Ứng Dụng Mô Hình LRFM Và Thuật Toán K-Means Trong Phân Khúc Khách Hàng Theo Lòng Trung Thành: Nghiên Cứu Thực Nghiệm Tại Adventure Works

Tóm tắt nghiên cứu (Research Summary)

  • Câu hỏi nghiên cứu cốt lõi: Làm thế nào để phân khúc khách hàng một cách chính xác theo mức độ trung thành dựa trên hành vi giao dịch thực tế, nhằm khắc phục nhược điểm bỏ qua yếu tố thời gian gắn kết của mô hình RFM truyền thống trong ngành bán lẻ?
  • Phương pháp tiếp cận (Methodology Snapshot): Nghiên cứu khai thác tập dữ liệu bán lẻ đa kênh của công ty Adventure Works Cycles (giai đoạn 2017 – 2020) với hơn 121.000 bản ghi. Quy trình áp dụng mô hình mở rộng LRFM (Length - Recency - Frequency - Monetary), tích hợp các kỹ thuật tiền xử lý dữ liệu nâng cao (biến đổi Box-Cox, căn bậc hai, chuẩn hóa Min-Max) và thuật toán học không giám sát K-Means Clustering, kết hợp phương pháp Elbow cùng chỉ số Silhouette để xác định và kiểm định số cụm tối ưu.
  • Phát hiện chính (Key Findings): Mô hình phân định thành công cơ sở khách hàng thành 6 cụm hành vi rõ rệt, trong đó có 5 nhóm phản ánh các trạng thái trung thành tích cực. Kết quả phân cụm đạt hệ số phân tách Silhouette Score ấn tượng là 0,8374, khẳng định độ gắn kết nội cụm cao và sự tách biệt rõ ràng giữa các phân khúc.
  • Hàm ý thực tiễn (Implications): Kết quả nghiên cứu cung cấp một khung hành động định lượng chuẩn xác giúp doanh nghiệp bán lẻ nhận diện chân dung khách hàng, thiết kế các chương trình khách hàng thân thiết (VIP Loyalty Program) và chiến dịch tái kích hoạt (Re-engagement Campaigns) cá nhân hóa, tối ưu hóa doanh thu và gia tăng giá trị vòng đời khách hàng (Customer Lifetime Value - CLV).

Bối cảnh và tầm quan trọng (Context & Significance)

Trong bối cảnh bùng nổ của cuộc Cách mạng Công nghiệp 4.0 và chuyển đổi số, dữ liệu lớn (Big Data Analytics) và khoa học dữ liệu đã trở thành động lực cốt lõi định hình năng lực cạnh tranh của doanh nghiệp. Theo các khảo sát toàn cầu, hơn 84% doanh nghiệp hàng đầu đã đầu tư mạnh mẽ vào phân tích dữ liệu lớn nhằm nâng cao chất lượng ra quyết định chiến lược, đặc biệt trong quản trị quan hệ khách hàng (Customer Relationship Management - CRM).

Mô hình RFM truyền thống:   [Recency]   + [Frequency] + [Monetary]
Mô hình LRFM cải tiến:      [Length]    + [Recency]   + [Frequency] + [Monetary]
                         (Thời gian gắn kết)

Trước đây, mô hình RFM (Recency, Frequency, Monetary) – ra đời từ năm 1995 – là chuẩn mực kinh điển để phân loại khách hàng dựa trên nguyên lý Pareto 80/20. Tuy nhiên, một khoảng trống nghiên cứu (Research Gap) lớn của RFM là mô hình này hoàn toàn bỏ qua biến số Length (L) – khoảng thời gian từ lần mua đầu tiên đến lần mua gần nhất. Điều này dẫn đến sự sai lệch nghiêm trọng: một khách hàng mới chi tiêu đột biến trong thời gian ngắn có thể bị đánh đồng với một khách hàng trung thành bền bỉ suốt nhiều năm.

