Ứng dụng các công cụ web analytics trong phân tích hiệu quả kinh doanh của doanh nghiệp

MỤC LỤC

L I C M O N ............................................................................................. 5
L I CẢM N ................................................................................................... 6
D NH MỤC HÌNH VẼ .................................................................................... 7
PHẦN MỞ ẦU ............................................................................................... 9
CHƯ NG 1: PHÂN TÍCH DỮ LIỆU VÀ CÁC CHỈ SỐ ÁNH GIÁ ......... 10
1.1. Tổng quan về phân tích dữ liệu ................................................................ 10
1.1.2. Khái niệm phân tích dữ liệu .............................................................. 10
1.1.2. Quá trình phát triển phân tích dữ liệu ............................................... 10
1.1.3. Phân loại phân tích dữ liệu ................................................................ 15
1.1.4.1. Các loại phân tích dữ liệu .......................................................... 15
1.1.4.2. Phân tích mô tả ........................................................................... 16
1.1.4.3. Phân tích dự đoán ....................................................................... 17
1.1.4.4. Phân tích quy tắc ........................................................................ 18
1.1.5. Phân tích giúp ra các quyết định tốt hơn ........................................... 19
1.2. Chỉ số số đánh giá ................................................................................... 20
1.2.1. o lường, hệ đo và chỉ số đánh giá ....................................................... 20
1.2.1.1. o lường..................................................................................... 21
1.2.1.2. Hệ đo .......................................................................................... 21
1.2.1.3. Chỉ số đánh giá ........................................................................... 22
1.2.2. Phân biệt chỉ số đánh giá và các mục tiêu kinh doanh ..................... 23
1.2.3. Xây dựng chỉ số đánh giá .................................................................. 24
1.2.3.1. Thiết lập mục tiêu và kết quả cần đạt được ............................... 24
1.2.3.2. ưa mục tiêu, kết quả cần đạt được vào trong các chỉ số đánh
giá ............................................................................................................ 25
1.2.4

ảm bảo tính hoạt động và chịu trách nhiệm của các chỉ số đánh giá

..................................................................................................................... 26

1


1.2.5. Tạo các báo cáo chỉ số đánh giá phân cấp ........................................ 27
1.2.6. Xác định các chỉ số đánh giá thành phần ......................................... 27
1.2.7. Củng cố lại các chỉ số đánh giá ......................................................... 27
1.2.8. Các loại chỉ số đánh giá .................................................................... 28
1.2.9. Các đặc điểm chỉ số đánh giá tốt ...................................................... 29
1.3. Quy trình xây dựng các chỉ số đánh giá ứng dụng phân tích Web của
Clifton.............................................................................................................. 31
1.4. Các chỉ số đánh giá được sử dụng trong doanh nghiệp kinh doanh thương
mại điện tử theo Peterson ................................................................................ 32
1.4.1. Tỷ lệ chuyển đổi đơn hàng [22] ........................................................ 32
1.4.2. Giá trị trung bình m i đơn hàng ........................................................ 33
1.4.3. Doanh thu trung bình m i lượt truy cập ........................................... 33
1.4.4. Chi phí trung bình cho m i chuyển đổi ............................................ 34
1.4.5. Chỉ số hài lòng của khách hàng ........................................................ 34
1.4.6. Thời gian trung bình để trả lời thư yêu cầu ...................................... 34
1.4.7. Tỷ lệ truy cập của khách mới so với khách quay trở lại .................. 35
1.4.8. Tỷ lệ chuyển đổi của khách truy cập mới với khách truy cập trở lại 35
1.4.9. Phần trăm doanh thu từ khách hàng mới và khách hàng truy cập trở
lại ................................................................................................................. 35
1.4.10. Trang chủ và trang đích chính......................................................... 36
1.4.11. Tỷ lệ chuyển đổi từ tìm kiếm .......................................................... 37
1.4.13. Tỷ lệ hoàn thành thanh toán ............................................................ 37
1.4.14. Tỷ lệ chuyển đổi cho m i chiến dịch .............................................. 38
1.4.15. Phần trăm kết quả trả về không ....................................................... 38
1.4.16. Tỷ lệ cao, trung bình và thấp các click chuột vào trang trong ........ 38
1.4.17. Trung bình số lượt xem các trang trên m i phiên truy cập ............. 39

1.4.18. Chi phí trung bình m i lượt truy cập .............................................. 39

2


1.4.19. Phần trăm cao, trung bình, thấp của tần suất khách truy cập .......... 40
1.4.20. Trung bình số lượt truy cập của m i khách .................................... 40
1.4.21. Phần trăm cao, trung bình, thấp thời gian sử dụng của m i lượt truy
cập trên trang web ....................................................................................... 41
1.4.22. Phần trăm khách truy cập sử dụng tìm kiếm................................... 41
1.4.23. Tỷ lệ chuyển đổi đăng ký ................................................................ 41
1.4.24. Tìm kiếm từ khóa và cụm từ ........................................................... 41
1.5. Các công cụ phân tích Web được sử dụng ............................................... 42
1.5.1. Phân tích Web bằng Google nalytics ............................................. 42
1.5.1.1. Mô tả kỹ thuật ............................................................................ 43
1.5.1.2. Các tính năng.............................................................................. 44
1.5.1.3 Các giới hạn ................................................................................ 44
1.5.1.4. Tính chính xác. ........................................................................... 45
1.5.2. Phân tích Web bằng các công cụ khác .............................................. 50
1.6. Kết chương ............................................................................................... 56
CHƯ NG 2: XÂY DỰNG BỘ CHỈ SỐ VÀ THỬ NGHIỆM ÁNH GIÁ
TẠI CÔNG TY TNHH HÀ PHƯ NG.......................................................... 57
2.1. Giới thiệu về Công ty TNHH Hà Phương và website
www.myhome.net.vn ...................................................................................... 57
2.2. Xây dựng bộ chỉ số đánh giá phân tích hiệu quả kinh doanh sử dụng các
công cụ Web nalytics tại công ty Hà Phương .............................................. 58
2.2.1. Xây dựng các chỉ số đánh giá ........................................................... 58
2.2.1.1. Lựa ch n phương pháp và khởi tạo danh sách các chỉ số đánh giá
................................................................................................................. 59
2.2.1.2. Phân loại các chỉ số đánh giá không ph hợp ........................... 61

2.2.1.3 Ch n các chỉ số đánh giá tối ưu ................................................. 63
2.3. Áp dụng, cài đặt thử nghiệm trên myhome.net.vn ................................... 65

