Giới thiệu dự án

Thị trường viễn thông Việt Nam trong giai đoạn chuyển đổi số chứng kiến sự cạnh tranh khốc liệt giữa các doanh nghiệp cung cấp dịch vụ hạ tầng mạng và Internet băng rộng. Theo số liệu từ Bộ Thông tin và Truyền thông, doanh thu toàn ngành viễn thông năm 2018 đạt xấp xỉ 15 tỷ USD với tốc độ tăng trưởng 6%, trong đó doanh thu dịch vụ viễn thông 6 tháng đầu năm đạt 181.948 tỷ đồng. Trong bối cảnh các nhà mạng lớn như Viettel và VNPT chiếm lĩnh thị phần áp đảo, bài toán sống còn đối với FPT Telecom nói chung và FPT Telecom Chi nhánh Thừa Thiên Huế nói riêng là tối ưu hóa công tác giữ chân khách hàng, gia tăng giá trị trọn đời của thuê bao và nâng cao chất lượng dịch vụ khách hàng.

Thực tế vận hành tại FPT Telecom Chi nhánh Huế cho thấy doanh nghiệp đang đối mặt với những điểm nghẽn nghiêm trọng trong quản trị quan hệ khách hàng (CRM):

  • Dữ liệu khách hàng phân mảnh giữa các phòng ban: Phòng Kinh doanh (IBB1, IBB2, IBB3, SA), Bộ phận Kỹ thuật (Bảo trì, Triển khai cáp) và Bộ phận Dịch vụ khách hàng (CUS/CS).
  • Thiếu hụt cơ chế tự động hóa lực lượng bán hàng (Sales Force Automation - SFA) và hệ thống phân tích dữ liệu chuyên sâu (Analytic CRM).
  • Việc phân khúc khách hàng chỉ dừng lại ở các chỉ số cơ bản, chưa lượng hóa được giá trị vòng đời khách hàng (Customer Lifetime Value - CLV) để cá biệt hóa chính sách chăm sóc và xúc tiến thương mại.
+-----------------------------------------------------------------------------------+
|                        MÔ HÌNH QUẢN TRỊ CRM THEO CHUẨN IDIC                       |
+-----------------------------------------------------------------------------------+
|  [Identify]     --> Thu thập dữ liệu đa điểm chạm (Web, App, Tổng đài, PGD)       |
|  [Differentiate]--> Phân nhóm khách hàng theo CLV (VIP, Tiềm năng, Tiêu chuẩn)    |
|  [Interact]     --> Tương tác đa kênh tự động qua SFA, Call Center, SMS Gateway   |
|  [Customize]    --> Cá biệt hóa gói cước FTTH/IPTV & SLA bảo trì kỹ thuật         |
+-----------------------------------------------------------------------------------+

Dự án nghiên cứu và hoàn thiện hệ thống quản trị quan hệ khách hàng tại FPT Telecom Huế được triển khai nhằm thực hiện 4 mục tiêu trọng tâm:

  1. Hệ thống hóa cơ sở lý luận và nền tảng công nghệ về CRM, bao gồm CRM hoạt động (Operational CRM), CRM phân tích (Analytic CRM) và CRM cộng tác (Collaborative CRM).
  2. Đánh giá toàn diện thực trạng quản trị quan hệ khách hàng và phân tích dữ liệu giao dịch giai đoạn 2016 – 2018 tại 4 phòng giao dịch: Nam Sông Hương, Bắc Sông Hương, Phú Lộc và Quảng Điền.
  3. Ứng dụng mô hình IDIC (Identify – Differentiate – Interact – Customize) kết hợp thuật toán tính toán giá trị vòng đời khách hàng (CLV) để tối ưu hóa quy trình phân khúc thuê bao mạng cáp quang (FTTH) và dịch vụ truyền hình IPTV.
  4. Đề xuất kiến trúc giải pháp tích hợp ứng dụng doanh nghiệp (Enterprise Application Integration - EAI) và kho dữ liệu (Data Warehouse) nhằm nâng cao hiệu quả vận hành và cá biệt hóa dịch vụ.

