Xây Dựng và Phát Triển Ứng Dụng Gợi Ý Sản Phẩm Trong Thương Mại Điện Tử

Khóa luận tốt nghiệp trình bày ứng dụng bán hàng tích hợp gợi ý thông minh, nâng cao trải nghiệm người dùng và tối ưu hóa doanh thu.

• Tác giả: Lê Thành An
• Người hướng dẫn: ThS. Thái Huy Tân
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Truyền thông và mạng máy tính
• Đề tài: Ứng Dụng Gợi Ý Sản Phẩm Trong Thương Mại Điện Tử
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2020
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI
• 1.1. Tên đề tài
• 1.2. Đặt vấn đề
• 1.3. Tính khoa học và tính mới
• 1.4. Mục tiêu, đối tượng và phạm vi nghiên cứu
• 1.5. Nội dung, phương pháp
• 1.6. Kế hoạch bố trí thời gian nghiên cứu
• 2. CHƯƠNG 2: TỔNG QUAN CÔNG NGHỆ SỬ DỤNG
• 2.1. Giới thiệu chung
• 2.2. Lý do chọn công nghệ
• 2.3. Áp dụng Node.js vào đề tài xây dựng ứng dụng EC Mobile
• 2.4. Giới thiệu Neo4j
• 2.4.1. Labels trong Neo4j
• 2.4.2. Relationships trong Neo4j
• 2.4.3. Properties trong Neo4j
• 2.4.4. Traversal trong Neo4j
• 2.4.5. Transaction trong Neo4j
• 2.4.6. Default locking behavior
• 2.4.7. Create Unique node
• 2.4.8. Nền tảng đồ thị Neo4j ứng dụng
• 2.4.9. Thuật toán tìm đường và tìm kiếm trong đồ thị
• 2.4.10. Ngôn ngữ truy vấn Cypher trong Neo4j
• 2.4.11. Tại sao nên sử dụng Neo4j
• 2.4.12. Áp dụng Neo4j vào đề tài xây dựng ứng dụng EC Mobile
• 2.5. React Native
• 2.5.1. Tại sao nên sử dụng React Native
• 2.5.2. Áp dụng React Native vào đề tài xây dựng ứng dụng EC Mobile
• 3. CHƯƠNG 3: PHÂN TÍCH VÀ THIẾT KẾ HỆ THỐNG
• 3.1. Kiến trúc hệ thống
• 3.2. Mô hình phân rã chức năng
• 3.3. Mô tả Use Case
• 3.3.1. Use Case đăng ký khách hàng
• 3.3.2. Use Case đăng nhập của khách hàng
• 3.3.3. Use Case mua hàng của khách hàng
• 3.3.4. Use Case xem danh sách sản phẩm của khách hàng
• 3.3.5. Use Case đăng nhập của Admin
• 3.3.6. Use Case quản lý sản phẩm Admin
• 3.3.7. Use Case quản lý danh mục Admin
• 3.3.8. Use Case quản lý hóa đơn
• 3.3.9. Use Case quản lý khách hàng
• 3.3.10. Use Case thống kê doanh thu
• 3.4. Lược đồ
• 3.4.1. Lược đồ đăng nhập
• 3.4.2. Lược đồ xem danh sách sản phẩm
• 3.4.3. Lược đồ bình luận sản phẩm
• 3.4.4. Lược đồ thêm sản phẩm vào giỏ hàng và thanh toán
• 3.4.5. Lược đồ quan hệ
• 3.5. Thiết kế cơ sở dữ liệu
• 3.5.1. Mô hình thực thể kết hợp
• 3.5.2. Mô tả thuộc tính các node đại diện
• 3.5.3. Xác định mô hình gợi ý
• 4. CHƯƠNG 4: HIỆN THỰC ỨNG DỤNG EC MOBILE
• 4.1. Các giao diện chính của ứng dụng
• 4.2. Đặc tả giao diện của ứng dụng
• 4.2.1. Giao diện đăng nhập
• 4.2.2. Giao diện trang chủ
• 4.2.3. Giao diện trang tìm kiếm sản phẩm
• 4.2.4. Giao diện danh mục sản phẩm
• 4.2.5. Giao diện quản lý cá nhân khách hàng
• 4.2.6. Giao diện xem chi tiết sản phẩm
• 4.2.7. Đặc tả giao diện Web Admin
• 4.2.8. Giao diện đăng nhập Web Admin
• 4.2.9. Giao diện chiến dịch giảm giá
• 4.2.10. Giao diện sản phẩm
• 4.2.11. Giao diện thêm sản phẩm lấy từ dữ liệu của tiki
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết luận
• 5.2. Nhược điểm
• 5.3. Hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Ứng Dụng Gợi Ý Sản Phẩm Trong Thương Mại Điện Tử

Ứng dụng gợi ý sản phẩm trong thương mại điện tử đã trở thành một phần không thể thiếu trong trải nghiệm mua sắm trực tuyến. Với sự phát triển của công nghệ, các hệ thống gợi ý ngày càng trở nên thông minh hơn, giúp người tiêu dùng tìm kiếm sản phẩm phù hợp với nhu cầu của họ. Hệ thống này không chỉ giúp tăng doanh thu cho các doanh nghiệp mà còn cải thiện trải nghiệm người dùng.

1.1. Khái niệm về gợi ý sản phẩm trong thương mại điện tử

Gợi ý sản phẩm là một công nghệ sử dụng dữ liệu người dùng để đưa ra các sản phẩm phù hợp. Hệ thống này phân tích hành vi và sở thích của người tiêu dùng để cung cấp các gợi ý chính xác.

1.2. Lợi ích của việc sử dụng hệ thống gợi ý

Hệ thống gợi ý giúp tăng cường trải nghiệm người dùng, giảm thời gian tìm kiếm sản phẩm và tăng khả năng mua hàng thành công. Điều này không chỉ mang lại lợi ích cho người tiêu dùng mà còn cho doanh nghiệp.

II. Vấn đề và Thách thức trong Ứng Dụng Gợi Ý Sản Phẩm

Mặc dù hệ thống gợi ý sản phẩm mang lại nhiều lợi ích, nhưng vẫn tồn tại nhiều thách thức. Các vấn đề như độ chính xác của gợi ý, bảo mật thông tin người dùng và khả năng mở rộng của hệ thống cần được giải quyết.

