tiểu luận Amazon và Spotify đã tạo lập và sử dụng dữ liệu liên quan đến khách hàng để hỗ trợ cho hoạt động của doanh nghiệp.

Amazon và Spotify đã tạo lập và sử dụng dữ liệu liên quan đến khách hàng để hỗ trợ cho hoạt động của doanh nghiệp. Amazon và Spotify đã tạo lập và sử dụng dữ liệu liên quan đến khách hàng để hỗ trợ cho hoạt động của doanh nghiệp. Amazon và Spotify đã tạo lập và sử dụng dữ liệu liên quan đến khách hàng để hỗ trợ cho hoạt động của doanh nghiệp. Amazon và Spotify đã tạo lập và sử dụng dữ liệu liên quan đến khách hàng để hỗ trợ cho hoạt động của doanh nghiệp.

ĐẠI HỌC ĐÀ NẴNG TRƯỜNG ĐẠI HỌC KINH TẾ

……

BÁO CÁO BÀI TẬP CUỐI KỲ

MÔN QUẢN TRỊ QUAN HỆ KHÁCH HÀNG

Đề tài 8

Amazon và Spotify đã tạo lập và sử dụng dữ liệu liên quan đến khách hàng để

hỗ trợ cho hoạt động của doanh nghiệp

Giảng viên: Phan Thị Nhung Lớp học phần: COM3003-8 Thành viên:

MỤC LỤC

PHẦN I: AMAZON 3

I Giới thiệu sơ lược về tập đoàn Amazon 3

II Chức năng của cơ sở dữ liệu đối với doanh nghiệp 4

1 Vì sao dữ liệu khách hàng quan trọng với doanh nghiệp 4

2 Doanh nghiệp cần những dữ liệu nào của khách hàng ? 5

3 Xác định các nguồn dữ liệu 6

III Công cụ phân tích dữ liệu 7

1 Giới thiệu về công cụ 7

2 Chức năng của công cụ 7

IV Cách doanh nghiệp sử dụng dữ liệu khách hàng trong hoạt động kinh doanh 10

1 Tối ưu hóa chuỗi cung ứng 11

2 Tối ưu hóa giá 11

3 Để sàng lọc các giao dịch mua và trả lại các yêu cầu nếu có dấu hiệu gian lận 11 4 Trải nghiệm mua sắm được cá nhân hóa trên Amazon 12

5 Để thay đổi và sửa đổi các cửa hàng thực 12

PHẦN II: SPOTIFY 14

I Giới thiệu sơ lược về doanh nghiệp 14

II Chức năng của cơ sở dữ liệu đối với doanh nghiệp 15

1 Vì sao dữ liệu khách hàng quan trọng với doanh nghiệp? 15

2 Doanh nghiệp cần những dữ liệu nào của khách hàng? 16

3 Xác định các nguồn dữ liệu 16

III Công cụ phân tích dữ liệu 18

1 Phát triển nội dung được cá nhân hóa 22

2 Tiếp thị Nâng cao thông qua các quảng cáo được nhắm mục tiêu 23

3 Spotify Wrapped 24

4 Bản địa hóa 25

5 Kết nối người nghe với nghệ sĩ và người sáng tạo 25

PHẦN III: NHẬN XÉT VÀ KẾT LUẬN 26

I Nhận xét và so sánh ưu điểm và nhược điểm của hai doanh nghiệp 26

II Kết luận 31

PHẦN IV: TÀI LIỆU THAM KHẢO 31

PHẦN I: AMAZON

I Giới thiệu sơ lược về tập đoàn Amazon

Tên tập đoàn: Amazon

Trụ sở chính: Seattle, Washington

Lĩnh vực kinh doanh: Điện toán đám mây, truyền phát kỹ thuật số, trí tuệ nhân tạo

và thương mại điện tử

Thời gian thành lập: ngày 5 tháng 7 năm 1994

Amazon được biết đến với việc làm thay đổi tư duy của các ngành công nghiệp đã được

thiết lập thông qua đổi mới công nghệ và phát triển quy mô lớn và là một trong những công

ty công nghệ Big Four cùng với Google, Appe và Facebook

Xuất phát điểm của Amazon là một trang bán sách Về sau, Amazon mở rộng với hàng loạt

hàng hoá tiêu dùng và phương tiện truyền thông kỹ thuật số cũng như các thiết bị điện tử

của chính Amazon, chẳng hạn như Kindle e-book reader, Kindle Fire… Amazon cũng là

thị trường thương mại điện tử lớn nhất thế giới, nhà cung cấp trợ lý AI và nền tảng điện

toán đám mây được đo lường bằng doanh thu và vốn hoá thị trường

Amazon phân phối tải xuống và phát trực tuyến video, âm nhạc, audiobook thông qua các

công ty con Amazon Prime Video, Amazon Music và Audible Amazon cũng là một chi

nhánh xuất bản, Amazon Publishing, một hãng phim và truyền hình, Amazon Studios và một công ty con về điện toán đám mây, Amazon Web Services

Năm 2015 Amazon đã vượt qua Walmart trở thành nhà bán lẻ có giá trị nhất tại Hoa Kỳ tính theo giá trị vốn hóa thị trường Vào năm 2017, Amazon đã mua lại Whole Foods Market với giá 13,4 tỷ đô la, điều này đã làm tăng đáng kể sự hiện diện của Amazon với tư cách là một nhà bán lẻ truyền thống Năm 2018, Bezos tuyên bố Amazon Prime đã có trên

100 triệu người đăng ký trên toàn thế giới

II Chức năng của cơ sở dữ liệu đối với doanh nghiệp

1 Vì sao dữ liệu khách hàng quan trọng với doanh nghiệp

Dữ liệu khách hàng giúp amazon hiểu khách hàng của mình hơn Việc thu thập thông tin và xây dựng hệ thống dữ liệu khách hàng sẽ tạo điều kiện để amazon cá nhân hóa tương tác, tăng độ hài lòng trong cách đáp ứng nhu cầu người dùng

Khi có được dữ liệu khách hàng, tức là amazon đã nắm được những nhu cầu sâu xa nhất của khách hàng Như vậy, việc tiếp theo cần làm sẽ là vạch ra một chiến lược tiếp thị “đánh trúng” vào đó để có thể chinh phục những đối tượng mình muốn tiếp cận

Nhờ biết thói quen mua sắm của khách hàng, Amazon có thể viết lại mô tả sản phẩm và quảng cáo để tăng cơ hội cho sản phẩm

Dựa trên những mặt hàng họ mua với những gì họ để lại, Amazon có thể xác định những yếu tố nào ảnh hưởng đến quyết định mua hàng của khách, chẳng hạn như giá cả hay giá trị dinh dưỡng Cuối cùng, Amazon có khả năng đưa ra những phỏng đoán có tính khoa học cao về việc khách hàng của mình là người ăn chay hay bị dị ứng thực phẩm

