tìm hiểu hệ thống internet marketing công nghệ big data và demo trên websitedeptuthiennhien.net

LỜI CÁM ƠN
Trong cuộc sống, bất cứ thành quả nào chúng ta đạt được thì cũng không
thể thiếu bóng dáng và giúp đỡ từ mọi người trong hành trình đi đến thành quả
đó. Và trong quá trình thực hiện đề tài luận văn tốt nghiệp “Tìm hiểu hệ thống
internet marketing, công nghệ big data và demo trên website
“deptuthiennhien.net” chúng tôi đã nhận được sự giúp đỡ rất nhiều từ gia đình,
thầy cô , bạn bè. Không biết nói gì hơn với lòng biết ơn sâu sắc và cảm tạ nhất,
trước tiên chúng tôi xin gửi lời cảm ơn ThS Nguyễn Văn Diêu là người đã hưỡng
dẫn cũng như đã tận tình giúp đỡ, truyền đạt những kinh nghiệm quý báu cho
chúng tôi để hoàn thành luận văn tốt nghiệp này.
Tiếp theo, chúng tôi xin gửi lời cảm ơn đến các thầy cô trong Khoa cũng
như xin gửi lời cảm ơn đến bạn bè đã không quản ngại giúp đỡ, giới thiệu, tư
vấn, hỗ trợ để chúng tôi có thêm kiến thức trong quá trình hoàn thành luận văn.
Mặc dù cố gắng hoàn thành luận văn trong phạm vi và khả năng cho phép,
bài luận văn của chúng tôi chắc chắn sẽ không tránh khỏi những thiếu sót. Chúng
tôi rất mong nhận được sự thông cảm góp ý và tận tình chỉ bảo của quý thầy cô
và các bạn để bài luận văn tốt nghiệp của chúng tôi được hoàn thiện hơn.
Nhóm sinh viên
Trần Thị Hồng
Đặng Ngọc Thất
i
LỜI CAM ĐOAN
Luận văn tốt nghiệp này đã được chúng tôi hoàn thành đúng thời gian quy
định và đáp ứng được yêu cầu đề ra nhờ sự cố gắng nghiên cứu, tìm tòi và phát
triển dưới sự hướng dẫn trực tiếp của Th.s Nguyễn Diêu. Chúng tôi đã tham
khảo một số tài liệu trong phần “Tài liệu tham khảo“. Chúng tôi cam đoan
không hề sao chép nội dung từ bất kỳ đồ án nào khác. Mọi sao chép sai quy định,
vi phạm quy chế đào tạo, chúng tôi xin chịu hoàn toàn trách nhiệm trước hội
đồng.
Nhóm sinh viên
Trần Thị Hồng

Đặng Ngọc Thất
ii
MỤC LỤC
MỤC LỤC iii
LỜI MỞ ĐẦU 1
CHƯƠNG 1: TÌM HIỂU VỀ CÔNG NGHỆ BIG DATA 5
CHƯƠNG 2: XÂY DỰNG HỆ THỐNG INTERNET MARKETING 21
HIỆU QUẢ 21
CHƯƠNG 3: DEMO TRÊN WEBSITE DEPTUTHIENNHIEN.NET 73
3.2. Xây dựng website 74
3.4. Tối ưu offpage 78
TÀI LIỆU THAM KHẢO 84
iii
DANH MỤC HÌNH
Hình 1: Các thành phần của Big Data 12
Hình 2 Sơ đồ hệ thống Internet marketing 24
Hình 3 Sơ đồ các kênh Internet Marketing 27
Hình 4 Quy trình SEO 35
Hình 5 Hành vi tìm kiếm của khách hàng 37
Hình 6 Hành vi tìm kiếm của người dùng trên mobile 38
Hình 7 Hành vi của người dùng trên mạng xã hội 40
Hình 8 Số lượng đối thủ 45
Hình 9 Phân tích đối thủ cạnh tranh 45
Hình 10 Tìm key word của đối thủ 46
Hình 11 Thành phần hiển trị trên trang tìm kiếm 61
Hình 12 Từ khóa chủ quan 73
Hình 13 Từ khóa khách quan 74
Hình 14: Giao diện website chính 74
Hình 15 Giao diện bài viết 75
Hình 16 Tối ưu onpage 77

Hình 17 Quảng bá trên Facebook.com 79
Hình 18 Quảng bá trên Youtube.com 80
Hình 19 Quảng bá trên Google place 81
Hình 20 Kết quả SEO 82
Hình 21 Kết quả search từ khóa 83
DANH MỤC CÁC TỪ VIẾT TẮT
Từ viết tắt Ý nghĩa
iv
MPP Massively Parallel Processing
SEO Search Engine Optimization
v
LỜI MỞ ĐẦU
“Trong năm đến mười năm nữa, bạn chỉ có hai sự lựa chọn hoặc là kinh
doanh cùng internet hoặc không nên kinh doanh gì nữa”. Câu nói nổi tiếng đó
của Bill Gates đã làm cho cả thế giới nhận ra làm kinh doanh trực tuyến chính là
xu hướng của thời đại.
Theo trung tâm Internet Việt Nam, tính tới tháng 10/2012, Việt Nam đã có
hơn 31 triệu người dùng internet, chiếm 35,4% dân số cả nước, với 66% sử dụng
internet hàng ngày. Internet tác động rất lớn tới khả năng tiếp cận thông tin cũng
như hành vi mua hàng của hơn 35% dân số Việt Nam. Cùng với sự bùng nổ và
phát triển của internet thì Internet Marketing cũng chính là một trong các
công cụ hữu hiệu để cho các doanh nghiệp tiếp cận trực tiếp, giới thiệu sản
phẩm của mình đến khách hàng một cách rộng rãi.
Cũng trong năm 2012, cụm từ "Big Data" là một trong những từ khoá
tìm kiếm nhiều nhất trên Internet. Việc sử dụng Big Data ngày càng phổ
biến hơn trong năm 2013, khi mà các doanh nghiệp từ lớn tới nhỏ đều sử
dụng Big Data để phân tích các thông số dữ liệu, tạo ra lợi thế cạnh tranh
đáng kể so với thị trường chung. Việc đầu tư vào Big Data sẽ mang lại
doanh thu xứng đáng cho doanh nghiệp. Các dữ liệu và các phân tích từ Big
Data sẽ giúp đưa ra được những quyết định chính xác hơn, mang lại lợi

