Tuyển tập Hội nghị Khoa học thường niên năm 2017. ISBN: 978-604-82-2274-1
165
ỨNG DỤNG MACHINE LEARNING TRONG HỆ THỐNG CRM
Đỗ Oanh Cường
Trường Đại học Thuỷ lợi - cuongdo@tlu.edu.vn
1. GIỚI THIỆU CHUNG
Hệ thống quản lý quan hệ khách hàng -
CRM (Customer relationship management) là
một phương pháp giúp các doanh nghiệp tiếp
cận và giao tiếp với khách hàng một cách có
hệ thống và hiệu quả, quản lý các thông tin
của khách hàng như thông tin về tài khoản,
nhu cầu, liên lạc và các vấn đề khác nhằm
phục vụ khách hàng tốt hơn. Thông qua hệ
thống quan hệ khách hàng, các thông tin
của khách hàng sẽ được cập nhật và được lưu
trữ trong hệ thống quản lý cơ sở dữ liệu. Nhờ
các công cụ phân tích dữ liệu, doanh nghiệp
có thể phân tích, hình thành danh sách khách
hàng tiềm năng và lâu năm để đề ra những
chiến lược chăm sóc khách hàng hợp lý.
Ngoài ra, doanh nghiệp còn có thể xử lý các
vấn đề vướng mắc của khách hàng một cách
nhanh chóng và hiệu quả.
Một số hệ thống CRM tiêu biểu đang
được đánh giá cao có thể kể ra như:
Salesfore, Microsoft Dynamic CRM, SAP
CRM… Các hệ thống đều đã phát triển trên
nền tảng điện toán đám mây giúp tập trung
dữ liệu phục vụ công tác phân tích và ứng
dụng Machine Learning.
Ứng dụng hiệu quả cho Machine Learning
là phân tích các hoạt động được diễn ra lặp
đi lặp lại hàng nghìn lần. Machine Learning
sẽ phân tích các dữ liệu và tự học, do vậy
việc ứng dụng Machine Learning theo
nguyên tắc sau:
Dữ liệu đầu vào tốt, dữ liệu kết quả đầu
ra sẽ tốt.
Dữ liệu đầu vào giá trị, kết quả phân tích
sẽ tốt.
Hệ thống Machine Learning cần có thể
phân tích và tự học từ dữ liệu.
Một số kết quả ứng dụng từ Machine
Learning vào hệt hống CRM:
Gợi ý sản phẩm - gợi ý khách hàng
tiềm năng.
Đánh giá phản hồi của khách hàng.
Chấm điểm khách hàng tiềm năng và
Marketing.
Phân lớp các khách hàng: khách hàng
tiềm năng mua sản phẩm A, khách hàng
không tiềm năng để tiếp cận…
Tăng chất lượng chăm sóc khách hàng.
Tiếp tục bán các sản phẩm mới cho tập
khách hàng cũ.
2. PHƯƠNG PHÁP NGHIÊN CỨU
Bài toán đặt ra: công ty A đang tư vấn và
triển khai các giải pháp ERP - giải pháp
quản trị cho các doanh nghiệp. Khách hàng
mục tiêu là những doanh nghiệp sản xuất
với tầm trung với phân khúc khách hàng có
khoảng 500 đến 3000 công nhân viên,
doanh số khoảng 50 - 500 tỷ/ năm, số năm
hoạt động là 5 năm hoặc mới được đầu tư từ
công ty mẹ… Hiện tại số lượng doanh
nghiệp rất lớn đến con số hàng triệu, làm
sao giúp tìm ra các khách hàng mục tiêu
một cách nhanh chóng, thuận tiện và chính
xác nhất?
Đầu tiên, chúng ta tìm hiểu về ứng dụng
Machine Learning giải bài toán Hồi quy.
