Ứng dụng Học máy: Dự báo và phân tích Churn khách hàng E-commerce tại UEH

Khám phá ứng dụng học máy trong dự báo và phân tích churn khách hàng cho doanh nghiệp thương mại điện tử. Nâng cao chiến lược giữ chân khách hàng hiệu quả.

• Tác giả: Nguyễn Thị Minh Diệu
• Người hướng dẫn: Th.S Nguyễn Mạnh Tuấn
• Trường học: UEH University
• Chuyên ngành: Khoa học dữ liệu
• Đề tài: Ứng dụng học máy vào dự báo và phân tích khả năng khách hàng rời khỏi hệ thống thương mại điện tử
• Loại tài liệu: Báo cáo đồ án cuối kỳ
• Năm xuất bản: 2023
• Địa điểm: Thành phố Hồ Chí Minh

Tóm tắt

I. Khám Phá Sức Mạnh của Học Máy Dự Báo Churn Khách Hàng Thương Mại Điện Tử

Trong bối cảnh cạnh tranh khốc liệt của thị trường Thương mại điện tử, việc giữ chân khách hàng hiện tại trở nên quan trọng hơn bao giờ hết. Tỷ lệ khách hàng rời bỏ (Churn rate) cao không chỉ gây thất thoát doanh thu mà còn ảnh hưởng đến chi phí tiếp thị và phát triển thương hiệu. Do đó, khả năng dự báo Churn khách hàng đã trở thành một yếu tố then chốt cho sự thành công của các doanh nghiệp E-commerce. Đây là lúc học máy phát huy vai trò tối ưu, cung cấp các công cụ mạnh mẽ để nhận diện sớm nguy cơ khách hàng rời bỏ và đưa ra các chiến lược can thiệp kịp thời. Thông qua việc phân tích hành vi người dùng, lịch sử mua hàng, và các tương tác khác, mô hình học máy dự báo có thể đưa ra những đánh giá chính xác, giúp doanh nghiệp chủ động trong việc quản lý quan hệ khách hàng. Việc triển khai các giải pháp dựa trên khoa học dữ liệu E-commerce này không chỉ giúp giảm tỷ lệ Churn mà còn tối ưu trải nghiệm khách hàng, từ đó củng cố lòng trung thành và gia tăng giá trị trọn đời của khách hàng. Bài viết này sẽ đi sâu vào cách ứng dụng học máy để dự báo Churn khách hàng E-commerce hiệu quả, từ quy trình xử lý dữ liệu đến các phương pháp phân tích chuyên sâu và những kiến nghị thực tiễn cho nhà quản trị.

1.1. Tại sao Dự Báo Churn Khách Hàng Quan Trọng Với Thương Mại Điện Tử

Đối với các doanh nghiệp E-commerce, mỗi khách hàng rời đi là một tổn thất không nhỏ. Chi phí để thu hút một khách hàng mới thường cao hơn nhiều so với việc giữ chân một khách hàng hiện có. Việc dự đoán khách hàng rời bỏ giúp doanh nghiệp nhận biết sớm các khách hàng có nguy cơ cao, cho phép triển khai các chiến dịch giữ chân cá nhân hóa và phù hợp. Điều này không chỉ bảo vệ nguồn doanh thu hiện tại mà còn xây dựng mối quan hệ bền vững với khách hàng. Một nghiên cứu của nhóm sinh viên UEH (2023) đã chỉ ra rằng, việc phân tích Churn khách hàng E-commerce là cần thiết để hiểu rõ nguyên nhân khách hàng rời đi và đưa ra các giải pháp kịp thời, từ đó nâng cao hiệu quả hoạt động kinh doanh.

1.2. Vai Trò Của Học Máy Trong Phân Tích Churn Khách Hàng E commerce

Học máy cung cấp khả năng xử lý và phân tích lượng lớn dữ liệu khách hàng phức tạp mà con người khó có thể thực hiện thủ công. Các thuật toán như Logistic Regression, Support Vector Machine (SVM), hay Decision Tree có thể nhận diện các mẫu hành vi ẩn giấu, dự đoán xác suất một khách hàng sẽ rời đi. Qua đó, doanh nghiệp có thể tập trung nguồn lực vào đúng đối tượng khách hàng, tối ưu hóa các chiến dịch tiếp thị và chăm sóc khách hàng. Khả năng học hỏi từ dữ liệu và liên tục cải thiện độ chính xác của các mô hình học máy dự báo mang lại lợi thế cạnh tranh đáng kể cho các nền tảng E-commerce.

II. Những Thách Thức Trong Phân Tích Churn Khách Hàng và Cách Vượt Qua

Việc phân tích Churn khách hàng không phải là một nhiệm vụ đơn giản. Dữ liệu khách hàng trong Thương mại điện tử thường rất đa dạng, từ thông tin cá nhân, lịch sử mua sắm, hành vi duyệt web đến tương tác với dịch vụ hỗ trợ. Điều này tạo ra nhiều thách thức trong việc thu thập, xử lý và diễn giải dữ liệu để xây dựng các mô hình học máy dự báo hiệu quả. Một trong những khó khăn lớn nhất là xác định chính xác các yếu tố ảnh hưởng đến quyết định rời bỏ của khách hàng, vì chúng có thể rất phức tạp và đa chiều. Ngoài ra, việc dữ liệu bị thiếu hoặc không nhất quán cũng là trở ngại lớn, đòi hỏi quy trình tiền xử lý kỹ lưỡng. Nắm bắt được những yếu tố tác động đến quyết định rời bỏ của khách hàng E-commerce và vượt qua các rào cản về dữ liệu là chìa khóa để triển khai thành công các giải pháp học máy dự báo Churn khách hàng Thương mại điện tử. Mục tiêu cuối cùng là không chỉ giảm tỷ lệ Churn mà còn tăng cường sự hài lòng và lòng trung thành của khách hàng.

