Bối cảnh và vấn đề nghiên cứu

Trong giai đoạn chuyển đổi số toàn cầu, sự bùng nổ của mạng Internet đã tạo tiền đề cho sự phát triển vượt bậc của thị trường thương mại điện tử (TMĐT). Tính đến tháng 01/2021, quy mô người dùng Internet trên toàn thế giới đạt 4,66 tỷ người (tương đương tỷ lệ thâm nhập 59%); trong đó, tại Việt Nam có khoảng 68,72 triệu người sử dụng, chiếm 70% dân số. Báo cáo Chỉ số Thương mại điện tử Việt Nam năm 2021 của Hiệp hội Thương mại điện tử Việt Nam (VECOM) ghi nhận thị trường TMĐT trong nước năm 2020 đạt quy mô trên 14 tỷ USD (tăng trưởng 16%), riêng lĩnh vực bán lẻ trực tuyến tăng 46%, với tốc độ tăng trưởng kép hàng năm (CAGR) dự báo đạt 29% giai đoạn 2020–2025 để cán mốc 52 tỷ USD vào năm 2025. Báo cáo kinh tế Internet Đông Nam Á năm 2020 của Google, Temasek và Bain & Company cũng chỉ ra rằng Việt Nam dẫn đầu khu vực về tỷ lệ người tiêu dùng mua sắm trực tuyến mới (chiếm 41%).

Sự gia tăng nhanh chóng về lượng thông tin và chủng loại sản phẩm trên các nền tảng số dẫn đến tình trạng quá tải thông tin đối với khách hàng. Trong môi trường bán lẻ trực tuyến, các bên không gặp gỡ trực tiếp và không gian hiển thị thông tin đóng vai trò là thị trường giao dịch. Đặc biệt đối với mặt hàng mỹ phẩm – nhóm sản phẩm tiêu dùng trực tiếp trên cơ thể, mang tính chất hóa học và sinh lý cao, người dùng không thể kiểm nghiệm chất lượng ngay lập tức mà dựa phần lớn vào trải nghiệm dài hạn cũng như đánh giá (reviews/ratings) của cộng đồng. Việc cá nhân hóa trải nghiệm khách hàng và triển khai hệ thống gợi ý bán chéo (cross-selling recommender systems) trở thành nhiệm vụ cốt lõi nhằm tăng doanh số và tối ưu trải nghiệm mua sắm.

Đề tài đặt ra các nhiệm vụ và mục tiêu nghiên cứu cụ thể:

  1. Tổng hợp và hệ thống hóa cơ sở lý luận về thương mại điện tử, đặc tính của ngành hàng mỹ phẩm và các kỹ thuật xây dựng hệ thống gợi ý (Recommender Systems).
  2. Phân tích nguyên lý toán học và cơ chế vận hành của các thuật toán Học máy (Machine Learning) trong hệ gợi ý, tập trung vào hai nhánh: Lọc cộng tác vùng lân cận (Neighborhood-Based Collaborative Filtering - NBCF) và Lọc cộng tác phân rã ma trận (Matrix Factorization Collaborative Filtering - MFCF).
  3. Ứng dụng thực nghiệm các thuật toán trên tập dữ liệu đánh giá thực tế của người dùng đối với ngành hàng mỹ phẩm để giải quyết bài toán dự đoán giá trị xếp hạng và gợi ý danh sách sản phẩm bán chéo.

Đối tượng nghiên cứu: Các kỹ thuật, thuật toán Học máy phục vụ xây dựng hệ thống gợi ý bán chéo sản phẩm trực tuyến.

