Mô hình sai nhiều bạn mang vào BUS2002: Customer Analytics là một môn Excel, cứ vẽ đủ biểu đồ, tính đủ chỉ số là xong. Hoặc ngược lại, coi nó là bài marketing essay có dán thêm vài bảng số. Cả hai đều hụt. Môn này chấm một việc: từ dữ liệu khách hàng, bạn rút ra được quyết định quản trị nào, và quyết định đó đứng vững tới đâu.

Bài này đi qua ba assessment của BUS2002, mỗi bài một kỹ thuật, kèm công thức câu tiếng Anh để bạn tự áp vào dữ liệu của mình.

Lưu ý, cập nhật 30/09/2026: cấu trúc dưới đây lấy từ La Trobe Handbook 2026, offering Melbourne (Bundoora) Semester 2. Handbook 2026 chỉ liệt kê Melbourne và Online; nếu bạn học lớp liên kết ở Việt Nam, thứ tự đánh số bài (A1, A2, A3) và case công ty có thể khác. Kiểm tra LMS lớp bạn.

Tổng quan ba bài

BàiHình thứcTrọng sốĐộ dài (tương đương)Khi nào
Marketing Decision MakingNhóm: report phân tích (15%), presentation (15%), viva (10%)40%1.800 từ (800 + 600 + 400)Theo lịch LMS
Strategic Marketing and Consumer SatisfactionCá nhân: hai quiz (7%) + report phân tích dữ liệu (18%)25%1.200 từ (400 + 800)Theo lịch LMS
Customer Management and SalesCá nhân: hai quiz (7%) + report phân tích dữ liệu (28%)35%1.500 từ (400 + 1.100)Theo lịch LMS

Để ý độ dài: report cá nhân chỉ 800 và 1.100 từ. Không có chỗ cho phần lý thuyết dài dòng. Mỗi đoạn phải mang một phát hiện.

1. Marketing Decision Making: mục tiêu kinh doanh trước, phương pháp sau

Learning outcome đầu tiên của môn yêu cầu bạn xác định mục tiêu kinh doanh rồi mới thiết kế cách phân tích. Nhiều nhóm làm ngược: mở file dữ liệu, chạy mọi thứ có thể chạy, rồi mới nghĩ xem nó trả lời câu gì. Hãy viết mục tiêu thành một câu hỏi quyết định trước khi đụng vào dữ liệu, ví dụ "có nên giảm giá để lấy lại thị phần ở phân khúc X không".

Công thức đoạn phát hiện: "To address [business objective], we analysed [dataset] using [metric or model]; the results show [finding], so we recommend [action] for [target segment]."

Ví dụ: "To address the 4-point loss in market share, we analysed twelve months of scanner data using a relative price index; the results show share losses are concentrated in the family-size pack, so we recommend a targeted multi-buy offer for that pack rather than a brand-wide price cut."

Phần viva chấm từng người trong nhóm dù bài là bài nhóm. Câu hỏi hay gặp là vì sao chọn phương pháp này mà không chọn phương pháp khác, và dữ liệu có hạn chế gì. Chuẩn bị sẵn câu trả lời theo mẫu:

"We chose [method] over [alternative] because [reason tied to the objective or data]; its main limitation is [limitation], which means our recommendation should be read as [scope]."

Nhóm nên chia việc sao cho ai cũng hiểu toàn bộ phân tích, không chỉ phần mình làm. Bài cách chia việc trong group assignment có một khung phân vai dùng được cho môn này.

Tiêu chí được chấm: xác định mục tiêu và thiết kế cách phân tích phù hợp, có ý thức về đạo đức dữ liệu (learning outcome thứ nhất), và khả năng bảo vệ lựa chọn khi được hỏi.

Hướng dẫn cùng ngành Business Analytics:

2. Strategic Marketing and Consumer Satisfaction: tìm thuộc tính quan trọng nhưng đang yếu

Dữ liệu hài lòng khách hàng dễ dẫn tới một report kiểu "khách hàng hài lòng 3,9/5 với dịch vụ". Câu đó đúng mà vô dụng. Kỹ thuật tốt hơn là đặt hai thứ cạnh nhau: mức độ quan trọng của từng thuộc tính với sự hài lòng chung (ví dụ qua tương quan hoặc hồi quy), và điểm hiện tại của thuộc tính đó. Thuộc tính quan trọng cao nhưng điểm thấp là nơi đầu tư đầu tiên.

Công thức: "[Attribute] shows the strongest association with overall satisfaction ([statistic] = [value]) yet scores only [score], so improving it should take priority over [lower-impact attribute]."

Ví dụ: "Delivery reliability shows the strongest association with overall satisfaction (r = 0.62) yet scores only 3.1 out of 5, so improving it should take priority over packaging design, which scores well but barely moves satisfaction."

