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 

Customer Data Platforms: ứng dụng Big Data để xây dựng cái nhìn 360 độ về Profile của khách hàng

Đã qua rồi cái thời các nhà tiếp thị phải thu thập dữ liệu từ nhiều cơ sở dữ liệu nằm rải rác trong vô số hệ thống để tìm kiếm những gì khách hàng của họ muốn. Một công nghệ hoàn toàn mới có tên là nền tảng dữ liệu khách hàng CDP, đặt tất cả thông tin đó vào một nơi, cho phép các công ty phát triển các chiến dịch quảng cáo hiệu quả hơn và cung cấp dịch vụ khách hàng tốt hơn.

Seth Earley of Earley Information Science, tác giả của “The Role of a Customer Data Platform” định nghĩa về Customer data platforms (CDPs) như sau:
Các nền tảng dữ liệu của khách hàng , tổng hợp dữ liệu từ nhiều nguồn khác nhau để cung cấp cái nhìn 360 độ về khách hàng. Các nền tảng này được thiết kế để được các nhà tiếp thị quản lý và sử dụng trực tiếp và họ loại bỏ nhu cầu truy cập quá nhiều hệ thống để tạo hồ sơ khách hàng, phát triển các chiến dịch tiếp thị, kiểm tra hiệu quả của các chiến lược tiếp thị và dự đoán hành vi của khách hàng. Nó đơn giản quá trình xác định giá trị hiện tại và tương lai của 1 khách hàng 

Các chức năng chính của customer data platform (CDP).

Nền tảng dữ liệu khách hàng (CPD) là gì

Nền tảng dữ liệu khách hàng là một công cụ tương đối mới dành cho các nhà tiếp thị được thiết kế để  cung cấp một cái nhìn thống nhất về khách hàng và hành vi của họ vào một hồ sơ luôn xử lý, theo Viện nền tảng dữ liệu khách hàng (CDPI), được thành lập vào năm 2016 và được tài trợ bởi các nhà cung cấp công nghiệp. Earley trích dẫn tổ chức này trong bài báo của mình.

CDP hoạt động như một kho lưu trữ và kho lưu trữ tập trung cho tất cả các loại dữ liệu từ các hệ thống bên trong và bên ngoài khác nhau. Xem xét bất kỳ nơi nào mà tương tác của khách hàng được ghi lại, theo dõi hoặc quản lý. Mua hàng trong quá khứ tạo thành một thể loại lớn của hành vi khách hàng, tất nhiên. Nhưng các tương tác truyền thông xã hội và truy cập trang web cũng vậy, ngay cả khi không có gì thực sự được mua. Nói chung, dữ liệu này tạo ra các tín hiệu có thể được coi là "ngôn ngữ cơ thể điện tử", Ear Earley viết.

Một số dữ liệu khá đơn giản (như tên, địa chỉ và chi tiết nhân khẩu học). Tuy nhiên, một số thông tin yêu cầu xử lý và giải thích. Ví dụ, dữ liệu nhấp chuột theo dõi một phần của hành trình khách hàng và có thể rất nhiều thông tin, nhưng hiểu được ý nghĩa của nó đòi hỏi nỗ lực và sự can thiệp của con người. Dữ liệu về hành vi trang web có thể được lưu trữ trong CDP, nhưng bộ dữ liệu lớn và có nhiều thành phần phụ thuộc vào thời gian và bối cảnh, theo Ear Earley nói.

Những gì một nền tảng dữ liệu khách hàng cung cấp ? Earley liệt kê bốn chức năng cơ bản của nền tảng dữ liệu khách hàng CDP:

  • CDP có thể tóm tắt và phân tích hàng trăm dòng nhật ký từ lượt truy cập trang web của khách hàng để phát hiện sở thích và xu hướng.
  • CDP có thể chứa các loại dữ liệu và định dạng khác nhau có thể có cấu trúc và quy ước đặt tên khác nhau. liệu dữ liệu đó có thông qua nguồn cấp dữ liệu trực tiếp thông qua lớp API hoặc dịch vụ web hay không, cơ sở hàng loạt thông qua chuyển tập tin, nhật ký trò chuyện, cuộc hội thoại trên Facebook, tweet và thậm chí cả hình ảnh Instagram.
  • CDP có thể xóa và xử lý dữ liệu bằng cách loại bỏ sự dư thừa và đối chiếu các chi tiết bị thiếu hoặc dữ liệu không chính xác với một hệ thống khác.
  • CDP cho phép các hệ thống khác truy cập dữ liệu, ví dụ như tiết kiệm, liên tục lặp lại thông tin cá nhân của bạn hoặc số thứ tự nhiều lần cho các bộ phận khác nhau.

Tại sao CDP sẽ tốt hơn cho hoạt động kinh doanh của công ty ?

Earley nói, CDP có thể cung cấp một số chức năng của các hệ thống tiếp thị và nền tảng tương tác với khách hàng khác, nhưng về cơ bản là khác nhau về thiết kế và chức năng.

Earley mô tả các hệ thống tự động hóa tiếp thị cũ có thể tích hợp với các công cụ khác nhưng thường theo một cách hạn chế. CDP thu thập nhiều chi tiết hơn từ nhiều hệ thống khác nhau và phân tích nó theo nhiều cách hơn.

