Tuesday, August 27, 2019

Big Data, Customer Analytics và Customer Trends 2020

Cuộc cách mạng kỹ thuật số đang diễn ra và sự phát triển vượt bậc của Internet thương mại trong thập kỷ qua đã thay đổi mô hình kinh doanh truyền thống và trao quyền cho khách hàng tham gia thuận tiện với các tổ chức mà họ tương tác và giao dịch trên nhiều kênh. 
Ngày nay, họ có thể duyệt các tùy chọn sản phẩm và dịch vụ khi đang di chuyển (tìm kiếm trên thiết bị di động), tham gia với một kênh bán hàng trực tiếp (trò chuyện / video), giải quyết các vấn đề thông qua tự phục vụ (ví dụ: chatbot), cộng tác, xem reviews với các đồng nghiệp để xem xét các tùy chọn mua hàng (xã hội ), đàm phán và mua hàng (thương mại điện tử / thương mại điện tử) và để có các mặt hàng được giao trực tiếp đến trước cửa nhà của họ. 
Trong khi các doanh nghiệp đã nhiệt tình áp dụng các dịch vụ Digital 1.0 (e-commerce, mobile và social media) và tài sản số từ dữ liệu Customer Identity, thì biên giới tiếp theo là Digital 2.0.




tham khảo thêm https://www.slideshare.net/emeguedes/2020-customer-experience-in-digital-trends-in-retail



Sunday, August 25, 2019

Unified Technology Platform for Customer 360 Insights in data-driven business



Quy trình ứng dụng Big Data và AI  cho thấy Insights, hiểu rõ hơn về khách vi khách hàng và phát triển doanh nghiệp thần kỳ như thế nào ?

1)Customer Definition: Xác định khách hàng của bạn là ai ?

Định nghĩa khái niệm profile khách hàng từ dữ liệu Market Research và hệ thống CRM
1.1 Buyer Persona (Ideal Customer Profile) định nghĩa khách hàng lý tưởng của bạn là ai, chuyển thông tin này  cho bộ phận Marketing nội bộ công ty, lúc này có thể thuê Media Agency hoặc tự làm 4 quy trình căn bản sau:
  1. Marketing Strategy Planning: lên kế hoạch chiến lược marketing cho branding sản phẩm, concept, KPI và metrics  
  2. Media Strategy Planning: lên kế hoạch truyền thông ở các điểm chạm (media touchpoint) theo dữ liệu Media Research 
  3. Media Operation Planning: lên kế hoạch thực thi 
  4. Creative Media Production : sản xuất creative để đưa thông điệp sản phẩm một cách ấn tượng đến người tiêu dùng 
1.2 Single-view Profile Dashboard định nghĩa dashboard và các metrics để  xác định profile nào là Lead và các cách nâng cao CLV (Customer Lifetime Value)

Campaign Operation: nghệ thuật sử dụng media để tác động đến hành vi khách hàng như thế nào ?

Tham khảo chi tiết ở bài blog 

Single-view Analytics

  1. Single-view Profile Dashboard: tất cả thông tin 360 độ về profile
  2. Single-view Campaign Dashboard: tất cả thông tin 360 độ về campaign
  3. Single-view Media Dashboard Campaign:  tất cả thông tin về media (owned media, earned media và paid media)

Data Segmentation: 

phân tích dữ liệu theo ad-hoc query
Tham khảo thêm:
https://econsultancy.com/five-advanced-data-and-segmentation-tactics-for-marketing-and-sales/
Python code:
https://github.com/tristanga/Data-Analysis/blob/master/Notebooks/Automatic%20Customer%20Segmentation%20with%20RFM%20%28Python%29.ipynb

Personalization Engine:


Mục tiêu của cùng hệ thống là kết hợp công nghệ Big Data , A.I cùng Media Agency để  gia tăng 3 metrics cực kỳ quan trọng với bất kỳ doanh nghiệp làm business nào
Brand Lift (Giá trị thương hiệu)
Tham khảo: https://tubularinsights.com/online-video-metrics-brand-advertisers-agencies/


Net Promoter Score 
(Khả năng sự trung thành và niềm tin của khách hàng với giá trị doanh nghiệp)
https://en.wikipedia.org/wiki/Net_Promoter



Customer Lifetime Value 
(Giá trị khách hàng đóng góp trực tiếp vào doanh thu, sự tăng trưởng business)


Tham khảo CLV: 




Bài Blog này biên tập bởi Triều Nguyễn (Admin BigDataVietnam)


Ngày 14/09/2019 này, mình có 1 buổi nói chuyện sâu hơn về chủ đề này. mọi người có thể xem thêm ở link này 

Monday, August 19, 2019

AI system to assist with insurance claims management

Example of a Computer Vision Architecture
Figure shows the implementation of a computer-vision-based AI system to assist with insurance claims management.

Images can be captured and uploaded via a mobile device (1) which is then sent for pre-processing (2) to adjust contrast, color and size for noise reduction. It is then put into an image database and training set (3). Here, location information (image metadata) that is captured from the devices can be used for fraud detection by using streaming data from the mobile device. Now, an image processing system, leveraging the ML model (4) and built for comparing images of good and damaged vehicles, assesses the damage. This then helps identify parts required to repair the damaged vehicle and associates any labor costs (5).
This completely automates the process of assessment and makes it easier for the auto damage adjuster to process the claim quickly. However, this wouldn't have been possible if it weren't for machine learning models that were trained to use lots of image data over deep learning systems to help build an end-to-end AI system that leverages computer vision.

