Skip to main content

Thẻ: Data

Data-driven Marketing và câu chuyện chuyển đổi đến từ Heineken Data-driven Marketing và câu chuyện chuyển đổi đến từ Heineken Data-driven Marketing và câu chuyện chuyển đổi đến từ Heineken Data-driven Marketing và câu chuyện chuyển đổi đến từ Heineken Data-driven Marketing và câu chuyện chuyển đổi đến từ Heineken Data-driven Marketing và câu chuyện chuyển đổi đến từ Heineken

Data-driven Marketing và câu chuyện chuyển đổi đến từ Heineken

Written by testmtrips on . Posted in Brand, Brand Story, Marketing.

Với sự xem trọng và ưu tiên đầu tư thích đáng các công nghệ mới, hệ thống vận hành của Heineken không chỉ giúp họ thống trị thị trường bia Việt Nam, mà còn giúp nhân sự dù chỉ đến công ty 2 lần/tuần vẫn hoàn thành tốt nhiệm vụ của mình. Cụ thể hơn, từ 2022 – 2025, việc khai thác hiệu quả dữ liệu đang có đã tạo ra 40 triệu euro cho Tập đoàn.

Data-driven Marketing và câu chuyện chuyển đổi đến từ Heineken
Data-driven Marketing và câu chuyện chuyển đổi đến từ Heineken

Với những gì anh Nguyễn Gia Anh Vũ – Giám đốc Công nghệ và Kỹ thuật số Heineken Việt Nam chia sẻ trong Diễn đàn Doanh nghiệp Việt trong cơn sốt AI tại Ngày hội Trí tuệ nhân tạo Việt Nam 2023, thì Heineken đã đi một chặn đường xa trên hành trình ứng dụng các công nghệ mới như AI, Machine Learning hay Big Data vào hoạt động sản xuất, marketing và kinh doanh nói chung.

Việc anh Nguyễn Gia Anh Vũ được Heineken Việt Nam mời về làm Giám đốc Công nghệ và Kỹ thuật số vào tháng 7/2021 từng khiến không ít người ngạc nhiên. Thời đại học và sau đại học, anh được đào tạo về thương mại, marketing và bán hàng.

Khi ra trường và gia nhập P&G (13 năm) hay FrieslandCampina (10 năm) anh cũng chỉ làm ở những vị trí liên quan đến thương mại, bán hàng, marketing, phát triển đối tác – khách hàng….

Các hệ thống quản trị bằng công nghệ tiêu biểu của Heineken Việt Nam.

Tập đoàn Heineken đến từ Hà Lan có 150 năm lịch sử, chuyên sản xuất và phân phối trên 300 nhãn hiệu bia – nước táo lên men tại hơn 190 quốc gia.

Heineken cũng đã kinh doanh tại Việt Nam được hơn 30 năm. Hiện họ đang vận hành 6 nhà máy bia tại Hà Nội, Đà Nẵng, Quảng Nam, TP.HCM, Vũng Tàu và Tiền Giang cùng 9 văn phòng thương mại trên khắp Việt Nam.

Từ sự khởi đầu khiêm tốn chỉ với 20 nhân viên, Heineken Việt Nam ngày nay đã trở thành doanh nghiệp có tới 3.000 nhân viên. Chưa hết, Heineken Việt Nam cũng đang làm việc với 300 nhà phân phối và trên 80.000 điểm bán. Bên cạnh đó, công ty đang tạo ra 152.000 việc làm trong toàn bộ chuỗi giá trị, đóng góp tương đương 1,04% tổng GDP quốc gia.

Tại Việt Nam, Heineken sản xuất và phân phối các nhãn hiệu bia: Heineken, Tiger, Amstel, Larue, Bivina, Sol, Desperados, Affligem và nước táo lên men Strongbow.

Có thể nói, với lượng nhân sự, số lượng nhà máy sản xuất và quy mô kinh doanh lớn như thế, đầu tư hệ thống quản trị – công nghệ là tất yếu phải làm.

Cái đáng nói ở đây chính là: sự đầu tư của họ đã tạo những kết quả tốt vượt mong đợi, giúp họ sản xuất và kinh doanh ngày càng phát triển và giữ được vị trí số 1 trên thị trường nước giải khát Việt Nam.

“Tập đoàn Heineken luôn có tầm nhìn lâu dài về chuyển đổi số, cũng như cam kết của các lãnh đạo về chuyện đầu tư thích đáng cho chuyển đổi số. Có thể nói, chúng tôi đang là doanh nghiệp dẫn đầu về chuyển đổi số trong mảng FMCG (sản xuất – kinh doanh).

Nhờ vậy, chúng tôi mới có thể tiếp tục dẫn đầu thị phần bia – nước giải khát tại Việt Nam”, anh Nguyễn Gia Anh Vũ tự tin khẳng định.

Hiện tại, Heineken Việt Nam có Digital Supply Chain (Chuỗi cung ứng kỹ thuật số) kết nối bộ phận sản xuất với các bộ phận khác, bắt đầu từ hoạch định kế hoạch kinh doanh – sản xuất nấu bia – phân phối – hậu cần – kho bãi; giúp quản lý từ đầu vào nguyên liệu cho đến đầu ra tới tay người tiêu dùng.

Chưa hết, bộ phận hoạch định kế hoạch kinh doanh của họ có thể phần nào dự đoán được số lượng đơn hàng nhờ vào dữ liệu cập nhật liên tục từ tất cả phòng ban trong doanh nghiệp. Còn bộ phận sản xuất của doanh nghiệp dễ dàng giám sát hoạt động và an toàn ở nhà máy nhờ lượng camera lớn đã được lắp đặt.

Để phục vụ cho mảng thương mại, Heineken Việt Nam xây dựng hệ thống Digital Route To Consumer (Hành trình tiêu dùng của khách hàng) hỗ trợ mảng phân phối – bán hàng – marketing. Mục tiêu của hệ thống này là khiến nhân viên Heineken Việt Nam lẫn khách hàng có trải nghiệm đa kênh mượt mà không gián đoạn thông qua một ‘cổng’ duy.

