Luận văn thạc sĩ phân tích hành vi khách hàng hướng đến phân khúc thị trường từ dữ liệu bigdata trường hợp của sacombank

Phân tích hành vi khách hàng từ Big Data tại Sacombank giúp tối ưu chiến lược kinh doanh và nâng cao trải nghiệm khách hàng hiệu quả.

Chuyên ngành

Quản Trị Kinh Doanh

Người đăng

Ẩn danh

Thể loại

Luận Văn Thạc Sĩ Kinh Tế

2019

93
0
0

Phí lưu trữ

35 Point

Mục lục chi tiết

LỜI CAM ĐOAN

1. CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU

1.1. Lý do chọn đề tài

1.2. Mục tiêu nghiên cứu

1.3. Phương pháp nghiên cứu

1.3.1. Đối với số liệu phục vụ nghiên cứu

1.4. Các khái niệm tiếp cận trong nghiên cứu

1.5. Phạm vi nghiên cứu của luận văn

1.6. Kết cấu của luận văn

2. CHƯƠNG 2: CƠ SỞ LÝ LUẬN

2.1. Khai phá dữ liệu (Data Mining)

2.2. Hành vi tiêu dùng

2.3. Hành vi tiêu dùng được phân khúc theo RFM

2.4. Phân khúc thị trường

2.4.1. Định nghĩa phân khúc thị trường

2.4.2. Lựa chọn thị trường mục tiêu

2.4.3. Định vị sản phẩm trên thị trường mục tiêu

2.4.4. Một số khái niệm khác

2.5. Mô hình ma trận giá trị khách hàng (Customer Value Matrix Model)

2.6. Phương pháp RFM

2.7. Giá trị vòng đời khách hàng (Customer Lifetime Value - CLV)

2.8. Thuật toán phân cụm (Clustering)

2.8.1. Thuật toán K-means

2.9. Quy trình nghiên cứu

3. CHƯƠNG 3: BIG DATA VÀ ỨNG DỤNG BIG DATA TẠI SACOMBANK

3.1. Big Data và ứng dụng của Big data trong lĩnh vực ngân hàng

3.2. Ứng dụng của Big data trong lĩnh vực ngân hàng

3.3. Ứng dụng big data tại Sacombank

3.3.1. Giới thiệu về Sacombank

3.3.2. Ứng dụng big data tại Sacombank

4. CHƯƠNG 4: PHÂN TÍCH DỮ LIỆU BIG DATA

4.1. Số liệu phục vụ nghiên cứu

4.2. Thông tin giao dịch khách hàng

4.2.1. Đối với khách hàng tiền gửi

4.2.2. Đối với khách hàng sử dụng thẻ tín dụng

4.2.3. Đối với khách hàng tiền vay

4.3. Phân tích hành vi và phân khúc khách hàng

5. CHƯƠNG 5: KẾT LUẬN VÀ XÂY DỰNG CHIẾN LƯỢC

5.1. ĐỀ XUẤT CHIẾN LƯỢC KINH DOANH

5.1.1. Chiến lược kinh doanh đề xuất theo phân khúc khách hàng

5.1.2. Chiến lược cho nhóm khách hàng tốt nhất (Best)

5.1.3. Chiến lược cho nhóm khách hàng mới (New)

5.1.4. Chiến lược phản hồi của khách hàng (feelback)

TÀI LIỆU THAM KHẢO

PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Phân Tích Hành Vi Khách Hàng Từ Big Data Tại Sacombank

Phân tích hành vi khách hàng từ dữ liệu lớn (Big Data) đã trở thành một xu hướng quan trọng trong ngành ngân hàng. Sacombank, một trong những ngân hàng hàng đầu tại Việt Nam, đã áp dụng công nghệ này để hiểu rõ hơn về nhu cầu và hành vi của khách hàng. Việc khai thác dữ liệu từ các giao dịch, lịch sử sử dụng dịch vụ giúp ngân hàng tối ưu hóa trải nghiệm khách hàng và phát triển các sản phẩm dịch vụ phù hợp.

1.1. Khái Niệm Về Big Data Trong Ngân Hàng

Big Data đề cập đến khối lượng dữ liệu khổng lồ mà các ngân hàng thu thập từ nhiều nguồn khác nhau. Dữ liệu này không chỉ bao gồm thông tin giao dịch mà còn cả hành vi tiêu dùng của khách hàng. Việc phân tích Big Data giúp ngân hàng hiểu rõ hơn về nhu cầu và xu hướng tiêu dùng của khách hàng.