3


2.3.1. Mô hình thu thập dữ liệu ................................................................... 67
2.3.2. Phân tích dữ liệu dựa trên báo cáo của các công cụ Web nalytics 69
2.3.2.1. Tỷ lệ chuyển đổi đơn hàng ......................................................... 71
2.3.2. 2. Giá trị trung bình m i đơn hàng ................................................ 72
2.3.2. 3. Doanh thu trung bình m i lượt truy cập ................................... 74
2.3.2.4. Chi phí trung bình cho m i chuyển đổi ..................................... 76
2.3.2.5. Tỷ lệ truy cập của khách mới so với khách c quay trở lại ...... 77
2.3.2.6. Trung bình số lượt xem các trang trên m i phiên truy cập ........ 79
2.3.2.7. Chi phí trung bình m i lượt truy cập ......................................... 80
2.3.2.8. Trung bình số lượt truy cập của m i khách ............................... 81
2.3.2.9. Tìm kiếm các từ khóa và cụm từ ................................................ 82
2.3.3. Các đặc tính chung của các chỉ số đánh giá thu được ...................... 84
CHƯ NG 3: KẾT LU N VÀ KIẾN NGHỊ .................................................. 89
3.1. Kết luận ................................................................................................ 89
3.2. Kiến nghị .............................................................................................. 91
3.3. Hướng phát triển của đề tài .................................................................. 91
TÀI LIỆU TH M KHẢO ............................................................................... 93

4


Tác giả luận văn xin cam đoan đây là công trình nghiên cứu của riêng tác giả
luận văn đúc kết từ quá trình nghiên cứu từ việc tập hợp các nguồn tài liệu, các kiến
thức đã h c đến việc tự thu thập các thông tin liên quan và liên hệ thực tế tại đơn vị

công tác. Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai
công bố trong bất kỳ công trình nào khác.
Tác giả luận văn xin cam đoan rằng m i sự giúp đỡ cho việc thực hiện Luận
văn này đã được cảm ơn và các thông tin trích dẫn trong Luận văn đã được chỉ rõ
nguồn gốc.
Tác giả luận văn xin chịu trách nhiệm về nghiên cứu của mình.

cv

t ực

Vũ V

5

u

v


Ả

Trước tiên, tác giả luận văn xin được gửi lời cảm ơn đến tất cả quý thầy cô
đã giảng dạy trong chương trình đào tạo thạc sỹ, Viện Công Nghệ Thông Tin và
Truyền Thông,

ại h c Bách Khoa Hà Nội, những người đã truyền đạt cho tác giả

những kiến thức hữu ích về đánh giá hiệu năng hệ thống làm cơ sở cho tác giả thực
hiện tốt luận văn này.

Với lòng kính tr ng và biết ơn, tác giả luận văn xin được bày t lời cảm ơn
tới PGS.TS. Huỳnh Quyết Thắng đã khuyến khích, tận tình hướng dẫn trong thời
gian thực hiện luận văn. Mặc d trong quá trình thực hiện luận văn có giai đoạn
không được thuận lợi nhưng những gì thầy đã hướng dẫn, chỉ bảo đã cho tác giả
luận văn nhiều kinh nghiệm trong thời gian thực hiện đề tài.
Tác giả luận văn c ng xin gửi lời cảm ơn đến các Phòng ban c ng Ban lãnh
đạo Công ty TNHH Hà Phương (Nội thất Myhome) nơi tác giả công tác đã giúp đỡ
trong quá trình thu thập dữ liệu và thông tin của luận văn.
Sau c ng tác giả luận văn xin gửi lời biết ơn sâu sắc đến gia đình đã luôn tạo
điều kiện tốt nhất cho tác giả luận văn trong suốt quá trình h c c ng như thực hiện
luận văn. Do thời gian có hạn và kinh nghiệm nghiên cứu khoa h c chưa nhiều nên
luận văn còn nhiều thiếu, rất mong nhận được ý kiến góp ý của Thầy Cô và các bạn
h c viên.
cv

t ực

Vũ V

6

u

v


D

Ụ

Ì

VẼ

Hình 1.1: Sự phát triển trong ngữ nghĩa kinh doanh thông minh [2].
Hình 1.2: Các thông tin thông minh hơn của một tổ chức, những lợi thế cạnh tranh
lớn hơn có thể đạt được
Hình 1.3: Quyết định tốt hơn và cải thiện kết quả được cung cấp bởi Analytics
Hình 1.4: Các chỉ số (Nguồn Google Analytics)
Hình 1.5 : Các chức năng chính của Google Analytics ( Nguồn Google Analytics)
Hình 1.6 : Cài đặt Google Analytics – Tạo tài khoản ( Nguồn Google Analytics)
Hình 1.7 : Cài đặt Google Analytics – Đăng nhập ( Nguồn Google Analytics)
Hình 1.8 : Cài đặt Google Analytics – Đăng ký ( Nguồn Google Analytics)
Hình 1.9 : Cài đặt Google Analytics – Nhận ID theo dõi ( Nguồn Google Analytics)
Hình 1.10 : Cài đặt Google Analytics – Chấp nhận ( Nguồn Google Analytics)
Hình 1.11 : Cài đặt Google Analytics – Lấy mã theo dõi ( Nguồn Google Analytics)
Hình 1.12 : Giới thiệu Google Webmaster Tools (Google Webmaster Tools)
Hình 1.13 : Các chức năng chính Google Webmaster Tools (Google Webmaster
Tools)
Hình 1.14 : Cài đặt Google Webmaster Tools (Google Webmaster Tools)
Hình 1.15 : Cài đặt Google Webmaster Tools – Thêm trang web (Google
Webmaster Tools)
Hình 1.16 : Cài đặt Google Webmaster Tools – Xác mình (Google Webmaster
Tools)
Hình 2.1. Biểu đồ mô tả mô hình thu thập dữ liệu
Hình 2.2: Danh sách các KPI ((Nguồn Myhome Account Manage V1.6)
Hình 2.3: Tỷ lệ chuyển đổi đơn hàng theo Tuần (Nguồn Myhome Account Manage
V1.6)
Hình 2.4: Giá trị trung bình mỗi đơn hàng (Nguồn Myhome Account Manage V1.6)

