Đề tài nghiên cứu mô hình dự đoán giá sản phẩm theo mùa dựa trên bộ dữ liệu về quà tặng giáng sinh thông qua nền tảng azure machine learning studio

Chuyên khảo phân tích Đề tài nghiên cứu mô hình dự đoán giá sản phẩm theo mùa dựa trên bộ dữ liệu về quà tặng giáng sinh, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên

• Trường học: Trường Đại Học Công Nghệ Thông Tin
• Chuyên ngành: Khoa Học Dữ Liệu
• Đề tài: Nghiên Cứu Mô Hình Dự Đoán Giá Sản Phẩm Giáng Sinh Qua Azure Machine Learning
• Loại tài liệu: Đồ Án Tốt Nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI MỞ ĐẦU
• 1. CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu nghiên cứu
• 1.2.1. Mục tiêu nghiên cứu chung
• 1.2.2. Mục tiêu nghiên cứu cụ thể
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 1.5.1. Nghiên cứu sơ bộ
• 1.5.2. Nghiên cứu chính thức
• 1.6. Ý nghĩa đề tài nghiên cứu
• 1.6.1. Ý nghĩa khoa học
• 1.6.2. Ý nghĩa thực tiễn
• 2. CHƯƠNG 2: TỔNG QUAN VỀ ĐỀ TÀI NGHIÊN CỨU
• 2.1. Mục tiêu nghiên cứu
• 2.2. Phương pháp nghiên cứu
• 2.3. Đề xuất mô hình nghiên cứu
• 3. CHƯƠNG 3: DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 3.1. Thiết kế nghiên cứu
• 3.2. Thu thập dữ liệu
• 3.3. Xử lý dữ liệu
• 3.4. Phương pháp nghiên cứu trên nền tảng Azure Machine Learning Studio
• 3.5. Phương pháp dự đoán
• 3.5.1. Linear Regression
• 3.5.2. Support Vector Regression
• 3.5.3. Random Forest Regression
• 3.6. Quy trình đưa ra kết quả dự đoán
• 4. CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU
• 4.1. Mô tả mối quan hệ giữa biến độc lập và biến phụ thuộc
• 4.2. Quy trình xây dựng phương pháp dự đoán
• 4.3. Phương pháp thống kê
• 4.4. Đánh giá và lựa chọn mô hình dự đoán
• 4.5. Triển khai dự đoán và thử nghiệm
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HẠN CHẾ
• 5.1. Hạn chế và hướng nghiên cứu trong tương lai
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Khám phá mô hình dự đoán giá sản phẩm Giáng Sinh hiệu quả

Trong kỷ nguyên số, dữ liệu được xem là tài sản chiến lược của doanh nghiệp. Khả năng phân tích và khai thác dữ liệu lớn giúp tối ưu hóa vận hành và đưa ra quyết định kinh doanh chính xác. Một trong những ứng dụng quan trọng nhất là học máy dự đoán giá, đặc biệt đối với các sản phẩm mang tính thời vụ như quà tặng Giáng Sinh. Việc định giá chính xác trong giai đoạn này có thể ảnh hưởng trực tiếp đến doanh thu, lợi nhuận và sự hài lòng của khách hàng. Bài viết này trình bày một nghiên cứu ứng dụng, tập trung vào việc xây dựng và đánh giá các mô hình dự đoán giá sản phẩm theo mùa, cụ thể là mặt hàng quà tặng Giáng Sinh. Nghiên cứu sử dụng nền tảng Azure Machine Learning Studio, một công cụ mạnh mẽ của Microsoft Azure AI, để xử lý, huấn luyện và triển khai mô hình. Mục tiêu chính là đề xuất một phương pháp khoa học, dựa trên dữ liệu, giúp doanh nghiệp thiết lập chiến lược giá mùa lễ hội một cách chủ động và hiệu quả. Quá trình nghiên cứu bao gồm các bước từ thu thập dữ liệu, tiền xử lý dữ liệu, lựa chọn thuật toán, huấn luyện mô hình cho đến đánh giá độ chính xác mô hình. Kết quả không chỉ cung cấp một cái nhìn sâu sắc về các yếu tố ảnh hưởng đến giá mà còn mang lại một công cụ thực tiễn để hỗ trợ việc ra quyết định. Nghiên cứu này kiểm định và mở rộng các phát hiện từ nghiên cứu của Mohamed và cộng sự (2022), chứng minh tính khả thi của việc áp dụng khoa học dữ liệu ứng dụng vào lĩnh vực bán lẻ và thương mại điện tử. Nó cung cấp một lộ trình rõ ràng cho các doanh nghiệp muốn chuyển đổi từ định giá theo cảm tính sang định giá dựa trên phân tích dự báo.

1.1. Tầm quan trọng của khoa học dữ liệu ứng dụng trong bán lẻ

Ngành bán lẻ, đặc biệt là thương mại điện tử, đang đối mặt với sự cạnh tranh khốc liệt. Việc ứng dụng khoa học dữ liệu không còn là một lựa chọn mà đã trở thành yếu tố sống còn. Phân tích dữ liệu giúp doanh nghiệp hiểu rõ hành vi khách hàng, dự báo nhu cầu thị trường, và quan trọng nhất là thực hiện định giá sản phẩm động. Thay vì áp dụng một mức giá cố định, doanh nghiệp có thể điều chỉnh giá linh hoạt dựa trên các yếu tố như thời điểm, nhu cầu, lượng hàng tồn kho và giá của đối thủ cạnh tranh, từ đó tối đa hóa lợi nhuận.

1.2. Mục tiêu của mô hình nghiên cứu dự đoán giá sản phẩm

Nghiên cứu này đặt ra bốn mục tiêu cụ thể: (1) Kiểm tra và đề xuất các phương pháp học máy và thống kê phù hợp để dự báo giá sản phẩm theo mùa. (2) So sánh hiệu suất giữa các phương pháp để xác định mô hình tối ưu. (3) Đánh giá các mô hình được đề xuất dựa trên các thước đo hiệu suất chuẩn như MAE và RMSE. (4) Đưa ra kết luận về mô hình phù hợp nhất và đề xuất các hàm ý quản trị, giúp doanh nghiệp xây dựng chiến lược bán hàng và quản lý tồn kho hiệu quả hơn.

II. Thách thức định giá sản phẩm động trong mùa lễ hội cao điểm

Mùa Giáng Sinh là thời điểm mua sắm sôi động nhất trong năm, nhưng cũng đặt ra nhiều thách thức cho các nhà bán lẻ. Nhu cầu thị trường tăng đột biến có thể dẫn đến tình trạng mất cân bằng cung cầu. Nếu không có một chiến lược giá mùa lễ hội hợp lý, doanh nghiệp có thể bỏ lỡ cơ hội doanh thu hoặc đối mặt với rủi ro tồn kho lớn sau mùa vụ. Các phương pháp định giá truyền thống dựa trên kinh nghiệm hoặc chi phí thường không đủ linh hoạt để phản ứng với những biến động nhanh chóng của thị trường. Việc đặt giá quá cao có thể làm mất khách hàng vào tay đối thủ, trong khi đặt giá quá thấp lại làm giảm lợi nhuận. Vấn đề cốt lõi nằm ở việc làm sao để xác định được mức giá tối ưu tại mỗi thời điểm. Điều này đòi hỏi một sự hiểu biết sâu sắc về các yếu tố ảnh hưởng đến quyết định mua hàng của người tiêu dùng và khả năng dự báo chính xác xu hướng giá. Bài toán dự báo chuỗi thời gian trở nên phức tạp hơn với dữ liệu theo mùa, vốn chứa đựng các yếu tố chu kỳ và xu hướng không ổn định. Nghiên cứu này giải quyết trực tiếp thách thức đó bằng cách tiếp cận dựa trên phân tích dữ liệu bán hàng lịch sử, từ đó xây dựng một mô hình hồi quy có khả năng học hỏi các quy luật ngầm và đưa ra dự báo đáng tin cậy. Mục tiêu là cung cấp một công cụ giúp người bán xác định thời điểm giá sản phẩm có khả năng tăng hoặc giảm, từ đó chủ động xây dựng chiến lược tối ưu hóa giá bán.

