BIG DATA VÀ ẢNH HƯỞNG ĐỐI VỚI NGÀNH THƯƠNG MẠI ĐIỆN TỬ
Ths. Võ Vương Bách
Khoa Quản trị kinh doanh – Đại học Nguyễn Tất Thành
Email: vvbach@ntt.edu.vn
Tóm tắt
Sự bùng nổ thông tin là một trong những yếu tố thúc đẩy chuyển đổi mô hình kinh doanh cũng như cách thức vận hành công ty của mỗi doanh nghiệp hiện nay và cũng là cơ hội để cách tân công ty mình nhằm đáp ứng nhu cầu từ thị trường. Big data (dữ liệu lớn) có ảnh hưởng đến rất nhiều ngành công nghiệp, trong đó lĩnh vực thương mại điện tử không là ngoại lệ. Ảnh hưởng của big data lĩnh vực thương mại điện tử trong thời đại công nghiệp 4.0 bao gồm sử dụng trí tuệ nhân tạo (AI) và Machine learning (học máy) và hiểu rõ hơn về khách hàng và xu hướng thị trường thông qua nguồn dữ liệu giá trị của mình. Các ứng dụng của việc phân tích big data cũng được trình bày khi doanh nghiệp thương mại điện tử tận dụng trong quá trình vận hành công ty.
Từ khóa: big data, thương mại điện tử, trải nghiệm khách hàng, chuổi cung ứng và logistics, dự báo.
1. Giới thiệu
Big Data là các tập dữ liệu có khối lượng lớn và phức tạp. Độ lớn đến mức các phần mềm xử lý dữ liệu truyền thống không có khả năng thu thập, quản lý và xử lý dữ liệu trong một khoảng thời gian hợp lý. Big data và phân tích có thể được áp dụng trong nhiều vấn đề kinh doanh và nhiều trường hợp sử dụng khác nhau. Dữ liệu lớn (Big Data) trên thực tế đang được ứng dụng vào rất nhiều lĩnh vực của nền kinh tế, tạo những chuyển biến ấn tượng, giúp tăng hiệu quả và năng suất của doanh nghiệp. Điều thực sự mang lại giá trị từ các tổ chức dữ liệu lớn là phân tích dữ liệu. Nếu không có phân tích, nó chỉ là một tập dữ liệu với việc sử dụng hạn chế trong kinh doanh. Bằng cách phân tích dữ liệu lớn, các công ty có thể có những lợi ích như tăng doanh thu, dịch vụ khách hàng được cải thiện, hiệu quả cao hơn và tăng khả năng cạnh tranh. Phân tích dữ liệu liên quan đến việc kiểm tra bộ dữ liệu để thu thập thông tin chi tiết hoặc rút ra kết luận về những gì chúng chứa, chẳng hạn như các xu hướng và dự đoán về hoạt động trong tương lai. Bằng cách phân tích dữ liệu, các tổ chức có thể đưa ra các quyết định kinh doanh tốt hơn như khi nào và ở đâu nên chạy chiến dịch tiếp thị hoặc giới thiệu một sản phẩm hoặc dịch vụ mới. Sự phân tích có thể tham khảo các ứng dụng kinh doanh thông minh hay tiên tiến hơn. Phép phân tích dự đoán như ứng dụng được các tổ chức khoa học sử dụng. Loại phân tích dữ liệu cao cấp nhất là data mining, nơi các nhà phân tích đánh giá các bộ dữ liệu lớn để xác định mối quan hệ, mô hình và xu hướng. Phân tích dữ liệu có thể bao gồm phân tích dữ liệu thăm dò (để xác định các mẫu và mối quan hệ trong dữ liệu) và phân tích dữ liệu xác nhận (áp dụng các kĩ thuật thống kê để tìm ra giả thiết về một bộ dữ liệu có đúng hay không). Một mảng khác là phân tích dữ liệu định lượng (hoặc phân tích dữ liệu số có các biến có thể so sánh theo thống kê) so với phân tích dữ liệu định tính (tập trung vào các dữ liệu không phải là dữ liệu cá nhân như video, hình ảnh và văn bản).