2.1. Các Yếu Tố Tác Động Đến Quyết Định Rời Bỏ Của Khách Hàng E commerce

Quyết định rời bỏ của khách hàng E-commerce chịu ảnh hưởng bởi nhiều yếu tố, bao gồm chất lượng sản phẩm, giá cả, trải nghiệm người dùng trên website/ứng dụng, dịch vụ chăm sóc khách hàng, chính sách vận chuyển, và cả các yếu tố cá nhân như độ tuổi, giới tính, vị trí địa lý. Theo phân tích từ đồ án UEH, các thuộc tính như 'SatisfactionScore' (điểm hài lòng), 'CityTier' (cấp thành phố), 'WarehouseToHome' (khoảng cách từ kho đến nhà), 'Tenure' (thời gian gắn bó), 'Order Count' (số lượng đơn hàng) và 'CashbackAmount' (số tiền hoàn lại) đều có mối tương quan đáng kể đến khả năng khách hàng Churn. Hiểu rõ những yếu tố này là nền tảng để xây dựng các chiến lược giữ chân khách hàng E-commerce hiệu quả.

2.2. Thách Thức Trong Xử Lý Và Phân Tích Dữ Liệu Churn Khách Hàng

Dữ liệu Churn thường gặp phải các vấn đề như thiếu giá trị, không nhất quán, hoặc có nhiều nhiễu. Ví dụ, một số trường dữ liệu như 'SatisfactionScore' có thể bị bỏ trống. Việc xử lý những vấn đề này đòi hỏi các kỹ thuật tiền xử lý dữ liệu phức tạp như điền khuyết bằng giá trị trung bình (imputation) hoặc chuẩn hóa dữ liệu. Một thách thức khác là xác định các thuộc tính quan trọng nhất (feature selection) để đưa vào mô hình học máy dự báo, tránh tình trạng quá khớp (overfitting) hoặc mô hình kém hiệu quả. Nguồn tài liệu gốc của UEH cũng nhấn mạnh tầm quan trọng của việc tiền xử lý dữ liệu để đảm bảo chất lượng đầu vào cho các thuật toán khoa học dữ liệu E-commerce.

III. Quy Trình và Phương Pháp Học Máy Hiệu Quả Trong Dự Đoán Churn Khách Hàng

Để xây dựng một mô hình học máy dự báo Churn khách hàng Thương mại điện tử mạnh mẽ, một quy trình có cấu trúc và các phương pháp phù hợp là không thể thiếu. Bắt đầu từ việc thu thập và tiền xử lý dữ liệu, đây là giai đoạn nền tảng đảm bảo chất lượng đầu vào cho các thuật toán. Sau đó, việc lựa chọn và huấn luyện các thuật toán học máy dự báo đóng vai trò quyết định đến độ chính xác của mô hình. Các kỹ thuật như phân cụm khách hàng cũng được áp dụng để hiểu sâu hơn về các nhóm khách hàng khác nhau, từ đó điều chỉnh chiến lược phù hợp. Một quy trình xử lý tốt sẽ giúp doanh nghiệp không chỉ dự đoán khách hàng rời bỏ mà còn phát hiện những điểm đặc thù của các nhóm khách hàng, làm cơ sở cho các hành động giảm tỷ lệ Churn hiệu quả. Mục tiêu là tạo ra một hệ thống có khả năng đưa ra những cảnh báo sớm và chính xác, giúp doanh nghiệp chủ động trong việc quản lý quan hệ khách hàng. Việc tích hợp các phương pháp học máy hiệu quả trong dự đoán Churn vào quy trình hoạt động là yếu tố then chốt để thành công.

3.1. Quy Trình Tiền Xử Lý Dữ Liệu E commerce Churn Chuẩn Xác

Quy trình tiền xử lý dữ liệu bao gồm các bước quan trọng như nạp dữ liệu, kiểm tra và xử lý dữ liệu bị thiếu, chuẩn hóa và mã hóa các biến. Cụ thể, dữ liệu về khách hàng E-commerce (ví dụ: thông tin giao dịch, hành vi mua sắm) cần được làm sạch để loại bỏ nhiễu và điền khuyết các giá trị còn thiếu, thường bằng các phương pháp như thay thế bằng giá trị trung bình hoặc giá trị phổ biến nhất. Ví dụ, báo cáo của UEH đã minh họa các bước tiền xử lý dữ liệu E-commerce Churn rate, trong đó dữ liệu bị thiếu được thay thế bằng giá trị trung bình ('Preprocess Impute'), đảm bảo dữ liệu đầu vào có chất lượng cao cho việc huấn luyện mô hình học máy dự báo.

3.2. Các Thuật Toán Học Máy Phổ Biến Cho Dự Báo Churn Khách Hàng

Nhiều thuật toán học máy có thể được áp dụng để dự báo Churn khách hàng. Các thuật toán phổ biến bao gồm Decision Tree, Logistic Regression, và Support Vector Machine (SVM). Mỗi thuật toán có ưu điểm riêng: Decision Tree dễ diễn giải, Logistic Regression cung cấp xác suất Churn, trong khi SVM hiệu quả với dữ liệu phức tạp. Để đánh giá hiệu quả, ma trận nhầm lẫn (Confusion Matrix) thường được sử dụng để đo lường độ chính xác (Accuracy), độ nhạy (Recall), và độ đặc hiệu (Precision) của mô hình. Kết quả từ đồ án UEH cho thấy cả ba phương pháp này đều đạt được độ chính xác nhất định trong việc dự báo nguy cơ rời bỏ của khách hàng.

IV. Phân Tích Chuyên Sâu Churn Khách Hàng E commerce Bằng Học Máy và Phân Cụm

Sau khi xây dựng các mô hình học máy dự báo Churn khách hàng Thương mại điện tử, bước tiếp theo là tiến hành phân tích chuyên sâu để hiểu rõ hơn về các nhóm khách hàng và nguyên nhân cốt lõi dẫn đến tình trạng Churn. Việc này không chỉ dừng lại ở việc dự đoán khách hàng rời bỏ mà còn đi sâu vào các yếu tố vi mô tác động đến quyết định của họ. Ứng dụng phân cụm khách hàng là một kỹ thuật mạnh mẽ, cho phép doanh nghiệp phân loại khách hàng thành các nhóm có hành vi và đặc điểm tương đồng. Từ đó, các chiến lược giảm tỷ lệ Churn có thể được tùy chỉnh cho từng phân khúc, mang lại hiệu quả cao hơn. Mục tiêu của phân tích chuyên sâu Churn khách hàng E-commerce là cung cấp cái nhìn toàn diện, giúp nhà quản trị đưa ra các quyết định chiến lược dựa trên dữ liệu, nhằm tối ưu trải nghiệm khách hàng và xây dựng lòng trung thành. Điều này bao gồm việc xác định các thuộc tính có ảnh hưởng lớn nhất và hiểu rõ hơn về cách chúng tương tác để ảnh hưởng đến Churn.

