45. Đối tượng khách hàng
~50
Công ty bán lẻ lớn nhất
in Saigon
Những công ty dịch vụ nói chung, phục vụ hơn 100,000 khách/tháng,
tiềm năng thu thập hơn 10,000 feedback/tháng
Độ lớn thị trường phụ thuộc vào số lượng người sử dụng các thể loại
dịch vụ, hơn là số lượng các công ty. Ước tính 100 tỷ/năm cho riêng
bán lẻ và F&B
~50
Công ty F&B lớn nhất
➢Golden Gate: 600k
customers/month
➢Phúc Long:
250k/month
➢Thegioididong: 250k
customers/months
46. Nhiều doanh nghiệp
đã thể hiện hứng thú
với dịch vụ của
FeedLoop
Converse
Baskin Robbins
Kichi Kichhi (GGG)
Passio
KiotViet
Long Monaco
The Coffee House
Shop&Go
Galaxy Cinema
Juno shoes
Nutifood
GetSpaces
48. Feedback gathering
Quantitative analysis,
visualization
Qualitative analysis
Survey companies
(you do the rest)
Analytics
companies
(too many
numbers)
Consulting companies
(too expensive)
Foody.vn
Surveymonkey
Google Forms
Slack+Talkus
AppAnnie
Apptentive
Delighted.com
eKomi
ExperQ
Futusome
Ipsos
M-Brain
OpenOffice
OrangeContact
Radian6
Salesforce
Siebel
SN4
Surveypal
Zendesk
Younet Media (Social Heat)
Google Analytics
FeedbackFerret
Etuma
Dapresy
Qlikview
Questback
Sharepoint
SPSS
Tableau
McKinSey’s
BCG
Nielsen
49. Giải pháp của Nielsen Dịch vụ FeedLoop và công cụ FID
Mục dích
Nguyên cứu thị trường Phân tích feedback
Khámphá thị trường Thỏa mãn khách hàng
Giá cả $5000 đến $350,000 $2000~5000/brand/tháng
Thời gian chờ 3~4 tuần Thời gian thực
Thời hạn đúng Những thông tin mua được sẽ đến lúc không còn đúng Thông tin cập nhật liên tục
Rõ ràng Bạn không thấy được những phản hồi từ người làm khảo sát Bạn thấy hết từng feedback và cách đánh giá insights
Sở hữu Bạn sở hữu kết quả, không sở hữu những khảo sát Bạn sở hữu tất cả
Nội dung
Thu qua email từ những người có thể biết hoặc không biết về sản phẩm Thu trực tiếp từ những người đang dùng sản phẩm
Mức độ gợi ý Cao Vừa
Mức độ tin tưởng Phụ thuộc danh tiếng Nielsen Phụ thuộc vào từng người viết feedback
Thời gian để đọc Chậm Nhanh
Tương tác 1 chiều 2 chiều
So sánh với Nielsen
55. Mỗi quyết định khi được đánh giá đều phải dựa trên vô số yếu tố
PLAN A
22% plausible
56. Insights từ feedback khách hàng
Quyết định
Thông tin nội bộ Thống kê
Công cụ FID dùng để tổng hợp tất cả những yếu tố để đánh giá từng
quyết định một cách chính xác nhất
57. Giao diện của công cụ
FID cho phép thêm bớt
các “rooms” và tạo liên
kết “props” giữa chúng.
Mỗi prop mang một
trọng số “weight” giúp
tính ra giá trị các rooms
ở cuối liên kết.
58. Quản lý Trung
tuyển người kém
Đuổi nhân viên Yến
Nhân viên Yến thái độ kém
Nhân viên Trang (thay thế
Yến) vẫn thái độ kém
Đuổi quản lý Trung
Quản lý Trung rất
nhiều kinh nghiệm
Tuyển nhân viên
chuyên HR hỗ trợ
quản lý Trung
Mở rộng chuỗi nhanh
quá nên không kịp
tuyển người tốt
Nhân viên Mai (thay thế
Trang) thái độ vẫn kém
Dịch vụ kém Đào tạo, tuyển dụng kémĐuổi nhân viên Trang Đuổi nhân viên Mai
Tần suất thay nhân
viên tiếp tân và bếp
cũng rất cao
Tình trạng nhân viên
kém bị thay đổi xảy ra
tại nhiều outlets khác
Cần giảm tốc độ mở
rộng chuỗi lại để
củng cố chất lượng
Đã hứa với nhà đầu tư phải
đảm bảo số lượng outlets
mở ra trong một năm
VÍ DỤ CHI TIẾT HƠN SỬ DỤNG FID
60. Hệ thống sử dụng các những phương pháp máy học không có giám sát
(unsupervised learning) như K-means (cluster algorithm, dùng khi xác định
khoảng thời gian xảy ra các feedback xấu), và máy học có giám sát (supervised
learning) như logistic regression để tự đặt trọng số cho các prop.
Sử dụng topic modelling để kết nối tất cả các keyword theo chủ đề, sao cho dù
các ghi có khác nhau thế nào thì chương trình vẫn nhận ra là cùng nói về một
thứ. Dùng thuật toán LDA (Latent Dirichlet allocation) để xác định những topic
mới.
