phương pháp phân tích dữ liệu trực tuyến có thể sử dụng dành cho FE Credit

Môn học: Marketing điện tử

1
2
3
4
5

HỌ VÀ TÊN
Lê Gia Thảo Nguyên
Võ Văn Ri
Nguyễn Hồng Lan Trinh
Huỳnh Bích Tuyền
Trần Thị Hồng Vân

MÃ SỐ SINH VIÊN
K174101194
K174101204
K174101213
K174101214
K174101217

BÀI TẬP THẢO LUẬN 3
Những phương pháp phân tích dữ liệu trực tuyến có thể sử dụng dành cho FE
Credit là:
Ở đây nhóm cảm thấy có 3 phương pháp phù hợp dành cho FE Credit.
Khái phá dữ liệu: Theo Investopedia, Data mining (khai phá dữ liệu) là một q trình
được các cơng ty sử dụng để biến dữ liệu thơ thành những thơng tin hữu ích. Bằng cách
sử dụng các phần mềm chuyên dụng để tìm kiếm các quy luật, các mẫu, thơng tin có giá
trị, mối tương quan tiềm ẩn trong khối lượng lớn dữ liệu, công ty có thể tìm hiểu thêm về
khách hàng của mình để phát triển các chiến lược hiệu quả hơn, tăng doanh số và giảm

chi phí. Ngày nay, khi Big Data nổi dậy, và tác động đến mọi ngành, lịnh vực thì các
cơng cụ, phương pháp data mining ngày càng được ứng dụng rộng rãi và nhu cầu cải tiến
ngày càng cao để có thể bắt kịp khả năng tính tốn, tốc độ phân tích, khối lượng dữ liệu,
sự đa dạng của Big Data. Do đó, data mining tuy cũ nhưng vẫn rất mới và lạ lẫm đối với
các công ty đang bắt đầu tiếp cận Big Data. Công ty tài chính FE Credit đang ứng dụng
khai phá dữ liệu để phân tích mọi vấn đề từ tối ưu giá cả, chương trình khuyến mãi, nhân
khẩu học đến phân khúc khách hàng, rủi ro, cạnh tranh, marketing đến truyền thông xã
hội - ảnh hưởng đến mơ hình kinh doanh, mối quan hệ với khách hàng, doanh thu, và
hoạt động của toàn bộ tổ chức.
Tạo hồ sơ khách hàng: Việc tạo lập hồ sơ khách hàng là một cách để thu thập dữ liệu về
khách hàng hiện tại của bạn hoặc khách hàng tiềm năng mới. Mục đích chính của tính
năng lập hồ sơ nâng cấp là thêm thông tin vào hồ sơ khách hàng theo thời gian – mà


không làm họ áp đảo và biến chúng đi. Việc lập hồ sơ được sử dụng để đánh giá các yêu
cầu của khách hàng. Một hồ sơ khách hàng tốt sẽ giúp bạn hồn thành cơng tác bán hàng
một cách thuận lợi. Hồ sơ khách hàng thậm chí có thể giúp bạn đánh bại đối thủ cạnh
tranh của mình. Để triển khai được các sản phẩm mới và để xây dựng các chiến lược
Marketing kích thích việc mua hàng, các doanh nghiệp phải nghiên cứu hành vi khách
hàng thông qua tạo lập hồ sơ khách hàng qua đó hiểu rõ được nhu cầu và thị hiếu của
khách hàng mục tiêu Trong suốt quá trình hoạt động trước bán hàng, hồ sơ khách hàng
được sử dụng để đánh giá và xử lý các cơ hội tiềm năng một cách nhanh chóng. Phương
pháp này thường được sử dụng đối với các công ty bán hàng, trao đổi dịch vụ, tư vấn qua
điện thoại như Công ty FE Credit nhắm mục tiêu vào những khách hàng thân thiết,
khách hàng có tiềm năng của mình,...
Những thơng tin về khách hàng bao gồm:
- Những gì họ đang nói đến - CRM xã hội: Người tiêu dùng của bạn đang nói gì về sản
phẩm của bạn trên các phương tiện truyền thơng? Tình cảm người tiêu dùng dành cho sản
phẩm của bạn là tích cực hay tiêu cực?
- Những gì họ đang mua - Purchase history: Sản phẩm cuối cùng mà người tiêu dùng mua

