Ứng Dụng Mô Hình Phân Khúc Khách Hàng Bằng RFM Kết Hợp Thuật Toán K-Means

Phân khúc khách hàng là một hoạt động marketing quan trọng, chia cơ sở khách hàng thành các nhóm nhỏ dựa… 74 trang · Học viện Chính sách và Phát triển · 2023.

• Tác giả: Nguyễn Kim Quyên
• Người hướng dẫn: ThS. Đào Quang Toàn
• Trường học: Học viện Chính sách và Phát triển
• Chuyên ngành: Phân tích dữ liệu lớn trong kinh tế và kinh doanh
• Đề tài: Mô Hình Phân Khúc Khách Hàng Bằng RFM Kết Hợp Thuật Toán K-Means
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: CƠ SỞ LÝ LUẬN
• 1.1. Tổng quan về phân khúc khách hàng
• 1.1.1. Hành vi khách hàng
• 1.1.2. Phân tích phân khúc khách hàng (RFM)
• 1.2. Cơ sở lý thuyết về thuật toán K – means
• 1.2.1. Phân cụm dữ liệu
• 1.2.2. Thuật toán K – means
• 1.2.3. Các phương pháp đánh giá trong thuật toán Clustering
• 1.3. Tổng quan về khai phá dữ liệu
• 1.3.1. Khái niệm khai phá dữ liệu
• 1.3.2. Mục tiêu của khai phá dữ liệu
• 1.3.3. Quá trình khai phá dữ liệu
• 1.4. Các công trình nghiên cứu
• 1.4.1. Công trình nghiên cứu trong nước
• 1.4.2. Công trình nghiên cứu nước ngoài
• 2. CHƯƠNG 2: ỨNG DỤNG XÂY DỰNG MÔ HÌNH PHÂN KHÚC KHÁCH HÀNG BẰNG RFM KẾT HỢP THUẬT TOÁN PHÂN CỤM K-MEANS
• 2.1. Thu thập dữ liệu
• 2.2. Thông tin về bộ dữ liệu
• 2.3. Mô tả bộ dữ liệu
• 2.4. Tiền xử lý dữ liệu
• 2.4.1. Lựa chọn các thuộc tính
• 2.4.2. Làm sạch dữ liệu
• 2.4.3. Biến đổi dữ liệu
• 2.5. Trực quan hóa dữ liệu
• 2.6. Xây dựng mô hình RFM
• 2.6.1. Tính điểm RFM tổng thể
• 2.6.2. Phân cụm và gán nhãn nhóm khách hàng
• 2.7. Xây dựng mô hình với thuật toán K-means
• 2.7.1. Chuẩn hóa dữ liệu
• 2.7.2. Tìm số cụm với phương pháp Elbow
• 2.7.3. Kiểm nghiệm bằng phương pháp Silhouette
• 3. CHƯƠNG 3: KẾT QUẢ THỰC NGHIỆM
• 3.1. Kết quả thực nghiệm
• 3.2. Kết quả phân tích RFM
• 3.3. Kết quả phân cụm với thuật toán K – means
• 3.4. Phân tích kết quả phân khúc RFM
• 3.5. Phân tích kết quả phân cụm với K – means
• 3.6. Khuyến nghị và kết luận
• 3.6.1. Kết luận và hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Mô Hình Phân Khúc Khách Hàng RFM K Means

Phân khúc khách hàng là một hoạt động marketing quan trọng, chia cơ sở khách hàng thành các nhóm nhỏ dựa trên các đặc điểm khác nhau như địa lý, nhân khẩu học, hành vi. Chìa khóa để phân khúc hiệu quả là chia khách hàng thành các nhóm dựa trên dự đoán về giá trị của họ đối với doanh nghiệp. Mô hình RFM (Recency, Frequency, Monetary) là một phương pháp phổ biến để phân tích giá trị khách hàng. Kết hợp RFM với thuật toán K-Means giúp tự động hóa và tối ưu hóa quá trình phân cụm, mang lại hiệu quả cao hơn. Theo nguyên lý Pareto, 20% khách hàng thường mang lại 80% doanh số, do đó việc xác định và chăm sóc khách hàng quan trọng là vô cùng cần thiết. Phân tích dữ liệu khách hàng bằng RFM K-Means giúp doanh nghiệp tối đa hóa lợi nhuận từ các chiến dịch marketing.

1.1. Tầm quan trọng của Segmentation Khách Hàng trong Marketing

Phân khúc khách hàng cho phép doanh nghiệp cá nhân hóa các chiến dịch marketing, tăng tỷ lệ chuyển đổi và xây dựng lòng trung thành. Bằng cách hiểu rõ nhu cầu và hành vi của từng phân khúc, doanh nghiệp có thể tạo ra các thông điệp và ưu đãi phù hợp, từ đó tăng doanh thu và lợi nhuận. Customer segmentation giúp doanh nghiệp tập trung nguồn lực vào những khách hàng tiềm năng nhất, giảm chi phí marketing và tăng hiệu quả. Việc phân tích hành vi mua hàng là yếu tố then chốt để xây dựng chiến lược marketing hiệu quả.

1.2. Giới thiệu về Mô Hình RFM và Ưu điểm của nó

Mô hình RFM là một phương pháp đơn giản nhưng hiệu quả để đánh giá giá trị khách hàng dựa trên ba yếu tố: Recency (thời gian mua hàng gần nhất), Frequency (tần suất mua hàng) và Monetary (giá trị mua hàng). Ưu điểm của mô hình RFM là dễ hiểu, dễ triển khai và cung cấp thông tin hữu ích về giá trị khách hàng. Tuy nhiên, phân tích RFM truyền thống có thể chủ quan và tốn thời gian. Việc kết hợp với thuật toán K-Means giúp khắc phục những hạn chế này.

