền đề cải thiện mọi hoạt động marketing, bán hàng nhờ vào khả năng chủ động trả lời chính xác các câu hỏi sau ở mọi thời điểm:

Khách hàng cần sản phẩm, dịch vụ nào nhất? => giảm tối đa việc khuyến nghị, tiếp thị các sản phẩm dịch không liên quan
Những sản phẩm, dịch vụ được giới thiệu đến khách hàng là phù hợp nhất, tốt nhất hay chưa? Thời điểm phản hồi đã phù hợp chưa? => Không phải khách hàng nào cũng giống khách hàng nào, cần tiến hành phân khúc, xác định loại sản phẩm, dịch vụ đúng nhất và cung cấp đến khách hàng nhanh chóng hay vào thời điểm thích hợp
Khách hàng mong muốn nhận được nhiều hơn ngoài các sản phẩm, dịch vụ? Nhu cầu thầm kín khác mà khách hàng có thể có
Kênh bán hàng, kênh marketing nào sẽ được sử dụng để tương tác, phát triển mối quan hệ với khách hàng? Lựa chọn phương thức, nền tảng có thể tiếp cận, trao đổi ngay được các khách hàng

Hiểu thế nào về CRM

Theo Microsoft, CRM, quản lý mối quan hệ khách hàng được hiểu là “chiến lược kinh doanh tập trung vào khách hàng (hay lấy khách hàng làm trung tâm) được thiết kế, phát triển với mục đích gia tăng doanh thu, lợi nhuận, và lòng trung thành của khách hàng. Thông qua việc triển khai một chiến lược CRM, một tổ chức có thể cải thiện các quy trình kinh doanh và giải pháp công nghệ xung quanh các chức năng bán hàng, tiếp thị và cung ứng dịch vụ trên tất cả các điểm tiếp xúc (kênh tương tác) của khách hàng (ví dụ: Web, e-mail, điện thoại, fax, gặp trực tiếp)

Mục tiêu tổng quát đầu tiên của việc ứng dụng CRM đó là thu hút khách hàng mới tiềm năng, giữ chân khách hàng cũ, phát triển, quản lý mối quan hệ với những khách hàng hiện tại mang lại giá trị kinh doanh cho công ty. CRM cung cấp cơ sở cho việc quản lý và ra quyết định kinh doanh thông qua việc chủ động nghiên cứu thị trường, phân tích và xử lý phản hồi của khách hàng. CRM được coi là quá trình dự đoán hành vi của khách hàng và chọn lựa những hành động phù hợp để ảnh hưởng lên các hành vi đó, mang về giá trị cho công ty.

Các công ty tích cực tích lũy, phân tích và khai thác thông tin toàn diện về khách hàng để phân bổ nguồn lực hợp lý theo phương thức làm việc hướng đến khách hàng, đáp ứng nhu cầu khách hàng thông qua các hoạt động giao tiếp, đối thoại có ý nghĩa, thấu hiểu và tác động đến hành vi của khách hàng. Từ đó tăng sự hài lòng và lòng trung thành của khách hàng, đồng thời thu được lợi nhuận tối đa, giảm thiểu các chi phí bán hàng, marketing lãng phí.

CRM nói chung bao gồm quản lý nguồn khách hàng, quản lý tiếp thị, quản lý bán hàng, chăm sóc khách hàng và quản lý dịch vụ, và nhiều khía cạnh khác. CRM còn được coi là quá trình nghiên cứu thông tin khách hàng, kết hợp với các chiến lược kinh doanh, thông tin thị trường trong thực tế để thúc đẩy tương tác giữa không chỉ chính công ty với các khách hàng tiềm năng mà còn với các đối tác, nhà cung cấp. CRM là quy trình luôn được vận hành một cách liên tục, chủ động, có kế hoạch, không ngừng nghỉ, xuyên suốt giai đoạn phát triển và tăng trưởng của công ty. Nói cách khác, CRM nên được xếp ngang hàng với hoạt động sản xuất về tầm quan trọng của nó.

Tiếp theo chúng ta cùng đi vào các thành phần quan trọng trong CRM. Lưu ý, các bạn cần hiểu CRM là gì, bản chất, động cơ của nó sẽ dễ nắm bắt hơn về mối liên hệ của Data analytics hay Data mining. Nhiều bạn có thể thắc mắc tại sao chúng tôi lại giải thích kỹ về CRM như thế

3 thành phần chính tạo nên một CRM hiệu quả:

Tất cả các thông tin, dữ liệu khách hàng: đây là thành phần quan trọng nhất không nói các bạn cũng hiểu được. Customer data là “nguyên nhiên liệu” để CRM vận hành.
Các phương pháp phân tích, nền tảng hỗ trợ phân tích, quản lý: như đã nói ở trên, trong CRM chúng ta phải phân tích được hành vi khách hàng để tương tác lại tốt hơn với họ, xây dựng mối quan hệ bền chặt. Để quá trình phân tích diễn ra hiệu quả, và quá trình tương tác, phản hồi khách hàng diễn ra tối ưu, thì việc quản lý dữ liệu, thông tin trong CRM phải được đảm bảo. Ở thành phần này, ứng dụng của Data analytics, Data mining là rõ ràng nhất
Cách thức phản hồi, tương tác với khách hàng, theo dõi, đánh giá hiệu quả: sau khi dự báo được hành vi của khách hàng thông qua CRM, bước sau cùng là chiến lược, chiến thuật bán hàng, marketing cần đưa ra, hành động như thế nào để khách hàng không những mang lại lợi nhuận cho công ty, mà còn thể hiện sự gắn bó với các sản phẩm, dịch vụ trong tương lai. Một hệ thống các KPIs đo lường là không thể thiếu.

