Bối cảnh và vấn đề nghiên cứu

Thương mại điện tử (TMĐT) tiếp tục duy trì tốc độ tăng trưởng nhanh tại khu vực Đông Nam Á, với tổng giá trị hàng hóa giao dịch trực tuyến (GMV) đạt 263 tỷ USD vào năm 2024, tăng 15% so với năm 2023. Trong đó, các phương thức bán hàng mới như video commerce đã chiếm khoảng 20% tổng GMV. Tại Việt Nam, quy mô GMV nền kinh tế số năm 2024 ước tính đạt 36 tỷ USD, riêng lĩnh vực TMĐT đóng góp hơn 22 tỷ USD với tốc độ tăng trưởng kép hàng năm (CAGR) giai đoạn 2019–2024 duy trì trên mức 16%. Mặc dù lưu lượng truy cập gia tăng đáng kể, tỷ lệ chuyển đổi trung bình trong lĩnh vực quảng cáo số và TMĐT chỉ dao động trong khoảng 6% đến 8% (trung bình toàn ngành đạt 7,04% theo báo cáo của WordStream năm 2025). Thực tế này đặt ra yêu cầu cấp thiết về việc dự đoán chính xác khách hàng có khả năng mua hàng nhằm tối ưu hóa chi phí tiếp thị và gia tăng hiệu quả vận hành.

Trong các nghiên cứu trước đây, nhiều thuật toán học máy như Logistic Regression, Random Forest, XGBoost và LightGBM đã được ứng dụng để phân loại hành vi người dùng. Tuy nhiên, phần lớn các công trình vẫn sử dụng cấu hình siêu tham số mặc định hoặc điều chỉnh thủ công, chưa khai thác triệt để năng lực của mô hình. Mô hình CatBoost cho thấy khả năng xử lý vượt trội đối với dữ liệu dạng bảng chứa nhiều biến danh mục và mất cân bằng lớp. Bên cạnh đó, các thuật toán tối ưu hóa metaheuristic như thuật toán di truyền (Genetic Algorithm – GA) mang lại hiệu quả cao trong việc dò tìm không gian tham số. Dù vậy, việc tích hợp CatBoost với thuật toán di truyền đa mục tiêu NSGA-II trên framework Optuna cho bài toán chuyển đổi khách hàng TMĐT vẫn chưa được nghiên cứu toàn diện.

Khóa luận xác định 4 mục tiêu nghiên cứu cụ thể:

  1. Xây dựng mô hình CatBoost làm nền tảng dự đoán hành vi chuyển đổi của khách hàng trên dữ liệu thương mại điện tử.
  2. Tích hợp thuật toán di truyền thông qua nền tảng Optuna để tối ưu hóa các siêu tham số của mô hình CatBoost, nhằm nâng cao độ chính xác, tính ổn định và khả năng tổng quát hóa của mô hình.
  3. So sánh hiệu suất của mô hình CatBoost-GA (Optuna) với các thuật toán học máy bao gồm Decision Tree, Random Forest, LightGBM, Logistic Regression và CatBoost mặc định.
  4. Đánh giá toàn diện hiệu quả mô hình bằng các chỉ số thống kê phân loại nhị phân gồm Accuracy, Precision, Recall, F1-score, ROC AUC và trực quan hóa bằng ma trận nhầm lẫn (Confusion Matrix).

Đối tượng nghiên cứu là hành vi chuyển đổi của khách hàng trên nền tảng thương mại điện tử. Phạm vi dữ liệu thực nghiệm được trích xuất từ bộ dữ liệu "Customer Conversion Dataset for StuffMart.com" trên nền tảng Kaggle, bao gồm 126.145 bản ghi có cấu trúc (hợp nhất từ tập huấn luyện 100.000 dòng và tập kiểm tra 26.145 dòng) với 19 trường thông tin. Đề tài được hoàn thành vào tháng 08 năm 2025 tại Khoa Kinh tế, Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh.

Cơ sở lý thuyết và phương pháp

Khóa luận dựa trên khung lý thuyết về hành vi chuyển đổi khách hàng trong môi trường số, xác định chuyển đổi là chuỗi tương tác chịu ảnh hưởng của các yếu tố: thiết kế giao diện (UX/UI), nguồn lưu lượng truy cập (traffic source), đặc điểm nhân khẩu học, hành vi tương tác và vị trí địa lý.

