Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh thị trường logistics ngày càng phát triển và cạnh tranh gay gắt, đặc biệt là giai đoạn sau đại dịch Covid-19 khi nguồn cung hàng hóa vận chuyển có xu hướng khan hiếm, việc quản trị quan hệ khách hàng (Customer Relationship Management - CRM) và duy trì tập khách hàng hiện tại trở thành nhiệm vụ mang tính sống còn đối với các doanh nghiệp vận tải. Thực tế kinh doanh chỉ ra rằng chi phí để tiếp cận và thu hút một khách hàng mới cao hơn nhiều lần so với chi phí giữ chân một khách hàng cũ. Sự rời bỏ của khách hàng (customer churn) không chỉ làm suy giảm trực tiếp doanh thu mà còn làm gia tăng áp lực chi phí bán hàng, tiếp thị và làm giảm uy tín thương hiệu của doanh nghiệp.

Khóa luận tốt nghiệp của sinh viên Lê Anh Tân (Khoa Toán Kinh tế, Trường Đại học Kinh tế Quốc dân, dưới sự hướng dẫn của GS.TS Nguyễn Quang Dong, năm 2023) tập trung giải quyết bài toán phân tích và dự báo hành vi rời bỏ dịch vụ vận chuyển của khách hàng doanh nghiệp thông qua việc ứng dụng các thuật toán học máy (Machine Learning).

Mục tiêu nghiên cứu của đề tài:

  • Mục tiêu chung: Nghiên cứu các nhân tố ảnh hưởng đến sự rời bỏ của khách hàng bằng mô hình Machine Learning, cụ thể là mô hình Hồi quy Logistic (Logistic Regression) và Cây quyết định (Decision Tree), từ đó đề xuất các giải pháp quản trị giúp khách hàng gắn bó lâu dài với dịch vụ của doanh nghiệp.
  • Nhiệm vụ nghiên cứu cụ thể:
    1. Xác định các nhân tố ảnh hưởng tới tỷ lệ rời bỏ của khách hàng dựa trên mô hình Hồi quy Logistic và Decision Tree.
    2. Lựa chọn mô hình nghiên cứu và dự báo sự rời bỏ tối ưu giữa hai thuật toán.
    3. Phân tích, đánh giá và so sánh kết quả thực nghiệm nhận được trên tập dữ liệu kiểm thử.
    4. Đề xuất các nhóm giải pháp quản trị và chiến lược duy trì khách hàng dựa trên các biến số có ý nghĩa thực tiễn.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Các nhân tố ảnh hưởng đến khả năng rời bỏ dịch vụ vận chuyển đường bộ của khách hàng doanh nghiệp.
  • Phạm vi không gian và đối tượng khảo sát: Tập trung vào nhóm khách hàng doanh nghiệp (đã sử dụng dịch vụ từ 6 tháng trở lên, không xét khách hàng cá nhân vãng lai) sử dụng dịch vụ vận chuyển đường bộ (các dòng xe tải, xe container nhỏ có tải trọng dưới 3 tấn) tại khu vực miền Bắc của Công ty Cổ phần Hàng hải Vsico.
  • Phạm vi thời gian và nguồn dữ liệu: Tập dữ liệu gồm 3.000 quan sát được trích xuất từ hệ thống phần mềm quản lý vận tải nội bộ của Công ty Vsico trong giai đoạn 5 năm, từ tháng 4/2018 đến tháng 2/2023.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và khái niệm nền tảng

Nghiên cứu được xây dựng dựa trên các nền tảng lý thuyết cốt lõi sau:

  1. Quản trị quan hệ khách hàng (CRM): Hệ thống hóa quy trình quản trị xoay quanh cơ sở dữ liệu khách hàng làm trung tâm cùng 4 trụ cột nghiệp vụ: Marketing, Sales, Service và Analysis.
  2. Lý thuyết giá trị vòng đời khách hàng và Sự rời bỏ (Customer Churn): Khách hàng rời bỏ là việc khách hàng chấm dứt sử dụng dịch vụ của doanh nghiệp để chuyển sang đối thủ cạnh tranh. Nghiên cứu tiếp cận phân tích dữ liệu khách hàng theo 3 nhóm thông tin chính:
    • Thông tin nhân khẩu học doanh nghiệp (tuổi doanh nghiệp, địa bàn hoạt động, ngành hàng).
    • Hành vi sử dụng dịch vụ (tần suất gửi hàng, khoảng thời gian giữa các chuyến, khối lượng, cự ly vận chuyển, mức giá, việc ký kết hợp đồng dài hạn).
    • Thái độ và mức độ khiếu nại (số lượng cuộc gọi phàn nàn hàng tháng).