Cơ sở để CRM vận hành

Các quy trình trong CRM được xây dựng dựa trên Customer lifecycle – vòng đời của khách hàng. Nếu bạn nào không hoạt động trong lĩnh vực kinh doanh có thể ban đầu sẽ hiểu nhầm chữ “vòng đời” đề cập đến sự sống, tồn tại, và chết là kết thúc. Tuy nhiên Customer lifecycle mang nghĩa khác, nó chỉ “vòng đời” của mối quan hệ – Relationship – của khách hàng và công ty, thời gian khách hàng gắn bó với công ty ngay từ lúc bắt đầu tìm hiểu các sản phẩm dịch vụ.

Các hành vi của khách hàng trong vòng đời của mình có thể được định hình trong 5 giai đoạn chính:

Tiềm năng: các khách hàng mục tiêu trong thị trường nhưng chưa khai thác hay nói cách khác chưa phải là khách hàng của mình.
Phản hồi: khách hàng phản hồi, được coi là khách hàng tiềm năng, cho công ty biết mối quan tâm của họ đến các sản phẩm, dịch vụ nhất định hoặc họ đang cần tư vấn ví dụ khách hàng nhắn tin vào fanpage, để lại thông tin liên hệ trên web.
Khách hàng mới: những khách hàng đồng ý giao dịch, mua sản phẩm, ký hợp đồng dịch vụ lần đầu tiên, cung cấp thông tin cá nhân đăng ký tài khoản lần đầu,…bắt đầu mang lại giá trị cho công ty
Khách hàng cũ: những khách hàng mới quay trở lại tiếp tục giao dịch sản phẩm, đăng ký dịch vụ, duy trì dịch vụ, hợp đồng. Vẫn còn mối quan hệ với công ty, và mối quan hệ này có thể được phát triển thêm trong tương lai.
Khách hàng đã rời bỏ công ty: khách hàng chấm dứt mối quan hệ với công ty. Có 3 loại: tự nguyện, ví dụ thấy sản phẩm, dịch vụ của công ty không còn mang lại giá trị như mong đợi thì rời bỏ, tìm kiếm sản phẩm, dịch vụ hoặc đã giao dịch sản phẩm, dịch vụ ở công ty đối thủ; ép buộc, ví dụ khách hàng không thanh toán các khoản phí, khách hàng vi phạm các điều khoản, bị cấm, bị loại bỏ bởi chính công ty; tự nhiên, khách hàng không còn trong thị trường mục tiêu ví dụ khách hàng rời khỏi khu vực sinh sống, khách hàng bị bệnh, không còn sống.

Các công ty sẽ phải có nhiệm vụ phát triển các chiến lược, hành động phù hợp với từng nhóm khách hàng trên. Quy trình sẽ gồm các bước tổng quát như sau:

Tìm kiếm và thu hút các khách hàng tiềm năng: ví dụ xác định sản phẩm, dịch vụ sẽ bán cho ai, nhóm khách hàng nào khả năng sẽ mua các sản phẩm, dịch vụ này nhất, và họ mong đợi những gì, công ty có thể thỏa mãn được những gì.
Tiếp cận, thúc đẩy hành động: tiếp cận chủ động các khách hàng tiềm năng, hoặc gián tiếp thông qua các hoạt động marketing thu hút khách hàng. Sau khi các khách hàng cung cấp thông tin, liên hệ, các nhân viên bán hàng có nhiệm vụ thuyết phục, thúc đẩy khách hàng ra quyết định.
Khi khách hàng đã trở thành “new customers”, kết hợp với dữ liệu khách hàng cũ, đây là lúc CRM thể hiện vai trò quan trọng nhất. Xác định giá trị (Customer value hay Customer lifetime value – CLV) khách hàng có thể mang lại cho công ty, và tiến hành phân nhóm thành 3 loại cơ bản:
- Khách hàng giá trị thấp: những khách hàng mang lại giá trị thấp hoặc không có giá trị cho công ty. Nếu thấp, công ty sẽ xem xét khả năng khách hàng có thể tăng giá trị hay không và đưa ra biện pháp ví dụ khách hàng có thu nhập cao nhưng dè dặt trong giao dịch, chỉ mua sản phẩm mức giá tầm trung. Nếu không có giá trị, công ty có thể loại bỏ.
- Khách hàng còn tiềm năng: tiếp tục đưa ra các chiến lược khai thác nhóm khách hàng này để họ mang lại nhiều giá trị hơn cho công ty, xây dụng, phát triển mối quan hệ bền vững
- Khách hàng mang lại giá trị cao: nhóm khách hàng này là cần giữ chân nhất nhưng cũng “đau đầu” nhất, vì nguy cơ nếu công ty không còn đáp ứng các nhu cầu cao hơn thì họ sẽ bỏ sang công ty đối thủ
Xác định các hành động phù hợp cho chức năng bán hàng, marketing hay chăm sóc khách hàng cho từng nhóm khách hàng cụ thể như vừa nói ở bước 3 để thu hút các khách hàng cần thu hút, giữ chân các khách hàng cần giữ chân, duy trì các khách hàng cần duy trì.
Quy trình tiếp diễn để tiếp tục phát triển nguồn khách hàng cho công ty, phát triển vòng đời khách hàng, giá trị khách hàng, phát triển các hoạt động marketing, sales thông qua tracking, đánh giá dựa trên bộ các KPIs tiêu chuẩn.

