Ứng dụng các công cụ web analytics trong phân tích hiệu quả kinh doanh của doanh nghiệp

Tương tự như điều này, Laursen và Thorlund 2010[19] đã xem xét phân tích doanh nghiệp không chỉ đơn thuần là giải pháp kỹ thuật, như hệ thống thông tin đó được cấu thành từ ba yếu tố, tứ

1

MỤC LỤC

L I C M O N 5

L I CẢM N 6

D NH MỤC HÌNH VẼ 7

PHẦN MỞ ẦU 9

CHƯ NG 1: PHÂN TÍCH DỮ LIỆU VÀ CÁC CHỈ SỐ ÁNH GIÁ 10

1.1 Tổng quan về phân tích dữ liệu 10

1.1.2 Khái niệm phân tích dữ liệu 10

1.1.2 Quá trình phát triển phân tích dữ liệu 10

1.1.3 Phân loại phân tích dữ liệu 15

1.1.4.1 Các loại phân tích dữ liệu 15

1.1.4.2 Phân tích mô tả 16

1.1.4.3 Phân tích dự đoán 17

1.1.4.4 Phân tích quy tắc 18

1.1.5 Phân tích giúp ra các quyết định tốt hơn 19

1.2 Chỉ số số đánh giá 20

1.2.1 o lường, hệ đo và chỉ số đánh giá 20

1.2.1.1 o lường 21

1.2.1.2 Hệ đo 21

1.2.1.3 Chỉ số đánh giá 22

1.2.2 Phân biệt chỉ số đánh giá và các mục tiêu kinh doanh 23

1.2.3 Xây dựng chỉ số đánh giá 24

1.2.3.1 Thiết lập mục tiêu và kết quả cần đạt được 24

1.2.3.2 ưa mục tiêu, kết quả cần đạt được vào trong các chỉ số đánh giá 25

1.2.4 ảm bảo tính hoạt động và chịu trách nhiệm của các chỉ số đánh giá 26

2

1.2.5 Tạo các báo cáo chỉ số đánh giá phân cấp 27

1.2.6 Xác định các chỉ số đánh giá thành phần 27

1.2.7 Củng cố lại các chỉ số đánh giá 27

1.2.8 Các loại chỉ số đánh giá 28

1.2.9 Các đặc điểm chỉ số đánh giá tốt 29

1.3 Quy trình xây dựng các chỉ số đánh giá ứng dụng phân tích Web của Clifton 31

1.4 Các chỉ số đánh giá được sử dụng trong doanh nghiệp kinh doanh thương mại điện tử theo Peterson 32

1.4.1 Tỷ lệ chuyển đổi đơn hàng [22] 32

1.4.2 Giá trị trung bình m i đơn hàng 33

1.4.3 Doanh thu trung bình m i lượt truy cập 33

1.4.4 Chi phí trung bình cho m i chuyển đổi 34

1.4.5 Chỉ số hài lòng của khách hàng 34

1.4.6 Thời gian trung bình để trả lời thư yêu cầu 34

1.4.7 Tỷ lệ truy cập của khách mới so với khách quay trở lại 35

1.4.8 Tỷ lệ chuyển đổi của khách truy cập mới với khách truy cập trở lại 35 1.4.9 Phần trăm doanh thu từ khách hàng mới và khách hàng truy cập trở lại 35

1.4.10 Trang chủ và trang đích chính 36

1.4.11 Tỷ lệ chuyển đổi từ tìm kiếm 37

1.4.13 Tỷ lệ hoàn thành thanh toán 37

1.4.14 Tỷ lệ chuyển đổi cho m i chiến dịch 38

1.4.15 Phần trăm kết quả trả về không 38

1.4.16 Tỷ lệ cao, trung bình và thấp các click chuột vào trang trong 38

1.4.17 Trung bình số lượt xem các trang trên m i phiên truy cập 39

1.4.18 Chi phí trung bình m i lượt truy cập 39

3

1.4.19 Phần trăm cao, trung bình, thấp của tần suất khách truy cập 40

1.4.20 Trung bình số lượt truy cập của m i khách 40

1.4.21 Phần trăm cao, trung bình, thấp thời gian sử dụng của m i lượt truy cập trên trang web 41

1.4.22 Phần trăm khách truy cập sử dụng tìm kiếm 41

1.4.23 Tỷ lệ chuyển đổi đăng ký 41

1.4.24 Tìm kiếm từ khóa và cụm từ 41

1.5 Các công cụ phân tích Web được sử dụng 42

1.5.1 Phân tích Web bằng Google nalytics 42

1.5.1.1 Mô tả kỹ thuật 43

1.5.1.2 Các tính năng 44

1.5.1.3 Các giới hạn 44

1.5.1.4 Tính chính xác 45

1.5.2 Phân tích Web bằng các công cụ khác 50

1.6 Kết chương 56

CHƯ NG 2: XÂY DỰNG BỘ CHỈ SỐ VÀ THỬ NGHIỆM ÁNH GIÁ TẠI CÔNG TY TNHH HÀ PHƯ NG 57

2.1 Giới thiệu về Công ty TNHH Hà Phương và website www.myhome.net.vn 57

2.2 Xây dựng bộ chỉ số đánh giá phân tích hiệu quả kinh doanh sử dụng các công cụ Web nalytics tại công ty Hà Phương 58

2.2.1 Xây dựng các chỉ số đánh giá 58

2.2.1.1 Lựa ch n phương pháp và khởi tạo danh sách các chỉ số đánh giá 59

2.2.1.2 Phân loại các chỉ số đánh giá không ph hợp 61

2.2.1.3 Ch n các chỉ số đánh giá tối ưu 63

2.3 Áp dụng, cài đặt thử nghiệm trên myhome.net.vn 65

4

2.3.1 Mô hình thu thập dữ liệu 67

2.3.2 Phân tích dữ liệu dựa trên báo cáo của các công cụ Web nalytics 69 2.3.2.1 Tỷ lệ chuyển đổi đơn hàng 71

2.3.2 2 Giá trị trung bình m i đơn hàng 72

2.3.2 3 Doanh thu trung bình m i lượt truy cập 74

2.3.2.4 Chi phí trung bình cho m i chuyển đổi 76

2.3.2.5 Tỷ lệ truy cập của khách mới so với khách c quay trở lại 77

2.3.2.6 Trung bình số lượt xem các trang trên m i phiên truy cập 79

2.3.2.7 Chi phí trung bình m i lượt truy cập 80

2.3.2.8 Trung bình số lượt truy cập của m i khách 81

2.3.2.9 Tìm kiếm các từ khóa và cụm từ 82

2.3.3 Các đặc tính chung của các chỉ số đánh giá thu được 84

CHƯ NG 3: KẾT LU N VÀ KIẾN NGHỊ 89

3.1 Kết luận 89

3.2 Kiến nghị 91

3.3 Hướng phát triển của đề tài 91

TÀI LIỆU TH M KHẢO 93

5

Tác giả luận văn xin cam đoan đây là công trình nghiên cứu của riêng tác giả luận văn đúc kết từ quá trình nghiên cứu từ việc tập hợp các nguồn tài liệu, các kiến thức đã h c đến việc tự thu thập các thông tin liên quan và liên hệ thực tế tại đơn vị công tác Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác

Tác giả luận văn xin cam đoan rằng m i sự giúp đỡ cho việc thực hiện Luận văn này đã được cảm ơn và các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn gốc

Tác giả luận văn xin chịu trách nhiệm về nghiên cứu của mình

c v t ực u v

Vũ V

6

Ả

Trước tiên, tác giả luận văn xin được gửi lời cảm ơn đến tất cả quý thầy cô

đã giảng dạy trong chương trình đào tạo thạc sỹ, Viện Công Nghệ Thông Tin và Truyền Thông, ại h c Bách Khoa Hà Nội, những người đã truyền đạt cho tác giả những kiến thức hữu ích về đánh giá hiệu năng hệ thống làm cơ sở cho tác giả thực hiện tốt luận văn này

Với lòng kính tr ng và biết ơn, tác giả luận văn xin được bày t lời cảm ơn tới PGS.TS Huỳnh Quyết Thắng đã khuyến khích, tận tình hướng dẫn trong thời gian thực hiện luận văn Mặc d trong quá trình thực hiện luận văn có giai đoạn không được thuận lợi nhưng những gì thầy đã hướng dẫn, chỉ bảo đã cho tác giả luận văn nhiều kinh nghiệm trong thời gian thực hiện đề tài

Tác giả luận văn c ng xin gửi lời cảm ơn đến các Phòng ban c ng Ban lãnh đạo Công ty TNHH Hà Phương (Nội thất Myhome) nơi tác giả công tác đã giúp đỡ trong quá trình thu thập dữ liệu và thông tin của luận văn