Phương pháp nghiên cứu định lượng và mô hình Machine Learning

Tác giả triển khai hai mô hình phân loại nhị phân có giám sát (Supervised Binary Classification) nhằm đánh giá biến phụ thuộc $Y$ ($Y = 0$: khách hàng rời bỏ; $Y = 1$: khách hàng ở lại):

  1. Mô hình Hồi quy Logistic (Logistic Regression):

    • Xác định xác suất rời bỏ thông qua hàm Logit và tỷ số chênh (Odds Ratio): $$\ln\left(\frac{P}{1 - P}\right) = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_k X_k$$
    • Các công cụ kiểm định thống kê: Kiểm định tỷ số khả năng hợp lý (Likelihood Ratio Test - LRT) để kiểm tra mức độ phù hợp tổng thể của mô hình; Kiểm định Hosmer-Lemeshow để đánh giá độ khớp dữ liệu; Kiểm định Wald (Wald-test) để đánh giá ý nghĩa thống kê của từng hệ số riêng lẻ; Hệ số Nagelkerke $R^2$ và giá trị $-2\text{LL}$ ($-2\text{ Log Likelihood}$).

  2. Mô hình Cây quyết định (Decision Tree):

    • Cấu trúc cây gồm: Nút gốc (Root Node), các nút quyết định (Decision Nodes), nhánh con (Sub-trees) và nút lá (Leaf Nodes).
    • Sử dụng các tiêu chí phân tách (Information Gain, Gain Ratio hoặc Gini Impurity) và kỹ thuật cắt tỉa nhánh (Pruning) để tối ưu hóa và giảm thiểu hiện tượng quá khớp (overfitting).

  3. Tiêu chuẩn đánh giá và so sánh mô hình:

    • Tập dữ liệu 3.000 mẫu được phân chia theo tỷ lệ 80/20 (2.400 quan sát dùng để huấn luyện - Train set; 600 quan sát dùng để đánh giá độc lập - Test set).
    • Bộ chỉ số đo lường: Ma trận nhầm lẫn (Confusion Matrix), Độ chính xác tổng thể (Accuracy), Độ chuẩn xác (Precision), Độ thu hồi (Recall), Điểm F1 (F1-score) và Diện tích dưới đường cong ROC (AUC - Area Under the Curve).

Nội dung chính theo từng chương

Chương 1: Cơ sở lý thuyết và tổng quan nghiên cứu

Chương này khái quát hóa thực trạng ngành logistics Việt Nam dựa trên báo cáo chuyên ngành (theo Vietnam Report năm 2022, doanh nghiệp nội địa chiếm khoảng 88% số lượng nhưng các doanh nghiệp nước ngoài lại nắm giữ 70 - 80% thị phần doanh thu). Nội dung đi sâu phân tích bản chất của các loại hình dịch vụ logistics (vận chuyển đường bộ, kho bãi, bảo hiểm hàng hóa) và vai trò trung tâm của cơ sở dữ liệu khách hàng trong hệ thống CRM. Tác giả chỉ rõ đặc thù của khách hàng logistics doanh nghiệp có tính trung thành và giá trị vòng đời cao hơn khách hàng cá nhân vãng lai. Đồng thời, chương 1 thiết lập luận điểm về sự cần thiết phải phân tích đa chiều dữ liệu khách hàng (nhân khẩu học, hành vi giao dịch và tần suất khiếu nại) nhằm phát hiện sớm các dấu hiệu rời bỏ.

Chương 2: Phương pháp nghiên cứu

Chương 2 trình bày khung toán học và thuật toán của hồi quy Logistic và Cây quyết định, đồng thời xây dựng hệ thống 3 giả thuyết nghiên cứu chính:

  • Giả thuyết 1: Yếu tố giá cả ảnh hưởng tiêu cực đáng kể đến sự sẵn lòng duy trì dịch vụ của khách hàng.
  • Giả thuyết 2: Yếu tố chất lượng dịch vụ (thời gian giao hàng, mức độ an toàn hàng hóa, số lượng phàn nàn) tác động trực tiếp đến quyết định rời bỏ.
  • Giả thuyết 3: Giá trị khách hàng (đo lường qua tần suất sử dụng, thời gian cộng tác, việc ký hợp đồng dài hạn) tỷ lệ nghịch với xác suất rời bỏ.