Giá trị khách hàng hay vòng đời khách hàng, thời gian khách hàng gắn bó công ty sẽ tăng dần theo các bước mà công ty thực hiện hay nói cách khác các bước trên chính là các bước tạo dựng, phát triển mối quan hệ với khách hàng.

Các hệ thống CRM trước kia của các tổ chức thường chỉ để quản lý dữ liệu khách hàng mới, cũ một cách bị động còn ngày nay, nhờ vào sự phát triển của công nghệ, những nền tảng CRM tiên tiến cho phép các công ty có thể tiếp cận các khách hàng tiềm năng thông qua tích hợp thậm chí quản lý các hoạt động Marketing, sales, thúc đẩy, “activate” họ thành các khách hàng mới, đặc biệt là cho phép phân tích dữ liệu khách hàng, phân khúc, đưa ra giải pháp hành động nhanh chóng, tự động, đặc biệt là cá nhân hóa (Personalized). Đây cũng đánh dấu vai trò Data ming trong CRM mà chúng tôi sắp nói ở cuối bài viết.

Quay trở lại với các bước trong quản lý CRM. Chúng tôi xin tóm gọn các task chính mà một CRM hoàn chỉnh ngày nay cần phải có:

Xác định, thu hút và giữ chân khách hàng có giá trị, có lợi nhuận
Xác định, phân biệt, phân khúc được các nhóm khách hàng theo các tiêu chí khác nhau không chỉ riêng giá trị/Customer value
Tinh chỉnh, điều chỉnh các chiến lược, giải pháp hay đưa ra các chiến thuật phù hợp trong Sales, Marketing,…để thúc đẩy, kích hoạt hành động của khách hàng.
Hỗ trợ hoàn thành các giao dịch, cung cấp các dịch vụ hỗ trợ, chăm sóc khách hàng ở mọi giai đoạn trong vòng đời khách hàng Customer Lifecycle.
Quản lý dữ liệu, phân tích, đánh giá hiệu quả ở tất cả các giai đoạn, các khâu, các task.

Hệ thống CRM trước khi công nghệ 4.0 xuất hiện và bùng nổ chỉ đơn giản có công việc quản lý dữ liệu, phân khúc, và đưa ra hành động. Và sau khi công nghệ 4.0, hay thậm chí sắp tới là 5.0, CRM có vai trò chủ chốt trong việc quyết định liệu công ty sẽ thành công hay thất bại trong tương lai, vì nó có thể, như các bạn thấy, làm nhiều thứ hơn, mang lại nhiều lợi thế cạnh tranh hơn, đặc biệt là giúp công ty luôn bám sát với xu hướng thị trường, nhu cầu khách hàng để đáp ứng, thích ứng nhanh chóng, bắt kịp với các đổi mới trong hành vi tiêu dùng và ứng dụng công nghệ để sẵn sàng thay đổi, chuyển mình.

Tiếp theo nếu chúng ta phân các task CRM thành các công việc liên quan đến khách hàng thì có 4 loại chính:

Customer identification: xác định khách hàng mục tiêu, những ai có thể trở thành khách hàng công ty, những khách hàng nào sẽ mang lại giá trị. Nó bao gồm phân tích khả năng những khách hàng nào sẽ rời bỏ công ty và bằng cách nào để giữ chân hay lôi kéo họ trở lại.
Customer attraction: các hoạt động marketing, sales nhắm trực tiếp vào các phân khúc khách hàng mục tiêu đã xác định
Customer retention: các hoạt động giữ chân khách hàng, đo lường và thỏa mãn mức độ hài lòng của khách hàng, đặc biệt là nhóm khách hàng có giá trị cao, thông qua các hoạt động marketing, sales, theo khuynh hướng cá nhân hóa, tìm hiểu sâu vào nhu cầu của từng khách hàng riêng biệt và đáp ứng.
Customer development: phát triển mối quan hệ với khách hàng, duy trì vòng đời của khách hàng, thúc đẩy khách hàng giao dịch nhiều hơn, mang lại nhiều giá trị hơn cho công ty như các hoạt động Cross-selling, Up-selling, hệ thống khuyến nghị (Recommendation system),…. Ngoài ra cung cấp các dịch vụ cộng thêm, dịch vụ hỗ trợ, chăm sóc khách hàng ở mọi giai đoạn.