Sau c ng tác giả luận văn xin gửi lời biết ơn sâu sắc đến gia đình đã luôn tạo điều kiện tốt nhất cho tác giả luận văn trong suốt quá trình h c c ng như thực hiện luận văn Do thời gian có hạn và kinh nghiệm nghiên cứu khoa h c chưa nhiều nên luận văn còn nhiều thiếu, rất mong nhận được ý kiến góp ý của Thầy Cô và các bạn

h c viên

c v t ực u v

Vũ V

7

D Ụ Ì VẼ

Hình 1.1: Sự phát triển trong ngữ nghĩa kinh doanh thông minh [2]

Hình 1.2: Các thông tin thông minh hơn của một tổ chức, những lợi thế cạnh tranh lớn hơn có thể đạt được

Hình 1.3: Quyết định tốt hơn và cải thiện kết quả được cung cấp bởi Analytics Hình 1.4: Các chỉ số (Nguồn Google Analytics)

Hình 1.5 : Các chức năng chính của Google Analytics ( Nguồn Google Analytics) Hình 1.6 : Cài đặt Google Analytics – Tạo tài khoản ( Nguồn Google Analytics) Hình 1.7 : Cài đặt Google Analytics – Đăng nhập ( Nguồn Google Analytics)

Hình 1.8 : Cài đặt Google Analytics – Đăng ký ( Nguồn Google Analytics)

Hình 1.9 : Cài đặt Google Analytics – Nhận ID theo dõi ( Nguồn Google Analytics) Hình 1.10 : Cài đặt Google Analytics – Chấp nhận ( Nguồn Google Analytics) Hình 1.11 : Cài đặt Google Analytics – Lấy mã theo dõi ( Nguồn Google Analytics) Hình 1.12 : Giới thiệu Google Webmaster Tools (Google Webmaster Tools)

Hình 1.13 : Các chức năng chính Google Webmaster Tools (Google Webmaster Tools)

Hình 1.14 : Cài đặt Google Webmaster Tools (Google Webmaster Tools)

Hình 1.15 : Cài đặt Google Webmaster Tools – Thêm trang web (Google Webmaster Tools)

Hình 1.16 : Cài đặt Google Webmaster Tools – Xác mình (Google Webmaster Tools)

Hình 2.1 Biểu đồ mô tả mô hình thu thập dữ liệu

Hình 2.2: Danh sách các KPI ((Nguồn Myhome Account Manage V1.6)

Hình 2.3: Tỷ lệ chuyển đổi đơn hàng theo Tuần (Nguồn Myhome Account Manage V1.6)

Hình 2.4: Giá trị trung bình mỗi đơn hàng (Nguồn Myhome Account Manage V1.6)

9

P Ầ Ở ẦU

Số lượng người d ng Internet của Việt Nam ngày càng tăng nhanh từ 3,1 triệu người sử dụng Internet (năm 2003) đến năm 2012 đã hơn 31,2 triệu người sử dụng Internet [26]

Ngày càng nhiều các doanh nghiệp sử dụng website để bán hàng, để quáng bá thương hiệu, sản phẩm, dịch vụ Các mặt hàng kinh doanh phổ biến như: quần áo, giầy dép, mỹ phẩm, điện thoại, điện máy, sách, các dịch vụ du lịch, quà tặng, dịch

vụ giải trí,… và có nhiều sản phẩm dịch vụ khác đang và sẽ được kinh doanh trên website

Từ năm 2004 trí tuệ doanh nghiệp (Business intelligence) đã được các tác giả trên thế giới nghiên cứu và phân tích web bắt đầu được các nhà khoa h c nghiên cứu rộng rãi từ năm 2006 Tuy nhiên lĩnh vực này hiện nay chưa được các doanh nghiệp tại Việt Nam phát triển và ứng dụng nhất là các doanh nghiệp vừa và nh

Luận văn này tìm hiểu về các công cụ phân tích Web và các chỉ số đánh giá đồng thời đưa ra cách tiếp cận mới trong việc lựa ch n và áp dụng chúng cho ph hợp với yêu cầu, nguồn chi phí và thực tế mua bán hàng trên mạng tại Việt Nam Với mục tiêu chính là nâng cao hiệu quả trong quá trình phân tích đánh giá hiệu quả kinh doanh của doanh nghiệp áp dụng cho các doanh nghiệp vừa và nh có hoạt động kinh doanh bán hàng qua website tại Việt Nam

Luận văn kết giữa việc kế thừa thành quả của các nghiên cứu trước đây từ các nước phát triển đi đầu trong bán hàng trên web và lựa ch n áp dụng thực nghiệm tại một doanh nghiệp cụ thể để đánh giá hiệu quả và đưa ra đề xuất cái tiến cho ph hợp

Nội dung luận văn được phân làm 4 chương:

ươ g 1: Phân tích dữ liệu và các chỉ số đánh giá, các công cụ

ươ g 2: Xây dựng bộ chỉ số đánh giá, cài đặt đánh giá thử nghiệm tại

Công ty TNHH Hà Phương

ươ g 3: Kết luận và kiến nghị của tác giả

“Việc sử dụng dữ liệu rộng rãi , phân tích thống kê và định lượng, khám phá và tiên đoán các mô hình, và quản lý dựa trên thực tế để định hướng quyết định và hành động” Theo nghĩa của một nhóm các công cụ, thay vì công nghệ bên trong và của

bản thân nó, thuật ngữ này đơn giản là áp dụng phương pháp phân tích nâng cao khác nhau và kết hợp chúng để thu thập và phân tích thông tin, và dự đoán kết quả

để giải quyết vấn đề [6] Tương tự như điều này, Laursen và Thorlund (2010)[19]

đã xem xét phân tích doanh nghiệp không chỉ đơn thuần là giải pháp kỹ thuật, như

hệ thống thông tin đó được cấu thành từ ba yếu tố, tức là yếu tố công nghệ, năng lực của con người, và một số các quy trình kinh doanh cụ thể cần phải được h trợ Một

số nghiên cứu mô tả phân tích còn là một phần của Trí tuệ doanh nghiệp, trong đó rất nhiều các kỹ thuật phân tích được sử dụng trong báo cáo trí tuệ doanh nghiệp, ad-hoc và phân tích thời gian thực [6], trong khi định nghĩa khác xác định Phân tích

là không có gì khác nhưng ngữ nghĩa trí tuệ doanh nghiệp mới với nhiều nguyên tắc nâng cao vượt ra ngoài báo cáo và phân tích là một trong các công cụ trí tuệ doanh nghiệp truyền thống [19]

1.1.2 Quá trì p át tr ể p â tíc dữ u

Theo Eckerson [1] đã có một sự phát triển của điều khoản hạch toán vào biểu hiện trong lĩnh vực báo cáo kinh doanh và phân tích Chuyên gia kinh doanh với những giả thuyết và các nhà cung cấp với các công nghệ mới đã tạo ra một thuật

11

ngữ mới để khôi phục lại những ý tưởng của h , các sản phẩm, và các lĩnh vực [16] Một làn sóng các xu hướng và những kỳ v ng đã xuất hiện trên từng thuật ngữ mới, trong khi một số bất cập của việc áp dụng trong thời gian dài có thể kêu g i m i người đến với một điều khoản cải tiến Trình tự thời gian cho đến khi trở thành một phân tích được biết như là một thuật ngữ xa lạ để tối ưu hóa kinh doanh trong các doanh nghiệp được mô tả trong phần dưới đây

Từ thập niên 1960 đến 1980: Hỗ trợ quyết định

Nhiều chuyên gia trí tuệ doanh nghiệp đã tin rằng quá trình ra đời của phân tích đã bắt nguồn từ từ hệ h trợ ra quyết định [3] Các khái niệm về hệ thống máy tính dựa trên tương tác đã được sử dụng để phân tích dữ liệu và h trợ quyết định xuất hiện sớm nhất là vào cuối năm 1960 Sau đó vào những năm cuối của thập niên

1970, một số công ty đã sử dụng dữ liệu và mô hình trong các hệ thống thông tin tương tác cho các nhà quản lý để phân tích các vấn đề cấu trúc xấu Từ năm 1980,

hệ h trợ quyết định được công nhận là công cụ h trợ trong việc giúp đỡ các nhóm quyết định và ra quyết định cá nhân để cải thiện quy trình kinh doanh rộng rãi trong giao dịch phong phú doanh nghiệp, quản lý tài chính, và các quyết định chiến lược

ôi khi nó được g i là theo chiều d c thị trường hoặc ngành hệ h trợ ra quyết định

cụ thể [21]

12

Hình 1.1: Sự phát triển trong ngữ nghĩa trí tuệ doanh nghiệp [16]

Sau đó công nghệ hệ h trợ ra quyết định được thiết kế để nhắm vào quản lý cấp cao và nó đã phát triển để tập trung hơn trong ad-hoc phân tích quyết định cho mục đích cụ thể, c ng thường xuyên trong thời gian thực Hệ thống này được g i là

hệ thống thông tin điều hành [4] Hơn nữa, một yêu cầu cho IS đã được tạo nên để nhắm mục tiêu các hoạt động chuyên môn và quản lý trong việc tạo ra, thu thập, tổ chức, và phổ biến kiến thức trong một tổ chức, trái ngược với "dữ liệu" hoặc "thông tin" iều này thường đề cập đến trong hệ thống quản lý kiến thức (KMS)