Tác giả định nghĩa hệ thống biến số cho tập dữ liệu nghiên cứu gồm biến phụ thuộc $Y$ và 11 biến độc lập ($Var_1$ đến $Var_{11}$):

Mã biến Tên biến Giải thích ý nghĩa Đơn vị đo lường
$Y$ Khách hàng rời bỏ Trạng thái khách hàng (0: Rời bỏ, 1: Ở lại) Biến giả nhị phân
$Var_1$ Tuổi khách hàng Thời gian thành lập của doanh nghiệp Năm
$Var_2$ Thời gian sử dụng Thời gian khách hàng đã sử dụng dịch vụ Vsico Năm
$Var_3$ Địa điểm vận chuyển Địa phương xuất phát/nhận hàng (tỉnh/thành) Biến định danh
$Var_4$ Loại hàng hóa Thực phẩm, đồ điện tử, vật liệu xây dựng Biến định danh
$Var_5$ Khối lượng hàng hóa Trọng lượng hàng hóa bình quân một chuyến kg
$Var_6$ Khoảng cách di chuyển Cự ly vận chuyển trung bình km
$Var_7$ Số đơn trong tháng Số lượng đơn hàng vận chuyển trong 1 tháng Đơn/tháng
$Var_8$ Tần suất đơn hàng Khoảng thời gian trung bình giữa các đơn hàng Giờ
$Var_9$ Giá mỗi đơn hàng Giá cước trung bình mỗi chuyến hàng Triệu đồng
$Var_{10}$ Hợp đồng dài hạn Khách hàng có ký hợp đồng dài hạn hay không 1: Có, 0: Không
$Var_{11}$ Số cuộc gọi phàn nàn Số lượng cuộc gọi khiếu nại trung bình/tháng Cuộc gọi/tháng

Chương 3: Ứng dụng Machine Learning vào xây dựng mô hình khách hàng loại bỏ

Chương thực nghiệm triển khai phân tích thống kê mô tả toàn bộ 3.000 mẫu và huấn luyện hai mô hình học máy:

1. Đặc trưng thống kê mô tả của mẫu nghiên cứu:

  • Tuổi doanh nghiệp khách hàng ($Var_1$): Trung bình 11,591 năm (độ lệch chuẩn 4,908; min 2,38; max 20,86).
  • Thời gian sử dụng dịch vụ ($Var_2$): Trung bình 5,723 năm (độ lệch chuẩn 4,608; tập trung chủ yếu ở khoảng 2 - 7 năm).
  • Khối lượng hàng hóa ($Var_5$): Trung bình 1.564,195 kg (min 93,58 kg; max 3.006,28 kg).
  • Khoảng cách di chuyển ($Var_6$): Trung bình 170,773 km (min 27,55 km; max 308,30 km). Hệ số tương quan giữa giá cước và cự ly đạt mức $r = 0,07$.
  • Số đơn hàng hàng tháng ($Var_7$): Trung bình 55,245 đơn/tháng (min 5; max 106).
  • Khoảng cách giữa các đơn ($Var_8$): Trung bình 37,447 giờ (min 0,37 giờ; max 275,05 giờ).
  • Giá trung bình đơn hàng ($Var_9$): 3,69 triệu đồng (min 0,49; max 6,31 triệu đồng).
  • Số cuộc gọi phàn nàn ($Var_{11}$): Trung bình 15,655 cuộc/tháng (min 0,49; max 30,98 cuộc).
  • Địa bàn hoạt động ($Var_3$): Tập trung mật độ cao tại Hà Nội và các tỉnh lân cận có hạ tầng công nghiệp, cảng biển (Bắc Ninh, Hải Phòng, Quảng Ninh, Hưng Yên, Hà Nam, Vĩnh Phúc).

2. Kết quả ước lượng mô hình Hồi quy Logistic:

  • Quá trình chọn lọc biến qua kiểm định Wald đã loại bỏ các biến không có ý nghĩa thống kê ($Var_1$, $Var_4$, $Var_5$, $Var_6$) và giữ lại các biến có tác động thực sự: $Var_2$, $Var_3$, $Var_7$, $Var_8$, $Var_9$, $Var_{10}$, $Var_{11}$.
  • Hệ số hồi quy cho thấy: Biến thời gian sử dụng ($Var_2$) mang dấu dương (khách hàng sử dụng càng lâu năm càng ít rời bỏ); biến tần suất giãn cách giữa các đơn ($Var_8$), biến giá cước ($Var_9$) và số cuộc gọi phàn nàn ($Var_{11}$) mang dấu âm có ý nghĩa thống kê cao ($p\text{-value} = 2\times 10^{-16} < 0,05$), khẳng định giá cước tăng hoặc khiếu nại tăng sẽ làm tăng xác suất rời bỏ.
  • Kiểm định mô hình: Likelihood Ratio Test cho giá trị thống kê với $p\text{-value} = 2,2\times 10^{-16} < 0,01$ (bác bỏ $H_0$, mô hình đề xuất phù hợp); Kiểm định Hosmer-Lemeshow có $p\text{-value} > 0,05$ (dữ liệu khớp tốt với mô hình).