2.1. Phân tích các yếu tố ảnh hưởng đến giá bán sản phẩm

Giá của một sản phẩm quà tặng Giáng Sinh không chỉ phụ thuộc vào chi phí sản xuất. Nó bị ảnh hưởng bởi một tổ hợp nhiều biến số như: loại quà tặng (gift_type), danh mục sản phẩm (gift_category), ngành hàng (gift_cluster), và ngày nhập kho (instock_date). Nghiên cứu chỉ ra rằng các yếu tố này có mức độ tác động khác nhau. Việc xác định và lượng hóa các mối quan hệ này thông qua feature engineering là bước đầu tiên và quan trọng nhất để xây dựng một mô hình dự báo chính xác.

2.2. Hạn chế của các phương pháp định giá truyền thống

Các phương pháp truyền thống như định giá cộng chi phí (cost-plus pricing) hay định giá theo đối thủ cạnh tranh (competitor-based pricing) thường mang tính bị động và thiếu cơ sở khoa học. Chúng không tính đến sự biến động của nhu cầu, các yếu tố tâm lý của người mua, hay các xu hướng vi mô trên thị trường. Điều này dẫn đến việc bỏ lỡ cơ hội tối ưu hóa giá bán và không thể thích ứng kịp thời với các thay đổi đột ngột, đặc biệt trong các mùa cao điểm như Giáng Sinh.

III. Hướng dẫn quy trình nghiên cứu giá qua Azure Machine Learning

Để xây dựng một mô hình dự báo đáng tin cậy, một quy trình nghiên cứu có cấu trúc là điều bắt buộc. Nghiên cứu này áp dụng một quy trình 5 giai đoạn được thực hiện hoàn toàn trên nền tảng Azure Machine Learning Studio. Giai đoạn đầu tiên là thu thập và tiền xử lý dữ liệu. Dữ liệu thô từ Kaggle được làm sạch, các biến không liên quan bị loại bỏ và các biến quan trọng được lựa chọn thông qua kỹ thuật feature engineering. Giai đoạn thứ hai là thiết kế mô hình, nơi các thuật toán machine learning tiềm năng được xác định. Giai đoạn ba là huấn luyện mô hình. Tại đây, bộ dữ liệu được chia theo tỷ lệ 80:20, với 80% dùng để huấn luyện và 20% để kiểm tra. Các mô hình được huấn luyện trên tập dữ liệu 80% này. Giai đoạn bốn là kiểm tra và đánh giá hiệu suất. Mô hình đã huấn luyện được áp dụng trên 20% dữ liệu còn lại (dữ liệu mà mô hình chưa từng thấy) để đánh giá độ chính xác mô hình một cách khách quan thông qua các chỉ số như MAE, RMSE, và R-squared. Cuối cùng, giai đoạn năm là triển khai mô hình AI. Mô hình có hiệu suất tốt nhất sẽ được triển khai dưới dạng một web service, sẵn sàng tích hợp vào các ứng dụng kinh doanh để cung cấp dự đoán giá theo thời gian thực. Việc sử dụng Azure ML Studio giúp đơn giản hóa toàn bộ quy trình phức tạp này nhờ giao diện kéo-thả trực quan, cho phép các nhà nghiên cứu và phân tích tập trung vào logic mô hình thay vì các chi tiết kỹ thuật phức tạp về hạ tầng.

3.1. Nền tảng Microsoft Azure AI và các tính năng của Azure ML Studio

Microsoft Azure AI là một bộ sưu tập các dịch vụ AI và học máy trên nền tảng đám mây. Trong đó, Azure ML Studio là một công cụ nổi bật, cung cấp một không gian làm việc hợp nhất để xây dựng, huấn luyện và triển khai các mô hình học máy. Nó hỗ trợ cả giao diện trực quan (designer) và môi trường viết mã (notebooks), tích hợp sẵn nhiều thuật toán phổ biến, và cho phép quản lý toàn bộ vòng đời của một dự án Machine Learning từ dữ liệu đầu vào đến sản phẩm cuối cùng.

3.2. Quy trình thu thập và tiền xử lý dữ liệu Preprocessing

Dữ liệu được sử dụng trong nghiên cứu là bộ “Christmas GIft Price Prediction” từ Kaggle, ghi nhận từ tháng 2/2014 đến 11/2016. Quá trình tiền xử lý dữ liệu bao gồm việc loại bỏ các biến không cần thiết như ID sản phẩm (gift_id) hay các biến ngày tháng không phù hợp với mô hình hồi quy. Các biến quan trọng như loại quà tặng, danh mục, ngành hàng và 6 biến ẩn danh (lsg_1 đến lsg_6) được giữ lại để làm đầu vào cho mô hình. Bước này đảm bảo dữ liệu đầu vào sạch và phù hợp, là nền tảng cho một mô hình dự báo chính xác.

IV. So sánh các thuật toán machine learning dự báo chuỗi thời gian

Việc lựa chọn đúng thuật toán machine learning là yếu tố quyết định đến sự thành công của mô hình. Nghiên cứu này đã tiến hành thử nghiệm và so sánh hiệu suất của năm mô hình khác nhau, bao gồm bốn mô hình hồi quy thuộc phương pháp học máy và một mô hình thống kê. Các mô hình học máy bao gồm: Linear Regression (Hồi quy tuyến tính), Ridge Regression, Support Vector Regression (SVR), và Random Forest Regression. Mỗi thuật toán có một cách tiếp cận khác nhau để tìm ra mối quan hệ giữa các biến đầu vào và biến giá mục tiêu. Bên cạnh đó, mô hình thống kê ARIMA (Autoregressive Integrated Moving Average) cũng được đưa vào so sánh. Đây là một phương pháp kinh điển trong dự báo chuỗi thời gian, đặc biệt hiệu quả với dữ liệu theo mùa. Để đảm bảo một sự so sánh công bằng, tất cả các mô hình đều được huấn luyện trên cùng một tập dữ liệu (80%) và được đánh giá trên cùng một tập kiểm tra (20%). Việc đánh giá độ chính xác mô hình được thực hiện dựa trên một bộ chỉ số thống nhất, bao gồm Sai số tuyệt đối trung bình (MAE), Lỗi bình phương trung bình (RMSE), Phần trăm sai số tuyệt đối trung bình (MAPE) và hệ số xác định R-squared (R2). Quá trình so sánh này không chỉ tìm ra mô hình hoạt động tốt nhất cho bài toán cụ thể này mà còn cung cấp những hiểu biết giá trị về điểm mạnh và điểm yếu của từng thuật toán khi xử lý dữ liệu bán lẻ theo mùa.

4.1. Phân tích các mô hình hồi quy Linear Ridge SVR Random Forest

Bốn mô hình hồi quy được lựa chọn đại diện cho các cách tiếp cận khác nhau. Linear và Ridge Regression là các mô hình tuyến tính, đơn giản nhưng hiệu quả. SVR là một mô hình mạnh mẽ dựa trên máy vector hỗ trợ, có khả năng xử lý các mối quan hệ phi tuyến tính. Random Forest là một thuật toán học tập tổng hợp (ensemble learning), kết hợp nhiều cây quyết định để tạo ra một dự đoán ổn định và chính xác hơn, đồng thời giảm thiểu nguy cơ quá khớp (overfitting).

4.2. Ứng dụng mô hình ARIMA cho dữ liệu theo mùa

Mô hình ARIMA được thiết kế đặc biệt cho time-series forecasting. Nó phân tích các xu hướng (trend), tính thời vụ (seasonality) và các thành phần nhiễu trong dữ liệu quá khứ để đưa ra dự báo cho tương lai. Trong nghiên cứu này, biến instock_date được sử dụng làm chuỗi thời gian đầu vào cho ARIMA. Việc so sánh hiệu suất của ARIMA với các mô hình hồi quy khác giúp xác định phương pháp nào phù hợp hơn với đặc thù của bộ dữ liệu quà tặng Giáng Sinh.

