Chuyên đề thực tập phân khúc khách hàng mua sắm trực tuyến dựa trên mô hình rfm phối hợp với phương pháp k means k medoids

Chuyên đề thực tập: Phân khúc khách hàng mua sắm trực tuyến hiệu quả bằng mô hình RFM kết hợp K-Means, K-Medoids. Tối ưu chiến lược marketing online.

• Tác giả: Doan Thị Hiến
• Người hướng dẫn: Ths. Lê Đức Hoang
• Trường học: Trường Đại Học Kinh Tế Quốc Dân
• Chuyên ngành: Toán Kinh Tế
• Đề tài: Phân khúc khách hàng mua sắm trực tuyến dựa trên mô hình RFM phối hợp với phương pháp K-Means & K-Medoids
• Loại tài liệu: Chuyên đề thực tập chuyên ngành
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• DANH MỤC BANG BIEU, HINH VE
• MỞ ĐẦU
• 1. CHƯƠNG 1: CO SỞ LY THUYET VA TONG QUAN NGHIÊN CỨU
• 1.1. Tổng quan về mua sắm trực tuyến
• 1.2. Khái niệm về Thương mại điện tử
• 1.3. Khái niệm mua sắm trực tuyến
• 1.4. Sự khác nhau giữa mua sắm trực tuyến và mua sắm truyền thống
• 1.5. Lợi ích và rủi ro của mua sắm trực tuyến
• 1.5.1. Lợi ích của mua sắm trực tuyến
• 1.5.2. Rủi ro của mua sắm trực tuyến
• 1.6. Một vài đặc điểm của người tiêu dùng điện tử
• 1.7. Quy trình mua sắm trực tuyến
• 1.8. Cơ sở lý thuyết về phân khúc khách hàng
• 1.8.1. Khái niệm về phân khúc khách hàng
• 1.8.2. Lợi ích của phân khúc khách hàng
• 1.8.3. Tầm quan trọng của phân khúc khách hàng
• 1.9. Cách phân khúc khách hàng
• 1.10. Các kiểu phân khúc khách hàng
• 2. CHƯƠNG 2: PHƯƠNG PHAP NGHIÊN CỨU
• 2.1. Mô hình RFM
• 2.1.1. Thực hiện phân đoạn RFM
• 2.1.2. Ưu, nhược điểm của mô hình RFM
• 2.2. Phương pháp phân cụm K-Means Clustering
• 2.2.1. Thuật toán và các bước thực hiện
• 2.2.2. Ưu, nhược điểm của thuật toán
• 2.3. Phương pháp phân cụm K-Medoids
• 2.3.1. Thuật toán va các bước thực hiện
• 2.3.2. Ưu, nhược điểm của thuật toán
• 3. CHƯƠNG 3: KET QUÁ NGHIÊN CỨU
• 3.1. Số liệu và trực quan hóa dữ liệu
• 3.1.1. Thống kê mô tả dữ liệu
• 3.2. Bài toán phân cụm khách hàng và phân tích kết quả
• 3.2.1. Bài toán phân cụm khách hàng
• 3.2.2. Phuong pháp K-Means Cluster
• 3.2.3. Phương pháp K-Medoids
• TÀI LIEU THAM KHẢO

Tóm tắt

I. Phân khúc khách hàng online Tổng quan tầm quan trọng

Trong bối cảnh thương mại điện tử phát triển mạnh mẽ, việc hiểu rõ hành vi mua sắm online của khách hàng trở nên vô cùng quan trọng. Các doanh nghiệp e-commerce cần phải nắm bắt được nhu cầu, mong muốn và thói quen của từng nhóm khách hàng để xây dựng các chiến lược marketing automation hiệu quả. Phân khúc khách hàng là một công cụ mạnh mẽ giúp các doanh nghiệp thực hiện điều này. Việc phân chia thị trường thành các nhóm nhỏ hơn, đồng nhất hơn về đặc điểm và hành vi, cho phép doanh nghiệp cá nhân hóa trải nghiệm khách hàng, tối ưu hóa các chiến dịch tiếp thị và tăng cường customer lifetime value (CLV). Theo tài liệu gốc, “Bài toán phân khúc khách hàng mua sắm trực tuyến là rất cần đối với các nhà bán lẻ trực tuyến”. Điều này nhấn mạnh tầm quan trọng của việc này trong việc duy trì và phát triển kinh doanh e-marketing, digital marketing. Hơn nữa, việc thấu hiểu khách hàng giúp doanh nghiệp dự đoán được hành vi mua sắm online của họ, từ đó đưa ra các đề xuất sản phẩm phù hợp, nâng cao sự hài lòng và cải thiện trải nghiệm khách hàng.