2. Ảnh hưởng của big data đối với ngành thương mại điện tử
Bằng cách tận dụng Big Data, các tổ chức chuỗi cung ứng có thể cải thiện đáp ứng với nhu cầu không thể đoán trước và giảm các vấn đề liên quan. Họ cũng có thể khai thác một số lợi ích từ
2.1. Tìm kiếm thông tin
Người tiêu dùng theo hướng cảm xúc dễ tạo ra mong muốn và nhu cầu mua hàng của họ theo mạng thông tin. Tốc độ và sự thuận tiện của việc thu thập thông tin trực tuyến là một trong những giá trị được nhận thức cho khách hàng khi họ mua sắm trực tuyến. Một trang web sử dụng công cụ phân tích dữ liệu lớn có thể lọc và duyệt số lượng lớn dữ liệu thông tin khách hàng. Công nghệ khai thác văn bản được sử dụng để giải quyết trong web và tìm kiếm văn bản và lưu ý sự liên quan của lịch sử với các thư viện, danh mục và sự trùng hợp. Dữ liệu lớn là tất cả về mức độ phù hợp và cung cấp các sản phẩm hoặc dịch vụ phù hợp cho đúng người với mức giá phù hợp qua đúng kênh vào đúng thời điểm. Ví dụ: Google cá nhân hóa kết quả tìm kiếm của mình dựa trên hồ sơ người dùng và Amazon cung cấp các trang chủ khác nhau với các sản phẩm khác nhau được cung cấp cho hầu hết mọi khách thăm quan. Nó quay trở lại việc hoàn toàn hiểu khách hàng của bạn bằng cách kết hợp các nguồn dữ liệu khác nhau để thực sự biết những gì họ đang tìm kiếm.
Tìm kiếm thông tin chỉ ra rằng chất lượng thông tin và chất lượng dịch vụ tìm kiếm. Thông tin chất lượng là thước đo giá trị được cảm nhận bằng đầu ra do một trang web cung cấp. Đặc điểm thông tin, chẳng hạn như cập nhật, hữu ích, chi tiết, chính xác và hoàn thành đã được xem như các thành phần quan trọng về chất lượng thông tin (Bharati et al,2004). Tìm kiếm chất lượng dịch vụ có thể được định nghĩa là đánh giá tổng thể của khách hàng về chất lượng của dịch vụ tìm kiếm như khả năng đáp ứng nhanh chóng (Delone et al, 2003), phù hợp và thực tế. Dựa trênlựa chọn và hành động của khách hàng, nhà bán lẻ trực tuyến sử dụng phân tích dữ liệu lớn có thể cung cấp dịch vụ thời gian thực để khách hàng. Hành động này có thể trở thành một trong những nguồn lợi thế cạnh tranh để giành được khách hàng sự hài lòng (Luo, 2003).
Big Data có thể giúp doanh nghiệp tăng sự hài lòng của khách hàng một cách đáng kể, vì nó cung cấp đủ thông tin cho các giám sát viên đưa ra lựa chọn các phương thức vận chuyển lý tưởng nhất, sử dụng các hãng vận tải tốt nhất, giảm khả năng thiệt hại và giảm thiểu sự chậm trễ – tất cả đều dẫn đến dịch vụ được cải thiện.
Big data có thể cung cấp thông tin chuyên sâu về hành vi và nhân khẩu học khách hàng, rất hữu ích trong việc tạo ra trải nghiệm cá nhân hóa. Đặc biệt với công cụ phân tích dự báo, các công ty sẽ nắm được sở thích, nhu cầu chính xác để gợi ý sản phẩm, dịch vụ mà khách hàng muốn mua trong thời gian thực.