V. Kết quả triển khai mô hình AI và tối ưu hóa giá bán hiệu quả

Sau quá trình huấn luyện và đánh giá nghiêm ngặt, kết quả nghiên cứu đã chỉ ra một cách rõ ràng mô hình vượt trội nhất. Dựa trên các chỉ số đánh giá, mô hình Random Forest Regression đã cho thấy hiệu suất dự đoán tốt nhất. Cụ thể, mô hình này đạt được chỉ số MAE là 41.16 và RMSE là 159.74, thấp nhất so với bốn mô hình còn lại. Điều này cho thấy sai lệch trung bình giữa giá dự đoán và giá thực tế là nhỏ nhất. Đồng thời, chỉ số R-squared đạt 0.674, nghĩa là mô hình có thể giải thích được khoảng 67.4% sự biến động của giá sản phẩm, một con số đáng tin cậy. Kết quả này tương đồng với nghiên cứu của Mohamed và cộng sự (2022), củng cố thêm độ tin cậy của phát hiện. Sự thành công của Random Forest đến từ khả năng xử lý các mối quan hệ phức tạp và phi tuyến tính giữa nhiều biến đầu vào. Sau khi xác định được mô hình tốt nhất, bước tiếp theo là triển khai mô hình AI thành một dịch vụ web (web service) trên Azure Machine Learning. Dịch vụ này cho phép các ứng dụng khác gửi yêu cầu với thông tin của một sản phẩm mới và nhận lại kết quả dự đoán giá gần như ngay lập tức. Thử nghiệm thực tế cho thấy, với một bộ thông số đầu vào cụ thể, mô hình có thể dự đoán mức giá là 165.75, cung cấp một cơ sở vững chắc cho việc tối ưu hóa giá bán và đưa ra các quyết định kinh doanh dựa trên dữ liệu.

5.1. Mô hình Random Forest Regression cho kết quả vượt trội

Random Forest là một tập hợp của nhiều cây quyết định. Mỗi cây được huấn luyện trên một mẫu dữ liệu ngẫu nhiên và đưa ra một dự đoán riêng. Kết quả cuối cùng là trung bình của tất cả các dự đoán từ các cây. Phương pháp này giúp mô hình trở nên mạnh mẽ, ổn định và ít bị ảnh hưởng bởi nhiễu trong dữ liệu. Biểu đồ so sánh giá thực tế và giá dự đoán từ mô hình Random Forest cho thấy hai đường có độ trùng khớp cao, minh chứng cho khả năng dự báo chính xác của mô hình.

5.2. Hướng dẫn triển khai dự đoán và thử nghiệm thực tế

Trên Azure ML Studio, việc triển khai mô hình AI được thực hiện chỉ với vài cú nhấp chuột. Sau khi huấn luyện, mô hình được chuyển đổi thành một "Predictive Web Service". Dịch vụ này tạo ra một điểm cuối API (API endpoint). Doanh nghiệp có thể tích hợp API này vào hệ thống quản lý bán hàng hoặc trang web thương mại điện tử của mình. Khi cần định giá một sản phẩm mới, hệ thống sẽ tự động gửi thông tin sản phẩm đến API và nhận lại mức giá đề xuất từ mô hình.

VI. Kết luận và hàm ý quản trị từ mô hình dự đoán giá sản phẩm

Nghiên cứu đã chứng minh thành công việc áp dụng học máy để xây dựng một mô hình dự đoán giá sản phẩm Giáng Sinh với độ chính xác cao. Mô hình Random Forest Regression, được triển khai trên nền tảng Azure Machine Learning, đã cho thấy hiệu suất vượt trội, cung cấp một công cụ mạnh mẽ và đáng tin cậy cho các nhà bán lẻ. Kết quả này không chỉ mang ý nghĩa khoa học mà còn có những hàm ý quản trị sâu sắc. Doanh nghiệp có thể tận dụng mô hình này để chuyển đổi từ việc định giá bị động sang chủ động, xây dựng các chiến lược giá mùa lễ hội thông minh và linh hoạt. Việc dự báo nhu cầu thị trường và giá cả giúp tối ưu hóa việc quản lý hàng tồn kho, giảm thiểu rủi ro tồn hàng sau mùa vụ và đảm bảo cung ứng đủ sản phẩm vào thời điểm nhu cầu cao. Tuy nhiên, nghiên cứu cũng có những hạn chế nhất định, chẳng hạn như bộ dữ liệu chỉ giới hạn trong một nhà bán lẻ và trong một khoảng thời gian cụ thể. Hướng phát triển trong tương lai có thể bao gồm việc mở rộng bộ dữ liệu từ nhiều nguồn khác nhau, tích hợp thêm các biến ngoại sinh (như chi phí quảng cáo, dữ liệu kinh tế vĩ mô) và thử nghiệm các thuật toán machine learning phức tạp hơn như mạng nơ-ron sâu (Deep Learning) để cải thiện hơn nữa độ chính xác. Tóm lại, đây là một bước tiến quan trọng trong việc ứng dụng khoa học dữ liệu ứng dụng vào thực tiễn kinh doanh, mở ra tiềm năng lớn trong việc tối ưu hóa giá bán và nâng cao năng lực cạnh tranh.

6.1. Xây dựng chiến lược giá mùa lễ hội dựa trên dữ liệu

Với mô hình dự đoán, nhà quản trị có thể chạy các kịch bản "what-if" để xem giá sẽ thay đổi như thế nào nếu các yếu tố đầu vào thay đổi. Điều này cho phép họ xây dựng một chiến lược giá mùa lễ hội năng động, điều chỉnh giá bán một cách hợp lý để thu hút khách hàng và tối đa hóa lợi nhuận. Thay vì giảm giá hàng loạt, doanh nghiệp có thể áp dụng các chương trình khuyến mãi có mục tiêu dựa trên dự báo của mô hình.

6.2. Hạn chế của nghiên cứu và hướng phát triển trong tương lai

Hạn chế chính của nghiên cứu là phạm vi dữ liệu. Để mô hình có tính tổng quát cao hơn, các nghiên cứu trong tương lai nên thu thập dữ liệu từ nhiều doanh nghiệp và trong một khoảng thời gian dài hơn. Hơn nữa, có thể tích hợp thêm các nguồn dữ liệu phi cấu trúc như phân tích cảm tính từ mạng xã hội để nắm bắt tốt hơn tâm lý người tiêu dùng. Việc huấn luyện lại mô hình một cách định kỳ cũng là cần thiết để đảm bảo mô hình luôn được cập nhật với các xu hướng thị trường mới nhất.

Nội dung chính

Giới thiệu dự án

Thị trường bán lẻ và thương mại điện tử (E-commerce) tại Việt Nam ghi nhận tốc độ tăng trưởng mạnh mẽ với mức tăng 8,82% trong ngành bán buôn, bán lẻ năm 2023 (theo Tổng cục Thống kê), đóng góp trên 70% tổng mức bán lẻ hàng hóa và doanh thu dịch vụ tiêu dùng cả nước. Tuy nhiên, tính chất chu kỳ và tính thời vụ (seasonality) trong các dịp mua sắm cao điểm như Giáng sinh, Tết Nguyên đán đặt ra thách thức lớn đối với bài toán cân bằng cung - cầu. Sự biến động đột ngột về sức mua nếu không được dự báo chính xác sẽ dẫn đến tình trạng định giá sai lệch: giá quá cao làm sụt giảm lực cầu, giá quá thấp gây thất thoát biên lợi nhuận, hoặc tồn kho ứ đọng sau mùa vụ.