4.1. Phương Pháp Phân Tích Chuyên Sâu Các Yếu Tố Churn Khách Hàng

Phân tích chuyên sâu đòi hỏi việc xem xét từng thuộc tính dữ liệu và mối quan hệ của chúng với biến Churn. Các công cụ như 'Feature Statistics' và 'Distribution' có thể giúp hình dung sự phân bố của dữ liệu và mức độ tương quan giữa các biến. Ví dụ, phân tích từ báo cáo UEH đã chỉ ra rằng các thuộc tính như 'SatisfactionScore' có mối tương quan mạnh mẽ với Churn, trong khi 'CityTier' và 'WarehouseToHome' cũng cho thấy những xu hướng rõ rệt. Việc sử dụng các sơ đồ như sơ đồ cây (Tree) có thể làm nổi bật các mối quan hệ phức tạp giữa các thuộc tính, giúp xác định đâu là những yếu tố chính gây ra Churn.

4.2. Ứng Dụng Phân Cụm K Means Để Nhận Diện Nhóm Khách Hàng Nguy Cơ

Kỹ thuật phân cụm K-Means cho phép nhóm các khách hàng thành các cụm dựa trên sự tương đồng về hành vi hoặc đặc điểm. Điều này giúp doanh nghiệp nhận diện các phân khúc khách hàng có nguy cơ Churn cao và hiểu rõ hơn về đặc điểm của họ. Ví dụ, báo cáo UEH đã áp dụng K-Means để phân cụm khách hàng thành hai nhóm và so sánh các thuộc tính như 'CityTier', 'WarehouseToHome', và 'Tenure' giữa hai cụm. Kết quả cho thấy cụm khách hàng có nguy cơ Churn cao thường có thời gian gắn bó ngắn hơn và các hành vi mua sắm khác biệt. Việc hiểu rõ những đặc điểm này cho phép phát triển các chiến lược can thiệp mục tiêu, như chương trình khuyến mãi riêng hoặc cải thiện dịch vụ cho từng nhóm cụ thể.

V. Đánh Giá Hiệu Quả và Kiến Nghị Chiến Lược Từ Dự Báo Churn Khách Hàng

Việc triển khai học máy dự báo Churn khách hàng Thương mại điện tử không chỉ dừng lại ở việc xây dựng mô hình. Quan trọng hơn, cần phải đánh giá hiệu quả của mô hình một cách khách quan và từ đó đưa ra các kiến nghị chiến lược có giá trị cho nhà quản trị. Một mô hình học máy dự báo tốt phải có khả năng dự đoán chính xác, giúp doanh nghiệp chủ động trong việc giảm tỷ lệ Churn. Các số liệu như độ chính xác, độ nhạy, và độ đặc hiệu từ ma trận nhầm lẫn cung cấp cái nhìn định lượng về hiệu suất của mô hình. Dựa trên những phân tích này, cùng với phân tích chuyên sâu Churn khách hàng E-commerce, doanh nghiệp có thể xây dựng các chiến lược giữ chân khách hàng E-commerce hiệu quả, tối ưu trải nghiệm khách hàng và củng cố vị thế cạnh tranh. Các kiến nghị này cần cụ thể, khả thi và bám sát vào kết quả từ khoa học dữ liệu E-commerce, đảm bảo rằng mọi quyết định đều có cơ sở khoa học vững chắc.

5.1. Đánh Giá Hiệu Quả Của Mô Hình Dự Báo Churn Bằng Các Chỉ Số Khoa Học

5.2. Những Kiến Nghị Chiến Lược Giữ Chân Khách Hàng E commerce Từ Kết Quả Phân Tích

Dựa trên kết quả phân tích Churn khách hàng Thương mại điện tử, các kiến nghị chiến lược có thể bao gồm việc cải thiện trải nghiệm mua sắm cho khách hàng ở các thành phố cấp cao, rút ngắn thời gian vận chuyển từ kho đến nhà, hoặc thiết kế các chương trình ưu đãi đặc biệt cho khách hàng có thời gian gắn bó ngắn. Ví dụ, nếu phân cụm khách hàng cho thấy một nhóm có nguy cơ Churn cao do khoảng cách nhà kho xa, doanh nghiệp có thể cân nhắc mở thêm kho hàng hoặc tối ưu hóa tuyến đường giao hàng. Các kiến nghị này, dựa trên học máy dự báo Churn khách hàng, giúp doanh nghiệp hành động một cách chủ động và có căn cứ, thay vì phản ứng bị động khi khách hàng đã rời đi.

VI. Kết Luận và Tương Lai Phát Triển của Học Máy Trong Quản Lý Churn E commerce

Việc áp dụng học máy dự báo Churn khách hàng Thương mại điện tử đã chứng minh được tiềm năng to lớn trong việc hỗ trợ doanh nghiệp E-commerce giảm tỷ lệ Churn và nâng cao lòng trung thành của khách hàng. Từ việc thu thập và tiền xử lý dữ liệu đến xây dựng các mô hình học máy dự báo phức tạp và thực hiện phân tích chuyên sâu Churn khách hàng E-commerce, mỗi bước đều góp phần tạo nên một bức tranh toàn cảnh về hành vi khách hàng. Kết quả không chỉ là khả năng dự đoán khách hàng rời bỏ mà còn là những hiểu biết sâu sắc về các yếu tố tác động, từ đó đưa ra các kiến nghị chiến lược giữ chân khách hàng E-commerce cụ thể và hiệu quả. Tương lai của học máy trong quản lý Churn E-commerce hứa hẹn sẽ mang lại nhiều đột phá hơn nữa, với sự phát triển của các thuật toán tiên tiến và khả năng xử lý dữ liệu lớn hơn. Điều này sẽ giúp các doanh nghiệp không ngừng tối ưu trải nghiệm khách hàng và duy trì lợi thế cạnh tranh trong một thị trường năng động.