7


Hình 2.5: Giá trị trung bình mỗi đơn hàng theo Tuần (Nguồn Myhome Account
Manage V1.6)
Hình 2.6: Doanh thu trung bình mỗi lượt truy cập (Nguồn Myhome Account
Manage V1.6)
Hình 2.7: Doanh thu trung bình mỗi lượt truy cập theo Tuần (Nguồn Myhome
Account Manage V1.6)
Hình 2.8: Chi phí trung bình cho mỗi chuyển đổi (Nguồn Myhome Account Manage
V1.6)
Hình 2.9: Tỷ lệ truy cập (số phiên) của khách mới với khách cũ quay trở lại (Nguồn
Google Anatylics)
Hình 2.10: Biểu đồ số lượt khách cũ truy cập trở lại (theo Ngày) (Nguồn Google
Analytics)
Hình 2.11: Biểu đồ số lượt khách cũ truy cập trở lại (theo Tuần) (Nguồn Google
Analytics)
Hình 2.12: Tỷ lệ truy cập của khách mới so với khách cũ (Nguồn Myhome Account
Manage V1.6)
Hình 2.13: Trung bình số lượt xem trang mỗi truy cập (Nguồn Myhome Account
Manage V1.6)
Hình 2.14: Chi phí trung bình mỗi truy cập (Nguồn Myhome Account Manage V1.6)
Hình 2.15: Số phiên trên mỗi người dùng (Nguồn Google Analytics)
Hình 2.16: Trung bình số lượt truy cập mỗi khách (Nguồn Myhome Account
Manage V1.6)
Hình 2.17: Chỉ số tìm kiếm các từ khóa (Nguồn Google Webmaster Tools)

8

P Ầ

Ở ẦU

Số lượng người d ng Internet của Việt Nam ngày càng tăng nhanh từ 3,1 triệu
người sử dụng Internet (năm 2003) đến năm 2012 đã hơn 31,2 triệu người sử dụng
Internet [26].
Ngày càng nhiều các doanh nghiệp sử dụng website để bán hàng, để quáng bá
thương hiệu, sản phẩm, dịch vụ. Các mặt hàng kinh doanh phổ biến như: quần áo,
giầy dép, mỹ phẩm, điện thoại, điện máy, sách, các dịch vụ du lịch, quà tặng, dịch
vụ giải trí,… và có nhiều sản phẩm dịch vụ khác đang và sẽ được kinh doanh trên
website.
Từ năm 2004 trí tuệ doanh nghiệp (Business intelligence) đã được các tác giả
trên thế giới nghiên cứu và phân tích web bắt đầu được các nhà khoa h c nghiên
cứu rộng rãi từ năm 2006. Tuy nhiên lĩnh vực này hiện nay chưa được các doanh
nghiệp tại Việt Nam phát triển và ứng dụng nhất là các doanh nghiệp vừa và nh .
Luận văn này tìm hiểu về các công cụ phân tích Web và các chỉ số đánh giá
đồng thời đưa ra cách tiếp cận mới trong việc lựa ch n và áp dụng chúng cho ph
hợp với yêu cầu, nguồn chi phí và thực tế mua bán hàng trên mạng tại Việt Nam.
Với mục tiêu chính là nâng cao hiệu quả trong quá trình phân tích đánh giá hiệu
quả kinh doanh của doanh nghiệp áp dụng cho các doanh nghiệp vừa và nh có hoạt
động kinh doanh bán hàng qua website tại Việt Nam.
Luận văn kết giữa việc kế thừa thành quả của các nghiên cứu trước đây từ
các nước phát triển đi đầu trong bán hàng trên web và lựa ch n áp dụng thực
nghiệm tại một doanh nghiệp cụ thể để đánh giá hiệu quả và đưa ra đề xuất cái tiến
cho ph hợp.
Nội dung luận văn được phân làm 4 chương:
ươ g 1: Phân tích dữ liệu và các chỉ số đánh giá, các công cụ
ươ g 2: Xây dựng bộ chỉ số đánh giá, cài đặt đánh giá thử nghiệm tại
Công ty TNHH Hà Phương.

ươ g 3: Kết luận và kiến nghị của tác giả.

9


Ư

G 1: P Â TÍ

DỮ

1.1. Tổ g qua về p â tíc dữ
1.1.2. K á

m p â tíc dữ

ỆU VÀ Á

Ỉ SỐ Á

GÁ

u
u

Phân tích được định nghĩa đa dạng theo các mốc thời gian khác nhau dựa
trên quan điểm và nhu cầu kinh doanh của những người khác nhau. Tiếc là, không
tồn tại chính xác c ng một nghĩa được chấp nhận bởi tất cả m i người và không
được tìm trong các sách khoa h c. Theo Davenport và Harris (2007) [12], các thuật
ngữ phổ biến nhất về phân tích được sử dụng ngày nay có thể được định nghĩa là

“Việc sử dụng dữ liệu rộng rãi , phân tích thống kê và định lượng, khám phá và tiên
đoán các mô hình, và quản lý dựa trên thực tế để định hướng quyết định và hành
động”. Theo nghĩa của một nhóm các công cụ, thay vì công nghệ bên trong và của
bản thân nó, thuật ngữ này đơn giản là áp dụng phương pháp phân tích nâng cao
khác nhau và kết hợp chúng để thu thập và phân tích thông tin, và dự đoán kết quả
để giải quyết vấn đề [6]. Tương tự như điều này, Laursen và Thorlund (2010)[19]
đã xem xét phân tích doanh nghiệp không chỉ đơn thuần là giải pháp kỹ thuật, như
hệ thống thông tin đó được cấu thành từ ba yếu tố, tức là yếu tố công nghệ, năng lực
của con người, và một số các quy trình kinh doanh cụ thể cần phải được h trợ. Một
số nghiên cứu mô tả phân tích còn là một phần của Trí tuệ doanh nghiệp, trong đó
rất nhiều các kỹ thuật phân tích được sử dụng trong báo cáo trí tuệ doanh nghiệp,
ad-hoc và phân tích thời gian thực [6], trong khi định nghĩa khác xác định Phân tích
là không có gì khác nhưng ngữ nghĩa trí tuệ doanh nghiệp mới với nhiều nguyên tắc
nâng cao vượt ra ngoài báo cáo và phân tích là một trong các công cụ trí tuệ doanh
nghiệp truyền thống [19].
1.1.2. Quá trì

p át tr ể p â tíc dữ

u

Theo Eckerson [1] đã có một sự phát triển của điều khoản hạch toán vào biểu
hiện trong lĩnh vực báo cáo kinh doanh và phân tích. Chuyên gia kinh doanh với
những giả thuyết và các nhà cung cấp với các công nghệ mới đã tạo ra một thuật