2.1. Độ chính xác của gợi ý sản phẩm

Độ chính xác của hệ thống gợi ý phụ thuộc vào chất lượng dữ liệu đầu vào. Nếu dữ liệu không đầy đủ hoặc không chính xác, gợi ý sẽ không phù hợp với nhu cầu của người dùng.

2.2. Bảo mật thông tin người dùng

Bảo mật thông tin cá nhân là một vấn đề quan trọng. Doanh nghiệp cần đảm bảo rằng dữ liệu người dùng được bảo vệ và không bị lạm dụng.

III. Phương Pháp Xây Dựng Hệ Thống Gợi Ý Sản Phẩm Hiệu Quả

Để xây dựng một hệ thống gợi ý sản phẩm hiệu quả, cần áp dụng các phương pháp phân tích dữ liệu và học máy. Các thuật toán như Collaborative Filtering và Content-Based Filtering thường được sử dụng.

3.1. Collaborative Filtering

Phương pháp này dựa trên hành vi của người dùng khác để đưa ra gợi ý. Nếu hai người dùng có hành vi mua sắm tương tự, sản phẩm mà một người đã mua có thể được gợi ý cho người kia.

3.2. Content Based Filtering

Phương pháp này dựa trên các đặc điểm của sản phẩm để đưa ra gợi ý. Nếu một người dùng thích một sản phẩm cụ thể, hệ thống sẽ gợi ý các sản phẩm có đặc điểm tương tự.

IV. Ứng Dụng Thực Tiễn và Kết Quả Nghiên Cứu

Nhiều doanh nghiệp đã áp dụng hệ thống gợi ý sản phẩm và đạt được kết quả tích cực. Các nghiên cứu cho thấy rằng việc sử dụng hệ thống gợi ý có thể tăng doanh thu lên đến 30%.

4.1. Các doanh nghiệp thành công với hệ thống gợi ý

Nhiều công ty lớn như Amazon và Netflix đã áp dụng hệ thống gợi ý và đạt được thành công lớn trong việc tăng doanh thu và cải thiện trải nghiệm người dùng.

4.2. Kết quả nghiên cứu về hiệu quả của gợi ý sản phẩm

Nghiên cứu cho thấy rằng người tiêu dùng có xu hướng mua hàng nhiều hơn khi nhận được gợi ý sản phẩm phù hợp với sở thích của họ.

V. Kết Luận và Tương Lai của Hệ Thống Gợi Ý Sản Phẩm

Hệ thống gợi ý sản phẩm sẽ tiếp tục phát triển và trở thành một phần quan trọng trong thương mại điện tử. Với sự tiến bộ của công nghệ, các hệ thống này sẽ ngày càng thông minh và chính xác hơn.

5.1. Xu hướng phát triển của công nghệ gợi ý

Công nghệ gợi ý sẽ ngày càng được cải tiến với sự phát triển của trí tuệ nhân tạo và học máy, giúp nâng cao độ chính xác và hiệu quả.

5.2. Tương lai của trải nghiệm người dùng trong thương mại điện tử

Trải nghiệm người dùng sẽ được cải thiện đáng kể nhờ vào các hệ thống gợi ý thông minh, giúp người tiêu dùng dễ dàng tìm thấy sản phẩm phù hợp.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Lý do chọn đề tài và bối cảnh thực tiễn

Trong bối cảnh công nghệ thông tin và ngành lập trình ứng dụng trên thiết bị di động phát triển bùng nổ, các ứng dụng di động đã trở thành một phần thiết yếu trong đời sống thường nhật, bao phủ nhiều lĩnh vực từ giáo dục, y tế, tài chính đến thương mại điện tử. Tại thị trường Việt Nam, mặc dù các website và ứng dụng bán hàng trực tuyến xuất hiện ngày càng nhiều với quy mô đa dạng, phần lớn các hệ thống này còn mang tính tương đồng và thiếu sự tương tác cá nhân hóa sâu sắc với người tiêu dùng.

Khi tiếp cận một nền tảng thương mại điện tử, hành vi của khách hàng thường chia thành hai xu hướng rõ rệt:

1. Nhóm khách hàng đã xác định chính xác sản phẩm cần mua: Vấn đề chỉ dừng lại ở việc lựa chọn nơi mua hàng.
2. Nhóm khách hàng chỉ xác định được loại/danh mục sản phẩm hoặc dạo xem mà chưa biết chính xác nên chọn sản phẩm nào: Nhóm này gặp khó khăn lớn trong việc ra quyết định giữa vô vàn sản phẩm cùng chủng loại.

Để giải quyết bài toán hỗ trợ người dùng tìm kiếm sản phẩm phù hợp nhất với nhu cầu mà không tốn nhiều thời gian tìm kiếm thủ công, việc tích hợp hệ thống gợi ý sản phẩm (Recommender System) vào ứng dụng di động là một yêu cầu cấp thiết. Đề tài "Xây dựng và phát triển ứng dụng bán hàng tích hợp gợi ý sản phẩm đến người dùng — EC Mobile" được thực hiện bởi sinh viên Lê Thành An (ngành Truyền thông và Mạng máy tính, Trường Đại học Công nghệ Thông tin – ĐHQG-HCM, 12/2020) nhằm khai thác các giải pháp gợi ý dựa trên hành vi tương tác và dữ liệu đồ thị, từ đó tối ưu hóa trải nghiệm mua sắm và nâng cao hiệu quả thương mại.

Mục tiêu nghiên cứu

Khóa luận đặt ra các mục tiêu cụ thể sau:

1. Xây dựng hoàn chỉnh ứng dụng di động mua sắm mang tên "EC Mobile" hoạt động trên nền tảng di động.
2. Thiết kế cơ chế gợi ý sản phẩm phù hợp dựa trên thông tin ngữ cảnh, hành vi mua sắm trước đó của tài khoản, danh mục sản phẩm tương tự và mức độ tương tác thông qua hành vi yêu thích sản phẩm.
3. Xây dựng công cụ thu thập tự động (crawl) dữ liệu sản phẩm từ nền tảng thương mại điện tử Tiki (tiki.vn) để làm nguồn dữ liệu chính cho hệ thống.
4. Cung cấp đầy đủ các chức năng nghiệp vụ bán hàng: đăng ký, đăng nhập bằng số điện thoại, chỉnh sửa hồ sơ người dùng, xem danh mục, quản lý giỏ hàng, thanh toán và bình luận/đánh giá sản phẩm.
5. Triển khai các tính năng nâng cao: hiển thị danh sách sản phẩm nổi bật (sản phẩm Hot), sản phẩm giảm giá mạnh theo tuần, các chiến dịch khuyến mãi và gợi ý cá nhân hóa cho từng người dùng dựa trên các thuật toán đồ thị.

Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu:
  • Nhu cầu thực tế của người dùng đối với các ứng dụng mua sắm trực tuyến có tích hợp tính năng gợi ý cá nhân hóa.
  • Các kỹ thuật và công nghệ xây dựng giao diện ứng dụng di động thông qua thư viện React Native.
  • Cơ chế hoạt động, kiến trúc và ứng dụng của môi trường thực thi Node.js trong việc xây dựng hệ thống máy chủ (server) xử lý API.
  • Hệ quản trị cơ sở dữ liệu đồ thị Neo4j cùng các thuật toán phân tích đồ thị hỗ trợ bài toán gợi ý (Recommender Systems).
• Phạm vi nghiên cứu:
  • Đề tài tập trung nghiên cứu, thiết kế ứng dụng cho thiết bị di động (hỗ trợ nền tảng Android và mở rộng iOS).
  • Hệ thống được triển khai, kiểm thử và đánh giá trong phạm vi phòng thí nghiệm với quy mô dữ liệu thử nghiệm vừa phải.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và mô hình công nghệ

Nghiên cứu tập trung vào mô hình cơ sở dữ liệu đồ thị và hệ gợi ý dựa trên mạng liên kết:

1. Cơ sở dữ liệu đồ thị Neo4j: Khác với cơ sở dữ liệu quan hệ truyền thống (RDBMS) tổ chức dữ liệu theo các bảng và khóa ngoại, Neo4j lưu trữ dữ liệu dưới dạng cấu trúc đồ thị bao gồm:

   • Đỉnh (Node): Đại diện cho các thực thể cụ thể (ví dụ: User, Product, Order, Comment, Campaign).
   • Nhãn (Labels): Nhóm các đỉnh có cùng kiểu dữ liệu hoặc vai trò trong hệ thống (ví dụ: :Person, :Movie, :User).
   • Quan hệ (Relationships): Biểu diễn các liên kết có hướng giữa hai đỉnh, phản ánh tương tác nghiệp vụ (ví dụ: quan hệ FOCUS, SIMILARITY, ACTED_IN). Mọi quan hệ đều có đỉnh bắt đầu và đỉnh kết thúc.
   • Thuộc tính (Properties): Cặp name-value lưu trữ thông tin chi tiết trên cả đỉnh và quan hệ với các kiểu dữ liệu như chuỗi ký tự, số, logic.
   • Đặc tính giao dịch (ACID): Đảm bảo tính nguyên tử (Atomicity), tính nhất quán (Consistency), tính độc lập (Isolation) và tính bền vững (Durability). Hệ thống mặc định áp dụng mức cô lập READ_COMMITTED và cơ chế tự động phát hiện bế tắc (deadlock detection).
   • Ngôn ngữ truy vấn Cypher: Ngôn ngữ truy vấn dạng khai báo được thiết kế riêng cho đồ thị, sử dụng cú pháp trực quan kết hợp giữa SQL và khớp mẫu (pattern matching).

2. Các thuật toán gợi ý áp dụng trong hệ thống:

   • Thuật toán PageRank: Được sử dụng để đánh giá tầm quan trọng tương đối (độ Hot/độ ảnh hưởng) của từng sản phẩm trong toàn bộ mạng lưới dữ liệu. Chỉ số PageRank của sản phẩm $A$ được xác định dựa trên số lượng và chất lượng các tương tác (lượt xem, bình luận, mua hàng) từ khách hàng $T_1, \dots, T_n$:

$$PR(A) = (1 - d) + d \sum_{i=1}^{n} \frac{PR(T_i)}{C(T_i)}$$

 Trong đó:
 - $PR(A)$: Chỉ số PageRank của sản phẩm $A$.
 - $T_i$: Nút khách hàng có tương tác quan tâm đến sản phẩm $A$.
 - $C(T_i)$: Tổng số liên kết ngoài (outlink) của nút $T_i$.
 - $d$: Hệ số suy giảm/điều chỉnh (thường thiết lập $d = 0.85$).
 - Tổng điểm PageRank phân bố trên toàn hệ thống bằng 1; sản phẩm có điểm số càng cao thì độ phổ biến càng lớn.

• Thuật toán tìm điểm tương đồng nút (Node Similarity - Chỉ số Jaccard): Dùng để so sánh mức độ tương đồng giữa các cặp khách hàng dựa trên tập hợp các sản phẩm mà họ cùng quan tâm hoặc tương tác:

$$J(A, B) = \frac{|A \cap B|}{|A \cup B|} = \frac{|A \cap B|}{|A| + |B| - |A \cap B|}$$

 Trong đó:
 - $A$: Tập hợp các sản phẩm mà khách hàng $A$ đã quan tâm/tương tác.
 - $B$: Tập hợp các sản phẩm mà khách hàng $B$ đã quan tâm/tương tác.
 - Dựa trên điểm $J(A, B)$, hệ thống thiết lập mối quan hệ `SIMILARITY` giữa hai người dùng để gợi ý chéo các sản phẩm mà người này đã mua cho người kia và ngược lại.

Phương pháp nghiên cứu và thu thập dữ liệu

• Phương pháp phân tích và thiết kế hệ thống: Khảo sát nhu cầu thực tế, phân rã chức năng, xây dựng mô hình use case, lược đồ luồng dữ liệu và thiết kế mô hình thực thể đồ thị.
• Phương pháp thu thập dữ liệu (Web Scraping): Để có tập dữ liệu thử nghiệm ban đầu mà không phải tạo thủ công, tác giả xây dựng công cụ thu thập dữ liệu tự động từ trang thương mại điện tử Tiki (tiki.vn). Kết quả đã crawl được hơn 700 sản phẩm phân bố theo các danh mục khác nhau.