Nó giúp quản lý đơn hàng B2B lẫn B2C/B2B2C, từ kênh online đến offline và cả qua điện thoại hay trực tiếp gặp nhân viên; giúp cá nhân hóa trải nghiệm của người tiêu dùng – tăng mức độ tương tác giữa người tiêu dùng và thương hiệu.

Nó cũng kết nối các đối tác nhà phân phối nhằm góp phần tối ưu chi phí logistics của các sản phẩm của Heineken Việt Nam.

Cách Heineken biến dữ liệu thành tiền.

“Ở khía cạnh khác, người ta hay bảo data drive company – dữ liệu dẫn dắt doanh nghiệp, nhưng liệu bao nhiêu doanh nghiệp/lãnh đạo có thể biến dữ liệu thành tiền?

Để không trở thành một doanh nghiệp chỉ biết hô hào miệng, chúng tôi đã đầu tư mạnh mẽ vào công nghệ, để từ dữ liệu có thể tạo ra nhiều giá trị cho việc vận hành – quản lý nhà máy/kinh doanh/tài chính. Việc quan trọng đầu tiên chúng ta phải làm là tổ chức đội ngũ dữ liệu”, Giám đốc Công nghệ và Kỹ thuật số Heineken Việt Nam cho hay.

Chiến lược data drive company của Heineken dựa trên 3 trụ cột chính: thứ nhất, chuẩn hóa được dữ liệu để có thể truy xuất được; thứ hai, chắt lọc những dữ liệu có giá trị (data product) hỗ trợ các phòng ban kịp thời đưa ra các quyết định hàng tuần/hàng tháng/hàng năm; cuối cùng, ứng dụng AI và Machine Learning (data analytics) để giải các bài toán phức tạp trong kinh doanh. Trụ cột thứ ba sẽ là nơi mà data tạo ra giá trị cao nhất.

Ví dụ cụ thể về cách tiếp cận Data-driven Marketing: thông qua những dữ liệu về khách hàng cộng với AI và Machine Learning, Heineken Việt Nam sẽ đưa những thông điệp marketing đến với người tiêu dùng đúng thời điểm cùng tần suất phù hợp; hoặc đề nghị những sản phẩm hợp với nhu cầu hiện tại của họ.

Điều này giúp tối ưu chi phí marketing – PR, đồng thời còn giúp các nhân viên có thể cá nhân hóa hoạt động bán hàng.

Dữ liệu và công nghệ mới còn giúp bộ phận sản xuất – nhà máy dự báo số lượng máy móc xảy ra sự cố trong tương lai để Heineken can thiệp trước; dự báo nhu cầu về các loại bia hoặc nước táo lên men trong tương lai gần.

“Một yếu tố quan trọng nữa để chiến lược data drive company có thể phát triển dài hạn và bền vững: phải định lượng được cụ thể giá trị/hiệu quả mà data tạo ra cho doanh nghiệp.

Theo tính toán của Heineken, thì trong 4 năm – từ 2022 đến 2025, data có thể tạo ra trên dưới 40 triệu euro cho Tập đoàn: năm 2022 là 3,1 triệu euro, năm 2023 là 7,4 triệu euro, năm 2024 dự đoán khoản 15,8 triệu euro.

Ngoài ra, chúng còn giúp các nhân sự Heineken Việt Nam chỉ cần đến công ty 2 lần/tuần vẫn hoàn thành tốt nhiệm vụ của mình”, anh Nguyễn Gia Anh Vũ chia sẻ thêm.

Tầm nhìn đến năm 2025, Tập đoàn Heineken sẽ trở thành công ty bia kết nối nhất thế giới thông qua việc đưa công nghệ vào toàn bộ chuỗi giá trị từ khâu sản xuất đến phân phối.

Tham gia Cộng đồng We’re Marketer của MarketingTrips (Trang tin trực tuyến về Marketing và Kinh doanh) để thảo luận các chủ đề về Marketing và Business tại: We’re Marketer

Theo Quỳnh Như | Markettimes

Tại sao Marketers nên xem dữ liệu là động lực chính cho các chiến lược Marketing thông minh Tại sao Marketers nên xem dữ liệu là động lực chính cho các chiến lược Marketing thông minh Tại sao Marketers nên xem dữ liệu là động lực chính cho các chiến lược Marketing thông minh

Tại sao Marketers nên xem dữ liệu là động lực chính cho các chiến lược Marketing thông minh

Written by testmtrips on . Posted in Marketing.

Những chiến lược marketing thông minh hay hiệu quả, không còn đơn thuần là những chiến lược dựa trên kinh nghiệm hay cảm nhận của người làm marketing.

Source: TechRepublic

Chiến lược tối ưu hóa các hoạt động truyền thông thương hiệu (brand communications) dựa trên những thông tin của khách hàng nghe thì tưởng chừng như đơn giản. Nhưng trên thực tế, có nhiều lớp dữ liệu khác nhau của khách hàng, điều mà rất khó để có thể nhận ra.

Giao tiếp và tương tác (engagement) với khách hàng chỉ là điểm khởi đầu, những hiểu biết sâu sắc (customer insight) về sở thích, hành vi, nhu cầu hay khao khát của họ mới là điểm quyết định khi xây dựng chiến lược.

Các dữ liệu từ các điểm kết nối đầu tiên cần phải có tính liên quan và có thể phân tích được, những công cụ phân tích (chẳng hạn như Hotjar hay Google Analytics) đóng một vai trò rất lớn ở đây trong việc giúp bạn hiểu hơn về khách hàng.

Một trong những phần lớn nhất của các hoạt động marketing là xây dựng kết nối – và dữ liệu trang bị cho những marketer thông tin để có thể tạo ra được các kết nối đó.

Cá nhân hoá các thông điệp.

