ANALYTICAL

CRM
Nhóm 3 – 47K22.3
Hệ thống CRM
NỘI DUNG
KHÁI
NIỆM
• Là quá trình tổng hợp và diễn giải dữ liệu vận hành
để tối ưu hóa tương tác với khách hàng, xác định cơ
hội và quản lý hiệu quả kinh doanh.

• CRM phân tích cung cấp những hiểu biết sâu sắc hỗ
trợ hoạt động và chiến lược thông minh
Nguồn: Misa Amis
VAI TRÒ
ĐỐI VỚI ĐỐI VỚI CRM
CRM TÁC CHIẾN LƯỢC
NGHIỆP
 VAI
TRÒ

CRM chiến lược CRM tác nghiệp CRM phân tích

Chiến lược áp dụng “Front-office" “Back-office"
Xác định KH tiềm năng Hỗ trợ tương tác Thu thập dữ liệu
Tạo KH trung thành Củng cố niềm tin Phân tích dữ liệu
Tăng cường dịch vụ Tìm hiểu khách hàng
ĐỐI VỚI CRM CHIẾN LƯỢC

Giúp trả lời những câu hỏi quan trọng

về chiến lược CRM như
- Nên phục vụ những khách hàng
nào?
- Tỷ lệ chi tiêu của khách hàng dành
cho công ty là bao nhiêu?
- Khách hàng nghĩ gì và cảm nhận
gì về dịch vụ?
- Chúng ta có gì vượt trội?
ĐỐI VỚI CRM TÁC
NGHIỆP
Giúp trả lời những câu hỏi quan trọng
về CRM tác nghiệp như
- Nên sử dụng kênh nào để giao tiếp
với khách hàng?
- Hiệu suất bán hàng của doanh
nghiệp tại các địa điểm
- Làm sao để cải thiện dịch vụ tốt hơn
QUY TRÌNH KHAI
PHÁ DỮ LIỆU

KHAI PHÁ DỮ KHAI PHÁ DỮ

LIỆU CÓ LIỆU VÔ
HƯỚNG HƯỚNG
 KHAI PHÁ DỮ
LIỆU
Ứng dụng phân tích mô tả và dự đoán cho các tập dữ liệu lớn để hỗ trợ các
chức năng tiếp thị, bán hàng và dịch vụ.

Mô tả và trực
Phân lớp Ước lượng
quan hóa

Dự đoán Phân nhóm Phân cụm

Khai phá dữ liệu có hướng

• Có mục tiêu dự đoán một số sự kiện hoặc giá trị trong tương lai.
• Nhà phân tích sử dụng dữ liệu đầu vào để dự đoán một đầu ra cụ thể.
• Nhấn mạnh vào việc phân loại, dự đoán và ước tính.

Cây quyết định Mạng lưới thần

kinh
 Cây quyết định
Hoạt động thông qua quá trình phân
vùng đệ quy.

Tạo ra các nhóm có tính đồng nhất

cao nhất hoặc độ tinh khiết (purest)
cao nhất

Khi quá trình phân vùng đệ quy

hoàn tất, cây quyết định sẽ được
hình thành.
 Mạng lưới thần kinh
Mạng lưới thần kinh là một loại trí tuệ
nhân tạo cố gắng bắt chước cách thức
hoạt động của bộ não con người.

Mạng nơ-ron cần được đào tạo, để

nhận dạng các mẫu trên các tập dữ liệu
mẫu

=> Dự đoán hành vi của khách hàng từ

dữ liệu mới.
 Khai phá dữ liệu vô hướng

Khám phá một tập dữ liệu để xem những gì có thể học được. Khám phá các mẫu
mới trong dữ liệu.
Nhà phân tích không cố gắng dự đoán hoặc ước tính một số kết quả đầu ra.

K-means Phân tích nhân tố

 K-means
Thuật toán để phân loại hoặc nhóm
các đối tượng dựa trên các thuộc
tính/đặc điểm thành K số nhóm.

