Thiết lập tư duy “dữ liệu là trên hết”: AI có thể thúc đẩy sự thay đổi như thế nào?

Sự phát triển và tiến bộ liên tục của công nghệ AI đã thúc đẩy đổi mới công nghệ ở một số công ty. Hãy cùng tìm hiểu cách sử dụng AI để thúc đẩy sự thay đổi.

Sự xuất hiện của trí tuệ nhân tạo đã thay đổi tốc độ phát triển kinh tế trên toàn thế giới và cũng là sự thay đổi công nghệ mang tính đột phá đối với sự phát triển của doanh nghiệp. Nếu một doanh nghiệp muốn phát triển thì phải vượt qua được nút thắt tăng trưởng hiện tại. Điều đầu tiên là phải thay đổi nhận thức và thiết lập nhận thức "dữ liệu trước tiên".

Vậy quan niệm về “dữ liệu trước tiên” là gì? Nói một cách đơn giản, điều này có nghĩa là có khả năng "biến dữ liệu thành doanh nghiệp" và "biến doanh nghiệp thành dữ liệu". Nói cách khác, ý thức “dữ liệu trước tiên” bao gồm hai khía cạnh trên. Hai điểm trên cũng chính là những hướng triển khai chủ chốt để doanh nghiệp thực hiện chuyển đổi số.

Dữ liệu đã trở thành yếu tố sản xuất lớn thứ năm sau đất đai, lao động, vốn và công nghệ. Và bất kể công nghệ trí tuệ nhân tạo phát triển và tiến hóa như thế nào thì logic cơ bản của nó vẫn luôn là dữ liệu, tiếp theo là các thuật toán và sức mạnh tính toán ở lớp giữa, và sau cùng là nhiều mô hình lớn khác ở trên cùng, được áp dụng cho mọi lĩnh vực của cuộc sống và nhiều tình huống khác nhau. Do đó, việc thu thập dữ liệu và sử dụng hiệu quả cũng đã trở thành điều kiện tiên quyết quan trọng nhất để thúc đẩy quá trình chuyển đổi AI.

Đối với doanh nghiệp, việc xây dựng kho dữ liệu cơ bản và đào tạo đội ngũ quản lý doanh nghiệp cùng các chuyên gia dữ liệu có liên quan để có thể chuyển đổi hoạt động kinh doanh thành dữ liệu và dữ liệu thành thông tin kinh doanh đã trở thành một trong những lợi thế cạnh tranh cốt lõi của doanh nghiệp.

Câu hỏi đặt ra là doanh nghiệp sẽ tạo ra những dữ liệu gì trong quá trình sản xuất và vận hành?

Trên thực tế, các doanh nghiệp sẽ tạo ra nhiều loại dữ liệu khác nhau trong hoạt động kinh doanh của mình và những dữ liệu này thường nằm rải rác ở nhiều góc khác nhau và dễ bị bỏ qua. Đồng thời, thách thức mà các doanh nghiệp phải đối mặt hiện nay là làm thế nào để thu thập và tích hợp đầy đủ dữ liệu nằm rải rác ở nhiều nơi khác nhau để giúp cải thiện doanh thu và hiệu quả phản hồi của công ty. Tài sản dữ liệu của toàn bộ doanh nghiệp có thể được chia thành các loại sau:

01

Dữ liệu khách hàng: Dữ liệu khách hàng được chia thành khách hàng chính và dữ liệu khách hàng chung. Các công ty khách hàng quan trọng có thể tùy chỉnh theo điều kiện thực tế. Ví dụ, những khách hàng có doanh thu hàng năm vượt quá 1 triệu nhân dân tệ được coi là khách hàng quan trọng. Khách hàng có quy mô tương đối lớn và doanh thu hàng năm vượt quá 10 tỷ nhân dân tệ, mặc dù đóng góp doanh số hiện tại tương đối nhỏ (dưới 1 triệu nhân dân tệ), cũng có thể được xác định là khách hàng then chốt thứ cấp nếu có cơ hội mở rộng cơ hội kinh doanh với khách hàng này trong tương lai.

Do đó, trong định nghĩa về khách hàng chính, chúng ta có thể chia họ thành bốn phần tư với doanh thu bán hàng là trục ngang và tiềm năng phát triển là trục dọc. Những người có thu nhập cao và tiềm năng phát triển cao là những khách hàng trọng điểm, những người có thu nhập thấp và tiềm năng phát triển cao cũng là những khách hàng trọng điểm, những người có thu nhập cao và tiềm năng phát triển thấp là những khách hàng duy trì chung, và những người có thu nhập thấp và tiềm năng phát triển thấp là những khách hàng dễ bỏ rơi, chỉ cần theo dõi đơn giản nhất.

Vậy thì dữ liệu này có tác dụng gì? Đối với những loại khách hàng khác nhau, nguồn nhân lực và nguồn lực bảo trì mà công ty cần đầu tư cũng khác nhau. Nói cách khác, việc đầu tư vào nguồn lực phải được phân biệt một cách chiến lược và thực hiện một cách tập trung.