Amazon có thể nhắc người mua về những mặt hàng họ đã mua gần đây hoặc thông báo cho họ rằng sữa họ mua cách đây một tuần sắp hết hạn Nó thậm chí có thể gợi

ý các công thức nấu ăn lấy cảm hứng từ các mặt hàng trong giỏ hàng của họ tại thời điểm đó Với chiều sâu và chiều rộng của thông tin khách hàng, khả năng Amazon

cá nhân hóa trải nghiệm của khách hàng trên nền tảng của mình và để tạo thêm doanh thu là vô tận

2 Doanh nghiệp cần những dữ liệu nào của khách hàng ?

- Các thông tin cá nhân: (họ tên, giới tính, nhóm tuổi, ngày tháng năm sinh,…) Thu thập, lưu trữ, xử lý và phân tích thông tin cá nhân từ mọi khách hàng như một phương tiện xác định cách khách hàng đang tiêu tiền của họ

- Dữ liệu tương tác : tất cả hành vi của khách hàng trên website, trên các trang mạng

xã hội hoặc dịch vụ bán hàng của Amazon

Amazon thu thập dữ liệu từ người dùng khi họ duyệt web, chẳng hạn như thời gian xem từng trang Họ cũng thu thập các bộ dữ liệu bên ngoài, chẳng hạn như dữ liệu điều tra dân số, để thu thập những thông tin chi tiết khác về nhân khẩu học của người dùng

- Hành vi, sở thích, thói quen mua sắm, xu hướng tìm kiếm trên mạng của khách hàng

Cũng như những gì bạn mua, Amazon quan sát những gì bạn xem, địa chỉ giao hàng của bạn (Amazon có thể đưa ra một dự đoán chính xác đáng đến mức ngạc nhiên về mức thu nhập của bạn dựa trên nơi bạn sinh sống) và liệu bạn có để lại bất cứ đánh giá hay phản hồi nào hay không

=> Hàng tá dữ liệu này được sử dụng để xây dựng một “góc nhìn 360 độ” về bạn với tư cách là một khách hàng cá nhân

- Thái độ của khách hàng sau khi sử dụng sản phẩm, đánh giá của người tiêu dùng Phân tích mô hình mua hàng của khách hàng từ các mặt hàng đã mua trước đó, các mặt hàng trong giỏ hàng hoặc trong danh sách yêu thích của họ, các sản phẩm được

họ đánh giá và xếp hạng, đến các sản phẩm được tìm kiếm nhiều nhất Thông tin này sau đó được sử dụng để giới thiệu các sản phẩm bổ sung mà những khách hàng khác đã mua khi mua cùng những mặt hàng đó Ví dụ: nếu khách hàng thêm điện thoại di động vào giỏ hàng của mình, thì các trường hợp di động được khuyến nghị mua

=> Bằng cách này, dữ liệu lớn của Amazon sử dụng sức mạnh của đề xuất để khuyến khích khách hàng mua hàng bốc đồng và nâng cao hơn nữa toàn bộ trải

nghiệm mua sắm Điều này có vẻ hiệu quả với công ty vì nó tạo ra 35% doanh số hàng năm bằng cách sử dụng phương pháp này

- Công ty thu thập hàng nghìn điểm dữ liệu lịch sử và thời gian thực trên mọi đơn đặt hàng và sử dụng các thuật toán học máy để tìm các giao dịch có khả năng bị lừa đảo cao

- Thu thập thông tin trải nghiệm của khách hàng để nâng cấp sản phẩm, cơ sở hạ tầng phù hợp

Ví dụ: nếu camera cho thấy những người có xe đẩy trẻ em gặp khó khăn khi khám phá các lối đi, Amazon có thể làm cho chúng mở rộng hơn Sau đó, một lần nữa, nếu các giao dịch thể hiện những thứ thân thiện với người ăn chay bán nhanh đặc biệt ở một ngôn ngữ cụ thể, nó có thể sắp xếp một số lượng lớn hơn các mặt hàng

đó để điều phối nhu cầu của khách hàng

3 Xác định các nguồn dữ liệu

- Amazon thu thập dữ liệu riêng lẻ về từng khách hàng của mình khi họ sử dụng trang web ( lịch sử duyệt web, thời gian xem từng trang, ) Ngoài những gì khách hàng mua, Amazon cũng theo dõi những mặt hàng đã được xem, địa chỉ giao hàng của người dùng và đánh giá của người dùng Để đưa ra các phương án tối ưu cho dữ liệu này,

- Họ cũng sử dụng các bộ dữ liệu bên ngoài, chẳng hạn như dữ liệu điều tra dân số,

để thu thập những thông tin chi tiết khác về nhân khẩu học của người dùng

- Dùng bản ghi âm giọng nói của Alexa để thu thập dữ liệu

Amazon cung cấp các trợ lý ảo như Echo và Echo Show, bao gồm camera cũng như loa Sử dụng nó cho một số mục đích như nhận thông tin cập nhật về thời tiết, trò chuyện với Alexa, tin tức hàng ngày hoặc đặt hàng và tất cả đều là lệnh thoại Tuy nhiên, những bản ghi âm này đều được tải lên máy chủ của Amazon Bằng cách này amazon sẽ có được những bản ghi âm chứa những dữ liệu của khách hàng

Tuy nhiên, đối với một số khách hàng, đây có thể là một mối quan tâm về quyền riêng tư Họ không cảm thấy thoải mái với việc các bản ghi âm giọng nói của họ được lưu trữ trên đám mây và không thể loại bỏ hoàn toàn

III Công cụ phân tích dữ liệu

1 Giới thiệu về công cụ

Amazon hy vọng tất cả các dịch vụ của mình đều có

sẵn trên toàn cầu, xử lý hàng triệu yêu cầu mỗi giây,

hoạt động với thời gian chết gần như bằng 0, chỉ tốn

những gì cần thiết và được quản lý hiệu quả Các dịch

vụ AWS đáp ứng các yêu cầu này bằng cách cung cấp

một loạt các cơ sở dữ liệu được xây dựng theo mục

đích, do đó cho phép các kỹ sư của Amazon tập trung

vào việc đổi mới cho khách hàng của họ

Amazon Web Services (AWS) là nền tảng đám mây toàn diện AWS cung cấp nhiều

lựa chọn dịch vụ phân tích đa dạng nhất, phù hợp với mọi nhu cầu phân tích dữ liệu

đồng thời cho phép các tổ chức thuộc mọi quy mô và lĩnh vực làm mới lại công việc

kinh doanh của họ bằng dữ liệu Từ di chuyển dữ liệu, lưu trữ dữ liệu, hồ dữ liệu,

phân tích dữ liệu lớn, phân tích nhật ký, phân tích phát trực tuyến, máy học, v.v