Phạm vi nghiên cứu: Tập trung vào hành vi và dữ liệu đánh giá của khách hàng đã từng trải nghiệm mua hàng mỹ phẩm trực tuyến trên nền tảng thương mại điện tử Amazon.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và khái niệm nền tảng

  • Thương mại điện tử: Khóa luận tiếp cận định nghĩa TMĐT theo Tổ chức Thương mại Thế giới (WTO) và Ủy ban châu Âu (EC), hệ thống hóa 9 mô hình giao dịch chính (B2B, B2C, B2E, B2G, G2B, G2G, G2C, C2C, C2B) và hai hình thức hiện đại gồm T-commerce (thương mại truyền hình) và M-commerce (thương mại di động).
  • Hàng hóa mỹ phẩm: Dẫn chiếu theo quy định của Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) và Bộ Y tế Việt Nam, mỹ phẩm được xác định là các chất hoặc chế phẩm tiếp xúc bên ngoài cơ thể nhằm làm sạch, bảo vệ, làm thơm hoặc thay đổi diện mạo mà không tác động vĩnh viễn tới cấu trúc sinh lý bên trong. Hàng mỹ phẩm được phân nhóm theo mục đích (dùng ngoài da, dự phòng, chữa trị), theo vùng tác động (mặt, cơ thể, móng, tóc, trẻ sơ sinh) và theo xu hướng (dược mỹ phẩm, hóa mỹ phẩm).
  • Phân loại hệ thống gợi ý: Tác giả hệ thống hóa 4 mô hình gợi ý chính:
    • Hệ gợi ý đơn giản: Dựa trên mức độ phổ biến đại trà (như IMDB Top 250), thiếu tính cá nhân hóa.
    • Hệ gợi ý dựa trên nội dung (Content-based Filtering): Dựa trên hồ sơ người dùng và hồ sơ sản phẩm; ưu điểm là không phụ thuộc dữ liệu cộng đồng, xử lý được sản phẩm mới nhưng hạn chế vì quá tập trung vào chuyên ngành hẹp và khó trích chọn đặc trưng đa phương tiện.
    • Hệ gợi ý dựa trên lọc cộng tác (Collaborative Filtering): Dựa trên sự tương đồng hành vi giữa các thực thể; chia thành phương pháp dựa trên bộ nhớ (Memory-based) và phương pháp dựa trên mô hình (Model-based: quy tắc kết hợp, phân cụm K-means/SOM, cây quyết định, mạng nơ-ron ANN, hồi quy, mô hình nhân tố tiềm ẩn).
    • Hệ gợi ý lai ghép (Hybrid Recommendation): Kết hợp đa phương pháp theo các cơ chế: theo trọng số (Weighted), chuyển đổi (Switching), hỗn hợp (Mixed), kết hợp đặc tính (Feature combination), xếp tầng (Cascaded), tăng cường đặc tính (Feature Augmentation).
  • Ma trận tiện ích (Utility Matrix $R$ cấp $m \times n$): Thể hiện tương tác giữa $m$ người dùng và $n$ sản phẩm. Tác giả phân tích hai phương thức thu thập: phản hồi tường minh (Explicit feedback: thang đo liên tục, thang đo theo khoảng 1–5 sao, thang đo thứ bậc) và phản hồi ẩn (Implicit feedback: lịch sử duyệt web, số lượt nhấp chuột, thời gian dừng).

Phương pháp nghiên cứu thực nghiệm

  • Phương pháp định tính: Thu thập, phân tích tài liệu, tổng hợp khung lý thuyết và chỉ ra khoảng trống nghiên cứu trong việc ứng dụng Machine Learning gợi ý bán chéo mỹ phẩm.
  • Phương pháp định lượng:
    • Lọc cộng tác vùng lân cận (NBCF): Tiếp cận theo người dùng (User-User) và theo sản phẩm (Item-Item). Sử dụng độ đo Cosine điều chỉnh (Adjusted Cosine) trên ma trận tiện ích đã chuẩn hóa theo hàng (trừ trung bình người dùng $\mu_{u_i}$) hoặc theo cột (trừ trung bình sản phẩm $\mu_{v_j}$) kết hợp kỹ thuật lưu trữ ma trận thưa (sparse matrix). Tối ưu hóa số lượng điểm lân cận $k$.
    • Lọc cộng tác phân rã ma trận (MFCF): Phân rã ma trận tiện ích $R \approx U \times V^T$ với không gian nhân tố tiềm ẩn $k$. Thiết lập hàm tổn thất tích hợp chuẩn Frobenius làm đại lượng chính tắc hóa (Regularization) với hệ số $\lambda$: $$L(U, V) = \frac{1}{2s} \sum_{i,j: r_{ij} \neq ?} (r_{ij} - u_i v_j^T)^2 + \frac{\lambda}{2} (|U|_F^2 + |V|_F^2)$$ Tối ưu hóa bằng giải thuật Hạ bớt Gradient (Gradient Descent) cho hàm nhiều biến.
    • Tiêu chuẩn đánh giá sai số: Sử dụng hai chỉ số thống kê tiêu chuẩn là Sai số căn bậc hai trung bình (RMSE) và Sai số tuyệt đối trung bình (MAE): $$\text{RMSE} = \sqrt{\frac{1}{N} \sum (r_{ij} - \hat{r}{ij})^2}, \quad \text{MAE} = \frac{1}{N} \sum |r{ij} - \hat{r}_{ij}|$$