Theo góc nhìn cá nhân, dữ liệu khách hàng có thể bao gồm nhiều chiều dữ liệu, chẳng hạn như thông tin cơ bản của khách hàng, tên, tên công ty, ngành, chức năng trong công ty, thông tin liên hệ và các thông tin cơ bản khác. Thông tin cơ bản này cũng trở thành thông tin cơ bản để doanh nghiệp có được khách hàng tiềm năng trong các hoạt động tiếp thị và có thể được sử dụng cho các hoạt động tiếp thị trong tương lai như kích hoạt khách hàng, ươm tạo khách hàng tiềm năng và chuyển đổi tiếp thị hiệu suất.

Ngoài thông tin cơ bản về khách hàng, cần có dữ liệu chuyên sâu hơn, chẳng hạn như hành vi của từng khách hàng, tương tác của họ với thương hiệu, tần suất tương tác với thương hiệu, sản phẩm nào được mua vào thời điểm nào và thông qua kênh nào, số lượng đơn hàng và tầm ảnh hưởng của khách hàng trong ngành. Những dữ liệu quan trọng này giúp các thương hiệu xác định bản chất và đặc điểm của khách hàng chính và không chính, để quyết định cách thực hiện các hoạt động tiếp thị có mục đích, hiệu quả và được cá nhân hóa cho khách hàng trong tương lai. Từ khóa ở đây là "cá nhân hóa".

Ngày nay, công nghệ AI đóng vai trò quyết định trong việc phân tích và dự đoán hành vi cá nhân hóa của khách hàng. Trước khi kỷ nguyên AI xuất hiện, tất cả những điều này đều là không thể.

02

Dữ liệu tiếp thị: Dữ liệu tiếp thị có thể được chia thành dữ liệu tổng thể và dữ liệu riêng lẻ. Tổng dữ liệu bao gồm dữ liệu nghiên cứu thị trường và dữ liệu quảng cáo và tiếp thị.

Dữ liệu khảo sát bao gồm quy mô chung của ngành, bối cảnh cạnh tranh thị trường, thị phần của các sản phẩm cạnh tranh, nghiên cứu chiến lược về đối thủ cạnh tranh, những thay đổi trong xu hướng chung của người tiêu dùng cũng như nghiên cứu hành vi và sản phẩm. Những dữ liệu này có thể cung cấp cho các công ty khả năng phân tích và dự báo xu hướng thị trường, giúp họ nắm bắt cơ hội thị trường và ứng phó với những thay đổi của thị trường. Loại dữ liệu này cũng là bước thiết yếu để các nhà tiếp thị phát triển chiến lược tiếp thị trước khi triển khai các hoạt động tiếp thị.

Dữ liệu quảng cáo và tiếp thị có thể được chia thành nhiều loại dữ liệu khác nhau được tạo ra bởi các kênh quảng cáo và tiếp thị khác nhau như trang web thương hiệu, phương tiện truyền thông xã hội, phương tiện truyền hình, phương tiện truyền thông ngoài trời, trang web thương mại điện tử, v.v., bao gồm lượt hiển thị, lượt nhấp, chi phí nhấp, tỷ lệ chuyển đổi, tỷ lệ duy trì và dữ liệu phổ biến khác được sử dụng để phân tích vị trí truyền thông hoặc hiệu quả quảng cáo và tiếp thị.

Tuy nhiên, với sự phát triển của công nghệ trí tuệ nhân tạo, giá trị của dữ liệu này đang giảm dần. Nhiều công ty quảng cáo vẫn sử dụng dữ liệu này trong báo cáo gửi cho khách hàng để chứng minh rằng các dịch vụ họ cung cấp có giá trị và hiệu quả, nhưng trên thực tế, dữ liệu này ngày càng kém thuyết phục. Nhược điểm của loại dữ liệu này là ngoài việc đưa ra kết luận về việc chiến dịch tiếp thị có tốt hay không, rất khó để tạo ra giá trị "kinh doanh dữ liệu" thực sự, tức là phải làm gì tiếp theo? Việc phân bổ nguồn lực marketing có cần phải điều chỉnh không và điều chỉnh như thế nào?

Trong khi đó, thứ có thể tạo ra nhiều giá trị hơn chính là dữ liệu tiếp thị cá nhân. Ví dụ, thông qua một chiến dịch tiếp thị, bạn thu hút được khách hàng. Hồ sơ của khách hàng có tỷ lệ chuyển đổi cao là gì? Chúng có những đặc điểm gì? Giá trị của việc này đối với tiếp thị là gì?

Tức là dự đoán tương lai. Sau khi xác định nhóm khách hàng tiềm năng này với ý định mạnh mẽ, chúng ta có thể sử dụng thuật toán để đưa ra dự đoán về khách hàng tiềm năng trong tương lai và tiếp cận nhiều khách hàng tiềm năng hơn với các đặc điểm nhóm tương tự, một mặt để mở rộng phạm vi tiếp cận các nhóm dân số cụ thể và mặt khác để cung cấp nội dung và phương pháp chuyển đổi được cá nhân hóa hơn không? Từ khóa ở đây vẫn là "cá nhân hóa".

