Xây Dựng Hệ Thống Giới Thiệu Bán Hàng Trên Mạng Xã Hội

Khám phá cách xây dựng hệ thống giới thiệu bán hàng hiệu quả trên mạng xã hội, tối ưu hóa doanh thu và tăng cường tương tác khách hàng.

• Tác giả: Nguyễn Hoàng Phúc
• Người hướng dẫn: Tiến Sĩ. Trần Vũ Bình
• Trường học: Trường Đại Học Hoa Sen
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Xây Dựng Hệ Thống Giới Thiệu Bán Hàng Trên Mạng Xã Hội
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2010
• Địa điểm: Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN
• 1. NHẬP ĐỀ
• 2. TỔNG QUAN VỀ MẠNG XÃ HỘI VÀ KHAI PHÁ DỮ LIỆU
• 2.1. Nguồn gốc mạng xã hội ra đời
• 2.2. Giới thiệu mạng xã hội
• 2.3. Cấu trúc mạng xã hội
• 2.4. Phân loại quan hệ của mạng xã hội
• 2.5. Khả năng tiếp cận hệ thống mạng xã hội từ bên ngoài
• 2.6. Khai phá dữ liệu
• 2.6.1. Nguồn gốc hình thành
• 2.6.2. Chức năng của khai phá dữ liệu
• 2.6.3. Mô tả chi tiết chức năng
• 2.7. Các phương pháp trong khai phá dữ liệu
• 2.7.1. Phương pháp phân cụm
• 2.7.2. Phương pháp phân lớp dựa vào cây quyết định
• 2.8. So sánh phương pháp khai thác dữ liệu trên MS SQL datamining server
• 2.8.1. Dự đoán một thuộc tính rời rạc
• 2.8.2. Dự đoán một thuộc tính liên tục
• 2.8.3. Dự đoán một trình tự
• 2.8.4. Tìm nhóm của những mục chọn (item) trong các giao tác (transaction)
• 2.8.5. Tìm những mục (item) giống nhau
• 3. PHÂN TÍCH VẤN ĐỀ & GIẢI PHÁP
• 3.1. Xác định các định nghĩa liên quan
• 3.2. Xác định bài toán
• 3.3. Xác định công nghệ sử dụng
• 3.4. Khó khăn khi thực hiện
• 3.5. Giải pháp bài toán
• 3.6. Phương pháp thực hiện khai thác dữ liệu
• 3.6.1. Lý do chọn phương pháp khai thác dữ liệu
• 3.6.2. Chi tiết thực hiện phương pháp
• 4. ỨNG DỤNG MINH HỌA
• 4.1. Mô tả ứng dụng
• 4.2. Chức năng cơ bản
• 4.2.1. Hiển thị sản phẩm chung một thuộc tính (Related products)
• 4.2.2. Hiển thị danh sách sản phẩm liên quan (Related Accessories)
• 4.2.3. Chức năng Like của Facebook
• 4.2.4. Đánh giá sản phẩm
• 4.3. Chức năng nâng cao
• 5. KẾT QUẢ & ĐÁNH GIÁ
• 5.1. Thống kê dữ liệu thực từ face4shop
• 5.2. Kịch bản xây dựng dữ liệu ngẫu nhiên
• 5.2.1. Dữ liệu ngẫu nhiên khách hàng
• 5.2.2. Dữ liệu ngẫu nhiên đơn hàng
• 5.2.3. Thông tin dữ liệu huấn luyện
• 5.2.3.1. Phương pháp gom cụm – Clustering
• 5.2.3.2. Phương pháp cây quyết định– Decision Tree
• 5.2.3.3. Kết hợp hai phương pháp gom cụm và cây quyết định
• 5.3. Kết quả và đánh giá
• 5.3.1. Đánh giá dựa trên một phương pháp khai thác dữ liệu
• 5.3.2. Đánh giá dựa trên thông tin đơn hàng không định hướng sản phẩm
• 5.3.3. Đánh giá dựa trên thông tin đơn hàng có định hướng sản phẩm
• 6. KẾT LUẬN & ĐỀ NGHỊ
• 6.1. Đề nghị hướng nghiên cứu
• 6.2. Đề nghị hướng ứng dụng
• TÀI LIỆU THAM KHẢO
• TỪ ĐIỂN THUẬT NGỮ
• DANH MỤC BẢNG VÀ HÌNH ẢNH
• HƯỚNG DẪN SỬ DỤNG DATAMINING SQL SERVER VERSION 2008

