Luận văn Thạc sĩ Kinh tế: Phân tích hành vi khách hàng hướng đến phân khúc thị trường từ dữ liệu big data - Trường hợp của Sacombank

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:93

Thêm vào BST

Báo xấu

54
lượt xem 9
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu của đề tài là phân tích hành vi tiêu dùng thông qua lịch sử giao dịch của khách hàng tham tham gia dịch vụ tiền gửi, sử dụng thẻ và tiền vay từ đó hướng đến thực hiện phân khúc thị trường theo các nhóm tiêu dùng; phát triển các giải pháp kinh doanh hạn chế rủi ro rời dịch vụ của khách hàng, tăng cường các chiến lược kinh doanh giúp giữ chân khách hàng hiện tại, khai thác khách hàng mới.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Luận văn Thạc sĩ Kinh tế: Phân tích hành vi khách hàng hướng đến phân khúc thị trường từ dữ liệu big data - Trường hợp của Sacombank

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH --------------- PHẠM VĂN HẬU PHÂN TÍCH HÀNH VI KHÁCH HÀNG HƯỚNG ĐẾN PHÂN KHÚC THỊ TRƯỜNG TỪ DỮ LIỆU BIGDATA TRƯỜNG HỢP CỦA SACOMBANK LUẬN VĂN THẠC SĨ KINH TẾ Thành Phố Hồ Chí Minh – Năm 2019
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH --------------- PHẠM VĂN HẬU PHÂN TÍCH HÀNH VI KHÁCH HÀNG HƯỚNG ĐẾN PHÂN KHÚC THỊ TRƯỜNG TỪ DỮ LIỆU BIGDATA TRƯỜNG HỢP CỦA SACOMBANK Chuyên ngành: Quản trị kinh doanh Hướng đào tạo: Hướng ứng dụng Mã số: 8340101 LUẬN VĂN THẠC SĨ KINH TẾ NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS. TỪ VĂN BÌNH Thành Phố Hồ Chí Minh – Năm 2019
LỜI CAM ĐOAN Tôi xin cam đoan rằng những nội dung tôi viết trong bài báo cáo này là do tôi thực hiện trên cơ sở tham khảo các tài liệu liên quan đến đề tài và số liệu trong bài báo cáo là hoàn toàn trung thực. Tôi xin chịu hoàn toàn trách nhiệm về lời cam đoan này. Người thực hiện đề tài
MỤC LỤC TRANG PHỤ BÌA LỜI CAM ĐOAN MỤC LỤC DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT DANH MỤC CÁC BẢNG BIỂU DANH MỤC CÁC BIỂU ĐỒ TÓM TẮT ABSTRACT LỜI MỞ ĐẦU ........................................................................................................... 1 CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU ........... 4 1.1. Lý do chọn đề tài ............................................................................................... 4 1.2. Mục tiêu nghiên cứu .......................................................................................... 5 1.3. Phương pháp nghiên cứu ................................................................................. 6 1.3.1. Đối với số liệu phục vụ nghiên cứu ............................................................... 6 1.3.2. Các khái niệm tiếp cận trong nghiên cứu .................................................... 7 1.3.3. Phạm vi nghiên cứu của luận văn ................................................................. 8 1.3.4. Kết cấu của luận văn ...................................................................................... 9 CHƯƠNG 2: CƠ SỞ LÝ LUẬN ............................................................................ 10 2.1. Big Data ............................................................................................................ 10 2.2. Khai phá dữ liệu (Data Mining) ..................................................................... 10 2.3. Hành vi tiêu dùng ............................................................................................ 13 2.3.1. Định nghĩa ..................................................................................................... 13 2.3.2. Hành vi tiêu dùng đƣợc phân khúc theo RFM .......................................... 19