Mối quan hệ giữa Data mining và quản lý CRM

Mục đích ứng dụng của Data mining và ứng dụng CRM trong tổ chức đều có 1 điểm chung đó là cùng tập trung vào khách hàng. Nếu các bạn để ý sẽ thấy, các công ty triển khai các quy trình Data mining sử dụng dữ liệu phần lớn là dữ liệu liên quan khách hàng bao gồm dữ liệu thông tin cá nhân, dữ liệu về hành vi, lịch sử tương tác, giao dịch,… Thực chất Data mining từ lâu đã được dùng để phân tích khách hàng nhằm cải thiện các hoạt động marketing và sales nhưng nếu không xét trong bối cảnh mà chúng ta đang nói về CRM thì Data mining chỉ là công cụ, chức năng tách biệt, đứng 1 mình.

Áp dụng Data mining vào CRM sẽ giúp các công ty ứng dụng triệt để hơn, tối ưu hơn các phương pháp phân tích, khai phá dữ liệu vào quy trình quản lý, sử dụng tài sản dữ liệu khách hàng. Hay nói cách khác, mỗi bước, mỗi task trong CRM, Data mining đều có thể hỗ trợ với vai trò, phạm vi nhất định. Điều này, một số công ty có thể bỏ qua.

Tuy nhiên, ở những công ty nhỏ, quy mộ hoạt động không lớn hay mới thành lập, dữ liệu khách hàng thường không nhiều, họ không nhất thiết xây dựng nền tảng phân tích đồ sộ tích hợp nhiều thuật toán phức tạp trong Data ming thay vào đó, ban đầu họ có thể áp dụng những phương pháp thống kê, phân tích khác đơn giản hơn. Đây là cách mà nhiều doanh nghiệp SMEs tại nước ta hay làm.

Ứng dụng Statistics, Data mining,… vào CRM đều có 1 điểm chung là phân tích, tận dụng lợi ích từ dữ liệu CRM. Ứng dụng phương pháp nào, ra sao, còn phụ thuộc vào khối lượng, đặc tính của dữ liệu, và mục đích nghiên cứu.

Nhũng ý tưởng chúng tôi sắp trình bày dưới đây là những “idea”, ý tưởng tổng quát mà các công ty có thể dùng để phát huy mở rộng phạm vi triển khai phân tích dữ liệu khách hàng trong CRM. Còn về các phương pháp và ví dụ case study cụ thể chúng tôi sẽ trình bày trong các bài viết sắp tới.

Quay trở lại với mối liên hệ giữa Data mining và CRM. Data mining hay các phương pháp phân tích dữ liệu khác là hướng tiếp cận mang tính định lượng, cung cấp cho công ty những thông tin giá trị về khách hàng.

Theo Data-Flair, một trang web cung cấp các khóa học, các kiến thức về Big Data và Data Science, định nghĩa Data mining như sau:

“Data mining – khai phá dữ liệu, là một tập hợp, một hệ thống các phương pháp tính toán, thuật toán được áp dụng cho các cơ sở dữ liệu lớn và phức tạp mục đích loại bỏ các chi tiết ngẫu nhiên, chi tiết ngoại lệ, khám phá các mẫu, mô hình, quy luật tiềm ẩn, các thông tin có giá trị trong bộ dữ liệu. Data mining là thành quả công nghệ tiên tiến ngày nay, là quá trình khám phá các kiến thức vô giá bằng cách phân tích khối lượng lớn dữ liệu đồng thời lưu trữ chúng ở nhiều cơ sở dữ liệu khác nhau”

Đơn giản nhất Data mining là công cụ biến khối lượng lớn dữ liệu thô thành các insights cho công ty.

Còn CRM cho phép các tổ chức thay đổi, điều chỉnh hoạt động kinh doanh dựa trên thông tin thu được thông qua khai thác dữ liệu khách hàng.

Mối quan hệ ở đây: Data mining giúp CRM thay đổi, điều chỉnh hoạt động kinh doanh hiệu quả, chính xác hơn.

Ví dụ, dùng các số liệu giao dịch với khách hàng, CRM có thể giúp nhân viên bán hàng chọn ra được khách hàng nào tiềm năng để giới thiệu các sản phẩm khác. Data minig sẽ giúp nhân viên xử lý, phân tích dữ liệu hành vi, kết hợp với dữ liệu giao dịch để tìm ra sản phẩm nào phù hợp nhất với khách hàng đó. Công ty sẽ giảm thiểu chi phí marketing, sales liên quan do chọn đúng sản phẩm để giới thiệu.

Tuy nhiên câu hỏi đặt ra, nhân viên bán hàng dựa tiêu chí nào để khẳng định khách hàng cũ đó là tiềm năng? Data mining cho phép marketing đúng sản phẩm, nhưng lỡ như khách hàng đó không có nhu cầu thì như thế nào?