Nguồn dữ liệu

Nghiên cứu sử dụng trích xuất từ bộ dữ liệu công cộng Amazon Review Dataset phiên bản tháng 10/2018 (quy mô toàn bộ gồm 233,1 triệu đánh giá thuộc 29 ngành hàng). Riêng ngành hàng mỹ phẩm có 371.345 lượt đánh giá. Sau các bước làm sạch và tiền xử lý (khử trường thời gian, mã hóa định danh ID), tác giả chọn lọc bộ mẫu thực nghiệm gồm 100.000 lượt đánh giá của 943 người dùng đối với 1.682 sản phẩm mỹ phẩm trên thang điểm 1 đến 5 sao.

Nội dung chính theo từng chương

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

Chương 1 thiết lập nền tảng lý thuyết tổng quan về thị trường TMĐT và đặc điểm tiêu dùng mỹ phẩm trực tuyến. Tác giả chỉ ra 4 điểm khác biệt cốt lõi của TMĐT so với thương mại truyền thống: tính chất không tiếp xúc trực tiếp giữa các bên, thị trường không biên giới, sự hiện diện bắt buộc của bên thứ ba (nhà cung cấp dịch vụ mạng/chứng thực), và mạng lưới thông tin đóng vai trò là chính thị trường giao dịch.

Chương này trình bày chi tiết về bản chất của hệ thống gợi ý, phân tích ma trận tiện ích và chỉ rõ hai bài toán cốt lõi trong hệ gợi ý: dự đoán điểm xếp hạng (rating prediction) và xếp hạng danh sách đề xuất (ranking). Tác giả phân tích lợi ích đa chiều của hệ thống đối với nhà cung cấp (tăng sản lượng tiêu thụ, mở rộng danh mục tiếp cận, thấu hiểu nhu cầu ẩn) và đối với người tiêu dùng (rút ngắn thời gian tìm kiếm, khám phá sản phẩm phù hợp). Phần tổng quan tài liệu chỉ ra khoảng trống nghiên cứu tại Việt Nam: đa phần các sàn TMĐT nội địa chỉ gợi ý đại trà theo mức phổ biến chung, chưa khai thác sâu các thuật toán học máy cá nhân hóa và chưa tập trung xử lý đặc tính phân phối đánh giá riêng biệt của ngành hàng mỹ phẩm.

Chương 2: Phương pháp nghiên cứu

Chương 2 đi sâu vào cấu trúc toán học và quy trình tính toán của hai nhóm thuật toán Machine Learning:

