Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (786.79 KB, 38 trang )
<span class="text_page_counter">Trang 1</span><div class="page_container" data-page="1">
<b>1. Giới thiệu tóm tắt:</b>
<b>1.1. Giới thiệu tổng quan về chủ đề nghiên cứu</b>
Bài báo cáo này tập trung vào một khía cạnh cốt lõi của mơ hình kinh doanh của Netflix - việc thu thập và sử dụng dữ liệu khách hàng. Netflix, một trong những tên tuổi hàng đầu trong lĩnh vực truyền hình trực tuyến, đã chứng minh sự quan trọng của việc sử dụng dữ liệu để cải thiện hành vi mua sắm của khách hàng.
<b>1.2.Lý do chọn đề tài</b>
Trong thế giới số hóa ngày càng phát triển, dữ liệu người dùng trở thành một tài nguyên vô cùng quý báu. Netflix đã thành công trong việc sử dụng dữ liệu khách hàng, từ big data đến học máy, để cá nhân hóa nội dung, giao diện và chiến lược tiếp thị. Điều này đặt ra câu hỏi về cách công ty này sử dụng dữ liệu để cải thiện hành vi mua sắm của khách hàng như thế nào.
Mục tiêu chính của nghiên cứu này là phân tích chi tiết cách Netflix sử dụng dữ liệu khách hàng để cá nhân hóa sản phẩm, dịch vụ và chiến lược tiếp thị, nhằm thúc đẩy hành vi mua sắm của khách hàng. Netflix đã thay đổi cách chúng ta tiêu thụ nội dung giải trí, và việc hiểu rõ cách họ sử dụng dữ liệu giúp ta thấu hiểu cơ cấu thành công của họ.
Nghiên cứu này khơng chỉ giúp hiểu rõ mơ hình kinh doanh của Netflix mà cịn có giá trị cho các công ty và tổ chức trong lĩnh vực truyền hình trực tuyến và ngành cơng nghệ thơng tin nói chung. Cách Netflix sử dụng dữ liệu khách hàng để tạo trải nghiệm tùy chỉnh theo từng cá nhân và tối ưu hóa dịch vụ có thể cung cấp các insights quý báu và từ đó xây dựng chiến lược trong môi trường cạnh tranh ngày càng gay gắt.
<b>2. Tổng quan về cơng ty/ ngành nhóm chọn : đặc điểm của công ty, </b>
</div><span class="text_page_counter">Trang 3</span><div class="page_container" data-page="3"><b>Vị trí của cơng ty trong ngành</b>
Netflix, một trong những tên tuổi lớn trong ngành truyền hình trực tuyến, đã thay đổi cách chúng ta tiêu thụ nội dung giải trí. Cơng ty này chủ yếu hoạt động trong lĩnh vực truyền hình trực tuyến và phân phối nội dung video qua internet. Netflix cung cấp một loạt phim, chương trình truyền hình, và nội dung gốc dựa trên sở thích của người dùng. Họ đã mở rộng sự hiện diện của mình trên khắp thế giới và đang phát triển nhanh chóng trên nhiều thị trường quốc tế. Một số thành tựu của Netflix :
- Netflix đã trở thành một trong những dịch vụ phát sóng trực tuyến lớn nhất trên thế giới, có hơn 200 triệu người dùng trên tồn cầu vào năm 2021.
- Netflix đã sản xuất nhiều bộ phim và chương trình truyền hình chất lượng cao, bao gồm nhiều bộ phim và series đoạt giải thưởng quốc tế. Ví dụ, bộ phim "Roma" đã giành giải Oscar cho hạng mục Phim xuất sắc nhất vào năm 2019.
<b>Mức độ cạnh tranh trong ngành</b>
Ngành truyền hình trực tuyến đang trở nên cạnh tranh và phát triển mạnh mẽ. Các công ty khác như Amazon Prime Video, Hulu, Disney+, và HBO Max cũng đã tham gia vào cuộc đua này. Thị trường truyền hình trực tuyến thu hút đa dạng khách hàng từ các nhóm tuổi từ thiếu niên đến người lớn tuổi. Điều này đặt ra thách thức về cách cung cấp nội dung phù hợp cho mọi đối tượng mà Netflix phải đối mặt.
