Marketing cá nhân hóa dựa trên công nghệ khai thác dữ liệu lớn (Big Data)

Chia sẻ: Anhnangchieuta | Ngày: | Loại File: PDF | Số trang:8

Thêm vào BST

Báo xấu

5
lượt xem 1
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Hoạt động Marketing cá nhân hóa tại các doanh nghiệp Việt Nam còn hạn chế do thiếu nhân lực chuyên sâu về lĩnh vực này. Vì vậy, chính phủ cần khuyến khích các công ty công nghệ, có những đầu tư thích đáng để các start-up về sáng tạo công nghệ có điều kiện phát triển, chủ động tham gia vào lĩnh vực Big Data. Đồng thời có chiến lược đào tạo nhân sự chất lượng cao cho lĩnh vực này để Việt Nam có thể trở thành một quốc gia làm chủ công nghệ Big Data và sử dụng những lợi ích mà nó mang lại.

Chủ đề:

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

Lưu

Nội dung Text: Marketing cá nhân hóa dựa trên công nghệ khai thác dữ liệu lớn (Big Data)

288 KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA CITA 2017 “CNTT VÀ ỨNG DỤNG TRONG CÁC LĨNH VỰC” Marketing cá nhân hóa dựa trên công nghệ khai thác dữ liệu lớn (Big Data) Nguyễn Thị Thanh Huyền1, Phạm Tuấn Anh2 1 Trường Cao đẳng Công nghệ Thông tin,Đại học Đà Nẵng ntthuyen@cit.udn.vn 2 Trường Cao đẳng Công nghệ Thông tin, Đại học Đà Nẵng ptanh@cit.udn.vn Tóm tắt. Marketing chính là nắm bắt tâm lý và đáp ứng mong muốn của khách hàng. Khách hàng thường thấy phiền phức khi phải xem những quảng cáo đại chúng nên họ sẽ đánh giá cao thông điệp phù hợp với họ theo nhu cầu và sở thích. Đó chính là marketing cá nhân hóa. Trước đây, nhiều doanh nghiệp bỏ qua cách tiếp cận này vì tiềm lực không cho phép. Nhưng ngày nay, với công nghệ Dữ liệu lớn (Big Data) thì việc marketing cá nhân hóa là rất cần thiết. Big Data sàng lọc, phân tích dữ liệu về thói quen hoạt động của người dùng từ lượng dữ liệu thu thập được và chuyển đổi thành thông tin đánh giá về khách hàng. Từ đó, cho phép người làm marketing phân tích nhu cầu trải nghiệm của người dùng để tạo ra sản phẩm cải tiến hơn để có thể phục vụ đúng nhóm đối tượng khách hàng; truyền tải giá trị của sản phẩm, tối ưu hóa chiến lược phân phối và quyết định mức giá phù hợp để đem lại lợi nhuận cho doanh nghiệp. Đồng thời cung cấp trải nghiệm cá nhân cho người dùng dựa trên sở thích, sở thích và hành vi thời gian thực. Vì vậy, nhờ vào công nghệ Big Data, các chiến dịch marketing cá nhân hóa sẽ đạt được thành công. Từ khóa: Dữ liệu, doanh nghiệp, thông tin, phân tích dữ liệu, cá nhân hóa, quảng cáo. 1 Đặt vấn đề Thu thập dữ liệu, thống kê và phân tích là hoạt động rất quan trọng của marketing. Từ dữ liệu hành vi quá khứ của khách hàng, có thể dự đoán hành vi và gây ảnh hưởng đến hành vi của họ trong tương lai. Trong các chiến dịch Marketing cũ, quảng cáo có chi phí cố định, mang tính chất tràn lan. Đôi khi khiến khách hàng cảm thấy phiền phức. Ngày nay, với sự phát triển mạnh mẽ của công nghệ thì mọi hành vi của người dùng đều được lưu trữ và thống kê một cách chính xác đến mức chi tiết nhất. Các dữ liệu đó được gọi là dữ liệu lớn (Big Data). Đây là cơ sở cho các kế hoạch Marketing cá nhân hóa. Việc quảng cáo có thể thay đổi theo thời gian thực, phù hợp với tính cách, sở thích của người tiêu dùng. Big Data là công cụ không chỉ giúp tăng lợi nhuận cho chính họ mà còn giúp tiết kiệm thời gian cho khách hàng trong mua sắm. Tuy nhiên, khó khăn nhất với công nghệ Big Data là việc xử lý thông tin, lựa chọn những dữ liệu phù hợp. Hiện nay, việc ứng dụng Big Data của các doanh nghiệp tại Việt Nam chưa phổ biến, và chỉ tập trung tại một số doanh nghiệp công nghệ. Vì vậy nghiên cứu sẽ tập trung vào lý thuyết về Big Data và đưa ra những gợi ý cho các doanh nghiệp Việt Nam khi ứng dụng Big Data trong hoạt động Marketing cá nhân hóa.