Về mặt mô hình hóa, nghiên cứu triển khai 5 thuật toán cơ sở để so sánh với mô hình đề xuất:

  • Hồi quy Logistic (Logistic Regression): Mô hình hóa xác suất nhị phân thông qua hàm Sigmoid với công thức $P(Y=1|X) = \frac{1}{1 + e^{-z}}$, trong đó $z = \beta_0 + \sum_{i=1}^n \beta_i X_i$.
  • Cây quyết định (Decision Tree): Phân chia không gian đặc trưng bằng các quy tắc rẽ nhánh tối ưu hóa chỉ số Information Gain, Gini Index hoặc Variance Reduction.
  • Rừng ngẫu nhiên (Random Forest): Kỹ thuật học kết hợp (ensemble learning) dựa trên kỹ thuật lấy mẫu bootstrap và biểu quyết đa số từ nhiều cây quyết định độc lập.
  • LightGBM: Thuật toán tăng cường độ dốc (GBDT) do Microsoft phát triển, ứng dụng kỹ thuật lấy mẫu một phía dựa trên gradient (GOSS), gom cụm đặc trưng loại trừ lẫn nhau (EFB) và chiến lược phát triển cây theo chiều sâu lá (leaf-wise).
  • CatBoost: Thuật toán GBDT do Yandex phát triển, áp dụng cơ chế tăng cường có thứ tự (ordered boosting) nhằm ngăn chặn rò rỉ mục tiêu (target leakage) và xử lý trực tiếp biến phân loại mà không cần tiền xử lý thủ công, hỗ trợ tăng tốc tính toán qua tập lệnh AVX, AVX2 và AVX-512.

Mô hình đề xuất CatBoost-GA (Optuna) sử dụng thuật toán di truyền sắp xếp không bị chi phối thế hệ thứ hai (NSGA-II) của Kalyanmoy Deb và cộng sự (2002), được tích hợp qua lớp NSGAIISampler trong thư viện Optuna (Akiba và cộng sự, 2019). NSGA-II vận hành qua các bước: khởi tạo quần thể nghiệm tham số, chọn lọc tự nhiên, lai ghép và đột biến. Thuật toán áp dụng cơ chế phân loại không chi phối (non-dominated sorting) và khoảng cách tập trung (crowding distance) nhằm tìm kiếm tập nghiệm tối ưu Pareto, hỗ trợ tối ưu hóa đồng thời các hàm mục tiêu xung đột nhau.

Quy trình nghiên cứu thực nghiệm bao gồm:

  • Phân tích dữ liệu khám phá (EDA): Đánh giá phân phối biến mục tiêu, kiểm tra dữ liệu thiếu và trùng lặp; phân tích mối liên kết giữa các biến danh mục bằng hệ số Cramér's V, Information Gain (IG) và Gain Ratio (GR); phân tích biến định lượng bằng kiểm định Independent Samples T-test, đồ thị mật độ (Density plot) và hệ số tương quan hạng phi tuyến Spearman.
  • Tiền xử lý dữ liệu: Loại bỏ biến định danh LeadID, mã hóa biến phân loại, chuẩn hóa biến số và phân chia tập dữ liệu.
  • Tiêu chí đánh giá: Tính toán dựa trên Ma trận nhầm lẫn (gồm True Positive - TP, True Negative - TN, False Positive - FP, False Negative - FN):
    • Accuracy: $\frac{TP + TN}{TP + TN + FP + FN}$ (chỉ dùng tham khảo do nhãn lệch).
    • Precision: $\frac{TP}{TP + FP}$.
    • Recall: $\frac{TP}{TP + FN}$.
    • F1-score: $2 \times \frac{Precision \times Recall}{Precision + Recall}$ (tiêu chí tối ưu chính).
    • ROC AUC: Diện tích dưới đường cong ROC biểu diễn quan hệ giữa True Positive Rate (TPR) và False Positive Rate (FPR) qua tích phân $AUC = \int_0^1 TPR(x) dx$.

Nội dung chính theo từng chương

Phần mở đầu

Trình bày tính cấp thiết xuất phát từ sự bùng nổ của quy mô kinh tế số Đông Nam Á và Việt Nam đối lập với tỷ lệ chuyển đổi đơn hàng thấp (chỉ 6–8% trên các nền tảng số). Xác lập 4 mục tiêu nghiên cứu, giới thiệu tập dữ liệu StuffMart.com (126.145 mẫu), đồng thời chỉ ra tính mới của việc kết hợp mô hình CatBoost với thuật toán di truyền NSGA-II trong thư viện Optuna để tối ưu hóa siêu tham số đa mục tiêu.

