Trưa hàng tuần, bạn thường đặt món thanh toán qua thẻ và giao tận nơi đến công ty. Đến khoảng 3 giờ chiều, bạn tiếp tục đặt trà sữa Gong Cha để nạp thêm năng lượng cuối ngày làm việc. Đến cuối tuần, bạn tìm một nhà hàng để ăn uống cùng gia đình. Ứng dụng gọi món- đặt chỗ gợi ý bạn nên ăn tại một nhà hàng Pháp tại quận 7, TP.HCM. Bạn đã đến ăn thử, và rất thích.

Tình trạng nói trên diễn ra nhiều lần, và những gợi ý của ứng dụng ngày càng chính xác hơn. Đôi khi, bạn cảm thấy dường như ứng dụng biết trước bạn đang đói và thèm ăn gì, thậm chí trước cả khi bạn nhận ra là bạn muốn ăn.

Đoán sở thích qua hành vi

Sau 3 ngày uống trà sữa vào lúc 3 giờ chiều tại công ty, vào ngày thứ Năm, bạn đã ngán và muốn dùng một loại đồ uống thanh mát hơn. Thay vì hiển thị thông báo gợi ý uống trà sữa như thường lệ, ứng dụng gọi món hiện lên một quảng cáo gợi ý bạn nên uống nước ép bưởi.

Tất cả những điều này có thể khiến bạn ngạc nhiên, và nghi ngờ rằng các ứng dụng đã theo dõi hoạt động của bạn một cách mờ ám. Thực ra không phải như vậy: Thông qua phương pháp song trùng, một phương pháp mới của thời đại dữ liệu lớn, các ứng dụng có thể đoán trước bạn đang muốn những gì. 

Theo đó, trong tất cả những khách hàng đã sử dụng ứng dụng, người ta tìm kiếm một số  khách hàng có đặc điểm giống bạn nhất: từ giới tính, chỗ ở… đến các món thường hay đặt, giờ đặt, số lượng đặt, và cả cách thanh toán. Có thể  quy kết rằng, do đã có rất nhiều điểm giống nhau, nên sở thích và thói quen ăn uống của những người đó cũng sẽ giống nhau.

Nếu một “song trùng” (người giống bạn) cũng thường đặt cùng món cơm trưa, cùng món trà sữa của bạn, cùng thanh toán bằng thẻ tín dụng như bạn, và đã thích nhà hàng Pháp tại quận 7 kia, nhiều khả năng bạn cũng sẽ rất thích nhà hàng này.

Nếu “song trùng” của bạn thường uống trà sữa 3 ngày liên tiếp và bắt đầu tìm mua nước ép vào ngày tiếp theo, nhiều khả năng bạn cũng sẽ thích nước ép hơn sau 3 ngày liên tiếp uống trà sữa. Đó là lý do xuất hiện tất cả những gợi ý vô cùng chính xác từ các ứng dụng trên, và độ chính xác cũng sẽ gia tăng nhờ lượng dữ liệu tham khảo ngày càng lớn. 

Tài xế Grab Food giao nhận thực ăn tập trung đông

Tài xế Grab Food giao nhận thực ăn tập trung đông trước các quán ăn trở thành hình ảnh quen thuộc

Cuộc chơi mới

Chuyện sử dụng thói quen và sở thích ăn uống để suy ra hành vi ăn uống là một điều khá tự nhiên, và không có nhiều bất ngờ. Tuy nhiên, những đặc điểm hành vi nho nhỏ trong lĩnh vực này hoàn toàn có thể dự báo hành vi của bạn ở rất nhiều lĩnh vực khác. Hoàn toàn hợp lý khi nghĩ rằng, những người hay ăn ở nhà hàng hạng sang, đi xe ô tô, và thanh toán bằng thẻ sẽ có hành vi giống với những người cũng có các đặc điểm như vậy,  hơn là với những người hay ăn quán bình dân, đi xe máy, và thanh toán tiền mặt. Tất cả những đặc điểm hành vi ở những lĩnh vực đơn giản như ăn uống, đi lại… có thể giúp tìm các “song trùng” và dự đoán hành vi của mỗi người ở các lĩnh vực có quy mô giá trị lớn hơn, như tín dụng, thương mại điện tử, hay bất động sản…

Chẳng hạn, Anh A thường xuyên thanh toán tiền điện 2 triệu mỗi tháng qua ứng dụng, thường xuyên đặt ô tô di chuyển từ quận 7 sang quận 1. Mới đây, sau khi được cho thử trải nghiệm miễn phí loại nước hoa mới, anh rất thích và phản hồi rất tốt trên ứng dụng. Từ dữ liệu này, ứng dụng tổng hợp danh sách những “song trùng” của anh A.

Thay vì phải tìm kiếm những khách hàng thỏa mãn các tiêu chí có liên quan trực tiếp đến sản phẩm- ví dụ như thường sử dụng nước hoa trong trường hợp của anh A- nhờ phương pháp song trùng, các doanh nghiệp giờ đây có thể dự báo hành vi mua hàng từ những đặc điểm rất ít liên quan và có thể dễ dàng thu thập với số lượng lớn, như thói quen thanh toán tiền điện, sở thích ăn uống, hay những địa điểm thường di chuyển. Dĩ nhiên, đó là những thứ mà chúng ta không có nhu cầu giấu kín. 

Thời đại ngày nay là thời đại của cuộc chơi dữ liệu. Một bộ dữ liệu tốt về hành vi ở một lĩnh vực có thể dễ dàng giúp dự đoán vô số hành vi khác trong những lĩnh vực khác. Trong kinh doanh, dữ liệu là vàng, rất nhiều doanh nghiệp lớn ở nhiều ngành đã chuyển sang khai thác mỏ vàng dữ liệu số.