II. Thách Thức Khi Phân Khúc Khách Hàng Bằng RFM Truyền Thống

Mặc dù mô hình RFM là một công cụ hữu ích, nhưng nó cũng có những hạn chế nhất định. Việc xác định các ngưỡng RFM (ví dụ: khách hàng 'gần đây' là những người mua hàng trong vòng bao lâu) có thể chủ quan và không chính xác. Ngoài ra, phân tích RFM truyền thống thường dựa trên các quy tắc thủ công, tốn thời gian và khó mở rộng. Các doanh nghiệp bán lẻ vẫn còn sử dụng mô hình phân khúc khách hàng truyền thống. Việc kết hợp thuật toán K-Means giúp tự động hóa quá trình phân cụm, giảm thiểu sự can thiệp của con người và tăng tính khách quan. Ứng dụng RFM K-Means giúp doanh nghiệp giải quyết bài toán phân khúc khách hàng hiệu quả hơn.

2.1. Hạn chế của Phương Pháp Phân Tích RFM Thủ Công

Phương pháp phân tích RFM thủ công đòi hỏi nhiều thời gian và công sức để thu thập, xử lý và phân tích dữ liệu. Việc xác định các ngưỡng RFM thường dựa trên kinh nghiệm và cảm tính, dẫn đến kết quả không chính xác. Ngoài ra, phương pháp này khó mở rộng khi số lượng khách hàng tăng lên. Phân tích dữ liệu khách hàng thủ công cũng dễ bị sai sót do lỗi nhập liệu hoặc tính toán.

2.2. Vấn đề về Tính Chủ Quan trong Xác Định Ngưỡng RFM

Việc xác định các ngưỡng RFM (ví dụ: khách hàng 'tần suất cao' là những người mua hàng bao nhiêu lần) thường mang tính chủ quan và phụ thuộc vào ngành nghề, sản phẩm và đặc điểm của từng doanh nghiệp. Điều này có thể dẫn đến việc phân loại khách hàng không chính xác và ảnh hưởng đến hiệu quả của các chiến dịch marketing. Cải thiện RFM K-Means bằng cách sử dụng các phương pháp thống kê và machine learning để xác định các ngưỡng RFM một cách khách quan và chính xác hơn.

III. Phương Pháp Phân Khúc Khách Hàng RFM Kết Hợp K Means

Kết hợp mô hình RFM với thuật toán K-Means là một giải pháp hiệu quả để tự động hóa và tối ưu hóa quá trình phân cụm khách hàng. Thuật toán K-Means sẽ tự động phân chia khách hàng thành các cụm dựa trên các giá trị RFM, giúp doanh nghiệp xác định các phân khúc khách hàng một cách khách quan và chính xác hơn. RFM K-Means giúp doanh nghiệp hiểu rõ hơn về hành vi khách hàng và giá trị khách hàng, từ đó đưa ra các chiến lược marketing phù hợp. Bài nghiên cứu này được thực hiện để hướng đến việc tạo lập mô hình phân khúc khách hàng hiệu quả kết hợp phương pháp học máy K-means cho lĩnh vực bán lẻ xe đạp của Công ty AdventureWorks Cycles đồng thời so sánh mô hình RFM truyền thống với mô hình RFM kết hợp thuật toán phân cụm K-means.

3.1. Giải thích Thuật Toán K Means và Cách Hoạt Động

Thuật toán K-Means là một thuật toán phân cụm phổ biến, được sử dụng để phân chia dữ liệu thành k cụm khác nhau. Thuật toán này hoạt động bằng cách lặp đi lặp lại các bước sau: chọn k điểm trung tâm ban đầu, gán mỗi điểm dữ liệu vào cụm gần nhất, tính toán lại các điểm trung tâm của các cụm. Quá trình này lặp lại cho đến khi các điểm trung tâm không thay đổi hoặc đạt đến một số lần lặp tối đa. Clustering bằng K-Means giúp tìm ra các nhóm khách hàng có đặc điểm tương đồng.

3.2. Quy trình Xây Dựng Mô Hình RFM K Means Chi Tiết

Quy trình xây dựng mô hình RFM K-Means bao gồm các bước sau: thu thập dữ liệu khách hàng, tính toán các giá trị RFM, chuẩn hóa dữ liệu, áp dụng thuật toán K-Means để phân cụm khách hàng, phân tích đặc điểm của từng cụm và đưa ra các chiến lược marketing phù hợp. Việc tiền xử lý dữ liệu là rất quan trọng để đảm bảo chất lượng của mô hình. Code RFM K-Means có thể được viết bằng Python hoặc R.

3.3. Lựa Chọn Số Cụm K Tối Ưu trong Thuật Toán K Means

Việc lựa chọn số cụm (k) tối ưu là một bước quan trọng trong thuật toán K-Means. Có nhiều phương pháp để xác định số cụm tối ưu, bao gồm phương pháp Elbow, phương pháp Silhouette và phương pháp Gap Statistic. Phương pháp Elbow dựa trên việc tìm điểm uốn trên biểu đồ SSE (Sum of Squared Errors). Phương pháp Silhouette đánh giá chất lượng của các cụm dựa trên khoảng cách giữa các điểm trong cùng một cụm và khoảng cách đến các cụm khác. Đánh giá RFM K-Means bằng các chỉ số phù hợp giúp đảm bảo tính chính xác của mô hình.