6.1. Tóm Tắt Lợi Ích Của Học Máy Trong Quản Lý Churn

Học máy mang lại nhiều lợi ích vượt trội trong quản lý Churn, bao gồm khả năng nhận diện sớm khách hàng có nguy cơ rời bỏ, phân tích các yếu tố gây ra Churn một cách chi tiết, và hỗ trợ xây dựng các chiến lược giữ chân khách hàng cá nhân hóa. Bằng cách tận dụng khoa học dữ liệu E-commerce, doanh nghiệp có thể chuyển từ mô hình phản ứng sang mô hình chủ động, tiết kiệm chi phí tiếp thị, tăng doanh thu và xây dựng mối quan hệ bền vững với khách hàng. Đây là một công cụ không thể thiếu cho bất kỳ doanh nghiệp Thương mại điện tử nào muốn duy trì sự phát triển bền vững.

6.2. Hướng Phát Triển Cho Phân Tích Churn Khách Hàng E commerce Trong Tương Lai

Trong tương lai, phân tích Churn khách hàng E-commerce sẽ tiếp tục phát triển với sự tích hợp của các công nghệ mới như học sâu (Deep Learning), xử lý ngôn ngữ tự nhiên (NLP) để phân tích phản hồi khách hàng, và học tăng cường (Reinforcement Learning) để tối ưu hóa chiến lược giữ chân khách hàng theo thời gian thực. Việc kết hợp dữ liệu đa dạng từ nhiều kênh (ví dụ: mạng xã hội, ứng dụng di động) sẽ tạo ra các mô hình dự báo Churn toàn diện và chính xác hơn. Hướng phát triển này không chỉ giúp doanh nghiệp dự báo khách hàng rời bỏ hiệu quả hơn mà còn tạo ra những trải nghiệm khách hàng cá nhân hóa đến mức tối đa, từ đó củng cố lòng trung thành và thúc đẩy tăng trưởng bền vững.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh thị trường thương mại điện tử (E-commerce) phát triển nhanh chóng, các doanh nghiệp phải đối mặt với áp lực cạnh tranh gay gắt trong việc thu hút khách hàng mới và duy trì tệp khách hàng hiện hữu. Ngành thương mại điện tử sở hữu khối lượng dữ liệu đa dạng và phong phú, bao gồm thông tin khách hàng, lịch sử đơn hàng, hành vi thanh toán và quy trình giao nhận. Việc khai phá và phân tích nguồn dữ liệu này giúp doanh nghiệp thấu hiểu hành vi tiêu dùng, nhận diện sớm rủi ro khách hàng rời bỏ dịch vụ (churn) và xây dựng các chiến lược kinh doanh phù hợp.

Đề tài "Ứng dụng học máy vào dự báo và phân tích khả năng khách hàng rời khỏi hệ thống thương mại điện tử" được thực hiện trong khuôn khổ đồ án môn Khoa học dữ liệu của sinh viên ngành Hệ thống thông tin kinh doanh, Khoa Công nghệ thông tin kinh doanh, Trường Đại học Kinh tế TP. Hồ Chí Minh (UEH). Nghiên cứu định hướng tiếp cận bài toán dưới góc nhìn của Chuyên viên Phân tích Nghiệp vụ (Business Analyst), kết hợp giữa kỹ thuật khai phá dữ liệu và các bước giải quyết vấn đề trong kinh doanh.

Mục tiêu nghiên cứu của đề tài tập trung vào 3 nhiệm vụ chính:

1. Phát hiện điểm đặc thù của dữ liệu: Sử dụng các công cụ thống kê mô tả, bảng tổng hợp (Pivot Table) và biểu đồ trực quan hóa để xác định đặc trưng hành vi khách hàng cùng mối quan hệ giữa các biến số.
2. Dự báo nguy cơ rời bỏ của khách hàng và phân tích chuyên sâu: Ứng dụng các thuật toán phân lớp (Classification) để dự báo khả năng khách hàng ngừng sử dụng sàn thương mại điện tử, đồng thời phân tích nguyên nhân cốt lõi dẫn đến quyết định rời đi.
3. Phân cụm khách hàng: Sử dụng các kỹ thuật học máy không giám sát để gom cụm khách hàng thành các nhóm có đặc tính tương đồng, hỗ trợ nhà quản trị nhận diện chân dung khách hàng mục tiêu.

Đối tượng và phạm vi nghiên cứu của đề tài là tập dữ liệu khảo sát hành vi và thông tin giao dịch của khách hàng trên sàn thương mại điện tử, được thu thập từ nền tảng Kaggle.

---

Cơ sở lý thuyết và phương pháp

Nghiên cứu vận dụng phối hợp giữa khung nghiệp vụ phân tích kinh doanh và các kỹ thuật học máy thực nghiệm:

• Mô hình giải quyết vấn đề (Problem-Solving Model): Áp dụng quy trình 6 giai đoạn trong phân tích nghiệp vụ, bao gồm: Mess Finding (nhận diện sự phức tạp của vấn đề rời bỏ), Data Finding (khai thác thông tin từ dữ liệu), Process Finding (xác định trọng tâm), Idea Finding (tìm kiếm ý tưởng giải pháp), Solution Finding (đánh giá giải pháp) và Acceptance Finding (kế hoạch thực thi).
• Phương pháp phân lớp dữ liệu (Classification): Xây dựng và so sánh 3 mô hình học máy có giám sát:
  • Cây quyết định (Decision Tree): Cấu trúc phân nhánh dựa trên các điều kiện của thuộc tính để hỗ trợ ra quyết định.
  • Hồi quy Logistic (Logistic Regression): Mô hình xác suất tuyến tính hỗ trợ phân loại nhị phân và đánh giá trọng số tác động thuận/nghịch của từng biến số sau khi chuẩn hóa về khoảng $[-1; 1]$.
  • Máy vector hỗ trợ (Support Vector Machine - SVM): Xây dựng siêu phẳng (hyperplane) tối ưu khoảng cách lề (margin) giữa các lớp dữ liệu trong không gian nhiều chiều.
• Phương pháp phân cụm dữ liệu (Clustering): Sử dụng 2 thuật toán phân cụm không giám sát:
  • Phân cụm phân cấp (Hierarchical Clustering): Gom cụm dựa trên ma trận khoảng cách (Distances) kết hợp đánh giá tỷ lệ chiều cao và biểu đồ Silhouette (Silhouette Plot).
  • Phân cụm K-Means: Xác định số cụm tối ưu $k$ thông qua chỉ số Silhouette Scores khi quét từ 2 đến 10 cụm.
• Nguồn dữ liệu và công cụ thực hiện: Bộ dữ liệu E-Commerce Churn Rate từ Kaggle với 20 thuộc tính. Quy trình thực nghiệm, làm sạch dữ liệu, huấn luyện mô hình và trực quan hóa được triển khai trên phần mềm Orange Data Mining kết hợp cùng Microsoft Excel.