từ bạn là gì? Họ có thường xun mua hàng của bạn hay khơng? Sản phẩm họ thích nhất
là gì? Ai là những khách hàng mua nhiều và mua ít?
- Những gì họ đang làm - Brand interaction history: Họ sử dụng các ứng dụng điện thoại
của bạn như thế nào? Mức độ sử dụng có thường xn khơng? Họ có hay truy cập vào
trang web của bạn không? Thời gian mà họ quan tâm đến thương hiệu bạn nhiều hay ít?.
- Những gì họ đang thích - Social interest graph: Họ có chia sẻ những lợi ích của sản
phẩm trên các phương tiện truyền thông xã hội hay bạn bè không?
Phân tích RFM (Recency, Frequency, Monetary value): Phân tích RFM là một
phương pháp tuyệt vời để xác định các nhóm khách hàng để có những đãi ngộ đặc
biệt. Tìm hiểu làm thế nào để sử dụng phương pháp này để cải thiện tiếp thị khách hàng
của bạn. Phân tích RFM cho phép các nhà tiếp thị nhắm mục tiêu vào các nhóm khách


hàng cụ thể với các thông tin liên lạc phù hợp hơn với hành vi cụ thể của họ - và do đó
tạo ra tỷ lệ phản hồi cao hơn nhiều, cộng với sự trung thành và giá trị trọn đời của khách
hàng. Giống như các phương pháp khác, phân tích RFM là một cách mạnh mẽ để xác
định các nhóm khách hàng để được đãi ngộ đặc biệt. RFM là viết tắt của lần truy cập gần
đây, tần suất và tiền tệ - nói thêm về từng loại trong số này.
FE Credit cần dữ liệu rộng rãi về khách hàng hiện tại của họ - chẳng hạn như lịch sử
mua hàng, lịch sử duyệt web, mẫu phản hồi và nhân khẩu học trước đây - có thể được sử
dụng để xác định các nhóm khách hàng cụ thể có thể được giải quyết với các ưu đãi phù
hợp với từng nhóm.
Mặc dù có vơ số cách để thực hiện những phân tích RFM phổ biến vì ba lý do:
+ Nó sử dụng các thang đo khách quan, số mang lại sự mô tả cao cấp ngắn gọn và
nhiều thông tin về khách hàng.
+ Thật đơn giản - các nhà tiếp thị có thể sử dụng nó một cách hiệu quả mà không
cần các nhà khoa học dữ liệu hoặc phần mềm tinh vi.
+ Nó trực quan - đầu ra của phương pháp phân tích này là dễ hiểu và giải thích.
Lần truy cập gần đây, tần suất và tiền tệ là gì?

Hiểu rõ kỹ thuật phân tích RFM là ý

tưởng rằng các nhà tiếp thị có thể có được sự hiểu biết sâu rộng về khách hàng của họ
bằng cách phân tích ba yếu tố định lượng. Đó là:
+ Lần truy cập gần đây: Đã bao nhiêu thời gian kể từ khi hoạt động hoặc giao dịch
cuối cùng của khách hàng với thương hiệu? Hoạt động thường là mua hàng, mặc dù các
biến thể đôi khi được sử dụng, ví dụ: lần truy cập cuối cùng vào trang web hoặc sử dụng
ứng dụng di động. Trong hầu hết các trường hợp, gần đây khách hàng đã tương tác hoặc
giao dịch với một thương hiệu, khách hàng càng có nhiều khả năng đáp ứng các thông tin
liên lạc từ thương hiệu.
+ Tần suất : Tần suất khách hàng giao dịch hoặc tương tác với thương hiệu trong
một khoảng thời gian cụ thể như thế nào? Rõ ràng, khách hàng với các hoạt động thường


xuyên tham gia nhiều hơn và có thể trung thành hơn so với những khách hàng hiếm khi
làm như vậy. Và khách hàng một lần duy nhất ở trong một lớp học của riêng họ.
+ Tiền tệ : Còn được gọi là giá trị tiền tệ của Drake, yếu tố này phản ánh số tiền
mà khách hàng đã chi cho thương hiệu trong một khoảng thời gian cụ thể. Những người
chi tiêu lớn thường nên được đối xử khác biệt so với những khách hàng chi tiêu ít. Nhìn
vào tiền tệ chia theo tần suất cho thấy số tiền mua trung bình - một yếu tố phụ quan trọng
cần xem xét khi phân khúc khách hàng.
Sau đây là cách thực hiện từng bước phân tích RFM.
(Lưu ý rằng với sự trợ giúp của phần mềm, phân đoạn RFM - cũng như các loại phân
đoạn tinh vi hơn khác - có thể được thực hiện tự động, với kết quả chính xác hơn.)
Bước 1
Bước đầu tiên trong việc xây dựng mô hình RFM là gán các giá trị Lần truy cập,
Tần suất và Tiền tệ cho mỗi khách hàng. Dữ liệu thơ để thực hiện việc này, có sẵn trong
cơ sở dữ liệu CRM hoặc giao dịch của cơng ty, có thể được biên dịch trong bảng tính
hoặc cơ sở dữ liệu Excel:
+ Thời gian truy cập đơn giản là lượng thời gian kể từ giao dịch gần đây nhất của