1.2. Tầm Quan Trọng Của Phân Tích Hành Vi Khách Hàng

Phân tích hành vi khách hàng giúp ngân hàng xác định các phân khúc thị trường khác nhau. Điều này cho phép Sacombank phát triển các chiến lược marketing hiệu quả hơn, từ đó nâng cao sự hài lòng và giữ chân khách hàng.

II. Thách Thức Trong Phân Tích Hành Vi Khách Hàng Tại Sacombank

Mặc dù việc phân tích hành vi khách hàng từ Big Data mang lại nhiều lợi ích, nhưng Sacombank cũng phải đối mặt với nhiều thách thức. Những thách thức này bao gồm việc xử lý khối lượng dữ liệu lớn, đảm bảo tính bảo mật thông tin và áp dụng các công nghệ phân tích hiện đại.

2.1. Khó Khăn Trong Việc Xử Lý Dữ Liệu Lớn

Khối lượng dữ liệu lớn từ nhiều nguồn khác nhau có thể gây khó khăn trong việc xử lý và phân tích. Sacombank cần đầu tư vào công nghệ và nhân lực để đảm bảo việc khai thác dữ liệu hiệu quả.

2.2. Vấn Đề Bảo Mật Thông Tin Khách Hàng

Bảo mật thông tin khách hàng là một trong những ưu tiên hàng đầu. Sacombank cần đảm bảo rằng dữ liệu khách hàng được bảo vệ an toàn trước các mối đe dọa từ bên ngoài.

III. Phương Pháp Phân Tích Hành Vi Khách Hàng Từ Big Data

Sacombank đã áp dụng nhiều phương pháp phân tích khác nhau để hiểu rõ hơn về hành vi khách hàng. Các phương pháp này bao gồm phân tích RFM (Recency, Frequency, Monetary) và các thuật toán phân cụm.

3.1. Phân Tích RFM Trong Ngân Hàng

Phân tích RFM giúp Sacombank xác định giá trị của khách hàng dựa trên ba yếu tố: thời gian gần nhất khách hàng giao dịch, tần suất giao dịch và tổng giá trị giao dịch. Phương pháp này giúp ngân hàng phân khúc khách hàng hiệu quả.

3.2. Ứng Dụng Thuật Toán Phân Cụm

Thuật toán phân cụm như K-means được sử dụng để nhóm khách hàng theo hành vi tiêu dùng. Điều này giúp Sacombank phát triển các chiến lược marketing phù hợp với từng nhóm khách hàng.

IV. Ứng Dụng Thực Tiễn Của Phân Tích Hành Vi Khách Hàng Tại Sacombank

Việc phân tích hành vi khách hàng từ Big Data đã mang lại nhiều ứng dụng thực tiễn cho Sacombank. Ngân hàng đã cải thiện chất lượng dịch vụ và phát triển các sản phẩm mới dựa trên nhu cầu thực tế của khách hàng.

4.1. Cải Thiện Chất Lượng Dịch Vụ

Dựa trên phân tích dữ liệu, Sacombank đã cải thiện quy trình phục vụ khách hàng, từ đó nâng cao sự hài lòng và giữ chân khách hàng.

4.2. Phát Triển Sản Phẩm Mới

Phân tích hành vi khách hàng giúp Sacombank phát hiện ra nhu cầu chưa được đáp ứng, từ đó phát triển các sản phẩm mới phù hợp với thị trường.

V. Kết Luận Về Phân Tích Hành Vi Khách Hàng Tại Sacombank

Phân tích hành vi khách hàng từ Big Data là một công cụ mạnh mẽ giúp Sacombank nâng cao hiệu quả kinh doanh. Ngân hàng cần tiếp tục đầu tư vào công nghệ và nhân lực để tối ưu hóa quy trình này.

5.1. Tương Lai Của Phân Tích Dữ Liệu Trong Ngân Hàng

Tương lai của phân tích dữ liệu trong ngành ngân hàng sẽ ngày càng phát triển, với sự xuất hiện của các công nghệ mới như trí tuệ nhân tạo và học máy.

5.2. Đề Xuất Chiến Lược Phát Triển

Sacombank cần xây dựng các chiến lược phát triển dựa trên phân tích dữ liệu để đáp ứng nhu cầu ngày càng cao của khách hàng và duy trì vị thế cạnh tranh trên thị trường.