Nội dung hay thông điệp được cá nhân hóa có xu hướng thành công hơn nhiều trong các chiến dịch marketing, đặc biệt là khi thương hiệu muốn xác nhận những hiểu biết của mình với khách hàng mục tiêu.

Báo cáo của Business2community đã chứng minh rằng tiếp thị được cá nhân hóa theo hướng dữ liệu (Personalized Data Driven Marketing) có thể mang lại ROI cao hơn từ 5 đến 8 lần trên mỗi đơn vị ngân sách chi tiêu.

Các hoạt động marketing được cá nhân hóa có thể được thực hiện thông qua việc phân tích các dữ liệu nhằm mục tiêu thúc đầy lòng trung thành của khách hàng với thương hiệu.

Khi khách hàng biết bạn nhận thức được sở thích của họ, họ hoàn toàn có thể tin tưởng rằng bạn có thể đáp ứng nhu cầu của họ.

Tìm kiếm thành công với tiếp thị dựa trên dữ liệu (data-led marketing).

Phần lớn sự thành công của các hoạt động dựa trên dữ liệu phụ thuộc vào một số chức năng quan trọng nhất định. Phân tích dữ liệu là một bài tập phức tạp, chúng đòi hỏi các kỹ năng và năng lực cụ thể để có được những insights hấp dẫn từ phía khách hàng.

Mặc dù ở bối cảnh hiện tại, việc thu thập dữ liệu đang trở nên dễ dàng hơn đồng thời nguồn dữ liệu cũng dồi dào hơn, tuy nhiên nỗi lo sợ về việc dư thừa dữ liệu hay những dữ liệu không liên quan vẫn là một thách thức lớn.

Từ các dữ liệu tổng thể có sẵn, nhiệm vụ của các marketer là xác định các dữ liệu có thể hành động được. Có không ít các nền tảng phân tích marketing và hình ảnh hóa dữ liệu có thể giúp họ làm điều đó, nhưng công nghệ không phải là vấn đề duy nhất ở đây.

Để có thể hiểu sâu hơn về dữ liệu và tận dụng được yếu tố công nghệ, các marketers cũng cần có thêm các kỹ năng và kinh nghiệm (sống và làm việc) khác.

Điều này đặc biệt đúng khi mà sở thích hay hành vi của các nhóm khách hàng mục tiêu luôn ở trạng thái thay đổi liên tục. Bạn cần phải có cả kỹ năng công nghệ và kinh nghiệm sống để có thể có được những thông tin tốt nhất và từ đó đưa ra các quyết định đúng đắn.

Ngoài ra, thách thức cũng đến từ sự sẵn sàng về việc thích ứng công nghệ của các tổ chức.

Thông thường, các doanh nghiệp lưu trữ dữ liệu trong các bộ phận khác nhau, tách rời nhau, trong khi với các yêu cầu của marketing hiện đại thì bạn cần phải tích hợp tất cả các điểm dữ liệu đó.

Lợi thế khi các insights được xác định bởi dữ liệu.

Những thấu hiểu về khách hàng được xác định bởi dữ liệu mang lại sự linh hoạt cho các hoạt động tiếp thị nhiều kênh (multi-channel) hoặc đa kênh (omni-channel), với các đề xuất được cá nhân hóa nhiều hơn.

Nó cũng cung cấp đầu vào cho sự phát triển liên tục của nội dung, khi mà bạn có thể đảm bảo rằng bạn đang truyền tải những gì tức thời nhất và liên quan nhiều nhất đến với sự quan tâm khách hàng.

Nghiên cứu cẩn thận về dữ liệu khách hàng và thị trường cũng có thể cung cấp những thông tin chi tiết về hành vi, xu hướng chiến lược và việc lập kế hoạch của các đối thủ cạnh tranh.

Đây sẽ là những thông tin vô cùng có giá trị để xây dựng các chiến lược sáng tạo nhằm đáp ứng nhu cầu của khách hàng trong khi vẫn để mắt đến yếu tố cạnh tranh.

Tuy nhiên, lợi thế quan trọng nhất mà dữ liệu cung cấp cho những người ra quyết định đó là khả năng xây dựng các chiến lược dựa trên sự thật – thay vì các phán đoán mang tính cảm tính hoặc cái tôi của cá nhân.

Những người làm marketing có thể sử dụng sức mạnh của những thông tin chi tiết có được từ các dữ liệu để tạo ra một chiến lược tinh gọn và nhanh nhẹn, chống lại các thông điệp chung chung và có thêm nhiều ROI.

Dữ liệu chắc chắn là vũ khí quan trọng nhất đối với một nhà tiếp thị nói chung và nhà tiếp thị kỹ thuật số nói riêng khi nói đến việc tìm kiếm các điểm thành công cao nhất với mức chi phí thấp nhất (hoặc tối ưu nhất).

Tham gia Cộng đồng We’re Marketer để thảo luận các chủ đề về Marketing và Business tại: Link

Long Trần

thiên vị dữ liệu thiên vị dữ liệu thiên vị dữ liệu

3 cách đơn giản để loại bỏ tính “thiên vị dữ liệu” trong doanh nghiệp

Written by testmtrips on . Posted in Digital.

Trong thế giới công nghệ như hiện tại, dữ liệu (data) là tương lai, tuy nhiên cách nhìn nhận và đánh giá đúng vai trò của từng tập dữ liệu lại là một thách thức lớn.

thiên vị dữ liệu
Getty Images

AI (trí tuệ nhận tạo) và công nghê máy học (machine learning) đang dần trở nên là khái niệm đồng nghĩa với sự thành công của doanh nghiệp. Ở khắp mọi nơi trên toàn cầu, các doanh nghiệp đang tận dụng dữ liệu để đạt được những sự tăng trưởng mới.

Tuy nhiên, bên cạnh những lợi ích vốn có của nó, cách phân tích dữ liệu trong kinh doanh vẫn còn tồn tại nhiều vấn đề lớn. Một trong số đó là sự thiên vị về dữ liệu hay đánh giá sai lệch về vai trò của các tập dữ liệu khác nhau (data bias).

