Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh toàn cầu hóa và sự phát triển mạnh mẽ của cuộc Cách mạng Công nghiệp 4.0, công nghệ thông tin cùng mạng Internet đã thúc đẩy mạnh mẽ hành vi tiêu dùng trực tuyến. Đặc biệt, sự bùng phát của đại dịch COVID-19 và các biện pháp giãn cách xã hội đã tạo ra trạng thái "bình thường mới", khiến người tiêu dùng chuyển dịch phương thức mua sắm sang các nền tảng thương mại điện tử (TMĐT). Theo thống kê khu vực Châu Á - Thái Bình Dương được trích dẫn trong đề tài, có tới 93% người dùng đã thực hiện giao dịch trên các trang TMĐT.

Tuy nhiên, thị trường TMĐT đối mặt với rào cản lớn là tính bất đối xứng thông tin giữa người mua và người bán, đặc biệt là trong ngành hàng mỹ phẩm. Người mua không thể trực tiếp kiểm nghiệm chất lượng sản phẩm tại thời điểm mua, trong khi mỹ phẩm lại là mặt hàng cần thời gian dài sử dụng mới thấy rõ hiệu quả và tiềm ẩn rủi ro về hàng giả, hàng kém chất lượng. Kết quả khảo sát thực tế cho thấy 56% người tiêu dùng từ chối mua mỹ phẩm online vì thiếu niềm tin vào chất lượng và tính xác thực của thông tin.

Xuất phát từ thực tiễn trên, đề tài khóa luận "Ứng dụng Học máy để phân tích và dự báo quyết định mua mỹ phẩm online của khách hàng" được tác giả Nguyễn Thị Hồng Yến thực hiện nhằm xây dựng công cụ định lượng hỗ trợ các doanh nghiệp bán lẻ trực tuyến dự báo chính xác quyết định mua hàng, từ đó điều chỉnh chiến lược kinh doanh.

  • Mục tiêu nghiên cứu: Phân tích và dự báo quyết định mua mỹ phẩm online của khách hàng dựa trên phương pháp Học máy (Machine Learning); từ đó đề xuất các kiến nghị giúp các cửa hàng, trang web bán mỹ phẩm trực tuyến cải thiện chiến lược bán hàng và nâng cao doanh thu, lợi nhuận.
  • Câu hỏi nghiên cứu:
    1. Tác động của các yếu tố đến ý định mua mỹ phẩm theo phương thức trực tuyến của khách hàng?
    2. Làm thế nào để dự báo ý định mua hàng online của khách hàng một cách có hiệu quả?
  • Đối tượng nghiên cứu: Các nhân tố ảnh hưởng đến quyết định của khách hàng đối với việc mua sắm mỹ phẩm trực tuyến.
  • Phạm vi nghiên cứu:
    • Đối tượng khảo sát: Khách hàng là sinh viên hoặc người đã đi làm đã từng trải nghiệm mua mỹ phẩm theo phương thức trực tuyến.
    • Không gian: Dữ liệu thu thập từ một cửa hàng đang kinh doanh mỹ phẩm theo hình thức trực tuyến trên địa bàn thành phố Hà Nội.
    • Thời gian hoàn thành: Tháng 04 năm 2021.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết hành vi người tiêu dùng

Đề tài tổng hợp và kế thừa ba mô hình nền tảng trong nghiên cứu hành vi tiêu dùng và chấp nhận công nghệ:

  • Mô hình Thuyết hành động hợp lý (Theory of Reasoned Action - TRA) (Fishbein & Ajzen, 1975): Chỉ ra rằng ý định hành vi (Behavioral Intention - BI) chịu tác động bởi hai yếu tố chính là Thái độ đối với hành vi (Attitude Toward the Behavior - ATT) và Chuẩn chủ quan (Subjective Norm - SN).
  • Mô hình Thuyết hành vi dự định (Theory of Planned Behavior - TPB) (Ajzen): Bổ sung thêm biến Nhận thức kiểm soát hành vi (Perceived Behavioral Control - PBC) vào mô hình TRA nhằm giải thích các hành vi mà cá nhân không hoàn toàn kiểm soát được.
  • Mô hình Chấp nhận công nghệ (Technology Acceptance Model - TAM) (Fred Davis): Mở rộng từ TRA, thay thế các yếu tố thái độ bằng hai biến cốt lõi là Nhận thức sự hữu ích (Perceived Usefulness - PU) và Nhận thức tính dễ sử dụng (Perceived Ease of Use - PEOU).

Phương pháp nghiên cứu và thuật toán Học máy

Nghiên cứu tiếp cận bài toán dự báo ý định mua hàng dưới dạng Bài toán phân loại nhị phân (Binary Classification Problem) thuộc nhóm Học có giám sát (Supervised Learning). Các thuật toán được triển khai và so sánh bao gồm:

  1. Hồi quy Logistic (Logistic Regression): Dự báo xác suất xảy ra biến cố $P(Y=1)$ thông qua hàm Logit, tỷ số nguy cơ (Odds Ratio) và tối ưu hóa bằng hàm mất mát (Loss Function) trên phương pháp ước lượng hợp lý cực đại.
  2. Cây quyết định (Decision Tree): Nghiên cứu chi tiết hai thuật toán chính:
    • Thuật toán CART (Classification and Regression Trees): Tạo cây nhị phân dựa trên chỉ số bất thuần Gini (Gini Impurity / Gini Index).
    • Thuật toán ID3 (Iterative Dichotomiser 3): Tạo cây đa nhánh dựa trên độ hỗn loạn Entropy và Lượng thông tin thu được (Information Gain - IG).
  3. Rừng ngẫu nhiên (Random Forest) (Breiman, 2001): Phương pháp học kết hợp (Ensemble Learning) gồm nhiều cây quyết định độc lập, áp dụng kỹ thuật chọn mẫu có hoàn lại Bootstrap (Bootstrap Aggregating) và ước lượng sai số trên tập dữ liệu Out-of-Bag (OOB), đưa ra kết quả phân loại dựa trên cơ chế bỏ phiếu đa số.

Nguồn dữ liệu và công cụ xử lý

  • Nguồn dữ liệu: Khảo sát ngẫu nhiên khách hàng tại một cửa hàng mỹ phẩm trực tuyến ở Hà Nội. Dữ liệu gốc thu về gồm 650 quan sát; sau quá trình làm sạch và loại bỏ các phiếu không hợp lệ, mẫu nghiên cứu chính thức còn lại 580 quan sát.
  • Công cụ phân tích: Các phần mềm và chương trình phân tích chuyên dụng trên máy tính như R, SPSS, Weka.

Nội dung chính theo từng chương

Chương 1. Cơ sở lý luận và tổng quan nghiên cứu

Chương 1 hệ thống hóa các khái niệm căn bản về TMĐT và thị trường mỹ phẩm:

  • Khái niệm và đặc trưng TMĐT: Phân loại 9 hình thức giao dịch theo chủ thể (B2B, B2C, B2E, B2G, G2B, G2G, G2C, C2C, C2B) và 2 loại hình kinh doanh (truyền thống, hiện đại gồm T-commerce, M-commerce). Xác định 4 đặc trưng khác biệt của TMĐT so với thương mại truyền thống: không tiếp xúc trực tiếp, thị trường toàn cầu không biên giới, sự xuất hiện của bên thứ ba (nhà cung cấp dịch vụ mạng/chứng thực), và mạng lưới thông tin đóng vai trò là thị trường.
  • Khái quát và đặc tính ngành mỹ phẩm: Trích dẫn định nghĩa mỹ phẩm của Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) và Bộ Y tế Việt Nam. Phân loại theo công năng (Dược mỹ phẩm, Hóa mỹ phẩm), mục đích sử dụng (Mỹ phẩm bề ngoài, Dự phòng, Sửa chữa) và bộ phận cơ thể (Mặt, Cơ thể, Móng, Trẻ sơ sinh, Tóc). Phân tích đặc tính bất đối xứng thông tin cao của mỹ phẩm.
  • Thực trạng thị trường mỹ phẩm Việt Nam: Thị trường đạt doanh thu khoảng 15.000 tỷ đồng/năm (~700 triệu USD), song các doanh nghiệp nội địa chỉ chiếm 10% thị phần, 90% còn lại là đại lý/nhà phân phối nước ngoài. Trích dẫn khảo sát của Q&Me (đầu năm 2020 trên 458 phụ nữ từ 16 tuổi trở lên): chi tiêu trung bình cho mỹ phẩm chăm sóc da là 436.000 VNĐ/tháng, 73% từng mua qua TMĐT, 61% nhu cầu tập trung ở nhóm từ 23 tuổi trở lên, 60% dùng sản phẩm chăm sóc da hàng ngày, và 56% từ chối mua online vì lo ngại chất lượng.
  • Tổng quan nghiên cứu: Tổng kết các nghiên cứu trong nước (Hà Mạnh Thắng, 2015; Nguyễn Thị Kim Vân & Quách Thị Khánh Ngọc, 2013; Nguyễn Quang Thu & Lưu Thị Kim Tuyến, 2018; Nguyễn Đinh Yến Oanh & Quách Lý Xuân An, 2018) và các nghiên cứu quốc tế ứng dụng Machine Learning (Ljiljanka Kvesić, 2013; S. Satchidananda & Jay B. Simba, 2006). Trên cơ sở đó, tác giả lựa chọn 7 biến độc lập đưa vào mô hình.

Chương 2. Phương pháp nghiên cứu

Chương 2 trình bày tổng quan về Machine Learning và chi tiết kỹ thuật của các thuật toán phân loại:

  • Khái niệm và lịch sử phát triển của Machine Learning: Định nghĩa theo Arthur Samuel (1959); tóm lược các cột mốc lịch sử từ định lý Bayes, phép thử Turing (1950), Perceptron (1957), NetTalk (1985), Deep Blue (1997), Học sâu (2006) đến AlphaGo (2016) và Libratus (2017).
  • Phân loại bài toán: Phân biệt Học có giám sát (Hồi quy, Phân loại), Học không giám sát và Học tăng cường.
  • Lý thuyết các thuật toán phân loại áp dụng:
    • Hồi quy Logistic: Thiết lập hàm Logit, Odds Ratio, hàm mất mát (Binary Cross-Entropy Loss), chứng minh mối quan hệ giữa hàm Loss và độ chính xác dự báo.
    • Cây quyết định (Decision Tree): Cấu trúc cây (Root Node, Internal Node, Branches, Leaf Node); các bước xây dựng cây (tiền xử lý, tách cây, tiêu chuẩn dừng, cắt tỉa theo độ dài mô tả ngắn nhất MDL).
    • So sánh thuật toán CART và ID3:
Tiêu chí so sánh Thuật toán CART Thuật toán ID3
Cấu trúc phân nhánh Phân chia nhị phân (2 nhánh) Phân chia đa nhánh
Loại biến đầu vào Chấp nhận cả biến định lượng và định tính Chủ yếu xử lý biến định tính
Độ đo chọn thuộc tính Chỉ số bất thuần Gini (Gini Index) Lượng thông tin thu được (Information Gain - IG) / Entropy
Cơ chế cắt tỉa Kết hợp cắt tỉa ngay trong quá trình dựng cây Xây dựng cây hoàn chỉnh rồi mới tiến hành cắt tỉa
Sự xuất hiện của thuộc tính Một thuộc tính có thể xuất hiện nhiều lần trên một nhánh Mỗi thuộc tính chỉ xuất hiện tối đa một lần trên một nhánh
  • Thuật toán Rừng ngẫu nhiên (Random Forest): Trình bày cấu trúc kết hợp nhiều cây quyết định ngẫu nhiên, cơ chế chọn mẫu Bootstrap (lấy mẫu có hoàn lại tạo ra tập mẫu riêng cho mỗi cây), tỷ lệ 1/3 mẫu không được chọn gọi là dữ liệu Out-of-Bag (OOB) dùng để ước lượng sai số và độ quan trọng của biến, cùng cơ chế khắc phục hiện tượng quá khớp (overfitting) của Decision Tree đơn lẻ.