2.4. Phân khúc thị trường ...................................................................................... 20 2.4.1. Định nghĩa phân khúc thị trường ................................................................ 20 2.4.2. Lựa chọn thị trường mục tiêu……............................................................... 22 2.4.3. Định vị sản phẩm trên thị trường mục tiêu ................................................ 24 2.5. Một số khái niệm khác..................................................................................... 25 2.5.1. Mô hình ma trận giá trị khách hàng (Custumer Value Matrix Model…...25 2.5.2. Phương pháp RFM ....................................................................................... 26 2.5.3. Giá trị vòng đời khách hàng (Custumer Lifetime Value - CLV) ............. 27 2.5.4. Thuật toán phân cụm (Clustering) .............................................................. 27 2.5.5. Thuật toán K-means ..................................................................................... 30 2.6. Quy trình nghiên cứu ...................................................................................... 31 CHƯƠNG 3: BIG DATA VÀ ỨNG DỤNG BIG DATA TẠI SACOMBANK…33 3.1. Big Data và ứng dụng của Big data trong lĩnh vực ngân hàng .................... 33 3.1.1. Big data ......................................................................................................... 33 3.1.2. Ứng dụng của Big data trong lĩnh vực ngân hàng ..................................... 33 3.2. Ứng dụng big data tại Sacombank ................................................................. 40 3.2.1. Giới thiệu về Sacombank ............................................................................. 40 3.2.2. Ứng dụng big data tại Sacombank .............................................................. 43 CHƯƠNG 4: PHÂN TÍCH DỮ LIỆU BIG DATA .............................................. 46 4.1. Số liệu phục vụ nghiên cứu ............................................................................. 46 4.2. Thông tin giao dịch khách hàng ..................................................................... 46 4.2.1. Đối với khách hàng tiền gửi ......................................................................... 46
4.2.2. Đối với khách hàng sử dụng thẻ tín dụng ................................................... 48 4.2.3. Đối với khách hàng tiền vay ......................................................................... 49 4.3. Phân tích hành vi và phân khúc khách hàng ................................................ 51 CHƯƠNG 5: KẾT LUẬN VÀ XÂY DỰNG CHIẾN LƯỢC .............................. 58 ĐỀ XUẤT CHIẾN LƯỢC KINH DOANH .......................................................... 58 5.1. Chiến lược kinh doanh đề xuất theo phân khúc khách hàng ...................... 60 5.1.1. Chiến lược cho nhóm khách hàng tốt nhất (Best) ...................................... 60 5.1.2. Chiến lược cho nhóm khách hàng mới (New) ............................................ 65 5.2. Chiến lược phản hồi của khách hàng (feelback) ........................................... 67 KẾT LUẬN ............................................................................................................. 70 TÀI LIỆU THAM KHẢO PHỤ LỤC
DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT Từ viết tắt Nguyên nghĩa SACOMBANK Ngân hàng Thương Mại Cổ Phần Sài Gòn Thương Tín CLV Customer Lifetime Value (Giá trị đóng góp của khách hàng theo thời gian) RFM Recency, Frequency, Monatery
DANH MỤC CÁC BẢNG BIỂU Bảng 1.1 Thông tin khách hàng từ tháng 10/2018 đến tháng 10/2019 Bảng 2.1. Các bước trong quá trình khai thác dữ liệu Bảng 2.2. Ứng dụng của khai thác dữ liệu Bảng 2.3. Bảng mô tả điểm theo RFM Bảng 2.4. Mô tả ma trận giá trị khách hàng Bảng 2.5. Các tham số của ma trận quan hệ khách hàng Bảng 2.6. Chuyển đổi dữ liệu Bảng 2.7. Các phương pháp cơ bản của thuật toán phân cụm Bảng 2.8. Các bước cơ bản của thuật toán K-means Bảng 4.1. Thông tin loại thẻ tín dụng được sử dụng bởi khách hàng Bảng 5.1. Khung điểm xếp hạng đề xuất Bảng 5.2. Chính sách ưu đãi đề xuất cho khách hàng sapphire Bảng 5.3. Kế hoạch phân bổ nguồn lực cho nhóm khách hàng tốt nhất Bảng 5.4. Chiến lược đề xuất dành cho nhóm khách hàng mới Bảng 5.5. Kế hoạch xây dựng chiến lược feelback