---

Nội dung chính theo từng chương

CHƯƠNG 1: TỔNG QUAN

Chương 1 thiết lập nền tảng cho nghiên cứu, trình bày lý do lựa chọn ngành thương mại điện tử làm đề tài phân tích dữ liệu. Tác giả xác định mối liên hệ chặt chẽ giữa môn học Khoa học dữ liệu và định hướng nghề nghiệp Business Analyst. Mục tiêu nghiên cứu được cụ thể hóa thành 3 bài toán phân tích rõ ràng, gắn liền với bộ dữ liệu khách hàng thương mại điện tử thu thập từ nguồn thứ cấp trên Kaggle.

CHƯƠNG 2: PHÂN TÍCH DỮ LIỆU E-COMMERCE CHURN RATE

Chương này tập trung vào quy trình tiền xử lý và mô tả cấu trúc dữ liệu trên phần mềm Orange:

• Kiểm tra và xử lý dữ liệu khuyết thiếu: Bộ dữ liệu ban đầu có $1.6%$ ô bị thiếu giá trị. Công cụ Feature Statistics chỉ ra 7 thuộc tính bị khuyết: Tenure (264 ô - 5%), WarehouseToHome (251 ô - 4%), HourSpendOnApp (255 ô - 5%), OrderAmountHikeFromLastYear (265 ô - 5%), CouponUsed (256 ô - 5%), OrderCount (258 ô - 5%), và DaySinceLastOrder (307 ô - 5%). Nhóm tác giả sử dụng chức năng Preprocess Impute để thay thế các giá trị khuyết bằng giá trị trung bình (Mean), sau đó lưu dữ liệu sạch thành tệp E-Commerce-Clean.xlsx.
• Phân tách tập dữ liệu: Sử dụng công cụ Data Sampler chia tệp dữ liệu sạch thành 2 phần: $70%$ dữ liệu làm tập huấn luyện (E-Commerce-Training) và $30%$ dữ liệu làm tập kiểm tra/dự báo (E-Commerce-Forecast).
• Đặc tả 20 biến số trong bộ dữ liệu:

STT	Tên thuộc tính	Ý nghĩa nghiệp vụ	Kiểu dữ liệu	Vai trò (Role)
1	CustomerID	Mã định danh khách hàng	Số thực	Skip
2	Churn	Trạng thái rời bỏ (0: Ở lại, 1: Rời bỏ)	Số nguyên	Target
3	Tenure	Thời gian gắn bó với hệ thống (tháng)	Số thực	Feature
4	PreferredLoginDevice	Thiết bị đăng nhập ưa thích	Chuỗi	Feature
5	CityTier	Cấp bậc thành phố (Cấp 1, 2, 3)	Số nguyên	Feature
6	WarehouseToHome	Khoảng cách từ kho đến nhà (km)	Số thực	Feature
7	PreferredPaymentMode	Phương thức thanh toán ưa thích	Chuỗi	Feature
8	Gender	Giới tính khách hàng	Số nguyên	Feature
9	HourSpendOnApp	Số giờ lướt app/web mỗi ngày	Số thực	Feature
10	NumberOfDeviceRegistered	Số thiết bị đăng ký tài khoản	Số nguyên	Feature
11	PreferedOrderCat	Danh mục sản phẩm ưa thích đặt tháng trước	Chuỗi	Feature
12	SatisfactionScore	Điểm đánh giá mức độ hài lòng (thang 5)	Số nguyên	Feature
13	MaritalStatus	Tình trạng hôn nhân	Chuỗi	Feature
14	NumberOfAddress	Số lượng địa chỉ nhận hàng đã lưu	Số nguyên	Feature
15	Complain	Có gửi lời phàn nàn trong tháng trước hay không	Số nguyên	Feature
16	OrderAmountHikeFromlastYear	Tỷ lệ phần trăm tăng trưởng đơn hàng so với năm trước	Số thực	Feature
17	CouponUsed	Số lượng mã giảm giá đã dùng tháng trước	Số thực	Feature
18	OrderCount	Tổng số đơn hàng đặt tháng trước	Số thực	Feature
19	DaySinceLastOrder	Số ngày kể từ lần đặt hàng gần nhất	Số thực	Feature
20	CashbackAmount	Tiền hoàn trả trung bình tháng trước (USD)	Số nguyên	Feature

CHƯƠNG 3: GIẢI QUYẾT BÀI TOÁN

Chương 3 là phần trọng tâm của báo cáo, giải quyết tuần tự 3 bài toán nghiên cứu:

1. Bài toán 1: Phát hiện điểm đặc thù của khách hàng

Thông qua thống kê mô tả 10 biến số quan trọng, nghiên cứu ghi nhận các phát hiện:

• Tenure: Thời gian sử dụng phổ biến từ $0 - 40$ tháng. Khách hàng sử dụng dưới 2 tháng có tỷ lệ rời bỏ rất cao; khách hàng sử dụng trên 2 tháng có xu hướng gắn bó ổn định.
• CityTier: Thành phố cấp 1 chiếm số lượng người dùng lớn nhất. Thành phố cấp 3 có tỷ lệ khách hàng rời bỏ cao nhất trong các khu vực.
• PreferredPaymentMode: Debit Card và Credit Card có tỷ lệ rời bỏ thấp nhất (Credit Card: $14.2%$, Debit Card: $15.4%$). Phương thức thanh toán khi nhận hàng (COD) có tỷ lệ rời bỏ cao nhất.
• Gender & MaritalStatus: Khách hàng nam chiếm $63%$ tổng số khách hàng rời đi, trong khi nữ chiếm $37%$. Nhóm khách hàng độc thân (Single) chiếm tỷ trọng rời bỏ lớn nhất ($51%$), nhóm kết hôn (Married) chiếm $36%$, nhóm ly hôn (Divorced) chiếm $13%$.
• HourSpendOnApp & Login Device: Phần lớn người dùng dành $2 - 4$ giờ/ngày cho ứng dụng/web. Lượng truy cập bằng điện thoại di động cao gấp gần 3 lần so với máy tính.
• Complain & CouponUsed: Trong số khách hàng phản hồi, có $3.586$ người hài lòng ở lại; nhóm phàn nàn có hơn $500$ người rời đi. Việc nhận từ 1 đến 2 mã giảm giá giúp giữ chân lượng lớn khách hàng (gần $1.800$ người ở lại khi có 1 coupon).

