Ứng dụng của Big data trong đo lường sự gắn kết của người tiêu dùng đối với các thương hiệu

Bài viết "Ứng dụng của Big data trong đo lường sự gắn kết của người tiêu dùng đối với các thương hiệu" giới thiệu ứng dụng của Big Data trong đo lường sự gắn kết của người tiêu dùng. Gắn kết người tiêu dùng với thương hiệu ngày càng nhận được nhiều sự quan tâm của cả giới học thuật lẫn ứng dụng. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Ứng dụng của Big data trong đo lường sự gắn kết của người tiêu dùng đối với các thương hiệu ỨNG DỤNG CỦA BIG DATA TRONG ĐO LƯỜNG SỰ GẮN KẾT CỦA NGƯỜI TIÊU DÙNG ĐỐI VỚI CÁC THƯƠNG HIỆU Nguyễn Thanh Bình Khoa Công nghệ Thông tin. Trường Đại học Tài chính – Marketing Email: ntbinh@ufm.edu.vn Tóm tắt: Trong thời đại 4.0 hiện nay, với sự phát triển của các phương tiện truyền thông xã hội (Social Media) giúp cho việc gắn kết với thương hiệu của người tiêu dùng trở nên nhanh chóng, thuận tiện và tức thời. Điều này, một mặt giúp cho các doanh nghiệp dễ dàng tương tác với khách hàng, người tiêu dùng; mặt khác doanh nghiệp lại gặp khó khăn trong việc thu thập, đo lường và phân tích về những hành vi tương tác này khi mà phương pháp truyền thống vốn dĩ đòi hỏi nhiều nguồn lực, thời gian và chi phí. Sự ra đời và phát triển mạnh mẽ của Dữ liệu lớn (Big Data) mang đến một công cụ hiệu quả trong việc thu thập và phân tích dữ liệu, đặc biệt là dữ liệu trên Internet. Trong đó, sự đo lường sự gắn kết của người dùng với các thương hiệu đang được quan tâm đặc biệt, nhất là trong giai đoạn thương mại điện tử đang phát triển mạnh mẽ như hiện nay. Khái niệm gắn kết người tiêu dùng với thương hiệu ngày càng nhận được nhiều sự quan tâm của cả giới học thuật lẫn ứng dụng. Trong khuôn khổ bài báo cáo này tôi giới thiệu ứng dụng của Big Data trong đo lường sự gắn kết của người tiêu dùng. Từ khóa: Big Data, dữ liệu lớn, Digital Marketing 1. KHÁI NIỆM VỀ BIG DATA Theo wikipedia: Big Data là một thuật ngữ chỉ bộ dữ liệu lớn hoặc phức tạp mà các phương pháp truyền thống không đủ các ứng dụng để xử lý dữ liệu này. Theo Gartner: Dữ liệu lớn là những nguồn thông tin có đặc điểm chung khối lượng lớn, tốc độ nhanh và dữ liệu định dạng dưới nhiều hình thức khác nhau, do đó muốn khai thác được đòi hỏi phải có hình thức xử lý mới để đưa ra quyết định, khám phá và tối ưu hóa quy trình. 2. PHÂN LOẠI DỮ LIỆU LỚN Dữ liệu lớn bao gồm dữ liệu truyền thống và dữ liệu phi truyền thống ➢ Dữ liệu truyền thống bao gồm: - Dữ liệu của công ty dưới dạng báo cáo hàng năm, hồ sơ theo qui định, số liệu bán hàng và thu nhập và các cuộc hội nghị bằng điện thoại (conference calls). 