Chương 3. Ứng dụng Machine Learning để dự báo quyết định mua mỹ phẩm online của khách hàng

Chương 3 triển khai thực nghiệm mô hình trên bộ dữ liệu khảo sát thực tế:

  • Mô tả dữ liệu và hệ thống biến số: Bộ dữ liệu gồm 580 quan sát hợp lệ.
    • Biến phụ thuộc ($INT$): Ý định mua mỹ phẩm online tại cửa hàng ($INT = 0$: Không có ý định; $INT = 1$: Có ý định).
    • 7 Biến độc lập: Giới tính ($SEX$), Độ tuổi ($AGE$), Nghề nghiệp, Tình trạng hôn nhân/gia đình, Mức độ quan tâm về thương hiệu mỹ phẩm, Số lần từng mua hàng, Thu nhập.
  • Kết quả ước lượng các mô hình:
    • Mô hình Hồi quy Logistic: Trình bày bảng tham số ước lượng các hệ số hồi quy, tỷ số nguy cơ (Odds Ratio) và mức độ tác động của từng biến nhân khẩu học và hành vi tới xác suất quyết định mua hàng.
    • Mô hình Cây quyết định: Hiển thị sơ đồ cây phân nhánh, xác định các nút điều kiện phân loại khách hàng, đánh giá độ chính xác qua Ma trận nhầm lẫn (Confusion Matrix) và chỉ số Mean Decrease Gini.
    • Mô hình Rừng ngẫu nhiên: Ước lượng độ quan trọng của các thuộc tính, tính toán sai số OOB và đánh giá độ chính xác trên ma trận nhầm lẫn.
  • So sánh kết quả các mô hình: Bảng tổng hợp các chỉ số đánh giá hiệu năng (Accuracy, Confusion Matrix statistics) giữa Hồi quy Logistic, Cây quyết định và Rừng ngẫu nhiên để xác định thuật toán tối ưu nhất cho bộ dữ liệu.

Chương 4. Kết luận và kiến nghị

  • Kết luận: Tổng kết các phát hiện chính về các yếu tố tác động mạnh nhất đến quyết định mua mỹ phẩm online của khách hàng (như độ tuổi, giới tính, thương hiệu, số lần mua trước đó).
  • Kiến nghị thực tiễn: Đề xuất giải pháp cho các cửa hàng/trang web kinh doanh mỹ phẩm trực tuyến nhằm nâng cao tính minh bạch, giảm thiểu bất đối xứng thông tin, tối ưu hóa giao diện và cá nhân hóa chương trình khuyến mãi theo từng phân khúc khách hàng mục tiêu.
  • Hạn chế của đề tài và hướng nghiên cứu tiếp theo: Nêu rõ các giới hạn về cỡ mẫu, phạm vi địa bàn khảo sát và đề xuất hướng mở rộng nghiên cứu trong tương lai.