DANH MỤC CÁC BIỂU ĐỒ Biểu đồ 2.1. Quy trình khai thác dữ liệu Biểu đồ 2.2. Mô hình ma trận giá trị khách hàng Biểu đồ 2.3. Ví dụ về các thuật toán phâm cụm cổ điển Biểu đồ 2.4. Ví dụ về phân cụm bằng phương pháp K-means Biểu đồ 2.5. Quy trình nghiên cứu Biểu đồ 3.1. Tổng tài sản của Sacombank giao đoạn 2014-2018 Biểu đồ 3.2. Tổng nguồn vốn huy động của Sacombank giao đoạn 2014-2018 Biểu đồ 3.3. Tổng cho vay khách của Sacombank giao đoạn 2014-2018 Biểu đồ 3.4. Lợi nhuận trước thuế của Sacombank giao đoạn 2014-2018 Biểu đồ 4.1. Thông tin tiền gửi theo thời gian của khách hàng Biểu đồ 4.2. Thông tin nhóm thẻ tín dụng khách hàng quan tâm Biểu đồ 4.4. Thông tin vay của khách hàng Biểu đồ 4.5. Thông tin vay theo giá trị và thời gian vay Biểu đồ 4.6. Mô hình ma trận khách hàng Biểu đồ 4.7. Phân khúc thị trường dựa vào mô hình RFM Biểu đồ 4.8. Thông tin vay vốn theo nhóm phân khúc khách hàng Biểu đồ 4.9. Phân khúc thị trường và mối quan hệ với khách hàng Biểu đồ 4.10. Thông tin phân khúc thị trường theo dịch vụ tham gia và số dư nợ thẻ
TÓM TẮT Đề tài “Phân tích hành vi khách hàng hướng đến phân khúc thị trường từ dữ liệu bigdata: Trường hợp của Sacombank” với mục đích phân tích hành vi khách hàng, đặc điểm lựa chọn dịch vụ của khách hàng, việc phân tích hành vi khách hàng từ nguồn dữ liệu big data. Điều này không những góp phần vào việc xác định lại phân khúc thị trường để ngân hàng có hướng tiếp cận phù hợp, trên cơ sở để phát triển thêm vào các dịch vụ hướng đến phục vụ khách hàng một cách hiệu quả nhằm giữ chân khách hàng cũ, hạn chế sự rời dịch vụ của khách hàng và tạo tiếng vang lôi kéo khách hàng mới. Đề tài áp dụng vào mô hình CLV (customer lifetime value) - giá trị đóng góp của khách hàng theo thời gian để tính RFM (Recency, Frequency, Monetary) trước khi hướng đến phân khúc thị trường. Việc phân khúc dựa trên hành vi tiêu dùng của khách hàng cụ thể là các khách hàng sử dụng thẻ tín dụng, khách hàng tiền gửi và lịch sử giao dịch tiền gửi, và khách hàng tiền vay một số phương pháp phân cụm (cluster) và phân cụm theo RFM (thời gian mua hàng gần nhất, tần suất giao dịch của khách hàng tổng giá trị giao dịch dựa trên nguồn dữ liệu big data của Sacombank). Việc nghiên cứu này được ban lãnh đạo phía ngân hàng kỳ vọng rất lớn, vì kết quả nghiên cứu từ tài nguyên dữ liệu là việc làm thực tế, giúp Sacombank phân khúc hệ khách hàng của mình thành từng nhóm từ đó có các giải pháp chiến lược hướng vào từng phân khúc khách hàng cụ thể và các chiến lược được đề xuất từ nghiên cứu là một áp dụng chính thức cho năm 2020.
ABSTRACT Topic "Analyzing customer behavior towards market segments from big data: The case of Sacombank" with the purpose of analyzing customer behavior, characteristics of customer service selection, and analyzing the behavior of customers. vi customers from big data. This not only contributes to redefining the market segment so that the bank can take an appropriate approach, on the basis of further development of services aimed at customer service effectively to retain customers. old customers, restricting customer service and creating a buzz to attract new customers. The project applies to CLV model (customer lifetime value) - the value of customer contributions over time to calculate RFM (Recency, Frequency, Monetary) before moving to the market segment. Segmentation is based on specific consumer behavior of credit card customers, deposit customers and deposit transaction history, and borrowers some clustering methods. and clustered by RFM (latest purchase time, frequency of customer transactions total transaction value based on big data data of Sacombank). This research is highly expected by the bank's management, because the research results from data resources are practical work, helping Sacombank to segment its customer segment into groups from which there are awards. Strategies that target specific customer segments and the strategies proposed by the study are an official application for 2020.