IV. Ứng Dụng Thực Tế và Ví Dụ Về RFM K Means Thành Công

Ứng dụng RFM K-Means trong nhiều lĩnh vực khác nhau, bao gồm bán lẻ, thương mại điện tử, tài chính và viễn thông. Các doanh nghiệp sử dụng RFM K-Means để cá nhân hóa các chiến dịch marketing, cải thiện giữ chân khách hàng, tăng doanh thu và lợi nhuận. Ví dụ, một công ty bán lẻ có thể sử dụng RFM K-Means để xác định các khách hàng tiềm năng, khách hàng trung thành và khách hàng có nguy cơ rời bỏ, từ đó đưa ra các chiến lược marketing phù hợp cho từng phân khúc. Bài nghiên cứu này được thực hiện để hướng đến việc tạo lập mô hình phân khúc khách hàng hiệu quả kết hợp phương pháp học máy K-means cho lĩnh vực bán lẻ xe đạp của Công ty AdventureWorks Cycles đồng thời so sánh mô hình RFM truyền thống với mô hình RFM kết hợp thuật toán phân cụm K-means.

4.1. Case Study Phân Khúc Khách Hàng trong Ngành Bán Lẻ

Trong ngành bán lẻ, RFM K-Means có thể được sử dụng để phân khúc khách hàng dựa trên hành vi mua hàng, tần suất mua hàng và giá trị mua hàng. Các phân khúc khách hàng có thể bao gồm khách hàng VIP, khách hàng trung thành, khách hàng tiềm năng và khách hàng có nguy cơ rời bỏ. Dựa trên các phân khúc này, doanh nghiệp có thể đưa ra các chương trình khuyến mãi, giảm giá và chăm sóc khách hàng phù hợp. Ví dụ RFM K-Means trong bán lẻ có thể giúp tăng doanh thu và cải thiện lòng trung thành khách hàng.

4.2. Tối Ưu Hóa Chiến Dịch Marketing Dựa Trên Phân Khúc RFM K Means

Tối ưu hóa chiến dịch marketing dựa trên phân khúc RFM K-Means giúp doanh nghiệp tăng tỷ lệ chuyển đổi và giảm chi phí marketing. Bằng cách cá nhân hóa các thông điệp và ưu đãi cho từng phân khúc, doanh nghiệp có thể thu hút và giữ chân khách hàng hiệu quả hơn. Ví dụ, doanh nghiệp có thể gửi email marketing cho khách hàng tiềm năng với các ưu đãi đặc biệt, hoặc gửi quà tặng cho khách hàng trung thành để thể hiện sự tri ân. Tăng trưởng doanh thu là mục tiêu cuối cùng của việc phân khúc khách hàng.

V. Kết Luận và Hướng Phát Triển Của Mô Hình RFM K Means

Mô hình RFM K-Means là một công cụ mạnh mẽ để phân khúc khách hàng và phân tích dữ liệu khách hàng. Bằng cách kết hợp RFM với thuật toán K-Means, doanh nghiệp có thể tự động hóa và tối ưu hóa quá trình phân cụm, từ đó đưa ra các chiến lược marketing phù hợp và hiệu quả. Trong tương lai, RFM K-Means có thể được kết hợp với các kỹ thuật machine learning khác để cải thiện độ chính xác và hiệu quả. Phần mềm RFM K-Means ngày càng trở nên phổ biến và dễ sử dụng.

5.1. Ưu Điểm và Nhược Điểm Của Phương Pháp RFM K Means

Ưu điểm RFM K-Means bao gồm tính đơn giản, dễ triển khai, khả năng tự động hóa và hiệu quả cao. Nhược điểm RFM K-Means bao gồm việc cần lựa chọn số cụm tối ưu và khả năng bị ảnh hưởng bởi các điểm ngoại lệ. Tuy nhiên, những nhược điểm này có thể được khắc phục bằng cách sử dụng các phương pháp phù hợp. Công cụ RFM K-Means ngày càng được cải tiến để giải quyết các vấn đề này.

5.2. Hướng Nghiên Cứu và Phát Triển Mô Hình RFM K Means

Trong tương lai, RFM K-Means có thể được kết hợp với các kỹ thuật machine learning khác, chẳng hạn như deep learning, để cải thiện độ chính xác và hiệu quả. Ngoài ra, RFM K-Means có thể được sử dụng để phân tích dữ liệu thời gian thực, giúp doanh nghiệp đưa ra các quyết định marketing nhanh chóng và chính xác hơn. Cải thiện RFM K-Means liên tục là cần thiết để đáp ứng nhu cầu ngày càng cao của thị trường.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh công nghệ thông tin phát triển mạnh mẽ và được ứng dụng sâu rộng vào mọi lĩnh vực kinh tế - xã hội, khối lượng dữ liệu phát sinh hàng ngày tích lũy ngày càng lớn. Vấn đề đặt ra đối với các tổ chức và doanh nghiệp là làm thế nào để tổ chức và khai thác hiệu quả khối dữ liệu khổng lồ này thành các thông tin hữu ích phục vụ việc ra quyết định. Trong lĩnh vực bán lẻ, việc tiếp cận khách hàng hiệu quả dựa trên phân khúc thị trường đóng vai trò then chốt; tuy nhiên, nhiều nhà bán lẻ hiện nay vẫn phụ thuộc vào các phương pháp phân khúc truyền thống. Nhằm nâng cao hiệu quả phân loại khách hàng trong ngành bán lẻ xe đạp, tác giả Nguyễn Kim Quyên đã thực hiện khóa luận tốt nghiệp với đề tài "Ứng dụng xây dựng mô hình phân khúc khách hàng bằng RFM kết hợp thuật toán phân cụm K-means" tại Khoa Kinh tế Số, Học viện Chính sách và Phát triển.