Sự đóng góp của ba hệ thống nói trên đã được công nhận trong việc cải thiện khả năng ra quyết định cá nhân và tổ chức iều này sẽ tiếp tục là những thành phần quan tr ng của công nghệ thông tin trong tổ chức Truyền thống của hệ h trợ ra quyết địn đã được thiết lập vững chắc trong dòng chính của thực tiễn và sử dụng các ứng dụng hệ thống thông tin ra quyết định đã trở thành một thực tế phổ biến để giải quyết vấn đề trong những thách thức kinh doanh hiện tại một cách kịp thời hơn và

dễ dàng tiêu thụ hơn [14]

Trong thập niên 1990: Kho dữ liệu

Rất nhiều các yêu cầu ở các thời kỳ trên kho dữ liệu đã được giải quyết trong quá khứ do cơ sở dữ liệu hệ thống quản lý phân phối, truy cập dữ liệu trực tiếp từ

13

các cơ sở dữ liệu giao dịch với "hòn đảo của dữ liệu" vẫn còn là một vấn đề Ứng dụng máy tính thực sự được phân cấp và cần một giải pháp mới để tối ưu và thao tác dữ liệu Trước đó vào cuối thập niên 80, Devlin và Murphy (1988), lần đầu tiên

đã mô tả kiến trúc kho dữ liệu và công bố trên hệ thống IBM Journal [11] Vào đầu những năm 1990, các chuyên gia công nghệ thông tin được sử dụng một cách tiếp cận mới để báo cáo và phân tích dữ liệu được g i là "kho dữ liệu" H tập trung vào việc thu thập và giải nén dữ liệu ra kh i hệ thống hoạt động và đưa vào một cơ sở

dữ liệu được tối ưu không phân biệt số lượng các ứng dụng khác nhau hoặc các nền tảng Sau khi trải qua một cấu trúc nặng nề của việc xây dựng một kho dữ liệu, tổ chức nhận ra rằng vẫn còn có sự đảm bảo rằng những người kinh doanh sẽ được sử dụng các ứng dụng của nó

Trong thập niên 2000: Trí tuệ doanh nghiệp

Thuật ngữ này được sử dụng lần đầu tiên vào năm 1989 bởi Howard Dressner, một trong những nhà nghiên cứu tại Gartner Group [5] Ông đã mô tả trí tuệ doanh nghiệp là thuật ngữ chung của các khái niệm và phương pháp để cải thiện việc ra quyết định h trợ dựa trên thực tế Tuy nhiên, vào đầu những năm 2000, các chuyên gia công nghệ thông tin bắt đầu tập trung vào việc sử dụng kho dữ liệu để báo cáo trên nền Web và các công cụ phân tích được nhiều người d ng thân thiện cho cộng đồng doanh nghiệp, và làm cho công việc kinh doanh riêng của mình thông minh hơn Kể từ đó, thuật ngữ "Trí tuệ doanh nghiệp" trở thành từ hấp dẫn các ngành công nghiệp kinh doanh – Công nghệ thông tin Không giống như các hệ thống h trợ ra quyết định trước đây rằng có những đặc điểm như cơ sở dữ liệu hạn chế, mô hình, và chức năng giao diện người d ng, hệ thống trí tuệ doanh nghiệp là

hệ thống h trợ quyết định hướng dữ liệu [21]

Từ năm 2005 đến năm 2010: Quản lý hiệu quả

Các ngành công nghiệp kinh doanh công nghệ thông tin đã cố gắng để tạo ra một ngữ nghĩa mới và tập trung vào kết quả kinh doanh Thuật ngữ "quản lý hiệu quả" được tạo ra để loại b đi những giám đốc điều hành kinh doanh với hiệu suất hoạt động tốt hơn các biểu đồ, bảng điểm cân bằng, và các công cụ lập kế hoạch sắp

14

xếp chiến lược kinh doanh của tổ chức với mục tiêu công nghệ thông tin và tối ưu hóa hiệu suất ở tất cả các cấp của tổ chức Ngay sau đó các giám đốc điều hành công nhận khó chịu trong việc xác định các số liệu và các mục tiêu ở các chỉ số đánh giá mà thường phụ thuộc vào chu i các phiền phức và khó khăn như trong phương pháp tiếp cận từ trên xuống

Từ năm 2010 tới nay: Phân tích

Nhiều tác giả khoa h c từ nghiên cứu và thực tế đã thừa nhận tính ưu việt của thuật ngữ "Phân tích" có được từ giám đốc điều hành kinh doanh từ Tom Davenport và Jeanne Harris đã phát hành cuốn sách ảnh hưởng của h có tựa đề

"Cạnh tranh về phân tích" năm 2007 [1] [17] Một lợi thế cạnh tranh đặc biệt đã được tìm kiếm bởi các tổ chức nhấn mạnh sự nhanh nhẹn trong cách tận dụng thông tin để đưa ra quyết định thông minh hơn Phân tích ban đầu được g i là mô hình cải tiến thống kê với sự giúp đỡ của các công cụ phân tích Sau phân tích đã được coi là một ngành h c trước trong phạm vi trí tuệ doanh nghiệp mà rất nhiều kết hợp với giải pháp kỹ thuật đó đi vượt ra ngoài báo cáo BI truyền thống và phân tích cho người d ng cuối trong việc tạo ra biên giới của lợi thế cạnh tranh bền vững [19]

Sự tiến hóa của thuật ngữ phân tích nhìn thấy trong hình 1 bắt đầu từ năm

1990 như là giai đoạn người d ng đầu tiên được biết đến như kho dữ liệu vào dòng chính sớm nhất trong thị trường trí tuệ doanh nghiệp [1] Nền tảng điện toán khác nhau mà các công nghệ BI đang chạy trên đã được xác định là tốt Các cơ sở hạ tầng điện toán đã phát triển trong sự thay đổi đáng kể trong những năm qua, từ máy tính lớn và tiểu máy tính trong thập niên 1980 và cơ sở hạ tầng của khách hàng, dịch vụ trong thập niên 1990, cho Web và dịch vụ Web trong đầu thập niên 2000 Sự gia tăng của điện toán di động và điện toán đám mây xuất hiện ở khắp m i nơi trong những ngày này Khi thị trường trí tuệ doanh nghiệp được chứng minh để có thể thay đổi và đổi mới công nghệ, sản phẩm và phương pháp luận của nó sẽ được tự phục vụ tốt hơn các công cụ trí tuệ doanh nghiệp như việc sử dụng các dịch vụ di động và điện toán đám mây, sự xuất hiện của phân tích sẽ mở ra một cơ hội mới

Hình 1.2: Các thông tin thông minh hơn của một tổ chức, những lợi thế cạnh tranh lớn hơn có thể đạt được [12]

nghĩa của phân tích, Lustig et al (2010)[20] phải phân biệt những phân tích trong

ba điểm: Phân tích mô tả, phân tích dự đoán, phân tích quy tắc

1.1.4.2 P â tíc mô tả

Các đại diện của một bộ các dữ liệu được sử dụng là để hiểu và phân tích hiệu quả kinh doanh của các đường gửi c ng như các sự kiện thời gian thực ây là

ba loại lĩnh vực kỹ thuật phân tích được công nhận nhằm trả lời ba câu h i sau:

- Báo cáo chuẩn và biểu đồ (ví dụ như ngân sách, bán hàng, doanh thu và

chi phí): iều gì đã xảy ra? iều gì đang xảy ra bây giờ? Làm thế nào để

so sánh với kế hoạch của chúng tôi?

- Báo cáo ad-hoc: Bao lâu thì một sự kiện cụ thể xảy ra? Bao nhiêu? Ở

đâu?

- Phân tích chiều sâu: Tại sao nó lại xảy ra? Vấn đề cụ thể là gì?