1 LỜI MỞ ĐẦU Nền kinh tế thế giới nói chung và thị trường kinh tế Việt Nam nói riêng trong những năm vừa qua đều có sự chuyển dịch mạnh mẽ, ảnh hưởng không nhỏ đến các đối tượng kinh tế và ngành Ngân hàng cũng không phải là trường hợp ngoại lệ mà điển hình là hoạt động của các Ngân hàng thương mại. Nguồn thu lãi từ tín dụng được biết đến như là kim chỉ nam hoạt động của Ngân hàng thương mại, tuy nhiên những năm gần đây khi nhắc đến tổng lợi nhuận sau thuế của Ngân hàng thương mại thì không thể không kể đến nguồn thu từ hoạt động dịch vụ, đặc biệt là sự tăng trưởng vượt bậc của mảng bancassurance. Theo nhận định của các chuyên gia kinh tế, nhờ tín dụng tăng trưởng mạnh nên không chỉ thu nhập lãi thuần, mà nguồn thu từ các hoạt động dịch vụ của ngân hàng cũng đã cải thiện rõ nét trong năm qua. Điều này minh chứng rằng, lợi nhuận sau thuế của các ngân hàng thương mại đang giảm dần sự phụ thuộc vào hoạt động tín dụng nhờ nỗ lực đẩy mạnh nguồn thu từ dịch vụ, tuy nguồn thu từ dịch vụ có những bước chuyển mình rõ rệt, nhưng hoạt động chính của ngành ngân hàng nước ta hiện nay vẫn phụ thuộc nhiều vào hoạt động tín dụng, nhất là đối với các ngân hàng nhỏ. Chính vì lý do này, các ngân hàng cần chú trọng đẩy mạnh hơn nữa việc phát triển dịch vụ trên nền tảng công nghệ số, công nghiệp 4.0...để phân tán rủi ro. Để giải đáp bài toán về chuyển đổi cơ cấu nguồn thu, các ngân hàng cần quan tâm và chú trọng hơn nữa trong việc đưa ra các giải pháp tài chính hiệu quả, đa dạng hóa sản phẩm dịch vụ. Dữ liệu khách hàng hay “customer data” được coi là tài sản, nguồn thông tin vô giá đối với mọi công ty thuộc nhiều lĩnh vực kinh doanh khác nhau. Việc triển khai các quy trình khai thác, dự án nghiên cứu phân tích dữ liệu khách hàng với mục đích tìm hiểu, nắm bắt mong muốn, nhu cầu thầm kín của khách hàng và chuyển nó thành những giá trị cụ thể thông qua từng chiến lược, kế hoạch hoạt động chính là chìa khóa cạnh tranh của mỗi tổ chức ngày nay. Đặc biệt so với 10 năm trước đây, thì hiện tại với sự phát triển của khoa học công nghệ, kỹ thuật qua đó nâng cao khả năng
2 của các công ty trong việc tiếp cận gần hơn với khách hàng, tiếp cận gần hơn với mỗi dữ liệu chứa đựng thông tin về sở thích, hành vi của khách hàng. Tuy nhiên để đạt được các mục tiêu đề ra khi sử dụng dữ liệu khách hàng, hỗ trợ những chiến lược kinh doanh một cách hiệu quả thì không phải là điều đơn giãn hay dễ dàng, mà nó chứa đựng muôn vàng thách thức, khó khăn khác nhau thậm chí cả rủi ro, ví dụ trường hợp công ty bị tin tặc tấn công hệ thống mạng, hệ thống dữ liệu, bị rò rỉ, đánh cắp dữ liệu là thông tin cá nhân của khách hàng. “Hãy tiến gần hơn đến với các khách hàng của bạn, gần đến nổi bạn có thể nói cho họ biết họ cần gì trước khi họ nhận ra.” – Steve Jobs. Câu nói của Steve Jobs càng thích hợp để nói về khuynh hướng tiếp