Theo văn bản khóa luận, mục tiêu và nhiệm vụ nghiên cứu bao gồm:

1. Nghiên cứu và làm rõ cơ sở lý thuyết về hành vi khách hàng, phân khúc khách hàng, mô hình RFM (Recency - Frequency - Monetary) cùng các nghiên cứu liên quan đến việc ứng dụng phương pháp học máy trong phân cụm khách hàng.
2. Trình bày quy trình thu thập, tiền xử lý dữ liệu và tiến hành phân tích định tính, định lượng tương ứng với từng nhóm khách hàng; từ đó hoàn thiện mô hình phân khúc khách hàng kết hợp giữa mô hình RFM và thuật toán học máy K-means.
3. Đề xuất các giải pháp, khuyến nghị chiến lược tiếp thị phù hợp và hiệu quả cho doanh nghiệp dựa trên kết quả phân tích.

Đối tượng và phạm vi nghiên cứu được xác định cụ thể như sau:

• Đối tượng nghiên cứu: Ứng dụng xây dựng mô hình phân khúc khách hàng bằng phương pháp RFM kết hợp thuật toán phân cụm K-means trong lĩnh vực bán lẻ xe đạp của Công ty AdventureWorks Cycles.
• Phạm vi không gian: Bộ dữ liệu hoạt động bán lẻ xe đạp của Công ty AdventureWorks Cycles tại các thị trường Bắc Mỹ, Châu Âu và Châu Á.
• Phạm vi dữ liệu: Các giao dịch bán hàng phát sinh từ ngày 01/07/2016 đến ngày 31/07/2019.
• Phạm vi thời gian thực hiện nghiên cứu: Khóa luận được triển khai thực hiện trong 2 tháng (từ tháng 02/2023 đến tháng 04/2023).

Cơ sở lý thuyết và phương pháp

Khóa luận thiết lập nền tảng lý thuyết và phương pháp luận dựa trên các khái niệm chuyên ngành về hành vi người tiêu dùng, khai phá dữ liệu và các thuật toán phân cụm học máy không giám sát:

• Lý thuyết hành vi người tiêu dùng và phân khúc khách hàng: Tác giả tiếp cận khái niệm hành vi người tiêu dùng theo định nghĩa của Hiệp hội Marketing Hoa Kỳ (AMA) và quan điểm của Philip Kotler & Sidney J. Levy. Phân khúc khách hàng dựa trên nguyên lý Pareto (20% khách hàng mang lại 80% doanh số).
• Mô hình RFM (Recency, Frequency, Monetary): Đánh giá giá trị khách hàng thông qua ba chỉ số:
  • Recency (R): Khoảng thời gian (tính theo ngày) từ lần mua hàng gần nhất đến thời điểm đánh giá;
  • Frequency (F): Tần suất hay tổng số lần phát sinh đơn hàng;
  • Monetary (M): Tổng số tiền khách hàng đã chi tiêu tại doanh nghiệp.
• Khai phá dữ liệu (Data Mining): Quá trình trích xuất thông tin, tri thức tiềm ẩn từ các cơ sở dữ liệu lớn phục vụ mục tiêu mô tả và dự đoán, tuân thủ quy trình 4 giai đoạn: xác định nhiệm vụ, xác định dữ liệu liên quan, thu thập và tiền xử lý, áp dụng thuật toán khai phá.
• Thuật toán phân cụm K-means: Kỹ thuật học máy không giám sát nhằm phân vùng $n$ quan sát đa chiều thành $k$ cụm sao cho tổng bình phương khoảng cách giữa các điểm dữ liệu đến tâm cụm (centroid) tương ứng là nhỏ nhất, sử dụng khoảng cách hình học Euclid (Euclidean Distance).
• Các phương pháp xác định và đánh giá chất lượng phân cụm:
  • Phương pháp Elbow (Elbow Method): Xác định số cụm $k$ tối ưu thông qua đồ thị biểu diễn tổng bình phương sai số bên trong cụm ($SSE$ - Sum of Squared Errors);
  • Kiểm định Hopkins (Hopkins Statistic): Đánh giá xu hướng phân cụm (Cluster Tendency) và tính phi ngẫu nhiên của phân phối dữ liệu;
  • Chỉ số Silhouette (Silhouette Index): Đo lường mức độ tương đồng của một điểm dữ liệu với cụm chứa nó (cohesion) so với các cụm lân cận (separation), giá trị dao động từ -1 đến 1;
  • Phương pháp Pseudo F-statistic: Dựa trên tỷ số giữa phương sai giữa các cụm ($SSB$) và phương sai nội cụm ($SSE$);
  • Chỉ số Dunn (Dunn's Index) và Chỉ số Davies-Bouldin (DB Index): Đánh giá tỷ lệ giữa độ nén nội cụm và khoảng cách phân tách giữa các cụm.

Phương pháp nghiên cứu thực tế được tác giả triển khai bao gồm: phương pháp thu thập, so sánh và thống kê tổng hợp số liệu; phương pháp nghiên cứu tài liệu lý thuyết; phương pháp nghiên cứu thực tiễn qua việc tiền xử lý dữ liệu định lượng, phân tổ dữ liệu theo phân vị (Percentile) và lập trình phân cụm thực nghiệm bằng thuật toán K-means.

Nguồn dữ liệu sử dụng là tập dữ liệu mở của Công ty AdventureWorks Cycles do Tập đoàn Microsoft cung cấp.

