Doanh số của các nhà bán lẻ (retailer) phụ thuộc vào việc họ hiểu khách hàng đến đâu. Để làm được điều này, retailer bắt buộc phải có công cụ và cách thức thu thập dữ liệu, đồng thời phân tích hành vi mua sắm của khách hàng. Ví dụ, nhận biết được mỗi ngày khách hàng dành bao nhiêu thời gian, click bao nhiêu lần, truy cập vào những sản phẩm nào trên trang web của mình có thể giúp nhà bán lẻ cá nhân hoá email quảng cáo hoặc chương trình khuyến mại dành riêng cho những nhóm người tiêu dùng cụ thể. Tuy nhiên, với số lượng khách hàng và tương ứng là khối lượng dữ liệu đồ sộ như hiện nay, rất khó để bộ phận marketing và chăm sóc khách hàng của doanh nghiệp xử lý chu đáo mọi thông tin, đặc biệt là trước áp lực ngày càng tăng phải đưa ra dự báo về quyết định mua sắm của người tiêu dùng. Đây chính là lý do khiến các nhà bán lẻ ngày càng coi trọng vai trò của trí tuệ nhân tạo trong việc xử lý thông tin khách hàng.
Dự báo năm 2011 của công ty nghiên cứu và tư vấn toàn cầu Gartner cho rằng đến năm 2020, 85% hoạt động tương tác với khách hàng sẽ được thực hiện bằng máy móc và trí tuệ nhân tạo. Thực vậy, những thông tin tức thời mà AI cung cấp giúp nhà bán lẻ phác thảo con đường mua sắm của khách hàng, kết nối sâu, xây dựng những kế hoạch marketing nhằm tối ưu hoá trải nghiệm mua sắm ngay tại điểm bán hoặc trên trang web và chủ động can thiệp, dẫn dắt, kích thích quá trình đưa ra quyết định mua sắm của họ.
Có dữ liệu rồi, làm gì nữa?
Khác với con người dễ hành động cảm tính, máy móc và trí tuệ nhân tạo lại có khả năng đưa ra các dự báo khách quan, có độ chính xác cao, vừa chi tiết, vừa toàn diện trên 4 lĩnh vực là mô tả, dự báo, quy trình và cá nhân hoá hàng hoá/dịch vụ.
- Phân tích mô tả (Descriptive Analytics)
Phân tích mô tả xem xét và phân tích dữ liệu hoặc hiện tượng trong quá khứ để giúp các nhà bán lẻ dự báo tương lai. Theo đó, AI sẽ “lục lọi” các thông tin thu thập từ trước để tìm hiểu nguyên nhân và bản chất dẫn đến kết quả kinh doanh ở một thời điểm cụ thể, hay mối quan hệ giữa khách hàng và sản phẩm/nhãn hàng, lý giải tại sao họ lại trung thành với sản phẩm này mà không chịu thử sản phẩm mới… Phân tích mô tả được coi là chuẩn mực trong phân loại và nghiên cứu hành vi mua sắm của khách hàng.
- Phân tích dự báo (Predictive Analytics)
Kiểu phân tích này đóng vai trò “nhà tiên tri”, cung cấp những dự báo chính xác hơn về xu hướng mua sắm và nhu cầu của người tiêu dùng, hoặc kết quả, cơ hội và rủi ro xảy đến nếu một hành động, sự việc diễn ra. Phân tích dự báo chủ yếu dựa vào lượng dữ liệu khổng lồ từ big data, mà thường chỉ có AI với những công cụ đi kèm như như mô hình hoá số liệu thống kê, “đào” dữ liệu, phân tích lý thuyết… mới đủ khả năng giải thích và đưa ra những nhận định có ý nghĩa.
Bên cạnh đó, phân tích dự báo cũng còn có khả giải thích bản chất, nguyên nhân của các hiện tượng/sự việc như phân tích mô tả, thậm chí nó còn có thể tìm ra các đáp án, ý tưởng mà phân tích mô tả nhiều khi đã bỏ lỡ.
- Phân tích quy trình (Prescriptive Analytics)
Phân tích quy trình là một dạng phân tích dữ liệu khách hàng khá mới và được coi là hình thức cao cấp hơn, phức tạp hơn của phân tích dự báo. Những phân tích dạng này giúp các nhà bán lẻ nhìn thấy được nhiều kết quả của một hành động, sự việc trong những môi trường, dưới những tác động khác nhau. Ví dụ như trong chăm sóc khách hàng, kiểu phân tích này giúp bộ phận marketing dự báo về phản ứng, cách tiếp nhận và mức độ tham gia của người tiêu dùng đối với những chương trình khuyến mại với từng thủ thuật kích thích mua sắm khác nhau, ở các vùng địa lý khác nhau, trong những khoảng thời gian khác nhau.
- Cá nhân hoá hàng hoá, dịch vụ (Personalization Analytics)
Với phân tích cá nhân hoá, AI sẽ “lần” theo các dấu vết của khách hàng thông qua việc theo dõi và lưu giữ thông tin về các cú click chuột, các like, comment trên của người tiêu dùng trên mạng xã hội và trên các trang web đã truy cập để tìm hiểu, phân tích xem người tiêu dùng đang có nhu cầu hay sở thích cụ thể nào đối với một sản phẩm/dịch vụ. Kiểu phân tích này đã được ứng dụng khá phổ biến trong thương mại điện tử, giúp các trang bán hàng có thể đưa ra những gợi ý sản phẩm tức thời dựa trên tìm kiếm trước đó của khách hàng.