1.1. Định nghĩa và lợi ích của phân khúc thị trường online

Phân khúc khách hàng, hay còn gọi là customer segmentation, là quá trình chia một thị trường rộng lớn thành các nhóm nhỏ hơn, đồng nhất hơn, dựa trên các đặc điểm chung. Những đặc điểm này có thể liên quan đến nhân khẩu học, địa lý, tâm lý học, hoặc quan trọng nhất là hành vi mua sắm online. Mục tiêu của phân khúc thị trường online là tạo ra các nhóm khách hàng có nhu cầu, mong muốn và phản ứng tương tự nhau đối với các hoạt động tiếp thị. Việc này mang lại nhiều lợi ích to lớn cho doanh nghiệp. Thứ nhất, nó cho phép doanh nghiệp tập trung nguồn lực vào những phân khúc có tiềm năng sinh lời cao nhất. Thứ hai, nó giúp doanh nghiệp cá nhân hóa các chiến dịch tiếp thị, tạo ra các thông điệp phù hợp với từng nhóm khách hàng, từ đó tăng tỷ lệ chuyển đổi. Thứ ba, nó giúp doanh nghiệp hiểu rõ hơn về khách hàng trung thành và nhóm khách hàng tiềm năng, từ đó xây dựng các chương trình giữ chân và phát triển quan hệ khách hàng hiệu quả. Cuối cùng, phân khúc khách hàng giúp doanh nghiệp tăng trưởng doanh thu bằng cách tối ưu hóa các hoạt động tiếp thị và bán hàng.

1.2. Thách thức trong phân khúc khách hàng mua sắm trực tuyến

Mặc dù mang lại nhiều lợi ích, segmentation khách hàng online cũng đối mặt với không ít thách thức. Một trong những thách thức lớn nhất là sự phức tạp và đa dạng của dữ liệu. Hành vi mua sắm online của khách hàng chịu ảnh hưởng bởi nhiều yếu tố, từ thông tin cá nhân, lịch sử mua hàng, đến hoạt động trên mạng xã hội và tương tác với các kênh digital marketing. Để phân khúc khách hàng một cách hiệu quả, doanh nghiệp cần phải thu thập, xử lý và phân tích lượng lớn dữ liệu này. Một thách thức khác là sự thay đổi liên tục của hành vi mua sắm online. Khách hàng ngày càng trở nên thông minh hơn, đòi hỏi cao hơn và dễ dàng thay đổi lựa chọn. Doanh nghiệp cần phải liên tục theo dõi và điều chỉnh các phân khúc khách hàng để đảm bảo chúng vẫn còn phù hợp. Thêm vào đó, việc bảo vệ quyền riêng tư của khách hàng cũng là một vấn đề cần được quan tâm. Doanh nghiệp cần phải tuân thủ các quy định về bảo vệ dữ liệu cá nhân khi thu thập và sử dụng thông tin khách hàng. Theo tài liệu gốc, “Hầu hết các nhà bán lẻ trực tuyến đều gặp khó khăn trong việc đưa khách hàng của họ đến những sự lựa chọn hợp lý nhất.” Điều này cho thấy sự cần thiết của các phương pháp phân tích dữ liệu hiệu quả để vượt qua các thách thức này.

II. Mô hình RFM Cách phân tích hành vi khách hàng hiệu quả

Mô hình phân tích RFM là một công cụ phân tích dữ liệu khách hàng mạnh mẽ, giúp doanh nghiệp hiểu rõ hơn về giá trị của từng khách hàng dựa trên ba yếu tố chính: Recency, Frequency, Monetary Value. Recency (R) đo lường thời gian kể từ lần mua hàng gần nhất của khách hàng. Frequency (F) đo lường số lần mua hàng của khách hàng trong một khoảng thời gian nhất định. Monetary Value (M) đo lường tổng giá trị tiền mà khách hàng đã chi tiêu trong một khoảng thời gian nhất định. Kết hợp ba yếu tố này, doanh nghiệp có thể phân loại khách hàng thành các nhóm khác nhau, từ đó xây dựng các chiến lược tiếp thị phù hợp với từng nhóm. Ví dụ, khách hàng có Recency cao, Frequency cao và Monetary Value cao là những khách hàng trung thành, cần được giữ chân bằng các chương trình ưu đãi đặc biệt. Ngược lại, khách hàng có Recency thấp, Frequency thấp và Monetary Value thấp là những khách hàng có nguy cơ rời bỏ, cần được kích hoạt lại bằng các chiến dịch tiếp thị hấp dẫn. Mô hình phân tích RFM là một công cụ đơn giản, dễ sử dụng và mang lại hiệu quả cao trong việc segmentation khách hàng online.