10


ngữ mới để khôi phục lại những ý tưởng của h , các sản phẩm, và các lĩnh vực [16].
Một làn sóng các xu hướng và những kỳ v ng đã xuất hiện trên từng thuật ngữ mới,

trong khi một số bất cập của việc áp dụng trong thời gian dài có thể kêu g i m i
người đến với một điều khoản cải tiến. Trình tự thời gian cho đến khi trở thành một
phân tích được biết như là một thuật ngữ xa lạ để tối ưu hóa kinh doanh trong các
doanh nghiệp được mô tả trong phần dưới đây.
Từ thập niên 1960 đến 1980: Hỗ trợ quyết định
Nhiều chuyên gia trí tuệ doanh nghiệp đã tin rằng quá trình ra đời của phân
tích đã bắt nguồn từ từ hệ h trợ ra quyết định [3]. Các khái niệm về hệ thống máy
tính dựa trên tương tác đã được sử dụng để phân tích dữ liệu và h trợ quyết định
xuất hiện sớm nhất là vào cuối năm 1960. Sau đó vào những năm cuối của thập niên
1970, một số công ty đã sử dụng dữ liệu và mô hình trong các hệ thống thông tin
tương tác cho các nhà quản lý để phân tích các vấn đề cấu trúc xấu. Từ năm 1980,
hệ h trợ quyết định được công nhận là công cụ h trợ trong việc giúp đỡ các nhóm
quyết định và ra quyết định cá nhân để cải thiện quy trình kinh doanh rộng rãi trong
giao dịch phong phú doanh nghiệp, quản lý tài chính, và các quyết định chiến lược.
ôi khi nó được g i là theo chiều d c thị trường hoặc ngành hệ h trợ ra quyết định
cụ thể [21].

11


Hình 1.1: Sự phát triển trong ngữ nghĩa trí tuệ doanh nghiệp [16].
Sau đó công nghệ hệ h trợ ra quyết định được thiết kế để nhắm vào quản lý
cấp cao và nó đã phát triển để tập trung hơn trong ad-hoc phân tích quyết định cho
mục đích cụ thể, c ng thường xuyên trong thời gian thực. Hệ thống này được g i là
hệ thống thông tin điều hành [4]. Hơn nữa, một yêu cầu cho IS đã được tạo nên để
nhắm mục tiêu các hoạt động chuyên môn và quản lý trong việc tạo ra, thu thập, tổ
chức, và phổ biến kiến thức trong một tổ chức, trái ngược với "dữ liệu" hoặc "thông
tin". iều này thường đề cập đến trong hệ thống quản lý kiến thức (KMS).
Sự đóng góp của ba hệ thống nói trên đã được công nhận trong việc cải thiện
khả năng ra quyết định cá nhân và tổ chức. iều này sẽ tiếp tục là những thành phần

quan tr ng của công nghệ thông tin trong tổ chức. Truyền thống của hệ h trợ ra
quyết địn đã được thiết lập vững chắc trong dòng chính của thực tiễn và sử dụng các
ứng dụng hệ thống thông tin ra quyết định đã trở thành một thực tế phổ biến để giải
quyết vấn đề trong những thách thức kinh doanh hiện tại một cách kịp thời hơn và
dễ dàng tiêu thụ hơn [14].
Trong thập niên 1990: Kho dữ liệu
Rất nhiều các yêu cầu ở các thời kỳ trên kho dữ liệu đã được giải quyết trong
quá khứ do cơ sở dữ liệu hệ thống quản lý phân phối, truy cập dữ liệu trực tiếp từ

12


các cơ sở dữ liệu giao dịch với "hòn đảo của dữ liệu" vẫn còn là một vấn đề. Ứng
dụng máy tính thực sự được phân cấp và cần một giải pháp mới để tối ưu và thao
tác dữ liệu. Trước đó vào cuối thập niên 80, Devlin và Murphy (1988), lần đầu tiên
đã mô tả kiến trúc kho dữ liệu và công bố trên hệ thống IBM Journal [11]. Vào đầu
những năm 1990, các chuyên gia công nghệ thông tin được sử dụng một cách tiếp
cận mới để báo cáo và phân tích dữ liệu được g i là "kho dữ liệu". H tập trung vào
việc thu thập và giải nén dữ liệu ra kh i hệ thống hoạt động và đưa vào một cơ sở
dữ liệu được tối ưu không phân biệt số lượng các ứng dụng khác nhau hoặc các nền
tảng. Sau khi trải qua một cấu trúc nặng nề của việc xây dựng một kho dữ liệu, tổ
chức nhận ra rằng vẫn còn có sự đảm bảo rằng những người kinh doanh sẽ được sử
dụng các ứng dụng của nó.
Trong thập niên 2000: Trí tuệ doanh nghiệp
Thuật ngữ này được sử dụng lần đầu tiên vào năm 1989 bởi Howard
Dressner, một trong những nhà nghiên cứu tại Gartner Group [5]. Ông đã mô tả trí
tuệ doanh nghiệp là thuật ngữ chung của các khái niệm và phương pháp để cải thiện
việc ra quyết định h trợ dựa trên thực tế. Tuy nhiên, vào đầu những năm 2000, các
chuyên gia công nghệ thông tin bắt đầu tập trung vào việc sử dụng kho dữ liệu để
báo cáo trên nền Web và các công cụ phân tích được nhiều người d ng thân thiện

cho cộng đồng doanh nghiệp, và làm cho công việc kinh doanh riêng của mình
thông minh hơn. Kể từ đó, thuật ngữ "Trí tuệ doanh nghiệp" trở thành từ hấp dẫn
các ngành công nghiệp kinh doanh – Công nghệ thông tin. Không giống như các hệ
thống h trợ ra quyết định trước đây rằng có những đặc điểm như cơ sở dữ liệu hạn
chế, mô hình, và chức năng giao diện người d ng, hệ thống trí tuệ doanh nghiệp là
hệ thống h trợ quyết định hướng dữ liệu [21].
Từ năm 2005 đến năm 2010: Quản lý hiệu quả
Các ngành công nghiệp kinh doanh công nghệ thông tin đã cố gắng để tạo ra
một ngữ nghĩa mới và tập trung vào kết quả kinh doanh. Thuật ngữ "quản lý hiệu
quả" được tạo ra để loại b đi những giám đốc điều hành kinh doanh với hiệu suất
hoạt động tốt hơn các biểu đồ, bảng điểm cân bằng, và các công cụ lập kế hoạch sắp