Thuộc tính dữ liệu (Field)	Kiểu dữ liệu (Data Type)	Mô tả chi tiết
id	String	Mã định danh duy nhất của từng sản phẩm
name	String	Tên đầy đủ của sản phẩm
price	Number	Giá bán của sản phẩm
image	String	Đường dẫn liên kết hình ảnh đại diện của sản phẩm
decription	String	Đoạn văn bản mô tả thông tin chi tiết về sản phẩm

---

Thiết kế và triển khai

Kiến trúc công nghệ

Hệ thống EC Mobile được xây dựng dựa trên kiến trúc client-server nhiều tầng:

• Client di động (Mobile App): Sử dụng React Native (nền tảng đa nền tảng, xây dựng giao diện người dùng dựa trên JavaScript/React, biên dịch sang mã native).
• Client quản trị (Web Admin): Giao diện quản lý dành cho quản trị viên để kiểm soát sản phẩm, chiến dịch giảm giá và khách hàng.
• Máy chủ trung gian (Back-end Server): Xây dựng trên môi trường Node.js sử dụng JavaScript, áp dụng mô hình hướng sự kiện (Event-driven) và Non-blocking I/O, tiếp nhận và phản hồi các yêu cầu qua chuẩn giao tiếp RESTful API.
• Hệ quản trị cơ sở dữ liệu: Neo4j lưu trữ toàn bộ các thực thể, nhãn và quan hệ tương tác phức tạp.

Bảng tổng hợp các chức năng nghiệp vụ của hệ thống

Nhóm chức năng	Tên chức năng cụ thể	Mô tả chi tiết nghiệp vụ
Cơ bản	Đăng ký & Đăng nhập	Sử dụng số điện thoại để xác thực tài khoản khách hàng
Cơ bản	Tìm kiếm & Giỏ hàng	Tìm kiếm sản phẩm theo từ khóa, thêm vào giỏ hàng và thực hiện thanh toán
Cơ bản	Xem & Bình luận	Xem chi tiết sản phẩm (tên, giá, điểm sao tổng hợp), gửi đánh giá theo mức độ hài lòng (tốt / không tốt)
Quản trị	Thu thập dữ liệu Tiki	Công cụ crawl dữ liệu sản phẩm từ tiki.vn nạp tự động vào cơ sở dữ liệu
Gợi ý	Chiến dịch giảm giá	Tạo các chiến dịch khuyến mãi theo chủ đề với mức giá giảm cụ thể
Gợi ý	Giảm giá trong tuần	Tổng hợp danh sách toàn bộ sản phẩm đang giảm giá, sắp xếp theo tỷ lệ % giảm giảm dần
Gợi ý	Sản phẩm liên quan	Trích xuất các sản phẩm cùng danh mục khi khách hàng đang xem một sản phẩm chi tiết
Gợi ý (Nổi bật)	Sản phẩm Hot (PageRank)	Ứng dụng PageRank xếp hạng tầm quan trọng của sản phẩm dựa trên tương tác toàn hệ thống
Gợi ý (Nổi bật)	Tương đồng khách hàng (Node Similarity)	Sử dụng chỉ số Jaccard tìm tập khách hàng có chung sở thích để gợi ý sản phẩm chéo
Gợi ý (Nổi bật)	Gợi ý theo tương tác bạn bè	Gợi ý các sản phẩm tương tự mà những người dùng có liên kết đã từng tương tác

Mô hình dữ liệu đồ thị trong Neo4j

Hệ thống thiết kế các tập đỉnh và thuộc tính để lưu trữ trong cơ sở dữ liệu đồ thị:

• Node Products: Chứa thông tin sản phẩm (id, name, price, image, decription, rating).
• Node Categories: Chứa thông tin danh mục sản phẩm (id, name).
• Node Customers: Chứa thông tin tài khoản người mua (id, phone, name, address).
• Node Admins: Chứa thông tin tài khoản quản trị viên (id, username, password).
• Node Orders: Chứa thông tin hóa đơn thanh toán của người dùng (id, date, total_price, status).
• Node Comments: Chứa nội dung đánh giá và trạng thái phản hồi (id, content, sentiment).
• Node Campaigns: Chứa thông tin chương trình khuyến mãi (id, name, discount_rate).
• Các quan hệ chính:
  • (:Customers)-[:FOCUS]->(:Products): Mối quan hệ thể hiện mức độ chú ý của khách hàng đối với sản phẩm, tổng hợp từ 3 hành vi: xem, bình luận, mua hàng.
  • (:Customers)-[:SIMILARITY]->(:Customers): Mối quan hệ tương đồng giữa hai khách hàng dựa trên kết quả tính toán chỉ số Jaccard.
  • (:Customers)-[:ORDERED]->(:Orders): Quan hệ tạo đơn đặt hàng.
  • (:Orders)-[:CONTAINS]->(:Products): Quan hệ chi tiết mặt hàng trong đơn hàng.
  • (:Customers)-[:WROTE]->(:Comments)-[:ABOUT]->(:Products): Luồng liên kết bình luận sản phẩm.

---

Nội dung chính theo từng chương

Chương 1. Tổng quan về đề tài

Chương mở đầu phân tích tính cấp thiết của đề tài, thực trạng các ứng dụng thương mại điện tử hiện hành tại Việt Nam và nhu cầu cá nhân hóa trải nghiệm khách hàng. Tác giả xác định rõ mục tiêu xây dựng ứng dụng EC Mobile, phân chia phạm vi nghiên cứu ở quy mô phòng thí nghiệm và vạch ra quy trình nghiên cứu qua 4 giai đoạn:

• Giai đoạn 1: Khảo sát, phân tích và thiết kế hệ thống (xây dựng sơ đồ phân rã chức năng, use case, mô hình luồng dữ liệu).
• Giai đoạn 2: Nghiên cứu công nghệ Node.js, Neo4j, xây dựng máy chủ back-end và thiết lập API.
• Giai đoạn 3: Phát triển giao diện React Native, lập trình các chức năng và kiểm thử hệ thống.
• Giai đoạn 4: Hoàn thiện báo cáo, đánh giá kết quả so với mục tiêu ban đầu. Nội dung chương cũng trình bày chi tiết công thức PageRank, chỉ số Jaccard và quy trình trích xuất hơn 700 sản phẩm từ trang Tiki.vn.