nhuận cao hơn cho doanh nghiệp.
Bắt nhịp được xu hướng phát triển này của thế giới, chúng tôi đã chọn
đề tài “Tìm hiểu hệ thống Internet Marketing, công nghệ Big Data và demo
trên website deptuthiennhien.net”. Đồ án đề cập đến tầm quan trọng của hệ
Trang 1
thống Internet Marketing, cũng như là tính cấp thiết của việc nghiên cứu
và ứng dụng Big Data trong chiến dịch marketing của doanh nghiệp.
1. Tính cấp thiết của đề tài
Như chúng ta đều biết hoạt động marketing chính là hoạt động xương
sống đo lường sức khỏe của doanh nghiệp trong môi trường kinh doanh đầy cạnh
tranh. Với tình hình và tốc độ phát triển của internet ngày nay thì Internet
Marketing trở nên vô cùng quan trọng và trở thành cuộc đua sống còn của hoạt
động kinh doanh.
Đồng thời, với việc kết hợp công nghệ Big Data trong chiến lược Internet
Marketing sẽ giúp cho doanh nghiệp tận dụng được nguồn dữ liệu dồi dào hiện
có, và đưa ra các quyết định sáng suốt trong marketing.
2. Tình hình nghiên cứu
- Đã hệ thống được về lý thuyết, cơ sở cũng như các công nghệ sử dụng và
xu hướng phát triển của Big Data và Internet Marketing, điểm nhấn mạnh cần
tập trung và chú trọng.
- Đưa được website deptuthiennhien.net từ một website mới lập lên được
top 10 google sau khi lên kế hoạch và chiến lược hợp lý.
- Tiếp tục phát triển các ứng dụng công nghệ Big Data cho thực trạng phát
triển kinh doanh về sản phẩm và khách hàng, các giải pháp. Đồng thời triển khai
hệ thống Internet Marketing trên quy mô đa kênh để khai thác tối đa hiệu quả.
Trang 2
3. Mục đích nghiên cứu
- Tìm hiểu về công nghệ Big Data trong vấn đề thu thập dữ liệu từ khóa của
khách hàng và sự chuyển đổi giữa lưu lượng truy cập và doanh số - khách hàng
trên sản phẩm. Từ đó kết quả đưa ra sự lựa chọn từ khóa hợp lý cũng như chiến

lược cho sản phẩm của doanh nghiệp.
- Hiểu được Internet Marketing và sơ đồ, quy trình và kỹ thuật làm
marketing hiệu quả trên internet, mấu chốt vấn đề làm Internet Marketing và
đâu là giải pháp và hướng đi đúng đắn.
- Tăng thứ hạng trên công cụ tìm kiếm hàng đầu Google cho website
Deptuthiennhien.net.
4. Nhiệm vụ nghiên cứu.
- Công nghệ mới Big Data về khái niệm, cách hoạt động và công nghệ hỗ
trợ, ứng dụng to lớn của Big Data.
- Hệ thống hóa cơ sở lý luận về Internet Marketing và triển khai các kênh
Internet Marketing :
• Nắm được cơ sở lý thuyết chung về quảng cáo trực tuyến và các vấn
đề trong quảng bá website.
• Tìm hiểu công cụ tìm kiếm và nghiên cứu những tiêu chí của việc
nâng cao thứ hạng trên công cụ tìm kiếm Google (SEO).
- Đánh giá thực trạng, hiệu quả Internet Marketing của deptuthiennhien.net
trên các khía cạnh:
Trang 3
• Tìm hiểu thực trạng tình hình quảng bá website của
deptuthiennhien.net
• Ưu điểm, thành tựu, hạn chế và nguyên nhân của những hạn chế.
• Lập kế hoạch Internet Marketing cho website.
- Đề xuất những giải pháp để nâng cao hiệu quả Internet Marketing của
Deptuthiennhien.net:
• Hướng tới việc hoàn thiện hơn cho website.
• Có những đề xuất và hướng phát triển lâu dài một cách tiềm năng cho
website deptuthiennhien.net về chất lượng sản phẩm, chất lượng phục
vụ, việc nắm bắt nhu cầu thị trường.
Phương pháp nghiên cứu.
Nghiên cứu, tìm hiểu lý thuyết chung của vấn đề. Tiếp đến xem xét thực trạng