Các công cụ CDP được thiết kế từ đầu để nói chuyện với các hệ thống khác. Họ cũng giữ lại các chi tiết từ các hệ thống khác mà công cụ tham gia hoặc tự động hóa không có. Điều này rất có giá trị cho phân tích xu hướng, phân tích dự đoán và các khuyến nghị có thể tận dụng một lượng lớn dữ liệu lịch sử, ông viết.


CDP kể câu chuyện về khách hàng như thế nào

CDP là để tạo ra trải nghiệm cá nhân hóa hơn (Customer Personalization)

Có thể đó là tuổi của khách hàng, hoặc họ có hoạt động trên phương tiện truyền thông xã hội hay họ có con hay không. CDP lưu trữ dữ liệu về khách hàng có thể được tận dụng bởi các hệ thống hạ nguồn khác nhau để dự đoán và ảnh hưởng đến hành vi của khách hàng, ông nói, Earley nói.

Dữ liệu này có thể được loại bỏ từ nhiều nguồn bao gồm tạo tài khoản, hành vi duyệt web, lịch sử mua sắm, hoạt động truyền thông xã hội và xếp hạng nhà hàng.



Earley chia metadata thành hai loại: rõ ràng (Explicit data) và ẩn (Implicit data).


Explicit data thu thập dễ dàng hơn để phân tích vì nó thường được cung cấp cho công ty trực tiếp từ khách hàng. Nó bao gồm loại khách hàng (người tiêu dùng / doanh nghiệp / phi lợi nhuận), tuổi, giới tính, ngôn ngữ, địa điểm, mức thu nhập, tài khoản, tên, địa chỉ, điện thoại liên hệ, email, chi tiết tài khoản, v.v.

Implicit data được thu thập theo những cách khác và bao gồm các hoạt động và hồ sơ trên LinkedIn, Facebook, Twitter và Instagram. Nó cũng bao gồm loyalty data, thời gian sử dụng dịch vụ, tần suất sử dụng, lịch sử mua hàng và phản hồi trước các chiến dịch tiếp thị. Loại dữ liệu này được thu thập theo một cách độc đáo và có thể tiết lộ những gì thúc đẩy khách hàng mua sản phẩm và dịch vụ (Customer Activation).

Dữ liệu clickstream cho chúng ta biết một số điều về cách khách hàng tiêu thụ nội dung và duyệt trang web: liệu họ có nhấp qua ưu đãi hay không, liệu họ có trả lời quảng cáo hay họ có thể hoàn tất giao dịch mua hay không. Dùng dữ liệu để kể một câu chuyện trực quan (Data Storytelling),  câu hỏi là làm thế nào để hiểu câu chuyện, Earley nói.

Một ví dụ giao diện CDP do BigDataVietnam.org đang phát triển


Số liệu CDP phân tích khách hàng như thế nào

Sau khi dữ liệu được thu thập, các nhà phân tích (Business Analyst) phải biết cách hiểu nó và phải làm gì với nó. Họ cần đặt ra đúng câu hỏi và xác định vấn đề trong chuỗi hành trình mua hàng, thu thập đủ dữ liệu và phân tích.

Ví dụ: khi phân tích các số liệu cho thấy khách hàng rời khỏi trang web nhanh như thế nào, một nhà phân tích có thể nói rằng khi người dùng duyệt đến một điểm nhất định và sau đó rời khỏi trang web, vì họ không thể tìm thấy thông tin họ cần. Điều gì đã có thể được thay đổi để ảnh hưởng đến hành vi này? Chúng ta có thể thiết kế UX chưa đủ hấp dẫn hay thông tin chưa đủ thuyết phục được họ ?

Earley cho biết mục tiêu CDP là hiểu khách hàng tốt hơn và đáp ứng nhu cầu của họ một cách nhanh ho.

Trong thế giới vật chất, đây là những gì một nhân viên bán hàng tuyệt vời làm, họ biết khách hàng và đưa ra các giải pháp dựa trên kiến ​​thức đó. Công nghệ kỹ thuật số (Digital technology) là một sự thay thế cho người bán hàng giỏi nhất trong một tổ chức, ông nói.


Một VD tổng hợp về hành trình mua hàng (Giao diện UX do BigDataVietnam.org đề xuất)


Tham khảo từ: https://www.computer.org/publications/tech-news/research/customer-data-platform

Biên tập: 
Triều Nguyễn (Admin BigDataVietnam)



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 #DigitalTransformation ?
  2. Ứng dụng #AI #BigData để gia tăng giá trị cho #Marketing như thế nào ?
  3. Phân tích tâm lý học và hành vi khách hàng có tiềm năng lớn ra sao trong việc xây dựng 1 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 
Cái phức tạp nhất là xây dựng Data science Pipeline cho Marketing theo mô hình chuẩn của Gartner như sau:  




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.

Các cuốn sách đã ảnh hưởng đến sự ra đời bài blog này 
No photo description available.

Tham khảo thêm: 

Tác giả : Triều Nguyễn (Admin BigDataVietnam)

Featured Post

USPA.tech - the Open Source Framework to build your owned Customer Data Platform (CDP)

Core ideas of USPA framework  High-level concept of USPA framework USPA framework - Logical Data Flow Conceptual Data Mo...