Nghiên cứu này có tính thời sự và ứng dụng thực tiễn cao khi giải quyết triệt để hạn chế trên. Bằng việc tích hợp biến Length vào mô hình LRFM, doanh nghiệp không chỉ đo lường được giá trị tài chính và tần suất đơn thuần, mà còn thấu hiểu sâu sắc chiều sâu của mối quan hệ khách hàng. Đối với các doanh nghiệp bán lẻ quy mô lớn như Adventure Works, việc phân khúc chính xác mức độ trung thành là nền tảng sống còn để phân bổ ngân sách tiếp thị hiệu quả, ngăn chặn nguy cơ rời bỏ (churn rate) và xây dựng lợi thế cạnh tranh dài hạn.

Phương pháp luận và cách tiếp cận nghiên cứu (Methodology & Approach)

Nghiên cứu được thiết kế theo quy trình khai phá dữ liệu (Data Mining) và học máy (Machine Learning) chuẩn mực, gồm các bước chặt chẽ:

1. Thu thập và trích xuất dữ liệu

Tập dữ liệu thứ cấp từ Microsoft Adventure Works Cycles ghi nhận toàn bộ giao dịch bán hàng trực tuyến từ ngày 01/07/2017 đến 15/06/2020 với 121.253 dòng dữ liệu và 15 thuộc tính cấu trúc liên quan đến đơn hàng, khách hàng, sản phẩm và vùng lãnh thổ.

2. Phát hiện bất thường và làm sạch dữ liệu (Anomaly Detection)

  • Loại trừ kênh Reseller: Toàn bộ dữ liệu của đại lý bán buôn/bán lại bị loại bỏ để tập trung hoàn toàn vào hành vi người tiêu dùng cuối (B2C).
  • Lọc khách hàng không đủ điều kiện phân tích trung thành: Loại bỏ các bản ghi có $L = 0$ (khách hàng chỉ mua đúng 1 lần duy nhất gần đây) và $R > 366$ ngày (khách hàng đã ngừng giao dịch hơn 1 năm), nhằm đảm bảo dữ liệu phản ánh đúng những đối tượng có hành vi tích cực để đánh giá lòng trung thành.

3. Tính toán các thuộc tính LRFM

  • Length ($L$): Số ngày chênh lệch giữa ngày giao dịch đầu tiên và ngày giao dịch gần nhất của khách hàng.
  • Recency ($R$): Số ngày tính từ ngày giao dịch cuối cùng của khách hàng đến mốc phân tích kết thúc của tập dữ liệu.
  • Frequency ($F$): Tổng số lượng đơn hàng phân biệt mà khách hàng đã thực hiện.
  • Monetary ($M$): Tổng doanh số chi tiêu lũy kế của khách hàng.

4. Biến đổi và chuẩn hóa dữ liệu

Dữ liệu ban đầu của cả 4 biến $L, R, F, M$ đều có hiện tượng lệch phải nghiêm trọng (right-skewed), điển hình là biến $F$ với 95% khách hàng chỉ tập trung ở mức 1–5 lần mua. Để thuật toán K-Means không bị thiên lệch bởi các giá trị cực trị và khác biệt đơn vị đo lường:

  • Áp dụng phép biến đổi Box-Cox (tìm tham số $\lambda$ tối ưu) và Square Root để kéo phân phối dữ liệu về dạng tiệm cận chuẩn.
  • Sử dụng chuẩn hóa Min-Max Normalization đưa giá trị của 4 biến về thang đo đồng nhất $[0, 1]$.
  • Quyết định không áp dụng PCA (Principal Component Analysis): Nhóm nghiên cứu chủ động loại bỏ PCA nhằm tránh việc mất mát thông tin và giữ trọn vẹn khả năng giải thích nghiệp vụ (interpretability) trực tiếp trên từng chiều $L, R, F, M$.