Chương 2. Tổng quan công nghệ sử dụng

Chương này đi sâu vào cơ sở lý thuyết và lý do lựa chọn các công nghệ nền tảng:

• Node.js: Đánh giá các đặc tính không đồng bộ (Event-driven, Non-blocking I/O), hiệu năng luồng đơn (Single Thread) trên nền tảng V8 JavaScript Engine của Google Chrome, giúp xây dựng các API nhận/gửi dữ liệu thời gian thực với tốc độ xử lý nhanh.
• Hệ quản trị cơ sở dữ liệu Neo4j: Trình bày chi tiết kiến trúc đồ thị, cách tổ chức Nodes, Labels, Relationships, Properties và Traversal. Phân tích cơ chế đảm bảo tính toàn vẹn dữ liệu ACID, cơ chế khóa (locking behavior), xử lý bế tắc (deadlocks), ngữ nghĩa xóa (delete semantics) và giao dịch lồng (nested transactions). Giới thiệu ngôn ngữ Cypher với cấu trúc truy vấn trực quan kết hợp giữa SQL và SPARQL.
• React Native: Trình bày ưu điểm phát triển ứng dụng di động đa nền tảng từ một cơ sở mã nguồn JavaScript, khả năng tái sử dụng thành phần giao diện và hiệu năng tiệm cận ứng dụng bản địa (native).

Chương 3. Phân tích và thiết kế hệ thống

Chương 3 tập trung vào khâu thiết kế chi tiết toàn bộ hệ thống:

• Trình bày sơ đồ kiến trúc tổng thể kết nối giữa React Native Client, Web Admin, Node.js Server và cơ sở dữ liệu Neo4j.
• Phân tích chi tiết 10 kịch bản Use Case trọng tâm kèm bảng đặc tả luồng sự kiện: Use Case đăng ký khách hàng, đăng nhập khách hàng, mua hàng, xem danh sách sản phẩm, đăng nhập Admin, quản lý sản phẩm, quản lý danh mục, quản lý hóa đơn, quản lý khách hàng và thống kê doanh thu.
• Xây dựng các sơ đồ tuần tự (Sequence Diagram) và lược đồ tương tác luồng dữ liệu cho các chức năng: Đăng nhập, Xem danh sách sản phẩm, Bình luận sản phẩm, Thêm giỏ hàng và Thanh toán.
• Thiết kế mô hình thực thể liên kết đồ thị (ERD trên nền tảng Graph DB) và định nghĩa bảng thuộc tính chi tiết cho các đỉnh Products, Categories, Customers, Admins, Orders, Comments, Campaigns.

Chương 4. Hiện thực ứng dụng EC Mobile

Chương này minh họa kết quả triển khai giao diện và chức năng thực tế của hệ thống:

• Giao diện ứng dụng di động (EC Mobile):
  • Giao diện đăng nhập/đăng ký bằng số điện thoại.
  • Giao diện Trang chủ hiển thị thanh tìm kiếm, banner sự kiện, danh sách sản phẩm giảm giá mạnh trong tuần, danh mục sản phẩm và mục sản phẩm nổi bật (sản phẩm Hot dựa trên PageRank).
  • Giao diện Tìm kiếm và Danh mục sản phẩm hỗ trợ bộ lọc và xem nhanh thông tin.
  • Giao diện Chi tiết sản phẩm hiển thị giá bán, mô tả, đánh giá sao, bình luận phản hồi và danh sách sản phẩm liên quan cùng danh mục.
  • Giao diện Quản lý cá nhân và Giỏ hàng/Thanh toán.
• Giao diện Web Admin:
  • Giao diện Đăng nhập dành cho ban quản trị.
  • Giao diện Quản lý chiến dịch giảm giá: Thiết lập các chương trình khuyến mãi và mức chiết khấu.
  • Giao diện Quản lý sản phẩm: Xem, chỉnh sửa thông tin mặt hàng.
  • Giao diện Thêm sản phẩm tự động: Công cụ crawl dữ liệu trực tiếp từ Tiki.vn theo đường dẫn danh mục để tự động nạp vào hệ thống.

Chương 5. Kết luận và hướng phát triển

Tổng kết toàn bộ các kết quả đạt được của khóa luận sau quá trình triển khai, nhìn nhận các ưu điểm về mặt giao diện, hiệu năng và khả năng gợi ý sản phẩm; đồng thời chỉ ra các hạn chế kỹ thuật còn tồn đọng và đề xuất định hướng nghiên cứu tiếp theo.

---

Kết quả và đóng góp

Kết quả nghiên cứu chính

1. Sản phẩm phần mềm hoàn chỉnh: Xây dựng thành công ứng dụng di động EC Mobile trên nền tảng Android (phát triển bằng React Native) và hệ thống Web Admin quản trị kết nối qua API Node.js.
2. Triển khai thành công cơ sở dữ liệu đồ thị: Xây dựng cấu trúc lưu trữ dữ liệu bằng Neo4j, nạp thành công bộ dữ liệu thử nghiệm ban đầu gồm hơn 700 sản phẩm theo các danh mục trích xuất tự động từ Tiki.vn.
3. Hiện thực hóa các mô hình gợi ý sản phẩm:
   • Ứng dụng thuật toán PageRank để tính toán độ ảnh hưởng của sản phẩm trên toàn bộ hệ thống dựa trên trọng số tương tác (lượt xem, bình luận, mua hàng), tự động đưa ra danh sách sản phẩm nổi bật (Hot items).
   • Ứng dụng thuật toán Node Similarity (chỉ số tương đồng Jaccard) để phân tích sự tương đồng giữa các khách hàng có cùng hành vi quan tâm sản phẩm (FOCUS), từ đó tạo mối quan hệ SIMILARITY và gợi ý chéo các sản phẩm từ hóa đơn của người dùng tương đồng.
   • Triển khai các cơ chế gợi ý phụ trợ: gợi ý sản phẩm cùng danh mục, gợi ý theo chiến dịch giảm giá và sản phẩm giảm giá mạnh trong tuần.

