Mục lục
Chúng ta lại bắt đầu phân tích Case-study airbnb – yếu tố nào là mấu chốt khi khách hàng lựa chọn căn hộ trên airbnb
- Thách thức của Airbnb
- Airbnb đã chọn Module nào cho Chiến lược Marketing trên nền tảng của mình
- Làm thế nào Airbnb có thể đưa Module này trở thành số liệu và phân tích để đánh giá xếp hạng các căn hộ trên Airbnb.
Airbnb đã dùng phương pháp nào để phân tích dữ liệu trên nền tảng của mình trên từng vị trí và đưa ra các chiến lược Marketing phù hợp với đặc thù từng vị trí này.
Maketing Analytics có 3 loại Descriptive, Predictive, Prescriptive.
Quá trình diễn ra như sau:
- Descriptive là cách bạn nhìn về các số liệu đã diễn ra. Ví dụ như báo cáo trong ngày, tháng, năm của bộ phận marketing. Đó là nơi bạn có thể nhìn thấy được hoạt động của data đang diễn ra, chuyện gì đang xảy ra, trong bao lâu và chu kì lặp lại như nào ngay trong bộ phận marketing. Ngay cả những dấu hiệu báo động bất thường đang diễn ra và chúng ta cần làm gì để khắc phục tình trạng này. Descriptive là cách bạn nhìn vào các số liệu đang diễn ra trước đó và tìm hiểu xem chuyện gì đang xảy ra.
- Predictive là cách bạn nhìn vào các số liệu ở hiện tại và dự đoán tình huống sẽ diễn ra trong tương lai.
- Prescriptive là tối ưu. Đâu là lựa chọn tốt nhất mà tôi có thể làm trong thời điểm hiện tại.
Okay. Chốt lại Quy trình Marketing Analytics là việc đầu tiên chúng ta tìm hiểu các dữ liệu, sự kiện xảy ra trong quá khứ và học hỏi từ đó, bằng cách sử dụng data phân tích, chúng ta có thể dự đoán được trong tương lai sẽ diễn ra điều gì tiếp theo và tối ưu nó tốt nhất có thể.
Để bắt đầu với bài hôm nay thì em xin giải đáp câu hỏi cuối bài trước “Airbnb đã kiếm tiền bằng cách nào?”
Airbnb là nền tảng giúp cho khách hàng và chủ sở hữu cho thuê kết nối được với nhau và Airbnb tính phí cho cả 2 phía. Vì vậy về phía khách hàng thì Airbnb tính phí khoảng 6 – 12% trên tổng số phòng đặt. Và về chủ sở hữu thì Airbnb tính phí khoảng 3% phí dịch vụ. Và đây là cách Airbnb kiếm được tiền.
Tất nhiên câu hỏi được đặt ra ở đây là chỉ số đo lường nào và thách thức chiến lược nào mà Airbnb phải đối mặt?
Dĩ nhiên, nếu bạn nhìn vào thách thức chiến lược của Airbnb, về cơ bản, làm thế nào Airbnb có thể khiến các căn hộ trên nền tảng của mình được thuê thường xuyên nhất có thể? Airbnb thực sự không muốn bất kỳ căn hộ nào trên nền tảng của mình không được thuê. Đó là mục tiêu của họ. Bây giờ, họ có thể làm gì để giải quyết mục tiêu này?
Họ cần phải xem liệu họ có thể sử dụng tất cả dữ liệu do người dùng tạo ra hay không (dễ hiểu là các thông tin người dùng như việc tạo tài khoản và thêm các thông tin cá nhân để hoàn tất hồ sơ – như Momo khi đăng nhập bạn phải điền các thông tin để Momo có thể cho phép bạn sử dụng). Các đánh giá đến từ phần khuyến mãi trong chiến lược 4Ps và giá cả.
Nếu họ có thể sử dụng hai đòn bẩy này, việc tiếp đến làm thế nào họ có thể sử dụng hai đòn bẩy này để cải thiện triển vọng nhu cầu cho thuê và thuê phòng của chủ nhà và khách.
Và đó là một thách thức chiến lược mà Airbnb phải đối mặt. Và tất nhiên chúng ta sẽ thấy, làm thế nào Airbnb có thể giải quyết thách thức chiến lược này bằng cách sử dụng dữ liệu mà họ tạo ra trên nền tảng của họ.
Chiến lược Marketing dữ liệu của Airbnb
Hãy xem xét lại thách thức chiến lược của Airbnb. Airbnb muốn cải thiện triển vọng cho thuê căn hộ về phía bên chủ nhà và xác định các tùy chọn dịch vụ tốt hơn cho khách và họ muốn sử dụng dữ liệu do người dùng tạo, các đánh giá có sẵn trên nền tảng và giá của phòng cho thuê theo dịch vụ mà họ có thể sử dụng để cải thiện triển vọng cho thuê bên phía chủ nhà và nhu cầu thuê của khách.