Tóm tắt và mô tả trên trang này được tạo với sự hỗ trợ của AI. Nếu bạn thấy nội dung không chính xác hoặc có vấn đề, vui lòng Báo lỗi nội dung.

16/08/2025
Luận văn thạc sĩ phân tích hành vi khách hàng hướng đến phân khúc thị trường từ dữ liệu bigdata trường hợp của sacombank

Trích đoạn nội dung tài liệu

Chương 1: Giới thiệu tổng quan về đề tài nghiên cứu Chương 2: Cơ sở lý luận Chương 3: Big data và ứng dụng của Big data tại Sacombank Chương 4: Phân tích dữ liệu big data Chương 5: Kết luận và đề xuất chiến lược TIEU LUAN MOI download : skknchat@gmail.com 10 CHƯƠNG 2: CƠ SỞ LÝ LUẬN 2. Big Data Dữ liệu lớn có thể bao gồm cả dữ liệu cấu trúc và không cấu trúc hay bán cấu trúc. Các hoạt động được tạo lập trong hệ thống đều được Big Data ghi lại. Đối với hoạt động kinh doanh, dữ liệu này sẽ ghi lại tất cả lịch sử tiêu dùng của khách hàng trong suốt thời gian giao dịch, dữ liệu này sẽ ngày càng phong phú, đa dạng hơn theo thời gian.

Đây là nguồn dữ liệu hữu ích mà các tổ chức có thể sử dụng trong việc truy vấn thông tin để phát triển chiến lược kinh doanh, hay tạo lập môi trường quản lý chuyên nghiệp. Hiểu được tầm quan trọng và “cơ hội kinh doanh” từ Big Data, hiện nay các ngân hàng nước ngoài đang khai thác nguồn dữ liệu để xây dựng chiến lược kinh doanh trên nhiều lĩnh vực chuyên môn và ngoài chuyên môn, từ phân tích tâm lý khách hàng đến phân tích cơ hội kinh doanh trong việc bán chéo sản phẩm hay quản lý doanh nghiệp. Big Data đóng vai trò quan trọng trong việc truy xuất dữ liệu và hỗ trợ con người đưa ra quyết định tốt hơn với cơ hội thành công cao hơn nhiều. Khai thác dữ liệu (Data Mining) Theo báo cáo của Markets and Markets thị trường Data Mining dự báo sẽ tăng từ 591,2 triệu USD năm 2018 lên 1.039 triệu USD trong năm 2023.

Đây chính là minh chứng cho thấy xu hướng tiếp cận Data mining phục vụ cho khai thác giá trị từ dữ liệu ở các công ty trên toàn cầu ngày càng mạnh mẽ. Khai thác dữ liệu là một tập hợp, một hệ thống các phương pháp tính toán, thuật toán được áp dụng cho các cơ sở dữ liệu lớn và phức tạp, mục đích loại bỏ các chi tiết ngẫu nhiên, chi tiết ngoại lệ, khám phá các mẫu, mô hình, quy luật tìm ẩn, các thông tin có giá trị trong bộ dữ liệu. Khai thác dữ liệu là thành quả công nghệ tiên tiến ngày ngay, là quá trình khám phá các kiến thức vô giá bằng cách phân tích khối lượng lớn dữ liệu đồng thời lưu trữ chúng ở nhiều cơ sở dữ liệu khác nhau (Data- Flair). TIEU LUAN MOI download : skknchat@gmail.com 11 Nguồn: https://bigdatauni.

Quy trình khai thác dữ liệu Dựa trên mô hình được trình bày tại biểu đồ 2.1 có thể phân quy trình khai thác dữ liệu thành 2 quá trình: chuẩn bị dữ liệu (data preparation) và khai thác dữ liệu (data mining) và 7 bước được mô tả chi tiết trong bảng 2. Các bước trong quá trình khai thác dữ liệu Bước Chức năng Diễn giải 1 Làm sạch dữ liệu Loại bỏ các dữ liệu nhiễu và dữ liệu không liên (Cleaning) quan, không đầy đủ thông tin 2 Tích hợp dữ liệu Tổng hợp và lưu trữ dữ liệu từ nhiều nguồn khác (Integration) nhau trong một hệ cơ sở dữ liệu 3 Lựa chọn dữ liệu Chọn ra những dữ liệu liên quan, có giá trị phân tích (Selection) 4 Chuyển đổi dữ liệu Chuyển đổi và hợp nhất dữ liệu theo các loại biến, (Transformation) định dạng khác nhau để phù hợp và dễ dàng cho việc phân tích. TIEU LUAN MOI download : skknchat@gmail.com 12 5 Khai thác dữ liệu Xây dựng các thuật toán, phương pháp, các model (Data mining) phân tích khác nhau nhằm mục đích phát hiện, trích xuất các thông tin hữu ích, giá trị tiềm năng từ những mẫu dữ liệu. 6 Đánh giá mẫu dữ liệu Xác định mức độ chính xác, khả năng đem lại giá (Evaluation) trị thực sự và triển khai thực tế không.

