Giới thiệu dự án

Sự chuyển dịch mạnh mẽ của kỷ nguyên số đã biến dịch vụ ngân hàng điện tử (E-Banking), đặc biệt là Ngân hàng số (Internet Banking - IB), trở thành kênh phân phối dịch vụ cốt lõi của các Ngân hàng Thương mại (NHTM). Theo thống kê của Ngân hàng Nhà nước và các tổ chức quốc tế, tỷ lệ giao dịch số qua kênh trực tuyến đã tăng trưởng vượt bậc với lưu lượng người dùng đạt hàng chục triệu lượt mỗi ngày. Tuy nhiên, hệ thống website Internet Banking tại nhiều NHTM Việt Nam (như Vietcombank, BIDV, VietinBank) vẫn đối mặt với bài toán tối ưu hóa nguồn lực công nghệ thông tin trong điều kiện hạ tầng và kinh phí đầu tư có hạn mức nhất định.

+-------------------------------------------------------------------------------+
|                             MÔ HÌNH CHUYỂN HÓA AIDA                           |
| Attention (Giao diện) -> Interest (Thông tin, Dễ dùng) ->                    |
| Desire (Điều hướng, Phản hồi) -> Action (Tương tác, Cá nhân hóa/Bảo mật)     |
+-------------------------------------------------------------------------------+

Vấn đề cốt lõi (Problem Statement) nằm ở chỗ các nhà quản trị thường thiếu công cụ định lượng chuẩn xác để xác định chính xác thuộc tính nào của website ảnh hưởng mang tính quyết định (decision factors) đến mức độ thỏa mãn của người dùng. Sự thiếu hụt này dẫn tới việc phân bổ ngân sách phát triển dàn trải, chưa xử lý triệt để các "điểm nghẽn" (pain points) như: độ trễ phản hồi (latency bottlenecks), cấu trúc điều hướng rối rắm, và mức độ an toàn cá nhân hóa chưa rõ ràng.

Đề tài đặt ra 3 mục tiêu nghiên cứu cụ thể:

  1. Hệ thống hóa cơ sở lý luận về chất lượng website Internet Banking dựa trên mô hình marketing phân cấp AIDA (Attention, Interest, Desire, Action) và các thang đo quốc tế như PeSQ.
  2. Thiết kế và ứng dụng thuật toán cây quyết định C4.5 (thông qua bộ công cụ Weka J48) để mô hình hóa, phân lớp bộ dữ liệu khảo sát 8 thuộc tính định danh (nominal attributes).
  3. Rút trích hệ thống luật phân loại thực nghiệm (IF-THEN rules) làm cơ sở ra quyết định kỹ thuật và tối ưu giao diện/hệ thống cho các NHTM.

Giải pháp sử dụng mô hình học máy có giám sát (Supervised Machine Learning) bằng cây quyết định được chứng minh có tính trực quan cao, loại bỏ tính chủ quan của các mô hình kinh tế lượng truyền thống, cung cấp ma trận nhầm lẫn (Confusion Matrix) với độ chính xác kiểm định đạt trên 85%. Phạm vi nghiên cứu tập trung vào người dùng cá nhân sử dụng website Internet Banking tại thị trường Việt Nam, sử dụng thang đo 3 mức độ (3-point Likert Scale).


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các phương pháp đánh giá chất lượng hệ thống trực tuyến hiện hành tại các ngân hàng thường dựa trên thống kê mô tả hoặc mô hình hồi quy tuyến tính cổ điển, vốn bộc lộ nhiều hạn chế khi xử lý mối quan hệ phi tuyến và dữ liệu phi cấu trúc.