Sự thiên vị hay sai lệch về dữ liệu xảy ra khi doanh nghiệp sử dụng các dữ liệu không mang tính đại diện cho người dùng cuối (end-user), không xuất phát từ các nghiên cứu cụ thể hoặc không liên quan đến các quyết định cụ thể.

Nói cách khác, dữ liệu về cơ bản cũng chỉ là dữ liệu, và nó có thể bị thay đổi cách hiểu qua cơ cấu và hệ thống quản lý của doanh nghiệp.

Dưới đây là một số cách để bạn có thể đảm bảo rằng bạn đang sử dụng đúng dữ liệu và hạn chế tối đa sự thiên vị hay sai lệch dữ liệu.

1. Tập hợp một đội ngũ gồm những thành viên phù hợp.

Một trong những vấn đề lớn nhất đối với các dữ liệu bị sai lệnh là bạn không thể tin tưởng hoàn toàn vào một phần mềm có thể phát hiện ra những sai lệnh của chính nó. Mà nó còn phụ thuộc vào yếu tố con người.

Đó là lý do tại sao bước cơ bản đầu tiên không nằm ở yếu tố công cụ hay công nghệ mà là ở những thành viên trong đội ngũ. Bạn hãy bắt đầu bằng cách tìm ra những cá nhân mà bạn tin tưởng là họ có thể mang lại các dữ liệu chính xác, tự chịu trách nhiệm cho việc phân tích dữ liệu của chính họ.

Mọi thứ không chỉ dừng lại ở đây, các thành viên phù hợp cũng phải có khả năng giải thích dữ liệu và phát hiện ra các sai sót của dữ liệu.

Dữ liệu nên đi từ những người lập kế hoạch đến những người sẵn sàng tìm kiếm và giải quyết những thiếu sót giữa doanh nghiệp với khách hàng.

Quá trình phân tích dữ liệu toàn diện này đảm bảo các trách nhiệm giải trình khi cần thiết và giữ cho mức độ sai lệch về dữ liệu là thấp nhất.

2. Xác định các phạm vi thường có khả năng sai lệch về dữ liệu.

Bước tiếp theo trong việc hoàn thiện hoá quá trình phân tích dữ liệu của bạn là tìm kiếm các phạm vi hay khu vực thường xảy ra sai lệch nhất.

Việc thu thập, xử lý và phân tích dữ liệu là một công việc hết sức phức tạp. Nó liên quan đến nhiều hoạt động khác nhau trong phòng ban và tổ chức, và bất kỳ hoạt động nào trong số đó đều có thể có những sai lệch tiềm ẩn về dữ liệu (cố ý hoặc vô ý).

Dưới đây là một số phạm vi có thể xảy ra sự thiên vị hay sai lệch trong doanh nghiệp:

  • Sai lệch khi lấy mẫu (sampling), khi một doanh nghiệp thu thập dữ liệu theo phong cách thiên vị hay sai lệch.
  • Sai lệch loại trừ, khi một doanh nghiệp loại bỏ hoặc sử dụng sai một số tập dữ liệu.
  • Sai lệch đo lường, trong đó một doanh nghiệp tổ chức hoặc quản lý kém các dữ liệu được thu thập. (rất thường hay xảy ra trong marketing).
  • Sai lệch quan sát, khi người thử nghiệm hay quan sát có thể tạo ra sự mâu thuẫn thông qua hành động ghi lại dữ liệu (recording data).
  • Sai lệch kỳ vọng, khi kết quả mong muốn của người thu thập làm ảnh hưởng đến kết quả thực tế qua phân tích dữ liệu.
  • Sai lệch về xu hướng, khi một doanh nghiệp chú trọng quá mức hoặc chú ý quá mức đến một xu hướng cụ thể nào đó trong dữ liệu.

Ngoài những phạm vi ở trên, tuỳ thuộc vào từng ngành hàng và bối cảnh kinh doanh khác nhau bạn có thể có những phạm vi sai lệch hay sự thiên vị khác về dữ liệu – tuy nhiên, điều quan trọng là bạn phải xem xét từng yếu tố có thể tác động tiêu cực đến dữ liệu của bạn như thế nào.

3. “Làm sạch” dữ liệu.

Có rất nhiều cách có thể khiến dữ liệu của bạn bị sai lệch. Tuy nhiên, trong không ít trường hợp, một tập dữ liệu vô tình bị sai lệch.

Trong bối cảnh doanh nghiệp có vô số dữ liệu cần thu thập hàng ngày, thậm chí là hàng giờ, điều này càng có thể dễ dàng xảy ra hơn.

Khi dữ liệu nhiều lên và có vô số dữ liệu không được sử dụng hoặc ngay cả khi được sử dụng, nếu một dữ liệu nào đó không được coi trọng, nó có thể khiến doanh nghiệp lúng túng trước các số liệu thống kê, từ đó họ không thể đưa ra các quyết định đúng đắn.

Bài toán đặt ra cho doanh nghiệp là cần làm sạch phương pháp thu thập dữ liệu, loại bỏ các dữ liệu dư thừa hoặc không cần thiết để từ đó có thể giảm nguy cơ sai lệch đồng thời đảm bảo rằng hệ thống chỉ thu thập những dữ liệu cần thiết và chính xác.

Dữ liệu là tương lai. Tuy nhiên, việc thu thập đúng dữ liệu, phân tích và rút ra được kết luận từ dữ liệu là một thách thức lớn.

Điều quan trọng là các doanh nghiệp cần phải nỗ lực nhiều hơn nữa để đảm bảo rằng các công nghệ AI hay máy học của họ không hoạt động dựa trên các mẫu dữ liệu quá nhỏ hoặc tiềm ẩn những sự thiên vị về dữ liệu.