2.1. Ứng dụng phân tích RFM trong thương mại điện tử

Trong lĩnh vực e-commerce, mô hình RFM có thể được ứng dụng để giải quyết nhiều vấn đề quan trọng. Thứ nhất, nó giúp doanh nghiệp xác định những khách hàng có giá trị cao nhất, những người đóng góp phần lớn vào doanh thu. Doanh nghiệp có thể tập trung nguồn lực để giữ chân và phát triển những khách hàng này. Thứ hai, nó giúp doanh nghiệp phát hiện những khách hàng có nguy cơ rời bỏ, những người đã lâu không mua hàng hoặc có dấu hiệu giảm tương tác. Doanh nghiệp có thể triển khai các chiến dịch tiếp thị đặc biệt để kích hoạt lại những khách hàng này. Thứ ba, nó giúp doanh nghiệp cá nhân hóa các chiến dịch tiếp thị, tạo ra các thông điệp phù hợp với từng nhóm khách hàng dựa trên hành vi mua sắm online của họ. Ví dụ, doanh nghiệp có thể gửi email khuyến mãi đặc biệt cho những khách hàng thường xuyên mua hàng hoặc đề xuất các sản phẩm tương tự cho những khách hàng đã từng mua một sản phẩm cụ thể. Thứ tư, nó giúp doanh nghiệp đánh giá hiệu quả của các chiến dịch tiếp thị, xác định những chiến dịch nào mang lại hiệu quả cao nhất cho từng nhóm khách hàng.

2.2. Ưu điểm và hạn chế của mô hình phân tích RFM

Mô hình phân tích RFM có nhiều ưu điểm vượt trội. Nó đơn giản, dễ hiểu, dễ sử dụng và không đòi hỏi kiến thức chuyên sâu về phân tích dữ liệu khách hàng. Nó cũng linh hoạt, có thể được áp dụng cho nhiều loại hình doanh nghiệp và nhiều loại sản phẩm. Tuy nhiên, mô hình RFM cũng có một số hạn chế. Nó chỉ dựa trên ba yếu tố chính, bỏ qua các yếu tố khác có thể ảnh hưởng đến hành vi mua sắm online của khách hàng, như thông tin nhân khẩu học, sở thích cá nhân, hoặc tương tác trên mạng xã hội. Nó cũng không thể dự đoán được hành vi tương lai của khách hàng, mà chỉ dựa trên lịch sử mua hàng. Do đó, để sử dụng mô hình RFM một cách hiệu quả, doanh nghiệp cần phải kết hợp nó với các công cụ phân tích dữ liệu khác và liên tục theo dõi và điều chỉnh các phân khúc khách hàng.

III. K Means Clustering Phương pháp phân cụm khách hàng tối ưu

K-Means Clustering là một thuật toán học máy không giám sát phổ biến, được sử dụng rộng rãi để phân cụm khách hàng. Thuật toán này chia tập dữ liệu thành k cụm khác nhau, sao cho các điểm dữ liệu trong cùng một cụm có độ tương đồng cao hơn so với các điểm dữ liệu trong các cụm khác. Trong bối cảnh segmentation khách hàng online, K-Means Clustering có thể được sử dụng để phân tích dữ liệu khách hàng và chia họ thành các nhóm khác nhau dựa trên các đặc điểm chung, như hành vi mua sắm online, thông tin nhân khẩu học, hoặc sở thích cá nhân. Để sử dụng K-Means Clustering một cách hiệu quả, doanh nghiệp cần phải xác định số lượng cụm k phù hợp, lựa chọn các biến số đầu vào phù hợp và đánh giá kết quả phân cụm một cách cẩn thận. Theo tài liệu gốc, “Khai phá dữ liệu có thể tìm ra những thông tin hữu ích để phân tích các hành vi và đặc điểm của khách hàng”. Điều này nhấn mạnh vai trò quan trọng của K-Means Clustering trong việc khai thác thông tin từ dữ liệu khách hàng.

3.1. Cách thức hoạt động của thuật toán K Means Clustering

Thuật toán K-Means Clustering hoạt động theo một quy trình lặp đi lặp lại, bao gồm các bước sau: Khởi tạo: Chọn ngẫu nhiên k điểm dữ liệu làm trung tâm của các cụm. Gán nhãn: Gán mỗi điểm dữ liệu vào cụm gần nhất, dựa trên khoảng cách giữa điểm dữ liệu đó và trung tâm của cụm. Cập nhật: Tính toán lại trung tâm của mỗi cụm, bằng cách lấy trung bình của tất cả các điểm dữ liệu trong cụm đó. Lặp lại: Lặp lại các bước gán nhãn và cập nhật cho đến khi các trung tâm của các cụm không còn thay đổi đáng kể, hoặc đạt đến một số lần lặp tối đa. Kết quả cuối cùng là k cụm khác nhau, mỗi cụm đại diện cho một nhóm khách hàng có các đặc điểm chung. Để đánh giá chất lượng của kết quả phân cụm, doanh nghiệp có thể sử dụng các chỉ số như tổng bình phương khoảng cách nội cụm (Within-Cluster Sum of Squares - WCSS) hoặc hệ số Silhouette. WCSS đo lường độ chặt chẽ của các cụm, trong khi hệ số Silhouette đo lường độ tách biệt giữa các cụm.