Nội dung chính theo từng chương

Chương 1: Cơ sở lý luận

Chương 1 hệ thống hóa toàn diện các lý thuyết nền tảng và rà soát các nghiên cứu thực nghiệm tiền nhiệm:

• Trình bày định nghĩa về hành vi khách hàng, tầm quan trọng của việc phân khúc khách hàng theo giá trị mang lại cho doanh nghiệp và các đặc trưng cơ bản của mô hình RFM.
• Trình bày cơ sở toán học của thuật toán phân cụm K-means, công thức tính khoảng cách Euclid, thuật toán cập nhật tọa độ tâm cụm qua các vòng lặp và phương pháp tìm điểm gập "cùi chỏ" trên đồ thị SSE.
• Trình bày cơ chế đo lường của 5 phương pháp đánh giá phân cụm: Hệ số Silhouette, kiểm định giả F (Pseudo F-statistic), kiểm định xu hướng phân cụm Hopkins, chỉ số Dunn và chỉ số Davies-Bouldin.
• Tổng kết quy trình khai phá dữ liệu (KPDL) trong khám phá tri thức từ cơ sở dữ liệu lớn.
• Tổng thuật các công trình nghiên cứu liên quan:
  • Trong nước: Nghiên cứu phân cụm viễn thông bằng PRF (Parallel Random Forest) và K-means của Hoàng Anh Dũng (2020); nghiên cứu liên ngành phân khúc RFM kết hợp K-means của Hồ Trung Thành và Nguyễn Đăng Sơn (2021); nghiên cứu phân tích hành vi bán lẻ với RFM tiếp cận bằng học máy không giám sát của Phan Châu Minh Trường (2023).
  • Nước ngoài: Nghiên cứu xếp hạng RFM kết hợp K-means, Fuzzy C-means và RM K-means của A.J. Christy và cộng sự (2018); nghiên cứu tích hợp K-means và phương pháp Elbow của M.A. Syakur và cộng sự (2018); nghiên cứu ứng dụng phân cụm K-means trong phân tích nhật ký giếng dầu khí (2020).

Chương 2: Ứng dụng xây dựng mô hình phân khúc khách hàng bằng RFM kết hợp thuật toán phân cụm K-means

Chương 2 mô tả chi tiết toàn bộ các bước triển khai kỹ thuật trên bộ dữ liệu thực tế:

• Bộ dữ liệu: Khai thác từ cơ sở dữ liệu AdventureWorks Cycles – công ty hư cấu sản xuất và phân phối xe đạp đa quốc gia (trụ sở tại Bothell, Washington với 290 nhân viên; mua lại Importadores Neptuno tại Mexico năm 2000 để sản xuất dòng xe đạp du lịch từ năm 2001).
• Thuộc tính trích xuất: Từ 60.399 dòng giao dịch giai đoạn 01/07/2016 – 31/07/2019, tác giả sàng lọc và chọn ra 4 thuộc tính nòng cốt:
  • CustomerKey: Khóa chính định danh từng khách hàng đơn lẻ;
  • OrderDate: Ngày đặt hàng, dùng để tính giá trị Recency;
  • SalesOrderNumber: Mã đơn hàng, dùng để đếm tần suất giao dịch Frequency;
  • SalesAmount: Doanh thu đơn hàng (USD), dùng để tính tổng chi tiêu Monetary.
• Tiền xử lý và làm sạch: Định dạng lại cột OrderDate sang kiểu Datetime (Year-Month-Day), chuyển SalesOrderNumber sang String, SalesAmount sang Số thập phân. Kiểm tra không có giá trị bị thiếu (Missing values). Phân tích thống kê mô tả cho thấy các giá trị SalesAmount > 3000 USD phản ánh đúng giá trị mặt hàng xe đạp nên được giữ lại.
• Trực quan hóa dữ liệu thống kê:
  • Sản phẩm: Trong tổng số 158 mã sản phẩm (ProductKey), mã 477 bán chạy nhất (4.244 sản phẩm), tiếp theo là mã 480 (3.191 sản phẩm) và mã 528 (3.095 sản phẩm).
  • Thị trường và doanh thu: Phân bố qua 37 quốc gia/khu vực. Australia đạt doanh thu cao nhất và có số giao dịch lớn nhất (13.345 giao dịch), Southwest đứng thứ hai (12.265 giao dịch), Northwest đứng thứ ba (8.993 giao dịch). Khu vực có doanh thu thấp nhất là Central và Southeast (dưới 2.000 USD).
  • Biến động thời gian: Doanh thu năm 2016 thấp nhất, tăng trưởng mạnh trong giai đoạn cuối 2017 đến cuối 2018 (từ hơn 6.000 USD lên gần 10.000 USD) và duy trì ổn định trong năm 2018 - 2019, sau đó ghi nhận mức sụt giảm sau tháng 07/2019.
• Xây dựng mô hình RFM truyền thống:
  • Chia tập dữ liệu của từng chỉ số R, F, M thành 5 phân tổ đều bằng phương pháp bách phân vị (Percentile: mốc 20%, 40%, 60%, 80%), gán điểm (Score/Label) từ 1 đến 5 (5 là tốt nhất).
  • Ghép chuỗi điểm RFM và tiến hành phân cụm trên không gian 2 chiều (R và F), gán nhãn thành 6 nhóm khách hàng đặc trưng: Nhà vô địch (Champions), Khách hàng trung thành tiềm năng (Potential Loyalist), Khách hàng mới (New Customers), Khách hàng kỳ vọng (Promising), Cần sự chú ý (Need Attention), Sắp ngủ (About To Sleep).
• Chuẩn hóa dữ liệu cho K-means:
  • Thống kê mô tả cho thấy sự chênh lệch lớn về khoảng biến thiên giữa các biến: Recency (0 - 1430 ngày), Frequency (1 - 8 lần), Monetary (2 - 5784,06 USD với tứ phân vị thứ ba $Q_3 = 2111,40$).
  • Phân phối của cả ba biến đều bị lệch phải (Right-skewed) với mật độ tập trung ở giá trị thấp và rải rác giá trị ngoại lai ở vùng giá trị cao ($M > 2500$). Tác giả thực hiện các phép biến đổi và chuẩn hóa để đưa độ lệch (skewness) về gần giá trị 0 trước khi đưa vào mô hình học máy.
  • Sử dụng phương pháp Elbow (đồ thị đường SSE) và biểu đồ Silhouette để kiểm định và xác định số lượng cụm tối ưu.