7 Trình bày kết quả thu Thể hiện kết quả bằng các công cụ trực quan hóa, được sử dụng đồ thị, bảng, biểu đồ để diễn giải kết quả (Knowledge) đến người xem Mặt khác, dựa trên các tiêu chí đặc điểm của một tổ chức, Xin-an Lai (2009) đưa ra mô hình về quy trình khai thác dữ liệu bằng cách sử dụng mô hình phân khúc khách hàng được mô tả trong biểu đồ 2.1 Khai thác dữ liệu là một trong những lợi thế các công ty trong ngành sản xuất, kinh doanh, marketing nếu họ biết cách ứng dụng hợp lý để tăng cường hiệu quả hoạt động. Các lợi ích cơ bản của khai thác dữ liệu như sau: hỗ trợ ra quyết định tự động, hỗ trợ đưa ra dự báo chính xác, hỗ trợ giảm thiểu chi phí và hỗ trợ khả năng thấu hiểu khách hàng. Đồng thời việc khai thác dữ liệu cũng được ứng dụng rộng rãi trong nhiều lĩnh vực kinh doanh và ngành nghề và được phân theo từng chức năng nhiệm vụ. Ứng dụng của khai thác dữ liệu Phân theo chức năng nhiệm vụ Phân theo ngành và lĩnh vực - Phân tích và quản lý thị trường - Tài chính ngân hàng - Phân tích bên trong công ty và quản lý - Y tế chăm sóc sức khỏe rủi ro - Viễn thông - Phát hiện và ngăn chặn hành vi phạm - Sales và Marketing tội và lừa đảo - E-ecommerce - Bán lẻ và một số ngành nghề khác TIEU LUAN MOI download : skknchat@gmail.

Hành vi tiêu dùng 2. Định nghĩa Hành vi người tiêu dùng là loại hình nghiên cứu hướng đến các đối tượng là cá nhân hoặc tổ chức và cách mà các đối tượng chủ thể trên quyết định lựa chọn và sử dụng sản phẩm, dịch vụ để thỏa mãn nhu cầu của bản thân, cũng như sự tác động của quá trình đưa ra quyết định đó tới tâm lý số đông người tiêu dùng và xã hội. Những tác nhân gây ảnh hưởng tới hành vi tiêu dùng chủ yếu là các tác động nội tại và ngoại vi (Solomon, 2004). Điều này có thể do con người muốn trốn thoát khỏi guồng công việc thường nhật, cải thiện chất lượng sống, tự thưởng công sức (Danziger, 2004a), đẩy mạnh niềm tin vào bản thân, tìm kiếm trải nghiệm đáng nhớ, trở nên đặc biệt và độc nhất (Danziger, 2004b), thể hiện cá tính, thể hiện địa vị xã hội hoặc đáp ứng các nhu cầu tâm lý (Nia và Judith, 2000).

Một số các giả thuyết đã được đề xuất nhằm giải thích tại sao và bằng cách nào mà người tiêu dùng chọn một loại sản phẩm nhất định (Bettman, 1970; Fishben, 1963; Fishbein và Ajzen, 1975; Mitchel và Olson, 1981; Rosenberg, 1950). Trong số những nỗ lực lập ra để tạo nên số giả thuyết đó, các nhà nghiên cứu đã tập trung mạnh vào cách thức mà người tiêu dùng phát triển thái độ bản thân đối với 1 sản phẩm, vì thái độ với sản phẩm được cho rằng là mối liên kết giữa hành vi và sự chi tiêu. Ví dụ cụ thể: dựa theo nghiên cứu của Fishbein và Ajzen (1975), có hai cấu kiện quan trọng gây ảnh hưởng tới thái độ hướng tới sản phẩm: cấu trúc niềm tin và tiêu chí đánh giá (Lee và Um, 1992). Đầu tiên, một người tiêu dùng có thể sẽ tin rằng ở mỗi một sản phẩm sở hữu một vài các tính chất nhất định biết được là do tác động trực tiếp từ kinh nghiệm bản thân hoặc gián tiếp thông qua các nhân vật đại diện cho thương hiệu hoặc nguồn truyền thông công chúng.

