Tài liệu Tiếp thị và quảng cáo e-marketing - nguyễn huy hoàng

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