Nguyễn Thị Thanh Huyền, Phạm Tuấn Anh 289 2 Marketing cá nhân hóa (Personalized marketing) 2.1 Khái niệm Marketing cá nhân hóa Khách hàng càng ngày càng mong muốn được đáp ứng nhu cầu tốt hơn[20]. Marketing là quá trình tạo sự liên kết giữa khách hàng và doanh nghiệp, xuất hiện trong cuộc sống thường ngày của họ, đồng hành, thấu hiểu, nói ngôn ngữ của họ và tạo cảm giác phù hợp[3]. Marketing cá nhân hóa là một chiến lược marketing mà doanh nghiệp sử dụng số liệu thu thập được về thông tin khách hàng như độ tuổi, giới tính, vị trí, thu nhập, tính cách, sở thích,... Từ đó sử dụng công nghệ để phân tích và đưa ra quảng cáo phù hợp hướng tới nhu cầu từng cá nhân theo thời gian thực[7]. Chiến dịch marketing cá nhân hóa còn được sử dụng thành công trong hoạt động chính trị[12]. Ví dụ rõ ràng nhất là sự thắng cử của Donald Trump trong cuộc bầu cử tổng thống Mỹ năm 2016[4]. Vào ngày tranh luận giữa Trump và Clinton, đội của Trump đã gửi vào mạng xã hội (chủ yếu là Facebook) hơn 175 nghìn thông điệp. Chúng chỉ khác nhau ở những chi tiết rất nhỏ, nhằm mục đích thích hợp với tâm lý của người nhận cụ thể: tiêu đề, màu nền, ảnh và video. Phương pháp làm tỉ mỉ như vậy làm cho thông điệp tranh cử nhận được sự đồng cảm, hưởng ứng. Và chiến thắng của Donald Trump trước Hillary Clinton được cho là ít tốn kém và rộng rãi hiệu quả nhất. Marketing cá nhân hóa là một quá trình lặp đi lặp lại theo quy trình sau: Hình. 1. Quy trình Marketing cá nhân hóa (Nguồn: Vesanen & Raulas 2006[17]) Marketing cá nhân hóa phụ thuộc rất nhiều vào công nghệ được sử dụng để thu thập dữ liệu, phân loại dữ liệu, phân tích dữ liệu. Công nghệ hiện đang được sử dụng phổ biến là công nghệ khai thác dữ liệu lớn. 2.2 Lợi ích của marketing cá nhân hóa Marketing cá nhân hóa không chỉ mang lại lợi ích cho doanh nghiệp mà còn mang lại lợi ích cho cả khách hàng. Những dữ liệu thu thập được sau khi xử lý và phân tích sẽ cho phép người làm marketing có những nhìn nhận sâu sắc về sản phẩm, từ đó doanh nghiệp có thể phân tích nhu cầu trải nghiệm người dùng để tạo ra các sản phẩm cải tiến hơn để có thể phục vụ đúng nhóm đối tượng khách hàng mà họ mong muốn; truyền tải giá trị của sản phẩm/dịch vụ, tối ưu hóa chiến lược phân phối và quyết định mức giá phù hợp để đem lại lợi nhuận cho doanh
290 KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA CITA 2017 “CNTT VÀ ỨNG DỤNG TRONG CÁC LĨNH VỰC” nghiệp[18]. Trên tất cả, càng nhiều dữ liệu có thể thu thập được thì các quyết định đưa ra có cơ sở và dễ dàng hơn. Lợi ích dễ nhận thấy nhất của marketing cá nhân hóa là tăng hiệu quả đầu tư cho doanh nghiệp[1]. Những website bán lẻ sử dụng chiến lược cá nhân hóa có doanh số trung bình cao hơn so với những website khác. Một lợi ích quan trọng khác của marketing cá nhân hóa là tăng cường khả năng thu hút khách hàng tiềm năng[5], đồng thời tạo nên sự khác biệt của doanh nghiệp với các đối thủ cạnh tranh. Hiện nay, với sự phổ biến của mạng xã hội và những ứng dụng Internet khác, khách hàng thường xuyên chìm ngập trong rất nhiều loại thông tin khác nhau. Những thông tin mang tính cá nhân hóa sẽ giúp thông điệp marketing từ doanh nghiệp dễ dàng nổi bật và thu hút sự chú ý hơn. Bên cạnh đó, cá nhân hóa giúp tăng mức độ hài lòng của khách hàng với doanh nghiệp[2]. Khách