Trong ngành này, khách hàng có nhiều lựa chọn và có thể thay đổi dịch vụ mà họ đăng ký dễ dàng. Do đó, việc thu thập dữ liệu cho phép Netflix hiểu rõ hơn về khách hàng, tạo nội dung và dịch vụ phù hợp, tối ưu hóa trải nghiệm người dùng, dự đoán hành vi mua sắm, và áp dụng chiến lược tiếp thị hiệu
</div><span class="text_page_counter">Trang 4</span><div class="page_container" data-page="4">quả. Điều này giúp họ duy trì và phát triển vị thế của mình trong ngành truyền hình trực tuyến cạnh tranh.
<b>3. Nghiên cứu phân tích chủ đề chính của bài tập nhóm</b>
<b>Thực hiện việc thu thập thơng tin, phân tích, đánh giá và có kèm dẫnchứng minh hoạ các yếu tố sau:</b>
<b>3.1. Khung Nghiên Cứua. Mục tiêu nghiên cứu: </b>
- Mục tiêu tổng quát: Xác định các yếu tố ảnh hưởng đến sự hài lòng của khách hàng từ việc thu thập dữ liệu khách hàng và trên Big data từ đó đưa ra những đánh giá về những tác động đó.
- Mục tiêu chi tiết: thu thập dữ liệu và phân tích, đánh giá mức độ hài lòng của khách hàng đối với dịch vụ Netflix cung cấp từ dữ liệu lớn của người dùng: Chất lượng dịch vụ cốt lõi, Giá cả dịch vụ, Sản phẩm dịch vụ trên trang web, Đề xuất, Dịch vụ gia tăng, Dịch vụ khách hàng.
<b>b. Phạm vi nghiên cứuĐối tượng nghiên cứu</b>
Đối tượng nghiên cứu của đề tài là người dùng có trả phí trên nền tảng ứng dụng Netflix hoặc trên trang web.
<b>Phạm vi nghiên cứu</b>
<b>Nguồn dữ liệu</b>
Phương pháp thu thập dữ liệu chính của bài nghiên cứu tập trung vào nguồn dữ liệu thứ cấp. Đối với dữ liệu thứ cấp, nhóm nghiên cứu thực hiện thu thập các thơng tin cơ bản về Netflix như tính năng, dịch vụ và các tính năng trên ứng dụng xem phim Netflix trong các nguồn kể bên dưới. Sau đó, nhóm tiến hành phân tích, so sánh và chọn lọc các thông tin cần thiết bổ trợ như các số liệu thể hiện được mức độ hài lịng, phản ứng của người dùng Netflix thơng qua việc áp dụng dữ liệu lớn.
Một số nguồn dữ liệu chính:
- Trang web chính thức và ứng dụng của Netflix
</div><span class="text_page_counter">Trang 5</span><div class="page_container" data-page="5">- Cơ sở dữ liệu Statista: cung cấp thông tin của hơn 170 ngành công nghiệp trên toàn thế giới.
- Google Scholar và các bài báo cáo, nghiên cứu có sẵn.
<b>3.3. Phân Tích Dữ Liệu</b>
<b>3.3.1. Phương pháp phân tích</b>
<b>3.3.2. Công cụ: Dashboard - công cụ giúp trực quan hóa dữ liệu của Netflix</b>
<b>3.4. Đánh Giá Nguồn Tài Liệu (ĐAN THANH)a.Nguồn tài liệu: </b>
- Các báo cáo nghiên cứu khoa học về phân tích dữ liệu và hành vi mua sắm, đặc biệt là những bài báo liên quan đến Netflix hoặc ngành công nghiệp truyền thông.