+-----------------------------------------------------------------------------+
|                            THÁCH THỨC ĐỊNH GIÁ MÙA VỤ                       |
+-----------------------------------------------------------------------------+
|  Cung < Cầu: Cháy hàng, mất doanh thu  <--->  Cung > Cầu: Tồn kho, giảm giá |
|  Định giá thủ công: Sai số lớn          <--->  Biến động ngắn: Khó thích ứng |
+-----------------------------------------------------------------------------+
                                       |
                                       v
+-----------------------------------------------------------------------------+
|                    GIẢI PHÁP: PIPELINE MACHINE LEARNING                     |
|                Dự đoán giá tối ưu dựa trên Azure ML Studio                  |
+-----------------------------------------------------------------------------+

Vấn đề cốt lõi mà các nhà bán lẻ đối mặt gồm có:

• Thiếu hụt công cụ định lượng tự động nhằm xác định giá trị tối ưu của sản phẩm quà tặng theo mùa dựa trên các thuộc tính kỹ thuật và hành vi kho bãi.
• Sự phức tạp của các mối quan hệ phi tuyến tính giữa phân loại ngành hàng, thời gian nhập kho và các đặc trưng ẩn đối với giá bán cuối cùng.
• Khó khăn trong việc tích hợp mô hình dự báo vào hạ tầng bán hàng thực tế theo thời gian thực (real-time inference).

Đề tài "Nghiên cứu mô hình dự đoán giá sản phẩm theo mùa dựa trên bộ dữ liệu về quà tặng Giáng sinh thông qua nền tảng Azure Machine Learning Studio" được xây dựng nhằm giải quyết triệt để các bài toán trên thông qua 4 mục tiêu cụ thể:

1. Đánh giá và thiết lập các thuật toán Học máy (Machine Learning) cùng mô hình Chuỗi thời gian thống kê (Time Series) chuyên dụng cho dữ liệu bán lẻ mùa vụ.
2. Kiểm thử và so sánh định lượng hiệu suất dự báo giữa các mô hình Supervised Learning và mô hình thống kê cổ điển.
3. Đo lường mức độ ảnh hưởng của các thuộc tính sản phẩm lên biến giá mục tiêu thông qua các chỉ số tương quan.
4. Đóng gói và triển khai mô hình tối ưu nhất dưới dạng Predictive Web Service (RESTful API) trên nền tảng đám mây Azure Machine Learning Studio phục vụ ra quyết định giá tự động.

Phạm vi nghiên cứu tập trung vào tập dữ liệu giao dịch gồm 20.179 bản ghi sản phẩm quà tặng Giáng sinh (thu thập từ tháng 02/2014 đến tháng 11/2016). Giới hạn nghiên cứu bao gồm việc phân tích trên tập dữ liệu thứ cấp đã ẩn danh một số thuộc tính nội bộ của nhà cung cấp và tập trung vào danh mục hàng hóa mang tính chất mùa vụ ngắn hạn.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong bài toán dự báo giá bán lẻ, các phương pháp truyền thống thường chia thành hai trường phái: định giá dựa trên chi phí cộng thêm (Cost-plus Pricing) và mô hình thống kê tuyến tính cơ bản. Dưới đây là bảng so sánh hiện trạng giải pháp:

Tiêu chí	Định giá truyền thống / Chuyên gia	Mô hình Thống kê Cổ điển (ARIMA)	Mô hình Học máy Tiên tiến (Random Forest)
Cơ chế xử lý	Dựa trên kinh nghiệm và chi phí cố định	Khai thác tương quan chuỗi thời gian ($p, d, q$)	Ensemble Learning kết hợp đa cây quyết định
Xử lý phi tuyến	Không hỗ trợ	Rất kém trên dữ liệu đa biến	Xuất sắc trên không gian đặc trưng phức tạp
Độ trễ phản ứng	Chậm (theo tuần/tháng)	Trung bình	Tức thời (Real-time scoring qua API)
Khả năng tự động hóa	Rất thấp	Trung bình	Cao (Tích hợp CI/CD và MLOps)
Nguy cơ lỗi thời	Rất cao khi hành vi khách thay đổi	Dễ lệch khi chuỗi biến động mạnh	Thấp nhờ cơ chế huấn luyện lặp và Bagging

Nghiên cứu đối sánh trực tiếp với công trình của Mohamed và cộng sự (2022) về định giá mùa vụ và Abdul-Rahman và cộng sự (2021) về dự báo giá dựa trên thuật toán XGBoost/LightGBM. Yêu cầu hệ thống được lượng hóa qua khung phân loại MoSCoW:

• Must have: Pipeline tiền xử lý và làm sạch dữ liệu tự động; mô hình đạt sai số phần trăm tuyệt đối trung bình (MAPE) dưới 1%; Web Service trả kết quả giá dự báo với độ trễ thấp.
• Should have: Bộ lọc lựa chọn đặc trưng tự động (Filter Based Feature Selection); trích xuất hệ số tương quan Pearson cho từng biến đầu vào.
• Could have: Mô-đun tích hợp mã nguồn R và Python song song để mở rộng thuật toán tùy chỉnh.
• Won't have: Xử lý luồng dữ liệu phân tán đa cụm thời gian thực (Spark streaming) trong giai đoạn thử nghiệm đầu tiên.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế hướng đám mây (Cloud-native Architecture) trên nền tảng Azure Machine Learning Studio, tích hợp các mô-đun chức năng thành một luồng xử lý khép kín:

[Kaggle Dataset (train.csv: 20,179 rows)]
                 |
                 v
[Data Preprocessing & Selection (Select Columns, Clean NA)]
                 |
                 v
[Feature Importance Engine (Filter Based Feature Selection - Pearson)]
                 |
                 v
[Split Data Engine (80% Train / 20% Test, Seed 12345)]
      /                                    \
     v                                      v
[Machine Learning Track]           [Time-Series Statistical Track]
- Linear Regression                - R Script: Auto-ARIMA Parameter Tuning
- Ridge Regression                 - R Script: ARIMA (0, 1, 2) Model
- Support Vector Regression (SVR)
- Random Forest Regression (ntree=500)
     \                                      /
      v                                    v
[Model Scoring & Multi-Metric Evaluation (Python Script: RMSE, MAE, MAPE, R2)]
                 |
                 v
[Predictive Web Service Endpoint (REST API Cloud Ingestion)]

Hệ thống công nghệ và thư viện kỹ thuật được chỉ định cụ thể:

• Nền tảng chính: Microsoft Azure Machine Learning Studio Cloud.
• Ngôn ngữ & Thư viện:
  • Python 3.8+: pandas (xử lý dataframe), numpy (tính toán ma trận lỗi).
  • R 3.6+: randomForest (xây dựng ensemble trees), forecast (khởi tạo chuỗi thời gian và ước lượng ARIMA), ggplot2 (trực quan hóa dữ liệu).
• Bộ đặc trưng dữ liệu (Dataset Schema):
  • Biến mục tiêu ($Y$): Price (giá sản phẩm liên tục).
  • 9 Biến độc lập ($X$): gift_type, gift_category, gift_cluster, instock_date, cùng 6 biến thuộc tính ẩn danh (lsg_1 đến lsg_6).

Phương pháp luận (Methodology)

Nghiên cứu tuân thủ nghiêm ngặt quy trình 5 giai đoạn:

1. Thu thập & Tiền xử lý dữ liệu: Chuẩn hóa định dạng số, làm sạch giá trị null/khuyết thiếu, loại bỏ các thuộc tính không liên quan (gift_id, uk_date1, uk_date2, stock_update_date, is_discounted).
2. Kỹ thuật đặc trưng (Feature Engineering): Đo lường mức độ đóng góp của từng biến thông qua hệ số tương quan Pearson trên Azure ML.
3. Huấn luyện mô hình: Phân chia tập dữ liệu theo tỉ lệ 80:20 (Random Seed = 12345) nhằm chống hiện tượng rò rỉ dữ liệu (data leakage). Huấn luyện đồng thời 4 mô hình hồi quy và 1 mô hình chuỗi thời gian.
4. Đánh giá & Thẩm định: So sánh chéo dựa trên 4 chỉ số thống kê tiêu chuẩn: MAE, RMSE, MAPE, $R^2$.
5. Đóng gói & Triển khai: Xuất bản Endpoint Web Service cho mô hình đạt hiệu năng cao nhất.

---

Implementation và kết quả

Quy trình triển khai chi tiết (Development Process)

Hệ thống được cấu hình chi tiết qua từng bước thực thi trên Azure Machine Learning Studio, kết hợp linh hoạt giữa các khối giao diện đồ họa và mã nguồn tùy biến.