hàng mong muốn nhận được những gợi ý mang tính cá nhân khi mua sắm trực tuyến và họ có thể sẵn lòng cung cấp thông tin về sở thích cá nhân của mình để nhận được gợi ý về những sản phẩm phù hợp. Những khách hàng thường xuyên có tương tác nhiều khả năng sẽ trở thành khách hàng trung thành[14]. Vì vậy, những người làm marketing cần phản hồi sớm nhất có thể cho mọi email, tin nhắn, lời bình… của khách hàng. Những câu trả lời sớm và mang tính cá nhân, luôn được khách hàng đánh giá rất cao. Xét dưới góc độ khách hàng, họ cũng có những lợi ích nhất định: quá trình marketing cá nhân hóa được doanh nghiệp thực hiện giúp đưa ra cho khách hàng những gợi ý, những sản phẩm tốt và phù hợp hơn. Khách hàng có thể tiết kiệm thời gian nhờ những lời gợi ý so với việc phải tự mình tìm kiếm. Bên cạnh đó, khách hàng có thể tương tác tốt hơn nhờ sự tư vấn trực tiếp của doanh nghiệp[19]. 3 Công nghệ Dữ liệu lớn (Big Data) 3.1 Khái niệm dữ liệu lớn Hiện nay, khái niệm Big Data chưa được trình bày rõ ràng và còn có nhiều cách hiểu khác nhau[13]. Nhưng nhìn chung Big Data là thuật ngữ dùng để chỉ các dữ liệu có kích thước rất lớn vượt mức đảm đương của những ứng dụng và công cụ truyền thống, khả năng phát triển nhanh và rất khó khăn khi thu thập, lưu trữ, quản lý và phân tích với các công cụ thống kê hay ứng dụng cơ sở dữ liệu truyền thống[6]. Với xu thế hiện nay, nhiều doanh nghiệp tìm thấy lợi ích trong việc kết nối, cập nhật thông tin từ hàng ngàn khách hàng hiện tại và tương lai để từ đó có những hoạch định chiến lược kinh doanh phù hợp[15]. Sau đây là khái niệm mới về Big Data 2016 của Gartner về mô hình “5Vs” - năm tính chất quan trọng nói lên Big Data[11]: - Volume (dung lượng): là sự tăng trưởng về mặt khối lượng. Dữ liệu trong các hệ thống thông tin luôn luôn và không ngừng tăng lên về mặt kích thước (khối lượng). - Velocity (tốc độ): là sự tăng trưởng về mặt tốc độ. Bên cạnh sự tăng trưởng về khối lượng, tốc độ tăng trưởng của dữ liệu cũng tăng lên một cách chóng mặt. Sự chuyển động của dữ liệu giờ đây hầu như là thực tế và tốc độ cập nhật thông tin là mili giây. - Variety (tính đa dạng): là sự tăng lên về tính đa dạng của dữ liệu. Dữ liệu không chỉ ở dạng có cấu trúc, mà còn bao gồm rất nhiều kiểu dữ liệu phi cấu trúc nữa như video, hình ảnh,
Nguyễn Thị Thanh Huyền, Phạm Tuấn Anh 291 dữ liệu cảm biến, cũng như các file log. Big Data cho phép liên kết và phân tích các chủng loại dữ liệu đa dạng. - Veracity (sự chính xác của dữ liệu): Với xu hướng “Social” ngày nay và sự gia tăng mạnh mẽ tính tương tác và chia sẻ của người dùng thiết bị di động, vì vậy, độ tin cậy và tính chính xác của dữ liệu ngày một khó khăn hơn. Phân tích và loại bỏ dữ liệu thiếu chính xác và nhiễu đang là tính chất quan trọng của Big Data. - Value (Giá trị): Là quá trình trích xuất các giá trị to lớn đang tiềm ẩn trong các bộ dữ liệu khổng lồ. Đây là đặc trưng quan trọng nhất bởi các thông tin trích xuất được từ việc phân tích Big Data có thể được sử dụng trong rất nhiều lĩnh vực. 3.2 Khai thác dữ liệu lớn (Big Data) Big Data là lĩnh vực nghiên cứu mới, đang đặt ra nhiều thách thức cho các nhà nghiên cứu và doanh nghiệp: Làm thế nào để nhanh chóng tiếp cận, khai thác thông tin hữu ích trong lượng lớn dữ liệu? Làm sao để hiểu được chúng? Làm