Giả sử nhân viên này chỉ dựa trên 1 biến số, hay 1 tiêu chí là thu nhập hàng tháng cao để đánh giá thì vẫn chưa đảm bảo tính khả thi. Cần xem xét cùng lúc nhiều đặc điểm “nhận dạng” khác của khách hàng, và các đặc điểm này phải cho thấy khả năng khách hàng đó mua thêm sản phẩm, dịch vụ khác.

Dĩ nhiên, nhân viên bán hàng không thể “làm tay” để chọn lựa, và kết quả phân tích nguy cơ không chính xác. Data mining sẽ là vũ khí đắc lực thời điểm này.

Đó là ví dụ đơn giản nhất chúng tôi dùng để minh họa cho luận điểm ở trên: mỗi bước, mỗi task trong CRM, Data mining đều có thể hỗ trợ.

Tiếp theo chúng ta cùng đi vào chi tiết các ứng dụng.

Data mining khi ứng dụng vào bất cứ quy trình nào trong kinh doanh nó đều phải đáp ứng 6 bước:

Business understanding (Am hiểu kinh doanh)
Data understanding (Tìm hiểu dữ liệu)
Data preparation (Chuẩn bị dữ liệu)
Modeling (Xây dựng mô hình phân tích)
Model evalutaion (Đánh giá mô hình)
Deployment (Triển khai ứng dụng thực tế, theo dõi hiệu quả)

Cái chúng ta đang nói đó là Business understanding: hiểu được mục đích kinh doanh, mục đích phân tích, đánh giá tình huống, chuyển đổi các mục đích kinh doanh sang mục đích phân tích,…

Tương tự CRM, các công ty cần xác định trước các mục tiêu. Trong phần CRM, chúng tôi có nhắc đến các nhiệm vụ chính và mục đích. Dựa vào đó, chúng ta sẽ xác định được ứng dụng Data mining trong CRM.

Customer Identification + Customer Attraction/ Acquisition: ứng dụng Data mining để xác định đối tượng khách hàng, xây dựng các hoạt động sales, marketing thu hút khách hàng.

Phân tích đặc điểm khách hàng (Customer characters analysis)

Đầu tiên quản lý CRM chúng ta phải biết được các đặc điểm của khách hàng, hiểu được khách hàng thông qua dữ liệu địa chỉ địa lý, giới tính, tuổi, nghề nghiệp, thu nhập, giáo dục và thông tin cơ bản khác, chẳng hạn như sở thích, hôn nhân, vợ / chồng, sức khỏe, môi trường, gia đình và các đặc điểm khác nếu có. Ngoài ra còn có dữ liệu về thông tin các nhu cầu được các khách hàng cung cấp, dữ liệu về lịch sử giao dịch. Công ty trước mắt sẽ phân nhóm được các khách hàng theo đặc điểm nhân khẩu học ứng với từng nhu cầu cụ thể. Dự báo được hành vi khách hàng thông qua nhận dạng các đặc điểm tìm được, biết được sản phẩm nào sẽ được nhóm khách hàng nào ưa chuộng và sẵn sàng mua.

Các hoạt động marketing, sales sẽ target vào các nhóm khách hàng tìm được ứng với sản phẩm, dịch vụ xác định phù hợp. Công ty cũng sẽ dựa vào kết quả phân tích để tìm ra các kênh tiếp thị, kênh bán hàng hiệu quả, và quan trọng nhất là thiết kế, sáng tạo nhiều nội dung marketing khác nhau ứng với từng nhóm khách hàng. Đảm bảo, tất cả phải “fit”, phải “satisfy” mong đợi, mong muốn của khách hàng.

Phương pháp Data mining thường được sử dụng Data exploration (khám phá dữ liệu) bao gồm Data visualization (trực quan hóa dữ liệu), xây dựng mô hình Classification (Phân loại).

Chi tiết các phương pháp phân tích/ Data mining, và ví dụ cụ thể chúng tôi sẽ giới thiệu ở các phần tiếp theo trong chuỗi các bài viết ứng dụng Data mining trong CRM.

Phân khúc khách hàng (Customer segmentation)

Đây là ứng dụng được coi là quan trọng nhất của Data mining, tiếp nối quá trình phân tích đặc điểm khách hàng.

Nhiều bạn sẽ cho rằng tại sao không thực hiện phân khúc khách hàng ở bước phân tích đặc điểm khách hàng mà phải tách ra, trong khi ở bước phân tích đặc điểm chúng tôi có nhắc đến phân nhóm khách hàng.

Phân khúc khách hàng trong CRM còn là quá trình phân chia khách hàng vào nhiều nhóm giống nhau hay khác nhau về các đặc điểm nhân khẩu học, dựa trên tiêu chí là các mục đích kinh doanh, mục đích lợi nhuận và giá trị khách hàng mang lại.

Ví dụ, công ty có thể phân khúc khách hàng thành nhóm các khách hàng cao cấp, khách hàng tầm trung, khách hàng duy trì,… dựa trên mức độ chi tiêu cho các sản phẩm dịch vụ, thu nhập hàng tháng của khách hàng.

Có nhiều hình thức, loại trong Customer segmentation nhưng theo chúng tôi sẽ chỉ xoay quanh 2 loại chính: từ phía khách hàng, và theo mục đích của công ty.

