Tăng trải nghiệm khách hàng với nền tảng số

Những kiến thức mình share ở trong post này là những gì mình đã học được từ bài nói của anh CEO MOG về việc khai phá dữ liệu hướng tới tăng trải nghiệm khách hàng.

Mình đã nghe đến những từ khoá như Big data, data driven, data science, data mining v.v trong vài năm gần đây nhưng giờ mới thực sự nghiêm túc để tìm hiểu. Diễn giả trình bày khá nhanh cộng thêm vốn hiểu biết về lĩnh vực này còn chưa sâu nên mong nhận thật nhiều đóng góp của mọi người.

1. Trải nghiệm khách hàng liên quan gì tới dữ liệu?

Ví dụ dưới đây là một hình vẽ chỉ ra hành trình khách hàng trong suốt quá trình từ khi biết đến sản phẩm/ dịch vụ đến khi sử dụng và quay lại.

Để vận hành được thì doanh nghiệp cần sử dụng rất nhiều hệ thống hỗ trợ như POS, CRM, Ads platform, v.v. Tại mỗi hệ thống sẽ lưu trữ các dữ liệu khác nhau như dữ liệu thông tin khách hàng, lịch sử mua hàng, hành vi của khách hàng,v.v. Nhìn chung, các hệ thống giao tiếp với nhau cũng khó do được phát triển bởi các nhà cung cấp khác nhau.

Dữ liệu của khách hàng được lưu lại rất nhiều trên mỗi bước khách hàng đi qua. Việc khai thác dữ liệu giúp các nhân hoá trải nghiệm người dùng và tạo điểm nhấn trên mỗi điểm trạm khách hàng đi qua.

63% khách hàng kỳ vọng các nhãn hàng sử dụng lịch sử mua hàng để cá nhân hoá trải nghiệm mua sắm. (Google Greenberg Survey, 2017)

Chỉ 10% gia tăng trong việc xử lý dữ liệu giúp tạo ra hơn 65 triệu đô lợi nhuận dòng cho hơn 1000 công ty Fortune (Forrester)

2. Dữ liệu được khai thác như thế nào?

Trước tiên, cùng nhìn vào mô hình dưới đây để hiểu chu trình của một Data journey

• Collect & Transform: Dữ liệu phân mảnh ở rất nhiều hệ thống của doanh nghiệp. Để có thể hiểu sâu nhất về một khách hàng thì mọi hành vi của khách hàng cần phải được lưu trữ và tập hợp tại một chỗ và trở thành “Data set”. Nếu mỗi dữ liệu khách hàng lưu tại mỗi hệ thống khác nhau “Database”- hệ cơ sở dữ liệu, chúng ta có thể lấy ra được các dữ liệu mong muốn từ hệ cơ sở dữ liệu đó. Tuy nhiên, việc truy vấn từ các hệ cơ sở dữ liệu riêng rẽ sẽ chỉ giúp doanh nghiệp phân tích được dữ liệu từ một hệ thống, phòng ban.
• Analyze: Tuỳ vào nhu cầu mà doanh nghiệp sẽ xây dựng các mô hình Machine learning. Các mô hình sẽ xử lý dữ liệu và đưa ra kết quả. Máy học càng lâu thì sẽ trả về kết quả càng chính xác. Lúc này, doanh nghiệp nắm được behaviour của từng khách hàng hoặc tập khách hàng.

Ví dụ:

Sau một thời gian, doanh nghiệp xác định được rằng các khách hàng mua chiếc tivi A sẽ thương mua cặp loa B.

• Visualize: Minh bạch hoá rất cả các dữ liệu thông qua dashboard cho các bên liên quan để cập nhật thông tin real time và có phương án điều chỉnh kịp thời.
• Activate: Sau khi đã phân tích, xử lý dữ liệu khách hàng thì doanh nghiệp có thể tiến hành những hoạt động gia tăng trải nghiệm khách hàng, những hoạt động mà nếu không có dữ liệu và phân tích thì doanh nghiệp không thể làm được.

Ví dụ

Một khách hàng đã đặt mua hàng online chiếc tivi và sau đó, khách hàng sẽ nhận được email quảng cáo về một cặp loa với một mức khuyến mãi hấp dẫn khi mua sản phẩm đó. Ngoài ra, ngay lần truy cập trở lại trang web đầu tiên thì mặt hàng được gợi ý là cặp loa phù hợp với chiếc ti vi khách đã mua.

Activate ở đây là hoạt động offer cho vị khách này một promotion để kích thích mua hàng và đoán ra được nhu cầu tiếp theo của khách đó sau đó đưa ra được sản phẩm gợi ý phù hợp. Rõ ràng thì trải nghiệm được cá nhân hoá, thay vì tiếp tục show ra chiếc tivi, doanh nghiệp sẽ đem lại cho khách hàng bất ngờ và đương nhiên thì tỷ lệ chuyển đổi từ đó cũng cao hơn.

3. Mô hình ví dụ

4. Case study: BASE.VN

Một vài nét sơ lược

• Sản phẩm: Phần mềm Saas giúp quản trị và điều hành doanh nghiệp
• Khách hàng mục tiêu: SMEs

Bài toán

• Làm sao xây dựng được full customer data journey xuyên suốt toàn customer lifetime
• Đo đạc được hiệu quả trên mọi kênh
• Tính toán được chi tiết Customer Acquisition Cost (CAC) và Lifetime Value (LTV)

Mô hình (Diễn giả tập trung đề cập đến mô hình giữa Marketing và Sales như một ví dụ)

• Tất cả dữ liệu khách hàng qua các kênh được tập hợp thành Customer data.
• Toàn bộ các hoạt động về marketing, phân phối lead cho sales được tự động hoá dựa trên dữ liệu được thu thập, machine learning từ những ngày đầu.

Cụ thể là:

Salesman nào bán sản phẩm nào tốt nhất thì lead sẽ được đưa về cho salesman đó để chăm sóc khách tốt hơn. Nếu khách hàng không tiến hành book cuộc gọi thì sẽ được đẩy về Marketing để có kế hoạch chăm sóc tiếp theo. Kết quả một bạn Sales gọi điện cho khách hàng hoặc cập nhật trạng thái đều được hệ thống lưu lại. Từ đó giúp dự báo khả năng mua hàng và có những action tiếp theo.

Sau khi Closed won, bộ phận customer sẽ on board và các dữ liệu từ lúc cài đặt đến khi khách hàng có những phản hồi đầu tiên đều được ghi lại làm dữ liệu dự đoán khả năng tái ký và tiếp tục có những chiến lược chăm sóc sau đó.

Kết quả

• 5 quý tăng trưởng x2 liên tiếp

Kết lại: Data và tư duy data-driven sẽ dạy cho bạn cách tăng trải nghiệm khách hàng.