Thứ hai, người tiêu dùng có thể đánh giá một sản phẩm chỉ với một số tính chất sản phẩm nhất định mà họ cảm thấy là đủ để áp đặt cho việc đưa ra quyết định mua sản phẩm. Điều này cấu thành nên tiêu chí đánh giá chủ đạo cho thái độ người mua hướng tới sản phẩm. Trong trường hợp như vậy, chúng ta thường hay tranh cãi rằng khách hàng đưa ra quyết định là dựa vào nền tảng nhận xét, cũng như có kiến thức về, tính chất sản phẩm (Geistfeld, và một số khác, 1977; Peter TIEU LUAN MOI download : skknchat@gmail.com 14 và Olson, 1996; Wahlers, 1982). Trong một số trường hợp, người tiêu dùng có thể so sánh giữa những lựa chọn có thể thay thế nhau tùy theo những tính chất của chúng và chọn ra thứ họ ưa thích nhất.

Trong một số khác, người tiêu dùng lại có thể đánh giá riêng từng lựa chọn có mặt và đi theo hướng phù hợp nhất (Stephen và Simonson, 1997). Tiêu chí đánh giá chủ yếu có thể sẽ khách quan, như giá cả, hoặc chủ quan, như lợi ích cảm tính có từ việc sử dụng sản phẩm (Lee và Um, 1992). Tuy vậy, tiêu chí đánh giá chính lại thường chỉ được đưa ra dưới dạng ý tưởng bởi vì các xúc tác thông tin lọt vào 2 phạm trù lớn: nội tại và tác động ngoại vi (Lee và Lou, 1996; Monroe và Dodds, 1988; Peter và Olson, 1996; Rao và Monroe, 1989; Richardson và một số khác, 1994; Schelinck, 1983). Xúc tác nội tại là những tính chất có liên quan đặc thù tới một 1 sản phẩm nhất định, có thể bao gồm các tính vật lý như hình dạng, thiết kế, phong cách và nguyên, vật liệu (Lee và Lou, 1996; Ulgado và Lee, 1993).

Mặt khác, xúc tác ngoại vi không được coi là một phần vật chất của sản phẩm (mặc dù vẫn liên quan đến nó). Nghiên cứu trước đây cho thấy rằng người tiêu dùng vận dụng cả xúc tác nội tại và ngoại vi trong quá trình đánh giá sản phẩm (Lee và Lou, 1996; Monroe và Dodds, 1988; Peter và Olson, 1996; Rao và Monroe, 1989; Richardson và một số khác, 1994; Schellinck, 1983). Có một quan điểm hay được bàn đến đó là các xúc tác ngoại vi phổ biến hơn trong thực tế và có thể bao gồm thương hiệu, giá, bao bì và xuất xứ (xem vd. Lee và Lou, 1996; Richardson và một số khác, 1994).

Nghiên cứu trước cũng cho rằng người tiêu dùng dễ nhận biết sự có mặt của xúc tác ngoại vi hơn nên vì thế dựa vào chúng hơn khi đánh giá sản phẩm nếu như đem so với các xúc tác nội tại (xem vd. Bettman và Park, 1980; Dodds và một số khác, 1991; Han và Terpstra, 1988; Lee và Lou, 1996). Trong nghiên cứu của Richardson và một số khác năm 1994 chẳng hạn, có xem xét về sự tương quan trong độ quan trọng giữa xúc tác nội tại và ngoại vi trong việc nhận biết về chất lượng thương hiệu trong 5 sản phẩm ở Mỹ (khoai tây cắt lát ăn liền thông thường, khoai tây cắt lát ăn chấm kem kiểu Pháp, bánh quy hạt choco, phô mai cắt lát và thạch nho). TIEU LUAN MOI download : skknchat@gmail.com 15 Kết quả cho thấy rằng giới tiêu dùng ở Mỹ nhìn nhận thương hiệu chủ yếu qua xúc tác ngoại vi gắn liền với sản phẩm thay vì do nội tại.

Phần nhiều các người tiêu dùng mua sắm phụ thuộc vào thu nhập bản thân.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