Phân nhóm khách hàng theo đặc điểm, nhu cầu của khách hàng mục đích giúp công ty tìm hiểu sản phẩm, dịch vụ nào sẽ phù hợp với họ, và họ sẽ sẵn sàng bỏ tiền ra mua mà không cần đầu tư quá nhiều tiền, công sức vào sales, marketing. Nếu kết quả phân tích chính xác, việc thu hút khách hàng khả năng cao sẽ thành công, do nó còn phụ thuộc vào phương pháp, chiến lược, nội dung marketing.

Phân khúc khách hàng bao gồm cả phân nhóm khách hàng theo đặc điểm và cả phân nhóm khách hàng theo mục đích kinh doanh, đòi hỏi đầu tư nhiều vào sales và marketing hơn.

Giải thích đơn giản, ví dụ các công ty thường chỉ xem xét hành vi, mức độ chi tiêu, và thu nhập hàng tháng, với thông tin sản phẩm trong lịch sử giao dịch và giả định khách hàng chi nhiều khả năng sẽ chi thêm cho các sản phẩm khác. Tuy nhiên, chưa hẳn đã chạm đến nhu cầu của họ, chưa hẳn làm thỏa mãn các mong muốn của họ để đưa đến quyết định mua hàng. Vì thế cần nhiều nỗ lực hơn của đội ngũ bán hàng, họ phải ra sức thuyết phục, hay cần các hoạt động marketing cá nhân hóa tiếp cận khách hàng.

Phương pháp Data mining thường được sử dụng: xây dựng mô hình Clustering (Phân cụm).

Phân khúc khách hàng theo đặc điểm và theo mục đích kinh doanh đều mang tính chủ quan, theo góc nhìn của người làm kinh doanh. Khuyết điểm lớn nhất là công ty không khai phá được các nhóm khách hàng “tự nhiên nhất”, những quy luật tiềm ẩn chưa thể tìm thấy, và chúng thường mang lại giá trị kinh doanh rất lớn.

Ví dụ công ty thường biết được trước các đặc điểm của một khách hàng “profitable” bao gồm thu nhập cao, chi tiêu nhiều,… để giới thiệu các sản phẩm khác có mức giá cao hơn. Tuy nhiên liệu còn các đặc điểm nào mà công ty đã bỏ sót. Khách hàng mua sản phẩm mức giá cao chưa chắc đã chi tiêu nhiều trước đây, chưa chắc đã có thu nhập cao. Công ty cần tìm ra những lý do khác dẫn đến việc ra quyết định mua hàng của khách hàng.

May mắn trong Data mining chúng ta có Clustering (phân cụm). Đây là phương pháp giúp công ty tìm được các nhóm khách hàng tự nhiên theo giá trị kinh doanh mang lại hay theo hành vi, đặc điểm mà không cần biết trước, xác định trước các tính chất của từng nhóm. Clustering không yêu cầu đình hình trước các nhóm.

Giải thích đơn giản, ví dụ thông qua clustering, công ty có thể biết được nhóm khách hàng chi tiêu cao, trung bình và thấp. Trong mỗi nhóm, các đối tượng sẽ có các đặc điểm nào đó giống nhau mà trước giờ công ty chưa biết. Công ty sẽ phải tìm ra, xác định rõ các đặc điểm này và dùng nó để đưa ra chiến lược marketing, sales, phù hợp.

Clustering giúp bảo chứng rằng các đối tượng trong cùng một nhóm sẽ giống nhau, sẽ tương đồng ở một số điểm mặc dù thực tế các tính chất về nhân khẩu học là có thể khác nhau.

Sau khi biết được, nhóm khách hàng chi tiêu cao sẽ giống nhau ở đặc điểm nào, công ty sẽ target hoạt động tiếp thị, bán hàng sản phẩm giá cao vào các khách hàng khác sau này có đặc điểm tương tự.

Clustering khác với Classification. Classification yêu cầu công ty phải biết được các đặc điểm, tính chất của khách hàng, cùng với thông tin về lịch sử giao dịch, hành vi (biến mục tiêu), để xác định nhóm khách hàng nào khả năng sẽ ra quyết định mua hàng. Do đó, tùy trường hợp mà các phương pháp nên được áp dụng phù hợp trong Phân khúc khách hàng.

2. Customer development: ứng dụng Data mining vào quản lý CRM để giúp phát triển các hoạt động marketing, sales mà ở đó kích thích khách hàng giao dịch thêm các sản phẩm, dịch vụ, gia tăng giá trị khách hàng, phát triển vòng đời khách hàng.

Phân tích giá trị khách hàng (Customer value analysis)

Data mining đóng vai trò không hề nhỏ trong phân tích giá trị khách hàng mặc dù các phân tích liên quan đến giá trị khách hàng đòi hỏi những hiểu biết nhất định về tài chính, về kinh doanh. Giá trị khách hàng mà công ty nhân được hiểu đơn giản đó là tổng doanh thu có được từ khách hàng đó trừ đi chi phí bỏ ra trong việc thu hút, giữ chân, duy trì hay phát triển mối quan hệ.