Đội ngũ trong hệ thống phải được đào tạo để có khả năng phát hiện ra các mâu thuẫn trong dữ liệu nhanh nhất có thể.

Tham gia Cộng đồng We’re Marketer để thảo luận các chủ đề về Marketing và Business tại: Link

Nam Nguyen

Tận dụng Small Data để khai thác insights trong thế giới tập trung vào quyền riêng tư Tận dụng Small Data để khai thác insights trong thế giới tập trung vào quyền riêng tư Tận dụng Small Data để khai thác insights trong thế giới tập trung vào quyền riêng tư

Tận dụng Small Data để khai thác insights trong thế giới tập trung vào quyền riêng tư

Written by testmtrips on . Posted in Digital.

Bên cạnh Big Data (dữ liệu lớn), Small Data (dữ liệu nhỏ) đang ngày càng được quan tâm nhiều hơn khi nói đến việc phân tích dữ liệu người dùng, đặc biệt tại các doanh nghiệp vừa và nhỏ.

Tận dụng Small Data để khai thác insights trong thế giới tập trung vào quyền riêng tư
Source: iStock

Khi chúng ta nghe đến thuật ngữ “trí tuệ nhân tạo” (AI), chúng ta sẽ nghĩ ngay đến dữ liệu lớn (big data) và hàng loạt các nhiệm vụ sàng lọc khối lượng thông tin khổng lồ để có được các thông tin chi tiết chất lượng. Nhiều đột phá về AI trong vài năm qua cũng phụ thuộc rất nhiều vào dữ liệu lớn.

Tuy nhiên, một điều quan trọng khác là các doanh nghiệp cũng cần phải đánh giá cao sức mạnh của dữ liệu nhỏ (small data). Phần dữ liệu thường bị “lãng quên” này sẽ ngày càng trở nên quan trọng hơn bởi GDPR (các quy định về bảo vệ dữ liệu) và kiểm soát quyền riêng tư.

Khi Ông Christian Nielsen và Morten Lund của Đại học California thực hiện một nghiên cứu về cách Sokkelund, một nhà hàng ở Copenhagen đã tăng doanh thu từ 1,1 triệu USD lên 6,1 triệu USD trong vòng hai năm nhờ vào những insight từ dữ liệu nhỏ, họ thấy rằng nhà hàng này đã sắp xếp hợp lý của các luồng dữ liệu hiện có và loại bỏ các quy trình kém hiệu quả trong vô số các hiểu biết sâu sắc (insights) mà họ có được.

Khi số hóa các hoạt động kinh doanh của mình, Sokkelund đã chọn cách dựa vào các dữ liệu nhỏ hơn, dễ quản lý hơn mà nhà hàng đang tạo ra.

  • Những dữ liệu khách hàng, chẳng hạn như thông tin đặt chỗ, suất ăn đã mua, doanh thu trên mỗi chỗ ngồi và sự thay đổi theo mùa trong từng tệp khách hàng – tất cả những thông tin này về cơ bản đều có sẵn và dễ truy cập.
  • Thông tin chuỗi cung ứng cũng được sắp xếp hợp lý để có thể dễ quản lý hơn.
  • Lượng tiêu thụ năng lượng và nước.
  • Số hóa quy hoạch nhân viên.
  • Tận dụng dữ liệu từ các phương tiện truyền thông mạng xã hội và kỹ thuật số.

Bằng cách theo dõi chi tiết từ các dữ liệu được liệt kê ở trên – tất cả bộ phận quản lý của nhà hàng đều có thể dễ dàng truy cập, quản lý và có thể hành động mà không cần đến các dữ liệu lớn hay công nghệ AI tốn kém, Sokkelund có thể đưa ra các quyết định liên quan đến sự phát triển của nhà hàng rất kịp thời.

Dữ liệu nhỏ về cơ bản có thể thiết thực hơn đối với các doanh nghiệp nhỏ hay thậm chí là vừa do tính hiệu quả của nó về mặt chi phí, trong khi vẫn đủ dữ liệu để phân tích.

Trong thời đại GDPR và nhận thức về quyền riêng tư của người tiêu dùng dần được nâng cao, dữ liệu lớn có thể khó tiếp cận hơn đối với các doanh nghiệp, nhưng những thông tin chi tiết từ dữ liệu nhỏ lại có thể thể hiện được sức mạnh của mình.

Dữ liệu nhỏ hay small data là gì?

Trong khi dữ liệu lớn (big data) tập trung vào khối lượng thông tin khổng lồ mà các cá nhân và người tiêu dùng đã tạo ra để sau đó doanh nghiệp sử dụng AI để sàng lọc, dữ liệu nhỏ được tạo thành từ các khối thông tin có kích thước nhỏ, dễ tiếp cận hơn, điều mà doanh nghiệp có thể chuyển tải nhanh nó thành các insights có thể hành động được.

Trong khi dữ liệu lớn có thể là trở ngại đối với các doanh nghiệp vừa và nhỏ do tính chất phi cấu trúc của nó cũng như yêu cầu một khối lượng lớn không gian lưu trữ cần thiết, dữ liệu nhỏ có nhiều sức hấp dẫn ở chỗ nó có thể sẵn sàng được sử dụng ngay mà không cần qua quá nhiều bước xử lý phức tạp.

Tuy nhiên, vì dữ liệu nhỏ thường được lưu trữ trong một công ty, điều cần thiết là các doanh nghiệp phải sử dụng các cấp độ an ninh mạng thích hợp để bảo vệ quyền riêng tư của khách hàng và giữ an toàn cho dữ liệu của họ.

Vì các dữ liệu nhỏ được lưu trữ tập trung (tại doanh nghiệp) nên nó có thể dễ bị tin tặc đánh cắp hơn – trong khi dữ liệu lớn được lưu trữ trên các máy chủ bên ngoài.

Do quy mô dữ liệu bạn đang thu thập là tương đối nhỏ và cụ thể, bạn có thể sử dụng chúng để trả lời các câu hỏi cụ thể hoặc giải quyết các vấn đề mới nảy sinh trong doanh nghiệp.