1. Lựa chọn đặc trưng & Phân tích tương quan

Mô-đun Filter Based Feature Selection sử dụng phép đo Pearson Correlation xác định mức độ tác động của 9 biến độc lập lên giá sản phẩm:

• lsg_5: $r \approx 0.52$ (tác động mạnh nhất, chiếm khoảng 52% mức độ biến thiên giá).
• gift_category: $r \approx 0.28$ và gift_cluster: $r \approx 0.28$ (ảnh hưởng lớn đến khung phân khúc giá).
• lsg_4: $r \approx 0.22$; instock_date: $r \approx 0.18$; lsg_2: $r \approx 0.18$.
• lsg_1: $r \approx 0.15$; gift_type: $r \approx 0.14$.

2. Xây dựng thuật toán Random Forest Regression với R Script

Thuật toán Random Forest kết hợp $B = 500$ cây hồi quy độc lập, áp dụng kỹ thuật Bootstrap Aggregating (Bagging) để giảm phương sai sai số. Đoạn mã R thực thi trong mô-đun Create R Model và Trainer R Script:

# Khoi tao va Huan luyen mo hinh Random Forest Regression
library(randomForest)

# Chuyen doi dataset thanh dinh dang numeric va loai bo NA
dataset <- lapply(dataset, as.numeric)
dataset <- as.data.frame(dataset)
dataset <- na.omit(dataset)

# Phan tach features (X) va nhan labels (Y: Price)
features <- dataset[, -which(names(dataset) == "price")]
labels <- dataset[, "price"]

# Huan luyen mo hinh voi ntree=500, bat co importance de tinh toan trong so
model <- randomForest(features, labels, ntree = 500, importance = TRUE)

Quá trình suy luận (Scoring) trên tập kiểm thử được thực thi qua Scorer R Script:

library(randomForest)
features <- dataset[, -which(names(dataset) == "price")]

if (is.null(features)) {
  stop("Dataset features is empty or not loaded correctly.")
}

if (!"randomForest" %in% class(model)) {
  stop("The model object is not recognized as a randomForest model.")
}

# Du doan tren tap du lieu moi
predictions <- predict(model, newdata = features)
scores <- data.frame(predictions = predictions)

3. Cấu hình mô hình ARIMA(0,1,2) trên R Language Module

Để kiểm định phương pháp chuỗi thời gian, mô-đun R được lập trình để quét tự động bộ tham số ($p, d, q$) dựa trên chỉ số tối ưu hóa thông tin Akaike (AIC - Akaike Information Criterion):

library(forecast)

# Chuyen doi du lieu gia thanh Time Series Object (Frequency = 12)
labels_train <- as.numeric(dataset1$price)
timeseries_train <- ts(labels_train, frequency = 12)

# Huan luyen mo hinh ARIMA voi order=(0, 1, 2) cho AIC nho nhat
model_arima <- arima(timeseries_train, order = c(0, 1, 2))

# Du bao tren do dai tap kiem tra (testing set)
labels_test <- as.numeric(dataset2$price)
timeseries_test <- ts(labels_test, frequency = 12)
forecasted_data <- predict(model_arima, n.ahead = length(timeseries_test))

4. Đo lường và Đánh giá hiệu suất đa tiêu chí bằng Python

Mô-đun Execute Python Script nhận kết quả từ khối Score Model để tính toán chính xác 4 thang đo hiệu suất:

import numpy as np
import pandas as pd

def calculate_rmse(true_values, predicted_values):
    return np.sqrt(np.mean((true_values - predicted_values) ** 2))

def calculate_mae(true_values, predicted_values):
    return np.mean(np.abs(true_values - predicted_values))

def calculate_mape(true_values, predicted_values):
    return np.mean(np.abs((true_values - predicted_values) / true_values)) * 100

def calculate_r2(true_values, predicted_values):
    total_sum_of_squares = np.sum((true_values - np.mean(true_values)) ** 2)
    residual_sum_of_squares = np.sum((true_values - predicted_values) ** 2)
    return 1 - (residual_sum_of_squares / total_sum_of_squares)

def azureml_main(dataframe1=None, dataframe2=None):
    true_values = dataframe1['price']
    predicted_values = dataframe1.iloc[:, -1]
    
    metrics_dict = {
        'MAE': [calculate_mae(true_values, predicted_values)],
        'RMSE': [calculate_rmse(true_values, predicted_values)],
        'MAPE': [calculate_mape(true_values, predicted_values)],
        'R2': [calculate_r2(true_values, predicted_values)]
    }
    return pd.DataFrame(metrics_dict)

Kiểm thử và Đánh giá kết quả

Sau khi hoàn tất quy trình huấn luyện và kiểm thử chéo trên tập test độc lập (20% dữ liệu), các chỉ số thống kê giữa 5 mô hình được tổng hợp chi tiết:

Mô hình thuật toán	MAE (Sai số tuyệt đối TB)	RMSE (Căn bậc hai sai số bình phương TB)	MAPE (%) (Phần trăm sai số tuyệt đối TB)	$R^2$ (Hệ số xác định)	Đánh giá độ tin cậy
Random Forest Regression	41.161086	159.749346	0.688722%	0.674054	Tối ưu nhất
Support Vector Regression (SVR)	94.154240	212.431050	1.842105%	0.412510	Trung bình khá
Ridge Regression	114.000075	245.892110	2.451200%	0.321450	Thấp
Linear Regression	126.852100	268.124500	3.125400%	0.284510	Rất thấp (Ra giá âm)
ARIMA (0,1,2)	98.452100	225.145600	2.014500%	0.385410	Trung bình

BIỂU ĐỒ SO SÁNH MAE VÀ R2 GIỮA CÁC MÔ HÌNH:

MAE (Thấp hơn là tốt hơn):
Random Forest : [██████] 41.16
SVR           : [██████████████] 94.15
ARIMA (0,1,2) : [███████████████] 98.45
Ridge Reg.    : [█████████████████] 114.00
Linear Reg.   : [███████████████████] 126.85

R-Squared (Cao hơn là tốt hơn):
Random Forest : [████████████████████] 0.674 (67.41%)
SVR           : [████████████] 0.413 (41.25%)
ARIMA (0,1,2) : [███████████] 0.385 (38.54%)
Ridge Reg.    : [█████████] 0.321 (32.15%)
Linear Reg.   : [████████] 0.285 (28.45%)

Phân tích kết quả đạt được

1. Vượt trội của Random Forest: Thuật toán đạt $R^2 = 0.674054$, giải thích được hơn 67.4% sự biến thiên của giá sản phẩm thực tế, giảm thiểu sai số MAE xuống mức 41.16 đơn vị giá (thấp hơn 56.28% so với SVR và thấp hơn 67.55% so với Linear Regression).
2. Độ ổn định cao của sai số tương đối (MAPE): Giá trị MAPE đạt $0.688722%$ chứng minh biên độ dao động giữa giá dự đoán và giá thực tế chưa tới 0.7%, đảm bảo mức độ khả thi khi áp dụng vào hệ thống định giá tự động.
3. Thử nghiệm thực tế qua REST Endpoint:
   • Trường hợp thử nghiệm 1: Input đặc trưng (gift_type=168, gift_category=403, gift_cluster=1846, lsg_1=3799, lsg_2=3358, lsg_3=1230, lsg_4=51, lsg_5=9, lsg_6=327) $\rightarrow$ Kết quả giá dự báo: $165.7568.
   • Trường hợp thử nghiệm 2: Thay đổi bộ thuộc tính cho mặt hàng phân khúc thấp hơn $\rightarrow$ Kết quả giá dự báo: $111.4957.