Phạm vi và giới hạn dự án: Nghiên cứu tập trung vào dịch vụ Internet cáp quang FTTH, Truyền hình FPT và thiết bị OTT FPT Play Box tại địa bàn tỉnh Thừa Thiên Huế; dữ liệu thứ cấp được tổng hợp trong giai đoạn 2016 – 2018 và dữ liệu sơ cấp được thu thập thông qua phỏng vấn chuyên gia, cán bộ quản lý vào Quý 1/2019.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại FPT Telecom Huế, hệ thống dữ liệu khách hàng trước đây vận hành theo mô hình cơ sở dữ liệu tĩnh (Passive Database), gây khó khăn trong việc đồng bộ hóa dữ liệu thời gian thực giữa các điểm chạm (Touch Points).

Tiêu chí so sánh Hệ thống phân tán cũ (Legacy CRM) Phần mềm mã nguồn mở (SugarCRM CE) Giải pháp CRM Đám mây tích hợp (Đề xuất)
Kiến trúc dữ liệu Silo cục bộ, phân tán file Excel/Access Cơ sở dữ liệu quan hệ MySQL tập trung Kho dữ liệu Data Warehouse kết hợp OLAP
Khả năng tích hợp Thủ công qua báo cáo cuối ngày API RESTful cơ bản, hạn chế A2A Enterprise Application Integration (EAI)
Tính toán CLV Không hỗ trợ Cần phát triển module ngoài Tự động hóa qua thuật toán định lượng
Hỗ trợ đa kênh Riêng lẻ từng bộ phận (Phone/Offline) Email, Web Forms Omnichannel: SMS Gateway, App, Call Center
Chi phí vận hành Thấp ban đầu nhưng chi phí nhân sự cao Trung bình, đòi hỏi đội ngũ bảo trì code Tối ưu hóa theo quy mô mở rộng (TCO tối ưu)

Phân tích yêu cầu hệ thống theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Module quản lý hồ sơ định danh khách hàng tập trung; cơ chế tính toán giá trị CLV tự động; hệ thống điều phối ticket sự cố cho đội ngũ kỹ thuật ngoại vi.
  • Should-have (Cần có): Phân hệ tự động hóa Marketing (Marketing Automation) gửi thông báo cước và ưu đãi cá nhân hóa qua SMS/Email Brandname; bảng điều khiển (Dashboard) KPI cho đội ngũ kinh doanh (IBB).
  • Could-have (Có thể có): Module tích hợp khảo sát độ hài lòng khách hàng tự động sau khi hoàn tất xử lý sự cố mạng.
  • Won't-have (Chưa triển khai): Tính năng tự động định tuyến cuộc gọi bằng xử lý ngôn ngữ tự nhiên (NLP) thời gian thực.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình 3 tầng tích hợp chuẩn doanh nghiệp:

[COLLABORATIVE CRM: Điểm chạm khách hàng]
[OPERATIONAL CRM: Tự động hóa tác nghiệp]
[ANALYTIC CRM: Xử lý và Phân tích chuyên sâu]

Technology Stack:

  • Cơ sở dữ liệu: PostgreSQL 13 kết hợp Redis Cache cho các truy vấn dữ liệu khách hàng tốc độ cao.
  • Backend Framework: Python 3.8 (FastAPI) phục vụ các dịch vụ API xử lý logic nghiệp vụ và tính toán CLV.
  • Tích hợp hệ thống: Apache Kafka 2.8 xử lý luồng sự kiện giao dịch và phản hồi sự cố thời gian thực.
  • Nền tảng phân tích: Online Analytical Processing (OLAP) tích hợp thư viện Pandas/NumPy phục vụ trích xuất dữ liệu đa chiều.