</div><span class="text_page_counter">Trang 6</span><div class="page_container" data-page="6">- Các bài viết, blog, podcast hoặc video của các chuyên gia, nhà phân tích hoặc nhà nghiên cứu về Netflix và chiến lược dữ liệu của họ.
- Các tài liệu chính thức của Netflix, như báo cáo tài chính, bản tin, trang web hoặc tài khoản mạng xã hội, để hiểu về mục tiêu, đối tượng và giá trị cốt lõi của họ.
- Các khảo sát, phỏng vấn hoặc phản hồi của khách hàng về trải nghiệm sử dụng Netflix và sự hài lòng với các sản phẩm và dịch vụ của họ.
<b>b.Dữ liệu: </b>
- Báo cáo tài chính và báo cáo thường niên của Netflix, cung cấp thông tin về doanh thu, lợi nhuận, chi phí, số lượng khách hàng và các chỉ số khác liên quan đến hoạt động kinh doanh của công ty.
+ Theo báo cáo thu nhập mới nhất, doanh thu của Netflix tăng 15% lên 32,7 tỷ USD và thu nhập ròng của hãng tăng 25% lên 4,8 tỷ USD. + Số lượng khách hàng: Netflix cũng có thêm 28,5 triệu người đăng ký
mới, nâng tổng số thành viên toàn cầu lên 287 triệu.
- Bài báo khoa học và bài viết chuyên môn, cung cấp thông tin về các phương pháp, công nghệ mà Netflix áp dụng để thu thập, xử lý, phân tích và ứng dụng dữ liệu của khách hàng để tạo ra các sản phẩm, dịch vụ và trải nghiệm tùy biến cho từng người dùng.
- Phản hồi, ý kiến của khách hàng, cung cấp thông tin về sự hài lòng, trung thành, mong đợi và ý kiến của khách hàng về Netflix và các đối thủ cạnh tranh.
Để trả lời cho câu hỏi nghiên cứu, nhóm đã sử dụng những tài liệu chính sau: 1. “ Netflix: Leveraging Data to Win” của tác giả: cựu sinh viên Isha
Khambra tại Harvard Business School
2. “How Netflix uses big data to create content and enhance user
experience” của tác giả: Nhà tư vấn tiếp thị kỹ thuật số Gabrielle Sadeh 3. Cơ sở dữ liệu Statista
4. “Netflix Big Data Analytics- The Emergence of Data Driven
Recommendation” của Srivatsa Maddodi and Krishna Prasad. K https://
<b>3.5. Đánh Giá Kết Quả (ĐAN THANH)Đánh giá kết quả dựa trên phân tích nghiên cứu</b>
Phương pháp định tính: Các phương pháp thu thập dữ liệu bao gồm khảo sát trực tuyến, nhóm tập trung và phỏng vấn. Các phương pháp phân tích dữ liệu liên quan đến mã hóa theo chủ đề, phân tích nội dung và phân tích cảm xúc để xác định các chủ đề, mô hình và hiểu biết chính từ dữ liệu định tính. Ta thấy được kết quả của nghiên cứu này là:
</div><span class="text_page_counter">Trang 7</span><div class="page_container" data-page="7">+ Khách hàng đa số đánh giá cao những tính năng và dịch vụ mới từ Netflix, đặc biệt là nội dung tương tác và đề xuất được cá nhân hóa, vì chúng mang lại nhiều sự tương tác, lựa chọn và mức độ phù hợp hơn cho sở thích xem của họ.
+ Khách hàng cũng đánh giá cao tùy chọn xem ngoại tuyến vì nó cho phép họ xem các chương trình và phim u thích mọi lúc, mọi nơi mà không phải lo lắng về kết nối internet hay sử dụng dữ liệu.
+ Tuy nhiên, một số khách hàng cũng bày tỏ một số lo ngại và thách thức liên quan đến các tính năng và dịch vụ mới, chẳng hạn như vấn đề kỹ thuật, vấn đề về quyền riêng tư và vấn đề về tính khả dụng của nội dung. Ví dụ: một số khách hàng báo cáo rằng nội dung tương tác đơi khi khơng hoạt động bình thường hoặc họ cảm thấy không thoải mái khi chia sẻ dữ liệu cá nhân của mình với Netflix để đưa ra các đề xuất được cá nhân hóa.