thế nào để đảm bảo chất lượng thông tin từ chúng? … Vì vậy việc nghiên cứu công nghệ để giải quyết bài toán về lưu trữ, xử lý và phân tích Big Data một cách nhanh nhất sẽ đáp ứng được yêu cầu cấp thiết của mọi lĩnh vực. Big Data được xử lý thông qua 4 giai đoạn: thu thập dữ liệu, tổ chức dữ liệu, phân tích dữ liệu và đưa ra quyết định. Hình 2. Quá trình xử lý Big Data Giai đoạn thu thập dữ liệu: Hiện nay, giai đoạn thu thập hầu hết đã có giải pháp. Ví dụ, Oracle đưa ra NoSQL Database, Google có Google BigTable… Giai đoạn tổ chức dữ liệu: Đây là giai đoạn khó khăn nhất khi xử lý dữ liệu. Các công nghệ sử dụng có thể được chia thành hai nhóm: xử lý hàng loạt (Patch processing) và xử lý dòng (Stream processing). - Xử lý theo loạt: dùng để xử lý những dữ liệu có khối lượng lớn. Dữ liệu sẽ được thu thập, lưu trữ và được xử lý hàng loạt. Hadoop là một trong những công nghệ phổ biến nhất cho xử lý hàng loạt. Nền tảng Hadoop cung cấp cho các nhà phát triển thành phần chính là Hệ thống tệp phân tán Hadoop (Hadoop Distributed File System - HDFS) và mô hình lập trình MapReduce,
292 KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA CITA 2017 “CNTT VÀ ỨNG DỤNG TRONG CÁC LĨNH VỰC” cho phép xử lý dữ liệu phân tán và song song, giúp giải quyết các vấn đề thường xuyên xảy ra trong việc xử lý dữ liệu quy mô lớn. - Xử lý dòng: Chú trọng đến tốc độ xử lý của dữ liệu, dữ liệu được phát sinh và truyền tải liên tục, được xử lý trong khoảng thời gian nhỏ đáp ứng tính thời gian thực của dữ liệu. Xử lý dòng chưa có một công nghệ chủ đạo nào, nhưng là một lĩnh vực đang được nghiên cứu và phát triển. Một trong các mô hình xử lý dòng là Complex Event Processing, trong đó coi các dòng thông tin như là thông báo của các sự kiện (kiểu mẫu) cần được tổng hợp và kết hợp để tạo ra những sự kiện cấp cao. Giai đoạn phân tích: Các tập đoàn lớn thường thuê các nhà thống kê để thu thập, phân tích và báo cáo về dữ liệu người tiêu dùng. Trong khi đó, những doanh nghiệp nhỏ cũng có thể dùng các công cụ miễn phí hoặc ít phí để thu thập thông tin có giá trị, qua đó hiểu biết chính xác hơn các hành vi mua của khách hàng: - Google Analytics: Đây là công cụ phân tích của Google nhằm đánh giá lưu lượng truy cập website của doanh nghiệp và chỉ ra cách khách tìm thấy hàng trên website, thời gian họ ở lại website, vị trí đăng nhập và nhiều thông tin khác - Facebook Insights: Công cụ này cho phép doanh nghiệp biết mức độ thường xuyên các bài viết của doanh nghiệp được chia sẻ cũng như địa điểm và thời gian chia sẻ. - Tweriod và Followerwonk: Các chương trình này cũng thu thập dữ liệu từ các phương tiện social media và có thể cung cấp thông tin về giới tính, vị trí và mức độ hoạt động của chủ tài khoản social media. - YouTube Analytic: Nếu doanh nghiệp đang hoạt động trên YouTube, thì đây là công cụ hữu hiệu để khai thác thông tin về nhân khẩu học của những người xem video và họ đang ở đâu. Giai đoạn quyết định: Dựa vào các thông tin được phân tích sẽ đưa ra các quyết định giải pháp kinh doanh kịp thời. Giai đoạn này phụ thuộc rất nhiều vào khả năng của người ra quyết định bởi các thông tin đã được trình bày rất rõ ràng và có cơ sở tin cậy. 4 Ứng dụng công nghệ Big data trong hoạt động Marketing cá nhân hóa tại Việt Nam 4.1 Dữ liệu lớn và ứng dụng