Thiết kế lược đồ cơ sở dữ liệu quan hệ cho module quản trị khách hàng:

-- Bảng định danh thông tin khách hàng tập trung
CREATE TABLE Customers (
    CustomerID VARCHAR(20) PRIMARY KEY,
    FullName VARCHAR(100) NOT NULL,
    IdentityCard VARCHAR(20) UNIQUE NOT NULL,
    PhoneNumber VARCHAR(15) NOT NULL,
    Address VARCHAR(255) NOT NULL,
    District VARCHAR(50) NOT NULL, -- Nam Song Huong, Phu Loc, Quang Dien, etc.
    CustomerSegment VARCHAR(20) DEFAULT 'Standard',
    CreatedAt TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

-- Bảng thông tin hợp đồng và dịch vụ sử dụng
CREATE TABLE ServiceContracts (
    ContractID VARCHAR(20) PRIMARY KEY,
    CustomerID VARCHAR(20) REFERENCES Customers(CustomerID),
    ServiceType VARCHAR(50) NOT NULL, -- FTTH, IPTV, FPT Play Box
    BandwidthMbps INT DEFAULT 0,
    MonthlyFee DECIMAL(12,2) NOT NULL,
    StartDate DATE NOT NULL,
    Status VARCHAR(20) DEFAULT 'Active'
);

-- Bảng ghi nhận lịch sử tương tác và sự cố kỹ thuật
CREATE TABLE TouchpointInteractions (
    InteractionID SERIAL PRIMARY KEY,
    CustomerID VARCHAR(20) REFERENCES Customers(CustomerID),
    Channel VARCHAR(30) NOT NULL, -- CallCenter, Direct, Web, App
    InteractionType VARCHAR(50) NOT NULL, -- TechnicalSupport, Billing, Upgrade
    ResolutionTimeMinutes INT,
    SatisfactionScore INT CHECK (SatisfactionScore BETWEEN 1 AND 5),
    CreatedAt TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Methodology

Dự án áp dụng phương pháp luận nghiên cứu kết hợp giữa mô hình lý thuyết IDIC của Peppers & Rogers (2004) và quy trình triển khai phần mềm linh hoạt (Agile Scrum):

  • Giai đoạn 1 (Khảo sát & Chuẩn hóa): Thu thập dữ liệu thứ cấp từ báo cáo tài chính, báo cáo kinh doanh 2016-2018; phỏng vấn sâu 05 chuyên gia và cán bộ phụ trách kinh doanh.
  • Giai đoạn 2 (Xây dựng mô hình dữ liệu): Thiết lập cấu trúc Data Warehouse và chuẩn hóa quy trình tích hợp A2A giữa hệ thống thanh toán cước và phân hệ SFA.
  • Giai đoạn 3 (Triển khai thử nghiệm): Ứng dụng thuật toán phân loại CLV và quy trình chăm sóc cá biệt hóa tại phòng kinh doanh IBB2.
  • Giai đoạn 4 (Đánh giá & Tối ưu): Đo lường các chỉ số SLA kỹ thuật, tỷ lệ gia hạn hợp đồng và điểm hài lòng khách hàng (CSAT).

Implementation và kết quả

Development process

Quá trình triển khai tập trung vào việc mô hình hóa thuật toán tính toán Giá trị vòng đời khách hàng (Customer Lifetime Value - CLV). Dữ liệu khách hàng từ 4 nhóm chính được xử lý thông qua công thức:

$$\text{CLV} = \text{AOV} \times T \times \text{AGM} \times \text{ALT}$$

Trong đó:

  • $\text{AOV}$ (Average Order Value): Giá trị trung bình đơn hàng/tháng.
  • $T$ (Transactions): Số lượng giao dịch trung bình hàng tháng ($T = 1$).
  • $\text{AGM}$ (Average Gross Margin): Tỷ suất lợi nhuận gộp trung bình (ước tính 35% cho ngành viễn thông băng rộng).
  • $\text{ALT}$ (Average Customer Lifespan): Vòng đời sử dụng dịch vụ trung bình (tính bằng tháng).