Bây giờ, chúng ta sẽ xem xét dữ liệu và phân tích, cách cải thiện quy trình lập kế hoạch tiếp thị. Vì vậy, chúng ta phải hiểu rằng đây sẽ là một công việc khó khăn và có liên quan đến toán học.
Bước đầu tiên trong quy trình phân tích này là xây dựng một thứ gọi là Mental Model. Chúng ta sẽ làm việc thông qua việc phát triển Mental Model này cho Airbnb và nó bắt đầu bằng cách xác định số liệu mà Airbnb đang cố gắng tối đa hóa và số liệu đó là lợi nhuận trên mỗi căn hộ cho thuê.
Bây giờ lợi nhuận trên mỗi căn hộ cho thuê sẽ được bằng cách nhân tỷ suất lợi nhuận gộp. Lợi nhuận mà Airbnb tạo ra từ mỗi căn hộ được thuê là gì? Và giá mà mỗi căn hộ cho thuê được tính, số lượng căn hộ cho thuê và thời gian lưu trú tối thiểu hoặc thời gian tối thiểu mà căn hộ được thuê cho mỗi lần. Vì vậy, sản phẩm của Airbnb là tất những điều này:
- Giá,
- Số lượng cho thuê
- Thời gian lưu trú tối thiểu và tỷ suất lợi nhuận gộp mang lại cho Airbnb lợi nhuận trên mỗi căn hộ.
Bây giờ trong tất cả các khía cạnh này, một điều mà ảnh hưởng đến khách hàng là gì? Số lượng căn hộ cho thuê trên nền tảng Airbnb ảnh hưởng đến khách hàng.
Yếu tố nào khiến khách hàng đưa ra quyết định? Airbnb dựa trên đánh giá sao, cho dù đó là hai sao hay ba sao hay năm sao. Nó có thể dựa trên việc đọc đánh giá như chúng ta đã thấy trong căn hộ của Thuận, chúng tôi đã khảo sát các đánh giá và chúng tôi đã thấy những gì mọi người nói về kinh nghiệm của họ thuê từ căn hộ của Thuận và cả dịch vụ ở đây. Họ sẽ đánh giá các yếu tố
- Đây là loại căn hộ gì?
- Có bao nhiêu phòng ngủ?
- Vị trí nào?
Tất cả những điều này xác định xem số lượng khách hàng thuê một căn hộ hay một phòng từ Airbnb và cuối cùng sẽ xác định số lượng người đã thuê căn hộ của Thuận.
Vì vậy, nhờ những khách hàng đã từng ở đây đưa ra các đánh giá cho chúng tôi trên Airbnb mà Airbnb có thể mang lại niềm tin cho khách hàng muốn thuê căn hộ này. Đây là Mental Model mà khách hàng đang hợp tác với Airbnb.
Bây giờ loại dữ liệu nào là cần thiết để xây dựng Mental Model này? Nơi đầu tiên Airbnb xem xét là các đánh giá bởi vì đó là những gì Airbnb thấy, một trong những giả thuyết của Airbnb là khách hàng đọc những đánh giá này và sau đó họ sẽ dựa trên các đánh giá này để đưa ra quyết định là có nên thuê địa điểm này hay không.
Và đây là tất cả các đánh giá mà Airbnb đã có cho Thuận và căn hộ của anh ấy trên nền tảng của Airbnb (Hiện tại các sàn Thương mại điện tử và cả Facebook cũng thế – khách hàng dựa trên các đánh giá thực tế từ người đã sử dụng dịch vụ ở đây để ra quyết định cuối cùng là mua hàng hay không trước khi họ sử dụng dịch vụ).
Bây giờ những gì Airbnb sẽ cố gắng làm là xem xét tất cả thông tin này và lấy nó, sau đó xây dựng nó thành một Mental Model sẽ cho chúng ta biết có bao nhiêu người thuê nhà dựa trên xếp hạng sao, đánh giá và các loại dịch vụ ở căn hộ này. Hãy cùng xem Airbnb sẽ làm như thế nào nhé.
Sử dụng phân tích đánh giá trên nền tảng của Airbnb
Sau Mental Model, Airbnb sẽ xem xét đánh giá. Bây giờ một trong những điều thú vị về việc đánh giá dữ diệu này là tất cả đều là văn bản. Đó không phải là những con số. Như phần trên đã nói, chúng ta sẽ có liên quan đến số và toán học, khi này Airbnb đưa ra các con số vào một mô hình toán học, điều đó trở nên dễ dàng hơn.