3.2. Ứng dụng K Means trong phân tích RFM và segmentation

K-Means Clustering có thể được sử dụng để phân tích RFM và segmentation khách hàng online một cách hiệu quả. Doanh nghiệp có thể sử dụng các giá trị Recency, Frequency, Monetary Value làm biến số đầu vào cho thuật toán K-Means Clustering, sau đó chia khách hàng thành các nhóm khác nhau dựa trên các giá trị RFM của họ. Ví dụ, doanh nghiệp có thể chia khách hàng thành ba nhóm: khách hàng trung thành, khách hàng tiềm năng và khách hàng có nguy cơ rời bỏ. Khách hàng trung thành là những người có Recency, Frequency, Monetary Value cao. Khách hàng tiềm năng là những người có Recency, Frequency, Monetary Value trung bình. Khách hàng có nguy cơ rời bỏ là những người có Recency, Frequency, Monetary Value thấp. Sau khi đã phân cụm khách hàng, doanh nghiệp có thể xây dựng các chiến lược tiếp thị phù hợp với từng nhóm. Ví dụ, doanh nghiệp có thể gửi email khuyến mãi đặc biệt cho khách hàng trung thành hoặc đề xuất các sản phẩm tương tự cho khách hàng tiềm năng.

IV. Kết hợp RFM và K Means Giải pháp phân khúc toàn diện

Việc kết hợp mô hình phân tích RFM và thuật toán K-Means Clustering mang lại một giải pháp segmentation khách hàng online toàn diện và hiệu quả. Mô hình RFM cung cấp các biến số đầu vào quan trọng cho thuật toán K-Means Clustering, giúp thuật toán này phân cụm khách hàng một cách chính xác và hiệu quả hơn. Ngược lại, thuật toán K-Means Clustering giúp doanh nghiệp tự động hóa quá trình phân tích RFM và xác định các phân khúc khách hàng một cách khách quan, dựa trên dữ liệu. Kết hợp hai công cụ này, doanh nghiệp có thể hiểu rõ hơn về giá trị của từng khách hàng, hành vi mua sắm online của họ và xây dựng các chiến lược tiếp thị phù hợp với từng nhóm. Theo tài liệu gốc, chuyên đề “Phân khúc khách hàng mua sắm trực tuyến dựa trên mô hình RFM phối hợp với phương pháp K-Means & K-Medoids” thể hiện mong muốn thấu hiểu khách hàng một cách tốt nhất.

4.1. Quy trình triển khai phân khúc khách hàng RFM K Means

Quy trình triển khai segmentation khách hàng online bằng cách kết hợp mô hình RFM và thuật toán K-Means Clustering bao gồm các bước sau: Thu thập dữ liệu: Thu thập dữ liệu khách hàng liên quan đến Recency, Frequency, Monetary Value. Xử lý dữ liệu: Làm sạch và chuẩn hóa dữ liệu để đảm bảo chất lượng và tính nhất quán. Tính toán các giá trị RFM: Tính toán các giá trị Recency, Frequency, Monetary Value cho từng khách hàng. Chọn số lượng cụm k: Xác định số lượng cụm k phù hợp cho thuật toán K-Means Clustering. Chạy thuật toán K-Means Clustering: Chạy thuật toán K-Means Clustering với các giá trị RFM làm biến số đầu vào. Phân tích kết quả: Phân tích kết quả phân cụm và xác định các đặc điểm của từng phân khúc khách hàng. Xây dựng chiến lược tiếp thị: Xây dựng các chiến lược tiếp thị phù hợp với từng phân khúc khách hàng. Đánh giá và điều chỉnh: Đánh giá hiệu quả của các chiến lược tiếp thị và điều chỉnh khi cần thiết.