của vấn đề, các ưu, khuyết, hạn chế, nguồn lực và công nghệ hiện tại để lên kế
hoạch và chiến lược cụ thể. Sáng tạo và kiên nhẫn và trong quá trình đưa lý
thuyết ra thực tế để phù hợp với thực tại của vấn đề.
Kết quả đạt được
Nghiên cứu tổng quan về công nghệ Big Data.
Nghiên cứu và xây dựng hệ thống quy trình cũng như các kỹ thuật làm Internet
Marketing, đưa được website lên top 10 google từ một website mới thành lập.
Kết cấu của luận văn tốt nghiệp
Chương 1: Tìm hiểu về công nghệ Big Data
Chương 2: Tìm hiểu và xây dựng hệ thống Internet Marketing hiệu quả
Chương 3: Demo trên website Deptuthiennhien.net
Trang 4
CHƯƠNG 1: TÌM HIỂU VỀ CÔNG NGHỆ BIG DATA
1.1. Tổng quan về Big Data
1.1.1 Định nghĩa
Big Data là thuật ngữ dùng để chỉ một tập hợp dữ liệu rất lớn và rất phức
tạp đến nỗi những công cụ, ứng dụng xử lí dữ liệu truyền thống không thể nào
đảm đương được. Kích cỡ của Big Data đang từng ngày tăng lên, và tính đến
năm 2012 thì nó có thể nằm trong khoảng vài chục terabyte cho đến nhiều
petabyte (1 petabyte = 1024 terabyte) chỉ trong một tập hợp dữ liệu mà thôi.
Tuy nhiên, Big Data lại chứa trong mình rất nhiều thông tin quý giá mà
nếu trích xuất thành công, nó sẽ giúp rất nhiều cho việc kinh doanh, nghiên cứu
khoa học, dự đoán các dịch bệnh sắp phát sinh và thậm chí là cả việc xác định
điều kiện giao thông theo thời gian thực. Vì thế, những dữ liệu này phải được thu
thập, tổ chức, lưu trữ, tìm kiếm, chia sẻ theo một cách khác so với bình thường.
Vào năm 2001, nhà phân tích Doug Laney của hãng META Group (bây
giờ chính là công ty nghiên cứu Gartner) đã nói rằng những thách thức và cơ hội
nằm trong việc tăng trưởng dữ liệu có thể được mô tả bằng ba chiều: tăng về
lượng (volume), tăng về vận tốc (velocity) và tăng về chủng loại (variety). Giờ
đây, Gartner cùng với nhiều công ty và tổ chức khác trong lĩnh vực công nghệ

thông tin tiếp tục sử dụng mô hình “3V” này để định nghĩa nên Big Data. Đến
năm 2012, Gartner bổ sung thêm rằng Big Data ngoài ba tính chất trên thì còn
phải cần đến các dạng xử lí mới để giúp đỡ việc đưa ra quyết định, khám phá sâu
vào sự vật/sự việc và tối ưu hóa các quy trình làm việc.
Trang 5
Ví dụ về Big Data ta có thể kể đến công tác giải mã di truyền của con người
chẳng hạn. Trước đây công việc này mất đến 10 năm để xử lí, còn bây giờ người
ta chỉ cần một tuần là đã hoàn thành. Còn Trung tâm giả lập khí hậu của NASA
thì đang chứa 32 petabyte dữ liệu về quan trắc thời tiết và giả lập trong siêu máy
tính của họ. Việc lưu trữ hình ảnh, văn bản và các nội dung đa phương tiện khác
trên Wikipedia cũng như ghi nhận hành vi chỉnh sửa của người dùng cũng cấu
thành một tập hợp Big Data lớn.
Hoạt động của người dùng Wikipedia được mô hình hóa và với kích thước
hàng terabyte, đây cũng có thể được xem là một dạng Big Data.
1.1.2 Vài thông tin về tình hình Big Data hiện nay
Theo tài liệu của Intel vào tháng 9/2013, hiện nay thế giới đang tạo ra 1
petabyte dữ liệu trong mỗi 11 giây và nó tương đương với một đoạn video HD
dài 13 năm. Bản thân các công ty, doanh nghiệp cũng đang sở hữu Big Data của
riêng mình, chẳng hạn như trang bán hàng trực tuyến eBay thì sử dụng hai trung
tâm dữ liệu với dung lượng lên đến 40 petabyte để chứa những truy vấn, tìm
kiếm, đề xuất cho khách hàng cũng như thông tin về hàng hóa của mình.
Nhà bán lẻ online Amazon.com thì phải xử lí hàng triệu hoạt động mỗi ngày
cũng như những yêu cầu từ khoảng nửa triệu đối tác bán hàng. Amazon sử dụng
một hệ thống Linux và hồi năm 2005, họ từng sở hữu ba cơ sở dữ liệu Linux lớn
nhất thế giới với dung lượng là 7,8TB, 18,5TB và 24,7TB.
Tương tự, Facebook cũng phải quản lí 50 tỉ bức ảnh từ người dùng tải lên,
YouTube hay Google thì phải lưu lại hết các lượt truy vấn và video của người
dùng cùng nhiều loại thông tin khác có liên quan.
Trang 6
Theo tập đoàn SAS, chúng ta có một vài số liệu thú vị về Big Data như sau:

• Các hệ thống RFID (một dạng kết nối tầm gần, như kiểu NFC nhưng có
tầm hoạt động xa hơn và cũng là thứ dùng trong thẻ mở cửa khách sạn) tạo ra
lượng dữ liệu lớn hơn 1.000 lần so với mã vạch truyền thống.
• Chỉ trong vòng 4 giờ của ngày “Black Friday” năm 2012, cửa hàng
Walmart đã phải xử lí hơn 10 triệu giao dịch tiền mặt, tức là khoản 5.000 giao
diện mỗi giây.
• Dịch vụ chuyển phát UPS nhận khoảng 39,5 triệu yêu cầu từ khách hàng
của mình mỗi ngày.
• Dịch vụ thẻ VISA xử lí hơn 172.800.000 giao dịch thẻ chỉ trong vòng một
ngày mà thôi.
• Trên Twitter có 500 triệu dòng tweet mới mỗi ngày, Facebook thì có 1,15
tỉ thành viên tạo ra một mớ khổng lồ dữ liệu văn bản, tập tin, video…
1.1.3 Công nghệ dùng trong Big Data
Big Data là nhu cầu đang tăng trưởng lớn đến nỗi Software AG, Oracle,
IBM, Microsoft, SAP, EMC, HP và Dell đã chi hơn 15 tỉ USD cho các công ty
chuyên về quản lí và phân tích dữ liệu. Năm 2010, ngành công nghiệp Big Data
có giá trị hơn 100 tỉ USD và đang tăng nhanh với tốc độ 10% mỗi năm, nhanh
gấp đôi so với tổng ngành phần mềm nói chung.
Như đã nói ở trên, Big Data cần đến các kĩ thuật khai thác thông tin rất
đặc biệt do tính chất khổng lồ và phức tạp của nó. Năm 2011, tập đoàn phân tích
McKinsey đề xuất những công nghệ có thể dùng với Big Data bao gồm
Trang 7
crowsourcing (tận dụng nguồn lực từ nhiều thiết bị điện toán trên toàn cầu để
cùng nhau xử lí dữ liệu), các thuật toán về gen và di truyền, những biện pháp
machine learning (ý chỉ các hệ thống có khả năng học hỏi từ dữ liệu, một nhánh
của trí tuệ nhân tạo), xử lí ngôn ngữ tự nhiên (giống như Siri hay Google Voice
Search, nhưng cao cấp hơn), xử lí tín hiệu, mô phỏng, phân tích chuỗi thời gian,
mô hình hóa, kết hợp các server mạnh lại với nhau
Ngoài ra, các cơ sở dữ liệu hỗ trợ xử lí dữ liệu song song, ứng dụng hoạt
động dựa trên hoạt động tìm kiếm, file system dạng rời rạc, các hệ thống điện

toán đám mây (bao gồm ứng dụng, nguồn lực tính toán cũng như không gian lưu
trữ) và bản thân internet cũng là những công cụ đắc lực phục vụ cho công tác
nghiên cứu và trích xuất thông tin từ Big Data. Hiện nay cũng có vài cơ sở dữ
liệu theo dạng quan hệ (bảng) có khả năng chứa hàng petabyte dữ liệu, chúng
cũng có thể tải, quản lí, sao lưu và tối ưu hóa cách sử dụng Big Data nữa.
Những người làm việc với Big Data thường cảm thấy khó chịu với các hệ
thống lưu trữ dữ liệu vì tốc độ chậm, do đó họ thích những loại ổ lưu trữ nào có
thể gắn trực tiếp vào máy tính (cũng như ổ cứng gắn trong máy tính của chúng ta
vậy). Ổ đó có thể là SSD cho đến các đĩa SATA nằm trong một lưới lưu trữ cỡ
lớn. Những người này nhìn vào ổ NAS hay hệ thống lưu trữ mạng SAN với góc
nhìn rằng những thứ này quá phức tạp, đắt và chậm. Những tính chất nói trên
không phù hợp cho hệ thống dùng để phân tích Big Data vốn nhắm đến hiệu
năng cao, tận dụng hạ tầng thông dụng và chi phí thấp. Ngoài ra, việc phân tích
Big Data cũng cần phải được áp dụng theo thời gian thực hoặc cận thời gian
thực, thế nên độ trễ cần phải được loại bỏ bất kì khi nào và bất kì nơi nào có thể.
Trang 8
1.1.4 Khó khăn khi nghiên cứu về Big Data
Big Data là những dữ liệu cực kì lớn, vượt ngoài khả năng xử lý truyền
thống. Do đó, để nghiên cứu về Big Data phải có lượng dữ liệu cực kì lớn, hơn
thế nữa phải có chỗ để lưu trữ. Hiện tại, chỉ có hạ tầng về công nghệ thông tin tại
các công ty lớn trong nước mới đáp ứng được về mặt lưu trữ cũng như lượng dữ
liệu, ví dụ: FPT, VCCorp, CoopMart… Hạ tầng công nghệ thông tin tại các
trường đại học hầu như không đủ mạnh để nghiên cứu về Big Data. Xuất hiện
một nghịch lý ở đây, các đơn vị nghiên cứu như trường đại học thì không có dữ
liệu thực để nghiên cứu, trong khi đó các đơn vị có dữ liệu lại không có đủ
chuyên gia.
1.1.5 Những ý kiến về công nghệ Big Data
Có hai hướng chỉ trích chính đối với Big Data, một là về cách mà người ta
sử dụng Big Data, cái còn lại thì liên quan đến việc tiến hành lấy thông tin từ Big
Data mà thế giới đang làm.