2. Bài toán 2: Dự báo nguy cơ rời bỏ và phân tích chuyên sâu

• Đánh giá mô hình phân lớp: Khi chạy kiểm thử trên tập dữ liệu với 3 thuật toán:
  • Decision Tree cho các chỉ số Accuracy, F1-score, Precision và Recall cao nhất.
  • Logistic Regression đạt chỉ số $AUC = 0.792$.
  • Phân tích Ma trận nhầm lẫn (Confusion Matrix): Nghiên cứu chú trọng giảm thiểu Sai lầm loại 2 (False Negative - thực tế khách rời bỏ nhưng mô hình dự báo không rời bỏ, khiến doanh nghiệp bỏ lỡ cơ hội can thiệp). Mô hình Tree có sai lầm loại 2 là $239$ trường hợp, thấp hơn đáng kể so với SVM ($261$) và Logistic Regression ($468$). Do đó, Decision Tree được chọn là mô hình tối ưu để dự báo trên tập E-Commerce-Forecast.
• Phân tích chuyên sâu (Deep Dive): Chuẩn hóa dữ liệu về khoảng $[-1; 1]$ trên Logistic Regression kết hợp Decision Tree và Scatter Plot phát hiện hai vấn đề nghiệp vụ:
  • Nghịch lý điểm hài lòng (SatisfactionScore): Điểm trung bình toàn hệ thống là $3.07/5$. Ở nhóm cho 2 điểm ($586$ người), chỉ có $74$ người rời bỏ ($12.63%$). Tuy nhiên, ở nhóm cho 5 điểm ($1.108$ người), lại có tới $264$ người rời bỏ ($23.83%$). Phân tích tương quan chỉ ra nguyên nhân xuất phát từ các yếu tố vận hành ngoại vi: CityTier và WarehouseToHome. Thành phố cấp 3 có khoảng cách giao hàng trung bình xa nhất ($\text{mean} = 15.815\text{ km}$), làm thời gian chờ hàng kéo dài, dẫn đến việc khách dù đánh giá hài lòng về nền tảng nhưng vẫn rời bỏ dịch vụ.
  • Vấn đề lạm dụng chính sách hoàn tiền (CashbackAmount): Phân tích đồ thị phân tán chỉ ra nhóm khách hàng chỉ đặt $1 - 2$ đơn hàng nhưng nhận số tiền hoàn trả rất cao (trung bình $166\text{ USD}$, dao động $100 - 320\text{ USD}$) dù chỉ dùng trung bình 1 coupon. Nhóm này thường rời bỏ hệ thống ngay sau khi nhận tiền hoàn, gây tổn thất chi phí khuyến mãi.

3. Bài toán 3: Phân cụm khách hàng

Nghiên cứu thực hiện phân cụm trên tập dữ liệu sạch:

• Hierarchical Clustering: Thử nghiệm với $N = 2, 3, 4$, kết quả phân chia thành 2 cụm ($N=2$) cho hệ số Silhouette tiến gần về 1 nhất.
• K-Means: Quét giá trị $k$ từ 2 đến 10, chỉ số Silhouette Score đạt đỉnh tại $k = 2$ ($0.106$). Khi $k > 2$, chỉ số Silhouette giảm dần.
• So sánh đặc trưng giữa 2 cụm khách hàng:

Thuộc tính phân tích	Cụm 1	Cụm 2
Cấp thành phố (CityTier)	Cấp 1: $1.169$ người ($73.02%$)	Cấp 1: $2.497$ người ($61.98%$)
	Cấp 2: $68$ người ($4.25%$)	Cấp 2: $174$ người ($4.32%$)
	Cấp 3: $364$ người ($22.74%$)	Cấp 3: $1.358$ người ($33.71%$)
Khoảng cách kho (WarehouseToHome)	$0 - 20\text{ km}$: $1.250$ người ($78.08%$)	$0 - 20\text{ km}$: $2.963$ người ($73.54%$)
	$20 - 40\text{ km}$: $349$ người ($21.08%$)	$20 - 40\text{ km}$: $1.066$ người ($24.46%$)
Thời gian gắn bó (Tenure)	$10 - 20$ tháng: $626$ người ($39.10%$)	$0 - 10$ tháng: $2.510$ người ($62.30%$)
	$20 - 30$ tháng: $530$ người ($33.10%$)	$10 - 20$ tháng: $1.261$ người ($31.30%$)
	$0 - 10$ tháng: $371$ người ($23.17%$)	$20 - 30$ tháng: $213$ người ($5.29%$)
	$30 - 40$ tháng: $72$ người ($4.50%$)	$30 - 40$ tháng: $43$ người ($1.07%$)
	Trên 40 tháng: $2$ người ($0.12%$)	Trên 40 tháng: $2$ người ($0.05%$)

Nhận xét: Cụm 1 đại diện cho nhóm khách hàng trung thành, có thời gian gắn bó dài ($72.20%$ gắn bó từ 10 đến 30 tháng), chủ yếu sống tại đô thị cấp 1 và ở gần kho hàng. Cụm 2 đại diện cho nhóm khách hàng mới ($62.30%$ gắn bó dưới 10 tháng), có tỷ lệ sống tại đô thị cấp 3 cao hơn và khoảng cách giao hàng xa hơn.

CHƯƠNG 4: ĐÁNH GIÁ KẾT QUẢ CỦA MÔ HÌNH, KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

Chương 4 tổng kết kết quả thực hiện các bài toán phân lớp và phân cụm, đánh giá mức độ tương thích của mô hình với mục tiêu nghiệp vụ ban đầu, đồng thời đề xuất hướng phát triển cho các nghiên cứu tiếp theo.

---

Kết quả và đóng góp

1. Kết quả chính

• Xác định được chân dung khách hàng có nguy cơ rời bỏ cao: thời gian gắn bó dưới 2 tháng, cư trú tại thành phố cấp 3, thanh toán bằng hình thức COD, là nam giới độc thân, thời gian lướt ứng dụng dưới 2 giờ/ngày, sử dụng máy tính để đăng nhập và từng có phàn nàn trong tháng trước.
• Lựa chọn được mô hình Cây quyết định (Decision Tree) là phương án dự báo tối ưu, giúp giảm thiểu rủi ro Sai lầm loại 2 ($239$ trường hợp so với $468$ của Logistic Regression và $261$ của SVM).
• Phân chia tập khách hàng thành 2 cụm rõ rệt dựa trên mức độ gắn bó (Tenure), vị trí địa lý (CityTier) và khoảng cách tiếp cận kho hàng (WarehouseToHome).

