Tiếp thị và quảng cáo
E-Marketing
GV: NGUYỄN HUY HOÀNG
(NGUỒN: THƯƠNG MẠI ĐIỆN TỬ - THS. LƯƠNG VĨ MINH – ĐH
KHTN – ĐHQG TPHCM)
1
Nội dung
2
Tiếp thị điện tử
Hành vi mua hàng của người tiêu dùng
Quảng cáo điện tử
Hành vi mua hàng của người
dùng
TIẾP THỊ VÀ QUẢNG CÁO TRONG EC
3
Giới thiệu
4
Khách hàng
Đối thủ
cạnh
tranh
Doanh
nghiệp
Mối quan hệ với khách hàng
Hiểu hành vi mua hàng của
người tiêu dùng
Hành vi của người tiêu dùng
•Tìm hiểu hành vi của người tiêu dùng
• Giúp người bán hiểu “người tiêu dùng ra quyết
định mua hàng như thế nào?”
• Từ đó

Các yếu tố ảnh hưởng
Người bán
Mua ?
Mua cái gì
Ở đâu ?
Khi nào?
Giá mua ?
Tiếp tục mua nữa ?
Người mua
Môi trường
Quá trình
Ra quyết định
Source: Electronic Commerce, Efaim Turban (2006)
Tuổi
Giới tính
Tâm lý
Học vấn
Đạo đức
Sở thích
Xã hội
Cộng đồng
Chính phủ
Pháp luật
Giá
Khuyến mãi
Phương thức thanh toán
Hình thức giao hàng
Bảo hành
Hỗ trợ kỹ thuật
Trả lời các câu hỏi thường gặp

Chọn quảng cáo/tiếp
thị phục vụ tốt nhất
cho khách hàng
Tiếp thị 1-1
12
Cá nhân
hóa
(Personalization)
Dự đoán
(Collaborative Filtering)
Lòng
trung thành
(Loyalty)
Độ tin cậy
(Trust)
13
Kỹ thuật Cá nhân hóa – Ví dụ
Source: Website Personalization, Willy Chiu, IBM.
Kỹ thuật Cá nhân hóa
•Ghép cặp sản phẩm, dịch vụ và nội dung
quảng cáo với một cá nhân nào đó
•Doanh nghiệp biết gì về khách hàng
• Hồ sơ khách hàng (user profile)
• Sở thích của khách hàng (preferences)
• Hành vi của khách hàng (behaviors)
• Tiểu sử của khách hàng (demographics)
14
Kỹ thuật cá nhân hóa với Hồ sơ khách hàng
• Hồ sơ khách hàng (User profile)
• Hỏi trực tiếp thông tin của khách hàng

• www.broadvision.com
• Dự đoán dựa trên nội dung (content-based filtering)
• Kết hợp với hồ sơ khách hàng chọn lọc ra nội dung phù hợp cho
khách hàng đó
• www.amazon.com, www.CD2now.com
• Dự đoán dựa trên hành động (activitiy-based filtering)
• Tận dụng sự tương đồng của những hồ sơ khách hàng khác để
đề nghị nội dung phù hợp với khách hàng hiện tại thông qua các
hành động
18
Hệ thống tư vấn phim (user-based)
• Ví dụ:
19[13] Jing Chen, Anant Jatia, "zMovie: The Movie Recommendation Engine ,".
A. Bộ dữ liệu được chọn
A B C
D E F
G
H I J
Các đối tượng đã được
người dùng u đánh giá bị giới hạn.
Chỉ còn B, C, D, E.
B. Người dùng u chọn
Item A
C. Hồ sơ của
người dùng u
Item A
Hồ sơ của
người dùng tương đồng
User 1
Hồ sơ của

Các đối tượng đã được
người dùng u đánh giá đã bị giới hạn.
Chỉ còn B, C, D.
B. Người dùng u chọn
Item A
D. Tư vấn
Tìm trong hồ sơ của người dùng tương
đồng, tư vấn những đối tượng thường
được chọn hoặc được đánh giá cao.
Item D
Tư vấn cho người
dùng u
C. Hồ sơ của
người dùng u
Item A
Item A Item B Item C Item D
Người dùng u
Người dùng 1
Người dùng 2
Người dùng 3
Item D tương đồng
với item A nhất
trong tập đánh giá
Tập đánh giá của người dùng gồm A, B, C & D
 Thích:
 Ghét:
2 2 3
Nhận xét
• Thông tin thu thập từ người dùng
• Người dùng không được biết trước