Ngay từ khi các trình duyệt internet ra đời, mọi hành vi của người dùng trên mạng đều được theo dõi và lưu lại, làm thành bộ dữ liệu khổng lồ để tìm hiểu nhu cầu khách hàng. Tuy nhiên, việc hiểu khách hàng thông qua dữ liệu tại các cửa hàng thực và cửa hàng truyền thống lại đi sau rất lâu, dù đây mới là hình thức xuất hiện trước thương mại điện tử.
Hiện nay, hầu hết các cửa hàng vẫn đang cố ghi chép và lưu giữ thông tin khách hàng. Tuy nhiên, việc lưu trữ này chỉ ở mức độ thô sơ, khi khách hàng đã mua hàng, để lại số điện thoại, ngày sinh,...
Với mục đích số hóa việc lưu giữ thông tin hành vi khách hàng một cách tối ưu, sử dụng cho việc hiểu nhu cầu khách hàng, đưa ra cách sắp xếp cửa hàng tiện lợi nhất, các sản phẩm được yêu thích nhất - Palexy, một công ty công nghệ được thành lập tại Singapore đã tiếp cận với nhiều nhà bán lẻ Việt Nam. Hiện Palexy đã có bốn đối tác chính thức là các chuỗi bán lẻ PNJ, Couple TX, Vua Nệm và Aldo và khoảng 20 nhà bán lẻ khác đang trong giai đoạn thử nghiệm.
Tạp chí Nhà Quản Lý đã có buổi trò chuyện với ông Thông Đỗ, Nhà sáng lập kiêm Chủ tịch Palexy - công ty cung cấp Giải pháp Phân tích Khách hàng tại các cửa hàng thực (In-store Customer Analytics).
Trước khi xây dựng Palexy, ông Thông Đỗ từng là Nhà đồng sáng lập và Giám đốc Điều hành của Arimo - một công ty về Dữ liệu lớn (Big Data) chuyên cung cấp các dịch vụ liên quan đến Khoa học Dữ liệu cho các công ty toàn cầu. Năm 2016, Arimo đã được tạp chí Fast Company xếp vào Top 10 startup công nghệ đổi mới nhất trong lĩnh vực Dữ liệu lớn và Trí tuệ nhân tạo. Thông Đỗ có bằng Tiến sĩ về Kỹ thuật Điện tử của Đại học Johns Hopkins, đồng thời sở hữu năm bằng sáng chế về Thị giác Máy tính (Computer Vision) và Trí tuệ Nhân tạo (AI).
Tạp chí Nhà Quản Lý: Mỗi công nghệ ra đời đều nhằm mục tiêu giải quyết một bài toán nào đó trong thực tế. Bài toán của Palexy là gì?
Ông Thông Đỗ, Nhà sáng lập & Chủ tịch Palexy: Ngành bán lẻ mà chúng tôi tập trung vào là ngành bán lẻ truyền thống, là bán lẻ tại các cửa hàng, nơi người mua trực tiếp đến, lựa chọn, nghe tư vấn và mua hàng. Một trong những điểm yếu của cửa hàng bán lẻ là các thông tin về khách hàng, hành vi của khách hàng, hành vi của nhân viên xảy ra trong thế giới thật. Các thông tin đó tồn tại dưới dạng phi cấu trúc. Con người nhìn được nó thông qua hình ảnh, nhưng nó rất khó để đo đạc cũng như phân tích vì nó tồn tại dưới dạng phi cấu trúc. Đó là vấn đề về mặt công nghệ với bán lẻ truyền thống.
Có hai chỉ tiêu tôi nghĩ cần được lượng hoá đối với một cửa hàng bán lẻ.
Thứ nhất là thu nhập trên mỗi đồng đầu tư (ROI - Return on Investment). Chỉ tiêu này đành giá hiệu quả của các chiến dịch marketing thúc đẩy bán hàng. Đó là con số người ta nhìn vào để đánh giá hiệu quả một chương trình có đạt kỳ vọng hay không.
