Những người đang làm trong mảng marketing đa phần đều biết từ customer insight có nghĩa là gì: sự thật ngầm hiểu – sự thấu hiểu khách hàng và các hành vi của họ dù họ không nói ra. Tuy nhiên nếu vậy thì customer insight khác gì với các nghiên cứu hay các data về khách hàng mà bạn có? Làm sao để có thể tạo được insight về khách hàng của bạn và ứng dụng chúng vào việc cải thiện kinh doanh? Những sai lầm và những hiểu lầm thường mắc phải về customer insight là gì? Đi xa hơn insight và ứng dụng của nó, chúng ta có thể làm được gì hơn? Bài viết này sẽ giúp bạn trả lời những câu hỏi đã nêu trên.

* Trong bài viết này tôi xin dùng từ tiếng anh customer insight hay insight thay cho từ “sự thật ngầm hiểu” để ngắn gọn hơn.

Insight là gì và các đặc tính của nó

Customer insight là việc diễn giải về hành vi và xu hướng của khách hàng dựa trên các data mà chúng ta có về họ để thông qua đó có thể thực hiện các hành động nhằm cải thiện chất lượng sản phẩm, dịch vụ và tăng doanh thu bán hàng để cả hai bên (thương hiệu và khách hàng) đều có lợi.

Một số đặc tính phải có của customer insight:

1. Không phải là sự thật hiển nhiên. Nếu nó hiển nhiên thì nó đã không được gọi là sự thật ngầm hiểu. Ví dụ: dựa vào Google Analytics, bạn biết rằng có 70% khách viếng thăm là trong độ tuổi 18 – 24 tuổi, từ đó bạn suy ra đa số khách viếng thăm của website đa phần là người trẻ tuổi. Điều này  quá hiển nhiên nên không thể gọi đây là insight.

2. Không chỉ dựa trên một loại data. Bạn cần kết hợp nhiều nguồn, nhiều chỉ số, nhiều dữ liệu, nhiều thể loại thì mới có thể tạo ra các insight chính xác. Ví dụ: nếu bạn chỉ nhìn vào chỉ số bounce rate (số người vào website và thoát ra ngay mà không tương tác) cao trên một trang web mà đánh giá rằng nội dung trang đó chưa tốt thì có thể không chính xác vì có thể trang đó cung cấp nội dung rất đầy đủ và hữu ích nên khách vào đọc nội dung xong thì hài lòng, không cần thiết phải tìm kiếm hay xem thêm các thông tin khác nữa nên rời khỏi web luôn, tạo nên bounce rate cao. Tuy nhiên, nếu bạn sử dụng đồng thời chỉ số bounce rate và chỉ số time on page (thời gian khách viếng thăm ở trên website) để đánh giá thì sẽ chính xác hơn. Nếu bounce rate cao và time on page của khách viếng thăm cao, tức là nội dung trang tốt. Nếu bounce rate cao nhưng time on page lại thấp, tức là nội dung trang thật sự có vấn đề. Bởi vậy, việc kết hợp nhiều chỉ số sẽ giúp bạn tìm ra insight chính xác và sâu sắc hơn.

3. Dựa trên insight đó có thể đưa ra được hành động thực tế. Nếu chỉ có thể là lý thuyết mà không áp dụng hay kiểm chứng được thì cũng không phải là insight. Ví dụ: công ty bạn có 2 mảng kinh doanh: B2B (khách hàng doanh nghiệp) và B2C (khách hàng lẻ). Mảng khách hàng B2B thì đang rất tốt nhưng cần cải thiện doanh thu từ nhóm B2C hơn. Sau khi nghiên cứu nhóm B2C thì bạn rút ra nhận định rằng khách hàng lẻ rất thích giới thiệu dịch vụ cho bạn bè và nhận hoa hồng. Từ đó bạn nghĩ rằng cần phải thiết lập một hệ thống giới thiệu khách hàng (referral) để giúp gia tăng số lượng khách và doanh thu. Tuy nhiên thực tế thì hệ thống này là không thể thực hiện được với điều kiện của công ty hiện giờ về: nhân lực (tốn quá nhiều nhân lực để quản lý hệ thống), chi phí (đầu tư để xây dựng hệ thống referral) và thời gian (6 tháng để hoàn thành hệ thống và đưa vào sử dụng) ==> Nhận định rút ra không thể chuyển đổi được thành một hành động cụ thể và thực tế (khoan nói tới chuyện tốt hay không tốt) thì không gọi là insight được, mà cuối cùng chỉ là nhận định và suy nghĩ.