2.2. Giá cả linh động
Giá cả linh động là một chiến lược phân biệt giá cấp cá nhân trong đó giá được tính theo khách hàng, địa điểm, sản phẩm hoặc thời gian (Kotler, 2010). Định giá động, thường được gọi là kinh tế các thuật ngữ như phân biệt giá cả ở cấp độ cá nhân, đã trở nên phổ biến hơn nhiều với việc gia tăng sự thịnh hành của tiếp thị trên Internet. Định giá động chủ yếu được định nghĩa là việc mua và bán sản phẩm tại các thị trường nơi giá cả được tự do điều chỉnh để đáp ứng các điều kiện cung và cầu tại mức giao dịch cá nhân. Do đó, định giá động có thể thu hút hầu hết các nhà bán lẻ với khả năng sử dụng thông tin mới có sẵn để đặt giá riêng dựa trên sự sẵn lòng của một khách hàng nhất định trả tiền (Garbarino, 2003). Mục đích của đặt giá động là tối đa hóa lợi nhuận của người bán bằng cách tính phí người tiêu dùng mức giá cao nhất mà mỗi người tiêu dùng sẵn sàng trả bằng cách điều chỉnh độ lớn và thời gian mức độ chênh lệch giá mà họ sẽ sử dụng. Phản ứng của người tiêu dùng đối với chiến lược sơ đồ định giá này sẽ có tác động đáng kể đến sự hài lòng của họ đối với việc mua hàng và hành vi tiếp theo của họ ý định. Ví dụ: Amazon thường thay đổi giá các mặt hàng được bán trên trang web của mình hàng ngày, cơ bản hàng tuần hoặc hàng tháng 5%, 10% hoặc 15%. Các phương pháp đặt giá động của người bán để phản hồi sự khác biệt về phân khúc và cấp độ cá nhân đã trở nên khả thi hơn khi hành vi của khách hàng trực tuyến tăng (Erevelles, 2016) (Haws, 2006). Phù hợp với khuyến nghị của Jiang và Benbasat (Bolton, 2003), nghiên cứu hiện tại điều tra tác động của các bối cảnh đặt giá động khác nhau và có thể được coi là một phần bổ sung đặc điểm giao dịch. Lý thuyết kinh tế cho rằng định giá động (tức là giá ở cấp độ cá nhân phân biệt đối xử) đương nhiên tốt cho lợi nhuận của công ty vì nó cho phép công ty nắm bắt được tỷ trọng thặng dư tiêu dùng lớn hơn. Tuy nhiên, bằng chứng từ các thí nghiệm bán lẻ gần đây với Internet dựa trên định giá động cho thấy rằng người tiêu dùng phản ứng mạnh mẽ chống lại thực tiễn này
2.3. Hệ thống dịch vụ khách hàng
Cung cấp dịch vụ khách hàng chất lượng cao là chìa khóa quan trọng để giữ cho khách hàng hài lòng. Dữ liệu lớn cho phép bạn cải thiện đáng kể các dịch vụ của mình. Sử dụng phân tích dữ liệu sâu, bạn có thể tối ưu hóa dịch vụ khách hàng của bạn dẫn đến khách hàng hạnh phúc hơn. Một số khách hàng có thể không chỉ phàn nàn về sản phẩm hoặc dịch vụ thông qua các kênh chính thức do trang web cung cấp, nhưng cũng có thể lan truyền trên mạng xã hội về các nhóm. Bạn cần phải có dữ liệu về những khách hàng đó và thận trọng hơn nữa để tránh những phàn nàn về khách hàng được giải quyết nhanh chóng. Dữ liệu lớn được sử dụng để nâng cao quy trình kinh doanh. Các nhà bán lẻ có thể tối ưu hóa kho hàng của họ dựa trên các dự đoán từ xu hướng tìm kiếm trên web, hành vi của khách hàng và thời tiết dự báo. Một ứng dụng đặc biệt cho quy trình kinh doanh là phân tích chuỗi cung ứng hoặc phân phối lộ trình. Dựa trên nhận dạng vị