+ Ngồi ra, một số khách hàng cũng đề xuất một số lĩnh vực cần cải thiện và nâng cao cho các tính năng và dịch vụ mới, chẳng hạn như cung cấp nội dung phong phú, đa dạng và chất lượng hơn, cải thiện giao diện và thiết kế người dùng cũng như đưa ra các gói giá linh hoạt và hợp lý hơn.
<b>Ý nghĩa của các kết quả</b>
- Mục đích của nghiên cứu này nhằm để đánh giá tác động của những thay đổi trong sản phẩm và dịch vụ của Netflix đối với hành vi mua sắm của khách hàng bằng phương pháp định tính. Kết quả phân tích dữ liệu cho thấy việc giới thiệu các tính năng mới, chẳng hạn như đề xuất được cá nhân hóa, nội dung tương tác và sử dụng ngoại tuyến, đã làm tăng sự hài lòng, giữ chân và chi tiêu của khách hàng. Kết quả cũng chỉ ra rằng việc mở rộng thư viện nội dung gốc của Netflix, đặc biệt là về thể loại và ngôn ngữ phục vụ nhiều đối tượng khán giả, đã thu hút người đăng ký mới và nâng cao lòng trung thành với thương hiệu. Nghiên cứu đã sử dụng nhiều kỹ thuật thống kê khác nhau, chẳng hạn như phân tích hồi quy, phân tích cụm và kiểm tra giả thuyết, để đo lường tác động của những thay đổi này đối với các chỉ số hiệu suất chính, chẳng hạn như doanh thu, tỷ lệ rời bỏ và giá trị trọn đời của khách hàng. Nghiên cứu cũng xem xét các yếu tố gây nhiễu tiềm ẩn, chẳng hạn như tính thời vụ, cạnh tranh và điều kiện thị trường, có thể ảnh hưởng đến kết quả. Nghiên cứu này cung cấp những hiểu biết sâu sắc có giá trị để Netflix tối ưu hóa các sản phẩm và dịch vụ của mình cũng như cải thiện lợi thế cạnh tranh trong ngành phát trực tuyến.
- Mục đích của nghiên cứu này là đánh giá kết quả phân tích dữ liệu về những thay đổi trong sản phẩm và dịch vụ của Netflix nhằm cải thiện hành vi mua sắm bằng phương pháp định tính. Kết quả phân tích dữ liệu cho thấy những thay đổi trong sản phẩm và dịch vụ của Netflix có tác động tích cực đến sự hài lịng, lịng trung thành, khả năng giữ chân và chi tiêu của khách hàng. Nghiên cứu cũng xác định các yếu tố chính ảnh hưởng đến sở thích, động lực và hành vi của khách hàng, chẳng hạn như chất lượng nội dung, tính cá nhân hóa, đề xuất, giá cả và sự tiện lợi. Nghiên cứu đưa ra các đề xuất để Netflix
</div><span class="text_page_counter">Trang 8</span><div class="page_container" data-page="8">nâng cao hơn nữa các sản phẩm và dịch vụ của mình, chẳng hạn như cải thiện giao diện người dùng, mở rộng thư viện nội dung, đưa ra các gói linh hoạt hơn và cung cấp nhiều tùy chọn phản hồi hơn. Nghiên cứu kết luận rằng Netflix có thể cải thiện hành vi mua sắm của mình bằng cách sử dụng các phương pháp định tính để hiểu nhu cầu và mong đợi của khách hàng, đồng thời thực hiện các thay đổi đáp ứng hoặc vượt
<b>3.6. Rút Kinh Nghiệm và Đề Xuất Phát Triển (ĐAN THANH)</b>
Dựa trên những phát hiện này, báo cáo này đưa ra một số đề xuất để Netflix cải thiện hơn nữa các thay đổi về sản phẩm và dịch vụ của mình nhằm cải thiện mức độ hài lòng và lòng trung thành của người tiêu dùng, chẳng hạn như:
- Giải quyết các vấn đề kỹ thuật và lỗi liên quan đến nội dung và đảm bảo nội dung đó hoạt động rõ ràng và liền mạch trên hầu hết các nền tảng thiết bị - Tăng cường các giải pháp an ninh bảo mật và quyền riêng tư cho các đề xuất được cá nhân hóa và đảm bảo khách hàng có nhiều quyền kiểm soát với việc thu thập và sử dụng dữ liệu của họ.