13


xếp chiến lược kinh doanh của tổ chức với mục tiêu công nghệ thông tin và tối ưu
hóa hiệu suất ở tất cả các cấp của tổ chức. Ngay sau đó các giám đốc điều hành
công nhận khó chịu trong việc xác định các số liệu và các mục tiêu ở các chỉ số
đánh giá mà thường phụ thuộc vào chu i các phiền phức và khó khăn như trong
phương pháp tiếp cận từ trên xuống.
Từ năm 2010 tới nay: Phân tích
Nhiều tác giả khoa h c từ nghiên cứu và thực tế đã thừa nhận tính ưu việt
của thuật ngữ "Phân tích" có được từ giám đốc điều hành kinh doanh từ Tom
Davenport và Jeanne Harris đã phát hành cuốn sách ảnh hưởng của h có tựa đề
"Cạnh tranh về phân tích" năm 2007 [1] [17]. Một lợi thế cạnh tranh đặc biệt đã
được tìm kiếm bởi các tổ chức nhấn mạnh sự nhanh nhẹn trong cách tận dụng thông
tin để đưa ra quyết định thông minh hơn. Phân tích ban đầu được g i là mô hình cải
tiến thống kê với sự giúp đỡ của các công cụ phân tích. Sau phân tích đã được coi là
một ngành h c trước trong phạm vi trí tuệ doanh nghiệp mà rất nhiều kết hợp với
giải pháp kỹ thuật đó đi vượt ra ngoài báo cáo BI truyền thống và phân tích cho

người d ng cuối trong việc tạo ra biên giới của lợi thế cạnh tranh bền vững [19].
Sự tiến hóa của thuật ngữ phân tích nhìn thấy trong hình 1 bắt đầu từ năm
1990 như là giai đoạn người d ng đầu tiên được biết đến như kho dữ liệu vào dòng
chính sớm nhất trong thị trường trí tuệ doanh nghiệp [1]. Nền tảng điện toán khác
nhau mà các công nghệ BI đang chạy trên đã được xác định là tốt. Các cơ sở hạ tầng
điện toán đã phát triển trong sự thay đổi đáng kể trong những năm qua, từ máy tính
lớn và tiểu máy tính trong thập niên 1980 và cơ sở hạ tầng của khách hàng, dịch vụ
trong thập niên 1990, cho Web và dịch vụ Web trong đầu thập niên 2000. Sự gia
tăng của điện toán di động và điện toán đám mây xuất hiện ở khắp m i nơi trong
những ngày này. Khi thị trường trí tuệ doanh nghiệp được chứng minh để có thể
thay đổi và đổi mới công nghệ, sản phẩm và phương pháp luận của nó sẽ được tự
phục vụ tốt hơn các công cụ trí tuệ doanh nghiệp như việc sử dụng các dịch vụ di
động và điện toán đám mây, sự xuất hiện của phân tích sẽ mở ra một cơ hội mới

14


trong thúc đẩy giá trị gia tăng cho các tổ chức để tồn tại trong điều kiện thị trường
thay đổi này.
1.1.3. P â

oạ p â tíc dữ

u

1.1.4.1. ác oạ p â tíc dữ

u

Eckerson đã mô tả các loại khác nhau của phân tích liên tục trong một loạt

các bài báo [16]. Các loạt bài đầu tiên của phân tích giải quyết các câu h i "Tại sao
nó lại xảy ra?" Và nó là diễn dịch trong tự nhiên, trong khi loạt bài tiếp theo đề cập
đến câu h i " iều gì sẽ xảy ra" với tự nhiên chủ yếu là quy nạp.
Trong diễn dịch phân tích người d ng, doanh nghiệp xây dựng các giả thuyết
như một nguyên nhân gốc của một cảnh báo hoặc hiệu suất cảnh báo, để khám phá
bằng cách sử dụng các công cụ phân tích. Nếu giả thuyết bị làm sai lệch sau đó một
công thức mới của giả thuyết cho thêm dữ liệu khai thác cần phải được tìm kiếm.
Thời hạn của kho dữ liệu thường được sử dụng ở đây, trong đó đề cập đến cơ sở dữ
liệu phân tích và các công cụ khác. Trái lại, trong quy nạp phân tích người d ng
doanh nghiệp phải bắt đầu với kết quả kinh doanh của công thức mục tiêu. H đã sử
dụng các công cụ phân tích để khám phá các mẫu hoặc để tạo ra mô hình thống kê
hoặc việc nạp vào máy các dữ liệu để trả lời các câu h i của h và để đạt được mục
tiêu của h .

Hình 1.2: Các thông tin thông minh hơn của một tổ chức, những lợi thế cạnh tranh
lớn hơn có thể đạt được [12].

15


IBM, một trong những nhà cung cấp lớn về dịch vụ phân tích dữ liệu, đã đề
xuất một quan điểm phân loại được các phân tích. H tăng cường những định nghĩa
của phân tích là "việc sử dụng rộng rãi của dữ liệu, phân tích thống kê và định
lượng, mô hình thuyết minh và tiên đoán, và quản lý dựa trên thực tế để định hướng
quyết định và hành động" từ Davenport và Harris trong cuốn sách "Competing on
Analytics: The New Science of Winning" [12]. Thay vì có một định nghĩa nào về ý
nghĩa của phân tích, Lustig et al. (2010)[20] phải phân biệt những phân tích trong
ba điểm: Phân tích mô tả, phân tích dự đoán, phân tích quy tắc.
1.1.4.2. P â tíc mô tả
Các đại diện của một bộ các dữ liệu được sử dụng là để hiểu và phân tích

hiệu quả kinh doanh của các đường gửi c ng như các sự kiện thời gian thực. ây là
ba loại lĩnh vực kỹ thuật phân tích được công nhận nhằm trả lời ba câu h i sau:
-

Báo cáo chuẩn và biểu đồ (ví dụ như ngân sách, bán hàng, doanh thu và
chi phí):

iều gì đã xảy ra?

iều gì đang xảy ra bây giờ? Làm thế nào để

so sánh với kế hoạch của chúng tôi?
-

Báo cáo ad-hoc: Bao lâu thì một sự kiện cụ thể xảy ra? Bao nhiêu? Ở
đâu?

-

Phân tích chiều sâu: Tại sao nó lại xảy ra? Vấn đề cụ thể là gì?
Phân tích mô tả cung cấp hiểu biết quan tr ng vào hiệu quả kinh doanh, và

cho phép người d ng doanh nghiệp sử dụng để giám sát tốt hơn và quản lý quy trình
kinh doanh. Tuy nhiên, nó chỉ dựa vào khả năng của con người để xem xét một số
các dữ liệu để tạo ra hiểu biết sâu sắc về những gì đang xảy ra hoặc đã xảy ra trong
quá khứ. Các kỹ thuật vững chắc để tạo thuận lợi cho dự đoán về những gì có thể
xảy ra trong tương lai, hoặc các công cụ để đề xuất các quyết định về những gì cần
làm tiếp theo, không còn nằm trong loại phân tích. Tổ chức đặc trưng có hiệu quả
có thể sử dụng mô tả phân tích với một góc nhìn duy nhất, chứ không phải là quan
điểm khác nhau về cách h nhìn quá khứ và tập trung sự chú ý vào hiện tại. Ngoài

