Cá nhân hóa chiến lược khuyến mãi cho mạng di động tại Việt Nam thông qua mô hình RFM mở rộng kết hợp với giá trị vòng đời khách hàng (CLV)

Nghiên cứu "Cá nhân hóa chiến lược khuyến mãi cho mạng di động tại Việt Nam thông qua mô hình RFM mở rộng kết hợp với giá trị vòng đời khách hàng (CLV)" tập trung vào mở rộng mô hình RFM truyền thống bằng cách tích hợp thêm ba biến mới là A (Trung bình chi trả), C (Danh mục chi phối) và V (Dung lượng trung bình) giúp nâng cao khả năng phân loại và có cái nhìn rõ hơn về hành vi mua sắm của khách hàng trong lĩnh vực mạng di động. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Cá nhân hóa chiến lược khuyến mãi cho mạng di động tại Việt Nam thông qua mô hình RFM mở rộng kết hợp với giá trị vòng đời khách hàng (CLV) CÁ NHÂN HÓA CHIẾN LƯỢC KHUYẾN MÃI CHO MẠNG DI ĐỘNG TẠI VIỆT NAM THÔNG QUA MÔ HÌNH RFM MỞ RỘNG KẾT HỢP VỚI GIÁ TRỊ VÒNG ĐỜI KHÁCH HÀNG (CLV) Nguyễn Thanh Minh Tú, Lê Thị Cẩm Hằng, Phạm Nguyễn Thanh Mai, Hoàng Trung, Nguyễn Quang Hưng* Trường Đại học Kinh tế - Luật, ĐHQG-TPHCM, Thành phố Hồ Chí Minh, Việt Nam * Tác giả liên hệ: hungnq@uel.edu.vn TÓM TẮT Trước nhu cầu sử dụng ngày càng cao về dữ liệu di động trong cuộc sống hàng ngày và sự đa dạng trong hành vi tiêudùng của khách hàng, cùng với sự thay đổi nhanh chóng của thị trường, nghiên cứu này tập trung vào mở rộng mô hìnhRFM truyền thống bằng cách tích hợp thêm ba biến mới là A (Trung bình chi trả), C (Danh mục chi phối) và V (Dunglượng trung bình) giúp nâng cao khả năng phân loại và có cái nhìn rõ hơn về hành vi mua sắm của khách hàng trong lĩnhvực mạng di động. Đồng thời, việc kết hợp với CLV còn hỗ trợ doanh nghiệp đánh giá giá trị của từng khách hàng và từđó, đề xuất gói cước dữ liệu di động phù hợp với từng đặc điểm về nhu cầu sử dụng dữ liệu di động, khả năng chi trả vàhành vi tiêu dùng của khách hàng. Bằng cách này, các nhà mạng có thể xây dựng mối quan hệ chặt chẽ và bền vững vớikhách hàng trong môi trường cạnh tranh của ngành mạng di động tại Việt Nam hiện nay. Từ khoá: Cá nhân hoá khách hàng, CLV, lưu lượng dữ liệu, mạng di động, RFM mở rộng.1. Tổng quan Với sự phát triển không ngừng của Internet hiện nay, lưu lượng truy cập Internet và dữ liệu toàn cầu đang tăng nhanhchóng và dự kiến sẽ bùng nổ với sự tiến bộ của công nghệ. Theo Báo cáo của Ericsson (2020), lưu lượng dữ liệu mạng diđộng đã tăng đến 50% chỉ trong 1 năm (2019-2020), tương ứng 180 và 230 exabyte (10^18 byte: 1 tỷ tỷ) mỗi tháng vàonăm 2019 và 2020 (Cổng thông tin Khoa học và Công nghệ, n.d.). Bên cạnh đó, dự kiến năm 2029 lưu lượng dữ liệumạng di động ở các nước Đông Nam Á và Châu Đại Dương sẽ tiếp tục tăng lên tới 66GB mỗi tháng, gấp 2 lần so vớinăm 2023 (Nguyên, 2022). Sự gia tăng này phản ánh nhu cầu ngày càng cao của người dùng về dữ liệu di động, đặc biệtlà tại Việt Nam. Do đó, các nhà mạng tại Việt Nam đã ra mắt nhiều gói cước dữ liệu di động nhằm đáp ứng đa dạng nhu cầu củakhách hàng. Tuy nhiên, sự đa dạng đó vẫn chưa thực sự tối ưu hóa được nhu cầu cá nhân của mỗi khách hàng. Ví dụ, nhucầu sử dụng dữ liệu của khách hàng thường xuyên lướt web và chơi game trực tuyến sẽ có sự khác biệt so với khách hàngchủ yếu dùng dữ liệu để xem video và nhắn tin. Mặc dù có rất nhiều gói cước được đưa ra, vẫn chưa có giải pháp giúp cánhân hoá từng nhu cầu của khách hàng, những người tiêu dùng này sẽ phải chấp nhận những yếu tố không cần thiết, hoặctrả phí cao hơn so với những gì họ sử dụng do sự không phù hợp. Do đó, việc đề xuất các gói cước cá nhân hoá là mộtbước tiến quan trọng để đáp ứng chính xác nhu cầu đặc biệt của từng khách hàng. Điều này không chỉ giúp tối ưu hoá chiphí sử dụng mà còn tăng cường trải nghiệm cá nhân, độ hài lòng và lòng trung thành từ phía người dùng. Một phương pháp được sử dụng rộng rãi bởi các nhà quản lý trong việc định hình các chiến lược tiếp thị khách hàngdựa trên hành vi và thói quen của họ là mô hình RFM (Recency - Thời gian giao dịch gần nhất, Frequency - Tần suất,Monetary - Tổng số tiền giao dịch) (Bunnak at al., 2015). Tận dụng những dữ liệu sẵn có từ các giao dịch mà khách hàngđã thực hiện, kết quả phân cụm khách hàng có được sau khi sử dụng mô hình có thể giúp doanh nghiệp hiểu rõ hành vivà giao dịch của khách hàng từ đó áp dụng các chiến lược phù hợp từng khách hàng (McCarty & Hastak, 2007; Chen atal., 2012). Từ đó, các công ty có thể cung cấp dịch vụ thuê bao phù hợp nhất với nhu cầu khách hàng (Bacila at al., 2012).Bacila và cộng sự đã tiến hành một cuộc khảo sát nhằm theo dõi mô hình hành vi của khách hàng thuê bao trả trước tronglĩnh vực viễn thông, sử dụng phân tích RFM để phân loại khách hàng dựa trên ngày nạp tiền cuối cùng, tần suất nạp tiềntrong ba tháng, và giá trị của các giao dịch nạp tiền trong thời gian này. Bên cạnh đó, nghiên cứu của Lê Ngọc Toàn(2023) đã mô tả cách sử dụng các thuật toán phân cụm để phân nhóm khách hàng dựa trên các chỉ số của mô hình RFMđối với nhóm khách hàng tổ chức. Đối với nhóm khách hàng cá nhân, nghiên cứu của Đinh Tiến Minh & Lê Vũ Lan 273Oanh (2021) đã phân khúc khách hàng mua sắm dựa trên kỳ vọng của họ về các đặc điểm của trung tâm thương mại.Trong khi đó, nghiên cứu của Hồ Trung Thành & Nguyễn Đăng Sơn (2021) sử dụng RFM để phân khúc khách hàng củacửa hàng bán lẻ trực tuyến, cho thấy sự áp dụng linh hoạt của mô hình trong các bối cảnh ...