Tuy nhiên nếu hầu hết các công ty ngày nay chỉ thực hiện đo lường giá trị khách hàng sau khi khách hàng hoàn tất các giao dịch một cách bị động, để đánh giá hiệu quả hoạt động kinh doanh đơn thuần. Nhưng liệu công ty có thể xác định được khách hàng nào trong tương lai sẽ mang lại giá trị nhiều nhất hay không? Các câu hỏi đặt ra tương tự như công ty mong muốn từng nhóm khách hàng sẽ đóng góp giá trị như thế nào? Khách hàng đó đã chi tối đa cho các sản phẩm hay chưa? Trong tháng này của năm, khách hàng đó giao dịch vậy cũng tháng đó vào năm tới liệu khách hàng có tiếp tục mua hàng hay không?…

Nhiều lập trường trong kinh doanh cho rằng không nên bỏ rơi bất kỳ khách hàng nào, vì tất cả họ dù ít hay nhiều đều mang lại giá trị cho công ty. Tuy nhiên, thực sự không phải như vậy, nếu nói đến khía cạnh chi phí. Chi phí sản xuất, chi phí bán hàng, chi phí marketing sẽ bị ảnh hưởng tích cực, hay tiêu cực tùy thuộc vào độ chính xác trong việc phân tích giá trị khách hàng. Nếu đầu tư nhiều tiền vào nhóm khách hàng mang lại giá trị ít, thì khả năng lỗ sẽ cao. Và ngược lại

Do đó, dù muốn hay không, tất cả các công ty đều cần dự báo, ước tính được giá trị khách hàng, xác định các yếu tố có thể tác động lên khả năng mua hàng. Và Data mining là trợ thủ đắc lực.

Với các phương pháp Clustering – phân nhóm các khách hàng giống nhau theo giá trị kinh doanh để tìm hiểu đặc điểm khách hàng lợi nhuận cao, Classification – dự báo hành vi của khách hàng dựa trên phân loại các nhóm khách hàng có các đặc điểm biết trước, hành vi trong quá khứ thông qua dữ liệu lịch sử hay xác định trước các đặc điểm của một khách hàng tiềm năng, dùng kết quả đó để đánh giá khách hàng khác, Regression – phân tích hồi quy để ước tính doanh thu thu về của từng nhóm khách hàng cụ thể thông qua xác định các yếu tố có thể tác động lên việc ra quyết định mua hàng, hay dự báo khả năng khách hàng sẽ mua hàng, và còn nhiều phương pháp dự báo khác.

Phân tích giá trị khách hàng yêu cầu phải phân tích được các đặc điểm khách hàng, và phân khúc khách hàng hiệu quả.

Phân tích khả năng Cross-selling và Up-selling hay Deep – selling

Sau khi xác định được nhu cầu sản phẩm, dịch vụ, theo đặc điểm khách hàng; sau khi phân nhóm khách hàng theo đặc điểm, theo mục tiêu lợi nhuận và sau khi phân tích, dự báo được giá trị khách hàng, công ty có thể tính đến việc gia tăng hoạt động bán hàng cụ thể Cross – selling (giới thiệu, bán chéo hay bán thêm các sản phẩm, dịch vụ khác hoặc đi kèm) và Up – selling (giới thiệu, bán các sản phẩm, dịch vụ cao cấp hơn) hay Deep – selling (khuyến khích gia tăng sử dụng các sản phẩm, dịch vụ mà khách hàng đã có trước đó)

Đây là ứng dụng Data mining trong CRM mà chúng ta thấy rõ nhất, phổ biến nhất ngày nay. Nếu các bạn mua tài khoản Netflix, sử dụng nền tảng coi phim trực tuyến số 1 thế giới này chắc đã từng thắc mắc tại sao Netflix giới thiệu nhiều bộ phim đánh vào sở thích của mình đến thế? Hay nếu bạn đã từng mua hàng online từ một trong các website ecommerce hàng đầu Việt Nam như Tiki, Shopee, Lazada có từng thắc mắc tại sao các nền tảng này biết mình sẽ mua thêm các sản phẩm gì hay chưa? Và đeo bám mình, quảng cáo giới thiệu liên tục trên các website khác, các mạng xã hội khác như Facebook, Youtube, Instagram hay chưa?

Tất cả là nhờ các phương pháp phân tích trong Data mining mà điển hình là Association rules (phân tích luật kết hợp) cho phép chúng ta tìm hiểu các khách hàng thừa mua những sản phẩm gì đi kèm, hay bundle với nhau; Sequence analysis – phân tích thứ tự hành vi, chuỗi sự kiện, cụ thể công ty sẽ biết được khách hàng sau khi mua sản phẩm, sẽ mua sản phẩm gì tiếp theo, và làm gì tiếp theo.

Biết được khách hàng là ai, biết được nhóm khách hàng nào sẽ mang lại doanh thu to lớn, nhu cầu của họ là gì, biết được các kết hợp sản phẩm, trình tự mua hàng, các công ty sẽ “making recommendations”, đưa ra các khuyến nghị, các gợi ý về sản phẩm, dịch vụ cho là phù hợp, và marketing cá nhân hóa đến từng nhóm khách hàng hay từng đối tượng vào đúng thời điểm.