Kết quả và đóng góp

  • Kết quả chính:
    • Đề tài đã xây dựng thành công bộ dữ liệu khảo sát gồm 580 quan sát thực tế tại một cửa hàng mỹ phẩm trực tuyến ở Hà Nội, chuẩn hóa 7 nhóm biến độc lập phản ánh đặc điểm nhân khẩu học và hành vi tiêu dùng.
    • Triển khai đồng thời ba thuật toán học máy phân loại (Logistic Regression, Decision Tree CART/ID3, Random Forest), cung cấp bảng ma trận nhầm lẫn (Confusion Matrix) và chỉ số Mean Decrease Gini để so sánh hiệu quả phân loại khách hàng có hoặc không có ý định mua sắm trực tuyến.
    • Nhận diện được mức độ ảnh hưởng của các biến số như độ tuổi, giới tính, mức độ quan tâm thương hiệu và tần suất mua sắm trong quá khứ tới quyết định mua mỹ phẩm.
  • Giải pháp và kiến nghị đề xuất:
    • Cung cấp khuyến nghị quản trị cho các doanh nghiệp TMĐT bán lẻ mỹ phẩm trong việc giảm thiểu bất đối xứng thông tin (minh bạch nguồn gốc, kiểm định chất lượng, hiển thị đánh giá xác thực từ người dùng trước).
    • Ứng dụng mô hình học máy vào hệ thống quản lý quan hệ khách hàng (CRM) để tự động nhận diện và phân loại nhóm khách hàng tiềm năng, từ đó tối ưu hóa chi phí tiếp thị và gia tăng tỷ lệ chuyển đổi đơn hàng.
  • Đóng góp của đề tài: Đề tài là một trong những nghiên cứu ứng dụng kết hợp giữa lý thuyết hành vi người tiêu dùng (TRA, TPB, TAM) với các thuật toán Học máy hiện đại vào thị trường bán lẻ mỹ phẩm trực tuyến tại Việt Nam — lĩnh vực trước đây chủ yếu sử dụng các phương pháp phân tích thống kê truyền thống.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế của đề tài:
    • Phạm vi thu thập dữ liệu: Dữ liệu nghiên cứu mới chỉ được thu thập tại một cửa hàng kinh doanh mỹ phẩm trực tuyến trên địa bàn thành phố Hà Nội với quy mô 580 quan sát sau làm sạch, chưa đại diện cho toàn bộ người tiêu dùng TMĐT trên quy mô cả nước.
    • Số lượng thuộc tính: Nghiên cứu tập trung vào 7 biến độc lập cơ bản về nhân khẩu học và hành vi mua sắm, chưa bao quát hết các yếu tố phức tạp khác như trải nghiệm giao diện người dùng (UI/UX), chính sách vận chuyển, hay các yếu tố tâm lý hành vi chi tiết.
  • Hướng nghiên cứu tiếp theo:
    • Mở rộng quy mô mẫu khảo sát trên nhiều tỉnh thành và trên các sàn TMĐT lớn (Shopee, Lazada, Tiki).
    • Thu thập thêm các biến số về nhận thức rủi ro, niềm tin thương hiệu và dịch vụ hậu mãi.
    • Thử nghiệm thêm các thuật toán học máy phức tạp hơn hoặc các mô hình Học sâu (Deep Learning) để nâng cao độ chính xác dự báo.

Giá trị tham khảo

  • Đối tượng thụ hưởng:
    • Sinh viên và học viên các ngành Toán Kinh tế, Phân tích dữ liệu kinh doanh, Hệ thống thông tin quản lý, Thương mại điện tử và Marketing.
    • Các chủ doanh nghiệp, nhà quản lý cửa hàng kinh doanh trực tuyến đang tìm kiếm giải pháp ứng dụng khoa học dữ liệu vào dự báo hành vi khách hàng.
  • Nội dung đáng tham khảo:
    • Chương 2: Cung cấp tài liệu tổng hợp có hệ thống về cơ sở toán học và nguyên lý vận hành của các thuật toán Hồi quy Logistic, Cây quyết định (so sánh chi tiết CART vs ID3, Gini vs Entropy) và Rừng ngẫu nhiên (Bootstrap, OOB).
    • Chương 3: Quy trình chuẩn về chuẩn bị dữ liệu, chọn biến, huấn luyện mô hình phân loại và sử dụng Confusion Matrix để so sánh hiệu năng các mô hình Machine Learning trên bài toán kinh tế thực tế.