Phân tích mô tả cung cấp hiểu biết quan tr ng vào hiệu quả kinh doanh, và cho phép người d ng doanh nghiệp sử dụng để giám sát tốt hơn và quản lý quy trình kinh doanh Tuy nhiên, nó chỉ dựa vào khả năng của con người để xem xét một số các dữ liệu để tạo ra hiểu biết sâu sắc về những gì đang xảy ra hoặc đã xảy ra trong quá khứ Các kỹ thuật vững chắc để tạo thuận lợi cho dự đoán về những gì có thể xảy ra trong tương lai, hoặc các công cụ để đề xuất các quyết định về những gì cần làm tiếp theo, không còn nằm trong loại phân tích Tổ chức đặc trưng có hiệu quả

có thể sử dụng mô tả phân tích với một góc nhìn duy nhất, chứ không phải là quan điểm khác nhau về cách h nhìn quá khứ và tập trung sự chú ý vào hiện tại Ngoài

17

ra, loại này thường được coi là bước khởi đầu để phục vụ cho một áp dụng thành công cho dự đoán hoặc quy tắc phân tích

1.1.4.3 P â tíc dự đoá

ây là loại phân tích có thể được mô tả kỹ lưỡng để ý tưởng của Davenport

và Harris được sử dụng rộng rãi về dữ liệu và kỹ thuật thống kê để tìm ra thuyết minh và mô hình dự báo cho hiệu quả kinh doanh Những mô hình kế thừa các mối quan hệ giữa các dữ liệu đầu vào và đầu ra kết quả Phân tích dự đoán áp dụng các

kỹ thuật tiên tiến khác nhau để thực hiện "dự đoán" về tương lai dựa trên sự hiểu biết về quá khứ Nó sử dụng các kỹ thuật phân khúc hay nhóm số lượng dữ liệu thành tập hợp nhất quán như phân nhóm, cây quyết định, và các mạng nơron Hầu hết các kỹ thuật được sử dụng là:

- Khai thác dữ liệu: các hoạt động như xem xét các kịch bản trong chu i

thời gian, đánh giá dữ liệu và xu hướng trong quá khứ để dự đoán nhu cầu tương lai (mức độ, xu hướng, tính giai đoạn), có thể được sử dụng

như một hướng dẫn để trả lời các câu h i như: "Những khách hàng nào

có nhiều khả năng mua sản phẩm của chúng tôi?","Những bệnh nhân nào

có nhiều khả năng để đáp ứng với điều trị được?"

- Nhận dạng và thông báo mô hình: mẫu được trích xuất từ một số lượng

dữ liệu để dự đoán hành vi tuyến tính có thể được sử dụng để quyết định

về hành động sẽ được thực hiện trong tương lai, ví dụ như để nhận ra giao dịch đáng ngờ trong ứng dụng bảo hiểm mà các yêu cầu trong tương lai

có thể được gắn cờ là một gian lận có thể cần phải tiếp tục điều tra

- Mô phỏng Monte-Carl: bằng cách thực hiện một mô hình thuật toán hoặc

các cấu trúc toán h c theo các kịch bản khác nhau, một dự đoán hay ước lượng của hành vi trong tương lai sẽ được biết đến trước khi sự kiện thực

sự với khả năng cao sẽ xảy ra

- Dự báo: đây là kỹ thuật được áp dụng nhiều nhất được sử dụng trong các

quá trình kinh doanh mà không phải là duy nhất để dự báo khối lượng

18

công việc mà còn bao gồm cả kế hoạch doanh nghiệp như nguồn nhân lực cần thiết để thực hiện các hoạt động dự báo vào trạng thái mong muốn về sau C ng với những cột mốc cuối c ng của các hoạt động tuân thủ thoả

thuận kế hoạch hoạt động liên quan đến hệ thống quản lý hiệu quả

- Phân tích nguyên nhân gốc rễ: cố gắng tìm một câu trả lời cho câu h i

"Tại sao chuyện gì xảy ra?"

- Mô hình dự báo: tương tự như các kỹ thuật phân tích tiên tiến khác để

cung cấp thông tin những gì sẽ xảy ra tiếp theo nếu có chuyện gì xảy ra Các quy trình hoạt động thời gian thực nhằm mục đích để bị tác động trong các hoạt động như xác định thời gian thực của các giao dịch đáng ngờ từ các công

ty bảo hiểm, hoặc duy trì khách hàng thông qua tin nhắn chat Các dự đoán khác

c ng được thực hiện để nhắm mục tiêu đến khách hàng mới trên các trang Web, để trực tiếp mail cho hướng cross-sell / up-sell hay để nhận ra các mẫu hoặc các mối quan hệ có thể được suy ra trong thời điểm Dữ liệu mô tả từ nalytics (tức là dữ liệu mô tả như nhân khẩu h c, đặc tính của cá nhân) được kết hợp với dữ liệu hành

vi (giao dịch, thanh toán, lịch sử đơn đặt hàng), tương tác dữ liệu (bảng chat, mail), và các dữ liệu về thái độ (sở thích, ý kiến) để có được một cái nhìn đầy đủ trong dự đoán nalytics ặt c ng quan điểm tĩnh của quá khứ từ nalytics mô tả theo cách lặp đi lặp lại các đánh giá, việc phân loại, và phân loại bởi các thuật toán nhanh, một biện pháp thích ứng có thể được sử dụng

e-1.1.4.4 P â tíc quy tắc

Các kiểu cải tiến chủ yếu của Phân tích là quy tắc mà người d ng doanh nghiệp đang hoạt động để triển khai các quyết định hành động thời gian thực khi đối diện một loạt các vấn đề kinh doanh Nó bao gồm một tập hợp các kỹ thuật toán h c tính toán tạo ra phương án hành động vững chắc, quyết định trong phạm vi yêu cầu đưa ra, mục tiêu và những hạn chế Như vậy, không những dự đoán mà c ng cung cấp các quyết định giá trị cao cho các hành động để cải thiện hiệu quả kinh doanh là mục tiêu của loại hình Phân tích này Nó bao gồm các khu vực nơi mà các phản ứng

19

tốt nhất hoặc hành động là cốt yếu để giải quyết vấn đề kinh doanh trong những hoàn cảnh nhất định hoặc nguồn lực hạn chế của các tổ chức Các kỹ thuật phân tích được sử dụng ở đây được dựa trên khái niệm về tối ưu hóa, được phân thành hai lĩnh vực:

- Tối ưu hóa; làm thế nào để đạt được kết quả tốt nhất?

- Tối ưu hóa ngẫu nhiên; tìm ra con đường tốt nhất để đạt được kết quả tốt

nhất và giải quyết sự không chắc chắn về dữ liệu trong theo cách mà mức

độ rủi ro có thể được giảm thiểu và do đó quyết định tốt hơn có thể được thực hiện để tối đa hóa hiệu quả kinh doanh

Tối ưu hóa đóng một vai trò thiết yếu trong việc quyết định mô hình hóa một

hệ thống sản xuất tiềm năng Tối ưu hóa này được áp dụng trong nhiều ngành công nghiệp khác nhau, từ lập kế hoạch hoạt động cho các kế hoạch dài hạn để đáp ứng các ràng buộc và yêu cầu của h Ngoài ra, trong kỹ thuật phân tích dự đoán phân tích này có thể được kết hợp với tối ưu hóa, được g i là tối ưu hóa ngẫu nhiên mà không chắc chắn được đưa vào tài khoản và số lượng lớn các ứng dụng giao dịch không được áp dụng

Việc phân loại các phân tích có thể được coi như các ứng dụng đa dạng trong trí tuệ doanh nghiệp Trong "Phân tích nâng cao" đề cập đến dự đoán và phân tích quy tắc, nơi các kỹ thuật phân tích áp dụng được hạch toán là các thuật toán toán

h c toàn diện và vượt quá các kỹ thuật được sử dụng trong trí tuệ doanh nghiệp So sánh với điều này, Davenport và Harris đã phân loại phân tích quy tắc s như là phân tích dự đoán tối ưu hóa và vẫn được coi là những tiên đoán thông minh [12]

1.1.5 Phân tích giúp ra các quyết định tốt hơn

Do môi trường linh hoạt và không thể dự đoán trong tình hình hiện nay, các

tổ chức bắt buộc phải sở hữu sự linh hoạt chiến lược, hoạt động và chiến thuật của mình Các tổ chức cần phải tiếp thu tình hình mới một cách nhanh chóng và phản ứng với sự thận tr ng tối đa và sự cố gắng tại thời điểm cần thiết Ra quyết định,

c ng được g i là giải quyết vấn đề, có thể được coi như là thay thế lựa ch n dựa

20

trên các tiêu chí nhất định hoặc dưa trên một số cơ sở trong số lựa ch n thay thế có sẵn khác Quyết định cần được đưa ra dựa trên nhiều tiêu chí chứ không phải là một tiêu chuẩn duy nhất, và thường liên quan đến nhiều bên [9]

Hình 1.3: Quyết định tốt hơn và cải thiện kết quả được cung cấp bởi phân tích [15]

Bằng cách áp dụng phân tích để đạt được cái nhìn sâu sắc, từ các hoạt động kinh doanh hàng ngày của doanh nghiệp

Phân tích cho phép việc ra quyết định ở tốc độ cao hơn để được đo lường trong cả hành động và kết quả và có thể cho được kết quả mới có hiệu suất cao [15] [13]

1.2 ỉ số số đá g á

1.2.1 o ườ g, đo và c ỉ số đá g á

Trước khi đi vào sâu hơn tới thể loại và sự phát triển của chỉ số đánh giá các điềulệ khác cần phải được làm rõ o lường hiệu suất, số liệu và các chỉ số hoạt động quan tr ng là có mối quan hệ với nhau trong nhiều lĩnh vực, do đó việc sử dụng các thuật ngữ có thể trở thành một chút bị lẫn lộn Chú ý rằng các thuật ngữ đó được định nghĩa từ quan điểm của phân tích Web và cách h sử dụng về sau

21

1.2.1.1 o ườ g

tkinson định nghĩa đo lường như sau [2]:

“Các đo lường mô tả thành công như thế nào trong việc đạt được một mục tiêu sẽ được xác định Các đo lường cung cấp đặc trưng và làm giảm sự nhập nhằng mà điều này có trong các phát biểu báo cáo”

Hai công ty muốn liên doanh gia nhập một thương mại điện tử sẽ phải đồng ý theo các đo lường nhất định Cả hai công ty theo dõi khách truy nhập vào trang web của mình Tuy nhiên thuật ngữ “khách” được giải thích khác nhau Công ty quan tâm tổng số lần truy cập trong khi công ty B tham chiếu số lượng người truy cập Do đó,

dữ liệu của công ty sẽ phản ánh tất số lần truy cập bao gồm cả số lần truy cập từ những người truy cập giống nhau (c ng một người truy cập nhiều lần), trong khi đó

dữ liệu của công ty B chỉ đơn giản là phản ánh số lượng khách khác nhau Vì vậy khi tạo công ty C, thuật ngữ sử dụng cho “khách” nên được đặt trong một đo lường duy nhất, mã sẽ trở lại tín hiệu c ng một ý nghĩa với cả hai công ty mẹ

1.2.1.2 đo

Trong phân tích web, hệ đo đại diện cho những con số thực tế cụ thể được cung cấp trong báo cáo Ví dụ trong Google nalytics, hệ đo có thể là thời gian trên trang, số trang được xem trên m i khách, tốc độ bounce, tổng số tiền mua

Xem hình 4 minh h a của các hệ đo

Hình 1.4: Các chỉ số (Nguồn Google Analytics)

22

Kotler định nghĩa ơn vị Marketing như sau “tập của các đo lường giúp các doanh nghiệp xác định số lượng, so sánh và giải thích hiệu quả tiếp thị của h " [18] Lưu ý cách Kotler sử dụng thuật ngữ “đo lường” để xác đinh đơn vị

1.2.1.3 ỉ số đá g á

Từ điển trực tuyến www.webopedia.com định nghĩa chỉ số đánh giá là: “Chỉ

số đánh giá giúp các tổ chức đạt được các mục tiêu tổ chức thông qua việc xác định

và việc đo lường sự tiến bộ Các chỉ số chính được thống nhất bởi một tổ chức và là các chỉ số có thể đo lường được sẽ phản ánh các yếu tố thành công Chỉ số đánh giá được chọn phải thể hiện mục tiêu của tổ chức, chúng phải là chìa khóa cho sự thành công và chúng phải đo lường được Những chỉ số hoạt động quan trọng thường được xem xét lâu dài cho một tổ chức” [25]

Thuật ngữ chỉ số đánh giá đến một giới hạn nào đó, không rõ ràng vì thuật ngữ này được sử dụng rộng rãi và khác biệt về nghĩa giữa các cá nhân [7] Burby &

tchison đơn giản hóa các định nghĩa như sau “… Một chỉ số đánh giá là một đo lường hiệu suất dựa trên các mục tiêu quan trọng nhất trên trang web”

Liên quan đến phân tích web, Clifton định nghĩa chỉ số đánh giá là “… một

đo lường web đó là điều cần thiết cho sự thành công của tổ chức trực tuyến.” [10]

Các điểm nhấn mạnh cần thiết của chỉ số đánh giá là để làm rõ rằng m i đo lường sử dụng không nhất thiết phải được phân loại như một chỉ số đánh giá iều này sẽ được minh h a bởi các ví dụ sau:

Thương mại điện tử có hai bộ phận: Vận hành và thiết kế Web Các doanh nghiệp

23

- Từ khóa

- Các mẫu điều hướng

Nhìn chung, chúng có thể được g i là chỉ số đánh giá và được liên kết tới các mục tiêu kinh doanh cụ thể Người đứng đầu của hai bộ phận báo cáo trên tất cả 6 chỉ số đánh giá trên cơ sở hàng tuần Cả hai xem xét tất cả các đo lường Toàn bộ các đo lường được cho là hấp dẫn, tuy nhiên người quản lý tập trung vào dữ liệu mà

h có thể thực hiện trên đó Ví dụ này minh h a rằng chỉ số đánh giá nói chung Chỉ

số đánh giá có khả năng được gán cho cả ba mức quản lý (chiến lược, quản lý và các thực thi Clifton viết như sau [10]:

“Nếu một sự thay đổi 10%, tăng hay giảm, trong một chỉ số đánh giá không làm bạn ngồi lên và gọi cho ai đó để tìm hiểu những gì đã xảy ra, sau đó nó không được xác định rõ ràng Các một chỉ số đánh giá tốt tạo ra những kỳ vọng và hành động cố gắng, và vì điều này chúng là một nhóm nhỏ các thông tin từ các báo cáo của bạn”

1.2.2 P â b t c ỉ số đá g á và các mục t u k doa

Theo định nghĩa trước đó, chỉ số đánh giá là sự đo lường trên các mục tiêu kinh doanh cụ thể Quá trình tạo ra các mục tiêu kinh doanh nằm ngoài phạm vi của nghiên cứu này iều này ngụ ý rằng các mục tiêu kinh doanh đã được thiết lập trước khi bắt đầu cuộc nghiên cứu của việc sử dụng phân tích Web trong kinh doanh Vì vậy việc tạo ra chỉ số đánh giá không nên bị hiểu sai thành là việc tạo ra các mục tiêu kinh doanh Chúng ta phải phân biệt chỉ số đánh giá và mục tiêu kinh doanh Ví dụ, để xác định một người béo hay gầy ta có thể suy đoán kết quả mà không cần các công cụ đo lường Nhưng khi áp dụng công cụ đo lường ta có thể

d ng hai phương pháp Một phương pháp là đo xung quanh thắt lưng, và chiều dài

sẽ là chỉ số đánh giá Phương pháp thứ hai là đo cân nặng thì kilogam là chỉ số đánh giá Mục tiêu là giảm 5kg hoặc 7cm quanh thắt lưng có thể được thiết lập, trong đó

sử dụng chỉ số đánh giá nhưng không phải là những mục tiêu thực tế Mục tiêu thực

tế chứ không phải chỉ số đánh giá, có thể là ví dụ cải thiện sức kh e, ảnh hưởng tích cực đối với sự tự tin hay nâng cao ngoại hình

24

1.2.3 Xây dự g c ỉ số đá g á

Clifton trình bày 6 bước để chuẩn bị xây dựng chỉ số đánh giá, mà sẽ được

sử dụng như một khung để xử lý quá trình tạo ra chỉ số đánh giá như sau [10]:

- Thiết lập các mục tiêu và kết quả cần đạt được

- Chuyển mục tiêu và kết quả cần đạt được thành chỉ số đánh giá

- ảm bảo chỉ số đánh giá có thể hoạt động và có khả năng chịu trách nhiệm

- Tạo các báo cáo chỉ số đánh giá phân cấp

1.2.3.1 T ết p mục t u và kết quả cầ đạt được

Clifton chia quá trình xác định mục tiêu thành 4 bước [10]:

- Vạch ra các bên liên quan

25

bởi webopedia.com bao gồm “ …các chỉ số chính được thống nhất bởi một tổ chức

và là chỉ số có thể đo được sẽ phản ánh các yếu tố thành công” [25]

Các tổ chức phải xác định các mục tiêu của trang web và kết quả có thể đo lường được [10] Nó được cho là quan tr ng vì các bên liên quan có hiểu biết hạn chế về phân tích web Mục tiêu là có thể tạo ra nhiều doanh thu và tăng lưu lượng truy cập, c ng như có một cái nhìn sâu sắc toàn cảnh hơn Một ví dụ, chúng ta có thể xác định được các sản phẩm không phổ biến nhất và loại b chúng kh i các trang web, đó là mục tiêu, bằng cách phân tích lưu lượng truy cập vào các nội dung

đó là kết quả Clifton lập luận nó không phải là khả thi để đưa một danh sách dài các mục tiêu và kết quả cần đạt được tới các nhà quản lý, ông cho rằng mục tiêu và kết quả cần đạt được có lẽ sẽ cần nhiều hơn một chỉ số đánh giá để đo lường nó Ông đề xuất chắt l c nó xuống 5 mục tiêu và kết quả cần đạt được quan tr ng nhất, cho m i nhà quản lý, và n lực để nhóm chúng lại [10] Một phần của quá trình này phải đảm bảo rằng chỉ số đánh giá ph hợp với các mục tiêu kinh doanh

1.2.3.2 ưa mục t u, kết quả cầ đạt được vào tro g các c ỉ số đá g á

Bây giờ ta cần xác định các hệ đo web, có thể hoạt động như một chỉ số đánh giá, cho một mục tiêu nhất định Clifton cung cấp một danh sách các gợi ý để dịch chuyển mục tiêu thành chỉ số đánh giá [10]:

Mục tiêu, kết quả cần đạt được Đề xuất chỉ số đánh giá

ể xem lưu lượng truy cập nhiều

hơn từ các công cụ tìm kiếm

Tỷ lệ khách truy cập từ công cụ tìm kiếm

Tỷ lệ chuyển đổi từ khách truy cập công cụ tìm kiếm

ể xem nhiều sản phẩm hơn Tỷ lệ phần trăm của các lượt truy cập thêm vào

gi hàng

Tỷ lệ phần trăm các lượt truy cập hoàn thành thêm vào gi hàng

26

Tỷ lệ truy cập vào gi mua hàng không thành công

ể thấy khách tham gia với

nhiều website của chúng ta

Tỷ lệ truy cập để lại một bình luận blog hoặc tải một tài liệu

Tỷ lệ truy các lượt truy cập hoàn tất một mẫu liên hệ với chúng ta hoặc bấm vào liên kết gửi mail

Thời gian trung bình trên trang web m i lượt thăm

ộ sâu trang trung bình m i lần thăm

ể bán nhiều sản phầm tới khách

hàng

Giá trị đặt hàng trung bình Trung bình số mặt hàng trên m i lần giao dịch Nâng cao trải nghiệm của khách

hàng

Tỷ lệ truy cập chỉ thăm một trang duy nhất

Tỷ lệ tìm kiếm trang web nội bộ mà không có kết quả

Tỷ lệ truy cập dẫn đến một yêu cầu h trợ được gửi đi

1.2.4 ảm bảo tí oạt độ g và c ịu trác m của các c ỉ số đá g á

Eric T Peterson và Brian Clifton đề xuất các phương pháp giống hệt nhau liên quan đến việc hoạt động dựa trên chỉ số đánh giá Người ta đặt ra hai câu h i [22] [10]:

- Nếu hệ đo này giúp cải thiện 10%, tôi nên chúc mừng ai?

- Nếu hệ đo này giảm 10%, tôi nên liên lạc với ai?

27

- Nếu thiếu khả năng trả lời hai câu h i này, Clifton cho rằng chỉ số đánh giá cần được loại b kh i danh sách [10] trong khi Peterson h i liệu đó là một chỉ số đánh giá ở tất cả [22], Peterson c ng lập luận rằng người ta chỉ cần dữ liệu mà h trợ được quá trình ra quyết định và do đó nó cần rõ ràng và có thể hoạt động được [22]

1.2.5 Tạo các báo cáo c ỉ số đá g á p â cấp

Bước này có liên quan trực tiếp đến các ví dụ được cung cấp trong phần chỉ

số đánh giá Cần giữ sự chú ý và ràng buộc giữa các dữ liệu liên quan khi trình bày với một người nhận Mối liên hệ tương quan tích cực theo Clifton [21 Eric Peterson diễn đạt như sau trong tác phẩm “The Big Book of Key Performance Indicators” [22]: Nghiêm túc, đừng gửi m i người 50 chỉ số đánh giá và không báo cáo các chỉ số hoạt động chính chỉ nên có ít hơn một các hệ đo [22] Peterson lặp đi lặp lại quan điểm của mình đã đề cập ở bước cuối c ng, cần có đủ dữ liệu, và cần phải có sự liên kết

1.2.6 Xác đị các c ỉ số đá g á t à p ầ

Chỉ số đánh giá thành phần là tương đương thuật ngữ “vi chuyển đổi” theo Clifton [10] Một ví dụ tốt về một phần chỉ số đánh giá, là các bước riêng biệt trong quá trình mua hàng ví dụ như thêm sản phẩm vào gi hàng, đăng ký và xác nhận thanh toán M i bước trong quá trình này bao gồm một nguy cơ thiếu sót, do đó việc xác định các điểm với tỷ lệ bị hủy b lớn nhất có thể thành công [7] Thuật ngữ

“phần – partial” ngụ ý rằng các chỉ số đánh giá là một phần của chỉ số tổng thể, trong khi m i bước đã đề cập ở trên là một phần của các chỉ số đánh giá “tỷ lệ chuyển đổi” [10] Tỷ lệ chuyển đổi là một chỉ số đánh giá thường được xác định bởi [22]:

Tỷ lệ chuyển đổi = Tổng số đơn đặt hàng tổng số lượt khách

1.2.7 ủ g cố ạ các c ỉ số đá g á

Bước cuối c ng trong danh sách kiểm tra việc chuẩn bị của Clifton là củng

cố danh sách các chỉ số đánh giá Sự nhấn mạnh nên được đưa vào đánh giá xem

28

các chỉ số đánh giá có chồng lên nhau và củng cố chúng [10], giả định rằng một số bên liên quan có nhu cầu khác chỉ số đánh giá Ngoài ra, Clifton cho rằng người ta cần phải đánh giá xem các cấu trúc chỉ số đánh giá thực sự là những hệ đo quan

tr ng nhất, hoặc nếu h giảm xuống hoặc hợp nhất thành một chỉ số đánh giá quan

tr ng [10] Một lần nữa, danh sách các chỉ số đánh giá nên chú ý chứa một v ng được giới hạn

Clifton cho rằng một chỉ số đánh giá “nên đại diện ít nhất 10% tổng thể - vì vậy không quá 10 chỉ số đánh giá được phép” [10] Burby & tchison h trợ quan điểm này với gợi ý một hạn chế của 5-8 chỉ số đánh giá, t y thuộc vào vai trò các bên liên quan trong tổ chức [7] Peterson có một mô hình tổng hợp số chỉ số đánh giá ông xác nhận [22] :

- Chiến lược gia cao cấp nên ch n 2-5 chỉ số đánh giá

- Chiến lược gia cấp trung nên ch n 5-7 chỉ số đánh giá

- Chiến lược gia cấp cơ sở nên ch n 7-10 chỉ số đánh giá

iểm mấu chốt là các chuyên gia ủng hộ việc hạn chế số lượng chỉ số đánh giá trong một báo cáo cho một bên liên quan cụ thể Quá trình tạo chỉ số đánh gia không nên được coi là một phiên một lần, từ kinh nghiệm thực tế hoặc sự thay đổi môi trường kinh doanh có thể yêu cầu cải tiến hoặc thay đổi trong danh mục chỉ số đánh giá đầu tư [10]

1.2.8 ác oạ c ỉ số đá g á

Fulvio Barbuio, người đứng đầu hiện tại của “Corporate Treasure & Performance Measurement” cho “ ustralian Broadcasting Corporation” ( BC), liệt kê những lý do cho việc sử dụng chỉ số đánh giá cho việc đo lường hiệu quả [8]:

- Truyền đạt một sự trao đổi hiệu suất

- Nâng cao chất lượng quản lý và ra quyết định

- Xác định xem liệu quản lý có đang hướng tới mục tiêu của h

29

- Giúp giao tiếp và sắp xếp chiến lược của tổ chức

- Cung cấp tính minh bạch và trách nhiệm giải trình đối với các bên liên quan

- Duy trì tập trung vào cải thiện liên tục

Danh sách này mô tả cách những khái niệm và cách sử dụng chỉ số đánh giá

có thể đa dạng, tạo ra một sự cần thiết của các loại chỉ số đánh giá khác nhau www.smartkpis.com liệt kê 3 cách phân loại các chỉ số hiệu suất và các ví dụ được xây dựng cho mục đích minh h a

ỉ số đá g á đị ướ g : là tương lai được định hướng và có các biện pháp

như tiên đoán đặc tính Những loại chỉ số đánh giá được sử dụng cho ví dụ dự báo

xu hướng hoặc để dự kiến các vấn đề

ỉ số đá g á quá k ứ : là tính định hướng quá khứ và sự tập trung vào các kết

quả lịch sử Những loại chỉ số đánh giá được sử dụng cho ví dụ đánh giá quy trình kinh doanh hoặc tác động đến các chiến dịch tiếp thị

ỉ số đá g á trù g ặp : là hiện tại được định hướng và sẽ được linh hoạt cho

ph hợp Những loại chỉ số đánh giá được sử dụng cho ví dụ hamburger đã sẵn sàng

để bán tại một nhà hàng thức ăn nhanh hay số lượng bệnh nhân chăm sóc chuyên sâu cấp tính ở chế độ chờ (www.smartkpis.com) bất kể khoảng thời gian, một chỉ

số đánh giá có thể được đo lường chất lượng hoặc số lượng, đưa ra các định nghĩa

và sử dụng rộng rãi các chủ thể

1.2.9 ác đặc đ ểm c ỉ số đá g á tốt

Sau đây là một vài phạm vi, một bản tóm tắt về những lý thuyết trước đây các đặc điểm tốt của chỉ số đánh giá Danh sách này được cung cấp bởi www.smartkpis.com và nên được coi như là một danh sách kiểm tra các đặc điểm của một chỉ số đánh giá lý tưởng nhất là nên có Tuy nhiên, một số đặc điểm sau đây có thể không áp dụng được cho tất cả các chỉ số đánh giá

1.2.9.1 Tính liên kết

mà có lẽ được sử dụng bởi hầu hết các tổ chức trong một lĩnh vực ví dụ: tỷ lệ chuyển đổi trong thương mại điện tử