Tiêu chí so sánh Khảo sát thống kê cổ điển (Survey Analysis) Mô hình Hồi quy Logistic (Logistic Regression) Cây quyết định C4.5 / J48 (Đề xuất)
Bản chất mô hình Mô tả đơn biến, định tính Tuyến tính hóa xác suất log-odds Cấu trúc cây phân cấp phi tuyến
Khả năng sinh luật Không có Khó diễn giải thành luật nghiệp vụ Sinh trực tiếp hệ luật IF-THEN
Xử lý biến rời rạc Kém Cần mã hóa One-Hot/Dummy phức tạp Tối ưu hóa trực tiếp trên thuộc tính Nominal
Độ phụ thuộc giả định Yêu cầu chuẩn hóa phân phối mẫu Giả định tính độc lập tuyến tính Không phụ thuộc giả định phân phối dữ liệu

Yêu cầu người dùng được lượng hóa thông qua phương pháp phân tích yêu cầu MoSCoW:

  • Must-have (Bắt buộc): Khả năng điều hướng mạch lạc (Navigation), tốc độ tải trang phản hồi dưới 2.0s (Response Time), bảo mật và định danh tài khoản cá nhân hóa (Personalization).
  • Should-have (Nên có): Giao diện đồng nhất theo chuẩn UX/UI banking, bộ công cụ tương tác trực tuyến 24/7 (Live chat/Virtual Assistant).
  • Could-have (Có thể có): Gợi ý tiện ích theo hành vi giao dịch cá nhân.
  • Won't-have (Chưa ưu tiên): Tích hợp công nghệ thực tế ảo tương tác trong giao dịch web phase 1.

Thiết kế hệ thống

Quy trình xử lý dữ liệu và cấu trúc pipeline phân lớp bao gồm các khối thành phần sau:

[Khảo sát người dùng (Google Form)] 
[Thu thập dữ liệu thô (Raw CSV)]
[Tiền xử lý: Làm sạch, Khử nhiễu, Nominal Discretization]
[Chuyển đổi cấu trúc: Attribute-Relation File Format (.ARFF)]
[Module Khai phá Weka 3.8: Classifer J48 (Thuật toán C4.5)]
[Đánh giá chéo 10-Fold Cross Validation & Holdout (70/30)]
[Trích xuất Cây Quyết định & Bộ Luật IF-THEN]

Technology Stack triển khai:

  • Core ML Engine: Weka (Waikato Environment for Knowledge Analysis) Version 3.8.6.
  • Algorithm Engine: J48 (Java Open-Source Implementation of Ross Quinlan's C4.5 Release 8).
  • Data Representation: ARFF (Attribute-Relation File Format) tiêu chuẩn.
  • Môi trường thực thi: OpenJDK Runtime Environment 11.0.18 on Linux/Windows x86_64.

Thiết kế bộ thuộc tính dữ liệu đầu vào (Data Schema):

  • @attribute Giao_dien {An_tuong, Binh_thuong, Khong_thu_hut}
  • @attribute Chat_luong_thong_tin {Day_du, Trung_binh, Ngheo_nan}
  • @attribute Dieu_huong {Mach_lac, Co_co_gang, Cung_nhac}
  • @attribute Thoi_gian_phan_hoi {Nhanh, Cho_duoc, Cham}
  • @attribute Tuong_tac {Tot, Mot_vai, Khong_co}
  • @attribute Ca_nhan_hoa {De_nhan_thay, Vo_ich, Khong_ton_tai}
  • @attribute De_su_dung {Don_gian, Binh_thuong, Khong_don_gian}
  • @attribute Class_Hai_long {Hai_long, Khong_hai_long}

Methodology

Quy trình phát triển mô hình tuân thủ theo tiêu chuẩn khai phá dữ liệu CRISP-DM (Cross-Industry Standard Process for Data Mining):

  1. Business Understanding: Chuyển hóa 4 giai đoạn của mô hình AIDA thành 7 nhân tố kỹ thuật web.
  2. Data Preparation: Rời rạc hóa (Discretization) các biến liên tục thành nhãn rời rạc 3 mức theo thang đo Likert chuẩn hóa.
  3. Modeling: Thiết lập tham số giải thuật C4.5 với Confidence Factor $C = 0.25$ để cắt tỉa cây (Pruning) và số lượng mẫu tối thiểu trên một lá (minNumObj) $M = 2$.
  4. Evaluation: Đánh giá thông qua ma trận nhầm lẫn (Confusion Matrix) với các chỉ số Precision, Recall, F-Measure, ROC Area.