2 Chức năng của công cụ

Bảng thông tin và trực quan hóa Amazon Quicksight

- Amazon Athena là một dịch vụ truy vấn tương tác giúp bạn dễ dàng phân tích dữ liệu trong Amazon S3 bằng cách sử dụng SQL tiêu chuẩn Athena không cần máy chủ, do đó, không phải quản lý sở hạ tầng và bạn chỉ phải trả tiền cho những truy vấn bạn chạy

- Amazon EMR là một nền tảng đám mây dữ liệu lớn có khả năng thực hiện công việc xử lý dữ liệu phân phối ở quy mô lớn, truy vấn SQL tương tác và chạy ứng dụng máy học (ML) sử dụng các khung phân tích nguồn mở Giúp xử lý dữ liệu quy

mô lớn và phân tích tình huống giả định bằng cách sử dụng thuật toán thống kê và

mô hình dự đoán để khám phá những khuôn mẫu ẩn, tính tương quan, xu hướng thị trường và sở thích của khách hàng

- Amazon Redshift sử dụng SQL để phân tích dữ liệu có cấu trúc và bán cấu trúc trên các kho dữ liệu, cơ sở dữ liệu hoạt động và hồ sơ dữ liệu bằng cách sử dụng phần cứng và công nghệ máy học Giúp cải thiện các dự báo tài chính và nhu cầu Xây dựng các báo cáo và bảng thông tin theo định hướng thông tin chuyên sâu làm tối ưu hóa được thông tin kinh doanh

Amazon OpenSearch Service giúp bạn dễ dàng thực hiện phân tích nhật ký tương tác, giám sát ứng dụng trong thời gian thực, tìm kiếm trên trang web Tìm kiếm, hiển thị trực quan và phân tích lên đến hàng petabyte văn bản cũng như dữ liệu không cấu trúc

- Amazon QuickSight cho phép mọi thành viên trong tổ chức của bạn nắm rõ dữ liệu bằng cách đặt câu hỏi bằng ngôn ngữ tự nhiên, khám phá thông qua bảng thông tin tương tác hoặc tự động tìm kiếm các khuôn mẫu và ngoại lệ được máy học hỗ trợ QuickSight hỗ trợ hàng triệu lượt xem bảng thông tin mỗi tuần cho các khách hàng, cho phép người dùng cuối của họ đưa ra các quyết định dựa trên dữ liệu sáng suốt hơn

Amazon đã di chuyển cơ sở dữ liệu Oracle của họ được sử dụng bởi các ứng dụng

Xử lý Giao dịch Trực tuyến (OLTP) sang Amazon DynamoDB, Amazon Aurora hoặc các công cụ mã nguồn mở chạy trên Amazon RDS

- Amazon DynamoDB là cơ sở dữ liệu tài liệu và khóa-giá trị mang lại hiệu suất mili giây một chữ số ở bất kỳ quy mô nào Nó là một cơ sở dữ liệu đa vùng được quản lý đầy đủ với tính năng bảo mật, sao lưu và khôi phục được tích hợp sẵn và bộ nhớ đệm trong bộ nhớ cho các ứng dụng quy mô internet Dịch vụ Amazon DynamoDB có thể xử lý hàng nghìn tỷ yêu cầu mỗi ngày và dễ dàng hỗ trợ hàng triệu yêu cầu hai chữ số mỗi giây trên toàn bộ bảng nối đa năng của nó Bạn có thể bắt đầu với quy mô nhỏ hoặc lớn và DynamoDB sẽ tự động tăng và giảm dung lượng khi cần thiết

- Amazon Aurora là cơ sở dữ liệu quan hệ tương thích MySQL và PostgreSQL được xây dựng cho đám mây kết hợp hiệu suất và tính khả dụng của cơ sở dữ liệu doanh nghiệp truyền thống với tính đơn giản và hiệu quả về chi phí của cơ sở dữ liệu nguồn mở Amazon Aurora nhanh hơn đến năm lần so với cơ sở dữ liệu MySQL tiêu chuẩn và nhanh hơn ba lần so với cơ sở dữ liệu PostgreSQL tiêu chuẩn Nó cung cấp tính bảo mật, tính khả dụng và độ tin cậy của cơ sở dữ liệu thương mại với chi phí bằng 1/10

- Dịch vụ cơ sở dữ liệu quan hệ của Amazon (Amazon RDS) cho MySQL hoặc PostgreSQL: Amazon RDS là một dịch vụ quản lý cơ sở dữ liệu giúp thiết lập, vận hành và mở rộng quy mô cơ sở dữ liệu quan hệ trên đám mây dễ dàng hơn Nó cung

cấp khả năng thay đổi kích thước, hiệu quả về chi phí cho cơ sở dữ liệu quan hệ tiêu chuẩn ngành và quản lý các tác vụ quản trị cơ sở dữ liệu chung

IV Cách doanh nghiệp sử dụng dữ liệu khách hàng trong hoạt động kinh doanh

Amazon đã phát triển mạnh mẽ bằng cách trở thành một nền tảng – nơi cung cấp tất

cả mọi lựa chọn Tuy nhiên, khi phải đối mặt với quá nhiều các lựa chọn lớn như vậy, khách hàng sẽ cảm thấy choáng ngợp và mất nhiều thời gian để tìm kiếm thứ

họ thực sự muốn Khách hàng mỗi khi mua hàng có quá nhiều dữ liệu phải xử lý khi quyết định mua hàng, dù có vô số sự lựa chọn những với khách hàng thực sự không

có nhiều kiến thức và ý tưởng về tất cả sản phẩm đó, họ sẽ không biết đâu là lựa chọn tốt nhất cho mình

Để giải quyết vấn đề này, Amazon đã ứng dụng Big data (Dữ liệu lớn) thu thập từ khách hàng để phân tích, xây dựng và điều chỉnh công cụ đề xuất trên website của mình tinh tế và chính xác hơn Khi Amazon có nhiều thông tin về bạn, họ ngày càng

có thể đưa ra những dự đoán chính xác hơn những gì bạn muốn mua Và đặc biệt hơn, khi một nhà bán lẻ biết bạn muốn mua gì, họ sẽ tăng được tính thuyết phục trong quá trình ra quyết định mua hàng của bạn

Amazon sử dụng mô hình vận chuyển dự đoán sử dụng dữ liệu lớn để dự đoán những sản phẩm có nhiều khả năng được người dùng mua nhất Điều này dẫn đến việc Amazon phân tích mô hình mua hàng của bạn và gửi sản phẩm đến kho hàng gần nhất mà bạn có thể sử dụng trong tương lai

