Chú trọng nhu cầu khách hàng với Next Best Offer

AI đang thay đổi cách doanh nghiệp tiếp cận cross-sell và upsell. Thay vì bắt đầu từ một sản phẩm cần đẩy bán, Next Best Offer cho phép ra quyết định ở cấp độ từng khách hàng, dựa trên dữ liệu, bối cảnh và giá trị dài hạn của mối quan hệ.

Trong nhiều năm qua, doanh nghiệp đầu tư ngày càng nhiều vào CRM, Loyalty, eCommerce và các nền tảng dữ liệu về nhu cầu khách hàng. Lượng dữ liệu có thể tăng rất nhanh, nhưng cách ra quyết định bán hàng ở nhiều nơi vẫn chưa thay đổi tương ứng. Marketing vẫn thường bắt đầu từ một sản phẩm cần đẩy bán, lựa chọn một nhóm nhu cầu khách hàng đủ rộng rồi triển khai campaign qua email, SMS, ứng dụng hoặc telesales.

Mô hình này có thể mang lại doanh thu, nhưng về bản chất vẫn là product-centric: doanh nghiệp chọn sản phẩm trước rồi đi tìm nhu cầu khách hàng để bán. Khi dữ liệu khách hàng trở nên phong phú hơn và AI có khả năng xử lý hàng triệu tín hiệu trong thời gian ngắn, một cách tiếp cận khác đang trở nên khả thi: thay vì hỏi “tháng này cần bán sản phẩm nào?”, doanh nghiệp có thể hỏi “ở thời điểm này, với nhu cầu khách hàng này, hành động phù hợp nhất là gì?”.

Theo ông Nguyễn Thành Tài, Giám đốc Sản phẩm Utop CX Suite, đây là sự thay đổi quan trọng nhất khi nói về Next Best Offer. NBO không chỉ là một công cụ gợi ý sản phẩm. Nó là cách doanh nghiệp chuyển từ marketing theo phân khúc sang ra quyết định ở cấp độ từng khách hàng, dựa trên dữ liệu, ngữ cảnh và mục tiêu kinh doanh.

Sự khác biệt này đặc biệt quan trọng trong bối cảnh khách hàng ngày càng ít kiên nhẫn với những thông điệp không liên quan. Một ưu đãi đúng sản phẩm nhưng sai thời điểm vẫn có thể bị xem là làm phiền. Một promotion hấp dẫn nhưng gửi cho khách vừa khiếu nại có thể khiến trải nghiệm tệ hơn. Vì vậy, bài toán không chỉ là đề xuất sản phẩm nào có xác suất mua cao nhất, mà là xác định đâu là hành động có khả năng tạo ra giá trị tốt nhất cho cả khách hàng và doanh nghiệp.

Next Best Offer không bắt đầu từ câu hỏi “doanh nghiệp muốn bán gì?”, mà từ câu hỏi “với khách hàng này, ở thời điểm này, hành động nào phù hợp nhất?”.

Next Best Offer không chỉ là “khách mua A thì gợi ý B”

Recommendation truyền thống thường dựa trên các mối quan hệ tương đối trực quan: sản phẩm nào hay được mua cùng, khách hàng thuộc cùng nhóm thường quan tâm gì, hoặc mặt hàng nào đang có tỷ lệ chuyển đổi cao. Những mô hình này vẫn có giá trị, nhưng chưa đủ để xử lý đầy đủ bối cảnh của một khách hàng cụ thể.

Một quyết định Next Best Offer tốt cần đồng thời nhìn vào nhiều lớp thông tin. Khách hàng đang ở giai đoạn nào trong vòng đời? Gần đây họ đã mua gì? Có dấu hiệu tăng hay giảm tương tác không? Họ có đủ điều kiện nhận một ưu đãi cụ thể hay không? Khả năng mua từng sản phẩm là bao nhiêu? Biên lợi nhuận và mục tiêu kinh doanh của từng offer khác nhau thế nào? Kênh nào thường tạo phản hồi tốt nhất? Và quan trọng hơn, đây có thực sự là thời điểm nên bán thêm hay không?

Theo góc nhìn của ông Tài, điểm cuối cùng thường bị bỏ qua. Trong một số tình huống, Next Best Offer tốt nhất có thể là không đưa ra offer nào. Khách hàng vừa hoàn tất giao dịch lớn có thể cần thời gian trải nghiệm thay vì tiếp tục nhận khuyến mại. Khách đang có khiếu nại nên được ưu tiên xử lý dịch vụ. Một người vốn đã có xác suất mua rất cao thậm chí không cần thêm voucher để chuyển đổi. Khi đó, giảm giá có thể làm tăng conversion trên báo cáo nhưng lại làm giảm margin mà không tạo ra hành vi mới.