Nếu bạn còn lúng túng khi chọn giữa thống kê mô tả và kiểm định, bài phân tích dữ liệu định tính và định lượng cơ bản tóm lại các lựa chọn phổ biến.

Với hai quiz, cách ôn hiệu quả là tự viết định nghĩa và cách tính của từng chỉ số (market share, churn rate, retention, CLV, satisfaction index) lên một tờ, rồi tự giải lại các ví dụ trong seminar mà không nhìn đáp án.

Tiêu chí được chấm: diễn giải và trực quan hoá dữ liệu khách hàng để đưa ra khuyến nghị có bằng chứng (learning outcome thứ hai).

3. Customer Management and Sales: churn, CLV và phép thử hoà vốn

Đây là bài nặng nhất (35%). Dạng thường gặp: một case công ty với dữ liệu khách hàng và doanh số, yêu cầu phân nhóm khách, đánh giá giá trị và đề xuất chiến lược giữ chân hoặc bán hàng. Ba bước gọn:

  1. Phân nhóm khách (ví dụ theo RFM: recency, frequency, monetary) và mô tả mỗi nhóm bằng hai hoặc ba con số.
  2. Ước tính giá trị vòng đời (CLV) cho từng nhóm. Một dạng đơn giản: CLV = biên lợi nhuận mỗi kỳ × r / (1 + d − r), với r là tỷ lệ giữ chân và d là lãi suất chiết khấu. Ghi rõ giả định.
  3. Đề xuất hành động kèm phép thử hoà vốn: hành động đó cần cải thiện bao nhiêu để đáng tiền.

Công thức khuyến nghị: "Customers in [segment] generate [x]% of profit but churn at [y]% a year; a retention offer costing [cost] per customer pays back if it lifts retention by more than [z] percentage points."

Ví dụ: "Customers in the high-frequency segment generate 48% of profit but churn at 31% a year; a loyalty discount costing $12 per customer pays back if it lifts retention by more than 3 percentage points."

Đừng quên learning outcome thứ nhất có nhắc tới đạo đức dữ liệu và an ninh mạng. Một câu ngắn về cách dữ liệu khách hàng được dùng, ẩn danh hay chưa, là đủ để cho thấy bạn nghĩ tới điều đó.

Tiêu chí được chấm: đánh giá và áp dụng chỉ số, mô hình marketing cho vấn đề khách hàng, gồm thị phần, churn và targeting (learning outcome thứ ba).

Trước và sau

Trước: "Figure 3 shows the churn rate of each customer segment. Segment C has the highest churn rate."

Sau: "Segment C churns at 38% a year, twice the base average, and its customers leave mostly after their second order (Figure 3); a second-order follow-up campaign is therefore the cheapest lever, breaking even at a 2-point retention gain."

Lỗi hay gặp

  • Mô tả biểu đồ ("Figure 2 shows...") mà không nói phát hiện đó nghĩa là gì cho doanh nghiệp.
  • Dùng hết chữ cho lý thuyết segmentation, không còn chỗ cho phân tích.
  • Khuyến nghị chung chung ("improve customer service") không gắn với nhóm khách hay con số nào.
  • Tính CLV nhưng không ghi giả định về tỷ lệ giữ chân và chiết khấu.
  • Vào viva mà chỉ hiểu phần mình làm.
  • Trích dẫn sai định dạng. Nếu lớp bạn dùng APA, xem lại hướng dẫn APA 7 trước khi nộp.

Checklist

  • Câu hỏi quyết định được viết ra trước khi phân tích.
  • Mỗi biểu đồ có một câu kết luận ngay dưới, không chỉ caption.
  • Mỗi khuyến nghị gắn với một nhóm khách và một con số.
  • Có ít nhất một phép thử hoà vốn hoặc độ nhạy.
  • Có một câu về đạo đức và bảo mật dữ liệu khách hàng.
  • Cả nhóm tập trả lời câu "vì sao chọn phương pháp này" trước viva.
  • Kiểm tra quy định về công cụ tạo sinh trên LMS trước khi dùng.

Chị khóa trên nào từng học môn kiểu này cũng sẽ nói giống nhau: dành thời gian viết câu kết luận dưới mỗi biểu đồ nhiều hơn thời gian chỉnh màu cho biểu đồ, vì người chấm cho điểm ở câu kết luận.

Đừng hỏi "mình đã chạy đủ phân tích chưa". Hãy hỏi "nếu giám đốc marketing chỉ đọc một câu của mình, họ sẽ biết phải làm gì với nhóm khách nào".

Cần hỗ trợ assignment / luận văn? Nhắn Facebook của 7

Cần hỗ trợ 1-1 cho môn này? Xem bảng giá và quy trình nhận hỗ trợ của 7 Writing Service.