Chương 3: Kết quả thực nghiệm

Chương 3 trình bày các kết quả đạt được từ việc so sánh hai phương pháp phân khúc:

• Kết quả phân tích RFM theo phân vị: Thể hiện chi tiết cấu trúc phân phối, tứ phân vị và đặc trưng hành vi của 6 nhóm khách hàng (Champions, Potential Loyalist, Promising, New Customers, Need Attention, About To Sleep).
• Kết quả phân cụm K-means: Thuật toán K-means tối ưu hóa dữ liệu thành 3 cụm khách hàng rõ rệt:
  • Cụm 0: Nhóm khách hàng tiềm năng;
  • Cụm 1: Nhóm khách hàng ít tiềm năng;
  • Cụm 2: Nhóm khách hàng cần được quan tâm.
• Phân tích so sánh và khuyến nghị: So sánh chi tiết về độ nén, sự phân tách của các nhóm giữa phương pháp gán nhãn thủ công RFM 2D và phân cụm thuật toán K-means 3 chiều; đưa ra các đề xuất tiếp thị cá nhân hóa cho từng nhóm khách hàng nhằm tối ưu hóa chi phí bán hàng và nâng cao doanh thu cho doanh nghiệp bán lẻ xe đạp.

Kết quả và đóng góp

Kết quả định lượng và phân khúc chính

Khóa luận đã trích xuất và xử lý thành công 60.399 dòng giao dịch bán lẻ của Công ty AdventureWorks Cycles, lượng hóa toàn bộ tập khách hàng theo 3 biến số RFM và tiến hành phân đoạn khách hàng theo hai phương pháp:

Phương pháp phân khúc	Số nhóm/cụm	Danh mục phân nhóm	Đặc trưng chính
Mô hình RFM (Phân tổ Percentile 2D)	6 nhóm	1. Champions 2. Potential Loyalist 3. New Customers 4. Promising 5. Need Attention 6. About To Sleep	- Champions (Điểm R: 4-5, F: 5-5): Mua gần đây nhất, thường xuyên và chi tiêu nhiều nhất. - Potential Loyalist (R: 3-4, F: 4-5 hoặc R: 4-5, F: 2-3): Mua hàng gần đây, tần suất trung bình. - New Customers (R: 5-5, F: 1-1): Giao dịch mới nhất nhưng tần suất thấp (1 lần). - Promising (R: 4-4, F: 1-1): Mua gần đây, tần suất thấp, chi tiêu chưa cao. - Need Attention: Điểm trung bình, có nguy cơ không quay lại. - About To Sleep (Điểm R, F dưới mức trung bình): Nguy cơ rời bỏ cao nếu không kích hoạt lại.
Thuật toán phân cụm K-means	3 cụm	- Cụm 0: Tiềm năng - Cụm 1: Ít tiềm năng - Cụm 2: Cần được quan tâm	- Gom cụm tự động trên không gian 3 chiều (R, F, M) đã chuẩn hóa. - Số cụm tối ưu $k=3$ được xác định đồng thời qua phương pháp Elbow (SSE) và kiểm chứng Silhouette.

Về phân tích sản phẩm và khu vực thị trường:

• Sản phẩm chủ lực đóng góp lượng tiêu thụ lớn nhất là mã ProductKey 477 (4.244 sản phẩm), tiếp theo là mã 480 (3.191 sản phẩm) và mã 528 (3.095 sản phẩm).
• Thị trường Australia chiếm tỷ trọng lớn nhất với 13.345 giao dịch và mức doanh thu dẫn đầu toàn hệ thống; các khu vực Central và Southeast có doanh số dưới 2.000 USD.