trong marketing cá nhân hóa Nguồn tài nguyên giá trị nhất của thế giới bây giờ là thông tin. Thông qua thu thập dữ liệu, một doanh nghiệp có thêm thông tin để nâng cấp sản phẩm của mình, thu hút thêm người dùng, từ đó lại có thêm dữ liệu và quy trình theo đó lặp lại, tăng tiến. Khi mua sắm trên eBay, Amazon hoặc những website tương tự cũng sẽ đưa ra những sản phẩm gợi ý tiếp theo cho khách hàng. Ví dụ khi xem điện thoại, sẽ có gợi ý cho khách hàng mua thêm ốp lưng, pin dự phòng; hoặc khi mua áo thun thì sẽ có thêm gợi ý quần jean... Vậy những thông tin về mỗi khách hàng này có được từ đâu? Chính là từ lượng dữ liệu khổng lồ mà các doanh nghiệp thu thập trong lúc khách hàng ghé thăm và tương tác với website của mình hoặc trên mạng xã hội. Mạng xã hội là nền tảng với dữ liệu khổng lồ về hành vi, thái độ và các công cụ tìm kiếm thu nhận lại những nhu cầu hàng ngày của con người. Các ứng dụng của Big Data chủ yếu tập trung vào việc xác định thông tin dựa trên mạng xã hội [10]. Trên mạng xã hội Twitter với số lượng tweet/retweet cực lớn, thông thường một tweet thường đi kèm với sự kiện[9]. Một cách tiếp cận khác được đề xuất để nhận biết các sự kiện theo dòng thời gian dựa trên luồng dữ liệu[16].
Nguyễn Thị Thanh Huyền, Phạm Tuấn Anh 293 Một số dữ liệu quan trọng trên mạng xã hội thường được nghiên cứu và khai thác đó chính là thẻ (tag), bình luận (comment), thông tin người sử dụng và mối quan hệ giữa chúng, người sử dụng và các đối tượng khác[8]. Hiện nay, Google và Facebook là 2 tập đoàn đã sử dụng công nghệ Big Data hiệu quả nhất trong hoạt động marketing cá nhân hóa. Google biết rõ mỗi người đang tìm kiếm gì? Facebook hiểu rõ từng khách hàng chia sẻ gì? 4.2 Khai thác Big Data trong hoạt động Marketing cá nhân hóa của doanh nghiệp Việt Nam Với lợi thế dân số trẻ, trên 90 triệu người, dân số internet cao, khoảng 54 triệu người chiếm 57%, Việt Nam được xem là thị trường Big Data tiềm năng hàng đầu khu vực châu Á và đang là đích ngắm của nhiều nhà cung cấp giải pháp Big Data như Microsoft, IBM, Oracle… Sự am hiểu và vận dụng về Big Data trong hoạt động Marketing cá nhân hóa của doanh nghiệp Việt Nam còn ở giai đoạn chập chững, thậm chí là mơ hồ. Do đó, việc xây dựng đội ngũ và lựa chọn công nghệ để phân tích dữ liệu hiệu quả là rất cần thiết. Đa số các doanh nghiệp ở Việt Nam là loại hình vừa và nhỏ. Nhưng phương pháp hiệu quả nhất là lựa chọn những dự án nhỏ có kích thước dữ liệu tương đối nhỏ, phân tích, áp dụng, thực hiện trong thời gian nhanh nhất mà có thể đáp ứng được những chiến lược kinh doanh. Từ đó, dần dần ứng dụng Big Data vào các dự án lớn hơn. Sau đây là một số gợi ý giúp chiến dịch marketing cá nhân hóa khai thác hiệu quả sức mạnh của Big Data: - Đặt ra những mục tiêu rõ ràng trong chiến dịch marketing cá nhân hóa: Doanh nghiệp phải đặt ra những mục tiêu và cột mốc thời gian rõ ràng cho việc khai thác Big Data. Nhờ xác định rõ mục tiêu cũng như thời gian thực hiện, doanh nghiệp mới có thể tập trung nguồn lực để hoàn thành mục tiêu. Việc thiết lập mục tiêu giúp doanh nghiệp dễ đạt được hiệu quả marketing cá nhân hóa theo từng giai đoạn như dự kiến và đảm bảo những kết quả đo lường thực sự kịp thời và có giá trị. Những mục tiêu này còn giúp doanh nghiệp xác định chính xác những dữ liệu