khách hàng (hầu hết các doanh nghiệp sử dụng ngày, mặc dù đối với những người khác,
việc sử dụng hàng tháng, tuần hoặc thậm chí hàng giờ có thể có ý nghĩa).
+ Tần suất là tổng số giao dịch được thực hiện bởi khách hàng (trong một khoảng
thời gian xác định).
+ Tiền tệ là tổng số tiền mà khách hàng đã chi cho tất cả các giao dịch (trong một
khoảng thời gian xác định).
Bước 2
Bước thứ hai là chia danh sách khách hàng thành các nhóm theo từng cấp cho ba
chiều (R, F và M), sử dụng Excel hoặc công cụ khác. Trừ khi sử dụng phần mềm chuyên


dụng, bạn nên chia khách hàng thành bốn tầng cho mỗi thứ nguyên, sao cho mỗi khách
hàng sẽ được chỉ định cho một cấp trong mỗi thứ nguyên:
Lần truy cập gần đây

Tần số

Tiền tệ

R-Tier-1 (gần đây nhất)

F-Tier-1 (thường xuyên nhất)

M-Tier-1 (chi tiêu cao nhất)

R-Cấp-2

F-Bậc 2

M-Bậc 2

R-Bậc 3

F-Bậc 3

M-Cấp 3

R-Tier-4 (ít nhất gần đây)

F-Tier-4 (chỉ một giao dịch)

M-Tier-4 (chi tiêu thấp nhất)

Điều này dẫn đến 64 phân khúc khách hàng riêng biệt (4x4x4), trong đó khách
hàng sẽ được phân khúc. Ba tầng cũng có thể được sử dụng (kết quả là 27 đoạn); tuy
nhiên, không nên sử dụng nhiều hơn bốn (vì khó sử dụng vượt trội hơn lợi ích nhỏ từ
mức độ chi tiết thêm).
Như đã đề cập ở trên, các cách tiếp cận thủ cơng hơn và ít thủ cơng hơn như phân tích cụm k-nghĩa - có thể được thực hiện bằng phần mềm, dẫn đến các nhóm
khách hàng có các đặc điểm đồng nhất hơn.
Bước 3
Bước thứ ba là chọn các nhóm khách hàng sẽ gửi các loại thông tin liên lạc cụ thể,
dựa trên các phân đoạn RFM mà họ xuất hiện.
Nó rất hữu ích để gán tên cho các phân đoạn quan tâm. Đây chỉ là một vài ví dụ để
minh họa:
+ Khách hàng tốt nhất - Nhóm này bao gồm những khách hàng được tìm thấy
trong R-Tier-1, F-Tier-1 và M-Tier-1, nghĩa là họ giao dịch gần đây, thường xuyên làm
như vậy và chi tiêu nhiều hơn các khách hàng khác. Một ký hiệu rút gọn cho phân đoạn
này là 1-1-1; chúng ta sẽ sử dụng ký hiệu này trong tương lai.