Thứ hai là tỉ lệ chuyển đổi (conversion rate) - đo lường số người thực sự mua hàng trên tổng số người đến cửa hàng. Tỉ lệ này trên không gian mạng rất dễ đo, vì hành vi của khách hàng đều được ghi nhận lại tự động. Nhưng với một cửa hàng thực, đặc biệt khi nó là một chuỗi các cửa hàng, việc tính toán tỉ lệ đó vô cùng khó khăn.
Một chương trình marketing thành công đúng ra là một chương trình thu hút được nhiều khách đến cửa hàng. Còn việc mua hay không, mua bao nhiêu, thì là ở chất lượng sản phẩm, giá cả, thái độ phục vụ. Thiếu dữ liệu, người ta chỉ có thể tính được số lượng người mua hàng, dựa vào số biên lai được xuất ra. Số liệu đó không chuẩn, nhưng người ta vẫn dùng, vì nó dễ đo.
Nếu không có dữ liệu chính xác, nhà bán lẻ không thể đưa ra quyết định vận hành hiệu quả, không thể đánh giá mức độ thành công của một chiến dịch, hay tìm hiểu được chính xác nguyên nhân thực sự của một chiến dịch chưa hiệu quả.
Bài toán đó đã được giải quyết như thế nào?
Trước đây, việc thống kê số lượng khách vào cửa hàng thường được giao cho các nhân viên bảo vệ, và xuất hiện rất nhiều thông tin nhiễu. Thứ nhất là sự lơ đễnh của họ, vì việc chính của họ là bảo vệ, là hướng dẫn chỗ để xe cho khách… dẫn đến đếm sai. Thứ hai, kết quả đếm của họ có thể xung đột với KPI của cửa hàng trưởng, do đó khi thông tin đến được người điều hành, có thể đã bị thổi phồng.
Để đếm chính xác số người vào cửa hàng, công nghệ của Palexy phải loại bỏ những thông tin nhiễu. Ví dụ nhân viên bán hàng vào ra, hoặc một khách hàng ra vào nhiều lần để nghe điện thoại, hút thuốc… Một máy đếm đơn giản sẽ không loại trừ được các thông tin nhiễu kiểu như vậy, vì nó dựa vào hồng ngoại. Tức là một chú chó được dắt vào cửa hàng chẳng hạn, máy cũng sẽ tự động đếm là một người.
Nhiệm vụ của Palexy là hiện thực hóa công việc theo dõi phân tích hành vi khách hàng ở thế giới thực và giúp các cửa hàng có thể tận dụng điểm mạnh của thương mại điện tử vào đời thực.
Ví dụ có một chuỗi cửa hàng hướng đến nhóm khách hàng mục tiêu là giới trẻ dưới 25 tuổi. Họ thuê người mẫu rất trẻ để thu hút nhóm khách hàng này. Tuy nhiên sau khi phân tích dữ liệu, chúng tôi nhận ra rằng chính nhóm khách hàng trên 40 tuổi mới là tiềm năng, họ trung thành với cửa hàng, thường xuyên đến và tỉ lệ chuyển đổi rất cao.
Để thu thập dữ liệu, Palexy có cần gắn thêm thiết bị tại các cửa hàng?
Chúng tôi không dùng thêm thiết bị nào, mà dùng chính camera gắn sẵn ở cửa hàng. Chúng tôi cũng không yêu cầu nhân viên phải làm gì thêm. Nói cách khác, ứng dụng của Palexy khi cài đặt không can thiệp vào vận hành của cửa hàng.
Đó là điểm mà các nhà bán lẻ rất thích vì họ không cần đầu tư thiết bị đắt tiền. Có rất nhiều giải pháp từ các công ty công nghệ của Mỹ, châu Âu để giải các bài toán tôi vừa nói. Tuy nhiên, họ thường lắp đặt các hệ thống cảm biến (sensor) riêng, với mức giá không hề dễ chịu. Thị trường Đông Nam Á nói chung rất nhạy cảm với giá cả, chi phí, đặc biệt là chi phí đầu tư ban đầu.
