Nếu bạn thật sự muốn hiểu về dữ liệu của khách hàng? Hãy thuê một nhà khoa học

Chiến trường tiếp theo là cuộc chiến tranh giành các chuyên gia về phân tích dữ liệu.


Các nhà bán lẻ và thương hiệu tiêu dùng hàng đầu sẽ thuê gần 50% các nhà khoa học dữ liệu trong ba năm tới.

Getty Images


Bất kỳ ai theo dõi NBA đều biết những vận động viên yêu thích của họ là gì, ví dụ như là Lebron James (Nike), James Harden (Adidas) hay Steph Curry (Under Armour).

Bây giờ Peter Fader đã được thêm vào danh sách đó.

Fader không phải là một cầu thủ đẳng cấp thế giới. Ông là giáo sư tiếp thị tại Trường Kinh doanh Wharton của Đại học Pennsylvania, người đã phát minh ra cách để một thương hiệu tạo ra giá trị lâu dài cho khách hàng. Ông cũng là người đồng sáng lập Zodiac, một công ty khởi nghiệp chuyên về phân tích dữ liệu người dùng được Nike mua lại vào tháng 3 với số tiền chưa được tiết lộ.

Các nhà khoa học dữ liệu như Fader sẽ trở nên quan trọng như các vận động viên ngôi sao trong việc đảm bảo sự thành công của các công ty như Nike cũng như với Adidas và Under Armour để sử dụng dữ liệu để nâng cao hành trình của khách hàng.

" Zodiac mang đến một đội ngũ khoa học dữ liệu tài năng đẳng cấp thế giới, cùng với các công cụ tốt nhất mà họ phát triển", Sean Bruich, phó chủ tịch dịch vụ thành viên toàn cầu và kiến thức về người tiêu dùng tại Nike nói rằng: Công ty trị giá 34 tỷ đô la này của chúng tôi sử dụng dữ liệu để cung cấp các mối quan hệ khách hàng trực tiếp và giúp cá nhân hóa các dịch vụ của mình.

Nike không phải là thương hiệu duy nhất thực hiện điều này. Trong cùng tháng đó, Nordstrom đã mua hai công ty khởi nghiệp Digital, vận dụng trí tuệ nhân tạo để cá nhân hóa thông tin liên lạc của khách hàng. Trong lúc đó, những công ty khác đang bàn luận nội bộ với nhau. Các nhà bán lẻ và thương hiệu hàng đầu đang lên kế hoạch thuê gần 50% các nhà khoa học chuyên về dữ liệu trong ba năm tới, theo khảo sát tháng 3 năm 2018 bởi Salesforce và Deloitte.

Brandon Purcell, nhà phân tích chính của Forrester Research cho biết: “Các nhà khoa học chuyên về dữ liệu đang rất thưa thớt, và các công ty đang cố gắng hết mình để thu hút những người này”.

Cuộc bỏ phiếu về sự ưa thích dành cho thương hiệu

Vào năm 2016, Accenture đã khảo sát hơn 27.000 người tiêu dùng ở Hoa Kỳ, Vương quốc Anh và Brazil, yêu cầu họ bỏ phiếu trình bày xem họ ưa thích những thương hiệu nào. Những thương hiệu được xếp hạng cao nhất dựa trên chỉ số ưu thích đó là:  Apple, Google, Microsoft, Netflix, YouTube. Và càng bất ngờ hơn khi đó chính là những công ty tiên tiến nhất đi đầu trong việc áp dụng sử dụng dữ liệu một cách khoa học nhằm cải thiện trải nghiệm của khách hàng.

Nan Nayak, giám đốc điều hành chiến lược thiết kế cho Fjord, một bộ phận của Accenture Interactive cho biết.

"Các công ty này đang [đo] những khoảnh khắc về trải nghiệm khách hàng của họ và họ có các nhà khoa học dữ liệu liên tục nghiên cứu về vấn đề này", cô nói. “Một trong những lý do khiến các thương hiệu Digital đầu tiên thực sự tạo dựng được sự ưa thích là vì họ đang khai thác muôn vàn sắc thái trải nghiệm của khách hàng, trong khi các thương hiệu truyền thống không làm.”

Bằng cách áp dụng khoa học dữ liệu, các thương hiệu đang cố gắng trả lời ba câu hỏi cơ bản, theo Chris Paradysz, đồng giám đốc điều hành của cơ quan tiếp thị Digital PMX: Khách hàng của tôi là ai? Họ muốn gì hôm nay? Làm thế nào tôi có thể phát triển để đáp ứng nhu cầu của họ trong tương lai?


Các nhà nghiên cứu tại Đại học Tennessee đã phân tích dữ liệu Facebook để xác định các quán bar và nhà hàng là những địa điểm thích hợp cho việc mua các sản phẩm Coke. Việc đăng ký nhiều hơn và thích trang Facebook của một cơ sở nhận được, khách hàng tiềm năng càng tốt, cho phép người khổng lồ đồ uống ưu tiên các nỗ lực bán hàng của mình.