Việc phân nhóm được thực hiện

bằng cách giảm thiểu tổng bình
phương khoảng cách giữa dữ liệu
và tâm cụm tương ứng. Vì vậy, mục
đích của K means là phân loại dữ
liệu.
 Phân tích nhân tố

Phân tích nhân số sử dụng các

phương pháp toán học để đơn giản
hóa các đo lường tương quan nhằm
khám phá các mẫu trong một tập
hợp các biến.

Là một thủ tục rút gọn dữ liệu.

 ỨNG DỤNG CÔNG NGHỆ

Artificial Machine Deep

Intelligience Learning Learning
 Artificial Intelligience - AI
Sử dụng thuật toán dự đoán để dự
đoán mẫu mua sắm của khách
hàng

Nâng cao trải nghiệm của khách

hàng bằng cách cung cấp các gợi
ý sản phẩm cá nhân hóa dựa trên
nhu cầu và sở thích cụ thể của
từng khách hàng
Product Recommendation System
 Artificial Intelligience - AI

Sử dụng hệ thống xử lý ngôn ngữ

tự nhiên (NLP) phức tạp và tự
học hỏi

Bots
 Machine Learning
ANNs là một mô hình số hóa não người khi xử
lý thông tin. ANN được tạo ra để xác định các
loại mẫu vật hoặc nhận dạng chữ viết tay.

Ứng dụng ANN trong việc phân loại hay dự đoán

ai đang hoặc sẽ là khách hàng trung thành, xu
hướng mua hàng, ủng hộ hay rời bỏ

ANN - Artificial Neural

Network
 Deep Learning
Deep Learning là một nhánh của học máy, sử
dụng các mạng nơ-ron sâu để phân tích dữ liệu và
đưa ra các dự đoán dựa trên một tập hợp các
thuật toán từ đó mô hình hóa các dữ liệu trừu
tượng.

Trong CRM, Deep Learning có thể được sử dụng

để tối ưu hóa chiến lược tiếp cận khách hàng,
nâng cao trải nghiệm khách hàng và cải thiện
quản lý dữ liệu khách hàng
 Deep Learning
ASR có thể phân tích nội dung của cuộc trò chuyện
để xác định các chủ đề, cảm xúc, và các yếu tố khác
liên quan đến tương tác khách hàng

Cung cấp thông tin quý giá về cách mà khách hàng

tương tác với sản phẩm hoặc dịch vụ, giúp cải thiện
việc hiểu và phục vụ khách hàng tốt hơn.

Hệ thống nhận diện giọng nói

 Deep Learning

Phát hiện và phân tích hành vi khách hàng từ hình

ảnh bao gồm việc nhận diện hành động hoặc tương
tác cụ thể của khách hàng với sản phẩm, dịch vụ.

Tự động phân loại và gắn nhãn các hình ảnh đến từ

khách hàng vào hồ sơ quản lý quan hệ khách hàng,
từ đó giúp doanh nghiệp hiểu sau hơn về khách hàng

Phân tích hình ảnh

 Deep Learning

Giúp các nhà quản lý CRM đưa ra các quyết định

dựa trên dữ liệu. Các mô hình Deep Learning có thể
phân tích dữ liệu về khách hàng

Dữ liệu về tần suất mua hàng, giá trị đơn hàng, lịch
sử truy cập trang web, để đưa ra các khuyến nghị về
chiến lược tiếp thị, phát triển sản phẩm và cải thiện
trải nghiệm khách hàng.

Phân tích dữ liệu khách hàng

 Deep Learning
Một dịch vụ dựa trên đám mây dưới dạng giao
diện đàm thoại. Deep Learning hỗ trợ khả năng
của Alexa trong việc hiểu ngữ cảnh và thành
ngữ trong lời nói tự nhiên của chúng ta để phản
hồi các hướng dẫn và yêu cầu theo cách phù hợp
nhất.
Sử dụng DNN để phân tích dữ liệu từ các tương
tác trước đó của khách hàng bao gồm việc họ đã
mở email, nhấp vào các liên kết, truy cập
website hoặc tham gia các sự kiện tiếp thị, từ đó
tạo ra các dự đoán về khách hàng tiềm năng
chuyển đổi thành khách hàng thực sự.
KỸ THUẬT PHÂN TÍCH
RFM
Khái niệm Phân tích điểm
RFM RFM
 THANKS FOR
YOUR ATTENTION !