3 yếu tố không thể thiếu để thực hiện marketing 1to1, nhìn lại trong thời đại AI hiện nay

Xin chào, mình là まさきん.

Mình vừa đọc lại một ghi chú cũ về một bài viết nước ngoài mà mình từng đọc từ lâu. Nội dung nói về những gì cần thiết để thực hiện marketing 1to1, hay còn gọi là cá nhân hóa.

Đây là một bài viết cũ, nhưng mình cảm thấy khung phân tích trong đó vẫn có thể áp dụng đến bây giờ, nên muốn hệ thống hóa lại.

Kết quả khảo sát lúc đó, chỉ nên xem như số liệu của quá khứ

Bài viết đó có giới thiệu một kết quả khảo sát. Số công ty triển khai cá nhân hóa một cách bài bản chưa đến 40%.

Nhưng đây là khảo sát vào khoảng năm 2016. Không phải con số phản ánh tình hình hiện tại, mà nên xem như một giá trị tham khảo lịch sử, kiểu “lúc đó là như vậy”. Bây giờ chắc chắn đã phổ biến hơn nhiều, và với sự xuất hiện của AI tạo sinh, tình hình chắc còn thay đổi nhiều hơn nữa.

Tuy vậy, phần lý do vì sao việc triển khai khó khăn, mình cảm thấy vẫn là một cách hệ thống hóa hoàn toàn có giá trị đến bây giờ. Ba yếu tố được nêu ra là như sau.

3 yếu tố: dữ liệu, nội dung, logic

Dữ liệu là nền tảng để nắm bắt đúng từng khách hàng. Lịch sử mua hàng, hành vi trên website, thông tin thành viên cần được chuẩn bị ở mức có thể dùng để ra quyết định. Ví dụ với một trang thương mại điện tử, đó là trạng thái mà lịch sử sản phẩm đã xem, sản phẩm đã cho vào giỏ, sản phẩm đã mua đều được gắn đúng với một khách hàng cụ thể. Ngoài ra, nếu thông tin này bị cũ thì cũng không có ý nghĩa gì. Chỉ khi sản phẩm xem hôm qua và sản phẩm mua hôm nay được kết nối gần với thời gian thực, đó mới trở thành dữ liệu có thể dùng cho gợi ý tiếp theo.

Nội dung là chất liệu để phân phát khác nhau cho từng khách hàng. Cùng là email gợi ý sản phẩm, nhưng người đang tìm đồ ăn dặm cho bé và người sống một mình tìm đồ dùng sinh hoạt cần được thấy sản phẩm và văn bản khác nhau. Các kịch bản email marketing quen thuộc như bỏ giỏ hàng, kích hoạt khách hàng ngủ đông, nói đến cùng cũng là câu chuyện thiết kế nội dung, quyết định gửi gì cho ai. Nếu số lượng biến thể ít, cuối cùng sẽ chỉ gửi nội dung giống nhau cho tất cả mọi người.

Logic là cơ chế quyết định gửi nội dung nào cho ai. Có thể là các nhánh điều kiện dựa trên quy tắc, hoặc gợi ý bằng machine learning. Một nhánh điều kiện đơn giản như “nếu trong lịch sử xem có đồ ăn dặm, ưu tiên gợi ý danh mục nuôi con” cũng đã là một dạng logic đáng kể. Bài viết ngày đó cũng chỉ ra rằng đây là phần khó nhất. Dù đã có dữ liệu và nội dung, nhưng nếu không có “bộ não” quyết định cách kết hợp, cá nhân hóa sẽ không thể vận hành.

Nếu thiếu một trong ba yếu tố này, cá nhân hóa sẽ trở nên nửa vời. Có dữ liệu nhưng chỉ có một loại nội dung, hoặc nội dung phong phú nhưng không có logic phân phát — đó là những trạng thái như vậy. Chỉ khi đủ cả ba, mới có thể mang đến trải nghiệm khác nhau cho từng khách hàng.

Rào cản về nội dung đã giảm đi nhiều nhờ AI tạo sinh

Trong ba yếu tố này, mình nghĩ nội dung là phần thay đổi nhiều nhất.

Trước đây, chỉ để chuẩn bị văn bản và hình ảnh cho từng nhóm khách hàng cũng đã cần khá nhiều nhân lực và thời gian. Dù muốn tăng số nhóm khách hàng lên 10, nhưng nghĩ đến công sức chuẩn bị chất liệu, cuối cùng thường chỉ dừng ở vài nhóm. Bây giờ chỉ cần đưa điều kiện cho AI tạo sinh, có thể tạo ra số lượng lớn văn bản tương tự trong thời gian ngắn. Cả các biến thể mô tả sản phẩm và các câu slogan phân phát khác nhau cũng đã trở nên dễ dàng hơn trước rất nhiều. Nói không quá, việc chuẩn bị văn bản riêng cho từng nhóm khách hàng cũng đã trở nên khả thi về mặt chi phí.