Amazon cũng tối ưu hóa giá trên các trang web của mình bằng cách ghi nhớ các thông số khác nhau như hoạt động của người dùng, lịch sử đặt hàng, giá do đối thủ cạnh tranh cung cấp, tính sẵn có của sản phẩm, v.v Sử dụng phương pháp này, Amazon giảm giá cho các mặt hàng phổ biến và kiếm lợi nhuận cho các mặt hàng ít phổ biến hơn Đây là cách Amazon tận dụng dữ liệu lớn trong hoạt động kinh doanh của mình Khoa học dữ liệu đã tạo ra vị trí thống trị của nó trong các ngành công nghiệp và giúp các ngành công nghiệp phát triển và trở nên tốt hơn

Sau khi thu thập thông tin quan trọng về người tiêu dùng, Amazon sử dụng những thông tin chi tiết đó để phục vụ họ tốt hơn

1 Tối ưu hóa chuỗi cung ứng

Khi nói đến việc tăng hiệu quả, Tối ưu hóa chuỗi cung ứng là cách tốt nhất để đạt được điều đó Amazon muốn hoàn thành các đơn đặt hàng một cách nhanh chóng và

để đạt được thành tích này, công ty kết nối với các nhà sản xuất và theo dõi hàng tồn kho của họ Dữ liệu lớn của Amazon phân tích dữ liệu có sẵn và định vị kho hàng gần nhất với khách hàng/ nhà cung cấp để giảm chi phí vận chuyển Ngoài ra, lý thuyết đồ thị giúp quyết định lịch trình giao hàng, tuyến đường và nhóm sản phẩm tốt nhất, từ đó giảm thêm chi phí vận chuyển

2 Tối ưu hóa giá

Dữ liệu lớn cũng được sử dụng để quản lý giá của sản phẩm nhằm thu hút nhiều khách hàng hơn và cuối cùng là tăng lợi nhuận ròng Trước khi Dữ liệu khách hàng được sử dụng để tối ưu hóa giá, giá của các sản phẩm không thay đổi bất kể tần suất xuất hiện trên trang web Bây giờ, giá cả thay đổi thường xuyên Một trong những

lý do là vì các nền tảng dữ liệu lớn đánh giá mức độ sẵn sàng mua của một người Giá được đặt tùy theo hoạt động của bạn trên trang web, giá của đối thủ cạnh tranh, tính sẵn có của sản phẩm, sở thích mặt hàng, lịch sử đặt hàng, tỷ suất lợi nhuận dự kiến và các yếu tố khác Giá sản phẩm thường thay đổi 10 phút một lần khi dữ liệu lớn được cập nhật và phân tích Do đó, Amazon thường giảm giá cho các mặt hàng bán chạy nhất và kiếm lợi nhuận lớn hơn cho các mặt hàng ít phổ biến hơn Điều này mang lại lợi ích cho công ty trong việc tăng thu nhập hàng năm của họ lên 143% từ năm 2016 đến năm 2019, theo một báo cáo

3 Để sàng lọc các giao dịch mua và trả lại các yêu cầu nếu có dấu hiệu gian lận

Là công ty dẫn đầu trong thị trường thương mại điện tử, công ty vẫn tồn tại nguy cơ gian lận bán lẻ Công ty thu thập hàng nghìn điểm dữ liệu lịch sử và thời gian thực trên mọi đơn đặt hàng và sử dụng các thuật toán học máy để tìm các giao dịch có khả năng bị lừa đảo cao

Do phương pháp luận chủ động của Amazon và các tính toán thông tin khổng lồ đã thay đổi để giải quyết các vấn đề chính xác, tổ chức này cũng có thể kiểm tra các yêu cầu đưa trở lại không rõ ràng

Ví dụ: nếu thông tin khổng lồ cho thấy một cá nhân đã trả lại một lượng sản phẩm cao một cách kỳ lạ trong những tháng gần đây, tổ chức có thể khám phá thêm Vào năm 2018, một số khách hàng lâu năm đã thông báo bị hạn chế do làm cho thứ mà Amazon đánh giá cao là quá nhiều lợi nhuận

4 Trải nghiệm mua sắm được cá nhân hóa trên Amazon

Amazon phân tích mô hình mua hàng của khách hàng từ các mặt hàng đã mua trước

đó, các mặt hàng trong giỏ hàng hoặc trong danh sách yêu thích của họ, các sản phẩm được họ đánh giá và xếp hạng, đến các sản phẩm được tìm kiếm nhiều nhất Thông tin khách hàng sau đó được sử dụng để giới thiệu các sản phẩm bổ sung mà những khách hàng khác đã mua khi mua cùng những mặt hàng đó Ví dụ: nếu khách hàng thêm điện thoại di động vào giỏ hàng của mình, thì các trường hợp di động được khuyến nghị mua

Bằng cách này, dữ liệu lớn của Amazon sử dụng sức mạnh của đề xuất để khuyến khích khách hàng mua hàng bốc đồng và nâng cao hơn nữa toàn bộ trải nghiệm mua sắm Điều này có vẻ hiệu quả với công ty vì nó tạo ra 35% doanh số hàng năm bằng cách sử dụng phương pháp này

5 Để thay đổi và sửa đổi các cửa hàng thực

AmazonGo, thương hiệu cửa hàng lưu trú không cần thu ngân của thương hiệu này, cũng phụ thuộc rất nhiều vào thông tin để hoạt động Cảm biến xác định những thứ

mà mọi người có thể mua và máy ảnh đảm bảo khách hàng không chiếm ưu thế với

những nỗ lực mua sắm Mặc dù thực tế là tổ chức chưa thực sự giải thích rõ ràng về thông tin mà họ thu thập được về khách hàng của Amazon Go và lý do tại sao, công

ty có thể sử dụng thông tin này để cải thiện các cửa hàng của mình

Ví dụ: nếu camera cho thấy những người có xe đẩy trẻ em gặp khó khăn khi khám phá các lối đi, Amazon có thể làm cho chúng mở rộng hơn Sau đó, một lần nữa, nếu các giao dịch thể hiện những thứ thân thiện với người ăn chay bán nhanh đặc biệt ở một ngôn ngữ cụ thể, nó có thể sắp xếp một lượng lớn các mặt hàng đó để điều phối nhu cầu của khách hàng

Vì vậy, đây là những cách Amazon đang thu thập và triển khai dữ liệu lớn để tăng lưu lượng truy cập của khách hàng Quá trình thu thập dữ liệu bắt đầu ngay từ thời điểm một người điều hướng trang web Ngày nay, chúng ta có thể thấy nó xảy ra rất thường xuyên Chúng tôi tìm kiếm một sản phẩm trên nền tảng và quảng cáo của nó bắt đầu xuất hiện trước chúng tôi ở mọi nơi có thể

Công nghệ đang thay đổi động lực của mọi thứ và các doanh nghiệp cũng không ngoại lệ Amazon là một gã khổng lồ trong nền tảng thương mại điện tử và bây giờ chúng ta đã biết lý do, hãy sử dụng công nghệ một cách khôn ngoan

PHẦN II: SPOTIFY

I Giới thiệu sơ lược về doanh nghiệp

Tên công ty Spotify (Spotify Technology S.A.)