16


ra, loại này thường được coi là bước khởi đầu để phục vụ cho một áp dụng thành
công cho dự đoán hoặc quy tắc phân tích.
1.1.4.3. P â tíc dự đoá
ây là loại phân tích có thể được mô tả kỹ lưỡng để ý tưởng của Davenport
và Harris được sử dụng rộng rãi về dữ liệu và kỹ thuật thống kê để tìm ra thuyết
minh và mô hình dự báo cho hiệu quả kinh doanh. Những mô hình kế thừa các mối
quan hệ giữa các dữ liệu đầu vào và đầu ra kết quả. Phân tích dự đoán áp dụng các
kỹ thuật tiên tiến khác nhau để thực hiện "dự đoán" về tương lai dựa trên sự hiểu
biết về quá khứ. Nó sử dụng các kỹ thuật phân khúc hay nhóm số lượng dữ liệu
thành tập hợp nhất quán như phân nhóm, cây quyết định, và các mạng nơron. Hầu
hết các kỹ thuật được sử dụng là:
-

Khai thác dữ liệu: các hoạt động như xem xét các kịch bản trong chu i
thời gian, đánh giá dữ liệu và xu hướng trong quá khứ để dự đoán nhu
cầu tương lai (mức độ, xu hướng, tính giai đoạn), có thể được sử dụng
như một hướng dẫn để trả lời các câu h i như: "Những khách hàng nào
có nhiều khả năng mua sản phẩm của chúng tôi?","Những bệnh nhân nào
có nhiều khả năng để đáp ứng với điều trị được?"

-

Nhận dạng và thông báo mô hình: mẫu được trích xuất từ một số lượng
dữ liệu để dự đoán hành vi tuyến tính có thể được sử dụng để quyết định
về hành động sẽ được thực hiện trong tương lai, ví dụ như để nhận ra giao
dịch đáng ngờ trong ứng dụng bảo hiểm mà các yêu cầu trong tương lai

có thể được gắn cờ là một gian lận có thể cần phải tiếp tục điều tra.

-

Mô phỏng Monte-Carl: bằng cách thực hiện một mô hình thuật toán hoặc
các cấu trúc toán h c theo các kịch bản khác nhau, một dự đoán hay ước
lượng của hành vi trong tương lai sẽ được biết đến trước khi sự kiện thực
sự với khả năng cao sẽ xảy ra.

-

Dự báo: đây là kỹ thuật được áp dụng nhiều nhất được sử dụng trong các
quá trình kinh doanh mà không phải là duy nhất để dự báo khối lượng

17


công việc mà còn bao gồm cả kế hoạch doanh nghiệp như nguồn nhân lực
cần thiết để thực hiện các hoạt động dự báo vào trạng thái mong muốn về
sau. C ng với những cột mốc cuối c ng của các hoạt động tuân thủ thoả
thuận kế hoạch hoạt động liên quan đến hệ thống quản lý hiệu quả.
-

Phân tích nguyên nhân gốc rễ: cố gắng tìm một câu trả lời cho câu h i
"Tại sao chuyện gì xảy ra?"

-

Mô hình dự báo: tương tự như các kỹ thuật phân tích tiên tiến khác để
cung cấp thông tin những gì sẽ xảy ra tiếp theo nếu có chuyện gì xảy ra.

Các quy trình hoạt động thời gian thực nhằm mục đích để bị tác động trong
các hoạt động như xác định thời gian thực của các giao dịch đáng ngờ từ các công
ty bảo hiểm, hoặc duy trì khách hàng thông qua tin nhắn chat. Các dự đoán khác
c ng được thực hiện để nhắm mục tiêu đến khách hàng mới trên các trang Web, để
trực tiếp mail cho hướng cross-sell / up-sell hay để nhận ra các mẫu hoặc các mối
quan hệ có thể được suy ra trong thời điểm. Dữ liệu mô tả từ

nalytics (tức là dữ

liệu mô tả như nhân khẩu h c, đặc tính của cá nhân) được kết hợp với dữ liệu hành
vi (giao dịch, thanh toán, lịch sử đơn đặt hàng), tương tác dữ liệu (bảng chat, email), và các dữ liệu về thái độ (sở thích, ý kiến) để có được một cái nhìn đầy đủ
trong dự đoán

nalytics.

ặt c ng quan điểm tĩnh của quá khứ từ

nalytics mô tả

theo cách lặp đi lặp lại các đánh giá, việc phân loại, và phân loại bởi các thuật toán
nhanh, một biện pháp thích ứng có thể được sử dụng.
1.1.4.4. P â tíc quy tắc
Các kiểu cải tiến chủ yếu của Phân tích là quy tắc mà người d ng doanh
nghiệp đang hoạt động để triển khai các quyết định hành động thời gian thực khi đối
diện một loạt các vấn đề kinh doanh. Nó bao gồm một tập hợp các kỹ thuật toán h c
tính toán tạo ra phương án hành động vững chắc, quyết định trong phạm vi yêu cầu
đưa ra, mục tiêu và những hạn chế. Như vậy, không những dự đoán mà c ng cung
cấp các quyết định giá trị cao cho các hành động để cải thiện hiệu quả kinh doanh là
mục tiêu của loại hình Phân tích này. Nó bao gồm các khu vực nơi mà các phản ứng

18


tốt nhất hoặc hành động là cốt yếu để giải quyết vấn đề kinh doanh trong những
hoàn cảnh nhất định hoặc nguồn lực hạn chế của các tổ chức. Các kỹ thuật phân tích
được sử dụng ở đây được dựa trên khái niệm về tối ưu hóa, được phân thành hai
lĩnh vực:
-

Tối ưu hóa; làm thế nào để đạt được kết quả tốt nhất?

-

Tối ưu hóa ngẫu nhiên; tìm ra con đường tốt nhất để đạt được kết quả tốt
nhất và giải quyết sự không chắc chắn về dữ liệu trong theo cách mà mức
độ rủi ro có thể được giảm thiểu và do đó quyết định tốt hơn có thể được
thực hiện để tối đa hóa hiệu quả kinh doanh.