Khoảng bao lâu một cửa hàng cài đặt ứng dụng của Palexy có thể tích lũy đủ dữ liệu để phân tích và đưa ra các thông tin có ý nghĩa?
Khoảng vài tuần sau khi cài đặt, ứng dụng có thể thu thập tương đối đầy đủ thông tin của các khách hàng. Vì tính thời vụ, một số cửa hàng phải mất cả năm mới có thể có một cái nhìn toàn diện. Thời gian thử nghiệm với mỗi cửa hàng thường là vài tuần, để các cửa hàng nhận thấy sự quan trọng của những dữ liệu chúng tôi phân tích.
Dịch vụ Palexy cung cấp cho khách hàng mới nhất tại Việt Nam là Vua Nệm và Couple TX khác nhau như thế nào?
Vua Nệm là cửa hàng bán các sản phẩm phòng ngủ, đặc biệt là nệm. Nệm là một sản phẩm rất đặc biệt, vì khách hàng phải nằm lên thử, phải được tư vấn, vì nhìn bên ngoài hai cái nệm có thể gần như giống nhau, nhưng mức giá có thể chênh nhau hàng chục lần. Khi mua hàng, nếu không thích, khách sẽ trả lại, rất phức tạp và tốn kém cho cả hai bên. Vì vậy Vua Nệm muốn giám sát quy trình bán hàng của các nhân viên, để đảm bảo họ tư vấn và khuyến khích khách hàng thử sản phẩm. Để khách hàng hài lòng sau khi mua sản phẩm, từ đó giảm tỉ lệ đổi trả sản phẩm, họ phải được thử trước sản phẩm đó.
Couple TX lại khác, đó là cửa hàng thời trang, chuyên bán quần áo, thì họ lại muốn nhấn mạnh đến trải nghiệm khách hàng. Họ cần biết độ tuổi của các khách hàng đến cửa hàng, thời gian họ dừng lại ở từng khu vực là bao lâu, thử các mẫu nào, mua hay không… Việc khách hàng không mua một sản phẩm sau khi thử có thể là ở chất liệu, ở kích cỡ, hay là giá cả, mẫu mã… Chúng tôi tập trung phân tích và đưa ra những thông tin giải quyết bài toán đó.
Như vậy ứng dụng của Palexy chỉ phù hợp với các chuỗi cửa hàng khi quy mô đủ lớn?
Đúng vậy, đó là câu chuyện tối ưu hoá. Khi quy mô lớn, họ mới cần tối ưu. Chỉ 3% làm không tốt ở một chuỗi 100 cửa hàng sẽ rất khác với cũng tỉ lệ đó ở một chuỗi chỉ có 10 cửa hàng. Một chuỗi có trên 30 cửa hàng sẽ cần công nghệ của Palexy, còn trên 50 cửa hàng tôi cho rằng chắc chắn cần. Các cửa hàng đơn lẻ hoặc chuỗi ít cửa hàng đang đối mặt với các bài toán khác, ví dụ làm sao để mở cửa hàng nhanh nhất, chứ chưa đến lúc giải bài toán tối ưu hoá chi phí.
Không phải cửa hàng nào, lĩnh vực nào cũng sẵn sàng với những công nghệ mới. Vậy đâu là tiêu chí để Palexy lựa chọn nhà bán lẻ phù hợp để áp dụng giải pháp phân tích khách hàng trong cửa hàng?
Theo quan sát của tôi, thời trang và phụ kiện trang sức có vẻ như sẵn sàng nhất cho các công nghệ của Palexy. Các sản phẩm của cửa hàng không phải là hàng thiết yếu, nên cửa hàng phải chinh phục khách hàng bằng làm tốt câu chuyện trải nghiệm khách hàng.