Các câu trả lời không đơn giản như bạn nghĩ, một phần do nhu cầu và mong muốn của khách hàng phát triển rất nhanh.

“Bạn không thể hy vọng sử dụng các thông tin cho sẵn,” Paradysz nói. “Bạn thực sự phải phân tích và sử dụng dữ liệu. Bạn cần phải có nguồn cấp dữ liệu thông tin trực tiếp bằng một số loại công cụ phân tích nội bộ hoặc tự phân tích bằng tài năng của bản thân ”

Ngày nay, hầu hết các thương hiệu chỉ mới bắt đầu nghiên cứu dữ liệu của họ, theo lời Michel Ballings, trợ lý giáo sư phân tích kinh doanh tại Đại học Kinh doanh Haslam của Đại học Tennessee.

Có ba mức độ trưởng thành cho các công ty sử dụng phân tích dữ liệu, ông giải thích. Giai đoạn đầu tiên là mô tả, sử dụng dữ liệu để tìm hiểu những gì đang xảy ra ngay bây giờ. Đó là nơi mà phần lớn các công ty đang có. Mức thứ hai là tiên đoán; một số lượng nhỏ thương hiệu đang bắt đầu sử dụng phân tích để tìm hiểu xem điều gì có thể xảy ra. Giai đoạn thứ ba là mô tả, sử dụng các mô hình dữ liệu để đưa ra quyết định về những việc cần làm tiếp theo. Đó là việc giúp những tập đoàn Digital như Amazon và Google tồn tại, ông nói.

Cuộc khủng hoảng tài năng công nghệ

Những dữ liệu sẽ  trở nên vô nghĩa trừ khi bạn có khả năng hiểu nó, thao tác và áp dụng nó vào các vấn đề kinh doanh thực tế. Do đó cần những tài năng thực sự để thực hiện việc đó. Điều này khiến nhu cầu tuyển dụng các tài năng phân tích dữ liệu tăng cao.

Trong năm thứ ba liên tiếp, “nhà khoa học phân tích đọc dữ liệu” được cho là công việc tốt nhất ở Mỹ được công bố trên trang web tuyển dụng Glassdoor,  căn cứ từ các cơ hội phong phú và mức lương hấp dẫn mà nó mang lại. Dự kiến các công ty sẽ còn gặp khó khăn hơn nữa trong việc tìm kiếm các nhà khoa học về dữ liệu; Ngoài ra, IBM dự báo đến năm 2020 nhu cầu về các chuyên gia khoa học dữ liệu sẽ tăng 28%..

Cuộc cạnh tranh giành lấy các tài năng thực sự rất khốc liệt, và không chỉ từ các thương hiệu tieu dùng. Các công ty phải cạnh tranh với những gã khổng lồ về công nghệ ở Bờ Tây và các công ty dịch vụ tài chính lớn ở phương Đông, Arnold Pravinata, giám đốc khoa học của Marlette Funding,  hiện hoạt động tiếp thị đối với các khoản vay tiêu dùng thông qua thương hiệu Best Egg.

"Các nhà khoa học dữ liệu di chuyển đến Bờ Tây muốn có được một công việc tại Google, Apple hay Facebook," Pravinata, người có trụ sở tại San Francisco nói. "Thu hút các tài năng là một thách thức lớn."


Người cho vay trực tuyến đã phát hiện ra rằng những người đã truy cập vào trang review từ bên thứ ba đã đăng ký các khoản vay với tỷ lệ gần gấp hai lần mức bình thường, vì vậy họ tối ưu hóa nội dung để thu hút nhiều khách truy cập hơn đến các trang đó.

Nhưng việc thuê hoặc mua lại các nhà khoa học dữ liệu hàng đầu chỉ là một phần của phương trình, Purcell của Forrester nói. Bạn cũng cần phải xây dựng một đội ngũ xung quanh họ.

Trước khi các nhà phân tích gặp khủng hoảng dữ liệu, áp dụng learning-machine và cung cấp những thông tin chi tiết mới, các thương hiệu cần các chuyên gia biết cách lưu trữ, quản lý và làm sạch dữ liệu. Và họ cần những người có thể giao tiếp và có hiểu biết về công nghệ, người có thể phân tích và giải thích nó để áp dụng vào công việc kinh doanh thực tế, Purcell nói.

Là một thương hiệu Digital tại nội địa, Best Egg được thành lập 4 năm trước và hiện đang có những người có kỹ năng phân tích dữ liệu trải rộng khắp tổ chức, ghi chú từ Marlette CMO Bobby Ritterbeck. Nhưng từ đây nảy sinh ra một vấn đề mới: Các đơn vị kinh doanh khác nhau đôi khi sẽ đưa ra những giải thích mới về cùng một dữ liệu.

"Mặc dù bạn đang xem các tập dữ liệu giống nhau, cách bạn cấu trúc dữ liệu đó có thể cho ta những câu trả lời khác nhau", Ritterbeck nói. "Bạn cần phải có một nguồn thông tin duy nhất đáng tin cậy trong tổ chức để mỗi nhóm có thể đưa ra những quyết định đồng nhất với nhau."