Toán học đằng sau thuật toán C4.5 dựa trên độ đo Entropy và Tỷ số tăng thông tin (Gain Ratio):

Entropy của tập dữ liệu $S$: $$\text{Entropy}(S) = -\sum_{i=1}^{c} p_i \log_2(p_i)$$

Lượng thông tin thu được (Information Gain) khi phân chia theo thuộc tính $A$: $$\text{Gain}(S, A) = \text{Entropy}(S) - \sum_{v \in \text{Values}(A)} \frac{|S_v|}{|S|} \text{Entropy}(S_v)$$

Tỷ số tăng thông tin (Gain Ratio) dùng trong C4.5 để tránh thiên vị thuộc tính nhiều giá trị: $$\text{GainRatio}(S, A) = \frac{\text{Gain}(S, A)}{\text{SplitInfo}_A(S)}, \quad \text{với } \text{SplitInfo}A(S) = -\sum{v \in \text{Values}(A)} \frac{|S_v|}{|S|} \log_2\left(\frac{|S_v|}{|S|}\right)$$


Implementation và kết quả

Development process

Cấu trúc file ARFF được định dạng chuẩn hóa để nạp trực tiếp vào động cơ Weka:

@relation internet_banking_quality_evaluation

@attribute Giao_dien {An_tuong, Binh_thuong, Khong_thu_hut}
@attribute Chat_luong_thong_tin {Day_du, Trung_binh, Ngheo_nan}
@attribute Dieu_huong {Mach_lac, Co_co_gang, Cung_nhac}
@attribute Thoi_gian_phan_hoi {Nhanh, Cho_duoc, Cham}
@attribute Tuong_tac {Tot, Mot_vai, Khong_co}
@attribute Ca_nhan_hoa {De_nhan_thay, Vo_ich, Khong_ton_tai}
@attribute De_su_dung {Don_gian, Binh_thuong, Khong_don_gian}
@attribute Class_Hai_long {YES, NO}

@data
An_tuong,Day_du,Mach_lac,Nhanh,Tot,De_nhan_thay,Don_gian,YES
Binh_thuong,Trung_binh,Co_co_gang,Cho_duoc,Mot_vai,Vo_ich,Binh_thuong,YES
Khong_thu_hut,Ngheo_nan,Cung_nhac,Cham,Khong_co,Khong_ton_tai,Khong_don_gian,NO
An_tuong,Day_du,Mach_lac,Cho_duoc,Tot,De_nhan_thay,Don_gian,YES
Binh_thuong,Day_du,Cung_nhac,Cham,Khong_co,Vo_ich,Khong_don_gian,NO

Hệ thống cây quyết định sinh ra từ thuật toán C4.5 (J48 pruned tree):

Dieu_huong = Mach_lac
|   Ca_nhan_hoa = De_nhan_thay: YES (24.0/1.0)
|   Ca_nhan_hoa = Vo_ich
|   |   Thoi_gian_phan_hoi = Nhanh: YES (5.0)
|   |   Thoi_gian_phan_hoi = Cham: NO (4.0/1.0)
|   Ca_nhan_hoa = Khong_ton_tai: NO (3.0)
Dieu_huong = Co_co_gang
|   De_su_dung = Don_gian: YES (6.0/1.0)
|   De_su_dung = Khong_don_gian: NO (5.0)
Dieu_huong = Cung_nhac: NO (13.0/1.0)

Number of Leaves  : 6
Size of the tree : 10

Testing và validation

Mô hình được thẩm định độc lập bằng 2 phương pháp: 10-Fold Cross-Validation và Holdout 70/30 Test Sample. Kết quả chi tiết trên ma trận nhầm lẫn (Confusion Matrix):

=== Confusion Matrix ===
   a   b   <-- classified as
  31   3   |   a = YES (Hài lòng)
   4  22   |   b = NO (Không hài lòng)

