Mô tả:
Tiếp thị và quảng cáo
E-Marketing
G V: N G U Y Ễ N HU Y H OÀ N G
(N G U Ồ N : THƯ Ơ N G M ẠI Đ I Ệ N T Ử - T H S . L Ư Ơ N G V Ĩ M I N H – Đ H
K HTN – Đ HQG TP HC M )
1
Nội dung
Hành vi mua hàng của người tiêu dùng
Tiếp thị điện tử
Quảng cáo điện tử
2
Hành vi mua hàng của người
dùng
TI Ế P THỊ VÀ QU ẢN G C ÁO TR O N G E C
3
Giới thiệu
Mối quan hệ với khách hàng
Khách hàng
Đối thủ
cạnh
tranh
Doanh
nghiệp
Hiểu hành vi mua hàng của
người tiêu dùng
4
Hành vi của người tiêu dùng
•Tìm hiểu hành vi của người tiêu dùng
• Giúp người bán hiểu “người tiêu dùng ra quyết
định mua hàng như thế nào?”
• Từ đó
• Sản xuất sản phẩm đúng với thị hiếu
• Thay đổi chiến lược tiếp thị và quảng cáo phù hợp
5
Quá trình ra quyết định mua
1
• Nhận diện nhu cầu
2
• Tìm kiếm thông tin
3
• Chọn nhà cung cấp, giá cả
4
• Mua, thanh toán, vận chuyển
5
• Dịch vụ, ý kiến sau khi mua
6
Các yếu tố ảnh hưởng
Môi trường
Người mua
Quá trình
Ra quyết định
Mua ?
Mua cái gì
Ở đâu ?
Khi nào?
Giá mua ?
Tiếp tục mua nữa ?
Người bán
7
Nguồn: Electronic Commerce, Efaim Turban (2006)
Các yếu tố ảnh hưởng
Xã hội Môi trường
Sở thích
Tuổi
Giới tính
Cộng đồng
Người mua
Chính phủ
Tâm lý
Học vấn
Pháp luật
Đạo đức
Mua ?
Trả lời các câu hỏi thường gặp
Phương thức thanh toán
Quá trình
Ra quyết định
Hình thức giao hàng
Mua cái gì
Ở đâu ?
Khi nào?
Giá mua ?
Tiếp tục mua nữa ?
Bảo hành
Hỗ trợ kỹ thuật
Giá
Khuyến mãi
Người bán
8
Source: Electronic Commerce, Efaim Turban (2006)
Tiếp thị điện tử
TI Ế P THỊ VÀ QU ẢN G C ÁO TR O N G E C
9
Tiếp thị điện tử
Chiến lược tiếp thị 1-1
Hệ hỗ trợ quyết định
10
Tiếp thị 1-1 – Qui trình
• Quan tâm khách hàng theo một cách riêng biệt dựa trên hồ sơ và nhu cầu của
khách hàng
Chọn quảng cáo/tiếp
thị phục vụ tốt nhất
cho khách hàng
Cập nhật tiếp thị 4P’s
cho khách hàng
Xây dựng hồ sơ
khách hàng
Khách hàng nhận
được quảng cáo
tiếp thị
Mối quan
hệ khách
hàng
Cập nhật
vào CSDL
Phản hồi của
khách hàng
Khách hàng ra quyết
định mua hàng
Thu thập thông tin
của khách hàng
11
Source: Electronic Commerce 2006, Efaim Turban.
Tiếp thị 1-1
Cá nhân
hóa
(Personalization)
Lòng
trung thành
Dự đoán
(Collaborative Filtering)
(Loyalty)
Độ tin cậy
(Trust)
12
Kỹ thuật Cá nhân hóa – Ví dụ
13
Source: Website Personalization, Willy Chiu, IBM.