Tối ưu hóa đóng một vai trò thiết yếu trong việc quyết định mô hình hóa một
hệ thống sản xuất tiềm năng. Tối ưu hóa này được áp dụng trong nhiều ngành công
nghiệp khác nhau, từ lập kế hoạch hoạt động cho các kế hoạch dài hạn để đáp ứng
các ràng buộc và yêu cầu của h . Ngoài ra, trong kỹ thuật phân tích dự đoán phân
tích này có thể được kết hợp với tối ưu hóa, được g i là tối ưu hóa ngẫu nhiên mà
không chắc chắn được đưa vào tài khoản và số lượng lớn các ứng dụng giao dịch
không được áp dụng.
Việc phân loại các phân tích có thể được coi như các ứng dụng đa dạng trong
trí tuệ doanh nghiệp. Trong "Phân tích nâng cao" đề cập đến dự đoán và phân tích
quy tắc, nơi các kỹ thuật phân tích áp dụng được hạch toán là các thuật toán toán
h c toàn diện và vượt quá các kỹ thuật được sử dụng trong trí tuệ doanh nghiệp. So

sánh với điều này, Davenport và Harris đã phân loại phân tích quy tắc s như là phân
tích dự đoán tối ưu hóa và vẫn được coi là những tiên đoán thông minh [12].
1.1.5. Phân tích giúp ra các quyết định tốt hơn
Do môi trường linh hoạt và không thể dự đoán trong tình hình hiện nay, các
tổ chức bắt buộc phải sở hữu sự linh hoạt chiến lược, hoạt động và chiến thuật của
mình. Các tổ chức cần phải tiếp thu tình hình mới một cách nhanh chóng và phản
ứng với sự thận tr ng tối đa và sự cố gắng tại thời điểm cần thiết. Ra quyết định,
c ng được g i là giải quyết vấn đề, có thể được coi như là thay thế lựa ch n dựa

19


trên các tiêu chí nhất định hoặc dưa trên một số cơ sở trong số lựa ch n thay thế có
sẵn khác. Quyết định cần được đưa ra dựa trên nhiều tiêu chí chứ không phải là một
tiêu chuẩn duy nhất, và thường liên quan đến nhiều bên [9].

Hình 1.3: Quyết định tốt hơn và cải thiện kết quả được cung cấp bởi phân tích [15]
Bằng cách áp dụng phân tích để đạt được cái nhìn sâu sắc, từ các hoạt động
kinh doanh hàng ngày của doanh nghiệp.
Phân tích cho phép việc ra quyết định ở tốc độ cao hơn để được đo lường
trong cả hành động và kết quả và có thể cho được kết quả mới có hiệu suất cao [15]
[13].
1.2.

ỉ số số đá

1.2.1. o ườ g,

gá
đo và c ỉ số đá

gá

Trước khi đi vào sâu hơn tới thể loại và sự phát triển của chỉ số đánh giá các
điềulệ khác cần phải được làm rõ.

o lường hiệu suất, số liệu và các chỉ số hoạt

động quan tr ng là có mối quan hệ với nhau trong nhiều lĩnh vực, do đó việc sử
dụng các thuật ngữ có thể trở thành một chút bị lẫn lộn. Chú ý rằng các thuật ngữ đó
được định nghĩa từ quan điểm của phân tích Web và cách h sử dụng về sau.

20


1.2.1.1. o ườ g
tkinson định nghĩa đo lường như sau [2]:
“Các đo lường mô tả thành công như thế nào trong việc đạt được một mục tiêu sẽ
được xác định. Các đo lường cung cấp đặc trưng và làm giảm sự nhập nhằng mà
điều này có trong các phát biểu báo cáo”
Hai công ty muốn liên doanh gia nhập một thương mại điện tử sẽ phải đồng ý theo
các đo lường nhất định. Cả hai công ty theo dõi khách truy nhập vào trang web của
mình. Tuy nhiên thuật ngữ “khách” được giải thích khác nhau. Công ty

quan tâm

tổng số lần truy cập trong khi công ty B tham chiếu số lượng người truy cập. Do đó,
dữ liệu của công ty

sẽ phản ánh tất số lần truy cập bao gồm cả số lần truy cập từ

những người truy cập giống nhau (c ng một người truy cập nhiều lần), trong khi đó
dữ liệu của công ty B chỉ đơn giản là phản ánh số lượng khách khác nhau. Vì vậy
khi tạo công ty C, thuật ngữ sử dụng cho “khách” nên được đặt trong một đo lường
duy nhất, mã sẽ trở lại tín hiệu c ng một ý nghĩa với cả hai công ty mẹ.
1.2.1.2.

đo

Trong phân tích web, hệ đo đại diện cho những con số thực tế cụ thể được cung cấp
trong báo cáo. Ví dụ trong Google nalytics, hệ đo có thể là thời gian trên trang, số
trang được xem trên m i khách, tốc độ bounce, tổng số tiền mua..
Xem hình 4 minh h a của các hệ đo.

Hình 1.4: Các chỉ số (Nguồn Google Analytics)

21


Kotler định nghĩa

ơn vị Marketing như sau “tập của các đo lường giúp các doanh

nghiệp xác định số lượng, so sánh và giải thích hiệu quả tiếp thị của h " [18]. Lưu ý
cách Kotler sử dụng thuật ngữ “đo lường” để xác đinh đơn vị.
1.2.1.3.

ỉ số đá

gá

Từ điển trực tuyến www.webopedia.com định nghĩa chỉ số đánh giá là: “Chỉ
số đánh giá giúp các tổ chức đạt được các mục tiêu tổ chức thông qua việc xác định
và việc đo lường sự tiến bộ. Các chỉ số chính được thống nhất bởi một tổ chức và là
các chỉ số có thể đo lường được sẽ phản ánh các yếu tố thành công. Chỉ số đánh giá
được chọn phải thể hiện mục tiêu của tổ chức, chúng phải là chìa khóa cho sự
thành công và chúng phải đo lường được. Những chỉ số hoạt động quan trọng
thường được xem xét lâu dài cho một tổ chức” [25].
Thuật ngữ chỉ số đánh giá đến một giới hạn nào đó, không rõ ràng vì thuật
ngữ này được sử dụng rộng rãi và khác biệt về nghĩa giữa các cá nhân. [7] Burby &
tchison đơn giản hóa các định nghĩa như sau “… Một chỉ số đánh giá là một đo
lường hiệu suất dựa trên các mục tiêu quan trọng nhất trên trang web”.
Liên quan đến phân tích web, Clifton định nghĩa chỉ số đánh giá là “… một
đo lường web đó là điều cần thiết cho sự thành công của tổ chức trực tuyến.” [10].
Các điểm nhấn mạnh cần thiết của chỉ số đánh giá là để làm rõ rằng m i đo
lường sử dụng không nhất thiết phải được phân loại như một chỉ số đánh giá.

iều

này sẽ được minh h a bởi các ví dụ sau:
Thương mại điện tử có hai bộ phận: Vận hành và thiết kế Web. Các doanh nghiệp
đã ch n 6 chỉ số đánh giá [10]:
- Doanh thu
- Số đơn hàng
- Trung bình giá trị gia tăng đơn hàng
- Tỷ lệ thoát