Thuật toán / Kỹ thuật Cơ chế tính toán chính Điểm mạnh Hạn chế
User-User NBCF Đo độ tương tự $S$ giữa các hàng người dùng bằng Adjusted Cosine; dự đoán điểm bằng trung bình có trọng số của $k$ lân cận. Thuật toán tường minh, dễ giải thích kết quả. Điểm nghẽn hiệu suất khi số người dùng biến động lớn; nhạy cảm với dữ liệu thưa và khởi động nguội.
Item-Item NBCF Đo độ tương tự giữa các cột sản phẩm; chuyển vị ma trận tiện ích để tính toán và chuyển vị ngược. Danh mục sản phẩm ổn định hơn người dùng, giảm tần suất cập nhật lại ma trận tương tự. Vẫn chịu tác động bởi độ thưa dữ liệu ma trận ban đầu.
Matrix Factorization (MFCF) Phân rã $R_{m \times n} \approx U_{m \times k} \times V_{n \times k}^T$ qua không gian $k$ nhân tố tiềm ẩn; tối ưu bằng Gradient Descent có Regularization $\lambda$. Tiết kiệm bộ nhớ lưu trữ ($k(m+n)$ thay vì $m^2$ hay $n^2$); tốc độ truy vấn nhanh; khắc phục tốt bài toán dữ liệu thưa. Quá trình huấn luyện mô hình phức tạp do phải luân phiên cố định và cập nhật tham số ma trận.

Bên cạnh mô hình hóa toán học, chương 2 làm rõ giải thuật tối ưu hóa Gradient Descent cho hàm mục tiêu đa biến, phân tích ảnh hưởng của tốc độ học $\beta$ và hệ số chính tắc hóa $\lambda$ nhằm ngăn chặn hiện tượng quá khớp (overfitting).

Chương 3: Ứng dụng Machine Learning để xây dựng hệ thống gợi ý bán chéo sản phẩm khi mua hàng mỹ phẩm trực tuyến

Chương 3 triển khai toàn bộ quy trình thực nghiệm trên mẫu dữ liệu 100.000 đánh giá mỹ phẩm từ Amazon.

  • Thống kê mô tả dữ liệu: Đánh giá phân phối mức điểm 1–5 sao cho thấy xu hướng đánh giá tích cực chiếm ưu thế, tập trung chủ yếu ở mức 4 sao và 5 sao (với 34.174 lượt đánh giá cao nhất ở một mức điểm cụ thể). Giá trị trung vị (Median) và Yếu vị (Mode) của toàn bộ đánh giá đạt mức cao.
  • Hiện tượng đuôi dài (Long-tail): Phân tích số lượt đánh giá trên từng sản phẩm chỉ ra rằng các sản phẩm nhận trên 100 lượt đánh giá chỉ chiếm khoảng 20% trong tổng số 1.682 sản phẩm; 80% sản phẩm còn lại nằm ở phần đuôi dài với số lượng tương tác dưới 100 lượt.
  • Thực nghiệm thuật toán:
    • Thiết lập ma trận tiện ích chuẩn hóa và chạy thử nghiệm thuật toán NBCF theo cả hai hướng tiếp cận User-User và Item-Item với các kích thước vùng lân cận $k$ khác nhau để xác định điểm $k$ tối ưu.
    • Huấn luyện thuật toán MFCF trên các tập chia dữ liệu (train/test), theo dõi giá trị trung bình hàm tổn thất khi chuẩn hóa theo hàng và theo cột, đối sánh trường hợp có và không có hệ số chính tắc hóa $\lambda$.
    • Đánh giá sai số dự đoán qua các bảng tổng hợp RMSE và MAE giữa các mô hình.
    • Kết xuất danh sách Top 10 sản phẩm mỹ phẩm gợi ý bán chéo cho khách hàng mục tiêu từ thuật toán Item-Item NBCF và Matrix Factorization.

Kết quả và đóng góp

Kết quả định lượng

  • Xây dựng thành công quy trình tiền xử lý và mô hình hóa ma trận tương tác người dùng – sản phẩm từ tập dữ liệu lớn của Amazon, thu gọn về không gian 943 người dùng và 1.682 sản phẩm mỹ phẩm với 100.000 bản ghi đánh giá.
  • Chứng minh bằng thực nghiệm rằng phương pháp chuẩn hóa ma trận bằng cách trừ giá trị trung bình (Mean-centering) và áp dụng độ đo Adjusted Cosine giúp triệt tiêu độ thiên lệch đánh giá giữa người dùng khó tính và dễ tính.
  • Làm rõ sự suy giảm hàm tổn thất qua các vòng lặp Gradient Descent trong mô hình Phân rã ma trận, đồng thời xác nhận việc bổ sung thành phần chính tắc hóa Frobenius ($\lambda$) giúp kiểm soát sai số kiểm định và ngăn ngừa hiện tượng quá khớp.
  • Cung cấp danh mục Top 20 sản phẩm nhận nhiều lượt đánh giá nhất và bảng so sánh Top 10 sản phẩm gợi ý bán chéo cụ thể giữa hai phương pháp Item-Item NBCF và Matrix Factorization.