Nói cách khác, công nghệ của Palexy có một sân chơi rất rộng trong lĩnh vực này vì chúng tôi nhấn mạnh đến yếu tố trải nghiệm của khách hàng. Và để cho dữ liệu được thu thập tối ưu, Palexy cũng phù hợp với các cửa hàng có lượng người vào lớn, diện tích lớn. Ngoài các cửa hàng thời trang, phụ kiện trang sức, chúng tôi đang tiếp cận và thử nghiệm với các siêu thị, cửa hàng tiện lợi, bán lẻ đồ điện tử, trung tâm thương mại…
Yếu tố nào giúp các doanh nghiệp bán lẻ thành công và gây cản trở trong quá trình phân tích dữ liệu?
Có ba yếu tố chính quyết định thành công trong ứng dụng công nghệ phân tích dữ liệu.
Thứ nhất là sự quán triệt từ lãnh đạo doanh nghiệp. Họ phải thực sự muốn triển khai và hiểu giá trị của dữ liệu. Từ trước đến nay, họ có thể lãnh đạo, quản lý bằng kinh nghiệm, cảm tính. Giờ thì phải bằng dữ liệu, phải để dữ liệu dẫn dắt. Đó là câu chuyện thay đổi văn hoá. Hầu hết các doanh nghiệp thất bại ở khâu này.
Thứ hai là khi có dữ liệu, báo cáo dựa trên dữ liệu, doanh nghiệp phải nghiêm túc thực hiện theo chiến lược được đưa ra.
Thứ ba là chọn được đối tác triển khai chuyển đổi số. Họ phải thực sự có năng lực công nghệ mạnh và tư vấn triển khai các giải pháp chuyển đổi số cho lĩnh vực của mình.
Làm cách nào để một nhà bán lẻ có thể nhận ra đối tác chuyển đổi số có năng lực thực sự?
Tôi cho rằng hãy nhìn vào đội ngũ sáng lập. Họ phải được đào tạo bài bản và quan trọng là đã sáng tạo ra sản phẩm và công nghệ tương tự. Không thể có chuyện sau một đêm ngủ dậy tuyên bố có công nghệ, là có công nghệ. Kinh nghiệm cần thời gian tích lũy và trau dồi. Hơn nữa, cần phải có thời gian thử nghiệm. Nên lưu ý rằng, không có công nghệ nào phù hợp với tất cả, giải quyết được tất cả mọi thứ, nên nếu có đối tác quảng cáo có công nghệ như vậy, phải thận trọng.
Ngoài ra với những dữ liệu đã có, hãy xem họ có tư vấn được cho mình không. Có những đội ngũ chỉ thuần túy làm ra công nghệ, sẽ không hiệu quả. Luôn có khoảng cách giữa lý thuyết và thực hành trong việc ứng dụng kết quả phân tích dữ liệu.
Tương lai của ngành bán lẻ tại Việt Nam sẽ như thế nào trong thập kỷ tới, đặc biệt với mô hình cửa hàng thực dưới sự tham gia của công nghệ?
Các cửa hàng bán lẻ sẽ là nơi khách hàng trải nghiệm sản phẩm. Tương lai của bán lẻ là tăng trải nghiệm khách hàng bất kể online hay offline. Tính trải nghiệm sẽ quan trọng hơn là mua hàng, vì người ta hoàn toàn có thể mua online. Thế nhưng, có nhiều sản phẩm khi mua khách hàng phải tương tác với nhân viên, phải sờ, phải thử sản phẩm.
Điều giữ cho các cửa hàng bán lẻ tồn lại là tăng trải nghiệm khách hàng, nếu không sẽ không thể cạnh tranh với thương mại điện tử vì giá. Cạnh tranh về giá sẽ giảm nhiệt. Giảm giá dễ quá, ai cũng theo được, nhưng điều đó sẽ kéo biên lợi nhuận xuống thấp. Các cửa hàng phải cạnh tranh nhau bằng trải nghiệm, bằng cách kéo khách hàng đến, bố trí sản phẩm, tăng tương tác…
Cửa hàng bán lẻ cũng sẽ có xu hướng thu thập dữ liệu khách hàng, chia sẻ bộ dữ liệu đó, tăng hiểu biết về khách hàng giúp tối ưu trải nghiệm của họ nhờ cung cấp sản phẩm đúng nhu cầu.