Kỹ thuật Cá nhân hóa
• Ghép cặp sản phẩm, dịch vụ và nội dung
quảng cáo với một cá nhân nào đó
• Doanh nghiệp biết gì về khách hàng
• Hồ sơ khách hàng (user profile)
• Sở thích của khách hàng (preferences)
• Hành vi của khách hàng (behaviors)
• Tiểu sử của khách hàng (demographics)
14
Kỹ thuật cá nhân hóa với Hồ sơ khách hàng
• Hồ sơ khách hàng (User profile)
• Hỏi trực tiếp thông tin của khách hàng
• Yêu cầu khách hàng điền thông tin
• Phỏng vấn
• Quan sát hoạt động của khách hàng trực tuyến
• Cookie
URL
Hoạt động
Client
Tập
tin
Web Server
15
Kỹ thuật cá nhân hóa với Hồ sơ khách hàng
• Từ những lần mua hàng trước đó
• Thực hiện nghiên cứu thị trường
• Suy luận
• Từ 1 vài thông tin do khách hàng cung cấp
• Từ những thông tin do thực hiện phân tích hồ sơ
của các khách hàng tương tự (collaborative
filtering)
16
Kỹ thuật Dự đoán
• Kỹ thuật dự đoán (Collaborative filtering)
• Là phương pháp dự đoán (filter) sở thích
của 1 người dùng dựa trên tập hợp các sở
thích của người khác (collaborating)
17
Kỹ thuật Dự đoán
• Dự đoán dựa trên luật (rule-based filtering)
• Cho phép người quản trị trang web chọn các luật để xác định ra
nội dung phục vụ cho 1 cá nhân nào đó
• www.broadvision.com
• Dự đoán dựa trên nội dung (content-based filtering)
• Kết hợp với hồ sơ khách hàng chọn lọc ra nội dung phù hợp cho
khách hàng đó
• www.amazon.com, www.CD2now.com
• Dự đoán dựa trên hành động (activitiy-based filtering)
• Tận dụng sự tương đồng của những hồ sơ khách hàng khác để
đề nghị nội dung phù hợp với khách hàng hiện tại thông qua các
hành động
18
Hệ thống tư vấn phim (user-based)
C. Hồ sơ của
người dùng u
• Ví A
dụ: B
D
G
H
E
I
Item A
C
F
J
A. Bộ dữ liệu được chọn
B. Người dùng u chọn
Item A
Hồ sơ của
người dùng tương đồng
Hồ sơ của
người dùng tương đồng
User 1
User 2
Các đối tượng đã được
người dùng u đánh giá bị giới hạn.
Chỉ còn B, C, D, E.
• Item A
• Item B
• Item C
• Item D
• Item A
• Item B
• Item C
• Item E
Những đối tượng yêu thích
trong hồ sơ người dùng
tương đồng, có chứa các
đối tượng trong hồ sơ người
dùng u.
D. Tư vấn
Tìm trong hồ sơ của người dùng tương
đồng, tư vấn những đối tượng thường
được chọn hoặc được đánh giá cao.
Item B & C
Tư vấn cho người
dùng u
[13] Jing Chen, Anant Jatia, "zMovie: The Movie Recommendation Engine ,".
19
Hệ thống tư vấn phim (item-based)
C. Hồ sơ của
người dùng u
A
D
G
H
B
E
C
F
I
J
B. Người dùng u chọn
Item A
Item A
Tập đánh giá của người dùng gồm A, B, C & D
A. Bộ dữ liệu được chọn
Các đối tượng đã được
người dùng u đánh giá đã bị giới hạn.
Chỉ còn B, C, D.
Item A
2
2
Item B
Item C
3
Item D
Người dùng u
Người dùng 1
D. Tư vấn
Tìm trong hồ sơ của người dùng tương
đồng, tư vấn những đối tượng thường
được chọn hoặc được đánh giá cao.
Người dùng 2
Người dùng 3
Item D
Tư vấn cho người
dùng u
[13]Jing Chen, Anant Jatia, "zMovie: The Movie Recommendation Engine ,".
Item D tương đồng
với item A nhất
trong tập đánh giá
Thích:
Ghét:
20
- Xem thêm -