176 - Dữ liệu được tạo ra trên thị trường tài chính, bao gồm giá và khối lượng giao dịch. - Thống kê của chính phủ. ➢ Dữ liệu phi truyền thống bao gồm: - Dữ liệu từ cá nhân: Bài đăng trên các mạng xã hội, các đánh giá trực tuyến, email và việc truy cập trang web. - Dữ liệu từ các doanh nghiệp: Hồ sơ ngân hàng và dữ liệu máy quét bán lẻ. - Dữ liệu từ các thiết bị điện tử: Dữ liệu được tạo ra từ nhiều loại thiết bị, bao gồm điện thoại thông minh, máy ảnh, micrô, đầu đọc nhận dạng tần số vô tuyến (RFID), cảm biến không dây và vệ tinh. Khi Internet và các thiết bị nối mạng ngày càng phát triển, việc sử dụng các nguồn dữ liệu phi truyền thống đã tăng lên, bao gồm thông tin trên các mạng xã hội, email và các phương thức giao tiếp bằng văn bản, lưu lượng truy cập trang web, trang tin tức trực tuyến và các nguồn thông tin điện tử khác. 3. ĐẶC TRƯNG CỦA DỮ LIỆU LỚN Dữ liệu lớn có 5 đặc trưng cơ bản như sau (mô hình 5V): Hình 1: 5 đặc trưng của Big Data (1) Khối lượng dữ liệu (Volume): Đặc điểm tiêu biểu nhất của dữ liệu lớn là khối lượng dữ liệu rất lớn. Kích cỡ của Big Data đag từng ngày tăng lên, tính đến năm 2012 thì nó có thể nằm trong khoảng vài chục terabyte cho đến nhiều petabyte (1 petabyte = 1024 terabyte) chỉ cho một tập hợp dữ liệu. 177 Dữ liệu truyền thống có thể lưu trữ trên các thiết bị đĩa mềm, đĩa cứng. Nhưng với dữ liệu lớn phải sử dụng công nghệ “đám mây” mới đáp ứng khả năng lưu trữ được dữ liệu lớn. (2) Tốc độ (Velocity): Tốc độ có thể hiểu theo 2 khía cạnh: (a) Khối lượng dữ liệu gia tăng rất nhanh (mỗi giây có tới 72.9 triệu các yêu cầu truy cập tìm kiếm trên web bán hàng của Amazon); (b) Xử lý dữ liệu nhanh ở mức thời gian thực (real-time), có nghĩa dữ liệu được xử lý ngay tức thời ngay sau khi chúng phát sinh (tính đến bằng mili giây). Các ứng dụng phổ biến trên lĩnh vực Internet, Tài chính, Ngân hàng, Hàng không, Quân sự, Y tế – Sức khỏe như hiện nay phần lớn dữ liệu lớn được xử lý real-time. Công nghệ xử lý dữ liệu lớn ngày nay đã cho phép chúng ta xử lý tức thì trước khi chúng được lưu trữ vào cơ sở dữ liệu. (3) Đa dạng (Variety): Đối với dữ liệu truyền thống chúng ta hay nói đến dữ liệu có cấu trúc, thì ngày nay hơn 80% dữ liệu được sinh ra là phi cấu trúc (tài liệu, blog, hình ảnh, vi deo, bài hát, dữ liệu từ thiết bị cảm biến vật lý, thiết bị chăm sóc sức khỏe…). Big Data cho phép liên kết và phân tích nhiều dạng dữ liệu khác nhau. Ví dụ, với các bình luận của một nhóm người dùng nào đó trên Facebook với thông tin video được chia sẻ từ Youtube và Twitter. (4) Độ tin cậy/chính xác (Veracity) Một trong những tính chất phức tạp của dữ liệu lớn là độ tin cậy/chính xác của dữ liệu. Với xu hướng phương tiện truyền thông xã hội (Social Media) và mạng xã hội (Social Network) ngày nay và sự gia tăng mạnh mẽ tính tương tác và chia sẻ của người dùng Mobile làm cho bức tranh xác định về độ tin cậy & chính xác của dữ liệu ngày một khó khăn hơn. Bài toán phân tích và loại bỏ dữ liệu thiếu chính xác và nhiễu đang là tính chất quan trọng của BigData. (5) Giá trị (Value) Giá trị là đặc điểm quan trọng nhất của dữ liệu lớn, vì khi bắt đầu triển khai xây dựng dữ liệu lớn thì việc đầu tiên cần phải làm đó là xác định được giá trị của thông tin mang lại như thế nào, khi đó chúng ta mới có quyết định nên triển khai dữ liệu lớn hay không. Nếu dữ liệu lớn mà chỉ nhận được 1% lợi í ...