+ Khách hàng mới chi tiêu cao - Nhóm này bao gồm những khách hàng đó trong
1-4-1 và 1-4-2. Đây là những khách hàng chỉ giao dịch một lần, nhưng rất gần đây và họ
đã chi tiêu rất nhiều.
+ Khách hàng trung thành tích cực chi tiêu thấp nhất - Nhóm này bao gồm những
khách hàng đó trong các phân đoạn 1-1-3 và 1-1-4 (họ giao dịch gần đây và thường
xuyên làm như vậy, nhưng chi tiêu ít nhất).
+ Churned Khách hàng tốt nhất - Phân khúc này bao gồm những khách hàng đó
trong các nhóm 4-1-1, 4-1-2, 4-2-1 và 4-2-2 (họ giao dịch thường xuyên và chi tiêu rất
nhiều, nhưng đó là một thời gian dài kể từ khi họ giao dịch).
Các nhà tiếp thị nên tập hợp các nhóm khách hàng phù hợp nhất cho các mục tiêu
kinh doanh và mục tiêu duy trì cụ thể của họ.
Bước 4
Bước thứ tư thực sự vượt ra ngồi chính phân khúc RFM: tạo ra thông điệp cụ thể
được thiết kế riêng cho từng nhóm khách hàng. Bằng cách tập trung vào các mơ hình
hành vi của các nhóm cụ thể, RFM cho phép các nhà tiếp thị giao tiếp với khách hàng
theo cách hiệu quả hơn nhiều.
Một lần nữa, đây chỉ là một số ví dụ để minh họa, sử dụng các nhóm chúng tơi đặt
tên ở trên:
+ Khách hàng tốt nhất - Giao tiếp với nhóm này sẽ khiến họ cảm thấy có giá trị và
được đánh giá cao. Những khách hàng này có thể tạo ra tỷ lệ phần trăm cao của doanh
thu tổng thể một cách không cân xứng và do đó tập trung vào việc giữ cho họ hạnh phúc
nên là ưu tiên hàng đầu. Phân tích sâu hơn về sở thích và mối quan hệ cá nhân của họ sẽ
cung cấp thêm cơ hội cho việc nhắn tin cá nhân hơn nữa.
+ Khách hàng mới chi tiêu cao - Luôn luôn là một ý tưởng tốt để nuôi dưỡng tất cả
các khách hàng mới, nhưng vì những khách hàng mới này đã chi tiêu rất nhiều cho lần
mua hàng đầu tiên của họ, điều đó thậm chí cịn quan trọng hơn. Giống như với nhóm


Khách hàng tốt nhất, điều quan trọng là làm cho họ cảm thấy có giá trị và được đánh giá
cao - và cung cấp cho họ những ưu đãi tuyệt vời để tiếp tục tương tác với thương hiệu.

+ Khách hàng trung thành chi tiêu thấp nhất - Những khách hàng lặp lại này là
những người hoạt động và trung thành, nhưng họ là những người chi tiêu thấp. Các nhà
tiếp thị nên tạo các chiến dịch cho nhóm này khiến họ cảm thấy có giá trị và khuyến
khích họ tăng mức chi tiêu của họ. Là khách hàng trung thành, họ cũng thường trả tiền để
thưởng cho họ những ưu đãi đặc biệt nếu họ truyền bá về thương hiệu cho bạn bè của họ,
ví dụ, qua mạng xã hội.
+ Churned Khách hàng tốt nhất - Đây là những khách hàng có giá trị đã ngừng
giao dịch từ lâu. Mặc dù thường gặp khó khăn trong việc thu hút lại các khách hàng bị
đảo lộn, nhưng giá trị cao của những khách hàng này khiến nó đáng để thử. Giống như
với nhóm Khách hàng tốt nhất, điều quan trọng là liên lạc với họ trên cơ sở sở thích cụ
thể của họ, như được biết từ dữ liệu giao dịch trước đó.
Tất nhiên, quyết định nhóm khách hàng nào cần nhắm mục tiêu và làm thế nào để
giao tiếp tốt nhất với họ là nơi nghệ thuật tiếp thị xuất hiện!
Tuy nhiên, nên cẩn thận với phương pháp RFM và mơ hình RFM
RFM là một phương pháp đơn giản và mạnh mẽ để phân khúc khách hàng. Tuy
nhiên, thực tế là mơ hình RFM chỉ xem xét ba yếu tố cụ thể (mặc dù các yếu tố quan
trọng) có nghĩa là phương pháp có thể loại trừ các biến khác tương đương hoặc quan
trọng hơn (ví dụ: sản phẩm được mua, phản hồi chiến dịch trước, chi tiết nhân khẩu học).
Ngoài ra, RFM về bản chất là một phương pháp lịch sử : nó xem xét hành vi của
khách hàng trong q khứ có thể hoặc khơng thể chỉ ra chính xác các hoạt động, sở thích
và phản hồi trong tương lai . Các kỹ thuật phân khúc khách hàng tiên tiến hơn dựa trên
các cơng nghệ phân tích dự đốn có xu hướng chính xác hơn nhiều trong việc dự
đoán hành vi của khách hàng trong tương lai