Trụ sở chính: Stockholm, Thụy Điển

Lĩnh vực kinh doanh: cung cấp âm nhạc kỹ thuật số từ các hãng thu âm như Sony, EMI, Warner Music Group và Universal

Thời gian thành lập: ngày 7 tháng 10 năm 2008

Ứng dụng Spotify cho phép tìm kiếm các bài hát theo tên nghệ sĩ, album, thể loại, playlists theo chủ đề hoặc theo hãng thu âm Các tài khoản đăng ký trả phí

"Premium" được các quyền lợi như không bị quảng cáo làm gián đoạn quá trình nghe nhạc, chuyển bài vô hạn, phát bất kỳ bài hát nào mà bạn muốn và được phép tải nhạc để nghe ngoại tuyến

Tính đến thời điểm hiện tại, công ty có gần 350 triệu người đăng ký tài khoản với hơn 155 triệu thành viên đăng ký có trả phí Spotify sẽ trả phí bản quyền cho các nghệ sĩ, tuy nhiên hãng đã từng phải đối mặt với những rắc rối về tài chính với một

số nghệ sĩ như Taylor Swift và Thom Yorke

Spotify, Ltd hoạt động như là công ty mẹ, có trụ sở tại Luân Đôn Kể từ tháng 2 năm 2018, Spotify được niêm yết trên thị trường chứng khoán New York và vào tháng 9 năm 2018, công ty đã chuyển văn phòng tại thành phố New York của mình đến 4 World Trade Center

Spotify hiện đã có sẵn trên Windows, macOS, Android, iOS, iPadOS cho smartphone và máy tính bảng, và phiên bản không chính thức cho hệ điều hành Linux Tháng 6 năm 2017, Spotify có sẵn ứng dụng trên Windows Store

II Chức năng của cơ sở dữ liệu đối với doanh nghiệp

1 Vì sao dữ liệu khách hàng quan trọng với doanh nghiệp?

Dữ liệu khách hàng giúp Spotify hiểu khách hàng của mình Việc thu thập thông tin

và xây dựng hệ thống dữ liệu khách hàng sẽ tạo điều kiện để Spotify cá nhân hóa tương tác, tăng độ hài lòng trong cách đáp ứng nhu cầu người dùng bằng cách hiển thị các bài hát và âm nhạc khác nhau với thị hiếu tương tự cho người dùng

Spotify liên tục xem các bài đăng trên blog và các bài nhạc liên quan Ứng dụng mong muốn khách hàng thưởng thức âm nhạc của họ và biết thêm về các nghệ sĩ và bài hát yêu thích của họ Với dữ liệu khách hàng, Spotify phân tích và tạo danh sách hàng đầu các bài hát được phát nhiều nhất, các bài hát xu hướng hiện tại và nhiều bài hát khác, cụ thể Spotify sử dụng các chiến lược:

+ Cá nhân hóa các danh sách phát nhạc

+ Sử dụng chiến lược bản địa hóa (Localization)

+ Sắp xếp và tối ưu các danh sách phát nhạc

+ Kết nối nghệ sĩ địa phương với người dung

Điều này giúp thu hút khách hàng sử dụng và dành nhiều thời gian hơn cho Spotify

Từ đó, Spotify đưa ra quyết định duy trì cập nhật những người dùng quan tâm để phát triển những chiến lược làm tăng số lượng khách hàng một cách đáng kể

2 Doanh nghiệp cần những dữ liệu nào của khách hàng?

Spotifythu thập dữ liệu cá nhân của khách hàng, bao gồm:

+ Dữ liệu người dùng (Tên hồ sơ, địa chỉ email, số điện thoại, ngày sinh, giới tính, địa chỉ, quốc gia)

+ Dữ liệu sử dụng (Truy vấn tìm kiếm, lịch sử phát trực tuyến, danh sách phát khách hàng tạo, thư viện của khách hàng, lịch sử duyệt web, cài đặt tài khoản, tương tác với những người dùng Spotify khác, )

+ Dữ liệu thoại (dữ liệu giọng nói)

+ Dữ liệu thanh toán và mua hàng (Tên, ngày sinh, loại thẻ tín dụng hoặc thẻ ghi nợ, ZIP / mã bưu điện, số điện thoại, chi tiết về lịch sử mua hàng và thanh toán của khách hàng)

+ Dữ liệu về cuộc thi, khảo sát và chương trình rút thăm trúng thưởng

Dữ liệu cá nhân được thu thập thông qua việc sử dụng Dịch vụ Spotify

Khi sử dụng hoặc truy cập dịch vụ, Spotify thu thập dữ liệu cá nhân về hành động của khách hàng

Vào tháng 1 năm 2021, Spotify đã được cấp bằng sáng chế mới cho một ứng dụng

AI sử dụng dữ liệu giọng nói để xác định “trạng thái cảm xúc, giới tính, tuổi tác hoặc giọng” của người dùng và sau đó tận dụng những thông tin chi tiết này để nâng cao các đề xuất âm nhạc

Ví dụ: Khi bạn đang nghe nhạc, Spotify sẽ theo dõi xem bạn đang nghe toàn bộ bài hát hay chỉ lướt qua bài hát đó Và theo thời gian, nó sẽ hình thành và hiểu loại nhạc bạn thích Họ thậm chí còn phân tích loại nhạc này theo nhịp mỗi phút và định kiểu loại giọng, v.v Vì vậy, điều này giúp những người dùng không có thời gian, năng lượng hoặc kỹ năng để tạo danh sách phát của riêng họ nhận được danh sách phát theo sở thích của họ

Bạn càng nghe nhạc nhiều thì họ càng nhận được nhiều dữ liệu về bạn và thuật toán của họ càng trở nên tốt hơn đối với thể loại âm nhạc của bạn và do đó đưa họ vào hành trình nghe nhạc cá nhân

Ví dụ: nếu một bản nhạc đã được người đăng ký phát nhưng bị bỏ qua trong vòng chưa đầy 30 giây đầu tiên, thì Spotify coi đó là phản ứng thiếu nhiệt tình và thông tin bài hát không được đưa vào khi tính toán danh sách phát Tuy nhiên, khi một bài hát đã được người dùng thêm vào thư viện hoặc danh sách phát của họ và đã được nghe đầy đủ, điều này được nền tảng coi là một phản ứng tích cực, giúp họ xác nhận rằng bài hát đó đã phù hợp với sở thích của người dùng lần lượt hỗ trợ thuật toán trong việc phát triển hơn nữa hồ sơ sở thích tổng thể của người dùng

