Rất nhiều doanh nghiệp điện tử B2B (giao dịch trực tiếp giữa các doanh nghiệp) đều cho rằng phân tích dữ liệu có thể giúp họ hiểu và tiếp cận khách hàng của họ tốt hơn rất nhiều. Càng trải nghiệm nhiều lợi ích, họ lại càng khám phá ra rất nhiều tiềm năng của lĩnh vực này.

Các doanh nghiệp điện tử B2C (doanh nghiệp giao dịch với khách hàng) đều coi tích hợp máy học vào các hoạt động đối mặt với khách hàng là một ưu tiên hàng đầu và đang nỗ lực tích hợp máy học vào các dịch vụ như bán hàng và tiếp thị. Tuy vậy, đối với các công ty điện tử theo mô hình B2B, chuyển hóa dữ liệu thành các chiến lược marketing khả thi lại có thể là một phương thức khó thực hiện hơn. Bán hàng cho các doanh nghiệp luôn là một hành trình dài và phức tạp, đồng thời hành trình này cũng có giá trị cao hơn nhiều so với lĩnh vực tiêu dùng. Với nguồn vốn kinh doanh lớn, đầu tư tiếp thị sai lầm có thể dẫn đến những tổn thất tài chính khó khắc phục được.

Theo Laura Beaudin của công ty Bain&Co, đối với các công ty B2B, mức độ khả dụng của dữ liệu và tầm quan trọng của việc dồn trọng tâm vào khách hàng gần đây mới được quan tâm. Mặc dù vậy, các công ty marketing trong lĩnh vực dịch vụ chuyên nghiệp hiện đang nỗ lực làm chủ công nghệ máy học (ML) và nhiều công cụ khác để thúc đẩy các chiến dịch sử dụng dữ liệu và nâng cao nhận thức.

Trong cuộc khảo sát 1.419 giám đốc marketing được thực hiện gần đây bởi MIT Technology Review Insights kết hợp với Google, lĩnh vực dịch vụ chuyên nghiệp, bao gồm các nhà tích hợp hệ thống, tư vấn bên thứ ba và cố vấn công nghệ, được đánh giá nằm trong số ít các ngành công nghiệp hàng đầu áp dụng và ứng dụng ML và phân tích dữ liệu.

Theo cuộc khảo sát, số lượng các nhà marketing trong lĩnh vực dịch vụ chuyên nghiệp cho rằng dự đoán ý định khách hàng sẽ mang lại kết quả tiếp thị tốt hơn, nhiều hơn so với các nhà marketing trong các lĩnh vực khác, ví dụ như bán lẻ, dịch vụ tài chính và du lịch (nhiều hơn 16%). Mặc dù các nhà marketing dịch vụ chuyên nghiệp có thể phải đối mặt với nhiều thách thức hơn, do dữ liệu B2B thường không dồi dào hoặc có thể dễ truy cập như dữ liệu B2C, nhưng họ không để những trở ngại ban đầu như vậy làm giảm bớt tham vọng của họ. Đối với việc áp dụng công nghệ để thu hút và dự đoán khách hàng theo những cách hoàn toàn khác biệt, những nhà marketing này đang xem xét lại các ưu tiên chiến lược, trang bị lại năng lực và tái xuất hiện như những đối thủ cạnh tranh hiểu biết.

Tìm ra điểm khác biệt trong dữ liệu

Phần lớn các nhà marketing B2B đều nhận ra tác động tiềm năng của marketing theo hướng dữ liệu sẽ cải thiện vị thế cạnh tranh của họ. Trong cuộc khảo sát, 58% các nhà marketing của lĩnh vực dịch vụ chuyên nghiệp đồng ý rằng cách các công ty áp dụng dữ liệu sẽ giữ một vai trò quan trọng trong việc thúc đẩy phát triển khả năng của họ.