Chương 1: Các nghiên cứu liên quan

Khái quát lý thuyết về hành vi chuyển đổi TMĐT, phân tích tác động của các nhóm yếu tố: giao diện UX/UI, nguồn lưu lượng, phân khúc nhân khẩu học (độ tuổi, giới tính, thu nhập), tần suất hành vi và vị trí địa lý.

Chương này tổng hợp các nghiên cứu điển hình trong và ngoài nước:

  • Nghiên cứu của Lin (2025): So sánh SVM, XGBoost, CatBoost và BPANN, ghi nhận CatBoost và XGBoost đạt ROC AUC lần lượt là 0,985 và 0,984.
  • Nghiên cứu của Shtoff và cộng sự (2024): Ứng dụng tiền huấn luyện tự giám sát với auto-encoder tại hệ thống quảng cáo Yahoo.
  • Nghiên cứu của Seungsoo và Jongwoo (2018): Ứng dụng CNN kết hợp dữ liệu có cấu trúc và văn bản VOC phi cấu trúc.
  • Nghiên cứu của Niu và cộng sự (2017) trên Walmart.com: Random Forest đạt độ chính xác 76%.
  • Nghiên cứu của Quynh & Dung (2021): Mô hình Bagging đạt độ chính xác 80% trong dự đoán chấp nhận phiếu giảm giá.
  • Nghiên cứu của Pustokhina & Pustokhin (2023): So sánh học máy và Holt-Winters trong dự báo doanh số.
  • Nghiên cứu của Zhe Yuan (2024): Ứng dụng LSTM giúp giảm sai số MAE/RMSE dưới 1%, tăng tỷ lệ mua hàng thêm 4,8%.
  • Nghiên cứu của Aldelemy & Abd-Alhameed (2023): Mô hình kết hợp trên dữ liệu ngân hàng đạt độ chính xác trên 92%.
  • Nghiên cứu của Lee và cộng sự (2021) trên Google Merchandise Store: Kết hợp XGBoost, oversampling và kỹ thuật giải thích mô hình XAI.
  • Nghiên cứu của Kayyali (2023) trên tập RecSys2015: Mô hình Markov đạt Recall 81% và F1-score 64,8%.

Chương 1 kết luận về khoảng trống nghiên cứu: Các công trình trước chủ yếu so sánh mô hình đơn lẻ hoặc dùng tối ưu đơn mục tiêu, thiếu giải pháp tối ưu hóa metaheuristic đa mục tiêu cân bằng giữa Precision, Recall và F1-score trên dữ liệu mất cân bằng.

Chương 2: Mô hình dự báo và tiêu chí đánh giá

Trình bày cấu trúc toán học và nguyên lý vận hành của 5 thuật toán cơ sở: Logistic Regression, Decision Tree, Random Forest, LightGBM và CatBoost. Giới thiệu chi tiết giải thuật di truyền truyền thống và biến thể đa mục tiêu NSGA-II. Phân tích cơ chế của NSGA-II trong việc duy trì biên Pareto thông qua chọn lọc cạnh tranh và crowding distance. Luận giải việc tích hợp CatBoost và NSGA-II qua NSGAIISampler của Optuna nhằm đồng thời giải quyết hai vấn đề: năng lực trích xuất đặc trưng bảng phân loại phức tạp và cân bằng các chỉ số đánh giá hiệu năng nhị phân. Định nghĩa các chỉ số đo lường: Accuracy, Precision, Recall, F1-score, ROC AUC và Ma trận nhầm lẫn.

Chương 3: Khám phá dữ liệu và phương pháp nghiên cứu

Chi tiết hóa 19 đặc trưng của bộ dữ liệu StuffMart.com (126.145 bản ghi). Dữ liệu được chia thành các nhóm:

  • Nhóm định danh: LeadID (loại bỏ khỏi quá trình học).
  • Nhóm nhân khẩu học: Age, Gender, Location.
  • Nhóm hành vi: TimeSpent, PagesViewed, FormSubmissions, Downloads, CTR_ProductPage, ResponseTime, FollowUpEmails, SocialMediaEngagement, EmailSent, DeviceType.
  • Nhóm nguồn gốc: LeadSource, ReferralSource.
  • Nhóm trạng thái và quy trình: LeadStatus, PaymentHistory.
  • Biến mục tiêu: Conversion (Target).