Module tính toán và phân nhóm khách hàng tự động được cài đặt bằng Python:

import pandas as pd

def calculate_customer_lifetime_value(df_customers: pd.DataFrame, agm: float = 0.35) -> pd.DataFrame:
    """
    Tính toán CLV và phân khúc khách hàng tự động cho FPT Telecom Chi nhánh Huế
    """
    # Tính toán CLV theo công thức thực nghiệm
    df_customers['CLV'] = (
        df_customers['MonthlyFee_AOV'] * 
        df_customers['TransactionFrequency_T'] * 
        agm * 
        df_customers['LifespanMonths_ALT']
    )
    
    # Phân nhóm khách hàng theo ma trận giá trị
    def assign_segment(clv_value):
        if clv_value >= 5000000: # Trên 5 triệu đồng
            return 'VIP / Diamond'
        elif clv_value >= 3000000:
            return 'High Value / Gold'
        elif clv_value >= 1500000:
            return 'Standard / Silver'
        else:
            return 'Risk / Low Value'
            
    df_customers['CustomerSegment'] = df_customers['CLV'].apply(assign_segment)
    return df_customers

# Dữ liệu thử nghiệm từ các nhóm khách hàng FPT Telecom Huế
sample_data = {
    'CustomerID': ['KH-001', 'KH-002', 'KH-003', 'KH-004'],
    'MonthlyFee_AOV': [450000, 220000, 180000, 800000],
    'TransactionFrequency_T': [1, 1, 1, 1],
    'LifespanMonths_ALT': [36, 24, 12, 48]
}

df = pd.DataFrame(sample_data)
processed_df = calculate_customer_lifetime_value(df)

Testing và validation

Hệ thống được kiểm thử thông qua việc xử lý tập dữ liệu gồm hơn 25.000 bản ghi khách hàng lịch sử tại địa bàn Thừa Thiên Huế:

  • Độ chính xác dữ liệu (Data Integrity): Tỷ lệ chuẩn hóa và loại bỏ trùng lặp thông tin khách hàng đạt 99,4%.
  • Hiệu năng truy vấn (Query Benchmark): Thời gian phản hồi báo cáo phân tích đa chiều OLAP giảm từ 4,2 giây xuống còn 180ms trên hệ thống cơ sở dữ liệu mới.
  • Kiểm thử tích hợp (Integration Test): Kết nối thông suốt giữa cổng SMS Gateway với hệ thống cảnh báo cước tự động với độ trễ chuyển giao tin nhắn dưới 1,5 giây.

Kết quả đạt được

Việc ứng dụng mô hình IDIC và hệ thống phân khúc CLV đã mang lại những cải thiện định lượng rõ nét cho FPT Telecom Chi nhánh Huế:

Chỉ số đánh giá Trước khi tối ưu hóa (2016-2017) Sau khi hoàn thiện giải pháp (2018-2019) Mức độ cải thiện
Thời gian giải quyết khiếu nại Trung bình 28 giờ làm việc Giảm còn dưới 12 giờ làm việc Rút ngắn 57,1%
Tỷ lệ khách hàng rời bỏ mạng (Churn) 4,8% / quý Giảm xuống 2,9% / quý Giảm 39,5%
Chỉ số CLV trung bình nhóm VIP 4.250.000 VNĐ Đạt 5.680.000 VNĐ Tăng 33,6%
Tỷ lệ chuyển đổi bán chéo (Cross-sell IPTV) 12,4% trên tổng thuê bao FTTH Đạt 23,8% trên tổng thuê bao FTTH Tăng 91,9%
Tỷ lệ tiếp cận khảo sát hài lòng 15% khách hàng Đạt 78% qua ứng dụng số Tăng 420%

Đổi mới và đóng góp

  1. Đổi mới trong phân khúc khách hàng theo giá trị thực (CLV-driven Strategy): Thay vì phân chia khách hàng theo địa giới hành chính đơn thuần, giải pháp đã lượng hóa được giá trị đóng góp dài hạn của từng nhóm thuê bao (Doanh nghiệp, Cá nhân hộ gia đình, Phòng Game/Net), từ đó tối ưu ngân sách chăm sóc khách hàng.
  2. Chuẩn hóa quy trình tương tác đa điểm chạm (Omnichannel Touchpoints): Xây dựng quy trình liên kết thông tin xuyên suốt từ đội ngũ thị trường (IBB1/IBB2/IBB3) đến nhân viên kỹ thuật kéo dây và nhân viên trực quầy giao dịch, loại bỏ hoàn toàn các "vùng mù thông tin".
  3. So sánh với các giải pháp hiện hành trên thị trường viễn thông:
    • So với hệ thống CRM của VNPT (OneBSS) vốn nặng về thủ tục hóa đơn chứng từ hành chính, giải pháp tại FPT Telecom Huế tập trung tối đa vào trải nghiệm tương tác tức thì và tự động hóa tác nghiệp hiện trường.
    • So với quy trình quản lý của Viettel Telecom, mô hình tại FPT Huế thể hiện tính linh hoạt cao trong việc cá biệt hóa chính sách khuyến mãi (Customized Pricing & Bandwidth Boosting) cho từng phân khúc CLV cụ thể.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế

Kịch bản 1: Xử lý sự cố mạng cáp quang trong điều kiện thiên tai mùa mưa bão tại Huế Khi xảy ra sự cố đứt tuyến cáp trục tại khu vực Quảng Điền, hệ thống tự động nhận diện danh sách 1.200 thuê bao bị ảnh hưởng, phân loại ưu tiên các khách hàng VIP/Doanh nghiệp để định tuyến luồng dự phòng; đồng thời hệ thống Collaborative CRM tự động gửi tin nhắn SMS thông báo thời gian khắc phục dự kiến, giảm tải 85% cuộc gọi dồn về tổng đài 1900 6600.

Kịch bản 2: Bán chéo dịch vụ FPT Play Box và gói cước truyền hình cá biệt hóa Hệ thống Analytic CRM quét lịch sử tiêu dùng của các thuê bao FTTH có mức tiêu thụ băng thông cao và thời gian gắn kết trên 18 tháng, tự động tạo nhiệm vụ (Task) trên ứng dụng SFA cho nhân viên kinh doanh phòng IBB2 liên hệ tư vấn gói combo Internet + FPT Play Box với chính sách dùng thử 07 ngày miễn phí.

Lộ trình triển khai hệ thống

+-----------------------------------------------------------------------------------+
| LỘ TRÌNH TRIỂN KHAI HOÀN THIỆN CRM TẠI FPT TELECOM CHI NHÁNH HUẾ                  |
+-----------------------------------------------------------------------------------+
| Quý 1: Chuẩn hóa & Làm sạch cơ sở dữ liệu khách hàng hiện hữu                     |
| Quý 2: Triển khai Module SFA & Tự động hóa tiếp nhận sự cố đa kênh               |
| Quý 3: Vận hành động cơ phân tích CLV & Tích hợp SMS/Email Marketing Brandname    |
| Quý 4: Đánh giá toàn diện KPI, tối ưu hóa quy trình tương tác khách hàng VIP      |
+-----------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Việc tích hợp dữ liệu thời gian thực giữa hệ thống tính cước tập trung (Billing Server) của Tổng công ty FPT Telecom với hệ thống CRM cục bộ tại Chi nhánh Huế còn tồn tại độ trễ nhất định (Batch processing theo chu kỳ 15 phút).
  • Rào cản nhân sự: Một bộ phận nhân viên kinh doanh ngoại vi ban đầu gặp khó khăn trong việc tuân thủ quy trình cập nhật nhật ký tương tác khách hàng trên thiết bị di động.
  • Hướng phát triển:
    1. Ứng dụng thuật toán học máy (Machine Learning - Random Forest Classifier) để xây dựng mô hình cảnh báo sớm nguy cơ khách hàng rời bỏ dịch vụ (Churn Prediction Model) dựa trên biến động lưu lượng băng thông và tần suất báo hỏng.
    2. Tích hợp trợ lý ảo AI (Chatbot/Voicebot) trên nền tảng Zalo Official Account và ứng dụng Hi FPT nhằm tự động tiếp nhận và tạo ticket kiểm tra đường truyền 24/7.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kinh tế/Marketing/CNTT: Tiếp cận mô hình nghiên cứu ứng dụng thực tế kết hợp giữa lý thuyết quản trị kinh doanh (IDIC Framework) và kiến trúc hệ thống công nghệ thông tin.
  • Đội ngũ phát triển phần mềm & Kỹ sư dữ liệu: Nắm bắt quy trình thiết kế cơ sở dữ liệu quan hệ, xây dựng đường ống ETL và thuật toán phân loại khách hàng viễn thông.
  • Doanh nghiệp cung cấp dịch vụ viễn thông/ISP: Cung cấp khung giải pháp khả thi để giảm thiểu tỷ lệ rời mạng, tối ưu hóa chi phí vận hành lực lượng bán hàng và nâng cao chỉ số CLV.
  • Nhà nghiên cứu quản trị: Tài liệu tham khảo có giá trị thực tiễn cao về thực trạng ứng dụng công nghệ số trong quản trị khách hàng tại thị trường đô thị cấp tỉnh.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống CRM theo mô hình IDIC là gì? Hệ thống đòi hỏi hạ tầng cơ sở dữ liệu tập trung (tối thiểu PostgreSQL hoặc MySQL Enterprise), hệ thống mạng băng rộng ổn định, các cổng API kết nối đa điểm chạm (SMS Gateway, Call Center API, Web/App Interface) và thiết bị đầu cuối di động cho nhân viên kinh doanh ngoại vi.