1.2.9.5 Có thể xác minh lại

Các dữ liệu cần được lưu trữ và có sẵn để xác minh

1.2.9.6 Chi phí hiệu quả

Các chỉ số đánh giá không nên tốn chi phí nhiều, không nên tốn nguồn nhân lực nhiều để có thể đo lường nó, so với việc tăng giá trị cho người sử dụng ặc tính này được đưa ra trong một quá trình phân tích web thuần túy và dữ liệu trong quá

khứ và luôn có sẵn bởi hãng phân tích

1.2.9.7 Quy đổi

Việc thực hiện đo lường nên tránh bị ảnh hưởng bởi người d ng Nếu hiệu suất không thể được cải thiện, sau đó không có động lực để cải thiện hoặc người sử dụng đơn giản là từ chối chỉ số đánh giá Người ta có thể minh h a cho vấn đề này

1.2.9.10 Có thời hạn

David Parmenter trích dẫn [24] “chắn là đóng cửa chuồng sau khi con ngựa

đã thực sự được đưa vào…” minh h a rằng chỉ số đánh giá cần phải đượcđo lường

trong khoảng thời gian quy định hợp lý

1.3 Quy trì xây dự g các c ỉ số đá g á ứ g dụ g p â tíc Web của Clifton

Quy trình bao gồm năm bước [10]:

Bước một là để thiết lập mục tiêu và các kết quả cần đạt được và tinh chỉnh

danh sách của mình Sau đó, người ta sẽ phải chuyển mục tiêu thành các chỉ số đánh giá Với giả định, các chủ sở hữu của doanh nghiệp vừa và nh trước đây không có kinh nghiệm về phân tích trang web, và hiện tại cần thiết lập mục tiêu và chuyển chúng thành chỉ số đánh giá

Bước a chúng ta cần đơn giản các quy trình để chỉ số đánh giá không cần

phải hiểu biết sâu về chỉ số đánh giá và chỉ cần tạo ra các chỉ số đánh giá có sẵn và khả thi để cài đặt áp dụng thử nghiệm

Bước ba đảm bảo rằng các chỉ số đánh giá là hành động, ta nên b qua " tính

trách nhiệm" ở bước này vì đó là một phần của quản trị doanh nghiệp

32

Bước bố bắt đầu tạo ra các báo cáo phân cấp là có ít lợi ích trong một

doanh nghiệp vừa và nh , có thể được b qua

Bước m xác định thành phần chỉ số đánh giá, về cơ bản cải tiến bước hai

Bước này là để cắt giảm danh sách các chỉ số đánh giá đã được xây dựng để tối ưu chi phí doanh nghiệp phải b ra Cần tập trung vào các chỉ số đánh giá cốt lõi liên quan trực tiếp, và c ng không có áp dụng cứng nhắc bao nhiêu chỉ số đánh giá cho một doanh nghiệp cụ thể

1.4 ác c ỉ số đá g á được sử dụ g tro g doa g p k doa t ươ g

33

Sẽ luôn có một phân đoạn khách truy cập mà không có ý định mua, không quan tâm Cách để cải thiện chỉ số đánh giá này là thông qua việc phong phú các loại sản phẩm ph hợp cho khách tăng tỷ lệ mua hàng khi đã ghé thăm web

1.4.2 G á trị tru g bì m đơ à g

Giá trị trung bình đơn hàng được xem là “chỉ số chính” trong các chỉ số quan

tr ng của doanh nghiệp Nó kết hợp với chỉ số doanh thu m i truy cập và tỷ lệ chuyển đổi đơn hàng tạo nên nhóm chỉ số cần được quan tâm hàng đầu khi phân tích hiệu quả kinh doanh doanh nghiệp

Giá trị trung bình m i đơn hàng = Tổng doanh thu được tạo ra Tổng số đơn hàng [22]

chỉ số đánh giá này cho biết doanh thu trung bình m i đơn hàng là bao nhiêu Chỉ số này có thể được cải thiện bằng cách bán chéo các sản phẩm tương thích h trợ khác,

do đó khuyến khích khách mua nhiều hàng hơn tăng tổng giá trị của m i đơn hàng [22]

Các trang web được lập trình để tự động tạo ra các đề xuất như "sản phẩm liên quan"

Peterson cho thấy bằng cách sử dụng giá trị trung bình m i đơn hàng làm cơ

sở cho tất cả các khách hàng như một công cụ so sánh [22] Có được giá trị trung bình m i đơn hàng, người ta có thể so sánh sự khác biệt giữa người khách mới và khách quay lại về hoặc sử dụng nó để đánh giá lợi ích riêng biệt của các chiến dịch tiếp thị

1.4.3 Doa t u tru g bì m ượt truy c p

Doanh thu m i khách truy cập là một thước đo quan tr ng nhưng không chỉ cho các nhà bán lẻ trực tuyến và quảng cáo các trang web h trợ Các trang web tiếp thị có thể hiểu rõ hơn về những n lực tiếp thị của h bằng cách ước tính giá trị doanh thu trung bình dựa trên các sự kiện chuyển đổi

Doanh thu trung bình m i lượt truy cập = Tổng doanh thu được tạo ra Tổng

số lượt truy cập [22]

34

Chỉ số đánh giá này đo lường giá trị trung bình các lượt truy cập của khách hàng và

c ng là một chỉ số đánh giá chất lượng của các khách ghé thăm DN có thể có một triệu khách ghé thăm m i tháng, nhưng nếu tất cả khách đang tìm kiếm cho các đoàn lữ hành hoặc các khu du lich, và kết quả doanh thu thấp

Thu hút khách tham quan có giá trị hơn cho các trang web là một cách cải thiện này chỉ số đánh giá này, theo Peterson [22]

1.4.4 p í tru g bì c o m c uyể đổ

ối với m i mô hình kinh doanh doanh nghiệp, chỉ số chi phí trung bình cho

m i chuyển đổi là một trong những chỉ số quan tr ng nhất Bằng cách tính toán chi phí trung bình cho m i chuyển đổi bạn có thể theo dõi xem doanh nghiệp có phải trả mức chi phí quá nhiều để có được khách truy cập mua hàng hay không Việc tối ưu hóa chi phí phải trả là một trong những vấn đề cần được doanh nghiệp đặc biệt quan tâm

Chi phí trung bình cho m i chuyển đổi = Tổng chi phí Tổng số chuyển đổi [22]

1.4.6 T ờ g a tru g bì để trả ờ t ư y u cầu

Hầu hết các công ty không chú tr ng việc theo dõi một trong những thước đo quan tr ng nhất h trợ khách hàng đó là: thời gian doanh nghiệp đáp ứng một yêu cầu khách hàng gửi qua email

Thời gian trung bình trả lời mail yêu cầu = Tổng thời gian của lần gửi mail tương ứng Tổng số yêu cầu của Email [22]

35

1.4.7 Tỷ truy c p của k ác mớ so vớ k ác quay trở ạ

Tỷ lệ truy cập của khách mới so với khách quay trở lại = Tổng số lượt truy cập mới Tổng số lượt truy cập quay trở lại [22]

ây là một chỉ số tương đối đơn giản cho thấy tỷ lệ người truy cập mới liên quan đến truy cập trở lại Tỷ lệ này tăng do sự gia tăng khách truy cập mới hoặc giảm truy cập quay lại của khách Có thể đo lường thành công của các chiến dịch tiếp thị thông qua chỉ số đánh giá này Lưu ý rằng, định nghĩa của Peterson sẽ cung cấp một

tỷ lệ, nhưng ta ch n để hiển thị số tỷ lệ phần trăm Các danh hiệu đã được lưu giữ

để tránh nhầm lẫn Lý do đằng sau sự thay đổi là chủ sở hữu một cách dễ dàng hơn nắm tỷ lệ phần trăm so với tỷ lệ và các chênh lệch được coi là không thích hợp Chỉ số này đánh giá hoạt động quảng bá của doanh nghiệp trong khoảng thời gian nhất định Nếu chỉ số này cao chứng t rằng hiệu quả từ các hoạt động quảng bá đang rất tốt, đem lại nhiều khách hàng mới Tuy nhiên, điều này sẽ có thể chưa chính xác nếu tại thời điểm tiến hành hoạt động quảng bá c ng là dịp thường kỳ mua sắm theo m a của các khách hàng c truy cập quay lại tăng lên

1.4.8 Tỷ c uyể đổ của k ác truy c p mớ vớ k ác truy c p trở ạ

Tỷ lệ chuyển đổi đến đơn hàng của khách truy cập mới với khách truy cập trở lại = Tỷ lệ chuyển đổi thành đơn hàng của khách mới Tỷ lệ chuyển đổi thành đơn hàng của khách truy cập trở lại [22]