Đóng góp về mặt giải pháp

Khóa luận đã chứng minh tính khả thi và hiệu quả của việc ứng dụng công nghệ cơ sở dữ liệu đồ thị (Neo4j) thay thế cho cơ sở dữ liệu quan hệ truyền thống trong bài toán phân tích hành vi và xây dựng hệ thống gợi ý thương mại điện tử. Việc mô hình hóa dữ liệu người dùng - sản phẩm dưới dạng các nút và cạnh liên kết giúp các truy vấn tìm kiếm điểm tương đồng và phân tích liên kết được thực hiện trực quan, linh hoạt và giảm thiểu độ phức tạp so với các phép nối bảng (JOIN) nhiều tầng trong SQL.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế

• Hệ thống chỉ mới được kiểm tra, thử nghiệm trong phạm vi phòng thí nghiệm với quy mô dữ liệu ở mức vừa phải (hơn 700 sản phẩm), chưa được đánh giá toàn diện trên môi trường thực tế với lượng truy cập đồng thời lớn.
• Khả năng gợi ý đối với người dùng mới (bài toán Cold Start) khi chưa có đủ dữ liệu tương tác (xem, bình luận, mua hàng) còn phụ thuộc nhiều vào các danh mục chung và danh sách sản phẩm Hot từ PageRank.

Hướng phát triển tiếp theo

• Tiếp tục tối ưu hóa và hoàn thiện hệ thống máy chủ back-end nhằm nâng cao hiệu năng xử lý truy vấn thời gian thực.
• Mở rộng thuật toán gợi ý để xử lý chính xác hơn các ngữ cảnh mua sắm phức tạp và nâng cao độ chính xác của mối quan hệ tương đồng.
• Xuất bản và tối ưu hóa ứng dụng trên cả hai hệ điều hành Android và iOS.
• Bổ sung các tính năng nâng cao như cổng thanh toán trực tuyến đa kênh, tích hợp thông báo đẩy (Push Notification) theo thời gian thực về các chương trình khuyến mãi và sản phẩm gợi ý mới cho khách hàng.

---

Giá trị tham khảo

Báo cáo khóa luận là tài liệu tham khảo hữu ích cho:

• Sinh viên ngành Mạng máy tính và Truyền thông, Công nghệ thông tin, Kỹ thuật phần mềm: Cung cấp tài liệu tham khảo thực tế về quy trình xây dựng ứng dụng di động hoàn chỉnh từ khâu phân tích yêu cầu, thiết kế kiến trúc client-server đến hiện thực mã nguồn.
• Người nghiên cứu hệ thống gợi ý (Recommender Systems): Cung cấp cách tiếp cận cụ thể trong việc triển khai thuật toán PageRank và Node Similarity (Jaccard Index) trực tiếp trên cơ sở dữ liệu đồ thị Neo4j bằng ngôn ngữ Cypher.
• Kỹ sư phát triển ứng dụng di động: Cung cấp mô hình tích hợp giữa React Native, Node.js RESTful API và cơ sở dữ liệu NoSQL dạng đồ thị.

---

Câu hỏi thường gặp

1. Ứng dụng EC Mobile sử dụng nguồn dữ liệu sản phẩm ban đầu từ đâu và gồm những thông tin nào?

Dữ liệu ban đầu của ứng dụng được thu thập tự động (crawl) từ trang thương mại điện tử Tiki (tiki.vn) với quy mô hơn 700 sản phẩm phân theo danh mục. Mỗi sản phẩm được trích xuất gồm 5 trường thuộc tính: mã định danh (id), tên sản phẩm (name), giá bán (price), đường dẫn hình ảnh (image) và mô tả chi tiết (decription).

2. Thuật toán PageRank được áp dụng như thế nào trong bài toán gợi ý của đề tài?

Thuật toán PageRank được sử dụng để đánh giá tầm quan trọng tương đối (độ Hot) của từng sản phẩm trong toàn hệ thống. Mức độ quan tâm của khách hàng đối với một sản phẩm được tổng hợp dựa trên 3 yếu tố: lượt xem, lượt bình luận và lượt mua hàng. Với hệ số điều chỉnh $d = 0.85$, thuật toán tính toán phân bố điểm số trên toàn bộ các sản phẩm, từ đó hệ thống trích xuất danh sách các sản phẩm có chỉ số PageRank cao nhất để hiển thị tại mục "Sản phẩm Hot" trên trang chủ.

3. Cơ chế gợi ý sản phẩm tương đồng giữa các khách hàng hoạt động dựa trên nguyên lý nào?

Hệ thống sử dụng thuật toán Node Similarity dựa trên chỉ số tương tự Jaccard để so sánh tập hợp các sản phẩm mà hai khách hàng $A$ và $B$ cùng quan tâm. Chỉ số Jaccard $J(A, B)$ được tính bằng tỷ số giữa số phần tử giao và số phần tử hợp của hai tập sản phẩm. Khi đạt ngưỡng tương đồng, hệ thống thiết lập mối quan hệ SIMILARITY giữa hai nút người dùng trong Neo4j và tiến hành gợi ý các sản phẩm mà khách hàng này đã mua sang cho khách hàng kia.

4. Hệ thống công nghệ (Tech Stack) chính được tác giả lựa chọn để phát triển đề tài là gì?

Hệ thống sử dụng React Native để phát triển ứng dụng di động cho khách hàng; xây dựng giao diện Web Admin để quản lý danh mục, sản phẩm, khuyến mãi và công cụ crawl dữ liệu; sử dụng môi trường Node.js (JavaScript) xây dựng máy chủ back-end xử lý các RESTful API; và sử dụng hệ quản trị cơ sở dữ liệu đồ thị Neo4j kết hợp ngôn ngữ truy vấn Cypher để lưu trữ dữ liệu và tính toán các thuật toán gợi ý.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Lê Thành An đã hoàn thành việc thiết kế và xây dựng ứng dụng thương mại điện tử EC Mobile tích hợp hệ thống gợi ý sản phẩm dựa trên nền tảng cơ sở dữ liệu đồ thị Neo4j, Node.js và React Native. Đề tài đã giải quyết bài toán hỗ trợ người dùng tìm kiếm sản phẩm phù hợp thông qua việc áp dụng thuật toán PageRank để xếp hạng sản phẩm nổi bật và thuật toán Node Similarity (Jaccard) để gợi ý cá nhân hóa dựa trên độ tương đồng hành vi. Mặc dù còn giới hạn thử nghiệm ở phạm vi phòng thí nghiệm với hơn 700 sản phẩm từ Tiki.vn, hệ thống đã chứng minh tính khả thi cao và tạo nền tảng vững chắc cho việc phát triển các ứng dụng thương mại điện tử thông minh.