Dữ liệu tiếp thị được cá nhân hóa thường bao gồm các bình luận và ý kiến ​​của người dùng về sản phẩm trên mạng xã hội, thông tin tích cực và tiêu cực mà họ cung cấp, cũng như thứ hạng của các thương hiệu doanh nghiệp và sản phẩm chính trên các công cụ tìm kiếm. Giá trị của dữ liệu này đối với thương hiệu là gì? Chìa khóa nằm ở việc phân tích những dữ liệu "truyền miệng" này. Các công ty có thể hiểu được phản hồi của người tiêu dùng về thương hiệu và sản phẩm của mình, duy trì danh tiếng tốt và xây dựng lòng tin của người tiêu dùng.

03

Các tài sản dữ liệu khác của doanh nghiệp bao gồm dữ liệu chuỗi cung ứng, dữ liệu sản xuất, dữ liệu tài chính và dữ liệu nguồn nhân lực. Những dữ liệu này được tạo ra trong quá trình hoạt động kinh doanh ở nhiều giai đoạn khác nhau và thuộc quyền quản lý của các phòng ban chức năng khác nhau. Đối với các doanh nghiệp vừa và lớn, việc thiết lập kho dữ liệu tích hợp ở cấp độ cơ sở của doanh nghiệp là vô cùng quan trọng.

Việc tích hợp và sử dụng đầy đủ các loại dữ liệu khác nhau trong quá trình sản xuất và vận hành của một doanh nghiệp là một nhiệm vụ rất khó khăn. Cho dù từ cấp độ cơ sở hạ tầng số hay sự cộng tác giữa các nhân sự ở các phòng ban khác nhau, việc thiết lập các vị trí nhân sự dữ liệu có liên quan đều có yêu cầu cực kỳ cao. Con đường triển khai chính của quá trình chuyển đổi số của một doanh nghiệp được thể hiện ở việc xây dựng cơ sở hạ tầng số và khả năng thu thập và sử dụng dữ liệu.

Dữ liệu hóa doanh nghiệp là quá trình thu thập và lưu giữ nhiều dữ liệu khác nhau được tạo ra từ các hoạt động kinh doanh của công ty bằng các công cụ kỹ thuật số. Bước quan trọng tiếp theo là thương mại hóa dữ liệu, đây là quá trình chuyển đổi dữ liệu thành thông tin kinh doanh cốt lõi, tức là sử dụng dữ liệu một cách hiệu quả.

Với sự trợ giúp của khả năng của các công cụ AI và trí tuệ của con người, dữ liệu có thể được diễn giải và chuyển đổi thành các bước tiếp thị và vận hành chiến lược có giá trị đối với các chỉ số chính về phát triển doanh nghiệp, chẳng hạn như tăng trưởng doanh số, tăng lợi nhuận và cải thiện hiệu quả hoạt động. Từ dữ liệu, các công ty có thể đánh giá những gì nên làm, những gì không nên làm và nơi nào cần đổi mới phương pháp, từ đó phân tích dữ liệu thành các bước chiến lược có thể triển khai, đạt được, đo lường được, chính xác và hiệu quả. Đây cũng là một trong những kịch bản ứng dụng sáng tạo nhất cho các sản phẩm AI về mặt tăng trưởng thương mại.

Nhưng cũng cần lưu ý rằng với sự xuất hiện của mô hình video Sora, AI đang phát triển nhanh chóng. Sora có thể được coi là một bước tiến đột phá khác trong công nghệ AI, nhưng AI không thể thay thế nhiều công việc vẫn cần đến con người trong ngắn hạn. Quá trình số hóa doanh nghiệp và kinh doanh dữ liệu vẫn đòi hỏi nhiều sự can thiệp của con người. Do đó, chế độ làm việc của Copilot sẽ là cách làm việc tồn tại trong một thời gian dài sắp tới. Điều này cũng có nghĩa là cả người quản lý và chuyên gia đều cần bắt đầu học cách sử dụng nhiều công cụ AI khác nhau để giúp họ quản lý công việc hàng ngày.

Trong năm năm tới, việc phát triển và ứng dụng AI có thể thay thế nhiều vị trí cơ bản trong doanh nghiệp và loại bỏ những người chưa học cách sử dụng công cụ AI, hoặc không muốn hoặc chưa cố gắng tích hợp công cụ AI vào công việc hàng ngày. Đây không phải là lời nói quá.

Việc bắt kịp thời đại, bắt kịp sự phát triển của AI, chủ động tiếp thu và ứng dụng công nghệ mới nhất, giữ vững lý trí, khách quan, tận dụng AI và đóng vai trò tích cực sẽ trở thành khóa học bắt buộc đối với mọi người lao động.

Tác giả: Zhu Jingyu Tài khoản WeChat chính thức: Jade nói về tiếp thị kỹ thuật số