Dữ liệu này có thể bao gồm bất kỳ thứ gì từ dữ liệu bán hàng, lượt truy cập website, báo cáo hàng tồn kho, dự báo thời tiết, cảnh báo sử dụng hay bất kỳ thứ gì con người có thể truy cập và dễ dàng tìm nạp (lấy dữ liệu về).

Thách thức của dữ liệu nhỏ.

Source: Data Science

Theo các nhà phân tích của Gartner, có tới 70% doanh nghiệp sẽ chuyển trọng tâm từ dữ liệu lớn sang dữ liệu nhỏ và rộng vào năm 2025.

Cũng giống như dữ liệu nhỏ, dữ liệu rộng (wide data) dựa vào việc các doanh nghiệp liên kết các dữ liệu được tạo ra từ nhiều nguồn khác nhau như lưu lượng truy cập website, lượt ghé qua cửa hàng (offline), các tương tác trên mạng xã hội hay các yêu cầu tư vấn qua điện thoại.

Có một số thách thức đi kèm khi sử dụng các dữ liệu nhỏ, đặc biệt là khi liên quan đến việc quản lý sự mất cân bằng về dữ liệu và khó khăn trong việc tối ưu hóa tập dữ liệu nhỏ hơn.

Với suy nghĩ này, những người ra quyết định nên dành nhiều thời gian hơn để xem xét khối lượng dữ liệu mà họ có thể thu thập từ khách hàng trước khi áp dụng các thuật toán máy học phức tạp hơn để sàng lọc dữ liệu.

Công nghệ One-shot learning (học một lần).

Trong khi con người thường có khả năng học hỏi từ một ví dụ duy nhất và có khả năng phân biệt nó với các sự kiện mới một cách chính xác, thì điều này lại rất khó khăn với các máy móc.

Các máy móc hay hệ thống máy học yêu cầu khối lượng lớn dữ liệu được lặp lại để đào tạo chúng và từ đó chúng dần có thể học và phân biệt được.

Tuy nhiên, với công nghệ học một lần (one-shot learning), máy tính có thể học chỉ thông qua một lần duy nhất từ các dữ liệu nhỏ.

Điều này có nghĩa là bằng cách phân tích một tập dữ liệu lớn, công nghệ one-shot learning sẽ học hỏi từ các quy trình của nó và lặp lại chúng trên các tập dữ liệu nhỏ hơn.

Điều này chắc chắn có thể hữu ích cho các doanh nghiệp nhỏ vốn không có quá nhiều dữ liệu để đào tạo máy móc hay AI.

Nói một cách đơn giản, “học một lần” chỉ yêu cầu một tập dữ liệu lớn ban đầu để áp dụng các quy trình của nó cho các tập dữ liệu nhỏ tiếp theo.

Tận dụng các công cụ phân tích để có được các insights từ các dữ liệu nhỏ.

Tận dụng dữ liệu nhỏ có nghĩa là các doanh nghiệp có thể khai thác các nguồn dữ liệu dễ tiếp cận và quản lý hơn như Google Analytics hay Hotjar – cả hai nền tảng đều cung cấp những thông tin chi tiết toàn diện về cách người dùng tương tác với website.

Đối với các doanh nghiệp nhỏ, những thông tin chi tiết từ các dữ liệu nhỏ mà các công cụ phân tích có thể cung cấp có khả năng thúc đẩy mức độ tương tác lớn hơn rất nhiều và các chiến dịch marketing từ đây cũng mang tính chiến lược hơn.

Học hỏi từ AI.

Về mặt kỹ thuật, các mô hình AI có thể học hỏi từ các điểm dữ liệu nhỏ nhờ các thuật toán khám phá dữ liệu (discovery algorithms), đây là một loại thuật toán mới được thiết kế để xác định các thông tin quan trọng của người dùng.

Về mặt kinh doanh, điều này có nghĩa là các thuật toán AI thông thường có thể được “nuôi dưỡng” bởi các dữ liệu nhỏ trên nhiều nguồn khác nhau để xác định các sự kiện được lặp lại hay các insights hữu ích khác.

Khi công nghệ phát triển, AI có thể xác định thêm thông tin chi tiết về người tiêu dùng cho những người làm marketing qua vô số thông tin mà người tiêu dùng đã tạo ra thông qua các điểm tiếp xúc khác nhau trên các kênh.

Mặc dù dữ liệu lớn (big data) đang được nhiều người biết đến, nhưng dữ liệu nhỏ (small data) có thể sẽ nổi lên như một phần thiết yếu của một tương lai bị ràng buộc bởi chính sách GDPR và quyền riêng tư của người dùng.

Tham gia Cộng đồng We’re Marketer để thảo luận các chủ đề về Marketing và Business tại: Link

Tra Nguyen

Các tổ chức đang lo lắng rủi ro mất dữ liệu Các tổ chức đang lo lắng rủi ro mất dữ liệu Các tổ chức đang lo lắng rủi ro mất dữ liệu Các tổ chức đang lo lắng rủi ro mất dữ liệu

Các tổ chức hiện đang lo lắng rủi ro mất dữ liệu

Written by testmtrips on . Posted in Business.

85% số tổ chức được hỏi trong một cuộc khảo sát chuyên sâu của Fortinet bày tỏ mối lo ngại về tấn công bằng mã độc tống tiền bởi khoảng hai phần ba trong số họ đã từng là mục tiêu của ít nhất một vụ tấn công kiểu này.

Mối quan tâm hàng đầu của các tổ chức đối với một vụ tấn công bằng mã độc tống tiền đó là nguy cơ mất dữ liệu, ngay sau đó là lo ngại về suy giảm năng suất và gián đoạn vận hành. Các tổ chức cho biết bảo hiểm an ninh mạng chiếm 57% trong các kế hoạch ứng phó với sự cố.