Tóm tắt

I. Tổng Quan Về Xây Dựng Hệ Thống Giới Thiệu Bán Hàng Trên Mạng Xã Hội

Xây dựng hệ thống giới thiệu bán hàng trên mạng xã hội là một xu hướng đang phát triển mạnh mẽ trong thời đại số. Hệ thống này không chỉ giúp doanh nghiệp tiếp cận khách hàng một cách hiệu quả mà còn tạo ra những trải nghiệm mua sắm thú vị cho người tiêu dùng. Việc áp dụng các phương pháp khai thác dữ liệu để phân tích hành vi khách hàng là rất cần thiết. Điều này giúp doanh nghiệp hiểu rõ hơn về nhu cầu và sở thích của khách hàng, từ đó tối ưu hóa chiến lược bán hàng.

1.1. Khái Niệm Về Hệ Thống Giới Thiệu Bán Hàng

Hệ thống giới thiệu bán hàng trên mạng xã hội là một nền tảng cho phép doanh nghiệp quảng bá sản phẩm và dịch vụ của mình đến với khách hàng thông qua các kênh mạng xã hội. Hệ thống này giúp tăng cường sự hiện diện trực tuyến và tạo ra cơ hội tương tác với khách hàng.

1.2. Lợi Ích Của Việc Sử Dụng Mạng Xã Hội Trong Bán Hàng

Mạng xã hội cung cấp một môi trường lý tưởng để doanh nghiệp tiếp cận khách hàng tiềm năng. Việc sử dụng mạng xã hội giúp tăng cường nhận thức về thương hiệu, tạo ra sự tương tác và xây dựng mối quan hệ lâu dài với khách hàng.

II. Vấn Đề Và Thách Thức Trong Xây Dựng Hệ Thống Giới Thiệu Bán Hàng

Mặc dù có nhiều lợi ích, việc xây dựng hệ thống giới thiệu bán hàng trên mạng xã hội cũng gặp phải không ít thách thức. Một trong những vấn đề lớn nhất là việc thu thập và phân tích dữ liệu khách hàng. Dữ liệu trên mạng xã hội thường rất đa dạng và biến đổi liên tục, điều này đòi hỏi doanh nghiệp phải có những phương pháp khai thác dữ liệu hiệu quả.

2.1. Khó Khăn Trong Việc Phân Tích Dữ Liệu Khách Hàng

Dữ liệu khách hàng trên mạng xã hội rất phong phú nhưng cũng rất phức tạp. Việc phân tích dữ liệu này để đưa ra những quyết định kinh doanh chính xác là một thách thức lớn đối với nhiều doanh nghiệp.

2.2. Sự Biến Đổi Liên Tục Của Thị Trường

Thị trường mạng xã hội luôn thay đổi, với những xu hướng mới xuất hiện liên tục. Doanh nghiệp cần phải nhanh chóng thích ứng với những thay đổi này để không bị tụt lại phía sau.

III. Phương Pháp Khai Thác Dữ Liệu Để Tối Ưu Hệ Thống Giới Thiệu Bán Hàng

Để xây dựng một hệ thống giới thiệu bán hàng hiệu quả, việc áp dụng các phương pháp khai thác dữ liệu là rất quan trọng. Các phương pháp này giúp doanh nghiệp phân tích hành vi khách hàng và đưa ra những gợi ý sản phẩm phù hợp.

3.1. Phương Pháp Gom Cụm Trong Khai Thác Dữ Liệu

Phương pháp gom cụm giúp phân nhóm khách hàng dựa trên các đặc điểm chung. Điều này cho phép doanh nghiệp hiểu rõ hơn về nhu cầu của từng nhóm khách hàng và tối ưu hóa chiến lược tiếp thị.

3.2. Phương Pháp Cây Quyết Định Để Dự Đoán Hành Vi Khách Hàng

Phương pháp cây quyết định giúp doanh nghiệp dự đoán khả năng mua hàng của khách hàng dựa trên các thuộc tính của sản phẩm và hành vi trước đó. Điều này giúp tăng cường hiệu quả của các chiến dịch tiếp thị.

IV. Ứng Dụng Thực Tiễn Của Hệ Thống Giới Thiệu Bán Hàng

Hệ thống giới thiệu bán hàng trên mạng xã hội đã được áp dụng thành công tại nhiều doanh nghiệp. Những ứng dụng này không chỉ giúp tăng doanh thu mà còn cải thiện trải nghiệm của khách hàng.