- Mở rộng các nội dung sản phẩm và tính khả dụng cho việc sử dụng hệ thống ngoại tuyến, đồng thời đảm bảo khách hàng có quyền truy cập vào nhiều thể loại, ngôn ngữ và khu vực.
- Cải thiện giao diện người dùng và thiết kế cho các tính năng và dịch vụ mới, đồng thời đảm bảo rằng chúng dễ sử dụng, điều hướng và tùy chỉnh theo sở thích nhu cầu của khách hàng.
- Cung cấp các gói giá linh hoạt và hợp lý hơn cho các tính năng và dịch vụ mới, đồng thời đảm bảo rằng chúng mang lại tính cạnh tranh, công bằng và đáng giá cho khách hàng.
- Tăng cường dịch vụ và hỗ trợ khách hàng bằng cách cung cấp nhiều kênh liên lạc, chẳng hạn như điện thoại, email, trò chuyện và mạng xã hội, đồng thời đảm bảo phản hồi kịp thời và thỏa đáng.
<b>4. Trình Bày Bài Nghiên Cứu</b>
<b>Đặt câu hỏi nghiên cứu định tính:</b>
- Cách người dùng Netflix cảm nhận về các đề xuất nội dung được cá nhân hóa dựa trên bigdata?
Tỷ lệ khách hàng hài lịng: Netflix có tỷ lệ khách hàng hài lòng cao, với điểm Net Promoter Score (NPS) là 40. Điều này cho thấy khách hàng đánh giá cao Netflix về chất lượng nội dung, giao diện người dùng và dịch vụ khách hàng.
Tỷ lệ giữ chân khách hàng: Tỷ lệ giữ chân khách hàng của Netflix là 90%. Điều này cho thấy khách hàng có xu hướng tiếp tục sử dụng Netflix sau khi đăng ký.
Tỷ lệ tăng trưởng doanh thu: Doanh thu của Netflix đã tăng trưởng liên tục trong những năm gần đây, đạt 30,9 tỷ đô la vào năm 2022. Điều này cho thấy Netflix đang thành công trong việc thu hút và giữ chân khách hàng.
Sự thật là 80% những bộ phim chúng ta coi trên Netflix đều chịu tác động từ các gợi ý của Netflix.
</div><span class="text_page_counter">Trang 9</span><div class="page_container" data-page="9">- Người dùng Netflix tương tác với các tính năng dựa trên big data của Netflix như thế nào?
- Tác động của Bigdata đối với sở thích và hành vi của người dùng Netflix?
Hệ thống đề xuất của Netflix
Hệ thống đề xuất của Netflix là một hệ thống dựa trên máy học đề xuất phim và chương trình truyền hình cho người đăng ký dựa trên sở thích của họ. Nó thu thập nhiều loại dữ liệu về người đăng ký, bao gồm vị trí, thói quen xem, lịch sử tìm kiếm và tương tác với hệ thống. Dữ liệu này được sử dụng để tạo ra các đề xuất được cá nhân hóa cho từng người đăng ký.
Hệ thống đề xuất của Netflix sử dụng kết hợp hai loại kỹ thuật đề xuất chính: - Lọc nội dung dựa trên nội dung: Kỹ thuật này đề xuất nội dung cho
người dùng dựa trên nội dung mà họ đã xem và đánh giá trước đó. Ví dụ: nếu một người dùng đã xem và đánh giá cao nhiều bộ phim hài lãng mạn, hệ thống sẽ đề xuất các bộ phim hài lãng mạn khác cho người dùng đó.
