Professional Documents
Culture Documents
Slide AI in Marketing
Slide AI in Marketing
BÀI GIẢNG
AI TRONG MARKETING
Khoa/ Bộ môn phụ trách học phần:
Khoa Marketing/ Bộ môn Marketing cơ sở
Chương 1:
TỔNG QUAN VỀ TRÍ
TUỆ NHÂN TẠO
TRONG MARKETING
1
4/13/2023
Nội dung chương
• Tự động hóa trong Marketing
• Trí tuệ nhân tạo trong Marketing
• Marketing hướng dữ liệu (data-driven marketing)
2
4/13/2023
Nguồn:
https://en.wikipedia.org/wiki/Marketing_automation
3
4/13/2023
AI là gì
• Khi người được tương tác không phân biệt được đối tượng tương tác
là người (human) hay máy (Turing test, bởi Alan Turing)
4
4/13/2023
AI là gì
• Trong marketing có thể sử dụng cách nhận biết phổ biến, dễ áp dụng
hơn.
• Một hệ thống được coi là AI khi thực hiện được tác vụ mà, nếu người
thực hiện thì người đó được xem là thông minh (John McCarthy)
10
5
4/13/2023
11
12
6
4/13/2023
Marketing hướng dữ liệu
• Marketing hướng dữ liệu là hoạt động marketing dựa trên dữ liệu
• Marketing hướng dữ liệu là quá trình được sử dụng bởi người làm
marketing để thấu hiểu khách hàng, xác định xu hướng về khách
hàng, hành vi của họ ‐ họ mua gì, hiệu năng của quảng cáo, họ lướt
mạng như thế nào. (Wikipedia)
13
Marketing hướng dữ liệu
Lợi ích của marketing hướng dữ liệu:
• Các thông tin, quyết định được đưa ra dựa trên dữ liệu, thay vì cảm
tính
• Vì thông tin có được từ dữ liệu khách quan, dễ đạt được sự đồng
thuận
• Tránh được thiên kiến nhận thức của mỗi cá nhân
• Phù hợp xu hướng số hóa môi trường sống ngày càng cao của xã hội
• Rút ngắn thời gian các bước thu thập dữ liệu – phân tích thông tin –
ra quyết định – triển khai hoạt động marketing
14
7
4/13/2023
15
16
8
4/13/2023
17
18
9
4/13/2023
19
20
10
4/13/2023
21
Thu thập dữ liệu
Dữ liệu có thể thu thập nhanh chóng đến mức theo thời gian thực (real time),
nghĩa là khi sự kiện xảy ra thì dữ liệu về sự kiện đã được thu thập.
22
11
4/13/2023
23
24
12
4/13/2023
25
26
13
4/13/2023
27
28
28
14
4/13/2023
Cảm ơn!
29
Chương 2:
CÁC MÔ HÌNH AI
30
15
4/13/2023
31
Nội dung
1. Mô hình học máy
2. Mô hình xử lý ngôn ngữ tự nhiên
3. Trợ lý ảo
4. Mạng neural và học sâu
5. Xử lý ảnh
32
16
4/13/2023
• Học máy là một ứng dụng của AI, trong đó hệ thống tự động cải thiện
từ trải nghiệm mà không cần được lập trình cụ thể để làm như vậy.
• Thuật toán học máy tốt sẽ tự truy cập, phân tích, sử dụng dữ liệu để
cải thiện hiệu năng của nó.
33
• Học giám sát: có “đầu ra mong muốn” (vì vậy được gọi là có giám
sát). Có các loại: phân loại, ước lượng, tối ưu…
34
17
4/13/2023
• Giảm lãng phí marketing nhờ nhắm mục tiêu khách hàng hiệu quả
• Phân tích dự đoán: ví dụ chuỗi siêu thị Target dự đoán khách hàng
mang thai.