4. Hành động kể trên nếu được thực hiện thì phải có khả năng thuyết phục được khách hàng thay đổi hành vi của họ. Ví dụ: bạn phát hiện ra rằng sau khi mua laptop, khách hàng thường tìm mua thêm con chuột máy tính. Từ insight của phân khúc khách hàng hàng này, bạn có thể đặt sản phẩm chuột máy tính bạn muốn bán kèm ngay bên cạnh sản phẩm laptop để tăng tỉ lệ mua hàng -> nếu khách hàng chịu mua cả 2 sản phẩm tức là bạn đã thay đổi hành vi mua hàng của họ (mua 2 sản phẩm thay vì 1).

5. Sự thay đổi về hành vi phải mang lại lợi ích cho cả hai bên: thương hiệu và khách hàng. Ví dụ: việc mua kèm con chuột máy tính và laptop mang lại giá trị cho người mua hơn và mang lại doanh thu cao hơn cho bên bán, điều đó có nghĩa là cả hai bên đều có lợi.

Mỗi khách hàng sẽ có những suy nghĩ và hành vi rất riêng và chúng ta cần phải nhìn thấy mọi thứ xa hơn là data hoặc con số. Chúng ta cũng cần hiểu rằng insight khách hàng sẽ thay đổi theo thời gian, theo xu hướng, theo công nghệ, theo thời điểm, theo mùa, theo tuổi tác và rất nhiều yếu tố khác nữa. Nếu bạn chỉ phân tích và đánh giá dựa trên các hành vi cũ thì sẽ không làm sáng tỏ thêm điều gì mới mẻ về việc thấu hiểu khách hàng thì dần dần các insight mà bạn có về khách hàng sẽ bị cũ kỹ và không còn chính xác nữa.

Xây dựng customer insight như thế nào?

Hiểu được insight là gì và các đặc tính của nó, lúc này bạn có thể bắt đầu dựa trên đó các quy tắc đó để xây dựng customer insight và áp dụng nó vào việc kinh doanh. Quá trình này gồm 3 bước:

– Thu thập data

– Diễn giải / phân tích các data để tạo insight

– Dựa trên insight đưa ra các hành động

Chúng ta sẽ đi qua từng bước một cách chi tiết dưới đây:

1. Thu thập data

Như đã nói ở phần trên, insight đến từ data, và với digital marketing thì các data này đến từ:

– Website: sessions, time on site, bounce rate, v.v…

– Ứng dụng mobile: screen views, time on screen, thông tin người download, v.v…

– Mạng xã hội: followers, like, share, comments, v.v…

– Quảng cáo tìm kiếm / hiển thị: impression, clicks, conversion, CTR, CR, v.v…

– Email: open rate, click rate, CTR, abuse / spam rate, danh sách email not open, v.v…

– SMS: số SMS gửi, tỷ lệ mở, danh sách số điện thoại không gửi được, v.v…

– Khảo sát trực tuyến

Đây chỉ là một số kênh thông thường và không phải là tất cả. Insight cũng có thể đến từ các nguồn data khác như:

– Bán hàng: thông tin từ CRM,file theo dõi đơn hàng, hợp đồng, v.v…

– Chăm sóc khách hàng: thông tin từ call center, tổng đài, web chat

– POS: thông tin từ hệ thống tại các địa điểm bán hàng

– Đánh giá, nhận định từ khách hàng

– Nghiên cứu thị trường

Cũng chỉ là một số kênh thông thường, không phải toàn bộ. Tiếp theo chúng ta đi qua cách thức để có thể từ data tạo ra được các insight có ý nghĩa.

2. Diễn giải và phân tích các data để tạo ra insight

Khi bạn đã có data rồi, bạn cần phải hiểu các data này có ý nghĩa gì và từ đó tìm kiếm sự tương quan giữa việc lập lại (pattern) của một số chỉ số với mục tiêu của khách hàng (trải nghiệm tốt hơn) cũng như mục tiêu của bạn (bán được hàng).

Ví dụ: bạn thấy rằng các khách hàng dùng điện thoại di động truy cập vào website hiện tại có tỉ lệ chuyển đổi sang mua hàng thấp hơn so với desktop. Bạn rút ra được insight rằng có thể website của mình hiện tại phiên bản di động chưa thực tốt lắm cho trải nghiệm người dùng và nếu bạn có thể cải thiện được điều này thì sẽ góp phần tăng doanh thu cao hơn.