Đóng góp khoa học và ứng dụng thực tiễn

  • Về mặt lý luận: Khóa luận hệ thống hóa một cách chặt chẽ các trường phái thuật toán trong hệ gợi ý thương mại điện tử, đặt trong bối cảnh cụ thể của ngành hàng mỹ phẩm – một lĩnh vực có tần suất tiêu dùng định kỳ và phụ thuộc lớn vào đánh giá định lượng.
  • Về mặt thực tiễn: Đưa ra giải pháp kỹ thuật kết hợp giữa mô hình dựa trên bộ nhớ và mô hình dựa trên nhân tố tiềm ẩn, hỗ trợ các doanh nghiệp bán lẻ trực tuyến tại Việt Nam xây dựng công cụ bán chéo tự động, nâng cao tỷ lệ chuyển đổi đơn hàng và tối ưu hóa không gian lưu trữ dữ liệu.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế:
    • Dữ liệu thực nghiệm được trích xuất từ nền tảng Amazon (khách hàng quốc tế), chưa phản ánh trọn vẹn đặc trưng hành vi tiêu dùng và thói quen chăm sóc da của khách hàng tại thị trường nội địa Việt Nam.
    • Nghiên cứu tập trung vào bài toán phản hồi tường minh (Explicit feedback qua điểm xếp hạng 1–5 sao), chưa kết hợp khai thác các phản hồi ẩn (thời gian xem trang, lịch sử tìm kiếm, hành vi thêm vào giỏ hàng) hoặc dữ liệu văn bản từ nhận xét của người dùng (Sentiment Analysis/NLP).
    • Vấn đề khởi động nguội (Cold-start) đối với các sản phẩm mỹ phẩm mới ra mắt hoặc người dùng chưa có lịch sử đánh giá vẫn là thách thức chưa được giải quyết triệt để trong khuôn khổ mô hình lọc cộng tác đơn thuần.
  • Hướng phát triển:
    • Mở rộng xây dựng hệ gợi ý lai ghép kết hợp Lọc cộng tác và Lọc theo nội dung (trích xuất thuộc tính thành phần mỹ phẩm, thương hiệu, loại da).
    • Tích hợp kỹ thuật xử lý ngôn ngữ tự nhiên để phân tích nội dung đánh giá văn bản của khách hàng nhằm tăng độ chuẩn xác cho ma trận tiện ích.

Giá trị tham khảo

Tài liệu là nguồn tham khảo hữu ích đối với:

  • Sinh viên, học viên ngành Toán kinh tế, Khoa học dữ liệu, Hệ thống thông tin quản lý và Thương mại điện tử: Cung cấp tài liệu tham khảo chi tiết về công thức toán học, cách thức biến đổi đại số tuyến tính, chuẩn hóa ma trận và thuật toán phân rã ma trận áp dụng vào bài toán kinh tế thực tế.
  • Các nhà phát triển hệ thống và doanh nghiệp TMĐT: Cung cấp khung phương pháp luận và các phân tích so sánh thực nghiệm giữa các giải thuật gợi ý, làm cơ sở lựa chọn mô hình phù hợp với quy mô dữ liệu và tài nguyên máy chủ.