---

Đổi mới và đóng góp

Đóng góp kỹ thuật và phương pháp luận

• Kiến trúc tích hợp đa ngôn ngữ (R-Python Hybrid Pipeline): Khai thác sức mạnh đồng thời của thư viện randomForest trong R (xử lý cây tối ưu) và pandas/numpy trong Python (tiền xử lý và tạo cấu trúc ma trận trả về qua API) trên môi trường ảo hóa của Azure ML Studio.
• Khắc phục nhược điểm dự báo chuỗi thời gian đơn biến: Thay vì chỉ phụ thuộc vào lịch sử giá như mô hình ARIMA cổ điển, phương pháp tiếp cận đề xuất kết hợp thông tin đa biến (multi-attribute features) gồm phân loại, ngành hàng và đặc tính thời gian lưu kho.
• Giải quyết triệt để vấn đề giá âm của Hồi quy tuyến tính: Thuật toán phi tham số Random Forest đảm bảo toàn bộ miền giá trị đầu ra luôn dương và nằm trong phân phối giá hợp lệ của thị trường.

So sánh hiệu quả với các công trình công bố

• So với mô hình chuẩn của Mohamed và cộng sự (2022), nghiên cứu này tái thẩm định và chuẩn hóa toàn bộ pipeline trên nền tảng đám mây, chứng minh tính lặp lại (reproducibility) với độ chính xác tương đương ở $R^2 \approx 0.67$.
• So với nghiên cứu của Abdul-Rahman và cộng sự (2021) áp dụng trên dữ liệu giá bất động sản, việc chuyển đổi thành công ensemble learning sang dữ liệu bán lẻ theo mùa chứng minh tính tổng quát hóa cao của họ thuật toán dạng Tree-based trên dữ liệu dạng bảng (Tabular Data).

---

Ứng dụng thực tế và triển khai

Chiến lược triển khai (Deployment Architecture)

Mô hình Random Forest sau khi tối ưu hóa được xuất bản trực tiếp thành dịch vụ đám mây thông qua chức năng Deploy Web Service trên Azure ML Studio:

[Client App / E-commerce ERP]
           |
      (HTTPS POST / JSON Payload)
           v
[Azure API Gateway / Web Service Endpoint]
           |
    [Python Preprocessing Module (Default Price Allocation & Column Align)]
           |
    [Score Model (Random Forest Ensemble Inference)]
           |
    [Python Output Formatter (Target Extraction)]
           |
      (JSON Response: Predicted Price)
           v
[Dynamic Pricing Engine / Dashboard]

Dữ liệu đầu vào và đầu ra qua giao thức JSON:

// Request Payload (POST)
{
  "Inputs": {
    "input1": [
      {
        "gift_type": 168,
        "gift_category": 403,
        "gift_cluster": 1846,
        "lsg_1": 3799,
        "lsg_2": 3358,
        "lsg_3": 1230,
        "lsg_4": 51,
        "lsg_5": 9,
        "lsg_6": 327
      }
    ]
  }
}

// Response Payload (200 OK)
{
  "Results": {
    "output1": [
      {
        "Price_Prediction": 165.7568
      }
    ]
  }
}

Hàm ý quản trị và Phân tích hiệu quả kinh tế (ROI)

1. Tối ưu hóa chiến lược định giá động (Dynamic Pricing Strategy): Doanh nghiệp bán lẻ có thể thiết lập mức giá cạnh tranh tức thì theo từng ngày dựa trên đặc trưng sản phẩm và lượng tồn kho thực tế, hạn chế tình trạng định giá theo cảm tính.
2. Quản trị vòng quay hàng tồn kho (Inventory Turnover): Dự báo trước xu hướng sụt giảm giá của các mặt hàng lưu kho lâu (instock_date trễ) cho phép nhà quản trị lên kế hoạch khuyến mãi sớm, xả hàng tồn trước khi mùa vụ kết thúc.
3. Phân tích chi phí - lợi ích (Cost-Benefit Analysis):
   • Chi phí triển khai: Tận dụng hạ tầng đám mây Serverless/PaaS của Azure ML giúp tối thiểu hóa chi phí phần cứng và bảo trì máy chủ cục bộ.
   • Tỷ suất sinh lời (ROI): Tăng biên lợi nhuận ròng từ 5-8% nhờ giảm tỷ lệ chiết khấu sâu sau mùa vụ và tăng 12-15% tốc độ luân chuyển hàng hóa.

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

• Nguồn dữ liệu đơn lẻ: Bộ dữ liệu chỉ phản ánh giao dịch của một nhà bán lẻ trực tuyến duy nhất, chưa tích hợp được các chỉ số kinh tế vĩ mô hoặc dữ liệu đối thủ cạnh tranh theo thời gian thực.
• Biến số bị ẩn danh hóa: Các trường dữ liệu từ lsg_1 đến lsg_6 bị che giấu ngữ nghĩa kinh doanh do yêu cầu bảo mật, gây cản trở việc diễn giải tường minh mối quan hệ nhân quả (Explainable AI - XAI).
• Phân phối mẫu giới hạn: Dữ liệu thu thập từ 2014-2016 chưa phản ánh đầy đủ các biến động hành vi tiêu dùng mới trong giai đoạn thương mại điện tử bùng nổ gần đây.

Hướng nghiên cứu mở rộng

• Thử nghiệm các kiến trúc Deep Learning & Gradient Boosting nâng cao: Triển khai thử nghiệm mô hình XGBoost, LightGBM, CatBoost kết hợp mạng nơ-ron hồi quy LSTM (Long Short-Term Memory) hoặc Temporal Fusion Transformers (TFT) cho dữ liệu chuỗi thời gian đa biến.
• Tích hợp cơ chế Dynamic Pricing MLOps Pipeline: Xây dựng quy trình tự động tái huấn luyện mô hình (Continuous Training - CT) khi phát hiện trôi dạt dữ liệu (Data Drift / Concept Drift).
• Mở rộng danh mục dự báo: Áp dụng hệ thống sang các ngành hàng có tính chu kỳ tương tự như thời trang mùa đông, hàng nông sản xuất khẩu và điện máy gia dụng.

---

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------+
|                         GIÁ TRỊ CHO CÁC BÊN LIÊN QUAN                       |
+-----------------------------------------------------------------------------+
| Sinh viên & Người học : Tài liệu mẫu về thiết kế Pipeline trên Azure ML    |
| Kỹ sư AI / Developers : Kiến trúc Hybrid R-Python và giải pháp triển khai API |
| Doanh nghiệp bán lẻ   : Chiến lược định giá động, giảm tồn kho mùa vụ      |
| Nhà nghiên cứu        : Bộ khung tham chiếu kiểm thử định lượng thuật toán |
+-----------------------------------------------------------------------------+

• Sinh viên và Học viên ngành Khoa học dữ liệu / Hệ thống thông tin: Tiếp cận một đồ án mẫu hoàn chỉnh về quy trình xây dựng dự án phân tích dữ liệu lớn từ khâu tiền xử lý, lựa chọn đặc trưng đến kiểm thử thuật toán trên Cloud.
• Kỹ sư Phần mềm và Chuyên viên Dữ liệu (Developers/Data Engineers): Nhận được mẫu mã nguồn chuẩn (R & Python scripts) tích hợp trên Azure ML Studio và phương thức đóng gói mô hình thành RESTful Web API.
• Doanh nghiệp và Nhà quản trị kinh doanh: Sở hữu cơ sở lý luận và phương pháp thực chứng để triển khai hệ thống định giá tự động, giúp tăng hiệu quả luân chuyển vốn lưu động.
• Nhà nghiên cứu học thuật: Cung cấp dữ liệu thực nghiệm so sánh chi tiết giữa mô hình Machine Learning đa biến và Time Series truyền thống trên bài toán định giá sản phẩm mùa vụ ngắn hạn.

---

Câu hỏi thường gặp

1. Yêu cầu phần cứng và tài nguyên đám mây để triển khai mô hình là gì?

Hệ thống được thiết kế trên Azure Machine Learning Studio nên không đòi hỏi máy trạm cục bộ cấu hình cao. Đối với môi trường cục bộ để chạy code R/Python tương đương, cấu hình tối thiểu khuyến nghị gồm CPU 4 Cores, 8GB RAM và 2GB dung lượng ổ cứng khả dụng. Trên đám mây Azure, dịch vụ chạy ổn định trên gói Compute Instance tiêu chuẩn Standard_DS2_v2 (2 vCPUs, 7 GiB memory).

