Cần có những nhìn nhận đa chiều về dữ liệu vì không phải tất cả trong số chúng đều mang lại hiểu biết có giá trị về khách hàng cũng như thành quả kinh doanh.

Thoryn Stephens, giám đốc kỹ thuật số của thương hiệu thời trang American Apparel, đã chia sẻ kinh nghiệm về một lần hợp tác với Kim Kardashian khi thuê ngôi sao này đăng bài trên Twitter với nội dung liên quan đến sản phẩm của thương hiệu. Với 15 triệu lượt theo dõi trên Twitter, Kardashian được kỳ vọng sẽ mang lại lượng khách hàng tiềm năng khổng lồ.

Tuy nhiên, Stephens đã phải nổi điên lên với kết quả thu được – 15 triệu lượt theo dõi này chỉ mang lại 1.200 lượt truy cập đến trang quảng bá sản phẩm, và trong số này chỉ có 30 đơn hàng với giá trị mỗi đơn hàng trung bình là 30$.

Sau thất bại này, Stephens đã rút ra bài học “Hãy chỉ tập trung vào các số liệu có giá trị (value metrics)!”

Và khi trao đổi chi tiết hơn với chuyên trang ClickZLive San Francisco, Stephens đã chia sẻ cách American Apparel thử nghiệm để lọc ra các thông tin có ý nghĩa nhất, qua đó dần trưởng thành hơn trong cách sử dụng dữ liệu để gia tăng hiểu biết về khách hàng của mình. Bắt đầu từ mức độ thấp nhất, giá trị của dữ liệu sẽ nâng dần lên theo khả năng:

• Mang lại các hiểu biết về người dùng
• Thực hiện phân tích tác động kinh doanh (Business Impact Analysis – BIA)
• Dự báo hành vi/sở thích và những tác động đến thành quả của một khách hàng dựa trên lịch sử hoạt động của người này cũng như của những khách hàng khác trong cùng phân khúc

Stephens cho rằng nên thực hiện một qui trình khép kín trong việc sử dụng dữ liệu, từ việc đưa ra giả thuyết, kiểm định giả thuyết và điều chỉnh lại những hiểu biết về khách hàng sau quá trình kiểm định này.

Nhận biết ‘giá trị’ của dữ liệu

Khách hàng ở mỗi giai đoạn gắn kết đều có những giá trị nhất định, chỉ khác là thương hiệu có nhận biết được những giá trị này hay không mà thôi. Một người dùng không được nhận biết có thể vẫn chi tiêu hoặc gắn kết với thương hiệu nhưng những dữ liệu về họ không được thu thập. Do đó sẽ thật lãng phí nếu doanh nghiệp bỏ lỡ những khách hàng tiềm năng này chỉ bởi vì không tập trung vào việc xác định giá trị người dùng và bắt đầu theo dõi họ ngay từ đầu tiến trình mua hàng.

Ở giai đoạn đầu khi người dùng “di chuyển” giữa những kênh quảng bá mà doanh nghiệp sở hữu (như Website, ứng dụng hay trong cửa hàng thực,…), họ đã có thể để lại tín hiệu về khả năng mang lại giá trị cho doanh nghiệp và nên được nhận dạng để bắt đầu xây dựng một hồ sơ người dùng. Ở giai đoạn này, thông tin có thể đến từ vị trí người dùng được xác định qua địa chỉ IP/định vị GPS hay bất cứ hành vi Web nào được theo dấu.

Sau đó, thương hiệu có thể bắt đầu thiết kế những trải nghiệm mua sắm thông qua các quảng cáo và nội dung sáng tạo tương thích với khách hàng này trên từng kênh giao tiếp phù hợp.

Người dùng sẽ ngày càng được nhận biết rõ nét hơn thông qua các hành động chuyển đổi như đăng kí thành viên trên trang, đăng nhập vào mạng xã hội, đăng kí nhận bản tin, tải ứng dụng, hay mua một sản phẩm nào đó. Tại những điểm tiếp xúc này, ngoài dữ liệu chính chủ, doanh nghiệp còn có thể thu thập thêm thông tin từ nguồn bên ngoài (second-party, third-party) để tối ưu hóa hơn nữa các trải nghiệm, từ quảng cáo hiển thị, truyền thông mạng xã hội, email đến quảng cáo video.