Xây dựng logic hành trình chuyển đổi qua 7 giai đoạn: Kênh tiếp cận -> Khám phá nội dung -> Thu thập định danh -> Chăm sóc phản hồi -> Ra quyết định thanh toán -> Phân loại nội bộ -> Kết quả chuyển đổi.

Kết quả phân tích EDA ghi nhận:

  • Biến mục tiêu bị mất cân bằng nghiêm trọng: nhãn chuyển đổi (lớp 1) chỉ chiếm 1,6%, nhãn không chuyển đổi (lớp 0) chiếm 98,4%.
  • Kiểm tra tính toàn vẹn: Tập dữ liệu không chứa giá trị thiếu (missing values) và không có dòng trùng lặp (duplicate data).
  • Phân tích biến phân loại: Tỷ lệ chuyển đổi phân bổ đồng đều ở mức thấp giữa các nhóm. Tỷ lệ chuyển đổi theo Gender ở cả nam và nữ đều là 0,8%; theo DeviceType (Desktop, Tablet, Mobile) đều dưới 1%; LeadSource và ReferralSource dao động từ 0,3% đến 0,4%. Biến LeadStatus có nhóm "Hot" đạt tỷ lệ chuyển đổi 1%, cao hơn nhóm "Warm" và "Cold" (0,3%).
  • Tương quan Cramér's V giữa tất cả các cặp biến phân loại đều dưới 0,01 (cao nhất là PaymentHistory và LeadStatus đạt 0,0061; LeadSource và Gender đạt 0,0048), cho thấy không xảy ra hiện tượng đa cộng tuyến giữa các đặc trưng danh mục.
  • Chỉ số Information Gain (IG) và Gain Ratio (GR): Location đạt cao nhất với IG = 0,019922 và GR = 0,005997; tiếp theo là LeadStatus với IG = 0,002309 và GR = 0,001457; các biến còn lại có giá trị tiệm cận 0.
  • Kiểm định Independent Samples T-test trên biến số: Các biến có p-value = 0,00000 (< 0,05) gồm Age (nhóm chuyển đổi có tuổi trung bình 36,8 so với 40,0 ở nhóm không chuyển đổi), TimeSpent (nhóm chuyển đổi tập trung trên 30 phút), PagesViewed (nhóm chuyển đổi đạt 10–15 trang), EmailSent và FollowUpEmails (nhóm chuyển đổi tập trung từ trên 5 email). Các biến không có ý nghĩa thống kê (p > 0,05) gồm CTR_ProductPage, SocialMediaEngagement, ResponseTime, FormSubmissions, Downloads.
  • Phân tích tương quan Spearman: Hầu hết các biến có hệ số tương quan rất yếu với biến mục tiêu; biến PagesViewed ghi nhận hệ số cao nhất đạt 0,16.

Chương 4: Kết quả thực nghiệm

Chương này (bắt đầu từ trang 50 theo mục lục khóa luận) tập trung triển khai thực nghiệm mô hình hóa. Cấu hình không gian tìm kiếm siêu tham số cho CatBoost; tiến hành so sánh hiệu suất trước và sau khi tối ưu hóa bằng thuật toán NSGA-II trong Optuna; tổng hợp kết quả trung bình của 6 mô hình nghiên cứu (Logistic Regression, Decision Tree, Random Forest, LightGBM, CatBoost mặc định và CatBoost-GA) trên các thước đo Accuracy, Precision, Recall, F1-score, ROC AUC, thời gian huấn luyện và ma trận nhầm lẫn.

Chương 5: Kết luận

(Bắt đầu từ trang 57 theo mục lục) Đánh giá mức độ hoàn thành 4 mục tiêu nghiên cứu đã đề ra, tổng kết giá trị khoa học của giải thuật tối ưu hóa đa mục tiêu đối với bài toán chuyển đổi dữ liệu TMĐT và nêu các định hướng phát triển tiếp theo.