NBO vì vậy nên được hiểu rộng hơn như một bài toán decisioning. AI đưa ra xác suất và recommendation, nhưng quyết định cuối cùng còn cần được kiểm soát bởi business rule, eligibility, ưu tiên chăm sóc và các ràng buộc về tần suất tương tác.

Customer 360 tạo ngữ cảnh để AI ra quyết định

AI chỉ có thể đưa ra đề xuất tốt khi nó hiểu đủ bối cảnh. Một hồ sơ khách hàng chỉ gồm tuổi, giới tính và hạng thành viên khó có thể tạo ra cá nhân hóa thực sự. Điều AI cần là các tín hiệu về hành vi: lịch sử giao dịch, chu kỳ mua, sản phẩm đã quan tâm, phản hồi với campaign, điểm Loyalty, tương tác trên website hoặc ứng dụng, lịch sử chăm sóc và những thay đổi gần đây trong thói quen của khách hàng.

Hai khách hàng có thể cùng thuộc hạng Gold và cùng chi tiêu 20 triệu đồng mỗi tháng nhưng hoàn toàn khác nhau về nhu cầu khách hàng. Một người có xu hướng mua lặp lại cùng danh mục; người kia thường xuyên khám phá sản phẩm mới. Một người phản hồi tốt với ưu đãi giá; người khác có thể nhạy cảm hơn với dịch vụ ưu tiên hoặc quyền lợi thành viên. Khi các tín hiệu này được hợp nhất thành Customer 360, AI có thể chuyển từ việc gán khách hàng vào một nhóm tĩnh sang ước lượng xác suất phản hồi của từng cá nhân với từng hành động.

Đây cũng là lý do Next Best Offer không thể tách rời khỏi năng lực dữ liệu. Nếu hồ sơ khách hàng bị phân mảnh giữa POS, Loyalty, eCommerce và CRM, recommendation rất dễ dựa trên một bức tranh thiếu ngữ cảnh. Ngược lại, khi dữ liệu được hợp nhất và cập nhật liên tục, doanh nghiệp có thể ra quyết định gần với thời điểm hành vi thực sự diễn ra hơn.

Từ đó, NBO có thể dần mở rộng thành Next Best Action. Hệ thống không chỉ trả lời nên giới thiệu sản phẩm nào, mà còn đề xuất nên chăm sóc, nhắc điểm sắp hết hạn, gửi nội dung hướng dẫn, mời tham gia chương trình thành viên, chuyển cho nhân viên tư vấn hay tạm thời không tương tác. Đây là bước chuyển từ tối ưu một campaign sang tối ưu toàn bộ quan hệ khách hàng.

Next Best Offer tốt nhất đôi khi là không bán gì. Khi trải nghiệm chưa đúng, một recommendation bán hàng dù chính xác về xác suất vẫn có thể là một quyết định sai.

AI cần đi cùng business rule và vai trò của con người

Một kỳ vọng dễ gặp là AI có thể tự động quyết định toàn bộ hoạt động cross-sell và upsell. Trong vận hành thực tế, mô hình hiệu quả hơn thường là sự kết hợp giữa ba lớp: AI để dự đoán, business rule để kiểm soát và con người hoặc automation để thực thi.

Business rule đảm bảo recommendation không đi ngược logic vận hành. Doanh nghiệp có thể đặt quy tắc không giới thiệu lại sản phẩm khách vừa mua, không gửi quá số lượng thông điệp cho phép trong một tuần, không sử dụng promotion với khách không có consent phù hợp, hoặc ưu tiên xử lý một vấn đề dịch vụ trước khi đưa ra đề nghị bán thêm. Những quy tắc này giúp AI hoạt động trong phạm vi chiến lược thương hiệu và trải nghiệm khách hàng mà doanh nghiệp mong muốn.

Vai trò của con người cũng không biến mất. Với giao dịch có giá trị cao hoặc sản phẩm cần tư vấn, recommendation nên trở thành gợi ý cho Sales hoặc Customer Service thay vì một hành động tự động. Khi một Relationship Manager biết khách hàng nào có propensity cao với sản phẩm nào, lý do vì sao và đâu là thời điểm phù hợp, AI đóng vai trò như một copilot giúp ưu tiên cơ hội thay vì thay thế hoàn toàn khả năng đánh giá của nhân viên.