Trích đoạn nội dung tài liệu

Chương 1. TONG QUAN VE DE TÀI 1. Tén dé tai XAY DUNG VA PHAT TRIEN UNG DUNG BAN HANG TICH HOP GOI Y SAN PHAM DEN NGƯỜI DUNG — EC MOBILE (E-Commerce Recommendation Application) 1. Dat van dé Hiện nay có kha nhiều web bán hàng thuộc các đơn vi kinh doanh tại Việt Nam trên internet, qui mô từ nhỏ đến lớn,.

nhưng đa số những web này khá tương tự nhau và chưa có nhiều lắm sự tương tác với người sử dụng. Khi một khách hàng vào một website thương mại điện tử thì có hai xu hướng: thứ nhất là họ đã định hướng được sản phẩm cụ thê mà họ đã mua, thứ hai là họ chỉ định hướng được loại sản phẩm ma họ sẽ mua. Đối với trường hợp thứ nhất thì đơn giản là họ đã định hướng được sẽ mua sản phẩm nào rồi, van dé chỉ là chọn mua ở đâu mà thôi. Đối với trường hợp thứ hai thì người dùng sẽ gặp khó khăn hơn nhiều, họ sẽ phải chọn sản phẩm phù hợp nhất với nhu cau của họ.

Vấn dé đặt ra là làm sao họ có thé làm được điều đó trong vô vản sản phẩm cùng chủng loại mà họ đang tìm. Trong trường hợp này người dùng sẽ cần đến sự trợ giúp của hệ thống gợi ý san phâm dé giải quyết van đề về này. Rất lâu rồi facebook hay youtube, Ebay, Amazon, Netflix đã có chức năng gợi ý người dùng, dựa vào chủ đề mà người dùng click và xem, cũng như thời gian người dùng xem, hay dựa vào thông tin của người dùng như địa chỉ, tuổi, giới tính mà có những gợi ý phù hợp, giúp cho người ding có trải nghiệm tốt hơn, thích thú hơn khi sử dụng. Đa số các website bán hàng hiện tại chưa có hệ thống phân tích gợi ý người dùng hay chức năng gợi ý người dùng cũng như có các giải pháp về trải nghiệm người dùng như lưu lại giỏ hàng hay lưu lại những sản phẩm đã xem nhưng cũng chưa thật sự đem lại trải nghiệm tốt hơn cho người dùng.

Do đó tại sao chúng ta không tích hợp hệ gợi ý người dùng cho một ứng dụng bán hàng? Với nó, phần nào làm tăng giá trị của doanh nghiệp, cũng như tăng tỉ lệ thành công hơn khi khách hàng khi đến với app, cũng tăng trải nghiệm cho người dùng tốt hơn. Mục tiêu của đề tài Xây dựng ứng dụng di động mang tên EC Mobile với những mục tiêu cụ thể như sau: - Ung dụng giải quyết được vấn đề đặt ra ban đầu về nhu cầu mua sắm của khách hàng. Từ đó hỗ trợ gợi ý sản phẩm phủ hợp nhất dựa trên sự tương tác trong quá trình mua sắm của khách hàng. - Ung dụng cung cấp day đủ các chức năng cơ bản như đăng kí, đăng nhập, xem hàng, thêm giỏ hàng, thanh toán, bình luận sản phẩm.

- Giao diện ứng dụng được thiết kế một cách trực quan, chuyên nghiệp, thân thiện va dé sử dụng.1 Thống kê chức năng ứng dụng Tén chức năng Chức năng Chức năng cơ bản | Sử dụng số điện thoại cho đăng nhập và đăng kí tài khoản khách hàng. Tìm kiếm, thêm sản phẩm vào giỏ hàng và thanh toán. (Admin) Công cụ thu thập thông tin đữ liệu sản phẩm từ trang thương „ mại điện tử tikI.vn, lưu vê cơ sở dữ liệu. Crawl sản phâm từ tiki.vn Chức năng xem va | Hiển thị chi tiết san phẩm bao gồm: bình luận sản phẩm - _ Tên sản phẩm - Gia tiên - Tổng số sao của sản pham (được tính dựa theo lượt xem, bình luận và mua sản pham) - _ Nội dung bình luận Chức năng bình luận bao gồm: - Nội dung bình luận - Mute độ hai lòng (tốt, không tốt) đối với sản phẩm Gợi ý sản phẩm Hệ thống tạo nhiều chiến dịch giảm giá, trong mỗi chiến dịch đang nằm trong bao gồm các sản phẩm phù hợp theo nội dung chiến dịch và chiên dịch giảm giá được giảm theo một mức giá nhất định.

Gợi ý danh sách Hệ thống tổng hợp danh sách tất cả các sản phẩm đang giảm sản phẩm giảm giá giá và sắp xếp theo thứ tự giảm giần % giá giảm. mạnh trong tuần Gợi ý những sản Khi xem chỉ tiết một sản phẩm, hệ thống sẽ lấy thông tin những phẩm liên quan sản phẩm khác nằm cùng danh mục và hién thị thêm cho khách hàng bên dưới đê có thêm nhiêu sự lựa chọn. (Nỗi bật) Hệ thống sử dụng thuật toán PageRank dé đánh giá tam quan trọng tương đối của 1 sản phâm nhất định trong toàn bộ hệ Gợi ý những sản thống. Từ đó có được danh sách những sản phẩm tốt, được phẩm có độ Hot nhiều người quan tâm giúp khách hàng có trãi nghiệm tốt hơn cao trong tuân trong việc tìm kiêm sản phâm.