Chúng ta sẽ thấy mức độ hài lòng từ trải nghiệm của khách hàng khi mua sản phẩm hoặc dùng dịch vụ sẽ trực tiếp hoặc gián tiếp mang lại doanh thu cho doanh nghiệp. Do đó không phải tất cả mọi insight đều nhất thiết phải hướng đến việc là tạo ra doanh thu ngay lập tức mà đôi khi chỉ cần chú trọng vào việc cải thiện trải nghiệm người dùng thì sau đó họ sẽ chủ động quay lại nhiều hơn hoặc giới thiệu thêm khách hàng mới.

3. Dựa trên insight đưa ra các hành động

Sau khi đã có các insight được tạo ra từ việc phân tích các data có được thì lúc này bạn có thể bắt đầu dựa vào đó để đưa ra các hành động mà có thể giúp bạn hướng tới gần hơn mục tiêu kinh doanh. Đây là thời điểm mà các insight được diễn giải và phân tích từ data phải được đối chiếu lại với các đặc tính được nêu ở phần 1 để đảm bảo rằng chúng thật sự đúng đắn và phù hợp để bạn có thể ứng dụng.

Hành động được tạo ra từ các insight sẽ khác biệt tùy theo mục tiêu mà bạn mong muốn cũng như đặc tính ngành nghề, tình hình công ty, tình hình thị trường và cũng như xu hướng. Do đó sẽ không có một chuẩn mực hay template mẫu nào cho việc này.

Một số ứng dụng thường thấy của insight

Như đã nói ở trên là dù không có chuẩn mực chung nhưng đây là một số ứng dụng mà bạn có thể làm được với customer insight tạo ra từ các data và một số ví dụ để minh họa:

1. Đánh giá mức độ tác động: giúp doanh nghiệp hiểu được những thứ mà họ đã thực hiện tác động như thế nào đến hành vi khách hàng và đồng thời cho phép dự đoán các phản ứng của khách hàng với những thay đổi đang được đề xuất.

Ví dụ: trước khi áp dụng một chính sách giá bán mới thì bạn có thể dựa vào insight thu thập từ các nguồn để đánh giá xem việc áp dụng mức giá này có thể tạo ra phản ứng thế nào từ khách hàng (tích cực hay tiêu cực). Và dựa vào đánh giá đến từ insight này bạn có thể điều chỉnh mức giá phù hợp hơn trước khi đưa ra thị trường.

2. Tăng giá trị trọn đời: đánh giá giá trị trọn đời (lifetime value) của các khách hàng và cho phép doanh nghiệp đo lường nhiều yếu tố như chi phí để có một khách hàng và tỉ lệ khách hàng ngưng sử dụng dịch vụ.

Ví dụ: dựa vào insight thu thập được từ cách khách hàng thì bạn biết được rằng trung bình khách hàng từ 15 – 22 tuổi thường sẽ đổi điện thoại 1 năm 1 lần và thích các dòng điện thoại mới đắt tiền, khách hàng từ 23 – 30 tuổi sẽ đổi điện thoại 2 năm 1 lần và không cần phải là điện thoại dòng mới nhất. Từ insight đó hãng quyết định cứ khoảng 1 năm thì tung ra sản phẩm mới một lần để khách hàng 15 – 22 tuổi mua và đồng thời giảm giá dòng điện thoại cũ để khách hàng 23 – 30 tuổi cảm thấy muốn thay điện thoại cũ sớm hơn thay vì phải đợi tới năm sau. Điều này giúp tăng giá trị vòng đời của nhóm khách hàng thứ hai và đảm bảo doanh thu từ khách hàng thứ nhất.

3. Phân tích khuynh hướng: giúp đoán trước hành vi trong tương lai của khách hàng dựa trên các hành động trước đây và giúp doanh nghiệp hiểu được khả năng khách hàng sẽ hành xử theo một hướng nào đó.

Ví dụ: dựa vào data của thời gian trước đến giờ thì công ty bất động sản biết rằng thời điểm tháng 7 cô hồn ở Việt Nam là lúc khách hàng hạn chế tham gia vào việc mua bán do mê tín, dẫn đến việc giảm nhu cầu. Doanh nghiệp này quyết định thời điểm đó sẽ cắt giảm các chi phí quảng cáo để tránh lãng phí và đưa ra các khuyến mãi hấp dẫn hơn để kích thích việc mua bán.