- Chỉ trích về Big Data:
Chris Anderson, một nhà khởi nghiệp và cũng là một người viết sách, cho
rằng việc sử dụng Big Data luôn cần phải được ngữ cảnh hóa trong các bối cảnh
về xã hội, kinh tế và chính trị. Ví dụ, ngay cả khi các công ty đã đầu tư hàng tỉ
đôla vào Big Data và lấy được thông tin về nhiều thứ nhưng chỉ có ít hơn 40%
nhân viên thật sự có thể hiểu và tận dụng các thông tin này. Điều đó làm giảm
hiệu quả của Big Data đi nhiều so với lúc đầu, dẫn đến lãng phí tài nguyên.
Ngoài ra, còn có chỉ trích rằng Big Data chỉ có thể miêu tả thế giới trong
quá khứ bởi nó dựa trên các dữ liệu đã sinh ra từ trước, và nếu tốt lắm thì chỉ
miêu tả được trong hiện thực. Việc sử dụng Big Data để nói về tương lai thì cần
Trang 9
phải kết hợp thêm với các phương pháp mô hình, mô phỏng hay nghiên cứu về
sự chuyển động của thế giới thì mới đưa ra dự đoán chính xác được.
Bên cạnh đó, người ta còn lo lắng về vấn đề quyền riêng tư của người
dùng. Việc thu thập Big Data có thể sẽ đi kèm thông tin có khả năng định dạng
người dùng mà không được sự đồng ý của họ, và điều đó vi phạm luật ở một số
quốc gia. Nhiều chuyên gia từ nhiều lĩnh vực khác nhau hiện đang thúc đẩy việc
bảo vệ quyền riêng tư khi sử dụng Big Data.
- Chỉ trích về việc lấy thông tin từ Big Data:
Nhà nghiên cứu Danah Boyd đã đưa ra quan ngại của mình rằng việc sử
dụng Big Data trong việc chọn mẫu thống kê có thể gây ra sự chủ quan, và dù ít
hay nhiều thì nó cũng có thể ảnh hưởng đến kết quả cuối cùng. Việc khai thác dữ
liệu từ một số nguồn là Big Data, trong khi những nguồn khác không phải là “dữ
liệu lớn” thì đặt ra những thách thức khi phân tích dữ liệu.
1.1.6 Tương lai của Big Data
Erik Swan, đồng sáng lập kiêm giám đốc công nghệ của công ty Spunk,
dự đoán rằng sự thay đổi lớn nhất trong Big Data chính là thái độ của mọi người
đối với nó. Việc tiêu thụ một lượng dữ liệu lớn sẽ dần phổ biến hơn với mọi
người, từ những người nông dân cho đến các anh kĩ sư. Mọi người sẽ mặc định
sử dụng dữ liệu để phân tích mọi thứ trong vòng 10 năm tới. Tất nhiên là kĩ thuật

và công nghệ cũng cần phải phát triển theo thì điều này mới có thể trở thành hiện
thực trong tương lai được.
Còn theo Ankur Jain, nhà sáng lập và CEO của Humin, ngữ cảnh phát sinh
ra dữ liệu sẽ trở nên quan trọng hơn. “Chúng ta sẽ bắt đầu định tuyến dữ liệu vào
Trang 10
các đối tượng, sự vật, sự việc trong đời thực và chuyện đó giúp chúng ta xử lí
công việc tốt hơn”.
Trong khi đó, Daniel Kaufman, giám đốc đổi mới về thông tin của cơ quan
nghiên cứu thuộc Bộ quốc phòng Mỹ thì cho rằng dữ liệu sinh học sẽ ngày càng
được quan tâm hơn, và rồi người ta sẽ dùng dữ liệu này để đưa ra những lời
khuyên có ảnh hưởng lớn đến lối sống và cuộc đời của con người. Ví dụ, ta có
nên ăn thêm một dĩa cơm tấm sườn nữa không, hay là nên ăn thêm một dĩa cơm
gà? Bộ quốc phòng Mỹ muốn sử dụng kiểu suy nghĩ như thế (thay cơm bằng
pizza nhé) để áp dụng cho binh lính của mình và hiện họ đang thử nghiệm trên
chuột.
Giám đốc Swan còn suy nghĩ thêm rằng các công ty chuyên cung cấp giải
pháp Big Data sẽ không còn bán dữ liệu và phân tích cho từng doanh nghiệp hay
công ty riêng lẻ để phục vụ cho những mục đích quá chuyên biệt. Thay vào đó,
họ sẽ mở rộng nó và áp dụng Big Data nhằm giải quyết những vấn đề trong đời
thường và trả lời cho các nhu cầu cơ bản của con người. Đó sẽ là sự thay đổi về
tính ứng dụng của Big Data.
Trong tương lai, chúng ta sẽ còn tiếp tục chứng kiến sự tăng trưởng của
Big Data. Hiện nay có thể ta cũng đã nghe đến khái niệm Internet of Things, tức
là mang Internet đến với mọi thứ trong đời sống hằng ngày. Dữ liệu từ Internet
of Things thực chất cũng là được thu thập từ một mạng lưới rất nhiều các cảm
biến và thiết bị điện tử, và nó cũng là một trong những nguồn của Big Data.
Lượng dữ liệu khổng lồ này có thể cho các nhà nghiên cứu biết được hành vi tiêu
dùng của khách hàng, từ đó tinh chỉnh những thiết bị Internet of Things cho phù
hợp hơn, bắt chúng phục vụ đời sống hằng ngày của chúng ta một cách hiệu quả
Trang 11