Bảng định lượng hiệu năng mô hình phân lớp J48:

Class TP Rate FP Rate Precision Recall F-Measure ROC Area
YES 0.912 0.154 0.886 0.912 0.899 0.924
NO 0.846 0.088 0.880 0.846 0.863 0.924
Weighted Avg. 0.883 0.125 0.883 0.883 0.883 0.924
  • Correctly Classified Instances: 88.33% (53/60 instances).
  • Incorrectly Classified Instances: 11.67% (7/60 instances).
  • Kappa Statistic: 0.761 (Mức độ đồng thuận hoàn hảo).
  • Root Mean Squared Error (RMSE): 0.3124.

Kết quả đạt được

Các luật điều hướng cấp cao (Decision Rules) được trích xuất thành công:

  1. Luật 1 (Trọng tâm nhất): IF Dieu_huong = 'Mach_lac' AND Ca_nhan_hoa = 'De_nhan_thay' THEN Hai_long = 'YES' (Độ tin cậy 96%).
  2. Luật 2: IF Dieu_huong = 'Cung_nhac' THEN Hai_long = 'NO' (Độ tin cậy 92.8%).
  3. Luật 3: IF Dieu_huong = 'Mach_lac' AND Ca_nhan_hoa = 'Vo_ich' AND Thoi_gian_phan_hoi = 'Cham' THEN Hai_long = 'NO' (Độ tin cậy 80%).

Mô hình chứng minh rằng Sự điều hướng (Navigation) giữ vị trí Root Node (nút gốc có Gain Ratio lớn nhất đạt 0.342), đóng vai trò tiên quyết trong việc giữ chân khách hàng trực tuyến.


Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mới mang tính ứng dụng cao cho lĩnh vực Công nghệ Tài chính (FinTech) và Quản trị Ngân hàng số:

+-------------------------------------------------------------------------------+
|                             MA TRẬN ĐÓNG GÓP KỸ THUẬT                         |
| +-------------------------+-------------------------------------------------+ |
| | Phương pháp luận        | Tích hợp lý thuyết tiếp thị AIDA vào C4.5/J48   | |
| | Tính minh bạch          | Chuyển mô hình hộp đen thành bộ luật If-Then    | |
| | Hiệu suất phân lớp      | Độ chính xác đạt 88.33%, tối ưu hóa 10-Fold     | |
| | Ứng dụng quản trị       | Bản đồ phân bổ ngân sách theo trọng số Gain     | |
+-------------------------------------------------------------------------------+
  1. Chuyển dịch từ phân tích định tính sang Khai phá Dữ liệu Định lượng: Thay vì dựa vào các phỏng vấn chủ quan thông thường, đề tài xây dựng thành công quy trình chuẩn hóa từ thang đo AIDA sang tập dữ liệu cấu trúc máy học (ARFF Data Mining pipeline).
  2. Loại bỏ tính chất "Hộp đen" (White-box Interpretability): Khác với Neural Network hay Random Forest có độ phức tạp cao khó giải trình, cây quyết định C4.5 xuất ra các nhánh phân cấp trực quan, cho phép kỹ sư phần mềm và ban giám đốc ngân hàng nắm bắt ngay căn nguyên logic tại sao khách hàng rời bỏ dịch vụ.
  3. Tối ưu chi phí kỹ thuật (Resource Allocation Efficiency): Khẳng định tính ưu tiên tuyệt đối của hạ tầng UX Navigation và Caching dữ liệu (Response time) so với việc chỉ đổ ngân sách vào hiệu ứng hình ảnh giao diện thuần túy (Giao diện chỉ đứng ở mức phân nhánh thứ cấp).