Theo ông, khoảng bao lâu nữa thị trường Việt Nam nói chung và bán lẻ nói riêng sẽ đến giai đoạn dữ liệu dẫn dắt mô hình kinh doanh?
Tôi nghĩ bây giờ đang bắt đầu. Trước khi xuất hiện một công nghệ mới, thị trường thường đi “bằng bằng” nhưng khi đến điểm đột phá, nó sẽ vọt lên. Tôi dự đoán khoảng hai năm nữa sẽ là thời điểm đột phá. Khi đó, tất cả các đơn vị sẽ phải chạy theo dữ liệu, ra quyết định dựa vào dữ liệu, nếu không muốn tự loại mình khỏi cuộc chơi. Bây giờ, mọi người nhìn chung đều hiểu tầm quan trọng của dữ liệu, nhưng sẽ có vài đơn vị sẵn sàng hơn các đơn vị khác. Khoảng hai năm nữa, dữ liệu sẽ trở thành vấn đề cấp bách.
Năm 2020, chúng tôi sẽ hoàn thiện sản phẩm đó. Đó là sản phẩm cá nhân hoá nhận diện, sẽ tạo thành một trang mới trong lịch sử bán lẻ. Ví dụ, 100 người bước vào cửa hàng, chỉ có hai người mua hàng, thì việc theo dõi 98 người còn lại vô cùng khó, vì họ không khai thông tin gì cả. Chưa có một công nghệ nào trên thế giới được thương mại hoá làm được điều đó. Công nghệ mới của chúng tôi cho phép nhận biết một khách hàng bước vào cửa hàng, không mua hàng, đi ra, và vài tuần sau họ quay lại. Khi đó, người bán hàng có thể đưa ra một lời chào hàng phù hợp với khách hàng đó, căn cứ vào hành trình mua hàng quá khứ của họ. Đó là cá nhân hoá nhận diện.
Xu hướng công nghệ trong ngành bán lẻ cần theo dõi trong năm 2020 là gì?
Quản trị bán lẻ sẽ dựa trên dữ liệu. Thông qua các ứng dụng trí tuệ nhân tạo, chuyển đổi số, các cửa hàng sẽ được biến thành hệ thống dữ liệu. Mỗi điểm bán hàng sẽ xuất hiện rất nhiều hành vi của khách hàng. Đó là một kho dữ liệu khổng lồ mà trước đến nay mình chưa thể khai thác do tính phi cấu trúc của nó. Chi phí cũng như công nghệ của nó trở nên phức tạp.
Cá nhân hoá là mức độ cao nhất của câu chuyện dữ liệu lớn (big data). Ở đó có hai tham số luôn đi cùng nhau và xung đột nhau: trải nghiệm và bảo mật - riêng tư. Nếu 100% là bảo mật, cửa hàng không nắm được thông tin, sở thích, thói quen khách hàng, sẽ không đưa ra những giải pháp tối ưu hóa trải nghiệm của họ. Ngược lại, nếu 100% là trải nghiệm, tức là người bán biết mọi thứ về khách hàng, để phục vụ tốt nhất có thể, khi đó khách hàng sẽ không còn sự riêng tư nữa.
Châu Âu và Mỹ thiên về bảo mật - riêng tư, trong khi Trung Quốc thiên về trải nghiệm. Việt Nam nằm đâu đó ở giữa, có thiên một chút về trải nghiệm. Đó cũng là cơ hội cho ngành bán lẻ, đặc biệt là bán lẻ truyền thống tại các cửa hàng trong giai đoạn này.
Tạp chí Nhà Quản Lý: Xin cảm ơn ông!
Thực hiện: Minh Thư
Ảnh: Bảo Zoãn