4.2. Ví dụ minh họa phân khúc RFM K Means trong thực tế

Một ví dụ minh họa về việc kết hợp mô hình RFM và thuật toán K-Means Clustering trong thực tế là một doanh nghiệp bán lẻ thời trang trực tuyến. Doanh nghiệp này thu thập dữ liệu khách hàng liên quan đến lịch sử mua hàng, sau đó tính toán các giá trị Recency, Frequency, Monetary Value cho từng khách hàng. Tiếp theo, doanh nghiệp sử dụng thuật toán K-Means Clustering để chia khách hàng thành ba nhóm: khách hàng VIP, khách hàng tiềm năng và khách hàng thông thường. Khách hàng VIP là những người có Recency, Frequency, Monetary Value cao. Khách hàng tiềm năng là những người có Recency, Frequency, Monetary Value trung bình. Khách hàng thông thường là những người có Recency, Frequency, Monetary Value thấp. Dựa trên các phân khúc khách hàng này, doanh nghiệp xây dựng các chiến lược tiếp thị phù hợp. Ví dụ, doanh nghiệp gửi email khuyến mãi đặc biệt cho khách hàng VIP, tặng quà cho khách hàng tiềm năng và gửi thông tin về các sản phẩm mới cho khách hàng thông thường.

V. Ứng dụng và kết quả nghiên cứu Phân khúc thành công với RFM K Means

Nghiên cứu cho thấy việc ứng dụng mô hình RFM kết hợp với K-Means Clustering mang lại hiệu quả cao trong việc phân khúc khách hàng mua sắm trực tuyến. Kết quả phân cụm giúp doanh nghiệp xác định rõ các nhóm khách hàng khác nhau với các đặc điểm hành vi mua sắm online riêng biệt. Từ đó, doanh nghiệp có thể xây dựng các chiến lược tiếp thị cá nhân hóa, tối ưu hóa trải nghiệm khách hàng và tăng cường customer lifetime value (CLV). Việc phân tích dữ liệu khách hàng một cách khoa học và bài bản là yếu tố then chốt để thành công trong môi trường cạnh tranh của thương mại điện tử.

5.1. Case study thành công về ứng dụng RFM K Means

Có nhiều case study thành công về việc ứng dụng mô hình RFM kết hợp với K-Means Clustering trong segmentation khách hàng online. Một ví dụ điển hình là một doanh nghiệp e-commerce bán đồ gia dụng. Doanh nghiệp này đã sử dụng mô hình RFM và K-Means Clustering để phân khúc khách hàng thành các nhóm khác nhau dựa trên hành vi mua sắm online của họ. Kết quả phân cụm cho thấy có một nhóm khách hàng thường xuyên mua các sản phẩm trang trí nhà cửa với giá trị đơn hàng cao. Doanh nghiệp đã xây dựng một chiến dịch tiếp thị đặc biệt, tập trung vào việc giới thiệu các sản phẩm trang trí nhà cửa mới cho nhóm khách hàng này. Kết quả là doanh số bán hàng của các sản phẩm trang trí nhà cửa đã tăng đáng kể.

5.2. Đo lường hiệu quả của phân khúc khách hàng bằng RFM K Means

Để đo lường hiệu quả của việc phân khúc khách hàng bằng mô hình RFM và K-Means Clustering, doanh nghiệp có thể sử dụng các chỉ số sau: Tỷ lệ chuyển đổi: Đo lường tỷ lệ khách hàng chuyển đổi từ khách truy cập thành khách hàng mua hàng. Giá trị đơn hàng trung bình: Đo lường giá trị trung bình của mỗi đơn hàng. Customer lifetime value (CLV): Đo lường tổng giá trị mà một khách hàng mang lại cho doanh nghiệp trong suốt thời gian quan hệ. Tỷ lệ giữ chân khách hàng: Đo lường tỷ lệ khách hàng tiếp tục mua hàng từ doanh nghiệp trong một khoảng thời gian nhất định. Tỷ lệ hài lòng của khách hàng: Đo lường mức độ hài lòng của khách hàng với sản phẩm và dịch vụ của doanh nghiệp. Nếu các chỉ số này tăng lên sau khi doanh nghiệp triển khai các chiến lược tiếp thị cá nhân hóa dựa trên kết quả phân cụm, thì có nghĩa là việc phân khúc khách hàng đã mang lại hiệu quả tích cực.

VI. Tương lai của phân khúc khách hàng online AI cá nhân hóa sâu

Tương lai của phân khúc khách hàng online hứa hẹn nhiều tiềm năng với sự phát triển của AI và Machine Learning trong Marketing. Các thuật toán ngày càng thông minh hơn có thể phân tích dữ liệu một cách chính xác và hiệu quả hơn, giúp doanh nghiệp hiểu rõ hơn về hành vi mua sắm online của khách hàng. Xu hướng personalization sâu (cá nhân hóa sâu) sẽ ngày càng trở nên quan trọng, đòi hỏi doanh nghiệp phải cung cấp các trải nghiệm cá nhân hóa tối đa cho từng khách hàng. CRM sẽ đóng vai trò trung tâm trong việc thu thập, quản lý và sử dụng dữ liệu khách hàng để cải thiện trải nghiệm khách hàng và tăng trưởng doanh thu.