Được dẫn dắt bởi những thuật toán ML tiên tiến, các doanh nghiệp B2B có cơ hội sử dụng thông tin mà họ thu thập và phân tích để hiểu rõ hơn về những gì thúc đẩy hành vi của khách hàng. Khi công nghệ ML tiếp tục điều chỉnh quy trình phân tích của nó, “học” nhiều hơn về khách hàng do nó tự làm quen với dữ liệu, thì công nghệ này sẽ giúp cho các nhà marketing sản xuất nội dung marketing ngày càng hiệu quả trong thời gian thực.

Các nhà marketing phải bắt đầu quy trình bằng cách tạo ra một khung dữ liệu để hỗ trợ cho sự đổi mới này. Điều đó có nghĩa là chuẩn hóa và thống nhất tất cả dữ liệu mà họ đã và đang lưu trữ, giúp việc truy cập và khai thác dễ dàng hơn. Jay Bowden, giám đốc ngành công nghệ B2B của Google cho biết, 10 năm trước nếu các nhà marketing biết rằng sẽ có lúc họ cần sử dụng tất cả dữ liệu mà họ vô tình thu thập, thì chắc chắn họ sẽ lưu trữ nó ở một nơi. Nhiệm vụ này càng trở nên khó khăn hơn đối với các công ty phát triển thiếu cơ bản, phái sinh theo các doanh nghiệp khác, các hệ thống quản lý quan hệ đa khách hàng (CRM) và những bộ phận khép kín khác. Bowden cho rằng cần phải tìm một nơi chung để lưu trữ dữ liệu từ các bộ phận khép kín trước khi tìm cách sử dụng các dữ liệu. Sau đó, có thể áp dụng máy học nhìn vào nó và tìm ra những điểm tương đồng. Ứng dụng công nghệ đám mây đã tạo ra một kho dữ liệu trên quy mô cần thiết. Công nghệ này cũng cung cấp một nền tảng cho các thuật toán ML để xử lý thông tin mà không ảnh hưởng đến bảo mật.

Tất nhiên, dữ liệu không tự động đổ về một vị trí trung tâm, mà cần phải thuyết phục những người canh giữ các luồng dữ liệu, thường là con người, để cho các luồng thông tin được lưu thông. Beaudin cho rằng ngay cả khi bộ phận marketing có quyền quản lý với dữ liệu của họ, họ vẫn cần phải có một quá trình đàm phán nội bộ để khiến các phòng ban khác chấp nhận giao dữ liệu. Các nhóm nhân viên hoạt động chéo cần phải trở thành "những người sử dụng dữ liệu tốt hơn" - áp dụng kiến thức có được từ dữ liệu để duy trì được những lượng khách hàng tiềm năng chất lượng cao hơn và tăng tỷ lệ chuyển đổi từ khách hàng tiềm năng sang khách mua hàng.

Những bài học ban đầu về Máy học

Dù tích hợp công nghệ ở vị trí nào, các nhà marketing dịch vụ chuyên nghiệp đều biết có bao nhiêu hoạt động marketing có thể được hưởng lợi từ ML. Trong cuộc khảo sát, gần hai phần ba các nhà marketing (64%) từ ngành dịch vụ chuyên nghiệp tin rằng việc sử dụng ML sẽ cho phép các công ty của họ đạt được lợi thế cạnh tranh. Công nghệ có thể cải thiện hiệu suất của hoạt động marketing bằng cách tự động hóa quy trình. Bowden cho rằng nơi bắt đầu nên là "tự động hóa một số hoạt động marketing đầu tiên, chẳng hạn như đặt giá thầu" cũng như sử dụng ML để thử nghiệm những nỗ lực sáng tạo, viết quảng cáo và áp dụng công nghệ để tối ưu hóa chúng.