Sunday, August 11, 2019

Marketing Technology Infrastructure for Brands (Big Data and A.I for Marketing)

MarTech Infrastructure for Brand
Câu hỏi mình tự đặt ra để viết bài blog này là:


  1. Các công ty/tập đoàn nên làm gì để chuyển đổi số được thành công Digital Transformation ?
  2. Ứng dụng AI  Big Data để gia tăng giá trị cho Marketing và Business như thế nào ?
  3. Phân tích tâm lý học và hành vi khách hàng có tiềm năng lớn ra sao trong việc xây dựng mô hình kinh doanh bền vững ? 

Câu trả lời mình trong diagram trên, đó là xây dựng trải nghiệm khách hàng đồng nhất về sản phẩm và dịch vụ tốt nhất ở tất cả môi trường thông tin offline (ở thế giới thực) và online (thế giới ảo). Tất cả đề đến từ dữ liệu đến trực tiếp từ khách hàng và những nguồn dữ liệu công ty có thể mua từ bên thứ ba.
Hình ảnh mô tả tính chất quan trọng của Data (first-party data) trong quá trình Digitalization của doanh nghiệp, nguồn từ https://medium.com/@kristofferkvam/the-secret-of-capturing-value-through-digital-transformation-84b200237053




Các bước bao gồm: hiểu rõ khách hàng, dự đoán các tính cách cá nhân của họ (identity) để xây dựng mô hình cá nhân hoá  trải nghiệm (persona) cho từng phân khúc (segmentation). Cuối cùng tiếp cận khách hàng theo cách họ cảm thấy quen thuộc, thoải mái nhất (buying experience). 

Xây dựng Customer Data Platform (CDP) là bước đầu tiên để phục vụ việc phân tích, hợp nhất và hiểu sâu về customer, đầu ra của 1 hệ thống CDP là Identity Data (dữ liệu về định danh, tính cách và sở thích của khách hàng, chủ yếu từ first-party data).
Ở đây là mình sẽ đi sâu hơn về CDP như sau:
“CDP is a marketing system that unifies a company’s customer data from marketing and other channels to enable customer modeling and optimize the timing and targeting of message and offers” - Nguyên văn định nghĩa của Gartner về CDP.

Theo mình, hiểu đơn giản CDP là một sự kết hợp giữa Google Analytics , CRM và hệ thống Segmentation thông minh hỗ trợ bởi analytics và A.I.  CDP thường được sử dụng bởi marketer, để hợp nhất các dữ liệu nhằm vẽ ra chân dung & hành trình của khách hàng trên một nơi duy nhất.

CDP flow chart (source: https://infotrust.com/articles/what-is-a-customer-data-platform-cdp/)


Đó là định nghĩa chuẩn, tuy nhiên sau nhiều năm đi làm ở các công ty khác nhau trong ngành Marketing , Ad Agency và đọc khá nhiều sách khác nhau, mình tổng hợp lại 1 framework cụ thể hơn để làm phương pháp định hướng, triển khai trên các CDP projects thực tế. 


USPA là từ khoá kết hợp từ 5 bước cơ bản cho 4 giai đoạn Digital Transformation khi ứng dụng CDP ở doanh nghiệp / media agency để xây dựng chiến lược từ Customer và First-party data.
  1. Hợp nhất (Unification) các dữ liệu rời rạc từ Online và Offline thành 1 Data Collection để tạo, bao gồm tất cả Smart Customer Profile từ điểm tiếp xúc dữ liệu. Các profile này có thể  chưa hoàn chỉnh nhưng kết hợp với quảng cáo digital , gamification, content hub hay owned media để xây dựng hoàn chỉnh theo thời gian. Customer Profile ở đây sẽ tiến hoá liên tục theo thời gian để từ dữ liệu các hoạt động marketing của brand. 
  2. Phân chia customer profile theo từ segments. Quá trình segmentation đòi hỏi marketer/data analyst phải hiểu rõ quy trình business, chiến lược công ty để xây dựng và cân chỉnh theo từng brand cụ thể.
  3. Sau khi có các segments cụ thể, có thể xây dựng brand và cá nhân hoá theo văn hoá tiêu dùng của từng nhóm khách hàng riêng biệt. Media Planning là bước chính để xây dựng chiến lược cá nhân hoá (personalization) thành công theo từng phân nhóm khách hàng cụ thể.
  4. Bước cuối cùng là kích hoạt truyền thông chính xác theo từng nhóm segment (Activation) các quy trình đưa thông tin đã cá nhân hoá nhanh nhất đến khách hàng thông qua tất cả kênh truyền thông (Google Ads, Facebook Ads, Affiliate Marketing, làm PR event ở shopping malls)  
Các quy trình kỹ thuật trong 1 hệ thống CDP chuẩn bởi Gartner 
Điều phức tạp nhất là xây dựng Data science Pipeline cho Marketing, ví dụ concept như sau:




Giao diện một demo hệ thống Data Platform do BigDataVietnam.org phát triển:



Trên đây là những thông tin chia sẻ về CDP nhằm giúp mọi người hiểu hơn về giá trị CDP mang lại trong việc ứng dụng công nghệ Big Data, AI vào marketing ở công ty và giúp các bác CEO, marketing manager có cái nhìn cơ bản về giá trị CDP mang lại khi xây dựng kế hoạch chuyển đổi số #Digitalization ở công ty mình.


Tham khảo thêm: 

Tác giả : Triều Nguyễn (Admin BigDataVietnam)

Friday, August 2, 2019

Human resources for Big Data professions: A systematic classification of job roles and required skill sets


• Firms increasingly resort to Big Data Analytics.

• There is a lack of clarity about the skills required in Big Data professions.

• Four Big Data job families are identified.

• Nine groups of Big Data skills that are being demanded by companies are identified.

• The appropriate competencies required within each Big Data skill set are identified.