6.1. Tích hợp AI và Machine Learning vào phân khúc khách hàng

AI và Machine Learning trong Marketing có thể được tích hợp vào phân khúc khách hàng để tự động hóa quá trình phân tích dữ liệu và cải thiện độ chính xác của kết quả phân cụm. Các thuật toán Machine Learning có thể học hỏi từ dữ liệu và tự động điều chỉnh các phân khúc khách hàng khi hành vi mua sắm online của họ thay đổi. Ngoài ra, AI có thể được sử dụng để dự đoán hành vi tương lai của khách hàng, giúp doanh nghiệp chủ động xây dựng các chiến lược tiếp thị phù hợp.

6.2. Cá nhân hóa sâu và trải nghiệm khách hàng vượt trội

Personalization sâu là xu hướng tất yếu trong tương lai của phân khúc khách hàng online. Doanh nghiệp cần phải cung cấp các trải nghiệm cá nhân hóa tối đa cho từng khách hàng, từ việc giới thiệu các sản phẩm phù hợp với sở thích của họ đến việc cung cấp các dịch vụ hỗ trợ tận tình. Cải thiện trải nghiệm khách hàng là yếu tố then chốt để xây dựng lòng trung thành và tăng cường customer lifetime value (CLV). Theo tài liệu gốc, sự cạnh tranh gay gắt trên thị trường bán lẻ sẽ nâng cao giá trị của khách hàng, do đó việc cá nhân hóa trải nghiệm là vô cùng quan trọng.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: CƠ SỞ LÝ THUYET VA TONG QUAN NGHIÊN CỨU 1. Tổng quan về mua sắm trực tuyến 1. Khái niệm về Thương mại điện tử Theo Tổ chức Thương mại thế giới (WTO), “Thương mại điện tử bao gồm việc sản xuất, quảng cáo, bán hàng và phân phối sản phẩm được mua bán và thanh toán trên mạng Internet, nhưng được giao nhận một cách hữu hình, cả các sản phẩm giao nhận cũng như những thông tin số hoá thông qua mạng Internet”. Với sự năng động của người tiêu dùng, Thương mại điện tử trở thành cách thức để phát triển mở rộng kinh doanh.

Ngày nay, có nhiều doanh nghiệp đã mở rộng mô hình kênh kinh doanh vao thị trường Thương mại điện tử. Mặc dù nó bắt đầu với hình thức B2B (Business-to-Business) vào thời điểm cuối những năm 1970, nhưng phân khúc B2C (Business-to-Customer) của TMĐT lại được chú ý nhiều hơn cả. Thông qua hình thức này, người tiêu dùng cá nhân có nhiều lựa chọn mua sắm hơn so với mua săm truyền thống như là mua sắm qua website, đặt hàng qua điện thoại, tivi, mua sam trực tiếp ở các cửa hàng, chợ, siêu thi. Nói một cách khác, Thương mại điện tử được định nghĩa một cách dễ hiểu là hình thái hoạt động thương mại bằng phương pháp điện tử, việc giao hàng hóa, dịch vụ, thông tin và thanh toán thông qua mạng máy tính hoặc qua các thiết bị điện tử khác mà nói chung là không cần phải in ra giấy trong bat cứ công đoạn nào của quá trình giao dịch (nên còn được gọi là “Thương mại không giấy tờ”) 1.

Khái niệm mua sắm trực tuyến Mua sắm trực tuyến là một trong những hình thức của TMĐT, ngày càng trở nên quan trọng trong phát triển Thương mại điện tử B2C từ cuối thế kỷ XX. Mua sắm trực tuyến còn được hiểu là dịch vụ mà người tiêu dùng sử dụng các thiết bị điện tử có kết nối Internet để giao dịch mua sắm. Giao dịch trực tuyến bao gồm những hành vi như tìm kiếm thông tin, đặt hàng, thanh toán trên Internet. Một số doanh nghiệp đã tận dụng được các ưu thé của hình thức bán hàng trực tuyến thay vì bán hàng truyền thống như là giảm chỉ phí giao dịch, tìm kiếm, phát triển thị trường rộng lớn hơn và giảm khoảng cách giữa người cung câp và người tiêu dùng.