Câu hỏi thường gặp

1. Dữ liệu thực nghiệm trong khóa luận được lấy từ đâu và có quy mô như thế nào?

Dữ liệu được trích xuất từ bộ dữ liệu công cộng Amazon Review Dataset phiên bản cập nhật tháng 10/2018 (vốn có tổng cộng 233,1 triệu đánh giá cho 29 ngành hàng, riêng mỹ phẩm có 371.345 đánh giá). Sau khi làm sạch và tiền xử lý, tác giả lọc ra bộ mẫu thực nghiệm gồm 100.000 lượt đánh giá từ 943 người dùng cho 1.682 sản phẩm mỹ phẩm.

2. Tại sao tác giả sử dụng độ đo Adjusted Cosine thay vì Cosine thô trong thuật toán Lọc cộng tác vùng lân cận?

Độ đo Cosine thô chỉ đo góc giữa hai vector mà không tính đến độ lệch trong thang đo chủ quan của từng người dùng (người dễ tính thường chấm 4–5 sao, người khó tính chỉ chấm 2–3 sao cho mức độ hài lòng tương đương). Độ đo Adjusted Cosine trừ đi điểm trung bình đánh giá của người dùng ($\mu_{u_i}$), giúp đưa dữ liệu về dạng chuẩn hóa với các giá trị âm (không thích), dương (thích) và 0 (chưa xác định), từ đó phản ánh chính xác hơn mức độ tương đồng.

3. Thuật toán Lọc cộng tác Phân rã ma trận (MFCF) giải quyết điểm yếu nào của thuật toán Vùng lân cận (NBCF)?

Thuật toán NBCF đòi hỏi lưu trữ toàn bộ ma trận tương tự $S$ có kích thước rất lớn ($m^2$ hoặc $n^2$) và gặp khó khăn nghiêm trọng khi ma trận tiện ích bị thưa. Thuật toán MFCF giảm chiều dữ liệu bằng cách phân rã ma trận $R$ thành hai ma trận bậc thấp $U$ và $V$ với số chiều tiềm ẩn $k$, chỉ cần dung lượng lưu trữ $k(m+n)$, giúp giảm chi phí tính toán khi dự đoán và khắc phục tốt hiện tượng thưa dữ liệu.

4. Hai chỉ số định lượng nào được tác giả sử dụng để đánh giá độ chính xác của các mô hình?

Khóa luận sử dụng hai thước đo sai số thống kê phổ biến trong hệ gợi ý là RMSE (Root Mean Squared Error - Sai số căn bậc hai trung bình) và MAE (Mean Absolute Error - Sai số tuyệt đối trung bình) để đo khoảng cách chênh lệch giữa điểm xếp hạng thực tế của người dùng và điểm xếp hạng do mô hình dự đoán.

5. Đặc điểm phân phối dữ liệu đánh giá sản phẩm mỹ phẩm thể hiện điều gì qua phân tích thống kê?

Dữ liệu thể hiện rõ hiện tượng đuôi dài (Long-tail): chỉ có khoảng 20% sản phẩm (trong tổng số 1.682 sản phẩm) nhận được trên 100 lượt đánh giá từ khách hàng, trong khi 80% sản phẩm còn lại nhận được rất ít tương tác. Đồng thời, phần lớn đánh giá tập trung ở mức điểm 4–5 sao.

Kết luận

Chuyên đề tốt nghiệp cử nhân ngành Toán kinh tế của tác giả Nguyễn Vân Nhi đã giải quyết thành công bài toán ứng dụng Machine Learning vào việc gợi ý bán chéo sản phẩm mỹ phẩm trong thương mại điện tử. Thông qua việc mô hình hóa toán học chặt chẽ hai thuật toán Lọc cộng tác vùng lân cận và Lọc cộng tác phân rã ma trận, nghiên cứu đã chứng minh hiệu quả của việc kết hợp các giải thuật học máy trong việc xử lý bài toán dữ liệu thưa và tối ưu hóa độ chính xác dự đoán. Kết quả thực nghiệm trên 100.000 dữ liệu đánh giá từ Amazon cung cấp cơ sở phương pháp luận và giải pháp kỹ thuật có giá trị ứng dụng cao cho các sàn thương mại điện tử trong việc cá nhân hóa trải nghiệm khách hàng và thúc đẩy doanh thu bán chéo.