Trong quá trình nói chung, và nghiên cứu khách hàng sơ cấp (Primary Research) nói riêng, trước khi bắt đầu thu thập dữ liệu, doanh nghiệp cần xác định rõ ràng loại dữ liệu sơ cấp doanh nghiệp cần thu thập là gì. Có nhiều cách phân loại dữ liệu sơ cấp, từ phân loại theo cấu trúc cho đến phân loại theo mức độ sẵn có (availability). Trong bài viết này, Filum sẽ giới thiệu đến doanh nghiệp phương pháp phân loại dữ liệu phổ biến nhất, đó là phân loại dữ liệu theo định lượng hoặc định tính. Show Định nghĩaDữ liệu định lượngDữ liệu định lượng là những dữ liệu có thể được thể hiện dưới dạng số. Khi tiến hành nghiên cứu định lượng, doanh nghiệp thu thập những thông tin có thể được đếm, tính toán hay đo lường một cách chính xác. Một số ví dụ về dữ liệu định lượng trong kinh doanh có thể kể đến doanh thu, chi phí sản xuất sản phẩm, hay lợi nhuận của doanh nghiệp. Xét về cấu trúc, dữ liệu định lượng là dữ liệu có cấu trúc (Structured Data), nghĩa là dữ liệu đã được tổ chức và phân loại theo một cấu trúc nhất định. Chính vì sự nhất quán này, dữ liệu định lượng có thể được xử lý bởi máy tính hay các thiết bị tính toán một cách dễ dàng, giúp tiết kiệm nhân lực. Đồng thời, dữ liệu định lượng cũng dễ dàng được trình bày dưới dạng biểu đồ, từ đó giúp doanh nghiệp có được góc nhìn trực quan nhất về dữ liệu. Dữ liệu định lượng có thể được trình bày dưới dạng biểu đồ trực quan Dữ liệu định tínhTrái với dữ liệu định lượng, dữ liệu định tính là những dữ liệu không thể được đo lường hay đong đếm một cách chính xác. Khi tiến hành nghiên cứu định tính, doanh nghiệp sẽ phải nghiên cứu về ngôn ngữ cơ thể, biểu cảm, lời nói của khách hàng, từ đó đi tìm câu trả lời cho câu hỏi: “Tại sao?”. Tại sao khách hàng lại có cảm nhận như thế về sản phẩm/dịch vụ của doanh nghiệp? Tại sao khách hàng lại có hành vi mua sắm này? Tại sao khách hàng lại không hài lòng với tương tác tại điểm chạm này? Đó chính là ví dụ về những vấn đề doanh nghiệp cần làm rõ khi tiến hành nghiên cứu khách hàng định tính. Xét về mặt cấu trúc, dữ liệu định tính là dữ liệu phi cấu trúc (Unstructured Data), chính vì vậy, máy tính hay các thiết bị tính toán không thể xử lý trực tiếp loại dữ liệu này. Thông thường, con người sẽ là lực lượng lao động chính để xử lý dữ liệu định tính. Điều này lại đặt ra một bài toán: làm thế nào để tối ưu hóa tốc độ và nhân lực nhất có thể khi xử lý dữ liệu định tính? Câu trả lời có thể nằm ở sự phát triển vượt bậc của công nghệ trí tuệ nhân tạo (AI). Với khả năng xử lý ngôn ngữ tự nhiên (Natural Language Processing), AI có thể giúp doanh nghiệp đạt hiệu suất cao hơn trong quá trình xử lý dữ liệu định tính. Công nghệ AI của nền tảng quản trị trải nghiệm khách hàng đến từ Filum giúp doanh nghiệp tiết kiệm thời gian, nâng cao hiệu suất khi xử lý dữ liệu định lượng từ khách hàng So sánh dữ liệu định tính và dữ liệu định lượngĐể làm rõ sự khác biệt của hai loại dữ liệu này, chúng tôi sẽ tiến hành phân tích sự khác biệt giữa dữ liệu định tính và dữ liệu định lượng trên 03 phương diện sau: phương pháp thu thập, phương pháp phân tích, và ưu nhược điểm của mỗi loại dữ liệu. Phương pháp thu thậpPhương pháp thu thập dữ liệu định lượng Phương pháp thu thập dữ liệu định tính Dữ liệu định lượng được thu thập từ khảo sát, bảng câu hỏi, hay một số nguồn thứ cấp như hệ thống lưu trữ dữ liệu của doanh nghiệp, hay các báo cáo thị trường. Dữ liệu định tính được thu thập từ các phương pháp như phỏng vấn nhóm tập trung (focus group), phỏng vấn chuyên sâu (in-depth interview), hay qua quan sát khách hàng. Các câu hỏi khi thu thập dữ liệu định lượng thường là các câu hỏi trắc nghiệm. Các câu hỏi khi thu thập dữ liệu định tính thường là các câu hỏi mở, cho phép đội tượng tham gia nghiên cứu bày tỏ quan điểm/ý kiến của mình. Phương pháp phân tíchĐối với dữ liệu định lượng, nhìn chung, doanh nghiệp có thể sử dụng các kỹ thuật phân tích thống kê thường thấy, có khả năng tự động hóa cao để phân tích lượng lớn dữ liệu trong một khoảng thời gian ngắn. Tuy nhiên, đối với dữ liệu định tính, mặc dù có sự hỗ trợ của AI, doanh nghiệp vẫn cần tự mình đánh giá kết quả của dữ liệu. Phương pháp phân tích dữ liệu định lượng Phương pháp phân tích dữ liệu định tính Kết quả được phân tích bằng các mô hình toán học và phân tích thống kê. Kết quả thường được phân loại và lập luận bằng ngôn ngữ và nhận thức của con người. Cần nhiều phản hồi từ khách hàng để kết quả có thể mang tính đại diện cho toàn bộ tệp khách hàng mục tiêu của doanh nghiệp. Cần ít phản hồi hơn, tuy nhiên mỗi phản hồi cần có mức độ chi tiết cao hơn. Ưu, nhược điểm của mỗi loại dữ liệuƯu, nhược điểm của dữ liệu định lượng và dữ liệu định tính có thể được tóm tắt qua bảng dưới đây: Loại dữ liệu Dữ liệu định tính Dữ liệu định lượng Ưu điểm
Nhược điểm
Tuy nhiên, doanh nghiệp cũng cần lưu ý rằng: loại dữ liệu tối ưu nhất là loại dữ liệu gắn liền với nghiên cứu nhất, đem lại thông tin hữu ích và hiệu quả nhất. Chính vì vậy, doanh nghiệp cần cân nhắc những yếu tố trên trước khi đưa ra quyết định lựa chọn thu thập loại dữ liệu nào cho quá trình nghiên cứu khách hàng. Doanh nghiệp cần cân nhắc đến mục tiêu của nghiên cứu trước khi lựa chọn loại dữ liệu cho quá trình nghiên cứu khách hàng Ấn phẩm nổi bật CX Guidebook: Nhật ký "tay mơ" làm CXGuidebook giới thiệu đến doanh nghiệp hai chỉ số quản trị trải nghiệm khách hàng là chỉ số NPS và chỉ số CSAT, và cách cải thiện hai chỉ số trên |