11181654 — Doan Thị Hiền | 4 Chuyên dé thực tập chuyên ngành Toán Kinh tế Mua sam trực tuyến đã đạt đỉnh điểm trong những năm gan đây do sự tiến bộ của công nghệ và sự phát triển của Internet. Mua sắm trực tuyến trong nghiên cứu này là sự kết hợp của cả hoạt động tìm kiếm thông tin sản pham và mua hàng. Với mục đích của nghiên cứu này, tôi đề cập đến mua sắm điện tử, mua sắm trực tuyến và mua sắm trên Internet, những thuật ngữ này thường được sử dụng thay thế cho nhau. Sự khác nhau giữa mua sắm trực tuyến và mua sắm truyền thong Phương thức mua sắm trực tuyến và mua sắm truyền thống cũng có những điểm giống nhau khi cùng trải qua quá trình mua sắm năm bước bao gồm: nhận biết nhu cầu, tìm kiếm thông tin về sản phẩm, đánh giá các phương án thay thế, quyết định mua và đánh giá sau mua.

Tuy nhiên, hai hình phương thức mua sắm này có một số điểm khác biệt. Thứ nhất, đô là sự khác biệt về “các điều kiện kỹ thuật dé mua sắm”. Trong mua sắm truyền thống, khách hàng chỉ có cách di chuyên đến điểm bán hàng (cửa hàng, chợ, siêu thị.) là có thể thực hiện được hoạt động mua. Trong mua sắm trực tuyến, khách hàng không cần di chuyển đến các điểm bán hàng mà vẫn có thé thực hiện được các hoạt động trao đổi mua bán.

Tuy nhiên, khách hàng cần phải có máy tính hoặc các thiết bi di động có kết nối Internet. Thứ hai, một sô nhà bán lẻ trực tuyến không chấp nhận hình thức thanh toán tiền mặt (thanh toán khi nhận hàng - COD), dé thực hiện giao dịch, khách hàng bắt buộc phải có tài khoản ngân hàng hoặc phải thanh toán qua bên thứ ba Thứ ba, yêu tô tiếp xúc trực tiếp với sản phâm là điểm khác biệt lớn nhất giữa phương thức mua sắm trực tuyến và mua sắm truyền thống. Khách hàng khi mua sắm trực tuyến chỉ có thể nhìn hình anh sản phẩm trên mang mà không thé chắc chắn san phẩm thực tế có giống như vậy hay không, và khi sản phẩm được chuyền đến có còn được nguyên vẹn hay không. Từ đó nảy sinh các rủi ro trong quá trình giao dịch trực tuyến, nhất là khi trong thực tế có không ít trường hợp lừa đảo.

Đồng thời, việc thanh toán và nhận hàng trực tiếp sẽ an toàn hơn là thanh toán trực tuyến. Thứ tư, là sự khác biệt về khả năng truy cập số điểm bán hàng tại mọi thời điểm giữa hai phương thức mua sắm. 11181654 — Doan Thị Hiền | 5 Chuyên dé thực tập chuyên ngành Toán Kinh tế Bảng 1.1 Sự khác nhau giữa mua sắm truyên thông và mua săm trực tuyên STT |Tiến trình mua sam Mua sắm truyền thông |Mua sam trực tuyến Tap chí, tờ roi, cataloguelTrang web, catalogue 1 |Thu nhận thông tin giấy trực tuyến Thư và các mẫu biéu in |Các mẫu biểu điện tử, 2 |Mô tả hàng hóa trên giây email Kiểm tra khả năng cung 3 lứng và thỏa thuận gia Điện thoại, thư, fax Email, web 4_ |Tạo đơn hàng Đơn hàng trên giấy Đơn hàng điện tử 5 |Trao đổi thông tin Thư, fax Email Các mẫu biểu điện tử, 6 |Kiểm hàng tại kho Các mẫu biểu in sẵn, fax email Chuyên hàng trực tuyến, 7 |Giao hàng Phương tiện vận tải. phương tiện vận tải 8 [Thông bao Thu, fax, điện thoại Email 9_ |Chứng từ Chứng từ in trên giấy |Chứng từ điện tử Tiền mặt, thanh toán qua Tiên điện tử, giao dịch I0 [Thanh toán ngân hàng ngân hàng, số hóa 1.

Lợi ích và rủi ro của mua sam trực tuyén 1141 Lợi ích của mua sam trực tuyên Mua sắm trên Internet đã được chấp nhận rộng rãi như một phương thức mua sản pham và dịch vụ, trở thành một phương tiện phổ biến hơn trong thế giới Internet. Mua sắm trực tuyến cung cấp cho người tiêu dùng nhiều thông tin và lựa chọn hơn dé so sánh sản phẩm và giá cả môt cách thuận tiện hơn, dé dang hon dé tìm kiếm bat cứ thứ gì mà họ muốn. Người tiêu dùng có thể mua bất cứ thứ gì, bất cứ lúc nào mà không cần đến cửa hàng, có thê tìm thấy cùng một sản phẩm với giá thấp hơn bằng cách so sánh các trang web khác nhau trong cùng một lúc. Đôi khi họ muốn tránh áp lực khi phải giao tiếp trực tiếp với nhân viên bán hàng, có thể tránh kẹt xe khi di chuyên trên đường tới cửa hàng hoặc đơn giản là sự đông đúc bon chen tại cửa hàng.