Phần logic cũng dễ tiếp cận hơn trước. Vì các cơ chế gợi ý dùng machine learning đã có sẵn dưới dạng dịch vụ đóng gói. Nhu cầu tự xây mô hình thống kê từ đầu đã không còn nhiều như trước.

Gợi ý gói cước điện thoại di động cũng có thể nhận được theo logic tương tự. Trước tiên mình sẽ thử dùng công cụ mô phỏng cước phí để kiểm tra trường hợp của mình.

Điểm nghẽn thực sự vẫn còn đó

Nhưng khi rào cản của nội dung và logic đã giảm, có một điều khác lại hiện rõ hơn.

Trước hết là dữ liệu. Dù AI tạo sinh có thể sản xuất hàng loạt văn bản, nếu dữ liệu gốc lộn xộn hoặc bị phân tán theo từng khách hàng, kết quả sẽ là gửi nội dung lệch lạc. Nếu thông tin thành viên ở hệ thống A, lịch sử mua hàng ở hệ thống B, log hành vi trên app ở hệ thống C, thì ngay từ đầu đã không thể nắm bắt đúng từng khách hàng. Có lẽ việc có hạ tầng dữ liệu chính xác hay không lại càng là yếu tố tạo ra khoảng cách hơn trước.

Về logic, khi độ khó kỹ thuật giảm, một khó khăn khác lại nổi lên rõ hơn. Đó là chính việc phán đoán “logic tốt cho khách hàng của mình là gì”. Logic tối đa hóa doanh thu không phải lúc nào cũng dẫn đến sự hài lòng của khách hàng. Logic chỉ liên tục gợi ý sản phẩm giảm giá có thể tăng doanh thu ngắn hạn, nhưng nhìn dài hạn lại có thể biến khách hàng thành người chỉ chờ giảm giá mới mua. Điều này cũng liên quan đến suy nghĩ rằng bản chất của CRM là không tạo ra “doanh thu xấu”. Đây là phần không nên giao hoàn toàn cho machine learning, mà con người cần phán đoán và thiết kế.

Dù công cụ có tiến bộ đến đâu, người quyết định vì mục đích gì, gửi cho ai, cuối cùng vẫn là con người. Chính vì dữ liệu đã hoàn thiện và nội dung đã có thể sản xuất hàng loạt, tư tưởng thiết kế logic lại càng trở thành tấm gương phản chiếu thái độ của doanh nghiệp đó.

Ở gia đình cũng đang nghĩ những điều tương tự

Khung suy nghĩ “gửi gì, cho ai, vì sao” này không chỉ là câu chuyện công việc.

Ngay trong gia đình, việc phân bổ gói cước và hợp đồng cho từng người cũng là một phán đoán khá giống cá nhân hóa. Gói dung lượng lớn cho người dùng nhiều, gói rẻ cho người ít dùng. Có lẽ dữ liệu, tức tình trạng sử dụng, và logic, tức quyết định ai dùng gói nào, đang tự nhiên vận hành cả trong gia đình.

Gói cước điện thoại của nhà mình cũng đã từng được xem lại theo cách như vậy. Nếu thấy hữu ích, bạn có thể tham khảo.

Bài viết này có chứa quảng cáo liên kết. Nếu bạn đăng ký sản phẩm hoặc dịch vụ qua liên kết trên trang này, chúng tôi có thể nhận được hoa hồng từ đối tác. Ngoài ra, người vận hành trang là nhân viên của Rakuten Group và có thể nhận thù lao qua chương trình giới thiệu nhân viên. Nội dung và đánh giá trong bài được viết dựa trên trải nghiệm thực tế và tìm hiểu của người vận hành, không phụ thuộc vào việc có quảng cáo hay không, nhưng mong bạn đọc với sự hiểu biết về mối quan hệ trên. Chi tiết xem tại phần Miễn trừ trách nhiệm & Tiết lộ liên kết. Miễn trừ trách nhiệm & Tiết lộ liên kết

Bài viết này có sử dụng dịch máy. Vui lòng tham khảo trang đa ngôn ngữ trên website chính thức của Rakuten Mobile để biết điều kiện chính xác.

Nếu bạn có thắc mắc về khu vực phủ sóng hoặc chất lượng tín hiệu của Rakuten Mobile, có thể liên hệ qua mẫu đề nghị khảo sát và cải thiện sóng chính thức.