Đồng thời, bạn không nên tạo ra  các dữ liệu hoạt động độc lập với các bộ phận còn lại của doanh nghiệp, Purcell cảnh báo.

“Các nhà khoa học dữ liệu sẽ làm việc với dữ liệu trong ba tháng và đưa kết quả đến đội ngũ tiếp thị,  hậu quả là đội ngũ tiếp thị đã hoạt động độc lập và  biết trước điều đó rồi: “Ồ, chúng tôi đã biết điều đó rồi” ông nói. Do đó cần có sự thống nhất ngay từ đầu.

Họ cần một phương thức khéo léo để tạo sự cân bằng. Nhóm dữ liệu cần tập trung phân tích để kết luận của họ được nhất quán, nhưng họ cũng cần được cung cấp những thông tin chi tiết, kịp thời và có liên quan để có được kết quả phân tích thực tế nhất.

Đọc dữ liệu trở thành mối bận tâm hàng đầu

Để giải quyết những vấn đề này sẽ đòi hỏi đầu tư đáng kể vào việc tìm kiếm tài năng và tài nguyên. Các thương hiệu lớn như Nike và Nordstrom đủ khả năng để đạt được mục tiêu một cách nhanh chóng bằng cách mua lại các công ty phân tích dữ liệu, theo Paradysz. Các công ty hạng trung có thể cần tương tác với các công ty phân tích bên thứ ba, trong khi các thương hiệu nhỏ hơn có thể buộc phải dựa vào dữ liệu được cung cấp từ các đối tác nền tảng như Google và Facebook.

"Họ sẽ không trả lời tất cả vấn đề của bạn, nhưng họ có thể cung cấp cho bạn các phân tích có giá cả phải chăng ", Paradysz nói. “Vấn đề là Google sẽ không giải thích dữ liệu cho bạn; bạn phải tìm hiểu ý nghĩa của nó để áp dụng vào kinh doanh thực tế. ”

Các Agency cũng cảm thấy bị áp lực trong việc tìm chiến lược, thông tin và tìm tòi nhiều hơn về dữ liệu, ông thừa nhận.

"Chúng tôi chắc chắn đang gặp rắc rối với các yêu cầu cần phải giải quyết từ đối tác ," Paradysz nói. "Chúng tôi đang cố gắng làm hài lòng mọi người nhất có thể,  để có thể nhanh chóng cung cấp thông tin đến cho những người sẽ ra quyết định cuối và những người điều hành công việc hàng ngày."


Chuỗi cửa hàng tạp hóa ở California sử dụng dữ liệu khách hàng trung thành để xác định thuộc tính sản phẩm nào quan trọng nhất đối với khách hàng, sau đó đưa ra một chương trình dán nhãn độc đáo cho phép người tiêu dùng chọn thực phẩm dựa trên giá trị dinh dưỡng và tác động môi trường của họ.

Purcell nhắc nhở rằng khi có nhiều người tham gia vào lĩnh vực phân tích dữ liệu, sự khan hiếm tài năng bắt đầu giảm đi. Và khi có nhiều ứng dụng thông minh hơn được áp dụng vào việc phân tích, người dùng ít hiểu về kĩ thuật chuyên môn sẽ có cơ hội sử dụng những công cụ đó một cách dễ dàng.

Trong một thời gian dài, các thương hiệu thông minh nhận ra rằng họ cần sở hữu không chỉ dữ liệu mà còn cả các kỹ năng phân tích hiệu quả, Rob Finora, Phó chủ tịch cấp cao về dữ liệu tại ShareThis, chuyên cung cấp các công cụ truyền thông xã hội để chia sẻ nội dung cho các nhà xuất bản.

"Trừ khi bạn thực sự hiểu về dữ liệu, bằng không bạn cần tuyển các chuyên gia, nhà khoa học chuyên về dữ liệu, bạn sẽ phát hiên ra tiềm năng mà những dữ liệu lớn có thể mang lại", ông nói. "Bạn cần hội tụ đủ những giá trị này, tập trung đầu tư vào đúng người và đi sâu vào việc làm chủ toàn bộ quy trình đó trong nội bộ công ty của bạn.

Cuối cùng, dữ liệu sẽ thúc đẩy sự chuyển đổi, cho phép các công ty tập trung vào nhiều khách hàng hơn và thực hiện việc vận hành để đưa ra quyết định tốt hơn, theo Jose Gomes, giám đốc điều hành của dunnhumby ở Bắc Mỹ, một công ty khoa học dữ liệu khách hàng toàn cầu.

"Trong quá khứ, bạn sẽ có một cửa hàng và bạn biết đến tất cả các khách hàng của bạn một cách riêng lẻ," ông nói. “Nhưng trong thời hiện đại với hàng triệu khách hàng, bạn sẽ không thể làm điều đó. Phân tích tổng quan về thể giới trở thành cách duy nhất để bạn thực sự hiểu được những gì khách hàng của bạn cần và muốn từ bạn. ”

Nguồn: Adweek



We've updated our Privacy & Cookie Policies. Cookies are necessary for us to deliver our services. By using our services, you agree to our use of cookies. Agree
Loading...