Dữ liệu cá nhân khách hàng chọn cung cấp cho Spotify

Thỉnh thoảng, khách hàng có thể cung cấp dữ liệu cá nhân bổ sung hoặc cho Spotify quyền thu thập dữ liệu cá nhân, ví dụ như để cung cấp cho khách hàng thêm các tính năng hoặc chức năng Dữ liệu này bao gồm Dữ liệu thoại, Dữ liệu thanh toán và mua hàng và Dữ liệu về cuộc thi, khảo sát và chương trình rút thăm trúng thưởng

Dữ liệu cá nhân Spotify thu thập từ các nguồn bên thứ ba

Nếu đăng ký Spotify bằng dịch vụ khác hoặc kết nối tài khoản Spotify của khách hàng với một ứng dụng, dịch vụ hoặc thiết bị bên thứ ba, hệ thống sẽ nhận dữ liệu của bạn từ những bên thứ ba đó

= Truyền thông xã hội

+ Thiết bị bao gồm:âm thanh (ví dụ: loa và tai nghe); đồng hồ thông minh; Tivi; điện thoại di động và máy tính bảng; ô tô (ví dụ: ô tô); máy chơi game

Spotify cũng có thể nhận dữ liệu của khách hàng từ các nhà cung cấp dịch vụ kỹ thuật, đối tác thanh toán và đối tác quảng cáo và tiếp thị

III Công cụ phân tích dữ liệu

1 Lựa chọn công cụ phân tích

Spotify nhằm mục đích làm cho âm nhạc trở nên đặc biệt cho tất cả mọi người Ngày nay, công ty lưu trữ hơn 2 tỷ danh sách phát và cho phép người tiêu dùng truy cập hơn 30 triệu bài hát Người dùng có thể tìm kiếm nhạc trên mọi thiết bị theo nghệ sĩ, album, thể loại, danh sách phát hoặc hãng thu âm, trong khi các tính năng như Discover Weekly đề xuất danh sách phát được cá nhân hóa cho hàng triệu người trên thế giới

Một trong những lợi thế cạnh tranh chính của Spotify là công cụ đề xuất đáng gờm

Sử dụng thuật toán máy học (ML), xử lý ngôn ngữ tự nhiên (NLP) và mạng nơ-ron phức hợp (CNN), Spotify có thể chuyển đổi dữ liệu nghe trước đây thành danh sách phát được cá nhân hóa và đề xuất âm nhạc

Trong vài năm qua, Spotify đã chuyển cơ sở hạ tầng của mình sang Google Cloud Một điểm cân nhắc chính trong quyết định này là Google cung cấp các sản phẩm dữ liệu lớn chất lượng cao độc đáo, bao gồm Dataflow, BigQuery, Bigtable, Pub / Sub

và nhiều sản phẩm khác Việc này có thể giúp cho Spotify giảm thiểu sự gián đoạn trong quá trình phát triển sản phẩm, hoàn thành nhanh hơn để giảm chi phí và sự phức tạp khi chạy trong môi trường kết hợp và dọn dẹp, đảm bảo Spotify không có bất kỳ dịch vụ kéo dài nào chạy trong các trung tâm dữ liệu của nó

BigQuery tận dụng định dạng lưu trữ dạng cột và thuật toán nén để lưu trữ dữ liệu trong Colossus, được tối ưu hóa để đọc một lượng lớn dữ liệu có cấu trúc Colossus cũng xử lý sao chép, phục hồi và quản lý phân tán Spotify sử dụng Google BigQuery cho hầu hết các trường hợp sử dụng truy vấn đặc biệt và đã có những cải thiện đáng kể về năng suất

ScienceBox

Đây là một công cụ giao diện dòng lệnh nội bộ của Spotify để giúp tăng tốc cách các Nhà khoa học dữ liệu sử dụng sổ ghi chép Nó thường được sử dụng như một cách để tổ chức các tệp thành các dự án, cài đặt trước thư viện khoa học dữ liệu và tạo quy trình phân tích dữ liệu được tiêu chuẩn hóa và có thể tái tạo

Các công cụ này hoạt động tốt với các tập dữ liệu nhỏ, nhưng vì các nhà khoa học

dữ liệu được kỳ vọng sẽ làm việc với các tập dữ liệu ngày càng lớn hơn, tuy nhiên,

họ phải đợi lâu hơn để xem kết quả mã của mình Nếu mong đợi các nhà khoa học

dữ liệu tại Spotify tìm thấy thông tin chi tiết có tác động lớn từ lượng dữ liệu khổng

lồ mà Spotify thu thập hàng ngày, họ cần các công cụ để giúp tạo thông tin chi tiết chất lượng cao ở tốc độ cao

có thể nhóm nhạc lại với nhau dựa trên các từ và cụm từ được sử dụng để mô tả nó (tức là nhạc jazz mượt mà, rap du dương, rock cổ điển, v.v.) giúp Spotify dễ dàng xác định các nghệ sĩ tương tự hơn và xây dựng danh sách phát được cá nhân hóa xung quanh họ

Thuật toán của Spotify tìm kiếm những người đăng ký có những điểm tương đồng

về danh sách phát và lịch sử nghe (người dùng A và B đều thêm All Too Well của Taylor Swift vào danh sách phát) Sau đó, thuật toán ML của Spotify sẽ cung cấp các bài hát cho những người dùng có lịch sử nghe tương tự để hỗ trợ việc lưu giữ và khám phá âm nhạc mới

Sử dụng CNN, Spotify phân tích dữ liệu âm thanh thô như BPM của bài hát, phím

âm nhạc, độ lớn, v.v Sử dụng thông tin này, sau đó nó có thể phân loại bài hát dựa trên loại nhạc và tối ưu hóa hơn nữa công cụ đề xuất của mình

Ngoài ra vào tháng 1 năm 2021, Spotify đã được cấp bằng sáng chế mới cho một ứng dụng AI sử dụng dữ liệu giọng nói để xác định “trạng thái cảm xúc, giới tính, tuổi tác hoặc giọng” của người dùng và sau đó tận dụng những thông tin chi tiết này

để nâng cao các đề xuất âm nhạc

IV Các doanh nghiệp sử dụng dữ liệu khách hàng trong hoạt động kinh doanh

Công ty đã tận dụng hiệu quả công nghệ, chủ yếu là dữ liệu lớn để cung cấp trải nghiệm được cá nhân hóa cho từng người dung

Spotify cung cấp dữ liệu cho mỗi quyết định mà họ có xu hướng sử dụng dữ liệu Khi nền tảng tiếp tục mua các điểm dữ liệu, nó đang sử dụng dữ liệu để huấn luyện máy móc và thuật toán nghe nhạc và cung cấp thông tin chi tiết hữu ích cho trải nghiệm của người dùng cũng như doanh nghiệp của nó