hơn. Nó cũng có thể được dùng cho việc sản xuất, từ đó giảm sự liên quan của
con người. Như lời của Daniel Kaufman dự đoán thì “con người sẽ làm ít hơn”
nhờ Big Data.
1.2 Các thành phần của Big Data
Hình 1: Các thành phần của Big Data
Big Data bao gồm các thành phần sau đây:
- Quản lý dữ liệu: đối với hệ dữ liệu có cấu trúc sẽ được lưu trữ và thao
tác trong hệ thống quản lý cơ sở dữ liệu quan hệ (RDBMS). Hệ thống
MPP có khả năng tập hợp dữ liệu đồ sộ ngày càng lớn thêm và tăng
cường dữ liệu tăng trưởng. Kho dữ liệu là nơi tập hợp và lưu trữ dữ liệu
cho các báo cáo sau này. Hệ dữ liệu không cấu trúc được lấy từ nhiều
Trang 12
nguồn với kích cỡ khác nhau. Điều này đòi hỏi cần phải có một công
cụ để đáp ứng nhu cầu trên, ví dụ như là Apache Hadoop.
- Phân tích dữ liệu: là nơi mà các công ty bắt đầu trích xuất giá trị của
Big Data, liên quan tới việc phát triển các ứng dụng và sử dụng các ứng
dụng để đạt được cái nhìn sâu sắc vào dữ liệu lớn. Đồng thời xây dựng
các tool để phân tích dữ liệu.
- Sử dụng dữ liệu: đưa Big Data đã phân tích để phục vụ trong kinh
doanh thông minh và các ứng dụng của người dùng cuối.
1.3 Tổng quan về Hadoop
1.3.1 Khái niệm
Dưới đây là một vài định nghĩa về Hadoop, mỗi định nghĩa nhắm vào một nhóm
đối tượng khác nhau trong doanh nghiệp:
- Đối với các giám đốc điều hành: Hadoop là một dự án phần mềm nguồn
mở của Apache để thu được giá trị từ khối lượng/tốc độ/tính đa dạng đáng
kinh ngạc của dữ liệu về tổ chức
- Đối với các giám đốc kỹ thuật: Hadoop là một bộ phần mềm nguồn mở để
khai phá Big Data có cấu trúc và không có cấu trúc về công ty đó. Nó tích
hợp với hệ sinh thái Business Intelligence của công ty.

- Đối với các kỹ sư: Hadoop là một môi trường song song thực thi
MapReduce dựa trên Java, không chia sẻ gì cả. Hãy nghĩ đến hàng trăm,
hàng ngàn máy tính đang làm việc để giải quyết cùng một vấn đề, có khả
năng khôi phục lỗi dựng sẵn. Các dự án trong hệ sinh thái Hadoop cung
cấp khả năng tải dữ liệu, hỗ trợ ngôn ngữ cấp cao, triển khai trên đám mây
tự động và các khả năng khác.
Trang 13
1.3.2 Các thành phần của Hadoop
Dự án Hadoop của Apache có hai thành phần cốt lõi, kho lưu trữ tệp gọi là
Hadoop Distributed File System (HDFS – Hệ thống tệp phân tán Hadoop) và
khung công tác lập trình gọi là MapReduce. Có một số dự án hỗ trợ để sử dụng
HDFS và MapReduce.
1.3.2.1 HDFS
Nếu ta muốn có hơn 4000 máy tính làm việc với dữ liệu của mình, thì tốt
hơn ta nên phổ biến dữ liệu của mình trên hơn 4000 máy tính đó. HDFS thực
hiện điều này cho chúng ta. HDFS có một vài bộ phận dịch chuyển. Các
Datanode (nút dữ liệu) lưu trữ dữ liệu của mình và Namenode (nút tên) theo dõi
nơi lưu trữ các thứ.
1.3.2.2 MapReduce
MapReduce là một phương thức thực thi để giúp các ứng dụng có thể xử lý
nhanh một lượng dữ liệu lớn. Các dữ liệu này được đặt tại các máy tính phân tán.
Các máy tính này sẽ hoạt động song song độc lập với nhau. Điều này làm rút
ngắn thời gian xử lý toàn bộ dữ liệu. Một đặc điểm đáng chú ý của MapReduce
là dữ liệu đầu vào có thể là dữ liệu có cấu trúc (dữ liệu lưu trữ dạng bảng quan
hệ 2 chiều) hoặc dữ liệu không cấu trúc (dữ liệu dạng tập tin hệ thống).
1.3.2.3 Hive và Hue
Ta có thể viết SQL và yêu cầu Hive chuyển đổi nó thành một tác vụ
MapReduce. Đúng là ta chưa có một môi trường ANSI-SQL đầy đủ, nhưng ta có
4000 ghi chép và khả năng mở rộng quy mô ra nhiều Petabyte. Hue cung cấp cho
ta một giao diện đồ họa dựa trên trình duyệt để làm công việc Hive của mình.

Trang 14
1.3.2.4 Pig
Một môi trường lập trình mức cao hơn để viết mã MapReduce. Ngôn ngữ Pig
được gọi là Pig Latin. Ta có thể thấy các quy ước đặt tên hơi khác thường một
chút, nhưng ta sẽ có tỷ số giá - hiệu năng đáng kinh ngạc và tính sẵn sàng cao.
1.3.2.5 Hbase
Một kho lưu trữ key-value có thể mở rộng quy mô rất lớn. Nó hoạt động rất
giống như một hash-map để lưu trữ lâu bền (với những người hâm mộ python,
hãy nghĩ đến một từ điển). Đây không phải là một cơ sở dữ liệu quan hệ, mặc dù
có tên là HBase.
1.4 Ứng dụng Big Data trong Internet Marketing
1.4.1 Big Data có thể giúp gì được cho marketing?
Tập đoàn SAS nói vấn đề thật sự không nằm ở việc ta thu thập dữ liệu, mà
thay vào đó, là ta dùng Big Data để làm gì. Nhìn chung, có bốn lợi ích mà Big
Data có thể mang lại: cắt giảm chi phí, giảm thời gian, tăng thời gian phát triển
và tối ưu hóa sản phẩm, đồng thời hỗ trợ con người đưa ra những quyết định
đúng và hợp lý hơn.
Nếu để ý một chút, ta sẽ thấy khi mua sắm online trên eBay, Amazon hoặc
những trang tương tự, trang này cũng sẽ đưa ra những sản phẩm gợi ý tiếp theo
cho ta, ví dụ khi xem điện thoại, nó sẽ gợi ý cho ta mua thêm ốp lưng, pin dự
phòng; hoặc khi mua áo thun thì sẽ có thêm gợi ý quần jean, dây nịt Do đó,
nghiên cứu được sở thích, thói quen của khách hàng cũng gián tiếp giúp doanh
nghiệp bán được nhiều hàng hóa hơn.
Trang 15
Vậy những thông tin về thói quen, sở thích này có được từ đâu? Chính là
từ lượng dữ liệu khổng lồ mà các doanh nghiệp thu thập trong lúc khách hàng
ghé thăm và tương tác với trang web của mình. Chỉ cần doanh nghiệp biết khai
thác một cách có hiệu quả Big Data thì nó không chỉ giúp tăng lợi nhuận cho
chính họ mà còn tăng trải nghiệm mua sắm của người dùng, chúng ta có thể tiết
kiệm thời gian hơn nhờ những lời gợi ý so với việc phải tự mình tìm kiếm.