22

- Từ khóa
- Các mẫu điều hướng
Nhìn chung, chúng có thể được g i là chỉ số đánh giá và được liên kết tới các
mục tiêu kinh doanh cụ thể. Người đứng đầu của hai bộ phận báo cáo trên tất cả 6
chỉ số đánh giá trên cơ sở hàng tuần. Cả hai xem xét tất cả các đo lường. Toàn bộ
các đo lường được cho là hấp dẫn, tuy nhiên người quản lý tập trung vào dữ liệu mà
h có thể thực hiện trên đó. Ví dụ này minh h a rằng chỉ số đánh giá nói chung. Chỉ
số đánh giá có khả năng được gán cho cả ba mức quản lý (chiến lược, quản lý và
các thực thi. Clifton viết như sau [10]:
“Nếu một sự thay đổi 10%, tăng hay giảm, trong một chỉ số đánh giá không làm bạn
ngồi lên và gọi cho ai đó để tìm hiểu những gì đã xảy ra, sau đó nó không được xác
định rõ ràng. Các một chỉ số đánh giá tốt tạo ra những kỳ vọng và hành động cố
gắng, và vì điều này chúng là một nhóm nhỏ các thông tin từ các báo cáo của bạn”
1.2.2. P â b t c ỉ số đá

g á và các mục t u k

doa

Theo định nghĩa trước đó, chỉ số đánh giá là sự đo lường trên các mục tiêu
kinh doanh cụ thể. Quá trình tạo ra các mục tiêu kinh doanh nằm ngoài phạm vi của
nghiên cứu này.

iều này ngụ ý rằng các mục tiêu kinh doanh đã được thiết lập

trước khi bắt đầu cuộc nghiên cứu của việc sử dụng phân tích Web trong kinh
doanh. Vì vậy việc tạo ra chỉ số đánh giá không nên bị hiểu sai thành là việc tạo ra
các mục tiêu kinh doanh. Chúng ta phải phân biệt chỉ số đánh giá và mục tiêu kinh
doanh. Ví dụ, để xác định một người béo hay gầy ta có thể suy đoán kết quả mà
không cần các công cụ đo lường. Nhưng khi áp dụng công cụ đo lường ta có thể

d ng hai phương pháp. Một phương pháp là đo xung quanh thắt lưng, và chiều dài
sẽ là chỉ số đánh giá. Phương pháp thứ hai là đo cân nặng thì kilogam là chỉ số đánh
giá. Mục tiêu là giảm 5kg hoặc 7cm quanh thắt lưng có thể được thiết lập, trong đó
sử dụng chỉ số đánh giá nhưng không phải là những mục tiêu thực tế. Mục tiêu thực
tế chứ không phải chỉ số đánh giá, có thể là ví dụ cải thiện sức kh e, ảnh hưởng tích
cực đối với sự tự tin hay nâng cao ngoại hình.

23


1.2.3. Xây dự g c ỉ số đá

gá

Clifton trình bày 6 bước để chuẩn bị xây dựng chỉ số đánh giá, mà sẽ được
sử dụng như một khung để xử lý quá trình tạo ra chỉ số đánh giá như sau [10]:
- Thiết lập các mục tiêu và kết quả cần đạt được .
- Chuyển mục tiêu và kết quả cần đạt được thành chỉ số đánh giá.
- ảm bảo chỉ số đánh giá có thể hoạt động và có khả năng chịu trách nhiệm.
- Tạo các báo cáo chỉ số đánh giá phân cấp.
- Xác định các chỉ số đánh giá từng phần.
- Củng cố lại các chỉ số đánh giá
Xem xét gợi ý của các tác giả về việc xây dựng chỉ số đánh giá, cho thấy có
một sự thống nhất chung về hầu hết các vấn đề. Lý do cho việc lựa ch n Clifton, là
vi ý tưởng ông đã được trình bày tại nhiều các hội thảo chuyên ngành lớn. Cuốn
sách “ dvanced Web Metrics with Google

nalytics” của ông [10] c ng được

quan tâm đặc biệt với các phân tích web, c ng như các công cụ được sử dụng trong

thực tế. Các bước trong quy trình của ông sẽ được bổ sung thêm với các tác giả
khác.
1.2.3.1. T ết

p mục t u và kết quả cầ đạt được

Clifton chia quá trình xác định mục tiêu thành 4 bước [10]:
- Vạch ra các bên liên quan.
- ộng não về chúng.
- Thiết lập mục tiêu.
- Chắt l c và tinh chỉnh mục tiêu .
Hai bước đầu có thể được tóm tắt thành việc xác định và liên kết những bên
quan tr ng trong quá trình tạo ra các chỉ số đánh giá. Các định nghĩa được cung cấp

24


bởi webopedia.com bao gồm “ …các chỉ số chính được thống nhất bởi một tổ chức
và là chỉ số có thể đo được sẽ phản ánh các yếu tố thành công” [25].
Các tổ chức phải xác định các mục tiêu của trang web và kết quả có thể đo
lường được [10]. Nó được cho là quan tr ng vì các bên liên quan có hiểu biết hạn
chế về phân tích web. Mục tiêu là có thể tạo ra nhiều doanh thu và tăng lưu lượng
truy cập, c ng như có một cái nhìn sâu sắc toàn cảnh hơn. Một ví dụ, chúng ta có
thể xác định được các sản phẩm không phổ biến nhất và loại b chúng kh i các
trang web, đó là mục tiêu, bằng cách phân tích lưu lượng truy cập vào các nội dung
đó là kết quả. Clifton lập luận nó không phải là khả thi để đưa một danh sách dài
các mục tiêu và kết quả cần đạt được tới các nhà quản lý, ông cho rằng mục tiêu và
kết quả cần đạt được có lẽ sẽ cần nhiều hơn một chỉ số đánh giá để đo lường nó.
Ông đề xuất chắt l c nó xuống 5 mục tiêu và kết quả cần đạt được quan tr ng nhất,
cho m i nhà quản lý, và n lực để nhóm chúng lại [10]. Một phần của quá trình này

phải đảm bảo rằng chỉ số đánh giá ph hợp với các mục tiêu kinh doanh.
1.2.3.2. ưa mục t u, kết quả cầ đạt được vào tro g các c ỉ số đá

gá

Bây giờ ta cần xác định các hệ đo web, có thể hoạt động như một chỉ số đánh
giá, cho một mục tiêu nhất định. Clifton cung cấp một danh sách các gợi ý để dịch
chuyển mục tiêu thành chỉ số đánh giá [10]:
Mục tiêu, kết quả cần đạt được

Đề xuất chỉ số đánh giá

ể xem lưu lượng truy cập nhiều Tỷ lệ khách truy cập từ công cụ tìm kiếm
hơn từ các công cụ tìm kiếm

Tỷ lệ chuyển đổi từ khách truy cập công cụ tìm
kiếm

ể xem nhiều sản phẩm hơn

Tỷ lệ phần trăm của các lượt truy cập thêm vào
gi hàng
Tỷ lệ phần trăm các lượt truy cập hoàn thành
thêm vào gi hàng

25