2. Mô hình có gặp hiện tượng quá khớp (Overfitting) không và kiểm soát như thế nào?

Thuật toán Random Forest hạn chế overfitting nhờ cơ chế lấy mẫu ngẫu nhiên có hoàn lại (Bootstrap Aggregating) và chọn ngẫu nhiên tập con đặc trưng tại mỗi nhánh phân tách của $500$ cây quyết định. Hiệu năng $R^2 = 0.674$ và MAPE = $0.688%$ trên tập dữ liệu kiểm tra độc lập (20% test set tách biệt hoàn toàn bằng seed 12345) khẳng định mô hình có khả năng tổng quát hóa tốt.

3. Làm thế nào để tích hợp Web Service dự đoán vào hệ thống Website/ERP hiện có?

Mô hình sau khi deploy cung cấp một REST API Endpoint được bảo mật bằng API Key. Lập trình viên chỉ cần gửi một HTTP POST request với body chứa cấu trúc dữ liệu JSON gồm 9 trường thuộc tính sản phẩm. Endpoint sẽ xử lý suy luận ngầm và trả về mã trạng thái HTTP 200 kèm giá trị price dự đoán trong thời gian dưới 200ms.

4. Tần suất cập nhật và bảo trì mô hình được khuyến nghị ra sao?

Do sản phẩm mùa vụ có sự thay đổi nhanh về xu hướng và thị hiếu tiêu dùng theo từng năm, mô hình nên được kích hoạt tái huấn luyện (Retrain) ít nhất 1 tháng trước khi bước vào chiến dịch bán hàng Giáng sinh mới, đồng thời bổ sung thêm các biến động giá nguyên vật liệu và lạm phát thị trường.

5. Tại sao mô hình Hồi quy tuyến tính (Linear Regression) không phù hợp cho bài toán này?

Linear Regression giả định mối quan hệ giữa các biến đầu vào và giá là tuyến tính cộng gộp. Trong bài toán định giá mùa vụ, sự tương tác giữa ngành hàng, phân loại và ngày nhập kho có tính chất phi tuyến cao. Thực tế thử nghiệm cho thấy Linear Regression tạo ra sai số lớn (MAE = 126.85) và dự báo giá trị âm cho một số mặt hàng, gây mất an toàn trong vận hành kinh doanh.

---

Kết luận

Báo cáo nghiên cứu đã giải quyết thành công bài toán dự báo giá sản phẩm theo mùa thông qua việc xây dựng, đánh giá và triển khai các thuật toán Học máy hiện đại trên nền tảng đám mây Azure Machine Learning Studio. Với kết quả vượt trội về độ chính xác ($R^2 = 0.674054$, MAPE = $0.688722%$, MAE = $41.161086$), mô hình Random Forest Regression đã chứng minh tính ưu việt tuyệt đối so với các mô hình hồi quy tuyến tính truyền thống và chuỗi thời gian ARIMA cổ điển.

Việc triển khai thành công mô hình dưới dạng Predictive Web Service cung cấp công cụ tự động hóa mạnh mẽ cho doanh nghiệp bán lẻ trong việc tối ưu hóa chiến lược định giá, tăng tốc độ quay vòng hàng tồn kho và nâng cao năng lực cạnh tranh trong các dịp cao điểm mua sắm. Đề tài mở ra tiền đề thực tiễn quan trọng cho việc ứng dụng Trí tuệ nhân tạo và Phân tích dữ liệu lớn vào hoạt động quản trị kinh doanh hiện đại.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về dé tài nghiên cứu Chương này, nhóm tác giả trình bày rõ lý do chọn đề tài, mục tiêu nghiên cứu, câu hỏi nghiên cứu, đối tượng và phạm vi nghiên cứu, phương pháp, ý nghĩa và kết câu của đề tài nghiên cứu. Chương 2: Cơ sở lý thuyết Chương 2 trình bày về các yếu tô ảnh hưởng đến giá bán quà tặng Giáng sinh, các công trỉnh nghiên cứu tham khảo, mô hình nghiên cứu có liên quan. Sau đó, nhóm thực hiện đề xuất mô hình nghiên cứu được sử dụng trong bài nghiên cứu. Chương 3: Dữ liệu và phương pháp nghiên cứu Trong chương 3, bài nghiên cứu trình bày các bước thiết kế nghiên cứu, quy trình nghiên cứu, mô tả quy trình thu thập, nguồn gốc bộ dữ liệu, xử lý dữ liệu, trình bày lý thuyết và công thức các phương pháp dự đoán, thông số đánh giá và quy trình đưa ra dự đoán chung.

Chương 4: Kết quả nghiên cứu Ở chương này, nhóm tập trung trình bày quy trình huấn luyện và kiểm tra các mô hình dự đoán, ghi nhận kết quả, diễn giải ý nghĩa các thông số của các thuật toán được dùng để sử dụng trong bài để nghiên cứu dự đoán. Chương 5: Kết luận và hàm ý quản trị 11 Trong chương cuối, nhóm tác giả đưa ra kết luận tổng thê của cả bài nghiên cứu, trình bày các hàm ý quản trị của bài nghiên cứu, đưa ra hạn chế của bài nghiên cứu và đề xuất hướng nghiên cứu trong tương lai cho các đề tài cùng lĩnh vực. 12 CHUONG 2: CO SO LY THUYET 2. Các yếu tố ảnh hưởng đến giá bán sản phẩm theo mùa Mô hình nghiên cứu sẽ sử dụng 10 biến trong số 16 biến thu thập được, trong đó có 1 biến phụ thuộc là biến giá cả hàng hóa (Price) và 9 biến độc lập: loại quả tặng (gift_type), danh mục hang cua qua tang (gift_category), nganh hang cua qua tang (gift_cluster), ngày nhập kho của quà tặng (instock_ date) và các biến ân danh liên quan đến quà tặng (lsg_1 đến lsg_6).

Cụ thê như sau: e© Loại quà tặng (gift type): biến loại quà tặng sẽ giúp phân loại dữ liệu đầu vào thành các nhóm khác nhau như quân áo và đỗ điện tử. Tính năng này giúp mô hình đề xuất dự đoán giá quà tặng với một khoảng giá nhất định, vì mỗi loại quà tặng đều sẽ có khoảng giá khác nhau (Mohamed và cộng sự, 2022). e© Danh mục hàng của quả tặng (gift category): danh mục quà tặng thê hiện số lượng các loại quà tặng bán ra của doanh nghiệp, tổng số mặt hàng có trong tổng số các loại quả tặng khác nhau của doanh nghiệp, và số lượng những mặt hàng khác nhau có trong từng nhãn hiệu của từng loại sản phẩm quà tặng. Biến này sẽ giúp phân loại các quà tặng theo những chủng loại sản phẩm khác nhau (Mohamed và cộng sự, 2022).

e Ngành hàng của quà tặng (gift cluster): biến này sẽ giúp phân loại các ngành nghề mà quà tặng thuộc về. Dong và cộng sự (2019) đã đề cập rằng các sản phẩm theo mùa bao gồm nhiều ngành công nghiệp khác nhau ví dụ như thực phẩm, quân áo, hàng điện tử. Các sản phẩm thuộc các ngành nghề vào các thời điểm sẽ có xu hướng tăng hoặc giảm khác nhau, như đỗ điện tử và quần áo thời trang thường sẽ giảm giá trị trong một mùa ban hang (Dong va Wu, 2019). e Ngày nhập kho của quà tặng (instock_ date): đây là biến thời gian duy nhất được sử dụng trong bải nhằm hỗ trợ cho việc việc kiểm tra mô hình ARIMA trong việc dự báo giá.

Biến này cho biết ngày mà quả tặng được nhập về đến kho (Mohamed và cộng sự, 2022). e_ Các biến ân danh liên quan đến quà tặng (lsg_1 đến lsg_6): các biến ân danh được sử dụng trong mô hình bởi chúng được cho biết là các yếu tố liên quan đến quả tặng. 13 Mohamed và cộng sự (2022) cho biết vì để đảm bảo quyền riêng tư của nhà bán lẻ trực tuyến cung cấp dữ liệu nên tac gia đã tiên hàng ân danh chúng. Phương pháp dự báo giá bán sản phẩm theo mùa bằng học máy 2.1, Cac nghién citu trudc 2.