Nó dễ hiểu hơn cho mô hình. Bây giờ, làm thế nào để bạn đặt văn bản vào một mô hình toán học hoặc Predictive Model để làm cho nó hiểu văn bản. Vấn đề là các Predictive Model không hiểu dữ liệu văn bản. Airbnb phải xử lý dữ liệu văn bản này và chuyển đổi nó thành một số.
Và đó là những gì chúng ta sẽ xem xét. Và nó thường được gọi là phân tích văn bản và chúng ta sẽ không đi sâu vào vấn đề này. Đó sẽ là một khóa học phân tích tiếp thị nâng cao nhưng Airbnb sẽ cung cấp cho chúng ta một trực giác về cách điều đó xảy ra.
Bây giờ Airbnb đã tra cứu một trong những đánh giá mà Thuận có và Airbnb đưa đánh giá đó lên nền tảng của Airbnb. Và những gì chúng ta sẽ xem xét điều đầu tiên là một đánh giá tích cực.
Các đánh giá đưa ra ở đây đều cho thấy Thuận là một người chủ cho thuê căn hộ tuyệt vời. Mọi thứ đều hoàn hảo. Các căn hộ là đều được đánh giá tốt, vị trí là trong một khu vực yên tĩnh gần bờ sông rất thích hợp cho nghỉ dưỡng.
Mọi đánh giá đều nói rằng những người đã ở đây chắc chắn sẽ quay lại. Vì vậy, một số thứ mà Airbnb có thể nhận thấy rằng đây là một đánh giá thực sự. Nhưng bạn biết đấy, sự thật thì khác tưởng tượng. Bạn không thể nào ngồi xem từng đánh giá và nhận biết đâu là đánh giá tốt hay đánh giá xấu, việc Airbnb có thể duy nhất đó là sử dụng các phần mềm như R và những chức năng biến tất cả dữ liệu văn bản này và chuyển đổi nó thành một thứ gọi là đánh giá cảm tính.
Và nếu Airbnb gửi văn bản này vào R và vào chức năng này, nó sẽ cung cấp cho Airbnb một số. Và đó là những gì chúng ta sẽ tìm hiểu.
Vậy làm thế nào để R và chức năng này hoạt động. Bây giờ điều đầu tiên để xem là những từ tích cực là gì và những từ tiêu cực là gì? Đưa vào phần mềm R và nó sẽ trả lại kết quả cho chúng ta. Nếu dương thì hệ thống của Airbnb sẽ nhận biết đây là đánh giá tốt còn âm thì sẽ là đánh giá xấu. Chúng ta chỉ cần hiểu đơn giản như thế.
Tất nhiên nếu bạn muốn phân tích hoặc tìm hiểu sâu thì nên học ngôn ngữ Python và R trước khi phân tích. Vì đây sẽ là 2 công cụ giúp bạn phân tích sâu vào dự liệu thô trong nền tảng bạn sử dụng.
Sử dụng dữ liệu để cải thiện chiến lược tiếp thị
Vì vậy, sau khi xem Mental Model, Airbnb lấy tất cả văn bản đánh giá và đưa nó vào điểm số cảm tính cho từng căn hộ, Airbnb sẵn sàng lấy phần còn lại của dữ liệu là tất cả các số liệu như lượt đánh giá sao, dịch vụ hiện có tại căn hộ….. và cắm nó vào Predictive Model mà Airbnb dự định sẽ xem xét.
Ở phần này diễn tả về cách hoạt động của Airbnb dùng ngôn ngữ R để phân tích sâu vào dữ liệu thô và đưa ra đánh giá cho những nơi mà Airbnb đang hoạt động để xem ở từng khu vực sẽ ưu tiên cho các dịch vụ được khách hàng quan tâm ở đó.
Ví dụ ở Vũng Tàu khách hàng quan tâm về vấn đề vệ sinh tại căn hộ, ở Phú Quốc khách hàng quan tâm về giá cả…. Đây không chỉ dựa trên những insights từ báo cáo thị trường mà sẽ là các số liệu thực tế để đưa ra quyết định đúng đắn cho chiến lược Marketing.
Bài viết về phần này là hơi dài và em cũng thấy đây là khóa khó nuốt về Marketing Analytics – Đặc biệt là về Data Analytics. Đây cũng là lĩnh vực em rất thích. Phần tiếp theo là về Các chỉ số đo lường tài sản của Brand.
Em xin cảm ơn mọi người đã quan tâm Hi vọng được học hỏi và trao đổi với các anh/chị đang làm về Data Analytics nhiều hơn để em có thể gửi gắm tấm thân này