1 Phát triển nội dung được cá nhân hóa

Một cách tiếp cận quan trọng mà Spotify áp dụng để sử dụng dữ liệu do người dùng của họ tạo ra là ( Spotify )sử dụng dữ liệu đó để phát triển nội dung mà

mọi người dùng sẽ coi là độc quyền theo sở thích riêng của họ Mục tiêu là đảm bảo cung cấp trải nghiệm hài lòng cho người dùng để họ trở thành khách hàng lâu dài

Spotify ra mắt tính năng “Khám phá” vào năm 2012, về cơ bản đã tạo danh sách phát gồm các nghệ sĩ yêu thích của người dùng Tuy nhiên, tính năng này đã trưởng thành theo thời gian với việc đề xuất nhiều bài hát cùng thể loại hơn, sau khi danh sách phát hoàn thành Điều đó có nghĩa là người dùng không bao giờ phải tìm kiếm thêm các bài hát cùng thể loại sau khi tất cả các bài hát trong danh sách phát đã được phát Nó được Spotify phân phối tự động, sử dụng dữ liệu lớn

và trí tuệ nhân tạo

Hiện tại, “Discover Weekly” đã nổi lên như một trong những con át chủ bài lớn nhất của Spotify, được biên soạn hoàn toàn thông qua thuật toán máy học, nó tạo

ra một danh sách phát được cá nhân hóa dành riêng cho hoạt động nghe của người dùng Ngoài ra, mọi người dùng đều có một “hồ sơ sở thích” cá nhân được tạo từ các microgenres đóng vai trò cá nhân hóa các danh sách phát này Với mục đích có thể cá nhân hóa các danh sách phát này, nền tảng đã phải chú ý rất nhiều đến cả các bản nhạc mà người dùng phát trực tuyến cũng như cách họ tương tác chung với mọi bản nhạc

2 Tiếp thị Nâng cao thông qua các quảng cáo được nhắm mục tiêu

Trong khi nâng cao trải nghiệm của khách hàng, Spotify cũng đã có thể sử dụng một phần dữ liệu khổng lồ được tạo thông qua người dùng của mình nhằm mục đích cập nhật các chiến dịch quảng cáo và nhắm mục tiêu khách hàng của họ theo cách hấp dẫn hơn

Ví dụ: quảng cáo hiển thị hình ảnh của nó, chạy Williamsburg, New York, đã kích hoạt một chiến dịch tiếp thị hiện tại mở rộng cho Spotify Một lần nữa ở đây, nền tảng đã biên soạn lịch sử nghe của người dùng

Quảng cáo đầu tiên có nội dung "Xin lỗi, không phải xin lỗi Williamsburg, bản hit của Bieber có xu hướng cao nhất trong mã zip này" đã trở nên phổ biến, hấp dẫn và gây cười cho khán giả địa phương, điều này đã giúp Spotify đo lường mức độ hiển thị có thể thông qua dữ liệu của người nghe cho phát triển các chiến dịch quảng cáo được cá nhân hóa như vậy có thể tạo ra sự tương tác của người dùng trên nền tảng và doanh số bán hàng của họ

Điều này về cơ bản được thực hiện bằng cách nền tảng kiểm tra kiến thức họ thu được về người nghe và sau đó áp dụng những thông tin chi tiết đó để tạo quảng cáo nhắm mục tiêu một cách khéo léo đến đối tượng mục tiêu của nền tảng Một số chiến dịch quảng cáo phổ biến là quảng cáo lấy cảm hứng từ meme Vào năm 2019, Spotify đã chạy một chiến dịch quảng cáo toàn cầu sử dụng lịch sử nghe của người dùng để tạo ra các quảng cáo hài hước nhằm nhắm mục tiêu người dùng tiềm năng Ai lại không thích điều gì đó vui nhộn thu hút sự chú ý của bạn ngay lập tức?

3 Spotify Wrapped

Thêm một ví dụ về cách Spotify sử dụng dữ liệu lớn là tính năng phổ biến của

nó - Spotify “Wrapped” Tính năng này được sử dụng nhiều vào tháng 12 vì nó cung cấp cho người dùng tổng hợp các bài hát yêu thích nhất hoặc đã nghe của

họ trong cả năm Hơn nữa, người dùng sẽ nhận được một báo cáo cho biết liệu

họ có lọt vào top 1% nói rằng, những người theo dõi trung thành nhất của nghệ

sĩ hay không Tính năng này không chỉ sử dụng phân tích dữ liệu lớn mà còn cẩn thận rút ra thông tin chi tiết về từng người dùng để mang đến cho họ trải nghiệm đáng khích lệ

Thông qua Spotify Wrapped, về cơ bản, Spotify đang phục vụ người dùng dữ liệu trên đĩa bạc, trình bày dữ liệu theo cách có thể gây tò mò và lôi kéo họ Dữ liệu được trình bày một cách nghệ thuật thành công trong việc làm cho người

dùng cảm thấy được công nhận và xác thực và khơi dậy sự nhiệt tình của họ Hình thức tương tác tự nhiên này trở thành một lý do không thể thiếu tại sao Spotify giữ Spotify Wrapped như một vũ khí hữu ích trong thiết kế tiếp thị dài hạn của họ Người nghe của nền tảng lấp đầy các tài khoản mạng xã hội của họ bằng ảnh chụp màn hình hồ sơ Spotify của họ cũng như liên kết danh sách phát của họ, để cho bạn bè và gia đình của họ biết vị trí của họ trên nền tảng

Trong thế giới hiện đại, nơi mà tính năng phát trực tuyến hiện đang chiếm ưu thế hơn so với âm nhạc đã mua, ngành công nghiệp buộc phải hướng sự cố định của mình từ doanh số bán đĩa sang việc tích lũy dữ liệu đó với mục tiêu làm sáng tỏ

ấn tượng mà một bài hát, nghệ sĩ hoặc album cụ thể đang tạo ra đối với công chúng

4 Bản địa hóa

Đối với người dùng, bản sắc cá nhân của họ không chỉ thể hiện loại nhạc họ nghe, qua thời trang họ mặc, qua các sở thích hay quan tâm của họ mà còn thể hiện qua những yếu tố cá nhân như nơi họ đến hay đi, đặc biệt là quê hương/nơi

ở của họ Spotify đã chứng tỏ sự khôn khéo của mình trong việc tập trung tới các chiến lược bản địa hóa Họ hiểu được tầm quan trọng của bản sắc cá nhân của người dùng và tận dụng được sức mạnh của xu hướng cá nhân hóa Spotify có các danh sách phát được tạo phù hợp với khu vực nơi bạn sinh sống Trải nghiệm âm nhạc của từng khu vực trên nền tảng này là khác nhau và rất phong phú, đa dạng chứ không hề nghèo nàn Dù bạn bị mê hoặc bởi âm hưởng jazz New Orleans hay rock của thị thành San Francisco, Spotify luôn có những playlist phù hợp nhất dành cho bạn