Tuy đa số các tổ chức được khảo sát khẳng định họ đã chuẩn bị cho các vụ tấn công bằng mã độc tống tiền, bao gồm đào tạo về không gian mạng cho nhân viên, chuẩn bị các kế hoạch ứng phó rủi ro, trang bị bảo hiểm an ninh mạng, thì thực tế vẫn có những thiếu sót rất rõ ràng về công nghệ chính là các giải pháp bảo vệ thiết yếu giúp phòng tránh hiệu quả nhất trước các phương pháp chiếm quyền truy cập vào hệ thống phổ biến nhất hiện nay.

Theo khuyến cáo của Fortinet, với các tổ chức đang lo ngại nhất về thiết bị vận hành và đội ngũ làm việc từ xa, thì các lựa chọn công nghệ hàng đầu của họ là Secure Web Gateway, VPN và Network Access Control.

Mặc dù ZTNA là một công nghệ mới đang phát triển nhưng nên được cân nhắc để trở thành giải pháp thay thế cho công nghệ VPN truyền thống.

Tuy nhiên, điều đáng lo nhất là tỷ lệ phổ biến khá thấp của giải pháp phân đoạn mạng (31%) – một giải pháp công nghệ quan trọng giúp ngăn chặn những kẻ xâm nhập di chuyển trên khắp hệ thống để tiếp cận những dữ liệu và IP quan trọng.

Hoạt động bảo mật cổng email cũng chưa được chú trọng đúng mức mặc dù lừa đảo qua email đã được ghi nhận là phương thức xâm nhập phổ biến của những kẻ tấn công.

Cuối cùng, quan trọng nhất theo Fortinet là các giải pháp nên được thiết kế để cùng vận hành như một hệ thống đồng nhất và được tăng cường bởi công nghệ AI và máy học nhằm phát hiện và phản ứng tốt hơn với các mối đe dọa từ mã độc tống tiền.

Tham gia Cộng đồng We’re Marketer để thảo luận các chủ đề về Marketing và Business tại: Link

Hà Anh

Top 10 lý do tại sao doanh nghiệp của bạn cần marketing trên Instagram Top 10 lý do tại sao doanh nghiệp của bạn cần marketing trên Instagram Top 10 lý do tại sao doanh nghiệp của bạn cần marketing trên Instagram Top 10 lý do tại sao doanh nghiệp của bạn cần marketing trên Instagram

Instagram thêm dữ liệu phân tích mới để đánh giá hiệu suất cho marketer

Written by testmtrips on . Posted in Digital.

Instagram đang tìm cách cung cấp thêm dữ liệu cho những người làm marketing thông qua bản cập nhật insights mới dành cho doanh nghiệp và nhà sáng tạo.

Dữ liệu mới sẽ cung cấp cho marketer nhiều thông tin cụ thể hơn về những người đang tương tác với nội dung của họ – cho dù họ có theo dõi tài khoản của doanh nghiệp hay không – tổng phạm vi tiếp cận của các bài đăng cũng được cập nhật.

Các điểm dữ liệu mới sẽ giúp định hướng các quyết định đăng bài của người làm marketing và từ đó mang lại nhiều cơ hội hơn để tối ưu hóa phương pháp tiếp cận dựa trên các điểm dữ liệu cụ thể hơn.

Các chỉ số mới được thêm vào Instagram insights là:

  • Tài khoản đã tương tác – Dữ liệu sẽ hiển thị tổng số tài khoản đã tương tác với nội dung của bạn trong một khoảng thời gian nhất định. (xem thêm hình bên dưới).
  • Đối tượng tương tác – Dữ liệu này sẽ cung cấp những thông tin chi tiết về nhân khẩu học của những người dùng đang tương tác với nội dung của bạn, cho dù họ có theo dõi bạn hay không, bao gồm các thành phố hàng đầu, quốc gia hàng đầu, độ tuổi và giới tính hàng đầu.
  • Đối tượng tiếp cận – Tương tự như đối tượng tương tác, dữ liệu này sẽ cung cấp thông tin về nhân khẩu học của những người bạn đã tiếp cận với các bài đăng của bạn trong một khoảng thời gian nhất định, bao gồm các thành phố hàng đầu, quốc gia hàng đầu, độ tuổi và giới tính hàng đầu.

Quay lại vào tháng 5, Instagram đã cập nhật dữ liệu tài khoản được tiếp cận của mình, dữ liệu giúp bổ sung thêm các chi tiết cụ thể về các kiểu tài khoản mà bạn đang tiếp cận (người chọn theo dõi so với người không theo dõi) cũng như các định dạng nội dung đang thúc đẩy hiệu suất tốt nhất trên tài khoản của bạn.

Giờ đây, những thông tin chi tiết về nhân khẩu học mới này sẽ được tích hợp vào tập dữ liệu để từ đó cung cấp một cái nhìn toàn diện hơn về những người bạn đang tiếp cận và tương tác với các bài đăng khác nhau trên Instagram.

Ngoài ra, Instagram cũng đang tìm cách tăng cường tính minh bạch cho quan hệ đối tác giữa nhà sáng tạo và thương hiệu, quy trình chia sẻ dữ liệu mới cho phép nhà sáng tạo xem được dữ liệu về những insights có sẵn cho doanh nghiệp.

Theo giải thích của Instagram:

“Khi một thương hiệu quảng cáo bài đăng của nhà sáng tạo với nhãn đối tác có trả phí (paid partnership) hoặc tạo quảng cáo mới mà không có bài đăng trước đó, nhà sáng tạo giờ đây sẽ có thể xem được hiệu suất của các quảng cáo đó, bao gồm phạm vi tiếp cận, lượt thích, bình luận, lượt lưu và lượt chia sẻ.

Giờ đây, các nhà sáng tạo nội dung (Content Creator) có thể tìm thấy thông tin này bằng cách chọn mục ‘xem quảng cáo và thông tin chi tiết’ trong phần quảng cáo nội dung có thương hiệu trong tab cài đặt.”