cần thiết. - Tập trung vào những dữ liệu cần thiết: Chiến dịch marketing cá nhân hóa phải chọn lọc những thông tin đáng được quan tâm và chấp nhận bỏ qua những thông tin khác dựa trên dự định và mục tiêu của mình. Ví dụ doanh nghiệp có thể dễ dàng đo lường được số lượt “like” của các bài đăng trên mạng xã hội Facebook. Tuy nhiên, những dữ liệu đó gần như không nói lên được điều gì, vì có thể có đến hàng triệu người nhấn nút “like” nhưng chưa bao giờ đọc nội dung bài đăng của doanh nghiệp. Thay vì thế doanh nghiệp nên quan tâm đến số lượt “Share” bởi nó có ý nghĩa hơn. - Hiểu rõ chất lượng của dữ liệu thu thập được: Doanh nghiệp phải tự tin khi sử dụng dữ liệu để đưa ra những quyết định marketing cá nhân hóa mang tính chiến lược. Và để đánh giá chất lượng dữ liệu, doanh nghiệp phải dựa vào nguồn dữ liệu, thời điểm thu thập cũng như độ chính xác của chúng. Nếu sử dụng những “dữ liệu rác” hoặc những dữ liệu chưa được phân tích, tổng hợp đầy đủ thì những kết quả hoặc dự báo được đưa ra dựa trên những dữ liệu này đều không đáng tin cậy. - Tìm hiểu ý nghĩa của dữ liệu: Khi tìm hiểu ý nghĩa của dữ liệu nghĩa là doanh nghiệp đã có thể thấy được thành quả của cả chiến dịch marketing cá nhân hóa dựa trên công nghệ Big Data từ lập kế hoạch đến báo cáo và phân tích dữ liệu. Việc thấu hiểu ý nghĩa của việc đo lường
294 KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA CITA 2017 “CNTT VÀ ỨNG DỤNG TRONG CÁC LĨNH VỰC” đòi hỏi kỹ năng, tư duy phê phán. Người làm marketing phải hiểu rõ về doanh nghiệp, những mục tiêu đã đề ra và những kết quả số liệu đem lại. - Lặp đi lặp lại quá trình phân tích, tổng hợp: Dựa trên những thông tin dữ liệu đã phân tích, tổng hợp trong chiến dịch marketing cá nhân hóa, doanh nghiệp có lợi thế là khả năng nắm bắt cơ hội một cách nhanh, tạo lợi thế so với đối thủ cạnh tranh. Việc lặp đi lặp lại quá trình này giúp liên tục khắc phục thiếu sót trong việc định hướng dữ liệu, từ đó tạo ra kết quả của các chiến dịch marketing ngày càng khả quan. 5 Kết luận Dữ liệu là biểu hiện rõ nét nhất sức mạnh của nền kinh tế tri thức. Nhu cầu phân tích và khai thác những nguồn dữ liệu lớn, phức tạp trong các hoạt động của con người và các tổ chức trong những năm gần đây đang trở nên cấp bách. Bởi chúng ta đang có nhiều dữ liệu quanh mình hơn bao giờ hết và nếu dùng được chúng sẽ đưa ra được các quyết định đúng đắn hơn, những hiểu biết chính xác, những khám phá quan trọng. Một khi làm chủ được dữ liệu lớn thì các doanh nghiệp sẽ có cơ hội thành công lớn hơn trong bối cảnh cạnh tranh ngày nay. Hoạt động Marketing cá nhân hóa tại các doanh nghiệp Việt Nam còn hạn chế do thiếu nhân lực chuyên sâu về lĩnh vực này. Vì vậy, chính phủ cần khuyến khích các công ty công nghệ, có những đầu tư thích đáng để các start-up về sáng tạo công nghệ có điều kiện phát triển, chủ động tham gia vào lĩnh vực Big Data. Đồng thời có chiến lược đào tạo nhân sự chất lượng cao cho lĩnh vực này để Việt Nam có thể trở thành một quốc gia làm chủ công nghệ Big Data và sử dụng những lợi ích mà nó mang lại. Tài liệu tham khảo 1. Ansari, A. and Mela, C. “E-customization”, Journal of Marketing Research, Vol. 40, pp. 131-45 (2003). 2. Bardaki, A. and Whitelock, J. “How ready are customers for mass customisation? An exploratory investigation”, European Journal of Marketing, Vol. 38 Nos 11/12, pp. 1396-417 (2004). 