5 Kết nối người nghe với nghệ sĩ và người sáng tạo

Có một vấn đề trong ngành công nghiệp âm nhạc truyền thống trước đây và đó

là những người sáng tạo mới phải trải qua rất nhiều khó khăn để tiếp cận khán giả, ngay cả khi họ tạo ra thứ âm nhạc mà mọi người sẽ thích Hệ thống đề xuất

âm nhạc của Spotify hoạt động dựa trên công nghệ máy học để tìm hiểu về loại

bài hát của bạn, đồng thời dự đoán và đề xuất cho bạn một bài hát mới mà có thể bạn chưa nghe nhưng bạn sẽ thích

Điều này tạo cơ hội cho những người sáng tạo âm nhạc được mọi người và người nghe biết đến để có được những bài hát mà họ thích Điều này làm hài lòng cả người nghe và người sáng tạo và đặc biệt giúp người sáng tạo trở thành phiên bản tốt nhất của chính họ Họ không phải trải qua những trở ngại để được công nhận và họ có thể tập trung vào việc tạo ra âm nhạc

- Tận dụng hết tất

cả những hoạt động của khách hàng để biến nó thành dữ liệu và phục vụ cho việc

-Amazon dùng alexa

để thu thập những bản ghi âm chứa những dữ liệu của khách hàng.Tuy nhiên, đối với một

số khách hàng, đây

có thể là một mối quan tâm về quyền riêng tư Họ không cảm thấy thoải mái với việc các bản ghi

âm giọng nói của họ được lưu trữ trên đám mây và không thể loại bỏ hoàn toàn

- Ứng dụng công nghệ AI trong việc nhận dạng và thu thập thông tin khách hàng như ứng dụng sử dụng

dữ liệu giọng nói

để xác định

“trạng thái cảm xúc, giới tính, tuổi tác hoặc giọng” của người dùng

- Tận dụng hết tất

cả những hoạt

-Spotify đã phải gánh chịu phần lớn các vấn đề và

vi phạm bảo mật

dữ liệu trong quá trình thu thập và phân tích chúng

thấu hiểu nhu cầu

khách hàng

-AWS nổi tiếng với

việc cung cấp cơ sở

hạ tầng bảo mật

cao để đảm bảo

tính riêng tư cho

dữ liệu, các chuyên

gia bảo mật tại

Amazon tuân theo

các lớp giám sát dữ

liệu khác nhau

động của khách hàng để biến nó thành dữ liệu và phục vụ cho việc thấu hiểu nhu cầu khách hàng

- Tạo ra nhiều mô hình chia sẻ đại diện cho dữ liệu

và được sử dụng như nhiều ứng dụng khác nhau

từ đó làm phong phú nguồn dữ liệu khách hàng để phục vụ cho Phân tích

nhiều loại cơ sở dữ

liệu được xây dựng

- Tệp khách hàng của amazon quá lớn

và đa dạng về hình thức cung cấp các dịch vụ nên đòi hỏi các quy trình khác nhau.trong việc phân tích dữ liệu AWS

có thể sẽ gặp một số vấn đề về sự cố lưu trữ đám mây như thời gian chết, kiểm

- Tận dụng hiệu quả công nghệ máy học để cung cấp trải nghiệm được cá nhân hóa cho từng người dùng

- Tất cả dữ liệu được mã hóa trong quá trình di chuyển giữa

-Phần nhiều vẫn đang sử dụng trí tuệ con người và các phương pháp thống kê để tạo danh sách phát nhóm và điều chỉnh thủ công tuy hiệu quả rất tốt nhưng hiệu suất chưa quá xuất sắc

cung cấp ưu việt

hiệu suất ở thông

lượng cao và tiêu

với nhau và sử dụng

cơ sở dữ liệu chung thế nên các dịch vụ được kết nối và phụ thuộc lẫn nhau rất nhiều Một dịch vụ đơn lẻ mất quyền truy cập vào cơ sở

dữ liệu có thể gây ra một loạt các vấn đề của khách hàng dẫn đến hậu quả

không lường trước được

GCP, khách hàng

và trung tâm dữ liệu; cũng như dữ liệu trong tất cả các dịch vụ của nền tảng đám mây điều đó giúp tăng tính bảo mật trong quá trình xử

lý, phân tích và di chuyển dữ liệu khách hàng

- ScienceBox đã trở nên rất thành công Spotify đã loại bỏ các phương pháp cũ kém hiệu quả và cho phép họ chạy

mã của mình nhanh hơn tới 50% so với trước đây

-Spotify sử dụng

dữ liệu lớn dưới dạng dữ liệu người dùng và dữ liệu bên ngoài để

- Với một lượng

dữ liệu lớn đang được thu thập nhưng Spotify chưa mở rộng

tối ưu dành được

tùy biến theo đối

và nâng cao hơn

nữa toàn bộ trải

nhuận giảm và tạo khoảng trống cho đối thủ cạnh tranh

Mặc dù doanh số bán hàng của Amazon gần đây đang tăng lên, nhưng chi phí giao hàng của nó cũng tăng lên đáng kể, dẫn đến tỷ suất lợi nhuận giảm

cung cấp trải nghiệm lâu dài cho người dùng

Với các công nghệ và kỹ thuật phân tích không ngừng phát triển

từ đó nâng cao trải nghiệm người dùng

- Tận dụng dữ liệu khách hàng theo cách nâng cao và kiếm tiền hơn nữa từ trải nghiệm người dùng, đồng thời cho phép các nhà quảng cáo nhắm mục tiêu khách hàng tiềm năng tốt hơn

- Ngoài việc xây dựng công cụ đề xuất nội dung âm thanh mạnh mẽ, Spotify đã phát

được thêm các chức năng mới

mà chỉ dùng để tạo "danh sách hàng tuần" cho tất

cả người dùng

- Spotify chạy quảng cáo giữa các bản nhạc của người dùng, đặc biệt với những người dùng miễn phí thì tần suất quảng cáo rất cao

và gây khó chịu giảm giá trị trải nghiệm của khách hàng

- Spotify thay đổi giao diện thường xuyên, thậm chí đôi khi là tự ý gỡ

bỏ các tính năng hoặc thay đổi giao diện đi ngược lại những

gì người dùng

dụng thông tin này

để cải thiện các cửa

hàng của mình

triển một số cách sáng tạo khác để kiếm tiền từ dữ liệu khách hàng

và tạo ra trải nghiệm người dùng đáng nhớ

Ví dụ như Spotify wrapped

- Sáng tạo và áp dụng triệt để dữ liệu để nhắm mục tiêu đến đối tượng

và có được cách cập nhật các chiến dịch quảng cáo của họ với nội dung hấp dẫn hơn

- Sử dụng dữ liệu

để huấn luyện máy móc và thuật toán nghe nhạc và cung cấp thông tin chi tiết hữu ích cho trải nghiệm của người dùng

mong muốn Điều này có thể mang lại một số khó khăn cho người dùng