Đóng góp và giải pháp đề xuất

• Đóng góp về phương pháp luận: Khóa luận chứng minh tính hiệu quả của việc kết hợp mô hình kinh doanh RFM truyền thống với thuật toán học máy K-means. Cách tiếp cận này khắc phục nhược điểm của việc phân tổ phân vị thủ công (phải lược bỏ biến M để chiếu trên bản đồ 2D nhằm tránh độ phức tạp 3D), cho phép phân tích đồng thời cả 3 chiều dữ liệu mà vẫn đảm bảo tính khách quan toán học dựa trên phân bố thực tế của dữ liệu.
• Giải pháp tiếp thị ứng dụng:
  • Nhóm Champions / Cụm tiềm năng: Cung cấp chính sách chăm sóc khách hàng đặc biệt (VIP), giới thiệu sản phẩm xe đạp cao cấp mới, duy trì lòng trung thành.
  • Nhóm Potential Loyalist và Promising: Áp dụng các chương trình khuyến mại chéo, ưu đãi phụ kiện xe đạp để gia tăng tần suất và giá trị đơn hàng.
  • Nhóm New Customers: Thiết lập quy trình chăm sóc sau bán hàng, hướng dẫn sử dụng và phiếu giảm giá cho lần mua tiếp theo.
  • Nhóm Need Attention và About To Sleep / Cụm ít tiềm năng: Triển khai các chiến dịch tái kích hoạt (Re-activation campaigns), khảo sát lý do ngừng mua hàng và gửi email marketing thông báo ưu đãi phục hồi.
  • Đối với mạng lưới chi nhánh: Tinh gọn các điểm bán hàng kém hiệu quả tại các khu vực Central và Southeast, tập trung nguồn lực bán hàng qua mạng (Internet) và kênh phân phối trực tiếp tại các thị trường trọng điểm như Australia, Southwest và Northwest.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận ghi nhận các giới hạn nghiên cứu được nêu trong văn bản:

• Dữ liệu nghiên cứu: Bộ dữ liệu AdventureWorks Cycles được thu thập từ nguồn dữ liệu mô phỏng doanh nghiệp của Microsoft, chưa phản ánh đầy đủ mọi biến động phức tạp và đa chiều của các doanh nghiệp bán lẻ thực tế tại Việt Nam.
• Phạm vi thời gian và thuật toán: Nghiên cứu thực hiện trong thời gian 2 tháng, tập trung chủ yếu vào thuật toán phân cụm K-means; các kỹ thuật xử lý phân phối lệch và ngoại lai đối với các đơn hàng giá trị cao ($SalesAmount > 3000$) cần được mở rộng thử nghiệm với nhiều phương pháp feature engineering khác.
• Hướng phát triển: Mở rộng áp dụng thử nghiệm trên các thuật toán phân cụm khác (như Fuzzy C-means, phân cụm phân cấp Hierarchical Clustering hoặc Random Forest), kết hợp bổ sung các thuộc tính về nhân khẩu học và địa lý (Sales Territory, Customer Region) vào không gian phân cụm đa chiều.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo chuyên môn phù hợp cho:

• Sinh viên và học viên: Thuộc các ngành Kinh tế số, Phân tích dữ liệu lớn trong kinh tế và kinh doanh, Hệ thống thông tin quản lý, Khoa học dữ liệu và Marketing Analytics.
• Nội dung giá trị:
  • Quy trình chi tiết từng bước (Step-by-step) về tiền xử lý dữ liệu giao dịch bán lẻ: làm sạch, xử lý kiểu dữ liệu, tính toán các chỉ số R, F, M từ log giao dịch gốc (OrderDate, SalesOrderNumber, SalesAmount).
  • Phương pháp phân tổ phân vị Percentile để thiết lập ma trận phân khúc RFM 2D.
  • Kỹ thuật chuẩn hóa phân phối lệch (Skewed distribution) và quy trình xác định tham số $k$ tối ưu bằng phương pháp Elbow kết hợp hệ số Silhouette trong bài toán phân cụm học máy không giám sát.

Câu hỏi thường gặp

1. Khóa luận sử dụng những thuộc tính cụ thể nào từ bộ dữ liệu AdventureWorks để xây dựng mô hình RFM?
Tác giả đã trích xuất 4 thuộc tính chính từ 60.399 dòng giao dịch: CustomerKey (làm khóa chính định danh khách hàng), OrderDate (dùng để tính Recency bằng cách lấy ngày mua gần nhất của tập dữ liệu trừ đi ngày mua cuối của từng khách hàng), SalesOrderNumber (đếm số lượng mã đơn hàng để tính Frequency) và SalesAmount (tổng số tiền chi tiêu tính bằng USD để xác định Monetary).

2. Tiêu chí phân tổ và dán nhãn 6 nhóm khách hàng trong mô hình RFM của khóa luận được thực hiện như thế nào?
Dữ liệu của 3 chỉ số R, F, M được chia thành 5 phần bằng nhau theo các mốc bách phân vị 20%, 40%, 60%, 80% và đánh nhãn điểm từ 1 đến 5. Khi dán nhãn 6 nhóm khách hàng, tác giả sử dụng bản đồ 2 chiều dựa trên cặp điểm $(R, F)$: Champions (4-5, 5-5), Loyal Customers/Potential Loyalist (3-4, 4-5 hoặc 4-5, 2-3), New Customers (5-5, 1-1), Promising (4-4, 1-1), Needing Attention (3-3, 3-3; 1-2, 3-4; 1-2, 5-5) và About To Sleep (3-3, 1-2; 1-2, 1-2).

3. Vì sao tác giả cần thực hiện các phép biến đổi dữ liệu (Feature Engineering) trước khi đưa vào thuật toán K-means?
Qua thống kê mô tả, 3 biến có khoảng giá trị chênh lệch rất lớn (Recency: 0 - 1430, Frequency: 1 - 8, Monetary: 2 - 5784,06) và đều có phân phối lệch phải nghiêm trọng, tập trung ở vùng giá trị thấp và thưa thớt ở vùng giá trị cao ($M > 2500$). Nếu không chuẩn hóa và giảm độ lệch về gần 0, khoảng cách Euclid trong thuật toán K-means sẽ bị chi phối hoàn toàn bởi biến có thang đo lớn, làm sai lệch kết quả phân cụm.