Hồi quy là một công cụ trong Machine
Learning giúp dự đoán bằng cách “học” các
dữ liệu dạng tĩnh có từ trước, cũng như mối
Tuyển tập Hội nghị Khoa học thường niên năm 2017. ISBN: 978-604-82-2274-1
166
quan hệ giữa các tham số mục tiêu với
những tham số khác. Dự trên những định
nghĩa, việc đánh giá đối tượng khách hàng
có tiềm năng hay không dựa vào các yếu tố
như vốn điều lệ, doanh số, tốc độ tăng
trưởng, số lượng nhân sự, khu vực, lĩnh vực
hoạt động, số năm hoạt động …Nếu chúng
ta áp dụng Machine Learning vào thì có thể
đánh giá mức độ tiềm năng của đối tượng
trên một khu vực.
Ý tưởng về ứng dụng hồi quy theo hướng
tiếp cận rất đơn giản: với một lượng dữ liệu
đầy đủ, chúng ta sẽ tìm được mối liên hệ giữa
tham số mục tiêu (tham số đầu ra) và các
tham số khác (tham số đầu vào), sau đó ứng
dụng vào các dữ liệu thực tế.
Để minh hoạ cách thức thuật toán hồi quy
hoạt động, chúng ta phân tích khách hàng
tiềm năng dựa trên yếu tố doanh thu hàng
năm. Như chúng ta đề cập, doanh thu hàng
năm có quan hệ tuyến tính với mức độ cần
thiết phải sử dụng quản lý thông tin ERP, từ
đó quan hệ tuyến tính với mức độ đánh giá
tiềm năng của khách hàng.
Chúng ta có thể biểu diễn mối quan hệ
như sau:
y = + x
Trong đó x là doanh thu hàng năm, y là
mức độ tiềm năng của khách hàng.
Dựa vào hồi quy, chúng ta sẽ tìm ra các
mối quan hệ của và bằng cách đưa thông
tin của khoảng 500 - 1000 thông tin doanh
nghiệp đầu vào.
3. KẾT QUẢ NGHIÊN CỨU
Chúng ta thực hiện từng bước như sau:
1. Thu thập dữ liệu:
Chúng ta sẽ thực hiện việc thu thập dữ liệu
các doanh nghiệp sản xuất trong các khu
công nghiệp như Quang Minh, Thăng Long,
Bắc Ninh, Thái Nguyên… và chuẩn hoá dữ
liệu giúp cho việc tính toán chính xác.
2. Phân tích dữ liệu:
Thông tin dữ liệu được format như trong
hình dưới đây.
Hình 1. Dữ liệu phân tích đầu vào
1. Rà soát dữ liệu bất thường
Chúng ta cần kiểm tra xem các yếu tố phân
tích có độc lập không, và nếu có yếu tố nào
không độc lập so với yếu tố còn lại thì cần
được loại khỏi việc phân tích.
2. Chọn thuật toán phù hợp:
Thử nghiệm với các thuật toán như dưới,
ta được kết quả như trong hình:
Linear Regression - (1)
RandomForest - (2)
KNeighborsRegressor (3)
SVR (4)
Result
0
0.2
0.4
0.6
0.8
1
012345
Hình 2. Kết quả với các thuật toán
khác nhau
Dựa trên các thuật toán trên, chúng ta thấy
độ chính xác của Random Forest cao nên sẽ
dùng thuật toán Random Forest.
4. KẾT LUẬN
Trên đây là trình bầy việc ứng dụng của
Machine Learning vào hệ thống CRM. Qua
việc phân tích cho thấy rằng:
Việc ứng dụng Machine Learning cho hệ
thống CRM là hoàn toàn khả thi.
Trong bài viết đang nghiên cứu ví dụ việc
áp dụng vào mô hình quản lý kinh doanh cho
doanh nghiệp B2B, việc ứng dụng hoàn toàn
có thể áp dụng cho mô hình kinh doanh B2C.
Tuyển tập Hội nghị Khoa học thường niên năm 2017. ISBN: 978-604-82-2274-1
167
5. TÀI LIỆU THAM KHẢO
[1] Nishant Shukla. 2017. Machine Learning
with TensorFlow.
[2] Ian Goodfellow, Yoshua Bengio, Aaron
Courville. 18/11/2016.Deep Learning
(Adaptive Computation and Machine
Learning series).