35
36
18
4/13/2023
• Netflix: gợi ý phim
•…
37
38
19
4/13/2023
39
40
20
4/13/2023
Trợ lý ảo
• Tính năng cần có hiện nay của trợ lý ảo: đọc/nghe hiểu ngôn ngữ và
thực thi mệnh lệnh
41
Trợ lý ảo
• Cho đến hiện nay, ứng dụng của trợ lý ảo chủ yếu vẫn giới hạn ở “trợ
lý”, tức thao tác thay cho người dùng.
• Trợ lý ảo đang thực hiện nhiệm vụ nhận dạng giọng nói khá tốt
• Việc thực thi hiện đang giới hạn ở các mệnh lệnh điều khiển thiết bị
kết nối internet.
42
21
4/13/2023
Trợ lý ảo
• Lượng data ngày càng nhiều => khả năng của trợ lý ảo trong hiểu/xử
lý ngôn ngữ tự nhiên càng tăng
43
• Máy tính có thể làm tốt nhiều loại việc hơn con người
• Máy tính có thể làm không tốt một số loại việc con người cho là dễ
•…
44
22
4/13/2023
• Cách mạng lưới thần kinh và máy tính vận hành rất khác nhau
• Mạng thần kinh hoạt động như một mạng lưới, với các tín hiệu điện
hóa.
• Việc xác định một yếu tố (như là một node) trong mạng lưới có thể
dựa vào các liên kết của node đó.
45
Xử lý ảnh
• Ứng dụng của AI xử lý ảnh:
• Nhận diện đối tượng (người, vật…)
• Theo dõi đối tượng
• Nhận diện khuôn mặt, cảm xúc
• Làm sắc nét và phục hồi – Tạo hình ảnh nâng cao từ hình ảnh gốc
• Truy xuất – Duyệt và tìm kiếm hình ảnh từ một cơ sở dữ liệu lớn
gồm các hình ảnh kỹ thuật số tương tự như hình ảnh gốc
46
23
4/13/2023
Xử lý ảnh
• Ảnh trong máy tính có dạng một bảng dữ liệu (kích thước hai chiều
của bảng là kích thước hai chiều của ảnh
• Giá trị tại mỗi điểm trong bảng tùy vào loại ảnh
• Ảnh trắng đen: giá trị tại mỗi điểm là 0 hoặc 1
• Ảnh xám: giá trị tại mỗi điểm là một số trong khoảng 0‐255
• Ảnh màu: giá trị mỗi điểm là một vector 3 chiều (r,g,b), mỗi
chiều nhận giá trị trong khoảng 0‐255
47
Xử lý ảnh
• Thu thập ảnh: bước tiền xử lý. Nó liên quan đến việc lấy hình ảnh từ một
nguồn, thường là nguồn dựa trên phần cứng.
• Tăng cường hình ảnh: làm nổi bật các đặc điểm trong hình ảnh đã bị che
khuất, bằng cách thay đổi độ sáng, độ tương phản, v.v.
• Phục hồi hình ảnh: cải thiện hình ảnh, sử dụng các mô hình toán học hoặc
xác suất nhất định.
Nguồn: Vinbigdata
48
24
4/13/2023
Xử lý ảnh
• Xử lý hình ảnh màu: Xử lý ảnh màu bao gồm một số kỹ thuật tạo mô hình
màu trong miền kỹ thuật số.
• Wavelets và xử lý đa phân giải: Wavelet được sử dụng để biểu diễn hình
ảnh ở nhiều mức độ phân giải khác nhau.
Nguồn: Vinbigdata
49
Xử lý ảnh
• Nén: giảm dung lượng lưu trữ hoặc băng thông cần thiết
để truyền tải hình ảnh đó.
• Xử lý hình thái: trích xuất thành phần của ảnh nhằm phục
vụ việc biểu diễn và mô tả hình dạng.
• Phân đoạn: phân vùng một hình ảnh thành các phần hoặc
đối tượng cấu thành của nó.
Nguồn: Vinbigdata
50
25
4/13/2023
Xử lý ảnh
• Trình bày và mô tả: đặc điểm của hình ảnh và thuộc tính
vùng. Mô tả đề cập đến việc trích xuất thông tin định
lượng giúp phân biệt một lớp đối tượng với lớp khác.