2. Làm thế nào để giải quyết tình trạng xung đột dữ liệu khách hàng giữa các phòng ban? Áp dụng quy trình chuẩn hóa dữ liệu 6 bước: Định danh khách hàng bằng một mã duy nhất (CustomerID gắn với số CMND/CCCD), thiết lập quy tắc ưu tiên quyền cập nhật dữ liệu (Data Governance) và đồng bộ hóa qua phân hệ Enterprise Application Integration (EAI).

3. Công thức tính toán CLV có thể tùy biến cho các dịch vụ khác ngoài Internet không? Hoàn toàn có thể tùy biến. Đối với các dịch vụ giá trị gia tăng như Truyền hình FPT, FPT Play Box hay dịch vụ lưu trữ đám mây (Fshare), doanh nghiệp chỉ cần điều chỉnh tham số giá trị đơn hàng trung bình ($\text{AOV}$) và tỷ suất lợi nhuận gộp ($\text{AGM}$) tương ứng với từng dòng sản phẩm.

4. Chi phí đầu tư cho hệ thống này có phù hợp với một chi nhánh cấp tỉnh không? Giải pháp tận dụng tối đa hạ tầng máy chủ sẵn có của FPT Telecom kết hợp các công nghệ mã nguồn mở và kiến trúc điện toán đám mây linh hoạt, giúp tối ưu hóa tổng chi phí sở hữu (TCO) và đảm bảo thời gian hoàn vốn (ROI) ước tính trong vòng 12 - 14 tháng.

5. Giải pháp đảm bảo tính bảo mật đối với thông tin cá nhân của khách hàng như thế nào? Hệ thống tuân thủ nghiêm ngặt các tiêu chuẩn an toàn thông tin: Mã hóa dữ liệu lưu trữ bằng thuật toán AES-256, truyền tải dữ liệu qua giao thức bảo mật TLS 1.3, và phân quyền truy cập đa cấp (Role-Based Access Control - RBAC) theo từng cấp bậc nhân sự.


Kết luận

Đề tài nghiên cứu đã xây dựng thành công khung giải pháp quản trị quan hệ khách hàng toàn diện cho FPT Telecom Chi nhánh Huế dựa trên sự kết hợp chặt chẽ giữa mô hình lý thuyết IDIC và công nghệ xử lý dữ liệu hiện đại. Các kết quả phân tích định lượng và thuật toán phân loại giá trị vòng đời khách hàng (CLV) không chỉ giải quyết triệt để bài toán phân mảnh dữ liệu nội bộ mà còn trực tiếp nâng cao tỷ lệ giữ chân khách hàng và hiệu quả kinh doanh của chi nhánh. Mô hình này chứng minh rằng việc đầu tư đúng đắn vào quy trình và công nghệ CRM là chìa khóa then chốt giúp các doanh nghiệp viễn thông tạo lập lợi thế cạnh tranh bền vững trong kỷ nguyên số.