Qua mỗi giai đoạn mà tập dữ liệu dần hoàn thiện, doanh nghiệp lại có thêm một biến số để bổ sung vào quá trình thử nghiệm và cải tiến các trải nghiệm. Công việc này liên tục lặp đi lặp lại nhưng ngày càng ở mức độ cao hơn. Đến sau cùng, doanh nghiệp sẽ nhận được giá trị lớn nhất từ những khách hàng được nhận dạng một cách toàn diện này.

Một khi bắt đầu hiểu về người dùng, Marketer có thể thực hiện các báo cáo tổng hợp và cô đọng để xác định những phân khúc khách hàng giá trị khác nhau.

Giá trị thực sự khách hàng mang lại

Để xác định giá trị một khách hàng thì thang đo CLV (Customer’s Lifetime Value) là không thể thiếu. Nhưng không phải lúc nào doanh nghiệp cũng có thể định nghĩa rõ ràng cũng như đo lường chính xác giá trị này thông qua các công cụ phân tích đang sử dụng.

Với kinh nghiệm từng là giám đốc điều hành của hãng truyền hình Fox, Stephens đã chia sẻ về việc sử dụng công cụ phân tích dữ liệu để hiểu sâu về giá trị thực sự các phân khúc khách hàng có thể mang lại cho các chiến dịch quảng cáo tiếp thị.

Theo đó, Fox sử dụng công cụ Adobe Analytics để phân tích dữ liệu và chia khán giả của Fox thành 4 nhóm đối tượng, lần lượt là: ‘Nghiện Fox’ (Foxaholics), ‘người xem không có chủ định’ (Casual watchers), ‘người xem quốc tế’ (International viewers) và ‘người xem thụ động’ (Passive users), dựa theo tổng thời lượng xem các kênh trên Fox giảm dần.

Và khi có Nhà quảng cáo muốn chạy chiến dịch Video Ad trên các kênh của Fox, nếu chỉ đơn thuần nhìn vào dữ liệu các phân khúc trên, lẽ dĩ nhiên nhóm ‘passive users’ có vẻ mang lại ít giá trị nhất vì khả năng họ không xem được quảng cáo là rất cao so với 3 nhóm còn lại. Nếu hiểu biết chỉ dừng lại ở đây Fox sẽ mất đi giá trị tiềm năng mà phân khúc này có thể mang lại.

Với một phân tích sâu hơn nữa vào phân khúc ‘Passive users’, Fox nhận thấy rằng những người này thường xuyên theo dõi lịch trình phát sóng của Fox để tìm kiếm đúng kênh họ muốn xem. Đây chính là hiểu biết có giá trị giúp Fox thuyết phục các đối tác quảng cáo của mình rằng tổng thời lượng xem các kênh không phải là tất cả dữ liệu Nhà quảng cáo có thể dựa vào. Với việc hiểu rõ những chương trình cụ thể nào người dùng thích xem, thì các chiến dịch Video Ad vẫn có thể thu hút được đúng đối tượng người xem bỏ thời gian cho các quảng cáo của mình.

Fox sau đó đã phân khúc lại nhóm đối tượng này và gởi đến họ một giao diện trang chủ với lịch phát sóng nổi bật hơn để hỗ trợ tìm kiếm kênh và phát huy tối đa giá trị họ có thể mang lại cho hãng. Việc tận dụng những hiểu biết và triển khai đúng hướng như trên đã mang lại cho Fox một khoảng lợi lớn khi không bỏ phí hàng tỷ $ từ một phân khúc tưởng như không có giá trị như ‘Passive users’.

Tóm lại

Hầu như mọi doanh nghiệp hiện nay đều hiểu rõ vai trò của dữ liệu người dùng. Thực tiễn thị trường cũng chứng kiến sự bùng nổ mạnh mẽ của các công nghệ thu thập (từ thiết bị theo dấu trên Website, trên ứng dụng cho đến thiết bị beacon tại cửa hàng,…) và ứng dụng dữ liệu vào trong các chiến dịch quảng cáo tiếp thị (từ các kênh trực tuyến cho đến thế giới thực).

Tuy nhiên không phải Marketer nào cũng đạt được những hiểu biết sâu sắc từ các dữ liệu này, bài toán giá trị thực sự của khách hàng luôn là vấn đề nan giải. Chính vì vậy song song với quá trình thu thập và cập nhật nguồn dữ liệu khách hàng hiện có, doanh nghiệp cũng phải chú trọng đến vấn đề phân tích chuyên sâu dữ liệu để lọc ra những giá trị thực sự và có cái nhìn toàn diện, chính xác nhất về khách hàng.

(Theo www.clickz.com)