cận khách hàng ngày nay của đa số các công ty. Trong thị trường cạnh tranh khóc liệt hiện tại, việc chủ động tìm kiếm và xác định, lôi kéo khách hàng tiềm năng bằng những chiến lược marketing, chiến lược sản phẩm thích hợp sẽ giúp một công ty có cơ hội vượt lên trên đối thủ của mình. Dĩ nhiên để thực hiện mục đích trên, công ty phải biết được khách hàng mình cần thu hút là ai, khách hàng nào sẽ đem lại giá trị lợi nhuận, khách hàng nào có thể mua sản phẩm dịch vụ, tất cả thông tin có được phải dựa trên nguồn dữ liệu lớn (hay còn gọi là big data) mà công ty sẽ được thu thập, quản lý và phân tích. Đã có nhiều công trình nghiên cứu rất thành công trong việc sử dụng Big Data để phân tích mức độ tiêu dùng của khách hàng. Tuy nhiên, điểm chung của các nghiên cứu này đều chỉ ra rằng Big Data luôn cho phép tổ chức kinh doanh thao tác quản lý các tập dữ liệu cực kỳ lớn và phức tạp mà không một ứng dụng xử lý dữ liệu truyền thống nào có thể hỗ trợ. Theo Forbes, 87% các công ty coi Big Data sẽ tạo ra những thay đổi lớn cho ngành công nghiệp của chính mình cho đến cuối thập kỷ thứ 2 của thế kỷ 21. Ngay cả bản thân các công ty cũng có chung một suy nghĩ rằng nếu không chú trọng trong công tác phân tích dữ liệu lớn và đưa ra các chiến lược cụ thể dựa trên phân tích thực nghiệm sẽ khiến công ty rơi vào tình trạng kinh doanh bất ổn định. Ngày nay, hầu hết các tổ chức ngân hàng, dịch vụ tài chính và bảo hiểm đang nỗ lực để áp dụng một cách tiếp cận mới theo hướng khai thác dữ liệu để phát triển
3 và đổi mới các dịch vụ mà họ cung cấp cho khách hàng. Giống như hầu hết các ngành công nghiệp khác phân tích dữ liệu lớn (big data analytics) sẽ là một trong những thay đổi lớn, quan trọng trong cuộc chiến giữa các tổ chức cùng ngành. Mặc dù nhiều tổ chức ngân hàng, dịch vụ tài chính và bảo hiểm đang thay đổi cách thức khai thác dữ liệu bằng cách thu thập một khối lượng dữ liệu khổng lồ và tiến hành phân tích, nhưng đó chỉ là những bước tổng quát, những bước riêng lẻ ở từng giai đoạn trong quy trình khai thác dữ liệu big data. Trong tất các trường hợp, các dự án big data được hình thành đều hướng đến mục tiêu ban đầu là trả lời cho câu hỏi: “những dữ liệu này có thể giúp chúng ta giải quyết các vấn đề kinh doanh như thế nào?” Khi khối lượng khách hàng tăng lên, nó ảnh hưởng đáng kể đến mức độ, khả năng cung cấp dịch vụ của từng tổ chức. Thực tiễn cho thấy việc phân tích dữ liệu hiện tại đã đơn giản hóa quá trình theo dõi và đánh giá khách hàng tín dụng của các ngân hàng và các tổ chức tài chính, dựa trên khối lượng dữ liệu như thông tin, hồ sơ cá nhân và các thông tin bảo mật khác. Nhưng với sự giúp đỡ của big data, các ngân hàng có thể khai thác để liên tục theo dõi hành vi của khách hàng trong thời gian thực, xác định các nguồn dữ liệu cần thiết để thu thập phục vụ cho việc đưa ra giải pháp.