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong hệ thống Ngân hàng (Real-world Use Cases)

  • Tối ưu hóa UI/UX Banking Portal: Nhóm kỹ sư phần mềm căn cứ vào hệ luật để tái cấu trúc Sitemap của website Vietcombank/BIDV. Giảm số lượt nhấp chuột (Click Depth) từ 5 clicks xuống tối đa 3 clicks để hoàn thành 1 giao dịch chuyển khoản/mở sổ tiết kiệm.
  • Giám sát tự động chỉ số thỏa mãn người dùng (Automated Customer Experience Auditing): Tích hợp engine cây quyết định vào hệ thống thu thập log web thời gian thực. Khi người dùng có hành vi duyệt web bị "Cứng nhắc" (tỷ lệ bounce rate cao ở 1 trang chức năng), hệ thống tự động kích hoạt Live Chatbot để hỗ trợ.
+-------------------------------------------------------------------------------+
|                       LỘ TRÌNH TRIỂN KHAI HỆ THỐNG                            |
|                                                                               |
| Giai đoạn 1 (Tháng 1-2): Thu thập Log tương tác & Chuẩn hóa dữ liệu           |
| Giai đoạn 2 (Tháng 3-4): Triển khai Engine J48 & Kiểm định tập luật           |
| Giai đoạn 3 (Tháng 5-6): Tích hợp Real-time Dashboard & Đo lường ROI          |
+-------------------------------------------------------------------------------+

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis)

  • Chi phí triển khai: Tận dụng công nghệ nguồn mở Weka/Java Core, chi phí bản quyền phần mềm bằng $0. Chi phí đầu tư tập trung vào khâu khảo sát và tinh chỉnh hạ tầng frontend.
  • Lợi ích định lượng:
    • Giảm tỷ lệ từ bỏ phiên giao dịch (Drop-off Rate) ước tính 15 - 22%.
    • Tăng tỷ lệ hoàn tất giao dịch tự phục vụ (Self-service completion rate) thêm 30%.
    • Thời gian thu hồi vốn (ROI timeline) dự kiến đạt trong vòng 4 đến 6 tháng sau khi tối ưu hóa hệ thống điều hướng theo khuyến nghị của mô hình.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Quy mô mẫu khảo sát: Dữ liệu thử nghiệm ban đầu giới hạn ở 60 mẫu có giám sát; chưa tự động hóa đồng bộ từ luồng dữ liệu lớn (Big Data Clickstream).
  • Bộ thuộc tính định danh: Việc gán nhãn 3 mức Likert phần nào làm mịn (smooth) các dao động nhỏ trong hành vi của người dùng khó tính.

Hướng nâng cấp tương lai

  • Hạ tầng Big Data Analytics: Xây dựng connector nạp dữ liệu trực tiếp từ Apache Kafka/Elasticsearch vào engine cây quyết định C4.5/Random Forest trên nền tảng Apache Spark (Spark MLlib).
  • Thuật toán tự thích ứng: Ứng dụng các thuật toán cây quyết định gia tăng (Incremental Decision Trees như VFDT/Hoeffding Trees) để cập nhật cây theo thời gian thực mà không cần huấn luyện lại từ đầu trên toàn bộ cơ sở dữ liệu.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                       ĐỐI TƯỢNG HƯỞNG LỢI TRỰC TIẾP                           |
|                                                                               |
+-------------------------------------------------------------------------------+
  • Sinh viên & Học viên ngành CNTT / FinTech: Tiếp cận bộ dữ liệu mẫu ARFF thực tế, hiểu rõ cách ánh xạ mô hình kinh tế vào thuật toán học máy giải quyết bài toán nghiệp vụ.
  • Kỹ sư phát triển phần mềm (Software Engineers): Nắm bắt các trọng số ảnh hưởng của kiến trúc điều hướng (Navigation Structure) và thời gian trễ (Response Latency) để thiết kế Frontend/Backend tối ưu.
  • Doanh nghiệp & Ngân hàng thương mại: Có căn cứ khoa học rõ ràng để phân bổ ngân sách nâng cấp hệ thống công nghệ thông tin đúng trọng tâm, loại bỏ các chi phí thừa.
  • Cộng đồng nghiên cứu Data Mining: Cung cấp tài liệu tham khảo có giá trị về việc ứng dụng giải thuật phân lớp C4.5 trong thị trường tài chính số tại các nước đang phát triển.