Bằng cách sử dụng ML làm rõ những lợi ích trong nội bộ, marketing còn có thể giúp đảm bảo đạt được chỉ số chuyển đổi cao góp phần thu được thêm những nguồn lực bổ sung từ quản lý. Bowden cho biết “Thông thường, các khách hàng tiềm năng mà nhóm marketing chuyển giao không phải là khách hàng tiềm năng có chất lượng cao nhất”, có nghĩa là họ không phải là khách hàng tiềm năng có thể nhanh chóng chuyển đổi sang khách mua hàng.
Nhưng khi chất lượng khách hàng tiềm năng được cải thiện, hoạt động bán hàng sẽ trở nên gắn kết hơn với các nỗ lực tiếp thị kỹ thuật số. Bowden lấy ví dụ một khách hàng phần mềm dịch vụ (SaaS) muốn có một cách tiếp cận hiệu quả hơn để dự đoán loại khách hàng tiềm năng nào sẽ dễ chuyển đổi từ khách dùng “bản thử miễn phí” sang khách hàng trả tiền. Bằng cách tăng chi tiêu tiếp thị của mình từ 1USD cho mỗi cú nhấp chuột lên 1,25 USD, công ty đã có thể khoanh vùng ra “một nhóm khách hàng hoàn toàn mới.” Sự khác biệt là gì? Đó chính là khả năng “đầu tư vào việc dự đoán giá trị vòng đời của khách hàng bằng mô hình dự đoán”.

Dẫn dắt bởi kỳ vọng

Trong số những người trả lời khảo sát, số lượng các nhà marketing ở các dịch vụ chuyên nghiệp tin rằng cần dự đoán ý định của khách hàng để giành được khách hàng có giá trị, trung thành cũng cao hơn so với những người nhà marketing ở các lĩnh vực khác (nhiều hơn 17%). Khả năng dự đoán chính xác ý định và giá trị vòng đời đều có vai trò quan trọng đối với tất cả các sáng kiến tiếp thị, chẳng hạn như ưu đãi về giá cả và quảng cáo về sản phẩm hay tính hữu dụng của dịch vụ.

Theo Sarah Travis, giám đốc công nghiệp về các thị trường kinh doanh và công nghiệp tại Google, cho tới nay mới chỉ có một vài công ty trong lĩnh vực B2B đang cố gắng dự đoán các đơn đặt hàng trongmột năm của một khách hàng sẽ như thế nào dựa trên những giao dịch đầu tiên của người đó. Việcnày cho phép họ tiếp cận và thu hút khách hàng tốt hơn từ đó thúc đẩy khách hàng tiềm năng đó trở thành khách hàng có giá trị cao.

Rõ ràng, việc không sẵn sàng áp dụng công nghệ Máy học trong lĩnh vực B2B không phải phản ánh mối nghi ngờ về khả năng Máy học có thể giúp các công ty này trở thành những nhà marketing sắc sảo và hiệu quả. Mà có thể là do các nhà marketing trong lĩnh vực này quan tâm đến độ thành thục và phức tạp của công nghệ và liệu họ có thể tiếp cận tới các kỹ năng cần thiết để tối đa hóa việc sử dụng nó hay không. Từng có kinh nghiệm hợp tác với một số công ty B2B, Travis cho rằng, quy trình chuyển đổi càng phức tạp, thì càng khó hiểu được ý định của khách hàng nếu chỉ thông qua tiếp xúc của con người. Rõ ràng, thế giới B2B có thể thu được nhiều lợi ích từ việc sử dụng công nghệ máy học hơn bất kỳ ngành công nghiệp nào khác.

Kết quả khảo sát cho thấy, các nhà marketing B2B dành sự quan tâm đặc biệt tới cho công nghệ chuyển đổi, không chỉ vì những gì máy học có khả năng thực hiện, mà còn vì những cách mà công nghệ này sẽ giúp họ cải thiện hiệu suất của họ. Thật vậy, máy học mở ra một không gian nơi những nhà markeing có thể thực hiện những hoạt động tiếp thị của họ và tiếp cận khách hàng theo những cách mà họ chưa bao giờ mường tượng đến trước đây.

Cục Thông tin KH&CN Quốc gia – Bộ KH &CN
Theo Bản tin “Khởi nghiệp đổi mới sáng tạo”, Số 29.2022