4 CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU 1.1. Lý do chọn đề tài Nhu cầu ngày càng cao của khách hàng là bài toán thách thức cần lời giải đáp của doanh nghiệp nói chung và ngành ngân hàng nói riêng. Điều này đòi hỏi ngân hàng hay doanh nghiệp phải thay đổi chiến lược phát triển theo hướng đa dạng hóa tiện ích của các dòng sản phẩm, dịch vụ và chú trọng công tác chăm sóc khách hàng. Thực tiễn chỉ ra rằng nguồn dữ liệu hiện hữu của một tổ chức kinh doanh là một tài nguyên quan trọng, việc phân tích nguồn tài nguyên này phần nào giúp việc đơn giản hóa quá trình giám sát và tìm hiểu nhu cầu khách hàng một cách hiệu quả. Với nguồn dữ liệu lớn sẵn có, cụ thể là nguồn số liệu từ big data (tạm dịch là dữ liệu lớn), các ngân hàng có thể tự khai thác thông tin để tiếp tục theo dõi hành vi tiêu dùng của khách hàng trong tương lai, từ đó đưa ra chiến lược, chính sách phù hợp. Quá trình theo dõi đánh giá hồ sơ khách hàng dựa vào thông tin hiện có hoặc đặc điểm khách hàng sẽ giúp ngân hàng giảm thiểu được rủi ro đến mức nhỏ nhất. Điều này góp phần trong khai thác hiệu quả đối tượng khách hang, đảm bảo vị thế cạnh tranh trên thị trường. Ngân hàng Thương Mại Cổ Phần Sài Gòn Thương Tín (Sacombank) được biết đến là một trong những ngân hàng thương mại nằm trong top đầu của hệ thống Ngân hàng Việt Nam. Với lịch sử 28 năm thành lập và phát triển, Sacombank tiếp tục giữ vững chiến lược phát triển là ngân hàng bán lẻ với mục tiêu rõ ràng “kinh doanh hiệu quả - hoạt động an toàn – tăng trưởng bền vững” phù hợp trong bối cảnh nền kinh tế thị trường đầy khó khăn. Sacombank không ngừng nỗ lực trong việc đẩy mạnh phát triển công nghệ số, nâng cao chất lượng dịch vụ, đa dạng hóa sản phẩm với tính bảo mật cao, cung cấp các giải pháp tài chính hiệu quả, chuyên nghiệp hóa công tác chăm sóc khách hàng. Bên cạnh những cơ hội phát triển, Sacombank cũng phải đối mặt với nhiều bài toán thách thức của thị trường. Mức độ cạnh tranh ngày càng gay gắt giữa các ngân hàng là một trong những thách thức đầu tiên và đầy khó khăn mà không chỉ Sacombank phải tìm cách giải quyết. Đặc biệt, sự liên kết và sát nhập giữa Ngân hàng
5 ngoại với Ngân hàng nội sẽ gây thêm nhiều khó khăn hơn trong việc cạnh tranh, bởi sự liên kết này sẽ chiếm ưu thế hơn với sản phẩm dịch vụ có chất lượng cao, kinh nghiệm chuyên nghiệp, năng lực quản trị tốt và mạng lưới toàn cầu cùng sự am hiểu đặc thù kinh tế tại địa phương. Hai là, nhu cầu của khách hàng ngày một tăng cao, đòi hỏi Ngân hàng phải đáp ứng thường xuyên việc tối ưu hóa các sản phẩm dịch vụ, nâng cao chất lượng dịch vụ, quy trình, thủ tục đơn giải, nhanh chóng và hướng về mục tiêu chất lượng trong kinh doanh. Trong những năm gần đây, Sacombank đã chi ra một khoảng không nhỏ đầu tư hệ thống lưu trữ dữ liệu. Đến thời điểm hiện tại, nguồn dữ liệu lưu trữ trong các data warehouse đã trở thành một nguồn big data. Tuy nhiên việc khai thác dữ liệu từ nguồn big data đang là bài toán không dễ cho các bộ phận có liên quan. Để ngân hàng hiểu hơn về hành vi khách hàng, đặc điểm lựa chọn dịch vụ của khách hàng, việc phân tích hành vi khách hàng từ nguồn dữ liệu big data là cực kỳ quan trọng. Điều này không những góp phần vào việc xác định lại phân khúc thị trường để ngân hàng có hướng tiếp cận phù hợp, trên cơ sở để phát triển thêm vào các dịch vụ hướng đến phục vụ khách hàng một cách hiệu quả nhằm giữ chân khách hàng cũ, hạn chế sự rời dịch vụ của khách hàng và tạo tiếng vang lôi kéo khách hàng mới. Đây là lý do nghiên cứu của đề tài sẽ hướng đến chủ đề “Phân tích hành vi khách hàng hướng đến phân khúc thị trường từ dữ liệu big data: Trường hợp của Sacombank”. Đề tài này có thể nói rằng, là việc làm mới trong lĩnh vực nghiên cứu tại ngân hàng. Việc nghiên cứu này rất được ban lãnh đạo phía ngân hàng kỳ vọng, vì kết quả nghiên cứu từ tài nguyên dữ liệu là việc làm thực tế. Các chiến lược được đề xuất từ nghiên cứu là một áp dụng chính thức cho năm 2020. 1.2. Mục tiêu nghiên cứu Phân tích hành vi tiêu dùng thông qua lịch sử giao dịch của khách hàng tham tham gia dịch vụ tiền gửi, sử dụng thẻ và tiền vay từ đó hướng đến thực hiện phân khúc thị trường theo các nhóm tiêu dùng.