- Lọc cộng tác: Kỹ thuật này đề xuất nội dung cho người dùng dựa trên sở thích của những người dùng khác có sở thích tương tự. Ví dụ: nếu một người dùng có thói quen xem giống như những người dùng khác đã đánh giá cao một bộ phim cụ thể, hệ thống sẽ đề xuất bộ phim đó cho người dùng đó.
Khi tạo tài khoản người đăng ký mới, Netflix sẽ yêu cầu người đăng ký chọn một số thể loại hoặc tiêu đề mà họ thích. Khi đó, hệ thống đề xuất của Netflix sẽ sử dụng cả thành phần lọc nội dung và lọc cộng tác để tạo ra danh sách đề xuất được cá nhân hóa.
Hệ thống đề xuất của Netflix luôn được cập nhật và cải thiện để cung cấp các đề xuất chính xác và phù hợp hơn cho người đăng ký.
Lợi ích của hệ thống đề xuất của Netflix bao gồm:
- Giúp người dùng khám phá nội dung mới mà họ có thể thích. Hệ thống có thể đề xuất nội dung tương tự như nội dung mà người dùng đã xem và thích trước đó, hoặc nó có thể đề xuất nội dung phổ biến trong số những người dùng khác có sở thích tương tự.
- Tiết kiệm thời gian và cơng sức cho người dùng. Hệ thống lo tất cả những rắc rối khi tìm nội dung mới để xem, vì vậy người dùng có thể tập trung vào việc thưởng thức nội dung mà họ quan tâm.
- Cải thiện trải nghiệm người dùng tổng thể. Hệ thống giúp người dùng dễ dàng tìm thấy nội dung mà họ thích, dẫn đến trải nghiệm người dùng thỏa mãn hơn..
Có 2 loại hệ thống đề xuất của Netflix:
- Lọc nội dung dựa trên nội dung (Content-based filtering) - Lọc cộng tác (Collaborative filtering)
<b>Lọc nội dung dựa trên nội dung (Content-based filtering): Loại hệ </b>
thống đề xuất này dựa trên lịch sử xem của người đăng ký. Người đăng ký sẽ
</div><span class="text_page_counter">Trang 10</span><div class="page_container" data-page="10">xem lại nội dung hoặc phim thuộc một thể loại như hành động hoặc hài kịch nếu họ đã xem nội dung tương tự trong q khứ như được mơ tả trong Hình 1. Loại hệ thống đề xuất này lấy thông tin của khách hàng. Ban đầu, khi bất kỳ người đăng ký nào vừa tham gia dịch vụ, hệ thống sẽ yêu cầu người đăng ký cung cấp thông tin như họ thích thể loại nào và một số thông tin khác. Một số dữ liệu được thu thập từ người đăng ký như sau:
● Yêu cầu người dùng đánh giá nội dung. ● Dữ liệu tìm kiếm của người dùng.
● Xếp hạng nội dung từ ít thích nhất đến thích nhất. ● Chọn mặt hàng tốt hơn trong hai mặt hàng.
● Yêu cầu người dùng tạo những thứ họ thích và thứ họ khơng thích. ● Phân tích dữ liệu tìm kiếm của người dùng.
● Theo dõi lịch sử xem của người dùng.
<b>Lọc cộng tác (Collaborative filtering): Loại hệ thống đề xuất này dựa trên</b>
hồ sơ tương tự của người dùng [13]. Để tạo hồ sơ người đăng ký, hệ thống đề xuất chủ yếu tập trung vào hai thơng tin sau:
● Sở thích của người đăng ký. ● Lịch sử của người đăng ký.