4. Phân tích cross-sell / up-sell: xác định mối quan hệ giữa các sản phẩm và dịch vụ nhằm hiểu cách tốt nhất để kết hợp các sản phẩm. Các sản phẩm kết hợp này sau đó có thể dùng để cross-sell hoặc up-sell. Cross-sell: bán kèm thêm các sản phẩm có liên quan cho khách hàng đã mua một loại sản phẩm. Up-sell: bán một sản phẩm cùng loại nhưng cao cấp hơn sản phẩm mà khách hàng đang sử dụng.

Ví dụ: một doanh nghiệp về giáo dục chuyên cung cấp dịch vụ dạy tiếng Anh có các sản phẩm như khóa học tiếng Anh linh động dành cho người lớn gồm 15 cấp độ với 1 là thấp nhất và 15 là cao nhất, khóa học online về business từ một trường đại học danh tiếng nước ngoài, các khóa luyện thi IELTS, TOEFL và SAT. Bằng việc phân tích các data, doanh nghiệp này thu thập được insight rằng các học viên học cấp độ cao (10-15) của khóa tiếng anh linh động dành cho người lớn thường có nhu cầu đăng ký thêm khóa học online về business của trường đại học nước ngoài trong khi các học viên cấp độ tầm trung (6 – 9) thường đăng ký thêm các khóa học luyện thi IELTS. Doanh nghiệp này tung ra một chiến dịch khuyến mãi giảm giá nếu học viên đang học cấp cao mua kèm khóa online business và học việc cấp trung mua kèm khóa học IELTS. Chương trình này khiến số lượng khóa học bán kèm theo tăng gần 200% trong thời gian khuyến mãi.

Đây chỉ là một số ứng dụng thường thấy và thường sử dụng trong kinh doanh. Tùy theo các nhu cầu khác nhau sẽ có những ứng dụng và các thức tiếp cận khác nhau.

Đi xa hơn chỉ là customer insight

Tuy nhiên ứng dụng xong không phải đã là hết, bạn còn cần phải biết rằng hiệu quả tạo ra từ các hành động đó như thế nào và từ đó rút ra được những dữ liệu gì. Có 2 thứ nữa bạn NÊN LÀM:

Đánh giá

– Hiệu quả hay không hiệu quả? Đo lường như thế nào? Bằng công cụ gì? Bằng các chỉ số gì? Điều này là thứ bạn cần phải xác định rõ trước khi ứng dụng và thực thi các hoạt động đến từ insight.
– Nếu hiệu quả thì đạt được bao nhiêu phần trăm và có điều gì có thể làm tốt hơn được nữa hay không?
– Nếu không hiệu quả thì bạn đã sai điều gì? Hành động bạn kiến tạo từ insight là không hợp lý? Hay bản thân insight do bạn tạo ra đã sai? Hay là dữ liệu vốn không đáng tin cậy dẫn đến việc sai lầm từ đầu? Cần phải đi ngược lại từng công đoạn để tìm ra vấn đề.

Dữ liệu thu thập được

– Các hoạt động ứng dụng vừa rồi tạo ra các dữ liệu gì?
– Dựa trên các dữ liệu mới này chúng ta có thể rút ra được thêm các insight gì?
– Các dữ liệu mới có thể kết hợp với các dữ liệu cũ như thế nào để tạo ra thêm các insight mới nữa hay không?
– Một insight không chỉ có thể tạo ra một mà có thể là nhiều hành động ứng dụng. Có thêm điều gì bạn có thể làm nữa?

Tổng kết

Tổng kết lại, một insight “tốt” cần phải không hiển nhiên, dựa trên nhiều nguồn data khác nhau, có khả năng ứng dụng được và ứng dụng này có khả năng thay đổi hành vi khách hàng và mang lại lợi ích chung cho cả người bán và người mua. Để tạo ra insight, bạn cần phải bắt đầu từ việc thu thập các data từ nhiều nguồn khác nhau và sau đó diễn giải các data để tạo ra các nhận định về khách hàng. Các nhận định về khách hàng này chỉ có thể được gọi là insight nếu chúng thỏa hết các đặc tính được nêu trên và chỉ khi đó bạn mới nên ứng dụng chúng vào việc kinh doanh để cải thiện hiệu quả. Và sau khi ứng dụng thì việc đánh giá hiệu quả và thu thập dữ liệu để từ đó tiếp tục rút ra được các insight mới hơn, rõ ràng hơn.

Bài viết này hi vọng sẽ mang đến cho các bạn đọc một cái nhìn tương đối đầy đủ, rõ ràng hơn về insight và hữu ích trong việc giúp bạn cải thiện những gì đang làm hơn.

Nguồn conversion.vn