• Nhận dạng: Nhận dạng gán nhãn cho một đối tượng dựa trên
mô tả của nó.
Nguồn: Vinbigdata
51
52
52
26
4/13/2023
Cảm ơn!
53
Chương 3:
NGHIÊN CỨU THỊ
TRƯỜNG BẰNG AI
54
27
4/13/2023
55
Nội dung
56
28
4/13/2023
57
58
29
4/13/2023
59
60
30
4/13/2023
• Trong NCTT, nhà nghiên cứu luôn cố gắng khách quan trong điều phối (nếu là
nghiên cứu định tính), hoặc chọn mẫu, thu thập dữ liệu (nếu là nghiên cứu định
lượng). Nhưng bản chất con người có sự thiên lệch (bias).
61
62
31
4/13/2023
63
64
32
4/13/2023
65
66
33
4/13/2023
• Tính linh hoạt ở đây thể hiện chỗ nhà nghiên cứu có thể thực hiện ở bất kỳ đâu,
miễn các điều kiện thu thập, phân tích dữ liệu được đảm bảo.
67
68
34
4/13/2023
69
70
35
4/13/2023
71
72
36
4/13/2023
73
74
37
4/13/2023
75
76
76
38
4/13/2023
Cảm ơn!
77
Chương 4:
ÁP DỤNG AI VÀO
HOẠCH ĐỊNH CHIẾN
LƯỢC MARKETING
78
39
4/13/2023
79
Nội dung
80
40
4/13/2023
81
82
41
4/13/2023
83
84
42
4/13/2023
Phân loại Dữ liệu đầu vào, cách phân loại trước Google Lens phân loại ảnh
hoặc dữ liệu phân loại mẫu
Phân cụm Dữ liệu đầu vào về đối tượng Airbnb phân cụm khách hàng (gia
đình, cặp đôi, người phiêu lưu…)
85
86
43
4/13/2023
• Giả định: sự trung thành, dữ liệu khách hàng, dữ liệu mạng xã hội (bằng social
listening) được thu thập
• Có thể phân tích thành phần/nhân tố chính tác động đến một/vài loại hành vi
• Kết quả thuật toán phân khúc (phân cụm) được chuyển đổi sang ẩn dụ và ứng
dụng trong truyền thông
87
88
44
4/13/2023
• Định giá linh động: có thể điều chỉnh theo thời gian thực
• Mô hình định giá dựa trên nghiệm suy: người dung chọn được loại
mô hình để triển khai
89
• Thời điểm: cung cấp thông tin phù hợp với giai đoạn trong quá trình
mua
• Nội dung: ẩn dụ có hình ảnh, ngôn ngữ bối cảnh như thế nào
90
45
4/13/2023
• Xác định vị trí thương hiệu theo năm đặc điểm tính cách (Big5)
91
92
46
4/13/2023
=> Hiện nay người ta tìm cách kết hợp “sức người” để hỗ trợ AI giải
quyết vấn đề
93
• Dự báo
• Giảm chiều dữ liệu: nắm bắt một vấn đề/tình trạng vốn phức tạp
thông qua một vài tham số
94
47
4/13/2023
Ảnh: https://trituenhantao.io
95
96
48
4/13/2023
97
98
49
4/13/2023
99
99
Cảm ơn!
100
50
4/13/2023
Chương 5:
ÁP DỤNG AI VÀO PHÂN
KHÚC THỊ TRƯỜNG VÀ
TIẾP CẬN KHÁCH HÀNG
MỤC TIÊU
101
102
51
4/13/2023
Nội dung
103
• Phân cụm (Clustering) thuộc loại học không giám sát (Unsupervised
learning) trong đó các đối tượng được gom vào thành từng cụm
(cluster) sao cho các đối tượng trong cùng một cụm có sự tương đồng
theo một tiêu chí nào đó.