Trí tuệ nhân tạo là công cụ đặc biệt hữu ích giúp các nhà bán lẻ phân tích, xây dựng, theo dõi và cập nhật liên tục dữ liệu liên quan đến con đường đi đến quyết định mua sắm (customer journey) của khách hàng trên mọi nền tảng. AI còn được ứng dụng cả trong việc cải thiện trải nghiệm mua sắm ngay tại điểm bán với tư cách là trợ lý ảo trên nền tảng di động, như cách mà chuỗi cửa hàng bách hóa nổi tiếng tại Mỹ Macy’s mới triển khai. Theo đó, khách hàng có thể đặt các câu hỏi, tìm kiếm thông tin theo nhu cầu cá nhân và AI sẽ phân tích, xử lý, hướng dẫn họ đến đúng khu vực hàng hóa mà họ có nhu cầu. Ứng dụng này của Macy’s cũng có khả năng thông báo cho nhân viên cửa hàng đến hỗ trợ khách nếu cần. Hoặc như chuỗi cửa hàng bán lẻ thực Amazon Go đã áp dụng thanh toán thông minh sử dụng trí tuệ nhân tạo từ những ngày đầu mở cửa. Khách hàng chỉ cần quét chính mình khi đi vào cửa hàng, thoải mái thực hiện mua sắm và cứ thế đi ra mà không phải qua bất cứ hình thức thanh toán truyền thống nào.
Việc các cửa hàng thực ứng dụng AI để tối ưu hóa trải nghiệm mua sắm của khách hàng được coi là xu hướng tất yếu khi mà các nhà bán lẻ đang bước vào cuộc cạnh tranh giành thị phần khốc liệt với các trang web bán hàng trực tuyến.
Vậy còn thương mại điện tử thì sao?
Không phải đợi cho đến khi các cửa hàng bán lẻ thực sử dụng AI thì các doanh nghiệp thương mại điện tử mới nghĩ đến chuyện ứng dụng triệt để các tính năng thông minh của trí tuệ nhân tạo. Thực tế cho thấy tuy phương thức bán hàng trực tuyến đã, đang và sẽ phá vỡ kiểu bán lẻ truyền thống, nhưng nó vẫn chưa thể phát huy hết được tiềm năng của mình. Bằng chứng là tỷ lệ bỏ qua giỏ hàng năm 2016 đang dao động ở mức trung bình lên đến 70% (nghiên cứu của Baymard Institute, Đan Mạch). Nhiều chuyên gia cho rằng trong thời gian tới, trí tuệ nhân tạo sẽ tác động mạnh mẽ đên thương mại điện tử thông qua ba hình thức:
- Khai thác dữ liệu
- Lập trình ngôn ngữ tự nhiên (NLP)
- Dự báo sản phẩm sẽ mua-mua lặp lại
Cụ thể, đầu năm nay, Branded3, một agency về khoa học dữ liệu, công nghệ, CRM và truyền thông có trụ sở tại Anh, đưa ra dự báo đến năm 2020, 50% lượng tìm kiếm của khách hàng sẽ thông qua hình ảnh và giọng nói. Và đến năm 2021, những trang bán hàng trực tuyến sớm ứng dụng công nghệ này sẽ tăng mức doanh thu lên khoảng 30%.
Cho dù trước đây, AI được ứng dụng sơ khai trong e-commerce dưới dạng trang web tự động gợi ý các sản phẩm tương tự hoặc so sánh giá của nhiều bên cung cấp dịch vụ khác nhau cho khách hang. Nhưng phải đến khi có NLP, máy móc mới có thể học cách con người giao tiếp thông qua ngôn ngữ hàng ngày (vốn khá mơ hồ và thiếu chuẩn mực), từ đó phân tích và đưa ra những thông điệp có nghĩa nhằm tìm hiểu khách hàng thực sự muốn gì khi nói một cụm từ vào ô tìm kiếm, mô phỏng lại hành trình mua sắm của trực tuyến của họ và dự báo nhu cầu mua hàng của người tiêu dùng trong tương lai.
Xu hướng thứ hai của việc ứng dụng AI và NLP trong thương mại điện tử chính là việc xây dựng chatbot và trợ lý ảo thông minh. Theo nghiên cứu năm 2018 của ubisend, một trong số những nhà cung cấp giải pháp chatbot dựa trên trí tuệ nhân tạo hàng đầu thế giới, thì cứ 5 người tiêu dùng được hỏi tại Anh sẵn sàng mua hàng hóa từ chatbot, trong khi 40% người tiêu dùng sử dụng chatbot để tìm kiếm các ưu đãi và khuyến mại. Trong thời gian tới, trợ lý trí tuệ nhân tạo và chatbot sẽ được trao nhiều quyền hơn trong xử lý và trả lời các yêu cầu của khách hàng, cả bằng văn bản lẫn âm thanh như cách mà Amazon Echo nhen nhóm triển khai (khảo sát do Amazon cung cấp cho thấy những khách hàng sử dụng thiết bị hỗ trợ mua sắm Echo có lượng mua sắm tại Amazon tăng 10% và đa phần là mua các sản phẩm do hãng sản xuất). AI cũng sẽ cung cấp những gợi ý mua sắm có độ chính xác cao cho người tiêu dùng, giảm thiểu tỷ lệ bỏ qua giỏ hàng đang ở mức cao như hiện nay.
Theo Doanh nhân Online