Người dùng cuối như mình và các ta sẽ được hưởng lợi cũng từ việc tối ưu
hóa như thế, chứ bản thân chúng ta thì khó mà tự mình phát triển hay mua các
giải pháp để khai thác Big Data bởi giá thành của chúng quá đắt, có thể đến cả
trăm nghìn đôla. Ngoài ra, lượng dữ liệu mà chúng ta có được cũng khó có thể
xem là “Big” nếu chỉ có vài Terabyte sinh ra trong một thời gian dài.
Xa hơi một chút, ứng dụng được Big Data có thể giúp các tổ chức, chính
phủ dự đoán được tỉ lệ thất nghiệp, xu hướng nghề nghiệp của tương lai để đầu
tư cho những hạng mục đó, hoặc cắt giảm chi tiêu, kích thích tăng trưởng kinh
tế, vv thậm chí là ra phương án phòng ngừa trước một dịch bệnh nào đó, giống
như trong phim World War Z, nước Israel đã biết trước có dịch zombie nên đã
nhanh chóng xây tường thành ngăn cách với thế giới bên ngoài.
Bia Data đề cập đến việc ngày càng tăng khối lượng, vận tốc, đa dạng,
biến đổi và phức tạp của thông tin. Đối với các tổ chức tiếp thị, Big Data là nền
tảng cơ bản của tiếp thị hiện đại, sinh ra từ thế giới kỹ thuật số chúng ta đang
sống bây giờ. Thuật ngữ "Big Data" không chỉ đề cập đến các dữ liệu của chính
nó, mà nó cũng đề cập đến những thách thức, khả năng và năng lực liên quan
đến lưu trữ và phân tích dữ liệu lớn như vậy đặt ra để hỗ trợ mức độ đưa ra quyết
Trang 16
định đó là chính xác hơn và kịp thời hơn so với bất cứ điều gì cố gắng trước đó -
đưa ra quyết định lớn dữ liệu.
Có Big Data không tự động dẫn đến việc tiếp thị sẽ tốt hơn, nhưng điều đó
có nghĩa là ta đang sở hữu một tiềm năng to lớn. Hãy suy nghĩ về Big Data như
thành phần bí mật, nguyên liệu, yếu tố cần thiết của mình.Vì thế những hiểu biết
bắt nguồn từ Big Data, các quyết định ta thực hiện và hành động của chúng ta
mà sẽ làm nên sự khác biệt rất lớn trong chiến dịch marketing.
Bằng cách kết hợp Big Data với một chiến lược quản lý tiếp thị tích hợp,
tổ chức tiếp thị có thể làm cho một tác động đáng kể trong các lĩnh vực chính:
- Sự ràng buộc với khách hàng: Big Data có thể cung cấp cái nhìn sâu sắc
không chỉ về việc khách hàng của mình là ai, mà còn về những gì họ đang có,
những gì họ muốn, họ muốn được liên lạc như thế nào và khi nào thì thích hợp.

- Duy trì khách hàng và lòng trung thành: Big Data có thể giúp ta khám
phá những yếu tố nào ảnh hưởng đến lòng trung thành của khách hàng và những
nhân tố nào sẽ giữ họ quay trở lại một lần nữa và một lần nữa.
- Tối ưu hóa marketing: Với Big Data, ta có thể giúp tối ưu việc chi tiêu
cho marketing trên nhiều kênh khác nhau, cũng như liên tục tối ưu hóa các
chương trình marketing thông qua thử nghiệm, đo lường và phân tích.
Bên cạnh đó, những thách thức liên quan đến việc sử dụng hiệu quả Big
Data có thể đặc biệt khó khăn để tiếp thị. Đó là bởi vì hầu hết các hệ thống phân
tích không phù hợp với dữ liệu, quy trình tổ chức tiếp thị và quyết định. Để tiếp
thị, ba trong số những thách thức lớn nhất là:
Trang 17
- Biết dữ liệu nào cần được thu thập. Ta có khối lượng khách hàng rất lớn,
dữ liệu hoạt động và dữ liệu tài chính cần phải đối mặt. Điều quan trọng nó phải
là dữ liệu đúng.
- Biết được các công cụ phân tích để sử dụng. Khi khối lượng dữ liệu lớn
phát triển, thì thời gian dành cho việc ra quyết định và hành động trên chúng bị
thu hẹp lại. Công cụ phân tích có thể giúp ta tổng hợp và phân tích dữ liệu, cũng
như phân bổ những hiểu biết và quyết định có liên quan một cách thích hợp và
có tổ chức.
- Biết làm thế nào để đi từ dữ liệu đến cái nhìn sâu sắc về nó. Một khi ta
có dữ liệu, làm thế nào để ta có cái nhìn sâu sắc từ những dữ liệu đó? Và làm thế
nào để ta sử dụng cái nhìn sâu sắc ấy để thực hiện những tác động tích cực vào
các chương trình tiếp thị của mình? Mức độ hiểu biết có thể giúp ta phát triển
chiến lược và hành động để thúc đẩy tăng trưởng cụ thể.
1.4.2 Ba loại dữ liệu Big Data dùng trong marketing
- Khách hàng: Các loại dữ liệu lớn quen thuộc nhất để tiếp thị có thể bao
gồm các số liệu hành vi, thái độ và giao dịch từ các nguồn như các chiến dịch
tiếp thị, điểm bán hàng, các trang web, các cuộc khảo sát khách hàng, phương
tiện truyền thông xã hội, cộng đồng trực tuyến.
- Hoạt động: Loại này Big Data thường bao gồm các số liệu khách quan để