Câu hỏi thường gặp

1. Mục tiêu chính và đối tượng nghiên cứu của chuyên đề thực tập này là gì?

Mục tiêu của chuyên đề là ứng dụng các thuật toán Học máy (Logistic Regression, Decision Tree, Random Forest) để phân tích và dự báo quyết định mua mỹ phẩm online của khách hàng tại cửa hàng kinh doanh trực tuyến, từ đó đề xuất giải pháp bán hàng hiệu quả. Đối tượng nghiên cứu là các nhân tố ảnh hưởng đến quyết định mua sắm mỹ phẩm trực tuyến của khách hàng (sinh viên hoặc người đi làm đã từng mua mỹ phẩm online).

2. Quy mô mẫu và nguồn số liệu thực nghiệm được sử dụng trong đề tài như thế nào?

Số liệu được thu thập từ một cửa hàng đang kinh doanh mỹ phẩm trực tuyến trên địa bàn Hà Nội. Mẫu khảo sát ban đầu thu về gồm 650 quan sát ngẫu nhiên; sau khi tiền xử lý và loại bỏ các phiếu không hợp lệ, bộ dữ liệu chính thức đưa vào mô hình gồm 580 quan sát.

3. Đề tài đã lựa chọn những biến số nào để đưa vào mô hình dự báo?

Đề tài sử dụng 1 biến phụ thuộc nhị phân là $INT$ (Ý định mua mỹ phẩm online tại cửa hàng: 0 = Không có ý định, 1 = Có ý định) và 7 biến độc lập gồm: Giới tính ($SEX$), Độ tuổi ($AGE$), Nghề nghiệp, Tình trạng hôn nhân/gia đình, Mức độ quan tâm về thương hiệu mỹ phẩm, Số lần từng mua hàng, và Thu nhập.

4. Tác giả đã tổng hợp những khung lý thuyết hành vi người tiêu dùng nào?

Tác giả đã hệ thống hóa ba mô hình lý thuyết hành vi nền tảng gồm: Mô hình Thuyết hành động hợp lý (TRA của Fishbein & Ajzen, 1975), Mô hình Thuyết hành vi dự định (TPB của Ajzen), và Mô hình Chấp nhận công nghệ (TAM của Fred Davis).

5. Vì sao mỹ phẩm trong thương mại điện tử lại có tính bất đối xứng thông tin cao theo phân tích của tác giả?

Theo tác giả, mỹ phẩm là mặt hàng không thể kiểm chứng chất lượng tức thì như quần áo hay vải vóc mà chỉ thể hiện kết quả sau một thời gian dài sử dụng. Người mua biết ít thông tin về chất lượng thực tế hơn người bán, dễ gặp rủi ro hàng giả/hàng nhái, dẫn đến việc 56% người tiêu dùng trong khảo sát từ chối mua online do không tin tưởng vào chất lượng và tính trung thực của thông tin.

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Thị Hồng Yến đã giải quyết thành công bài toán phân loại và dự báo ý định mua mỹ phẩm trực tuyến của khách hàng bằng việc kết hợp các khung lý thuyết hành vi (TRA, TPB, TAM) với phương pháp Học máy hiện đại. Nghiên cứu đã thực nghiệm và đánh giá so sánh ba thuật toán phân loại phổ biến gồm Hồi quy Logistic, Cây quyết định và Rừng ngẫu nhiên trên bộ dữ liệu 580 quan sát thực tế tại Hà Nội. Kết quả đạt được không chỉ có giá trị học thuật trong việc ứng dụng định lượng vào kinh tế số mà còn mang lại các hàm ý quản trị thiết thực giúp các doanh nghiệp TMĐT mỹ phẩm thấu hiểu khách hàng và tối ưu hóa chiến lược kinh doanh.