6 Phát triển các giải pháp kinh doanh hạn chế rủi ro rời dịch vụ của khách hàng, tăng cường các chiến lược kinh doanh giúp giữ chân khách hàng hiện tại, khai thác khách hàng mới. 1.3. Phương pháp nghiên cứu 1.3.1. Đối với số liệu phục vụ nghiên cứu Nguồn dữ liệu phục vụ nghiên cứu luận văn được chiết xuất từ nguồn dữ liệu Big Data của ngân hàng. Nguồn này được chứa trong các hệ thống lưu trữ của Sacombank. Việc xuất dữ liệu là dựa vào thống core T24 (hệ thống lõi của ngân hàng sacombank), CRM (hệ thống thu thập và quản lý thông tin khách hàng), mis (data warehouse), portal... Đây là những nguồn dữ liệu cực kỳ quan trọng bởi độ tin cậy lớn và ghi lại chính xác hành vi tiêu dùng của khách hàng trong quá trình tham gia giao dịch cũng như sử dụng sản phẩm dịch vụ của Sacombank. Mặc dù số liệu không thuộc dạng khảo sát, tuy nhiên việc sử dụng nguồn dữ liệu Big Data này được xem như là một xu hướng mới trong việc nghiên cứu các vấn đề kinh tế trong kỷ nguyên công nghệ thông tin phát triển. Nguồn tài nguyên từ Big Data phản ánh một cách trung thực nhất về hành vi và lịch sử tiêu dùng của khách hàng theo thời gian. Qua đó, kết quả của quá trình nghiên cứu sẽ mang độ tin cậy cao hơn. Tuy nhiên, nguồn tài nguyên này được cung cấp từ phía Ngân hàng nên cần có tính bảo mật cao, nên nghiên cứu này tác giả đề xuất phần dữ liệu sẽ không được công bố rộng rãi. Số liệu được tập hợp từ các nguồn khác nhau theo loại khách hàng, trong đó có khách hàng sử dụng thẻ tín dụng, khách hàng tiền gửi và lịch sử giao dịch tiền gửi, và khách hàng tiền vay. Để hạn chế những thông tin nhiễu, các khách hàng được chọn đưa vào nghiên cứu có thời gian tham gia dịch vụ trên 12 tháng. Thời gian nghiên cứu của số liệu đối với khách hàng là 12 tháng, tính từ ngày 01/10/2018 đến ngày 30/10/2019. Thời gian đưa vào nghiên cứu mỗi mã khách hàng có nhiều dòng thông tin, nói cách khác mỗi một dòng là một giao dịch của khách hàng. Việc xác định số lần giao dịch của mỗi khách hàng dựa vào mã khách hàng thống kê từ hệ thống báo cáo. Các đối tượng khách hàng trong nghiên cứu là khách hàng có tham gia giao dịch
7 trong thời gian nghiên cứu trên, công cụ được sử dụng hỗ trợ phục vụ phân tích là SPSS Modeler 18. Thông tin các nhóm khách hàng có thể thấy ở bảng 1.1. Bảng 1.1. Thông tin khách hàng từ tháng 10/2018 đến tháng 10/2019 Thông tin khách hàng Số dòng Số khách hàng Khách hàng sử dụng thẻ 4.642 dòng là số dòng giao dịch 4.642 tín dụng của khách hàng với ngân hàng Khách hàng tiền vay 2.349 dòng là số dòng giao dịch 1.421 trực tiếp với ngân hàng của khách hàng Khách hàng tiền gửi và 130.150 dòng là số dòng giao 59.650 giao dịch tiền gửi dịch tiền gửi của khách hàng với ngân hàng Nguồn: Tổng hợp từ big data Mặc dù theo bảng 1.1 số khách hàng tham gia các loại dịch vụ nêu trên có sự khác biệt về số lượng khách hàng. Tuy nhiên một khi các nhóm khách hàng này được hợp thành một phai (được merged) số khách hàng có tham gia sử dụng thẻ tín dụng, tham gia dịch vụ tiền vay, tham gia dịch vụ tiền gửi trong thời gian nghiên cứu của 12 tháng là 1.421 khách hàng. 1.3.2. Các khái niệm tiếp cận trong nghiên cứu Khái niệm được sử dụng trong nghiêu