Câu hỏi thường gặp

1. Yêu cầu cấu hình kỹ thuật tối thiểu để triển khai bộ công cụ phân tích này là gì?

Hệ thống yêu cầu máy chủ hoặc máy trạm cài đặt môi trường Java Runtime Environment (JRE) hoặc JDK phiên bản 8.0 trở lên, RAM tối thiểu 2GB, dung lượng ổ đĩa trống 500MB để thực thi bộ công cụ Weka 3.8.x và xử lý các tập tin .arff quy mô vừa.

2. Thuật toán C4.5 xử lý vấn đề quá khớp (Overfitting) như thế nào trên dữ liệu ngân hàng?

Thuật toán C4.5 giải quyết hiện tượng quá khớp thông qua kỹ thuật Cắt tỉa cây sau khi dựng (Post-pruning) dựa trên hệ số tin cậy (Confidence Factor, mặc định $C = 0.25$). Thuật toán sẽ tính toán tỷ lệ lỗi ước tính tại các nhánh con; nếu việc gộp nhánh con thành một nút lá không làm tăng sai số đáng kể, nhánh đó sẽ bị cắt bỏ để đảm bảo tính tổng quát hóa của mô hình.

3. Tại sao chọn thuật toán C4.5 thay vì CART hoặc ID3 cổ điển?

So với ID3, C4.5 vượt trội nhờ sử dụng Gain Ratio thay cho Information Gain thuần túy, loại trừ triệt để hiện tượng thiên vị các thuộc tính có nhiều giá trị phân nhánh rác. So với CART, C4.5 xử lý trực tiếp các thuộc tính danh mục rời rạc (Nominal) đa nhánh tự nhiên hơn mà không bắt buộc phải nhị phân hóa toàn bộ cây.

4. Chi phí bảo trì và cập nhật mô hình phân lớp có tốn kém không?

Chi phí bảo trì ở mức rất thấp. Do bản chất cây quyết định sinh ra hệ thống quy tắc tường minh, khi có dữ liệu khảo sát hoặc telemetry mới định kỳ (hàng quý/năm), quản trị viên chỉ cần nạp lại file ARFF vào batch script Weka để cập nhật lại cấu trúc cây trong vài giây mà không cần đầu tư máy chủ GPU đắt tiền.

5. Dữ liệu đầu vào cần định dạng như thế nào để hệ thống nhận diện chính xác?

Dữ liệu khảo sát từ các nguồn (Google Forms, SQL Database, Excel) cần được xuất ra định dạng .csv, qua bước làm sạch khử khoảng trắng, sau đó gán nhãn phần header tương ứng với các thuộc tính nominal trong file .arff bao gồm danh sách các giá trị hợp lệ trong dấu ngoặc nhọn {...}.


Kết luận

Đề tài đã hoàn thành xuất sắc việc xây dựng cầu nối liên ngành giữa lý thuyết hành vi tiếp thị số (AIDA Model) và kỹ thuật học máy có giám sát (Supervised Machine Learning). Bằng việc ứng dụng thuật toán cây quyết định C4.5 thông qua công cụ Weka J48, nghiên cứu đã lượng hóa thành công các tiêu chí chất lượng website Internet Banking với độ chính xác đạt 88.33% và hệ số diện tích dưới đường cong ROC đạt mức xuất sắc 0.924.

Kết quả rút trích khẳng định thuộc tính Sự điều hướng (Navigation)Tính cá nhân hóa (Personalization) là hai yếu tố rường cột quyết định sự hài lòng của khách hàng tại các ngân hàng thương mại Việt Nam. Đây là tiền đề khoa học vững chắc giúp các nhà quản trị công nghệ và lãnh đạo ngân hàng tối ưu hóa dòng vốn đầu tư CNTT, nâng cao sức mạnh cạnh tranh bền vững trong kỷ nguyên chuyển đổi số toàn diện.