3. Customer retention: ứng dụng Data mining trong việc giữ chân được các khách hàng có giá trị, tiềm năng lợi nhuận nhưng khả năng rời bỏ công ty là rất cao.

Phân tích dự báo khả năng khách hàng rời dịch vụ (Churn)

Trong quá trình quản lý CRM điều đáng lo ngại nhất, là khách hàng có thể rời bỏ công ty, không còn mua các sản phẩm, dịch vụ của công ty mà chuyển sang công ty đối thủ.

Có nhiều lý do mà chúng ta không biết được tại sao các công ty thường mất khách hàng? Do chất lượng sản phẩm, dịch vụ không thỏa mãn nhu cầu cao hơn của họ? Lý do mang tính chủ quan đến từ bản thân công ty hoạt động kinh doanh kém hiệu quả chúng ta sẽ không nói đến. Cái chúng ta quan tâm là liệu có các yếu tố nào khác hay không như yếu tố thu nhập, yếu tố từ các đặc điểm nhân khẩu học hay không, các hành vi trước đó của khách hàng, hay đặc biệt là yếu tố thời gian có tác động đến khả năng rời dịch vụ của khách hàng hay không?

Việc xác định khả năng Churn là rất quan trọng, đặc biệt đối với nhóm khách hàng giá trị cao, họ là nguồn lợi nhuận chính của công ty. Cải thiện tất cả các sản phẩm, dịch vụ là dĩ nhiên nhưng nếu chủ động tiếp cận nhóm khách hàng có ý định hoặc chưa có ý định rời bỏ công ty, chủ động tìm hiểu nhu cầu của họ kỹ hơn, khả năng giữ chân được họ là rất cao.

Trong phân tích Churn, điều cốt lõi là công ty phải ước tính được sau bao nhiêu lâu thì khách hàng rời bỏ, hoặc vòng đời khách hàng tồn tại bao nhiêu lâu. Công ty phải xác định được “định nghĩa” thế nào là khách hàng đã rời bỏ công ty như không mua hàng từ lâu? Không ký, gia hạn dịch vụ? công khai chuyển sang công ty đối thủ?

Nếu là thời gian, thì công ty phải ước tính được tỷ lệ khách hàng rời bỏ công ty ở từng mốc thời gian cụ thể trên cơ sở công ty phải tiến hành theo dõi các khách hàng. Data mining có phương pháp phân tích Sống sót – Survival analysis sẽ giúp công ty giải bài toán này

Nếu cho rằng không phải yếu tố thời gian, và công ty biết được những khách hàng nào đã churn, thì việc kế tiếp công ty phải phân tích được các đặc điểm, hành vi điển hình của họ là gì và định lượng tác động của chúng lên nguy cơ rời dịch vụ, và tiến hành dự báo cho các khách hàng hiện tại của công ty. Các phương pháp phân loại, Classification, hay phân tích hồi quy, Regression, cũng như các phương pháp phân tích dự báo khác sẽ được đưa vào sử dụng.

Phân tích Fraud/ Crime detection

Đây là phần bổ sung. Đối với những đối tượng khách hàng “không đàng hoàng”, có âm mưu gian lận, trục lợi, các công ty cần cảnh giác để loại bỏ ngay, vì chúng không mang lại giá trị kinh doanh, mà còn gây tổn thất nặng nề.

Data mining với các phương pháp, thuật toán ưu việt sẽ giúp các công ty, đặc biệt thuộc lĩnh vực tài chính, bảo hiểm tìm hiểu đặc điểm nhận dạng, hành vi của các nhóm khách hàng được gán mác tội phạm trong kho dữ liệu lịch sử, sử dụng chúng để phân tích các khách hàng mới, khách hàng cũ, chủ động xác định khách hàng nào đang có các ý đồ xấu và ngăn chặn kịp thời.

Đến đây chúng ta đã tìm hiểu sơ lược các ứng dụng Data mining trong từng task chính của quản lý CRM. Kết thúc bài viết đầu tiên, chúng ta cùng nhìn qua tóm tắt các lợi ích mà Data mining mang lại một cách tổng quát

Cung cấp các thông tin hữu ích, tiềm ẩn về khách hàng
Thấu hiểu các hành vi của khách hàng
Hỗ trợ xây dựng các hoạt động sales, marketing hiệu quả, tối ưu
Hỗ trợ đo lường giá trị lợi nhuận từ khách hàng
Phát triển nguồn khách hàng mới và cũ
Tìm hiểu nhanh các xu hướng trong nhu cầu tiêu dùng của khách hàng
Chủ động, chính xác trong các dự báo
Customize/ tinh chỉnh các sản phẩm dịch vụ sao cho phù hợp
Ngăn chặn các vấn đề phát sinh từ khách hàng

Các bài viết sắp tới chúng ta sẽ xoay quanh từng task trong quản lý CRM bắt đầu với Customer segmentation

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”.