11181654 — Doan Thị Hiền | 6 Chuyên dé thực tập chuyên ngành Toán Kinh tế Tóm tắt lại, lợi ích của mua sắm trực tuyến có thê được tóm tắt thành bốn loại như sau: sự tiện lợi, thông tin, các sản phẩm và dịch vụ sẵn có, hiệu quả về chỉ phí và thời gian. > Sự tiện lợi Mua sắm trực tuyến có san cho khách hàng suốt ngày đêm so với cửa hang truyền thống vì nó mở cửa 24 giờ một ngày, 7 ngày một tuần. Người tiêu dùng chọn mua sắm trực tuyến vì họ có thé mua sắm sau giờ làm việc khi mà các cửa hàng truyền thống đóng cửa. Người tiêu dùng không chỉ tìm kiếm sản phâm mà còn tìm kiếm các dịch vụ trực tuyến.

Một số công ty, nhà cung cấp bán lẻ có dịch vụ khách hàng trực tuyến 24 giờ. Do đó, ngay cả sau giờ làm việc, họ vẫn có thể đặt câu hỏi, nhận được sự hỗ trợ hoặc giúp đỡ cần thiết, điều này đã mang lại sự thuận tiện rất lớn cho người tiêu dùng. > Thông tin Internet đã làm cho việc truy cập dữ liệu dé dang hon. Do khách hàng hiếm khi có cơ hội tiếp xúc, cảm nhận sản phẩm và dịch vụ trực tuyến trước khi họ đưa ra quyết định mua, người bán hàng trực tuyến thường cung cấp nhiều thông tin sản phẩm hơn để giúp khách hàng có thể sử dụng khi mua hàng.

Ngoài việc lấy thông tin từ trang web của người bán, người mua hàng cũng có tham khảo từ các đánh giá về sản phâm của những khách hàng khác đã mua hoặc sử dụng. Họ có thé đọc những đánh giá đó dé có thêm niềm tin trước khi đưa ra quyết định mua sản phẩm. > San pham và dich vụ có san Thương mại điện tử đã thực hiện giao dịch dễ dàng hơn so với trước đây. Các cửa hàng trực tuyến mang lại lợi ích cho người tiêu dùng bằng cách cung cấp nhiều sản phẩm và dịch vụ hơn mà họ có thé lựa chọn.

Người tiêu dùng có thể tìm thấy tất cả các loại sản phẩm mà có sẵn từ khắp nơi trên thế giới. Hầu hết các công ty đều có trang web riêng để cung cấp sản phẩm hoặc dịch vụ trực tuyến, bất kế họ đã có cửa hàng trước hay chưa. Nhiều nhà bán lẻ truyền thống chỉ bán một số sản phẩm nhất định trực tiếp để giảm chỉ phí bán lẻ hoặc cung cấp cho khách hàng nhiều lựa chọn về kích cỡ, màu sắc hoặc tính năng. Ví dụ như, Yves Rocher, một công ty của Pháp- thương hiệu mỹ pham va làm đẹp toàn cầu, không có cửa hàng chính ở Mỹ.

Họ cung cấp trang web dé khách hàng Mỹ có thể thêm sản pham họ muốn vào giỏ hàng trực tuyên và sản phâm sẽ được chuyên đên tận nhà của họ. Hơn nữa, mua sắm trực tuyên 11181654 — Doan Thị Hiền | 7 Chuyên dé thực tập chuyên ngành Toán Kinh tế đôi khi cung cấp các kế hoạch thanh toán tốt và các lựa chọn cho khách hàng. Khách hàng có thể quyết định ngày và số tiền thanh toán của mình theo ý thích và sự thuận tiện của riêng họ. > Hiệu quả về chỉ phí và thời gian Khách hàng mua sắm trực tuyến thường được cung cấp ưu đãi tốt hơn, họ có thé nhận được sản phẩm giống như mua tại cửa hàng với giá cả thấp hon.

Các cửa hàng trực tuyến cung cấp cho khách hàng nhiều sản phẩm và dịch vụ ưu đãi giảm giá đồng nghĩa với việc khách hàng nhiều cơ hội hon dé so sánh giá cả, chất lượng từ các trang web khác nhau và tim sản phẩm có giá thấp hơn so với mua từ các cửa hàng bán lẻ địa phương. Một số trang web, chăng hạn như Ebay, cho phép cho khách hàng đấu giá hoặc tùy chọn ưu đãi tốt nhất, dé họ có thê kiếm được giá tốt cho sản phẩm của minh.