trí địa lý và tần số vô tuyến, các cảm biến được sử dụng để theo dõi hàng hóa hoặc các phương tiện giao hàng. Quá trình này cho phép khách hàng theo dõi đơn đặt hàng của họ. Từ đó, bộ phận dịch vụ khách hàng có thể được cải thiện và tăng sự hài lòng của khách hàng. Amazon đã sử dụng phân tích big data để lưu những gì khách hàng đã đặt bên trong mua sắm ảo của họ xe đẩy. Những mặt hàng này gần đây đã xem hoặc thực hiện hành động mua trong quá khứ. Kỹ thuật được sử dụng ở đây là lọc cộng tác từng mục. Một ứng dụng khác là hiện diện ảo cho phép trực tuyến người mua sắm để tương tác với trải nghiệm mua sắm. Không giống như bán lẻ trực tuyến truyền thống, mua sắm trực tuyến có thông tin mua sắm được gợi ý cho người tiêu dùng thông qua một số kênh bao gồm dùng thử sản phẩm, cung cấp sản phẩm hoặc dịch vụ. Thực tế ảo hoặc trải nghiệm sản phẩm ảo cho phép khách hàng tương tác với các sản phẩm trực tuyến và trải nghiệm nhiều đặc điểm của các sản phẩm đó (Jiang, 2004). Sớm hơn các nghiên cứu khám phá đã khuyến nghị rằng thực tế ảo có tiềm năng cải thiện kiến thức sản phẩm và thái độ thương hiệu bao gồm cả việc nâng cao ý định mua hàng của họ (Jiang, 2004), (Daugherty, 2005). Đánh giá của khách hàng là phản hồi về sản phẩm hoặc dịch vụ của người tiêu dùng đã mua. Nó đánh giá chất lượng sản phẩm hoặc dịch vụ và đưa ra nhận xét trên trang web thay vì chuyên nghiệp đánh giá. Khách hàng quan tâm có thể xem phản hồi của những khách hàng trước đây đã tương tác với trang web trước đây. Dịch vụ này có thể đảm bảo cho người mua hàng về độ tin cậy của sản phẩm. Họ cũng có thể truyền cảm hứng khách hàng khác để chia sẻ suy nghĩ của họ về các sản phẩm đang được bán.
2.4. Hỗ trợ quản lý chuổi cung ứng và logistics
Thông thường các công ty triển khai bán hàng qua các kênh thương mại điện tử thường sẽ đăng ký một bên thứ 3, công ty cung cấp các dịch vụ giao nhận hay thứ 2 quản lý chuỗi cung ứng của mình. Phân tích big data từ các công ty của bên thứ 3 hoặc thứ 2 sẽ giúp công ty thực trạng đơn hàng , vị trí đơn hàng, chi phí giao hàng.
Cách sử dụng big data hiện tại của hầu hết các công ty logistics là để phân tích hành vi khách hàng trên Website. Lấy ví dụ một công ty dịch vụ logistics hàng đầu của Đức đang ứng dụng phân tích big data để cung cấp những dịch vụ mang tính cá thể hơn đến những người xem Website. Dựa trên những nhu cầu cá nhân của người xem Website, những phương thức tiếp cận và dịch vụ khác nhau sẽ được mang đến khách hàng một cách tự động.
Theo báo cáo của Ethical Corporation, khoảng 30% các công ty cho rằng nguồn gốc và mối quan tâm về môi trường đang là những vấn đề nóng đang được xã hội quan tâm hiện nay.
Truy xuất nguồn gốc là một hoạt động nặng nề về mặt xử lý dữ liệu. Bằng cách tận dụng Big Data, doanh nghiệp có thể cải thiện hiệu suất truy xuất nguồn gốc của hệ thống, cũng như giảm thiểu thời gian thực hiện các công việc liên quan đến việc truy cập, tích hợp và quản lý cơ sở dữ liệu của những sản phẩm đã được đánh dấu “thu hồi” hoặc “sửa chữa”.
