#021025 PythonDS Task: Promotion Targeting

TungTen Company đang chạy một chương trình khuyến mãi cho sản phẩm. Vấn đề cốt lõi là việc gửi quảng cáo hàng loạt rất tốn kém và không hiệu quả, vì ngân sách đang bị lãng phí vào những khách hàng không phản hồi với chương trình. Bạn cần xây dựng một model để trả lời các câu hỏi sau:

• Liệu có thể tăng lợi nhuận ròng từ chiến dịch lên cao hơn mức hiện tại không?
• Làm thế nào để xác định chính xác những khách hàng sẽ mua hàng chỉ khi nhận được khuyến mãi?
• Làm sao để tối ưu hóa ngân sách marketing, chỉ chi tiêu vào những khách hàng mang lại lợi nhuận cao nhất?

Công ty gửi khuyến mãi cho 1.000 khách hàng. Tổng chi phí là 1.000 * 0.15 = 150. Trong 1.000 khách hàng này, có thể phân thành 3 nhóm chính:

• Nhóm 1: Những người chắc chắn mua: Giả sử có 100 người. Họ sẽ mua sản phẩm dù có nhận được khuyến mãi hay không.
  • Tác động: Gửi khuyến mãi cho họ không tạo ra thêm doanh thu, nhưng lại gây tốn chi phí.
  • Lợi nhuận mất đi: 100 người * 0.15 = -15.
• Nhóm 2: Những người không bao giờ mua: Giả sử có 800 người. Họ sẽ không mua sản phẩm trong bất kỳ trường hợp nào.
  • Tác động: Gửi khuyến mãi cho họ hoàn toàn là lãng phí.
  • Lợi nhuận mất đi: 800 người * 0.15 = -120.
• Nhóm 3: Những người bị thuyết phục: Giả sử chỉ có 100 người. Đây là nhóm khách hàng chỉ quyết định mua hàng sau khi nhận được khuyến mãi.
  • Tác động: Đây là nhóm duy nhất tạo ra doanh thu tăng thêm cho chiến dịch.
  • Lợi nhuận ròng tăng thêm từ nhóm này: (100 người * 10) – (100 người * 0.15) = +985.

Vấn đề là, chiến lược gửi hàng loạt đã lãng phí 135 (90% ngân sách) vào hai nhóm đầu tiên mà không mang lại thêm doanh thu. Mục tiêu của bạn là phải tìm ra 100 người trong “Nhóm 3” để tối đa hóa lợi nhuận.

Nhiệm vụ của bạn là:

• Xây dựng một mô hình dự đoán có khả năng phân biệt và tìm ra chính xác nhóm khách hàng Bị Thuyết Phục (Nhóm 3)
• Áp dụng mô hình này vào dữ liệu mới để tạo ra một danh sách khách hàng mục tiêu có chọn lọc.
• Chứng minh hiệu quả của chiến lược bằng cách tối đa hóa hai chỉ số kinh doanh chính: IRR và NIR

Để đánh giá chiến lược của bạn có thành công hay không, bạn sẽ so sánh hiệu quả của nhóm khách hàng do ML lựa chọn với kết quả của chiến dịch thử nghiệm ngẫu nhiên ban đầu (Baseline).

Incremental Response Rate (IRR)

• Mức cơ sở (Baseline): Khi gửi khuyến mãi ngẫu nhiên, tỷ lệ mua hàng chung tăng thêm …% => Hiệu quả trung bình của chiến dịch.
• Thách thức của mô hình: Mô hình phải tìm ra một nhóm khách hàng chất lượng, sao cho mức tăng tỷ lệ mua hàng của riêng nhóm này phải cao hơn đáng kể so với mức Baseline.

Net Incremental Revenue (NIR)

• Mức cơ sở (Baseline): Toàn bộ chiến dịch thử nghiệm ngẫu nhiên (gửi cho N người) đã mang về lợi nhuận là …
• Thách thức của mô hình: Mô hình phải chọn ra một nhóm khách hàng mục tiêu để tối đa hóa lợi nhuận, sao cho tổng số tiền kiếm được từ nhóm này (dù số lượng có thể ít hơn) phải vượt qua con số Baseline.

---

Tài liệu Premium dành cho các bạn học viên lớp Data Analyst BootCamp. Nếu bạn muốn học Phân Tích Dữ Liệu theo phương pháp Learning by Doing Tasks thì có thể Inbox mình TẠI ĐÂY.