104
52
4/13/2023
105
106
53
4/13/2023
107
108
54
4/13/2023
109
110
55
4/13/2023
111
112
56
4/13/2023
113
114
57
4/13/2023
Ẩn dụ: Peaceful life
Tạo bởi công cụ tự động tạo ảnh của Microsoft Bing
115
116
58
4/13/2023
117
118
59
4/13/2023
• Ví dụ: target.ai của pixis.ai
119
Target.ai của Pixis.ai
120
60
4/13/2023
121
121
Cảm ơn!
122
61
4/13/2023
Chương 6:
ÁP DỤNG AI VÀO ĐỊNH
VỊ
123
124
62
4/13/2023
Nội dung chương
• Mô hình định vị số
• Công cụ AI
• Đánh giá và ước lượng kết quả
125
Mô hình định vị số
• Hiểu thương hiệu qua bài kiểm tra 5 đặc điểm tính cách lớn (Big5)
• Theo dõi thương hiệu qua bài kiểm tra
• Kích hoạt bộ nhận dạng thương hiệu trong các cuộc trò chuyện trên
MXH
• Cộng hưởng nhận dạng thương hiệu trong các phương tiện truyền
thông vô thức được tiếp nhận
• Tìm người đại diện phù hợp
Pradeep, Appel, Sthanunathan, 2022
126
63
4/13/2023
Mô hình định vị số
• 5 đặc điểm tính cách lớn
127
Mô hình định vị số
• Kết nối sản phẩm với các ẩn dụ và nhận dạng thương hiệu
• Trích xuất các bối cảnh từ tâm trí vô thức được kết nối với một
thương hiệu
• Phân cụm các thương hiệu dựa trên chức năng, cảm xúc, giá trị
• Phân tích nhân tố thương hiệu trong một ngành hàng
Pradeep, Appel, Sthanunathan, 2022
128
64
4/13/2023
129
130
65
4/13/2023
131
132
66
4/13/2023
133
134
67
4/13/2023
135
136
68
4/13/2023
137
Công cụ AI
• Ví dụ về công cụ tự động tạo hình ảnh từ các ẩn dụ:
https://bing.com/images/create/
• Sản phẩm mẫu tạo bởi công cụ AI
138
69
4/13/2023
139
140
70
4/13/2023
1. Hãy cho biết các đặc điểm tính cách lớn của con người và cách xác
định vị trí của một thương hiệu hiện có
2. Hãy cho biết cách định vị một thương hiệu bằng ẩn dụ
141
141
Cảm ơn!
142
71
4/13/2023
Chương 7:
ÁP DỤNG AI VÀO CHIẾN
LƯỢC GIÁ
143
Người học sau khi hoàn thành chương này có thể mô tả, giải
thích
• Mô tả, giải thích cách định giá linh động và cách tối ưu giá trị khách
hàng trọn đời
• Kể các chiến lược giá phổ biến
144
72
4/13/2023
Nội dung chương
145
146
73
4/13/2023
147
148
74
4/13/2023
149
150
75
4/13/2023
• Chiến lược giá linh động là chiến lược trong đó giá thay đổi dựa theo
nhu cầu của khách hàng theo thời gian thực.
• Theo thời gian thực nghĩa là giá có thể điều chỉnh rất nhanh. Ví dụ:
• Giá phòng khách sạn ở Vũng Tàu ngày thứ 7, chủ nhật có thể gấp
3 các ngày khác.
• Giá đặt xe Grab có thể tăng lên 20% sau 5 phút
151
152
76
4/13/2023
153
Predeep, Appel, Sthanunathan, 2022
154
77
4/13/2023
Predeep, Appel, Sthanunathan, 2022
155
Predeep, Appel, Sthanunathan, 2022
156
78
4/13/2023
157
158
79
4/13/2023
159
Nguồn: https://blog.hubspot.com/service/how‐to‐calculate‐
customer‐lifetime‐value
160
80
4/13/2023
1. Hãy kể các chiến lược giá phổ biến và cho ví dụ minh họa
2. Hãy mô tả cách định giá tối ưu hóa lợi nhuận theo thời điểm. Cách
định giá này phù hợp để áp dụng khi nào?