2.5. Phân tích dự báo
Các công cụ của big data kết hợp với các thuật toán khoa học cho phép các công ty dự đoán được giá trị tiềm năng của khách hàng cá nhân và mô hình bán hàng tương lai, giúp dự báo tốt hơn các vấn đề phát sinh trong quản lý chuổi cung ứngvà hàng tồn kho, để có thể cung cấp thông tin tốt nhất cho công ty và khách hàng. Các thuật toán này được các công cụ phân tích dựa trên data của hành vi khách hàng và data cá nhân như lịch sử giao dịch, lịch sử tìm kiếm…, khuynh hướng lựa chọn hàng hóa và nhu cầu tiêu dùng trong tương lai, sản phẩm nào họ thường xuyên mua hay thường mua kèm theo là gì (cross-selling). Ngoài ra, công cụ phân tích dự báo có thể giúp công ty biết được các giờ cao điểm, thời điểm khách hàng mua hàng nhiều, loại hàng nào được mua nhiều nhất để kiểm soát hàng tồn.
3. Kết luận
Bài báo cố gắng giải quyết một số hàm ý có thể giúp phát triển các chiến lược tiếp thị cho thương mại điện tử trong thời đại dữ liệu lớn. Hệ thống đề xuất cho phép người tiêu dùng xác định vị trí và phù hợp với sở thích và sự quan tâm dễ dàng, do đó làm tăng ý định và hành vi của khách hàng. Hơn thế nữa, từ quan điểm của khách hàng, khách hàng muốn nhận được từ hệ thống đề xuất để cải thiện quyết định mua hàng của họ, do đó, các sản phẩm đáp ứng sở thích của họ với sự hài lòng hơn. Hơn nữa, các sản phẩm được khuyến nghị bởi một hệ thống đáng tin cậy hơn, dẫn đến thu được nhiều hơn sự tự tin của khách hàng và cảm thấy niềm vui và động lực. Với sự phát triển của thông tin công nghệ và thương mại điện tử, vấn đề quá tải thông tin và sự phức tạp của sự lựa chọn sẽ là ngày càng đều đặn. Do đó, các nhà cung cấp điện tử nên cải thiện việc tìm kiếm thông tin kết quả phù hợp để giảm chi phí nhận thức của họ. Định giá động và dịch vụ khách hàng được cải thiện là những ứng dụng điều đó cần được chú ý để làm cho khách hàng hài lòng hơn.
Tài liệu tham khảo
Bharati, P.; Chaudhury, A. An empirical investigation of decision-making satisfaction in web-based decision support systems. Decision Support System. 2004, 37, 187–197.
Bolton, L.E.; Warlop, L.; Alba, J.W. Consumer perceptions of price (un)fairness.
Journal of Consumer Research. 2003, 29,474–491
Daugherty, T.; Li, H.; Biocca, F. Experiential Ecommerce: A Summary of Research Investigating the Impact of Virtual Experience on Consumer Learning.
Delone, W.H.; McLean, E.R. The DeLone and McLean model of information systems success: A ten-year update. Journal of Managerial Information System. 2003, 19, 9–30
Erevelles Haws, S.; Fukawa, N.; Swayne, L. Big Data consumer analytics and the transformation of marketing. Journal of Business Research. 2016, 69, 897–904
Garbarino, E.; Lee, O.F. Dynamic pricing in internet retail: Effects on consumer trust.
Psychology Marketing. 2003, 20, 495–513
Haws, K.L.; Bearden, W.O. Dynamic pricing and consumer fairness perceptions. Joural of Consumer Research. 2006, 33, 304–311
Kotler, P.; Armstrong, G. Principles of Marketing; Pearson Education: Upper Saddle River, NJ, USA, 2010
Luo, X.; Seyedian, M. Contextual marketing and customer-orientation strategy for e- commerce: An empirical analysis. International Journal of Electronic Commerce. 2003, 8, 95–11