Kết quả và đóng góp

Khóa luận cung cấp các phát hiện định lượng từ dữ liệu thực nghiệm StuffMart.com:

Đặc trưng / Chỉ số phân tích Giá trị thống kê / Mức độ đo lường Ý nghĩa đối với hành vi chuyển đổi
Phân phối biến mục tiêu Chuyển đổi: 1,6% (lớp 1) - Không chuyển đổi: 98,4% (lớp 0) Xác nhận mức độ mất cân bằng lớp nghiêm trọng trong dữ liệu thực tế
Hệ số tương quan Cramér's V Toàn bộ các cặp biến danh mục đều có giá trị < 0,01 Các biến phân loại hoàn toàn độc lập, không bị đa cộng tuyến
Information Gain & Gain Ratio Location: IG = 0,019922, GR = 0,005997
LeadStatus: IG = 0,002309, GR = 0,001457		 Vị trí địa lý và trạng thái khách hàng có sức phân tách cao nhất trong các biến phân loại
Độ tuổi trung bình (Age) Chuyển đổi: 36,8 tuổi
Không chuyển đổi: 40,0 tuổi (p-value = 0,00000)		 Nhóm khách hàng trẻ có xu hướng phản hồi và chuyển đổi cao hơn
Thời gian trên trang (TimeSpent) Nhóm chuyển đổi > 30 phút (p-value = 0,00000) Thời lượng truy cập là chỉ báo phân biệt hành vi mạnh
Số trang đã xem (PagesViewed) Nhóm chuyển đổi: 10–15 trang; Spearman r = 0,16 Tương quan đồng biến lớn nhất với xác suất chuyển đổi
Số email gửi (EmailSent, FollowUpEmails) Nhóm chuyển đổi tập trung mật độ > 5 email (p-value = 0,00000) Tần suất remarketing qua email có mối liên hệ tích cực với chuyển đổi
Các biến không có ý nghĩa thống kê CTR_ProductPage, Downloads, FormSubmissions, ResponseTime, SocialMediaEngagement (p > 0,05) Chưa thể hiện sự khác biệt giá trị trung bình giữa hai nhóm khách hàng

Về đóng góp lý thuyết và thực tiễn:

  • Đề tài thiết lập một quy trình phân tích và tiền xử lý dữ liệu chuẩn tắc cho bài toán chuyển đổi khách hàng nhị phân mất cân bằng trong thương mại điện tử.
  • Đề xuất khung tích hợp giữa mô hình CatBoost và thuật toán tiến hóa di truyền NSGA-II thông qua framework Optuna. Phương pháp này chuyển dịch từ tối ưu hóa đơn mục tiêu sang tối ưu hóa đa mục tiêu dựa trên biên Pareto, cho phép cân bằng có chủ đích giữa Precision, Recall và F1-score thay vì chỉ tối đa hóa độ chính xác tổng thể (Accuracy).
  • Về mặt quản trị kinh doanh, kết quả phân tích thống kê chỉ ra rằng doanh nghiệp cần ưu tiên cá nhân hóa chiến dịch tiếp thị hướng đến nhóm người dùng dưới 40 tuổi, tối ưu hóa giao diện nhằm kéo dài thời gian truy cập trên 30 phút, đồng thời duy trì chuỗi chăm sóc qua email tự động với tần suất trên 5 lượt gửi đối với các khách hàng tiềm năng.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận ghi nhận các hạn chế chính từ bối cảnh dữ liệu và phạm vi kỹ thuật:

  • Tập dữ liệu nghiên cứu không chứa trường dữ liệu mốc thời gian thực tế (timestamp) cho từng hành động, khiến việc phân tích hành trình chuyển đổi phải dựa trên suy luận logic nguyên nhân - kết quả thay vì mô hình hóa chuỗi thời gian liên tục.
  • Tỷ lệ mất cân bằng dữ liệu ở mức cao (lớp thiểu số chỉ chiếm 1,6%), tạo ra thách thức lớn đối với việc tối ưu hóa đồng thời độ nhạy (Recall) mà không làm phát sinh nhiều trường hợp dương tính giả (False Positive).
  • Một số đặc trưng tương tác như tỷ lệ nhấp trang sản phẩm (CTR_ProductPage), số lượt tải (Downloads), gửi biểu mẫu (FormSubmissions) và tương tác mạng xã hội chưa thể hiện sự khác biệt có ý nghĩa thống kê qua kiểm định T trên tập dữ liệu này.

Hướng nghiên cứu tiếp theo được xác định:

  • Thu thập và kiểm thử mô hình trên các tập dữ liệu có ghi nhận mốc thời gian chi tiết nhằm khai thác các mô hình chuỗi hành vi.
  • Thử nghiệm kết hợp các kỹ thuật tiền xử lý mất cân bằng lớp chuyên sâu trước khi đưa vào bộ tối ưu hóa NSGA-II.
  • Ứng dụng các phương pháp trí tuệ nhân tạo có thể giải thích (XAI) nhằm minh bạch hóa cơ chế ra quyết định của các siêu tham số trong mô hình CatBoost.