161
161
Cảm ơn!
162
81
4/13/2023
CHƯƠNG 8:
ÁP DỤNG AI VÀO CHIẾN
LƯỢC PHÂN PHỐI
163
Người học sau khi hoàn thành chương này có thể mô tả, giải
thích
• Mô tả, giải thích các ứng dụng của AI trong cải thiện trải nghiệm
khách hàng trong cửa hàng, trong hội thoại, trên website
• Giải thích sự hỗ trợ của AI trong chốt deal
164
82
4/13/2023
165
Nội dung
• Trải nghiệm trong cửa hàng
• Điện thoại
• Trải nghiệm trên website
• AI trợ giúp chốt deal
166
83
4/13/2023
167
168
84
4/13/2023
169
170
85
4/13/2023
171
Điện thoại
Một số đặc điểm về ứng dụng AI vào hội thoại với khách hàng
• Nhắc lại: Tác vụ gì dễ với người thì khó với máy, và ngược lại. Hội thoại là một tác
vụ như vậy.
• Khách hàng sẽ kết thúc hội thoại với chatbot sớm hơn so với người
• Khách hàng sẽ dễ chấp nhận hội thoại với chatbot các nội dung về thông tin hơn.
• Khách hàng ít hài lòng hội thoại với chatbot về các nội dung phàn nàn
=> Ứng dụng
• Phân tích dữ liệu hội thoại, lập hồ sơ, phân loại, phân tích khách hàng => đề xuất
cách tiếp cận phù hợp cho từng nhóm khách hàng
• Phân chia các nội dung sử dụng chatbot, nội dung có người xử lý
172
86
4/13/2023
173
=> Ứng dụng
• Cá nhân hóa landing page dựa trên hành vi mua hàng trong quá khứ và tương tác
của khách hàng với website
• Gợi ý nội dung
• Ví dụ: Adobe Sensei
174
87
4/13/2023
175
176
88
4/13/2023
Nguồn: https://hbr.org/2022/11/can‐ai‐really‐help‐you‐sell
177
Nguồn: https://hbr.org/2022/11/can‐ai‐really‐help‐you‐sell
178
89
4/13/2023
Nguồn: https://hbr.org/2022/11/can‐ai‐really‐help‐you‐sell
179
1. Hãy cho biết các ứng dụng của AI trong cửa hàng, hội thoại, trải
nghiệm trên website, hỗ trợ chốt deal
2. Chatbot phù hợp sử dụng trong hội thoại với khách hàng trong
trường hợp nào.
3. Cho ví dụ Ai hỗ trợ cải thiện trải nghiệm trên website
180
180
90
4/13/2023
Cảm ơn!
181
CHƯƠNG 9:
ÁP DỤNG AI VÀO CHIẾN
LƯỢC CHIÊU THỊ
182
91
4/13/2023
183
Nội dung chương
184
92
4/13/2023
185
186
93
4/13/2023
187
188
94
4/13/2023
189
Giải pháp có thể có: nền tảng tự học, tự động và điều khiển bởi dữ liệu
• Chức năng: giúp nhà quảng cáo lên kế hoạch, đặt chỗ và tối ưu hóa
phương tiện truyền thông nhằm tập trung vào chỉ số (KPI) mong
muốn
• Định lượng được giá trị gia tăng của các khoản đầu tư truyền thông
riêng lẻ liên quan đến các chỉ số KPI mục tiêu
190
95
4/13/2023
191
Đặc điểm
• Dễ sử dụng: phần mềm như một dịch vụ (SaaS), có thể sử dụng để
quản lý thông qua trình duyệt 24/7
• Chi phí hợp lý, phù hợp công ty nhỏ: Với Black Seven là chi phí thuê
bao hàng tháng. Chi phí khác có thể có: chi phí xây dựng, vận hành
mô hình (Ở Việt Nam, Haravan có thể có mô hình kinh doanh khá
giống Black Seven)
192
96
4/13/2023
193
Các mô hình
• Mô hình hóa Bayes: tích hợp/sử dụng kiến thức từ trước và kết quả
chi tiết hơn thống kê truyền thống.