đo lường chất lượng của quá trình tiếp thị liên quan đến hoạt động tiếp thị, phân
bổ nguồn lực, quản lý tài sản, kiểm soát ngân sách,…
Trang 18
- Tài chính: Thông thường nằm trong hệ thống tài chính của một tổ chức,
loại này Big Data có thể bao gồm bán hàng, doanh thu, lợi nhuận và các kiểu dữ
liệu khách quan khác để đo lường tình trạng tài chính của tổ chức.
1.4.3 Giải pháp Big Data mang lại trong Internet Marketing
1.4.3.1 Phân tích dữ liệu để xác định cơ hội có giá trị
Để phát hiện ra những cơ hội thành công, đòi hỏi phải xây dựng một lợi
thế về dữ liệu, bằng cách tập hợp các dữ liệu có liên quan từ cả bên trong và bên
ngoài công ty. Dựa trên việc phân tích khối lượng dữ liệu khổng lồ, những nhà
lãnh đạo dành thời gian để phát triển “tư duy điểm đến”, bằng cách việc ra
những vấn đề kinh doanh họ muốn giải quyết, hoặc những câu hỏi họ muốn được
trả lời. Nhưng cần phải đặt ra những câu hỏi có tầm nhìn xa và rộng lớn hơn để
có thể nhận được những câu trả lời có ý nghĩa đặc biệt.
Cách tiếp cận này có nghĩa là phải thoát khỏi lối suy nghĩ thông thường
trong công việc. Hầu hết các nhà lãnh đạo triển khai các nguồn lực dựa trên cơ
sở hiệu suất hiện tại hoặc trong quá khứ của một khu vực bán hàng nhất định. Sử
dụng Big Data đòi hỏi phải xem xét dữ liệu theo một cách mới rộng lớn hơn.
1.4.3.2 Tìm hiểu về quá trình ra quyết định của người tiêu dùng
Người tiêu dùng giờ đây được thoải mái lựa chọn những thiết bị, công cụ,
công nghệ theo nhu cầu của họ. Vì vậy hiểu biết về quá trình ra quyết định của
khách hàng là rất quan trọng, để có thể giành được sự lựa chọn của những khách
hàng mới hoặc giữ chân những khách hàng truyền thống. Khoảng 35% khách
hàng B2B (khách hàng doanh nghiệp) tìm hiểu các sản phẩm của nhiều nhà cung
cấp khác nhau trước khi quyết định mua chúng. Vì vậy các doanh nghiệp cần đầu
Trang 19
tư vào website và các kênh giao tiếp khách hàng, SEO web để đảm bảo sản phẩm
của mình xuất hiện khi khách hàng tiềm năng tìm kiếm dòng sản phẩm đó.
Các nhà quản lí tiếp thị và bán hàng cần phải tạo được bức tranh hoàn

chỉnh về khách hàng của họ, để có thể quảng cáo, giới thiệu những sản phẩm có
liên quan tới nhu cầu của khách hàng. Và với sự phát triển của Big Data, đó sẽ là
sự kết thúc của thư “rác”, quảng cáo “rác”.
1.4.3.3 Giữ cho hệ thống nhanh chóng và đơn giản
Dữ liệu trên toàn thế giới đang gia tăng 40% mỗi năm, tốc độ tăng trưởng
đó là thách thức với bất kỳ nhà quản lí tiếp thị và bán hàng nào. Công ty cần phải
đầu tư vào một phương pháp “tiếp thị tự động”, một thuật toán cho phép xử lí
một lượng dữ liệu lớn qua một quá trình “tự học” để hệ thống có thể tự thay đổi
để tạo ra những phương pháp tương tác với người dùng tốt hơn. Đó là một sự kết
hợp của dự báo, học máy, và xử lý ngôn ngữ tự nhiên.
Tuy nhiên tự động hóa không có nghĩa là tách rời khỏi sự kiểm soát của
con người. Phương pháp phân tích tiên tiến là để phục vụ cho hoạt động của
người bán hàng đạt hiệu quả cao hơn. Để thành công, các công ty cần phải xây
dựng hệ thống phân tích dữ rộng lớn với liệu phức tạp, và từ đó đưa ra những đề
nghị hấp dẫn, những hướng dẫn đơn giản tới khách hàng.
“Mỏ vàng dữ liệu” ngày nay là bệ phóng để Marketing và bán hàng có thể
cất cánh. Những người có khả năng phát triển là những người có thể khai thác
được mỏ vàng này.
Trang 20