Ví dụ, nếu người đăng ký A xem các bộ phim tội phạm, hành động, kinh dị và người đăng ký B xem các bộ phim tội phạm, hành động, hài kịch thì người đăng ký A sẽ thích xem phim hài kịch và người đăng ký B sẽ thích xem phim kinh dị.
<b>Hình 1Netflix sử dụng phương pháp A/B</b>
- Cách A/B test hoạt động: A/B test là một phương pháp thử nghiệm ngẫu nhiên được sử dụng để so sánh hai phiên bản khác nhau của một thứ gì đó. Trong trường hợp của Netflix, A/B test được sử dụng để so sánh hai phiên bản khác nhau của một trang đích.
- Để thực hiện A/B test, Netflix sẽ chia ngẫu nhiên người dùng thành hai nhóm. Một nhóm sẽ được hiển thị phiên bản A của trang đích và nhóm cịn lại sẽ được hiển thị phiên bản B của trang đích. Netflix sẽ theo dõi
</div><span class="text_page_counter">Trang 11</span><div class="page_container" data-page="11">cách người dùng tương tác với mỗi phiên bản của trang đích, chẳng hạn như số lần nhấp vào hình ảnh hoặc video teaser, thời gian họ dành trên trang và nội dung họ xem sau đó.
- Lợi ích của A/B test:
❖ Nó giúp Netflix cá nhân hóa trải nghiệm người dùng bằng cách hiển thị cho người dùng những nội dung mà họ có nhiều khả năng quan tâm nhất.
❖ Nó giúp Netflix cải thiện tỷ lệ chuyển đổi, chẳng hạn như tỷ lệ nhấp vào hình ảnh hoặc video teaser hoặc tỷ lệ người dùng xem nội dung sau khi xem trang đích.
❖ Nó giúp Netflix tiết kiệm tiền bằng cách giúp họ tránh đầu tư vào các nội dung mà người dùng không quan tâm.
- Mức độ hài lòng của người dùng Netflix với các đề xuất nội dung được cá nhân hóa dựa trên Big data?
</div><span class="text_page_counter">Trang 12</span><div class="page_container" data-page="12"><b>5. Những đề xuất hay kiến nghị hoàn thiện chiến lược quản lý kho bãi& kênh PP (LÊ NA)</b>
<b>- Đề cập đến ý nghĩa của nghiên cứu và tương lai của xu hướng kinh nghiệm số và khách hàng.</b>
Các bài nghiên cứu chủ đề này sẽ giúp ích cho các cơng ty và tổ chức, hay giúp sinh viên và các cơ sở giáo dục có thêm nhiều dữ liệu hơn về:
- Hiểu rõ hơn về xu hướng kinh nghiệm số dựa trên dữ liệu lớn: Các bài nghiên cứu này sẽ cung cấp thông tin chi tiết về cách các công ty đang sử dụng dữ liệu lớn để cải thiện UX. Điều này sẽ giúp các công ty hiểu rõ hơn về cách họ có thể áp dụng các phương pháp này để cải thiện UX của riêng mình.
- Phát triển các chiến lược UX dựa trên dữ liệu lớn: Các bài nghiên cứu này sẽ cung cấp các hướng dẫn và khuyến nghị về cách sử dụng dữ liệu lớn để cải thiện UX. Điều này sẽ giúp các công ty phát triển các chiến lược UX hiệu quả hơn.
- Đánh giá hiệu quả của các chiến lược UX dựa trên dữ liệu lớn: Các bài nghiên cứu này sẽ cung cấp các phương pháp và công cụ để đánh giá hiệu quả của các chiến lược UX dựa trên dữ liệu lớn. Điều này sẽ giúp các công ty đảm bảo rằng họ đang sử dụng dữ liệu lớn một cách hiệu quả để cải thiện UX.
</div><span class="text_page_counter">Trang 13</span><div class="page_container" data-page="13">- Trong tương lai, dữ liệu lớn cũng được kì vọng sẽ được sử dụng để hiểu rõ hơn về sở thích của người dùng, từ đó đưa ra các đề xuất nội dung phù hợp hơn.