2. Kiến nghị quản trị

Dựa trên mô hình Problem-Solving Model, nhóm tác giả đề xuất 5 giải pháp cụ thể:

• Tối ưu hóa xử lý khiếu nại: Thiết lập quy trình phản hồi và giải quyết nhanh chóng các đánh giá tiêu cực từ khách hàng, xem việc xử lý phàn nàn là ưu tiên hàng đầu để ngăn chặn rời bỏ.
• Mở rộng hạ tầng logistics: Tăng cường phân bổ nguồn lực và xây dựng thêm các trạm kho bãi tại khu vực thành phố cấp 2 và cấp 3 nhằm rút ngắn khoảng cách giao hàng (WarehouseToHome), từ đó giải quyết triệt để sự thất vọng về thời gian chờ đơn.
• Tái cấu trúc chính sách khuyến mãi và hoàn tiền: Điều chỉnh cơ chế chi trả hoàn tiền (CashbackAmount) cho nhóm tài khoản mới, yêu cầu số lượng đơn hàng tối thiểu hoặc điều kiện tích lũy để tránh tình trạng nhận tiền thưởng rồi lập tức rời bỏ nền tảng. Có thể liên kết với các bên thứ ba để đa dạng hóa voucher ưu đãi.
• Hỗ trợ trải nghiệm cho người dùng mới: Thiết kế giao diện ứng dụng trực quan, đơn giản hóa quy trình mua sắm và cung cấp cẩm nang hướng dẫn nhằm hỗ trợ người dùng vượt qua giai đoạn khó khăn trong 2 tháng đầu tiếp cận.
• Nâng cao tỷ lệ gắn bó lâu dài: Triển khai các chương trình chăm sóc đặc quyền cho nhóm khách hàng vượt mốc 22 tháng nhằm duy trì doanh thu bền vững.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế:
  • Bộ dữ liệu thứ cấp từ Kaggle có $1.6%$ dữ liệu khuyết thiếu được xử lý bằng phương pháp gán giá trị trung bình (Mean Imputation), có thể làm giảm độ biến thiên tự nhiên của một số thuộc tính.
  • Tồn tại các thuộc tính ngoại vi (như Gender, PreferredPaymentMode, PreferredLoginDevice, MaritalStatus) nằm ngoài tầm kiểm soát trực tiếp của nhà quản trị, hạn chế khả năng can thiệp kỹ thuật để thay đổi hành vi khách hàng.
• Hướng phát triển: Nghiên cứu đề xuất mở rộng quy mô thu thập dữ liệu thời gian thực trên các sàn thương mại điện tử nội địa, kết hợp thêm các thuật toán học máy nâng cao (như Random Forest, Gradient Boosting) và thử nghiệm các phương pháp tiền xử lý dữ liệu khuyết phức tạp hơn.

---

Giá trị tham khảo

Báo cáo đồ án là tài liệu tham khảo phù hợp cho:

• Sinh viên các ngành Hệ thống thông tin kinh doanh, Phân tích kinh doanh (Business Analytics), Khoa học dữ liệu: Tham khảo quy trình giải quyết bài toán nghiệp vụ kinh doanh kết hợp mô hình Problem-Solving Model với các công cụ khai phá dữ liệu trực quan.
• Người nghiên cứu về Churn Rate và E-commerce: Cung cấp phương pháp phân tích nghịch lý giữa điểm đánh giá hài lòng và quyết định rời bỏ thực tế, cũng như cách đánh giá mô hình học máy dựa trên chi phí sai lầm loại 2 (False Negative).
• Người sử dụng phần mềm Orange Data Mining: Cung cấp tài liệu tham khảo từng bước về thiết lập luồng xử lý (workflow), làm sạch dữ liệu, chuẩn hóa dữ liệu, chạy mô hình phân lớp (Tree, Logistic Regression, SVM) và phân cụm dữ liệu (Hierarchical Clustering, K-Means).

---

Câu hỏi thường gặp

1. Dữ liệu khuyết thiếu trong đồ án được xử lý bằng phương pháp nào?

Dữ liệu ban đầu có $1.6%$ giá trị bị thiếu trên 7 thuộc tính (Tenure, WarehouseToHome, HourSpendOnApp, OrderAmountHikeFromLastYear, CouponUsed, OrderCount, DaySinceLastOrder). Nhóm tác giả sử dụng công cụ Preprocess Impute trên phần mềm Orange để thay thế toàn bộ dữ liệu bị thiếu bằng giá trị trung bình (Mean) của từng thuộc tính tương ứng trước khi phân tách dữ liệu.

2. Tại sao nhóm tác giả ưu tiên chọn mô hình Cây quyết định (Decision Tree) thay vì Logistic Regression hay SVM?

Bên cạnh việc đạt các chỉ số Accuracy, Precision, Recall và F1-score cao nhất, Decision Tree được chọn vì tối ưu hóa được chỉ số Sai lầm loại 2 (False Negative). Trong bài toán Churn, sai lầm loại 2 biểu thị trường hợp mô hình dự báo khách hàng ở lại nhưng thực tế họ rời bỏ, gây mất mát khách hàng và doanh thu. Decision Tree có số ca sai lầm loại 2 là $239$, thấp hơn nhiều so với SVM ($261$) và Logistic Regression ($468$).

3. Nghiên cứu đã chỉ ra nghịch lý gì đối với thuộc tính Điểm hài lòng (SatisfactionScore)?

Về mặt lý thuyết, điểm hài lòng càng cao thì tỷ lệ rời bỏ càng thấp. Tuy nhiên, bảng kết quả hồi quy và phân tích phân phối cho thấy: nhóm khách hàng chấm 5 điểm có tỷ lệ rời bỏ lên tới $23.83%$ ($264/1.108$ người), cao hơn nhiều so với nhóm chấm 2 điểm ($12.63%$). Phân tích kết hợp cây quyết định chỉ ra khách hàng chấm điểm cao vẫn rời bỏ do ảnh hưởng tiêu cực từ vị trí địa lý (CityTier 3) và khoảng cách kho quá xa (WarehouseToHome lớn), dẫn đến thời gian giao hàng lâu.