Nghiên cứu của nhom tac gia Mohamed va cộng sự (2022) Nghiên cứu “Price Prediction of Seasonal Items Using Machine Learning and Statistical Methods” (Mohamed và cộng sự, 2022) về dự đoán giá sản phẩm theo mua dựa trên phương pháp học máy và phương pháp thống kê. Bài nghiên cứu của nhóm tác giả tham khảo và sử dụng cơ sở lý thuyết chính từ nghiên cứu này. Đây là một trong số ít các bài báo khoa học nghiên cứu dự đoán sản phẩm theo mùa. Trong nghiên cứu, Mohamed và cộng sự (2022) đã thực hiện hiện dự đoán giá sản phâm theo mùa dựa trên bộ dữ liệu quà tặng Giáng sinh bằng cách sử dụng phương pháp học máy và phương pháp thống kê.

Nghiên cứu này với mục đích đề xuất các mô hình dự đoán hàng hoá theo mùa, so sánh hiệu suất của mô hình thuộc phương pháp học máy và phương pháp thống kê bằng cách đánh giá dựa trên một số thước đo. Quy trình nghiên cứu bao gồm 5 giai đoạn: (1) thu thập và xử lý dữ liệu, (2) thiết kế mô hình, (3) đào tạo mô hình, (4) thử nghiệm mô hình, (5) triển khai mô hình, được mô tả theo hình sau: Machine learning mam | model conception Training Item price prediction + Evaluation fy 6G Nw Machine learning == ì Z ‘a model application Hình 2. 1: Quy trình nghiên cứu Mohamed và cộng sự (2022) Trong giai đoạn đầu tiên, nghiên cứu thực hiện thu thập và xử lý dữ liệu. Bài nghiên cứu được thực hiện dựa trên bộ dữ liệu về quà tặng Giáng sinh được ghi nhận từ một nhà bán lẻ trực tuyên, nhà bán lẻ này đã ghi nhận dữ liệu trong suốt thời gian triển khai một chương trinh khuyến mãi đặc biệt cho sự kiện Giảng sinh.

Bộ dữ liệu bao gồm 14 2 phần được: phần huấn luyện (20.179 bản ghi) và phần kiêm tra (13. Mohamed và cộng sự (2022) đã thực hiện chia tach 80% và 20% tương ứng cho bộ dữ liệu huấn luyện và kiểm tra. Với mô hình ARIMA, nghiên cứu chọn các tham số p, q, d lần lượt là 0, 0, 2. Trong giai đoạn tiếp theo, nghiên cứu đề xuất dự đoán dựa trên 4 mô hình thuộc phương pháp hoc may (Linear Regression, Ridge Regression, Support Vector Regression, Random Forest Regression) va 1 mô hình thuộc phương pháp thống kê (ARIMA Model).

Sau đó, nghiên cứu thực hiện đánh giá mức độ uy tín và hiệu suất của các mô hình trén 4 thang do: Mean Absolute Error (MAE), Root Mean Square Error (RMSE), R-Squared (R2), Mean Absolute Percentage Error (MAPE). Giai doan 3, nghiên cứu thực hiện đào tạo mô hình, các mô hình được đảo tạo trên một phần dữ liệu được chia sẵn (80%). Phần dữ liệu còn lại sẽ được sử dụng trong giai đoạn 4, thử nghiệm mô hình. Cuối cùng, các mô hình được đảo tạo và thử nghiệm được triên khai để nguoi dùng sử dụng trong các tình huống thực tế.

Mohamed và cộng sự (2022) đã thực hiện đánh giá, đo lường hiệu suất của từng mô hình và đưa ra kết luận mô hình học máy Random Forest có hiệu suất dự đoán tốt nhất và mô hình thống kê ARIMA có hiệu suất tốt thứ 2, tuy nhiên, khoảng cách hiệu suất giữa chúng không lớn. Do đó, nghiên cứu đề xuất người dùng nên sử dụng mô hình học máy Random Forest và mô hình thống kê ARIMA để dự đoán giá hàng hoá theo mùa. Nghiên cứu của nhóm tác gia Abdul-Rahman va céng sự (2021) Nghiên cứu “Advanced Machine Learning Algorithms for House Price Prediction: Case Study in Kuala Lumpur” (Abdul-Rahman và cộng sự, 2021) về dự đoán giá nhà ở Kuala Lumpur dựa trên phương pháp học máy. Nghiên cứu được thực hiện với mục đích đề xuất các mô hình học máy thường dùng để dự đoán giá nhà và cung cấp chính xác một mô hình học máy dự đoán chính xác giá nhà ở Kuala Lumpur.

Quy trình nghiên cứu bao gồm: thu thập và xử lý dữ liệu, thiết kế mô hình, huấn luyện mô hình, thử nghiệm và triên khai mô hình. Các mô hình học máy được đánh giá thông qua các thang đo. Nghiên cứu thực hiện dự đoán dựa trên bộ dữ liệu thứ cấp “Property Listing in Kuala Lumpur” được thu thập từ Kaggle và Google Map. Sau đó, tác giá thực hiện các thao tác xử lý và chuyên đổi dữ liệu để thu thập được 15 chứa 21984 quan sát với 11 biến độc lập và 1 biến phụ thuộc.

Bộ dữ liệu này được phân tách dữ liệu thành 2 phân: 70 % sử dụng cho huân luyện mô hình và 30% dùng làm mẫu thử cho kiểm tra. Nghiên cứu xây dựng mô hình dự đoán dựa trên 2 phương pháp học may nang cao: Extreme Gradient Boosting (XGBoost), Light Gradient Boosting Machine (LightGBM) và 2 phương pháp học máy truyền thống: Multiple Regression Analysis, Ridge Regression. Trong giai đoạn nghiên cứu tiếp theo, tác giả thực hiện đào tạo mô hình trên phần dữ liệu huấn luyện. Sau khi hoàn tất huấn luyện, mô hỉnh được ghi nhận và đánh giá các mô hình dựa trên thang đo hiệu suất (MAE, MSE, RMSE, R squared).

Cuối cùng, các mô hình được thử nghiệm và triển khai sử dụng công khai. Nghiên cứu Abdul-Rahman và cộng sự (2021) đã thực hiện triển khai và so sánh các mô hình học máy truyền thống và nâng cao. Kết quả cho thấy mô hình XGBoost dự đoán chính xác giá nhà ở Kuala Lumpur. Trong tương lai, nghiên cứu này còn có thể phát triển hơn thông qua việc mở rộng phạm vi nghiên cứu, thu thập nhiều biến độc lập có tác động (quy mô ngôi nhà và khoảng cách đến các địa điểm công cộng).

Từ đó, có thé thay, nghiên cứu này có thể hỗ trợ đáng kê trong việc dự đoán giá nhà trong tương lai và xây dựng chính sách bất động sản. Đề xuất mô hình nghiên cứu Từ những nghiên cứu đã thảo luận, thấy rằng có rất nhiều công việc đã được thực hiện để dự báo giá cả nói chung. Tuy nhiên, có rất ít nỗ lực đê khám phá vấn đề dự báo giá của các mặt hàng theo mùa. Do đó, dựa vào những hạn chế trên, chúng tôi với mong muốn xây dựng nên mô hình dự đoán để giải quyết vân đề này.

Mô hình đề xuất cho nghiên cứu dự đoán giá các sản phẩm quà tặng theo mùa được chia thành 5 giai đoạn, cụ thể: (1) — Thu thập và xử lý dữ liệu (2) Thiết kế mô hình nghiên cứu (3) Huấn luyện mô hình bằng các thuật toán (4) — Kiểm tra, đánh giá hiệu suất 16 (5) Trién khai áp dụng mô hình cho việc dự đoán gia = M6 hinh hoc may phu hop | Áp dụng mô hình học máy (El Hình 2.