Giá trị tham khảo

Tài liệu cung cấp giá trị tham khảo chuyên môn cho sinh viên, học viên và nhà nghiên cứu thuộc các ngành Thương mại điện tử, Hệ thống thông tin quản lý, Khoa học dữ liệu và Trí tuệ nhân tạo ứng dụng.

Các phần có giá trị tham khảo cụ thể:

  • Quy trình phân tích dữ liệu khám phá (EDA) tích hợp đầy đủ kiểm định giả thuyết thống kê (Independent Samples T-test), phân tích độ liên kết danh mục (Cramér's V, Information Gain, Gain Ratio) và tương quan phi tuyến Spearman trên tập dữ liệu quy mô lớn (126.145 dòng).
  • Phương pháp luận kết hợp thuật toán tối ưu hóa tiến hóa đa mục tiêu NSGA-II trong Optuna (NSGAIISampler) để dò tìm siêu tham số cho CatBoost trên dữ liệu mất cân bằng nhãn.

Câu hỏi thường gặp

1. Tập dữ liệu StuffMart.com có quy mô bao nhiêu và có xảy ra tình trạng thiếu dữ liệu không?
Tập dữ liệu gồm 126.145 bản ghi (hợp nhất từ tập huấn luyện 100.000 dòng và tập kiểm tra 26.145 dòng) với 19 trường thông tin có cấu trúc. Toàn bộ tập dữ liệu không có giá trị thiếu (missing values) và không chứa bản ghi trùng lặp.

2. Tỷ lệ phân bố biến mục tiêu Conversion (Target) trong tập dữ liệu là bao nhiêu?
Tỷ lệ nhãn của biến mục tiêu có sự chênh lệch lớn: nhóm khách hàng chuyển đổi (giá trị 1) chỉ chiếm khoảng 1,6%, trong khi nhóm không chuyển đổi (giá trị 0) chiếm tới 98,4%.

3. Tại sao nghiên cứu không dùng Accuracy làm chỉ số đánh giá chính?
Do dữ liệu bị mất cân bằng lớp nghiêm trọng (1,6% so với 98,4%), một mô hình đơn giản luôn dự đoán nhãn 0 vẫn có thể đạt Accuracy lên tới 98,4% nhưng hoàn toàn không phát hiện được khách hàng tiềm năng nào (Recall và Precision bằng 0). Do đó, nghiên cứu chọn F1-score làm tiêu chí tối ưu chính và đánh giá đồng thời Precision, Recall và ROC AUC.

4. Những đặc trưng số nào có sự khác biệt mang ý nghĩa thống kê giữa nhóm chuyển đổi và không chuyển đổi?
Kiểm định T-test độc lập xác nhận 5 biến số có ý nghĩa thống kê (p-value = 0,00000 < 0,05) gồm: Age (nhóm chuyển đổi có tuổi trung bình 36,8 so với 40,0 ở nhóm không chuyển đổi), TimeSpent (> 30 phút), PagesViewed (10–15 trang), EmailSent (> 5 email) và FollowUpEmails (> 5 email).

5. Khóa luận so sánh mô hình đề xuất với những thuật toán học máy nào?
Mô hình CatBoost tối ưu hóa bằng NSGA-II trong Optuna được so sánh với 5 thuật toán cơ sở: Logistic Regression, Decision Tree, Random Forest, LightGBM và CatBoost mặc định.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị Thảo Vân đã giải quyết bài toán dự đoán chuyển đổi khách hàng thương mại điện tử trên bộ dữ liệu StuffMart.com quy mô 126.145 bản ghi. Bằng việc thực hiện quy trình phân tích thống kê thực nghiệm và đề xuất giải pháp tối ưu hóa siêu tham số đa mục tiêu NSGA-II (Optuna) cho mô hình CatBoost, nghiên cứu đã khắc phục hạn chế của việc chọn tham số thủ công trên dữ liệu mất cân bằng. Kết quả của đề tài đóng góp cơ sở phương pháp luận cho việc ứng dụng thuật toán tiến hóa trong học máy và cung cấp các hàm ý thực tiễn về hành vi tương tác cho doanh nghiệp số.