4. Phương pháp nào được sử dụng để xác định và kiểm định số lượng cụm tối ưu cho thuật toán K-means?
Tác giả sử dụng phương pháp Elbow (đo lường tổng bình phương khoảng cách trong cụm - SSE qua các giá trị $k$ để tìm điểm uốn) kết hợp với phân tích hệ số Silhouette (Silhouette Score) nhằm kiểm tra độ gắn kết nội cụm và mức độ phân tách giữa các cụm, từ đó xác định số lượng $k = 3$ cụm tối ưu.

5. Sản phẩm nào bán chạy nhất và khu vực nào có doanh thu cao nhất theo thống kê của bộ dữ liệu?
Mã sản phẩm 477 (ProductKey 477) bán chạy nhất với tổng số lượng bán ra đạt 4.244 sản phẩm. Về mặt địa lý, Australia là khu vực dẫn đầu toàn bộ dữ liệu cả về doanh thu lẫn số lượng giao dịch với 13.345 lượt mua hàng.

Kết luận

Khóa luận của tác giả Nguyễn Kim Quyên đã hệ thống hóa cơ sở lý thuyết về hành vi khách hàng, mô hình RFM và kỹ thuật phân cụm K-means trong khai phá dữ liệu bán lẻ. Thông qua việc xử lý và phân tích thực nghiệm trên 60.399 bản ghi giao dịch của Công ty AdventureWorks Cycles, nghiên cứu đã xây dựng thành công 6 phân khúc RFM truyền thống và tối ưu hóa thành 3 cụm khách hàng bằng thuật toán học máy K-means. Kết quả nghiên cứu cung cấp cơ sở dữ liệu định lượng rõ ràng giúp doanh nghiệp bán lẻ xây dựng các chiến lược tiếp thị mục tiêu và tối ưu hóa hiệu quả kinh doanh.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: CƠ SỞ LÝ LUẬN 1. Tổng quan về phân khúc khách hàng 1. Hành vi khách hàng Hành vi của người tiêu dùng (Consumer Behavior) là nghiên cứu về người tiêu dùng và các quy trình họ sử dụng để lựa chọn, sử dụng (tiêu dùng) và loại bỏ các sản phẩm và dịch vụ, bao gồm các phản ứng về cảm xúc, tinh thần và hành vi của người tiêu dùng. Nó liên quan đến việc hiểu các yếu tố tâm lý, xã hội và kinh tế ảnh hưởng đến quyết định của người tiêu dùng và trải nghiệm của họ.

Hành vi người tiêu dùng là quá trình phức tạp, được ảnh hưởng bởi các yếu tố nội và ngoại tại. Các yếu tố nội tại bao gồm các đặc điểm cá nhân như động cơ, nhận thức, thái độ và học hỏi, trong khi các yếu tố bên ngoài bao gồm các yếu tố văn hóa, xã hội, kinh tế và môi trường. Đặc biệt việc nghiên cứu hành vi khách hàng là một phần quan trọng trong nghiên cứu kinh tế học với mục đích tìm hiểu xem bằng cách nào và tại sao người tiêu dùng mua hoặc không mua các sản phẩm, dịch vụ và quá trình mua sắm, sử dụng dịch vụ của khách hàng diễn ra như thế nào? Hiểu hành vi người tiêu dùng là điều cần thiết để các doanh nghiệp tạo ra các chiến lược tiếp thị và sản phẩm hiệu quả để đáp ứng nhu cầu và mong muốn của khách hàng mục tiêu. Bằng cách phân tích hành vi người tiêu dùng, các doanh nghiệp có thể xác định cơ hội để cải thiện sản phẩm, dịch vụ và nỗ lực tiếp thị để đáp ứng tốt hơn nhu cầu của khách hàng và tăng doanh số và lợi nhuận.

Có nhiều định nghĩa về hành vi khách hàng, sau đây là một số định nghĩa tiêu biểu: Theo Hiệp hội marketing Hoa Kỳ, hành vi khách hàng chính là sự tác động qua lại giữa các yếu tố kích thích của môi trường với nhận thức và hành vi của con người mà qua sự tương tác đó, con người thay đổi cuộc sống của họ. Hay nói cách khác, hành vi khách hàng bao gồm những suy nghĩ và cảm nhận mà con người có được và những hành động mà họ thực hiện trong quá trình tiêu dùng. Những yếu tố như ý kiến từ những người tiêu dùng khác, quảng cáo, thông tin về giá cả, bao bì, bề 4 ngoài sản phẩm… đều có thể tác động đến cảm nhận, suy nghĩ và hành vi của khách hàng. Theo Kotler & Levy, hành vi khách hàng là những hành vi cụ thể của một cá nhân khi thực hiện các quyết định mua sắm, sử dụng và vứt bỏ sản phẩm hay dịch vụ.

Như vậy, qua hai định nghĩa trên, chúng ta có thể xác định hành vi khách hàng là: Những suy nghĩ và cảm nhận của con người trong quá trình mua sắm và tiêu dùng. Hành vi khách hàng là năng động và tương tác vì nó chịu tác động bởi những yếu tố từ môi trường bên ngoài và có sự tác động trở lại đối với môi trường ấy. Hành vi khách hàng bao gồm các hoạt động: mua sắm, sử dụng và xử lí sản phẩm dịch vụ. Phân tích phân khúc khách hàng (RFM) Phân khúc khách hàng (còn gọi là phân khúc thị trường) là một hoạt động marketing phân chia cơ sở khách hàng thành các nhóm nhỏ.

Đây có thể là phân chia theo địa lý, nhân khẩu học, tâm lý học, hành vi và các đặc điểm khác. Chìa khóa để phân khúc hiệu quả là chia khách hàng thành các nhóm dựa trên; dự đoán về giá trị của họ đối với doanh nghiệp.