3. Coner, A. “Personalization and customization in ﬁnancial portals”, Journal of American Academy of Business, Vol. 2 No. 2, pp. 498-504 (2003). 4. Hannes, G. và Mikael, K. “Ich habe nur gezeigt, dass es die Bombe gibt”. Das Magazin, No 48 (2016). 5. Howard, D. and Kerin, R. “The effects of personalized product recommendations on advertisement response rates: the try this. It works! Technique”, Journal of Consumer Psychology, Vol. 14 No. 3, pp. 271-80 (2004). 6. Howe AD, Costanzo M, Fey P, et al. Big data: The future of biocuration, Nature. 455(7209): 47-50 (2008). 7. Jari Vesanen, “What is personalization? A conceptual framework”, European Journal of Marketing, Vol. 41 Iss 5/6 pp. 409 - 418 (2007). 8. Jung, J. J. “Understanding information propagation on online social tagging systems: A case study on Flickr”. Quality & Quantity - Springer, 48(2), 745 - 754 (2014). 9. Nguyen, D. T., Hwang, D., & Jung, J. J. "Event Detection from Social Data Stream Based on Time- Frequency Analysis". In Computational Collective Intelligence. Technologies and Applications. Springer International Publishing, pp. 135 - 144 (2014). 10. Pham, X.H., Nguyen, T. T., Jung, J. J., &Hwang, D. “Extending HITS algorithm for ranking locations by using geotagged resources”. In Computational Collective Intelligence. Technologies and Applications. Springer International Publishing, pp. 332 - 341 (2014).
Nguyễn Thị Thanh Huyền, Phạm Tuấn Anh 295 11. Samuel, S. J. et. Al. “A Survey on Big Data and Its Research Challenges”, ARPN Journal of Engineering and Applied Sciences, Vol. 10 No. 8 (2015). 12. Schultz, W. and Quiring, O. “Voters in a changing media environment: a data-based retrospective on consequences of media change in Germany”, European Journal of Communication, Vol. 20 No. 1, pp. 55 - 89 (2005). 13. Schroeck, M., Shockley, R., Smart, J., Romero-Morales, D., & Tufiano, P. Analytics: The real -world use of big data. IBM Institute for Business Value executive report, IBM Institute for Business Value (2012). 14. Srinivasan, S., Anderson, R. and Ponnavolu, K. “Customer loyalty in e-commerce: an exploration of its antecedents and consequences”, Journal of Retailing, Vol. 78 No. 1, pp. 41 - 50 (2002). 15. Sheetal, S., Vipin, K. R., et. al., “Big Data and Cloud Computing: Challenges and Opportunities”, IJIET Vol. 5, Issue 4, pp. 117 - 125 (2015). 16. Trung, D. N., Jung, J. J., Lee, n., & Kim, J. “Thematic analysis by discovering diffusion patterns in social media: An exploratory study with tweetScope”. In Intelligent Information and Database Systems. Springer Berlin Heidelberg, pp. 266 - 274 (2013). 17. Vesanen, J. and Raulas, M. “Building bridges for personalization - a process model for marketing”, Journal of Interactive Marketing, Vol. 20 No. 1, pp. 1-16 (2006). 18. Vankalo, M. “Internet-Enabled Techniques for Personalizing the Marketing Program”, Swedish School of Economics and Business Administration, Helsinki (2004). 19. Roberts, M. Internet Marketing: Integrating Online and Ofﬂine Strategies, McGraw-Hill, Boston, MA (2003). 20. Roman, E. and Hornstein, S. Opt-in Marketing: How the breakthrough process of consensual, McGraw-Hill, New York, NY (2004).