5. Xác định số cụm tối ưu và huấn luyện mô hình

  • Sử dụng Phương pháp Elbow dựa trên tổng bình phương khoảng cách nội cụm ($WCSS$) kết hợp đường cong kiểm định Silhouette Score từ $k = 2$ đến $k = 9$.
  • Cả hai phương pháp đồng quy tại điểm bão hòa và đạt đỉnh hệ số Silhouette cao nhất tại $k = 6$.
  • Huấn luyện mô hình K-Means trên nền tảng Python thư viện scikit-learn.

Phát hiện chính từ nghiên cứu (Major Findings)

Quá trình phân cụm K-Means với $k=6$ đã tạo ra bức tranh toàn cảnh về hành vi khách hàng với hệ số phân tách Silhouette đạt 0,8374. Dưới đây là chân dung chi tiết của 6 phân khúc:

Cụm (Cluster) Tên phân khúc chuyên môn Tỷ lệ (%) Đặc trưng chỉ số LRFM Đánh giá giá trị & Mức độ trung thành
Cụm 1 Original Extreme Loyal Customers (Trung thành Cao cấp Ban đầu) 20,2% $L$ Rất cao, $R$ Cao, $F$ Trung bình, $M$ Cao nhất Từng là khách hàng VIP tạo doanh thu lớn nhất nhưng đang có nguy cơ rời bỏ cao (đã vắng bóng 3–12 tháng).
Cụm 2 Original Moderate Loyal Customers (Trung thành Trung bình Ban đầu) 23,0% $L$ Trung bình, $R$ Cao, $F$ Thấp, $M$ Khá cao Nhóm khách hàng từng gắn bó, tần suất mua ít nhưng giá trị đơn hàng lớn; hiện đang ở trạng thái "ngủ đông".
Cụm 3 New Extreme Loyal Customers (Trung thành Cao cấp Mới) 8,6% $L$ Thấp, $R$ Thấp nhất, $F$ Cao nhất (TB 3,83), $M$ Thấp Khách hàng mới cực kỳ tích cực mua sắm gần đây, mua rất thường xuyên các món đồ phụ kiện/giá trị nhỏ.
Cụm 4 All-Time Extreme Loyal Customers (Trung thành Cao cấp Mọi thời kỳ) 11,9% $L$ Cao nhất (TB 871 ngày), $R$ Cực thấp, $F$ Cao, $M$ Rất cao Phân khúc khách hàng "vàng" hoàn hảo: gắn bó lâu dài nhất, mua liên tục và chi tiêu đặc biệt lớn.
Cụm 5 All-Time Loyal Customers (Trung thành Mọi thời kỳ) 26,0% $L$ Cao (269–752 ngày), $R$ Trung bình, $F$ Cao, $M$ Cao Xương sống doanh thu của doanh nghiệp; nhóm khách hàng tích cực, duy trì sức mua ổn định qua nhiều năm.
Cụm 6 New Customers but Low Loyalty (Khách hàng Mới nhưng Ít trung thành) 9,9% $L$ Thấp nhất (TB 108 ngày), $R$ Trung bình, $F$ Thấp, $M$ Thấp nhất Nhóm khách hàng rời bỏ sớm sau vài tương tác ngắn ngủi; mức độ đóng góp tài chính không đáng kể. 
                              BẢN ĐỒ CHIẾN LƯỢC PHÂN KHÚC KHÁCH HÀNG

Các phát hiện hành vi mang tính bước ngoặt:

  1. Sự tách biệt giữa "Từng trung thành" và "Đang trung thành": Nhờ biến $L$, nghiên cứu chỉ ra Cụm 1 có mức đóng góp tiền tệ ($M$) trung bình cao nhất hệ thống nhưng $R$ lại ở mức báo động (hơn 250–300 ngày không mua lại). Nếu chỉ dùng RFM, doanh nghiệp có thể lầm tưởng họ là nhóm ít tiềm năng do $R$ xấu, trong khi họ chính là đối tượng cần cứu vãn gấp vì giá trị lịch sử khổng lồ.
  2. Quy luật Pareto hiện hữu rõ nét: Cụm 1, Cụm 2 và Cụm 5 chiếm gần 70% quy mô khách hàng và đóng góp phần lớn tổng doanh thu của công ty, trong khi Cụm 6 gần như không mang lại lợi nhuận biên.
  3. Mối tương quan giữa các biến: Phân tích tương quan Pearson cho thấy $M$ và $L$ có mối tương quan dương khá cao (khách hàng ở lại càng lâu càng chi nhiều tiền), trong khi $R$ và $M$ có tương quan âm nhẹ ($-0,18$), củng cố giả thuyết khách hàng càng xa rời thương hiệu thì giá trị mang lại càng suy giảm.

Đóng góp khoa học và giá trị ứng dụng (Contributions & Value)

1. Đóng góp về mặt lý thuyết và học thuật

  • Chứng minh một cách định lượng tính ưu việt của mô hình LRFM so với RFM truyền thống trong việc phân loại trung thành của người tiêu dùng.
  • Cung cấp bằng chứng thực nghiệm về việc tích hợp thuật toán phân cụm không giám sát trong lĩnh vực nghiên cứu liên ngành giữa Hệ thống thông tin quản lý (MIS) và Hành vi người tiêu dùng (Consumer Behavior).

2. Đổi mới về mặt phương pháp luận

  • Xây dựng quy trình xử lý dữ liệu chuẩn hóa: kết hợp biến đổi Box-Cox nhằm khắc phục triệt để tính lệch phân phối của dữ liệu bán lẻ trước khi chạy K-Means, loại bỏ sự cần thiết của PCA để bảo tồn khả năng diễn giải nghiệp vụ cho các nhà quản trị.
  • Thiết lập quy chuẩn kiểm định kép giữa phương pháp Elbow và Silhouette Score, đạt hệ số tin cậy vượt trội (0,8374).

3. Ứng dụng thực tiễn trong quản trị kinh doanh

  • Cụm 1 & 2 (Chiến lược Win-Back/Re-engagement): Ứng dụng phân tích dữ liệu lịch sử để gửi thông điệp cá nhân hóa, phát hành voucher tri ân có thời hạn ngắn nhằm tạo tâm lý cấp bách (urgency) kích hoạt lại hành vi mua.
  • Cụm 3 (Chiến lược Upsell & Cross-sell): Triển khai chuỗi email/thông báo gợi ý sản phẩm đồng bộ (bundle/cross-category), hướng dẫn sử dụng sản phẩm cao cấp hơn nhằm tăng giá trị giỏ hàng trung bình ($M$).
  • Cụm 4 & 5 (Chiến lược VIP Retention): Thiết kế chương trình hội viên độc quyền, quyền ưu tiên trải nghiệm sản phẩm mới ra mắt, duy trì dịch vụ chăm sóc khách hàng chuyên biệt.
  • Cụm 6: Cắt giảm chi phí tiếp thị trực tiếp, phân bổ lại ngân sách sang các cụm có tiềm năng ROI cao hơn.

Đối tượng quan tâm và hưởng lợi (Target Audience)

  • Nhà nghiên cứu & Giảng viên ngành Khoa học dữ liệu, Hệ thống thông tin, Marketing: Nguồn tài liệu tham khảo giá trị về ứng dụng thực nghiệm của Machine Learning trong phân tích kinh doanh (Business Analytics).
  • Giám đốc Marketing (CMO) & Quản lý CRM: Khung phương pháp chuẩn để triển khai phân khúc tập khách hàng thực tế, chuyển đổi từ tiếp thị đại trà (Mass Marketing) sang tiếp thị mục tiêu (Targeted Marketing).
  • Kỹ sư dữ liệu & Chuyên viên Phân tích kinh doanh (Data/BI Analysts): Mô hình quy trình xử lý dữ liệu giao dịch thực chiến, từ bước tiền xử lý, chuẩn hóa đến trực quan hóa đa chiều (Treemap, 3D Clustering).
  • Doanh nghiệp Bán lẻ & Thương mại điện tử: Lời giải cho bài toán tối ưu hóa chi phí thu hút khách hàng mới và gia tăng tỷ lệ giữ chân khách hàng hiện hữu.