(Nỗi bat) Sử dụng thuật toán tìm điểm tương đồng (Node Similarity) tính toán và tìm ra được những khách hàng có điểm chung trong Gợi ý những sản việc mua sam. phẩm dựa trên mức độ tương đồng của Thuật toán này so sánh tập hợp các nút (ở đây là những khách các khách hàng với | hàng) có những điểm chung ví dụ cùng yêu thích một sản nhau phẩm, từ đó thống kê được danh sách những Khách hang có chung sở thích. Khi đó hệ thống sẽ gợi ý những sản phẩm mà khách hàng này đã mua cho các khách hàng khác có chung sở thích với mình. (Nỗi bật) Khi tìm kiếm một sản phẩm, hệ thống sẽ gợi ý những sản phẩm tương tự mà những người bạn cũng đã từng tương tác với Gợi ý những sản „ a „ _ | những sản pham đó.

phâm đã tìm kiêm mà những khách hàng khác cũng quan tâm 1. Đối tượng và phạm vi nghiên cứu 1. Đối tượng nghiên cứu Khoá luận này hướng đến việc nghiên cứu các đối tượng sau: - _ Nghiên cứu và tìm hiểu về nhu cầu thực tế của người dùng đối với ứng dụng mua sắm gợi ý sản phẩm đến người dùng. - _ Nghiên cứu về các yêu cầu và kỹ thuật trong việc xây dựng ứng dụng trên thiết bị di động.

- _ Nghiên cứu về các thuật toán ma Neo4j hỗ tro dé giải quyết các van đề về gợi ý sản phâm đên người dùng. - _ Nghiên cứu về công nghệ, cơ chế hoạt động và ứng dụng của NodeJS, hệ quan trị cơ sở dữ liệu Neo4j trong việc xây dựng server và quản lý, lưu trữ co sở dữ liệu cho ứng dụng. - _ Nghiên cứu ứng dụng các kĩ thuật, thư viện hỗ trợ thiết kế giao diện ứng dụng phù hợp với xu hướng thiết kế hiện tại trên thị trường. Phạm vi nghiên cứu Đề tài được nghiên cứu và xây dựng ứng dụng cho thiết bị đi động hoạt động ở hai hệ điều hành Android và IOS.

Đề tài được nghiên cứu, hoàn thiện thành một sản phẩm cụ thê và được kiểm tra, thử nghiệm ở quy mô vừa phải. Nội dung và phương pháp nghiên cứu Nôi dung 1. Khảo sát nhu cầu, cách thức hoạt động của ứng dụng. Mục đích: Nắm rõ nhu cầu mua sắm online của khách hàng, biết được khi nào khách hàng quan tâm đến những mặt hàng nào.

Phương pháp thực hiện: Phân tích, khảo sát thực tế về nhu cầu của người sử dụng đối với các ứng dụng khai thác về đề tài mua sắm online. Kết quả thực hiện: Khảo sát được số liệu thống kê về nhu cầu mua sắm online, mức độ cần thiết của ứng dụng. Lên kế hoạch xây dựng và phát triển ứng dụng. Phân tích, thiết kế hệ thống và các thuật toán áp dụng để có được kết quả gợi ý sản phẩm đến người dùng.

Ap dụng các thuật toán vào xử li dit liệu dé cho ra được kết qua gỢI ý chính xác và tốt nhất đến khách hàng. Phương pháp thực hiện. Tham khảo những tài liệu về phân tích chức năng ứng dụng, tiến hành nghiên cứu các thuật toán và áp dụng vào giải quyết vấn đề. Kết quả thực hiện: (1) Thuật toán Page Rank [3]: Dé giải quyết bài toán gợi ý những sản pham có độ ảnh hưởng cao trong hệ thống cho khách hàng ta dùng thuật toán PageRank.

PageRank là thuật toán phân tích các liên kết được dùng trong Google Search để xếp hạng các trang web. Thuật toán này chỉ định giá trị nhất định cho mỗi thành phần của một tập hợp các văn bản liên kết với nhau, ví dụ như WWW. Mục đích "đo" tầm quan trọng tương đối của các liên kết trong tập hợp đó. Áp dụng vào bài toán dùng để đánh giá tầm quan trọng tương đối của 1 sản phẩm nhất định trong toàn bộ hệ thống.

Giả sử sản phâm A được các khách hàng T1.Tn quan tâm (dựa vào lượt xem , mua, bình luận). Ta có công thức tính chi sỐ PageRank của sản phẩm A như sau: Hình 1.1 Công thức tính chỉ số PageRank Trong đó: T: Số lượng và chất lượng quan tâm của khách hàng đối với sản phẩm. C: Số lượng Outlink trên mỗi sản phâm. PR: Chỉ số PageRank trên từng sản phẩm.

Tham số d: Hệ số điều chỉnh, đa phần thường lấy d là 0,85. PageRanks tạo một tỉ lệ % phân bố điểm số trên các sản phẩm, do đó PageRank của tổng tất cả các sản phâm sẽ là một. Giá trị PageRank càng cao đồng nghĩa sản phẩm đó càng được nhiều người ưa chuộng. Từ đó ta có được danh sách các sản pham đang Hot.0 / ^ \ w g = : Le Es § 2 Ma 5 \ ` | £ GÀ | # = | „FOCus `” \ ¬— an | / H dong h — a \ 9 2 1 dabo Xã = 2 3 Z : 5\ ^^ \ / Ms rZZ cog b3 ` %an 5 2 338000.0 ˆ_— §MILARITy + — OF ——h00000) ~~ SIMILARITY Hình 1.2 Mô tả độ ảnh hưởng của sản phẩm trên hệ thong Chú thích: (1)- Node Product: Là những sản phẩm của hệ thông.

(2)- Node User: Là những khách hàng của hệ thống. (3)- Node Order: Là những giỏ hàng đã được thanh toán của khách hàng. (4)- Node Comment: Là những bình luận về một sản phâm của khách hàng. (2) Thuật toán NodeSimilarity [3]: Sử dụng thuật toán tìm điểm tương đồng (Node Similarity) tính toán và tìm ra được những khách hàng có điểm chung trong việc mua sắm.

Thuật toán này so sánh tập hợp các nút (ở đây là những khách hàng) có những điểm chung ví dụ cùng yêu thích một sản phẩm, từ đó thống kê được danh sách những Khách hàng có chung sở thích. Node Similarity tính toán các điểm tương đồng theo cặp dựa trên số liệu Jaccard, còn được gọi là Điểm tương tự Jaccard. Chi số Jaccard là một số từ 0 đến 1 cho biết hai tập hợp giống nhau như thé nào. Nếu hai tập hợp không có phần tử chung, thì chỉ số Jaccard bằng 0.