Tỷ lệ này cao nghĩa là tỷ lệ chuyển đổi đơn hàng của khách hàng mới lớn hoặc tỷ lệ chuyển đổi đơn hàng của khách hàng c giảm Doanh nghiệp cần theo dõi chi tiết để nắm bắt điều gì làm tăng tỷ lệ chuyển đổi của khách hàng mới, và nguyên nhân tại sao tỷ lệ chuyển đổi của khách hàng c lại giảm, phải chăng khách hàng c không còn hài lòng với các sản phẩm hiện tại hoặc không đáp ứng yêu cầu Có yếu tố độ tuổi hoặc thời gian tác động vào nó hay không

1.4.9 P ầ tr m doa t u từ k ác à g mớ và k ác à g truy c p trở ạ

Phần trăm doanh thu khách hàng mới = Doanh thu từ khách hàng mới Tổng doanh thu

36

Phần trăm doanh thu khách hàng truy cập trở lại = Doanh thu từ khách hàng

truy cập trở lại Tổng doanh thu

D ng để đo lường hiệu quả của chiến dịch quảng cáo hiện tại và kiểm tra

mức độ hài lòng, nhu cầu của khách hàng c

1.4.10 Tra g c ủ và tra g đíc c í

Tỷ lệ trang đích chính = 1.00 – (Số lần truy cập trang duy nhất / Tổng số

trang truy cập [22]

Chỉ số đánh giá này cho thấy có bao nhiêu khách ở lại trên một trang web và

nhấp ít nhất 1 trang khác sau khoảng thời gian "Truy cập một trang duy nhất" là

truy cập chỉ xem trang hiện tại mà không nhấp vào bất kỳ liên kết nào khác ịnh

nghĩa của Peterson cung cấp một tỷ lệ chỉ ra có bao nhiêu khách ở lại trên trang

Web Quan điểm phổ biến hơn là tỷ lệ thoát trong đó là bao nhiêu iều này được

xác định bởi:

Tỷ lệ thoát = Số lần truy cập duy nhất trang đó Tổng số nhấp xem các trang trong

của trang đó [22]

Peterson lập luận chỉ số đánh giá này đặc biệt hữu ích để đánh giá liệu các

trang đích của các chiến dịch tiếp thị có giữ được người truy cập vào và ở lại [22]

Cuối c ng chỉ số đánh giá này là một biện pháp hữu ích khi phân tích các số

liệu liên quan đến cá truy cập của khách, ch ng hạn như tỷ lệ chuyển đổi sửa đổi đề

xuất bởi Clifton (xem Tỷ lệ chuyển đối khách mới và khách quay trở lại)

Nếu doanh thu trang Web của doanh nghiệp đột nhiên giảm thì chúng ta

phải kiếm tra ngay chỉ số ở lại trên Trang chủ và các trang đích chính, tỷ lệ thoát

kh i các trang này chính là nguyên do gây giảm doanh thu của doanh nghiệp Vì

vậy khi phát hiện chỉ số như tỷ lệ chuyển đổi doanh nghiệp cần kiểm tra ngay Trang

chủ và các trang đích chính xem liệu đã đáp ứng yêu cầu hoặc gây cản trở gì trong

quá trình mua hàng của khách hàng hay không

37

1.4.11 Tỷ c uyể đổ từ tìm k ếm

Nếu trên trang web của doanh nghiệp có một công cụ để khách hàng tìm kiếm nhanh các sản phẩm h quan tâm thì chúng ta cần theo dõi cách tìm kiếm khách của khách hàng và chỉ số tỷ lệ chuyển đổi từ tìm kiếm thành mua hàng sẽ giúp DN biết được thực sự khách hàng đang quan tâm gì và để tối ưu các sản phẩm

đó giúp nó tiếp cận khách hàng tốt hơn hoặc bổ sung những sản phẩm mà khách hàng cần nhưng doanh nghiệp chưa có trên trang web

Tỷ lệ chuyển đổi từ tìm kiếm thành mua hàng = Tổng số đơn đặt hàng từ tìm kiếm Tổng số lần truy cập vào một kết quả tìm kiếm[22]

Chỉ số đánh giá này là một dạng khác của tỷ lệ chuyển đổi, mà Peterson thiết kế cho các nhà bán lẻ trực tuyến Tỷ lệ chuyển đổi này cho thấy tỷ lệ tìm kiếm qua các công cụ tìm kiếm góp phần trực tiếp để mua hàng Theo Peterson, người ta có thể

hy v ng tỷ lệ chuyển đổi từ tìm kiếm sẽ cao hơn so với tỷ lệ chuyển đổi từ truy cập thông thường Ông lập luận rằng khách với một mục tiêu tìm kiếm cụ thể có nhiều khả năng để chuyển đổi thành mua hàng hơn [22]

Ngoài ra, doanh nghiệp có thể ch n để theo dõi các chỉ số của các loại chiến như: tỷ

lệ chuyển đổi cho email, tìm kiếm thị trường, quảng cáo banner, RSS và các

1.4.16 Tỷ cao, tru g bì và t ấp các c ck c uột vào tra g tro g

Ta có thể coi "các trang đã xem" tương đương với " Các nhấp chuột vào các trang trong " ối với hầu hết các trang web, các thứ hạng được phân định như sau:

• Thấp: Hai lần nhấp chuột hoặc ít hơn

• Trung bình: Ba đến năm nhấp chuột

• Cao: Hơn năm nhấp chuột

Tỷ lệ các nhấp chuột vào trang trong Thấp = Tổng số lượt truy cập có 2 nhấp chuột hoặc ít hơn Tất cả lượt nhấp chuột thăm sâu [22]

Peterson cho thấy phạm vi được đề cập là như vậy nhưng thực tế cho m i nhấp tỷ

lệ có sự liên quan Chỉ số đánh giá này cho thấy nhấp chuột thấp là các trang web gây nhầm lẫn hoặc nhàm chán Và chúng ta có thể kiểm tra các lược sử tìm kiếm các từ khóa phổ biến nhưng không liên quan đến các mặt hàng trên web và loại b chúng [22]

Chúng ta có thể cải thiện tỷ lệ nhấp chuột bằng cách tăng thêm các nội dung hấp dẫn ph hợp và đặt chúng hiển thị ở những nơi mà khách hàng có thế sẽ cần quan tâm

1.4.17 Tru g bì số ượt xem các tra g tr m p truy c p

Trung bình số lượt xem các trang trên m i phiên truy cập = Tổng số lượt xem các trang Tổng số truy cập [22]

Chỉ số này đánh giá sự thành công hay không của nội dung website hay sự quan tâm các sản phẩm kèm theo Nếu khách hàng thích thú với nhiều nội dung khác khách hàng sẽ click xem các trang nhiều hơn hoặc ngược lại nếu nội dung hoặc sản phẩm không liên quan, không ph hợp với thị hiếu và nhu cầu của khách hàng thì sẽ dẫn đến chỉ số này thấp

1.4.18 p í tru g bì m ượt truy c p

Chi phí trung bình m i lượt truy cập = Tổng chi phí Tổng lượt truy cập [22]

So sánh với chỉ số doanh thu trung bình m i lượt truy cập Sẽ là thất bại nếu chi phí trung bình phải b ra lớn hơn doanh thu thu được của m i truy cập

40

1.4.19 P ầ tr m cao, tru g bì , t ấp của tầ suất k ác truy c p

Chỉ số này đánh giá tần suất truy cập của khách ghé thăm theo thời gian Nó cho biết sự trung thành của khách hàng và hiệu quả của các chiến lược giữ chân khách hàng trên website của bạn

Phần trăm khách truy cập tần suất cao = Tổng số khách có truy cập tần suất cao Tổng số khách truy cập [22]

Phần trăm khách truy cập tần suất trung bình = Tổng số khách có truy cập tần suất trung bình Tổng số khách truy cập [22]

Phần trăm khách truy cập tần suất thấp = Tổng số khách có truy cập tần suất thấp Tổng số khách truy cập [22]

1.4.20 Tru g bì số ượt truy c p của m k ác

Trung bình số lượt truy cập của m i khách = Tổng số lượt truy cập Tổng số khách [22]

Tương tự như chỉ số tần suất truy cập, chỉ số trung bình số lượt truy cập của m i khách đánh giá độ trung thành của khách hàng Tuy nhiên chỉ số này ít bị ảnh hưởng bởi việc khách hàng xóa cookie hơn bởi vì nó không liên quan đến hoạt động ngắn hạn

Hầu hết m i người có xu hướng tiếp tục xem lại những sản phẩm mà h đang quan tâm cho đến khi h tìm được sản phẩm được ưng ý, h sẽ tiếp tục truy cập trang web cung cấp một số sản phẩm hoặc dịch vụ mà h đang xem xét mua Bởi vì điều này,chỉ số trung bình số lượt truy cập của m i khách là một chỉ số hàng đầu trong các lợi ích tổng thể của doanh nghiệp Trường hợp chỉ số này gần 1,00 có nghĩa là trung bình khách chỉ đến với trang web của bạn một lần trong khoảng thời gian kiểm tra, giá trị chỉ số cao hơn 1,00 có nghĩa là số lần trở lại nhiều hơn có thể đem đến hiệu quả doanh thu nhiều hơn