cứu là phân khúc thị trường và giá trị đóng góp của khách hàng theo thời gian (customer lifetime value). Việc phân khúc thị trường đã được nhiều nghiên cứu trước đây thực hiện trong lĩnh vực ngân hàng (Doğan, Ayçin, & Bulut, 2018) đã thực hiện phân khúc thị trường dựa vào các khái niệm của RFM dựa trên nguồn dữ liệu big data của một công ty, trong đó R là Recency, tức là thời gian mua hàng gần nhất tính đến thời điểm nghiên cứu. F là Frequency là tần suất giao dịch của khách hàng trong thời gian mà nghiên cứu đang thực hiện, chẳng hạn thời gian nghiên cứu là 6 tháng hoặc 12 tháng, tần suất giao dịch hoặc mua hàng sẽ được tính toán. M là Monetary tức đo lường tổng giá trị mà khách hàng mua sắm trong khoảng thời gian nghiên cứu. Tượng tự, (Khajvand & Tarokh,
8 2011) đã sử dụng mô hình RFM như nêu trên để hướng đến phân phúc thị trường trong lĩnh vực ngân hàng bán lẻ. Sau khi xác định được từng giá trị của R, F, M, tác giả thực hiện phân thành bốn phân khúc thị trường. Dựa vào RFM, Khajvad & Tarokh đã xác định CLV của từng khách hàng. Một cách khác biệt, để đo lường giá trị đóng góp của khách hàng theo thời gian (CLV) trong lĩnh vực ngân hàng, (Kahreh, Tive, Babania, & Hesan, 2014) đã sử dụng các giá trị doanh thu và chi phí hoạt động để các định giá trị đóng của khách theo thời gian tham gia dịch vụ của khách hàng tại một ngân hàng. Tuy nhiên loại số liệu sử dụng trong trường hợp này dựa vào nguồn khảo sát trực tiếp của tác giả. Ở một trường khác, (Kim, Jung, Suh, & Hwang, 2006) đã sử dụng nguồn số liệu từ big data trong lĩnh vực viễn thông với 200 biến và 16.384 dòng ghi lại hành vi giao dịch của khách hàng để xác định CLV. Bước tiếp theo của việc tính toán CLV, tác giả đã hướng đến phân khúc thị trường, trong đó phương pháp phân tích cây quyết định (decision tree) được sử dụng để hướng đến nhóm các hành vi tiêu dùng. Xuất phát từ các nhận định trên, nghiên cứu của luận văn lần này sẽ áp dụng vào mô hình của (Khajvand & Tarokh, 2011) để tính RFM trước khi hướng đến phân khúc thị trường. Việc tính toán CLV cũng sẽ được luận văn đề cập trong phần tiếp theo. 1.3.3. Phạm vi nghiên cứu của luận văn Nguồn dữ liệu chính là từ big data để khai thác hành vi tiêu dùng của khách hàng, thời gian nghiên cứu của số liệu đối với khách hàng là 12 tháng, tính từ ngày 01/10/2018 đến ngày 30/10/2019. Mặc dù hệ thống ngân hàng Sacombank có mặt tất cả các vùng trong cả nước, nhưng trong nghiên cứu này, số khách hàng được nghiên cứu chỉ tập trung và khách hàng cá nhân và tham gia giao dịch tại thành phố Hồ Chí Minh. Mô hình ứng dụng trong nghiên cứu dựa vào các thuật toán. Đề tài không vận dụng phương pháp định tính. Việc nghiên cứu này được thực hiện dựa trên sự đề xuất của ban lãnh đạo tại ngân hàng. Đây là một nghiên cứu thực tế, kết quả nghiên cứu để cho ra các chiến lược sẽ được triển khai vào đầu năm 2020.
9 1.3.4. Kết cấu của luận văn Luận văn được chia làm 5 chương, với các nội dung sau: Chương 1: Giới thiệu tổng quan về đề tài nghiên cứu Chương 2: Cơ sở lý luận Chương 3: Big data và ứng dụng của Big data tại Sacombank Chương 4: Phân tích dữ liệu big data Chương 5: Kết luận và đề xuất chiến lược