• Mô hình tối ưu: tính toán sự kết hợp tốt nhất các phương tiện truyền
thông
194
97
4/13/2023
195
196
98
4/13/2023
197
198
99
4/13/2023
199
200
100
4/13/2023
201
202
101
4/13/2023
203
204
102
4/13/2023
205
206
103
4/13/2023
1. Hãy xây dựng một chatbot, tích hợp và fanpage với các kịch bản
chăm sóc khách hàng tự giả định.
2. Trong cách mô hình ra quyết định đã nêu trong chương, hãy cho
biết mỗi mô hình phù hợp sử dụng trong trường hợp nào
3. Cho ví dụ một dịch vụ lập kế hoạch và quản trị truyền thông và cho
biết ưu/khuyết điểm của dịch vụ đó.
207
207
Cảm ơn!
208
104
4/13/2023
CHƯƠNG 10:
AI VÀ MARKETING LINH
HOẠT
209
210
105
4/13/2023
Nội dung chương
• Máy tự học
• Dịch vụ trí thông minh nhân tạo
• Dữ liệu là lợi thế cạnh tranh
• Robot cho cá nhân
211
Máy tự học
“Được rồi, hãy để cho nó chơi với chính nó hàng triệu lần,
không biết gì khác ngoài luật chơi, và bắt đầu chơi ngẫu nhiên,
nhưng nhận biết được những hình mẫu liên quan đến chiến
thắng.”
Demis Hassabis (làm việc cho Deep Mind của Google)
=> Máy tự học
212
106
4/13/2023
Máy tự học
• Quy định các lựa chọn có thể có (nước đi – nếu đang chơi cờ)
• Cho máy tự tạo tình huống (chơi – nếu đang chơi cờ) => kết quả =>
thu thập dữ liệu
• Dựa vào kết quả thu thập được gán các nước đi là tốt (xác suất thắng
cao), không tốt (xác suất thua cao)
213
Máy tự học
• Luật chơi
214
107
4/13/2023
215
216
108
4/13/2023
Nguồn: SMCC
217
218
109
4/13/2023
219
• Thông thường dữ liệu lớn được hiểu là dữ liệu được thu thập và liên
kết với một lĩnh vực hoặc chức năng cụ thể.
• Dữ liệu lớn được xử lý tốt và hiệu quả thông qua các hệ thống học
sâu.
• Với dữ liệu lớn (dồi dào) các mẫu hình trở nên rõ ràng
220
110
4/13/2023
221
• Làm sạch dữ liệu là quá trình tìm, sửa (hoặc xóa) các dữ liệu không
liên quan, sai lệch, thiếu sót, trùng lặp, vô dụng ra khỏi bộ dữ liệu.
222
111
4/13/2023
• Dữ liệu giả
•…
223
• Chi phí lớn
224
112
4/13/2023
• Một số cách lấp khoảng trống trong dữ liệu. Không có cách đúng hay
sai hoàn toàn. Người xử lý nên chọn cách phù hợp cho mình.
225
• Dùng dữ liệu từ thời điểm tương ứng (ví dụ tháng này năm ngoái)
226
113
4/13/2023
Robot cho cá nhân
• Một số robot cho cá nhân: Siri, Google Assistant…
227
1. Hãy triển khai trợ lý ảo trên điện thoại cho bạn và trình bày kết quả
2. Hãy chọn một dịch vụ trí thông minh nhân tạo (có thể miễn phí) và
sử dụng để giải quyết vấn đề của bạn và trình bày kết quả.
3. Hãy giải thích, bằng cách nào máy có thể tự học được.
228
228
114
4/13/2023
Cảm ơn!
229
230
115
4/13/2023
Cảm ơn!
231
232
116