Câu hỏi thường gặp (FAQ)

1. Phát hiện quan trọng nhất của nghiên cứu này là gì?

Điểm cốt lõi là việc chứng minh sự cần thiết của biến số Length (L). Nghiên cứu chỉ ra rằng khách hàng có cùng giá trị chi tiêu ($M$) và tần suất ($F$) có thể thuộc hai phân khúc hoàn toàn trái ngược: một nhóm khách hàng kỳ cựu đang có nguy cơ rời bỏ (Cụm 1) và một nhóm khách hàng trung thành tích cực toàn thời gian (Cụm 4), từ đó đòi hỏi chiến lược can thiệp hoàn toàn khác nhau.

2. Phương pháp luận của nghiên cứu có điểm gì đặc biệt so với các đề tài khác?

Nghiên cứu không áp dụng máy móc giảm chiều dữ liệu qua PCA mà chủ động giữ nguyên 4 trục $L, R, F, M$ sau khi đã chuẩn hóa bằng biến đổi Box-Cox và Min-Max. Điều này giúp các cụm K-Means giữ được nguyên vẹn ý nghĩa kinh tế trực quan, hỗ trợ ban lãnh đạo ra quyết định kinh doanh ngay lập tức.

3. Kết quả phân cụm đạt Silhouette Score 0,8374 mang ý nghĩa gì?

Hệ số Silhouette nằm trong khoảng $[-1, 1]$. Mức điểm 0,8374 là một chỉ số rất cao trong học máy không giám sát, chứng minh rằng 6 cụm khách hàng được hình thành có độ tương đồng nội bộ cực kỳ chặt chẽ và có ranh giới phân tách rất rõ ràng, không bị chồng lấn hay nhiễu.

4. Kết quả nghiên cứu có thể tổng quát hóa (generalize) cho các doanh nghiệp khác không?

Hoàn toàn có thể. Khung phương pháp luận từ trích xuất dữ liệu giao dịch hóa đơn, tính toán chỉ số LRFM, xử lý phân phối lệch cho đến phân cụm K-Means là mô hình chuẩn có thể áp dụng ngay cho bất kỳ hệ thống ERP/CRM nào trong ngành bán lẻ, thương mại điện tử, F&B hay dịch vụ lưu trú.

5. Hướng phát triển tiếp theo của nghiên cứu này là gì?

Nhóm nghiên cứu khuyến nghị thử nghiệm các thuật toán phân cụm phi tham số hoặc phân cụm phân cấp (Hierarchical Clustering, DBSCAN) để giảm độ nhạy cảm với tâm cụm ban đầu của K-Means; đồng thời kết hợp mô hình học có giám sát (Supervised Learning) để dự báo nguy cơ rời bỏ (Churn Prediction) theo thời gian thực.

Kết luận (Conclusion)

Báo cáo nghiên cứu đã giải quyết thành công bài toán phân khúc khách hàng theo mức độ trung thành tại Công ty Adventure Works thông qua sự kết hợp xuất sắc giữa mô hình LRFM và thuật toán K-Means. Với điểm số Silhouette đạt 0,8374, nghiên cứu không chỉ đóng góp một khung lý thuyết thực nghiệm vững chắc cho lĩnh vực Marketing Analytics mà còn cung cấp bộ cẩm nang chiến lược hành động cụ thể cho từng nhóm khách hàng.

Để tối đa hóa năng lực cạnh tranh trong kỷ nguyên số, các doanh nghiệp bán lẻ cần nhanh chóng đưa các mô hình phân tích dữ liệu tiên tiến như LRFM vào thực tiễn quản trị, biến dữ liệu giao dịch thô thành những quyết định kinh doanh đột phá và bền vững.