Sử dụng n-gram để tìm ra tần suất những từ và cụm từ xuất hiện nhiều nhất.
Tất cả feedback được chuyển thành dạng các tuples (e, a, h, t, s) gồm entity,
aspect, holder, time, sentiment) theo chuẩn của phân tích tâm trạng (sentiment
analysis) hiện đại nhất để được xử lý dễ dàng nhất.
Dùng các thuật toán máy học như RandomForest và extreme Gradient
boosting (xGboost) để tự động xác định các tuples.
Sử dụng những tuples này làm đầu vào cho hệ thống học bằng thuật toán máy
học như Convolution Neuron Network (dùng trong Deep learning)
Trong tương lai khi dữ liệu đủ lớn, ta sẽ dùng các phương pháp xử lý Big Data
như Apache Spark.
61. 6. PHÁT TRIỂN PHẦN MỀM
Tham khỏa tại
https://www.dropbox.com/s/hugisdgq0uh86fs/Work%20Breakdown%20Structure%
20PropMap.xlsx?dl=0
63. Thu thập thông tin từ nhiều nguồn, cụ thể như trên.
Cộng với thiết lập 1 mạng lưới những người cung cấp thông tin
Do what
Don’t do what
Do what then what
Who do what when
64. Sau khi thành công ở ngành bán lẻ và F&B,
FeedLoop sẽ mở rộng qua các ngành tiềm năng trên
Giáo dục Du lịch Telecom Rạp phim Nhân sự
Xe cộ Y tế E-commerce Thiết bị di động
65. Ứng dụng PropMap trên nhiều dịch vụ khác sau FeedLoop như
PropHR, sử dụng trong tuyển dụng nói riêng và đánh giá nhân sự nói
chung. Những ứng dụng tương lại bao gồm PropCV, PropAsset,
PropBudget, PropEdu, ProPublish, etc.
68. 9. INFO SESSION NGÀY 12 THÁNG 3
Giới thiệu về FeedLoop lại sự kiện Saigon Tech Startup Festival ngày 12/3 tại
Dinh Độc Lập
69. FEEDBACK LOOPCác startups
Nhân viên
tiềm năng
Đề xuất tạo ra FEEDBACK LOOP giữa những người tham dự (nhân
viên tiềm năng) và các booths (các startups)
Những nhân viên thực sự TIỀM NĂNG là những người sẽ feedback
nhiều nhất cho startup mà bản thân có hứng thú, chứng tỏ họ là người
có khả năng đem đến cải thiện cho startup đó.
Những startup muốn THÀNH CÔNG sẽ đón nhận những feedback
hữu ích và những người đưa ra được các feedback đó.
Giá trị = tuyển dụng
Giá trị = đóng góp thông tin
74. Những lãnh đạo thế
giới đã thực sự biết
trả lời câu
“PHẢI THỰC HIỆN
ĐIỀU GÌ TRƯỚC”
hay chưa?
75. Hiện trạng: Hội nghị môi trường lớn nhất thế giới COP21 Paris cũng
THẤT BẠI trong việc hợp pháp hóa việc chống biến đổi khí hậu
76. “Đây toàn là những thứ phải làm. Sao
lại chẳng ai làm!? Thật là điên rồ!!”
Elon Musk
“Xã hội chúng ta đang làm hoàn toàn
không tốt việc chỉ ra đâu là những thứ
quan trọng cần phải làm.”
Larry Page
77. Những nhà khoa
học cống hiến
cho việc bảo vệ
tương lai của loài
người luôn phải
van xin tài trợ.
Trong khi đó
nguồn tiền của
thế giới chủ yếu
đổ vào ngành
giải trí và buôn
bán tài chính
78. Ít ai có đủ kiến
thức để nhận ra
thảm họa đang
chực chờ gần tới
mức nào
79. Những lãnh đạo thông thái của thế giới đều có những kết luận về
những việc quan trọng cần nhất thế giới phải tập trung xử lý, nhưng họ
cũng ít khi được lắng nghe, và đều phải bỏ tiền túi ra để thực hiện
những việc quan trọng.
80. PropMap sẽ trở thành một online knowledge platform có thể tập hợp
kiến thức con người để chỉ ra đâu là những việc quan trọng chúng ta
phải làm để sống còn. Khi đó dòng tiền mới đổ vào đúng chỗ, chứ
không phải vào ngành giải trí và buôn bán tài chính như hiện nay.
81. Lý thuyết để xây dựng bản đồ kiến thức PropMap mà trong đó tầng
trên dựa trên tầng dưới đã được xây dựng bằng tâm huyết của rất
nhiều năm nghiên cứu vô số lĩnh vực
83. Khi những thứ quan trọng nhất con người cần phải làm để sống còn và
phát triển được trình bày 1 cách thuyết phục nhất và được chung sức
thực hiện, thì khi đó thế giới mới thực sự trở thành một nơi tốt đẹp hơn