Theo ông Tài, đây là cách tiếp cận thực tế hơn để đưa AI vào vận hành. Công nghệ tạo ra lợi thế khi nó giúp doanh nghiệp ra quyết định nhanh hơn và nhất quán hơn, nhưng giá trị chỉ được tạo ra khi recommendation được gắn vào đúng quy trình và đúng người sử dụng.

NBO phải là một vòng lặp học hỏi, không phải một mô hình triển khai một lần

Một hệ thống recommendation chỉ thực sự cải thiện khi kết quả của mỗi tương tác quay trở lại làm dữ liệu cho lần quyết định tiếp theo. Khách hàng có mở thông điệp không, có click vào offer không, có mua hàng không, bao lâu sau mới mua, có tiếp tục mua lại hay chỉ sử dụng một voucher duy nhất – tất cả đều là tín hiệu để mô hình học lại.

Điều này làm thay đổi cách doanh nghiệp đánh giá hiệu quả. Conversion rate vẫn cần thiết, nhưng không đủ để chứng minh giá trị của AI. Doanh nghiệp cần biết doanh thu nào thực sự tăng thêm nhờ recommendation, offer nào chỉ chuyển doanh thu từ kênh này sang kênh khác, khách hàng nào vốn sẽ mua dù không nhận ưu đãi và chiến lược nào tạo ra mức tăng Customer Lifetime Value tốt hơn trong dài hạn.

Vì vậy, một chương trình NBO nên luôn có cơ chế thử nghiệm và nhóm đối chứng. Thay vì tranh luận mô hình nào “thông minh” hơn, doanh nghiệp có thể đo trực tiếp mức uplift giữa recommendation bằng AI và cách làm truyền thống. Cách tiếp cận này giúp AI gắn với một chỉ số kinh doanh cụ thể và tạo cơ sở để mở rộng đầu tư.

Bắt đầu từ một quyết định nhỏ nhưng có thể đo được

Doanh nghiệp không nhất thiết phải xây dựng một Decision Engine toàn diện ngay từ ngày đầu. Một use case nhỏ, có dữ liệu đủ tốt và tác động doanh thu rõ ràng thường là điểm khởi đầu hợp lý hơn. Đó có thể là cross-sell một nhóm sản phẩm cụ thể, gia hạn một dịch vụ, tăng basket size hoặc kích hoạt khách hàng có khả năng mua lại cao.

Khi use case đầu tiên chứng minh được uplift, doanh nghiệp có thể mở rộng dần sang nhiều sản phẩm, nhiều kênh và nhiều loại hành động hơn. Ở giai đoạn trưởng thành, Next Best Offer không còn là một module đứng riêng mà trở thành lớp ra quyết định nằm giữa Customer 360 và các kênh tương tác, giúp Marketing, Sales và Customer Service cùng sử dụng một logic khách hàng thống nhất.

Điều AI thay đổi cuối cùng không phải là việc doanh nghiệp có thêm một thuật toán bán hàng. Nó thay đổi điểm xuất phát của quyết định. Thay vì bắt đầu từ sản phẩm cần bán và tìm người có thể mua, doanh nghiệp bắt đầu từ từng khách hàng và tìm hành động phù hợp nhất với họ ở thời điểm đó. Khi sự thay đổi này diễn ra, cross-sell và upsell không còn đơn thuần là mục tiêu bán thêm; chúng trở thành kết quả của việc doanh nghiệp hiểu khách hàng tốt hơn.

Với UTop, FPT IS hy vọng mang tới một giải pháp cung cấp Next Best Offer tốt nhất cho các doanh nghiệp với trọng tâm là nhu cầu khách hàng

UTOP LoyaltyOS

Các bài viết liên quan:

• Big Data là gì? Đặc trưng, ứng dụng công nghệ của Big Data
• Quản lý dữ liệu là gì? Phương pháp quản lý dữ liệu hiệu quả

VỀ CHUYÊN GIA

Ông Nguyễn Thành Tài – Giám đốc Sản phẩm Utop CX Suite – có hơn 20 năm kinh nghiệm trong các lĩnh vực CRM, quản lý phân phối, Sales Mobility, Loyalty, Customer Experience và các nền tảng dữ liệu khách hàng. Ông đã tham gia triển khai nhiều chương trình chuyển đổi số cho các doanh nghiệp lớn như Unilever, Vinamilk, Masan Consumer, Maison Group, FamilyMart Vietnam, TPBank, Bảo Việt Life và nhiều tổ chức khác tại Việt Nam và khu vực.