3. Kết quả mô hình Cây quyết định (Decision Tree): Mô hình trích xuất các quy tắc phân nhánh nổi bật:

  • Quy tắc 1: Khách hàng có số đơn hàng/tháng ($Var_7$) $\ge 29$ đơn và số phàn nàn ($Var_{11}$) $< 25$ cuộc thì tỷ lệ duy trì ở lại đạt tới 99% (nhóm này chiếm 64% tổng số quan sát).
  • Quy tắc 2: Khách hàng có số phàn nàn $\ge 25$ cuộc nhưng số lượng đơn hàng lớn ($Var_7 > 42$ đơn) thì tỷ lệ ở lại vẫn đạt mức cao 93% (chiếm 13% mẫu).
  • Quy tắc 3: Khách hàng có số đơn $< 29$ đơn/tháng nhưng khiếu nại ít ($Var_{11} < 15$ cuộc) có tỷ lệ ở lại đạt 96% (chiếm 9% mẫu).

Kết quả và đóng góp

Bảng so sánh hiệu suất hai mô hình trên tập kiểm thử (600 quan sát)

Chỉ số đánh giá Hồi quy Logistic Cây quyết định (Decision Tree)
Số mẫu dự báo đúng Rời bỏ (TP) 55 / 68 (82,09%) 46 / 68 (80,70%)
Số mẫu dự báo đúng Ở lại (TN) 520 / 532 (97,56%) 521 / 532 (95,90%)
Độ chính xác tổng thể (Accuracy) 95,83% 94,50%
Độ chuẩn xác (Precision) 0,820 0,807
Độ nhạy / Thu hồi (Recall) 0,809 0,676
Điểm F1-score 0,815 0,736
Diện tích dưới đường cong ROC (AUC) 0,8908 (Chưa xác lập đồ thị liên tục)

Đóng góp thực tiễn và giải pháp quản trị

Nghiên cứu khẳng định mô hình Hồi quy Logistic có năng lực dự báo vượt trội hơn Decision Tree trên tập dữ liệu logistics thực tế, đặc biệt ở chỉ số Recall (0,809 so với 0,676) và F1-score (0,815 so với 0,736).

Dựa trên các biến số có ý nghĩa, tác giả đưa ra 4 nhóm giải pháp:

  1. Phân nhóm khách hàng theo thâm niên sử dụng ($Var_2$): Thiết lập chính sách chăm sóc riêng biệt cho khách hàng lâu năm, khách hàng trung hạn và khách hàng mới nhằm củng cố lòng trung thành theo từng giai đoạn vòng đời.
  2. Chính sách giá linh hoạt và giá trị gia tăng ($Var_9$): Trong trường hợp giá cước không thể giảm sâu do chi phí cố định, doanh nghiệp cần bù đắp bằng các giá trị vượt trội như năng lực điều động xe linh hoạt, hỗ trợ giãn thời hạn công nợ.
  3. Gia tăng tần suất đặt đơn ($Var_7$, $Var_8$): Triển khai chiết khấu thương mại theo sản lượng tháng nhằm rút ngắn khoảng cách thời gian giữa các đơn hàng.
  4. Quản trị hệ thống khiếu nại và phản hồi ($Var_{11}$): Nhìn nhận phàn nàn là tín hiệu cảnh báo sớm; thiết lập cơ chế tiếp nhận và khắc phục lỗi vận hành ngay từ các cuộc gọi đầu tiên, thực hiện chiến lược "Win-Back" tùy biến theo nhu cầu đặc thù của từng khách hàng.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận tự xác định một số giới hạn xuất phát từ phạm vi tiếp cận dữ liệu thực tế tại doanh nghiệp:

  • Giới hạn về phương thức vận tải: Dữ liệu nghiên cứu mới chỉ thu thập đối với phân khúc vận chuyển đường bộ bằng các phương tiện xe tải, xe container nhỏ có tải trọng dưới 3 tấn; chưa bao quát được toàn diện các phương thức vận tải chủ lực khác của Vsico như vận tải biển và vận tải đường sắt.
  • Giới hạn về không gian địa lý: Tập mẫu 3.000 quan sát mới chỉ tập trung tại thị trường các tỉnh thành phía Bắc.
  • Hướng mở rộng nghiên cứu: Mở rộng tích hợp nguồn dữ liệu đa phương thức (đường biển, đường sắt), kiểm thử thêm các thuật toán học máy phức hợp (Ensemble Learning) như Random Forest, Gradient Boosting để cải thiện chỉ số phân loại đối với tập khách hàng có nguy cơ rời bỏ cao.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo chuyên ngành hữu ích cho:

  • Sinh viên và học viên ngành Toán kinh tế, Phân tích dữ liệu (Data Analytics), Hệ thống thông tin quản lý và Kinh tế số: Tham khảo quy trình chuẩn hóa từ xử lý biến, kiểm định kinh tế lượng (LRT, Hosmer-Lemeshow, Wald-test) đến lập trình mô hình học máy nhị phân và vẽ đường cong ROC/AUC.
  • Sinh viên ngành Quản trị Logistics và Quản lý chuỗi cung ứng: Tiếp cận phương pháp định lượng để lượng hóa các vấn đề quản trị quan hệ khách hàng (CRM) và chiến lược duy trì thị phần vận tải.
  • Chuyên viên phân tích dữ liệu và nhà quản trị doanh nghiệp vận tải: Tham khảo bộ tiêu chí phân nhánh thực tế từ cây quyết định để ứng dụng xây dựng hệ thống cảnh báo sớm rủi ro mất khách hàng trong hệ thống CRM doanh nghiệp.

Câu hỏi thường gặp

1. Tập dữ liệu nghiên cứu của khóa luận được lấy từ nguồn nào và có quy mô ra sao?

Dữ liệu gồm 3.000 quan sát được trích xuất từ phần mềm điều hành vận tải nội bộ của Công ty Cổ phần Hàng hải Vsico trong thời gian 5 năm (từ tháng 4/2018 đến tháng 2/2023), giới hạn trên tập khách hàng doanh nghiệp sử dụng dịch vụ vận tải đường bộ (xe dưới 3 tấn) tại khu vực miền Bắc có thâm niên hợp tác từ 6 tháng trở lên.

2. Vì sao tác giả loại bỏ các biến tuổi doanh nghiệp ($Var_1$), loại hàng hóa ($Var_4$), khối lượng hàng ($Var_5$) và cự ly vận chuyển ($Var_6$)?

Trong quá trình ước lượng hồi quy Logistic, các biến này không đạt mức ý nghĩa thống kê thông qua các kiểm định giả thuyết (hệ số $p\text{-value}$ lớn hơn ngưỡng ý nghĩa $\alpha = 0,05$), cho thấy chúng không có tác động mang tính quyết định đến việc khách hàng ở lại hay rời bỏ so với các biến về giá cước, tần suất đơn hàng và số lượng cuộc gọi khiếu nại.

3. Mô hình Hồi quy Logistic hay Decision Tree cho hiệu quả dự báo tốt hơn trong nghiên cứu này?

Mô hình Hồi quy Logistic cho kết quả vượt trội hơn trên tập kiểm thử (Test set) với Độ chính xác tổng thể $95,83%$, Điểm F1 đạt $0,815$, Recall đạt $0,809$ và diện tích dưới đường cong ROC ($AUC$) đạt $0,8908$. Trong khi đó, mô hình Decision Tree tuy có độ chính xác đạt $94,50%$ nhưng chỉ số Recall chỉ đạt $0,676$ và F1-score đạt $0,736$.

4. Quy tắc phân nhánh quan trọng nhất được phát hiện từ Cây quyết định là gì?

Quy tắc phân nhánh chiếm tỷ trọng lớn nhất (64% tổng số mẫu) chỉ ra rằng: Khách hàng có số đơn hàng trong tháng $\ge 29$ đơn và số cuộc gọi phàn nàn $< 25$ cuộc thì xác suất ở lại không rời bỏ dịch vụ đạt tới $99%$.

Kết luận

Khóa luận tốt nghiệp của sinh viên Lê Anh Tân đã ứng dụng thành công các thuật toán Machine Learning vào việc giải quyết bài toán thực tiễn về quản trị tỷ lệ khách hàng rời bỏ trong lĩnh vực logistics. Nghiên cứu chứng minh rằng mô hình Hồi quy Logistic với chỉ số $AUC = 0,8908$ và $Accuracy = 95,83%$ là công cụ phân loại hiệu quả, giúp định vị chính xác tác động tiêu cực của giá cước và tần suất khiếu nại đối với hành vi rời bỏ của khách hàng. Các phát hiện thực nghiệm cùng hệ thống quy tắc từ cây quyết định cung cấp luận cứ khoa học rõ ràng cho các doanh nghiệp logistics trong việc thiết kế chính sách giữ chân khách hàng và tối ưu hóa hoạt động CRM.