4. Vấn đề thất thoát chi phí từ chính sách khuyến mãi được phát hiện như thế nào?

Thông qua biểu đồ phân tán (Scatter Plot) và thống kê mô tả giữa CouponUsed, OrderCount và CashbackAmount, nghiên cứu phát hiện nhóm khách hàng mới chỉ đặt từ 1 đến 2 đơn và dùng trung bình 1 mã giảm giá nhưng nhận được số tiền hoàn trả trung bình lên tới $166\text{ USD}$ (từ $100 - 320\text{ USD}$). Sau khi nhận tiền hoàn, nhóm này lập tức rời bỏ hệ thống, gây thất thoát ngân sách khuyến mãi của sàn thương mại điện tử.

5. Kết quả phân cụm chỉ ra điểm khác biệt cốt lõi nào giữa 2 nhóm khách hàng?

Cụm 1 gồm $1.601$ khách hàng mang đặc tính trung thành, có $72.20%$ gắn bó từ 10 đến 30 tháng, $73.02%$ sống tại thành phố cấp 1 và $78.08%$ ở gần kho dưới $20\text{ km}$. Ngược lại, Cụm 2 gồm $4.029$ khách hàng mới, với $62.30%$ gắn bó dưới 10 tháng, tỷ lệ sống ở thành phố cấp 3 cao hơn ($33.71%$) và khoảng cách giao hàng xa hơn.

---

Kết luận

Báo cáo đồ án đã ứng dụng thành công các kỹ thuật học máy có giám sát (Decision Tree, Logistic Regression, SVM) và không giám sát (Hierarchical Clustering, K-Means) trên phần mềm Orange để giải quyết bài toán phân tích tỷ lệ rời bỏ của khách hàng thương mại điện tử. Nghiên cứu không chỉ dừng lại ở việc dự báo chính xác nguy cơ rời đi thông qua mô hình Cây quyết định mà còn đào sâu các yếu tố vận hành như khoảng cách kho bãi và chính sách hoàn tiền. Các đề xuất quản trị được xây dựng bám sát mô hình Problem-Solving Model, mang lại giá trị thực tiễn cao cho việc giữ chân khách hàng và tối ưu hóa vận hành hệ thống.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN 1. Lý do chọn đề tài Cùng với những tính cách mạnh mẽ ở các thành viên trong nhóm, kết hợp với sự hứng thú trải dài ở vô vàn những chủ đề khác nhau, để tìm được điểm giao thoa không những phải phù hợp với mối quan tâm của nhóm mà còn cần đáp ứng được yêu cầu của bài đồ án là một câu chuyện hết sức nan giải. Thế nhưng sau một khoảng thời 4 gian dài cùng với những trận đấu trí khốc liệt không hồi kết, nhóm chúng em chật vật cuối cùng đã tìm được cho mình một chủ đề chân ái: Thương mại điện tử. E- commerce là đề tài rất phù hợp cho bài đồ án môn Khoa Học Dữ Liệu vì nó có nhiều lý do hấp dẫn để nghiên cứu và phân tích.

Đầu tiên, đây là một lĩnh vực có tính ứng dụng cao trong thực tế bởi khi phân tích dữ liệu E-commerce có thể giúp các doanh nghiệp hiểu rõ hơn về khách hàng, sản phẩm, xu hướng mua sắm và từ đó đưa ra các chiến lược kinh doanh hiệu quả. Thứ hai, E-commerce là một lĩnh vực có rất nhiều dữ liệu khác nhau, từ thông tin sản phẩm, thông tin khách hàng, đơn hàng, thanh toán và giao nhận và việc này đòi hỏi phải xử lý khối dữ liệu khác nhau này sẽ giúp cho việc nghiên cứu trở nên thú vị và phong phú hơn. Vì vậy, việc lựa chọn đề tài E-commerce cho bài đồ án môn Khoa học dữ liệu là một sự lựa chọn đầy tiềm năng. Nhóm đặt sự ưu tiên lên hàng đầu trong việc nghiên cứu và trau dồi khả năng sử dụng các công cụ cần thiết mà đã được thầy hướng dẫn học tập trong suốt quá trình vừa qua.

Bên cạnh đó, chủ đề còn đáp ứng được sự quan tâm của nhóm đối với ngành học hiện tại là Hệ thống thông tin kinh doanh và định hướng công việc Business Analyst cho sau này. Dù đồ án chỉ nằm trong một phạm vi nhỏ trong vị trí công việc, nhưng bằng cách áp dụng các công cụ như Excel, Orange,. có thể giúp cho Business Analyst có cái nhìn sâu hơn thông qua việc chia tách vấn đề thành các cụm nhỏ lẻ và phân tích insights từ đó - công việc vô cùng quan trọng trước khi giúp doanh nghiệp đưa ra giải pháp. Mục tiêu nghiên cứu Nghiên cứu sẽ cung cấp thông tin của đối tượng cần tìm hiểu, sử dụng các công cụ phân tích để đưa ra kết luận cụ thể, cũng như đưa ra hướng đi hay giải pháp cho bất kỳ doanh nghiệp hay tổ chức để tìm kiếm và dự đoán khả năng rời khỏi hệ thống của khách hàng mới đồng thời giữ chân các đối tượng khách hàng cũ Có 3 mục tiêu chính của đề tài cũng ứng với 3 bài toán cần giải quyết của bài nghiên cứu.

Bài toán phát hiện điểm đặc thù của dữ liệu: Sử dụng các công cụ thống kê thông dụng như Pivot Table, các hàm của Excel, Orange và các dạng lược đồ, biểu đồ để phát hiện, thể hiện các điểm đặc thù của dữ liệu và mối quan hệ giữa chúng. Ứng dụng bài toán phân lớp để dự đoán khả năng rời đi của khách hàng và phân tích lý do, tìm hiểu vấn đề đằng sau là gì. Dùng phương pháp Hierarchical Clustering để thực hiện và phân loại khách hàng làm các cụm để nhận thấy rõ đặc điểm của khách hàng. Đối tượng và phạm vi nghiên cứu Đồ án này sẽ tập trung nghiên cứu hành vi và thông tin của tệp khách hàng của một sàn thương mại điện tử được lấy thông tin, dữ liệu cũng như số liệu tại Kaggle.