Nhà sáng tạo cũng sẽ có thể theo dõi hiệu suất của chính họ, sau đó họ có thể sử dụng kết quả đó để xây dựng thương hiệu của riêng họ.

Với những cập nhật mới này, các marketer giờ đây có nhiều cách hơn để hiểu về hiệu suất cũng như đối tương mục tiêu của chính họ, từ đó có thể cải thiện các chiến lược marketing tổng thể của thương hiệu.

Tham gia Cộng đồng We’re Marketer để thảo luận các chủ đề về Marketing và Business tại: Link

Tra Nguyen

04 ‘sự thật’ về kinh doanh và marketing năm 2020 mà chúng ta nên biết

Written by testmtrips on . Posted in Marketing.

04 sự thật cần ghi nhớ khi chúng ta chuẩn bị cho năm mới 2021.

Ảnh: Forbes

Vào năm 2020, bất kỳ điều gì bạn dự đoán hoặc bất kỳ điều gì bất kỳ ai khác dự đoán, như bạn thấy, chắc chắn đã không xảy ra. Một năm với quá nhiều ‘biến cố’.

Và bây giờ, tất cả chúng ta đều đang lên kế hoạch cho một năm mới tốt hơn. Để có một kết quả đổi mới và thú vị hơn. Sau đây là những gì bạn cũng như tôi, chúng ta có thể tham khảo.

Sự thật 1: Các nhà bán lẻ phải tìm cách để tiếp cận khách hàng của họ dựa trên những gì đã thay đổi trong 2020

Trước đây, chúng ta đã có những kiểu hành vi có thể dự đoán được trong cơ sở dữ liệu khách hàng của mình.

Chúng ta có nhóm khách hàng luôn mua sắm tại cửa hàng. Nhóm chủ yếu đặt hàng trực tuyến. Nhóm cần giảm giá để mua. Chúng ta cũng đã có các mô hình, phân khúc và danh sách những người có thể được tin tưởng để làm điều X, Y và Z vào mọi lúc.

Sau đó, 2020 đã làm ‘hỗn loạn’ tất cả mọi thứ.

Những người đã từng đến cửa hàng? Họ đang ở nhà và mua sắm trực tuyến. Họ sẽ ở lại đó? Bây giờ chúng ta có những người chưa bao giờ là khách hàng của chúng ta nhưng bây giờ là khách hàng của chúng ta. Chúng ta sẽ giữ chân họ chứ?

Những người làm marketing sẽ phải xác định loại trải nghiệm nào mà khách hàng của họ sẽ mong muốn?

Hình thức mua sắm đã thay đổi. Bây giờ các marketer phải học cách dự đoán những thay đổi hành vi trong những tình huống tương tự như thế này.

Sự thật 2: Tất cả những dữ liệu của chúng ta đều đang thay đổi

Các nhà làm marketing thường cập nhật mô hình của họ thường xuyên. “Thường xuyên” có thể có nghĩa là vài quý một lần. Bây giờ tốc độ đó đã thay đổi nhanh hơn nhiều.

Đó là lý do tại sao không ai có thể dự đoán điều gì sẽ xảy ra vào năm 2021 trong một mô hình duy nhất hoặc giúp bạn hiểu những gì cần tìm.

Tuy nhiên tất cả những gì chúng ta có thể làm là hiểu nguyên lý vận động ‘thay đổi nhanh’ của dữ liệu để có các biện pháp ứng phó kịp thời.

Sự thật 3: Chúng ta sẽ không học được từ những gì chúng ta đã biết

Điều này có nghĩa là bạn phải quay lại và xem xét mọi chiến lược bạn đã từng có và điều chỉnh nó cho phù hợp với sự năng động của khách hàng mới. Những gì mà chúng ta đã biết có thể sẽ không còn khả dụng.

  • Nhìn vào khả năng tự động hoá của bạn. Bạn gửi mail cho khách hàng có đúng thời gian không? Đúng lúc không. Hay là bạn đã gửi một cái email khi khách hàng của bạn đã kịp chọn sản phẩm của đối thủ.
  • Xem lại thông điệp giao tiếp của bạn. Nếu bạn điều hành cả thương mại điện tử và cửa hàng, email của bạn có đề cập đến việc nhận hàng ở lề đường hoặc tại cửa hàng không? Bạn đã mở rộng hoặc cập nhật chính sách trả hàng của mình để thích ứng với những thay đổi của năm 2020 chưa?
  • Còn phân khúc khách hàng của bạn thì sao? Bạn chắc chắn cần phải cập nhật chúng. Điều đó có thể yêu cầu dữ liệu mới của bạn nếu bạn đang sao chép dữ liệu từ CRM của mình. Và bạn nghĩ thế nào về các phân khúc cho năm 2021?

Sự thật 4: Chúng ta cần các mô hình và dữ liệu mới

Nếu bạn không có các mô hình mở rộng ngoài CRM, bạn cần yêu cầu dữ liệu mới. Và bạn cần phải tìm cách không chỉ để yêu cầu dữ liệu bạn cần mà còn nghĩ ra cách tốt nhất để lấy dữ liệu đó.

Bạn cần ghép nối các tín hiệu hành vi của khách hàng để xem liệu thông tin khách hàng cung cấp cho bạn có hợp lệ hay không.

Đây là cách bạn có thể làm cho tất cả những điều đó hoạt động:

Thiết lập – hoặc sửa đổi – một chuỗi email giới thiệu trong đó bạn đặt các câu hỏi chính trong mỗi thư dựa trên câu trả lời mà khách hàng đã cung cấp cho bạn trong các thư trước đó.

Đây là điều cần thiết đối với các nhà bán lẻ có kế hoạch và mô hình kinh doanh đã thay đổi đáng kể trong 12 tháng qua.

Tham gia Cộng đồng We’re Marketer để thảo luận các chủ đề về Marketing và Business tại: Link

Cathy Nhung | MarketingTrips