4.1. Ví Dụ Về Hệ Thống Giới Thiệu Thành Công

Nhiều doanh nghiệp đã áp dụng hệ thống giới thiệu bán hàng trên mạng xã hội và đạt được những kết quả ấn tượng. Ví dụ, một số thương hiệu lớn đã tăng cường doanh thu nhờ vào việc tối ưu hóa chiến lược tiếp thị trên mạng xã hội.

4.2. Kết Quả Nghiên Cứu Về Hiệu Quả Của Hệ Thống

Nghiên cứu cho thấy rằng việc áp dụng hệ thống giới thiệu bán hàng trên mạng xã hội có thể giúp tăng cường tương tác với khách hàng và cải thiện tỷ lệ chuyển đổi.

V. Kết Luận Về Tương Lai Của Hệ Thống Giới Thiệu Bán Hàng

Tương lai của hệ thống giới thiệu bán hàng trên mạng xã hội rất hứa hẹn. Với sự phát triển không ngừng của công nghệ và dữ liệu, doanh nghiệp có thể tối ưu hóa hơn nữa các chiến lược tiếp thị của mình.

5.1. Xu Hướng Phát Triển Trong Tương Lai

Trong tương lai, việc áp dụng trí tuệ nhân tạo và học máy vào hệ thống giới thiệu bán hàng sẽ trở nên phổ biến hơn. Điều này giúp doanh nghiệp dự đoán chính xác hơn về nhu cầu của khách hàng.

5.2. Cơ Hội Mới Cho Doanh Nghiệp

Sự phát triển của mạng xã hội mở ra nhiều cơ hội mới cho doanh nghiệp trong việc tiếp cận và tương tác với khách hàng. Doanh nghiệp cần nắm bắt những cơ hội này để phát triển bền vững.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong giai đoạn phát triển mạnh mẽ của thương mại điện tử và Internet, các hình thức quảng bá truyền thống như đặt biểu ngữ (banner) trên các trang tin tức hay quảng cáo trên truyền hình thường đòi hỏi chi phí lớn nhưng hiệu quả giữ chân khách hàng chưa cao. Sự bùng nổ của mạng xã hội mở ra một môi trường tương tác trực tuyến rộng lớn, nơi người dùng kết nối dựa trên sở thích, mối quan hệ gia đình, bạn bè và đồng nghiệp. Tuy nhiên, dữ liệu trên mạng xã hội có tính chất đa dạng, phức tạp và liên tục biến đổi theo thời gian, đặt ra thách thức lớn cho việc phân tích và nắm bắt chính xác hành vi mua sắm của người dùng.

Khóa luận tốt nghiệp chuyên ngành Công nghệ Thông tin với đề tài "Xây dựng hệ thống giới thiệu bán hàng trên mạng xã hội" được thực hiện nhằm giải quyết bài toán gợi ý mua sắm trên môi trường mạng xã hội, trọng tâm là bài toán gợi ý quà tặng sinh nhật cho những người có mối quan hệ với khách hàng trên mạng xã hội Facebook.

Mục tiêu và nhiệm vụ nghiên cứu cụ thể của đề tài bao gồm:

1. Nghiên cứu và kết hợp ít nhất 2 phương pháp khai phá dữ liệu truyền thống (Gom cụm và Cây quyết định) để thích ứng với tập dữ liệu đa dạng và biến đổi của mạng xã hội, khắc phục các nhược điểm khi áp dụng từng thuật toán đơn lẻ.
2. Xây dựng phương pháp xử lý dữ liệu kết hợp giữa trực tuyến (Online) và ngoại tuyến (Offline) nhằm tối ưu hóa hiệu suất hệ thống và giải quyết rào cản chi phí hạ tầng máy chủ phân tích dữ liệu.
3. Xây dựng website thử nghiệm mang tên face4shop.com tích hợp API của Facebook để kiểm chứng ý tưởng phát triển và đánh giá độ chính xác của giải pháp.

Đối tượng và phạm vi nghiên cứu:

• Đối tượng nghiên cứu: Các phương pháp khai phá dữ liệu (Clustering, Decision Tree), cấu trúc liên kết đồ thị và thông tin người dùng trên mạng xã hội, hành vi giao dịch và tập thuộc tính sản phẩm trong bài toán gợi ý mua quà tặng.
• Phạm vi không gian: Triển khai thử nghiệm trên hệ sinh thái mạng xã hội Facebook thông qua nền tảng mở (Open Platform) và hệ thống website bán hàng trực tuyến face4shop.com.
• Phạm vi thời gian: Đề tài được hoàn thành trong thời gian 14 tuần (từ ngày 13/09/2010 đến ngày 18/12/2010) tại Khoa Khoa học và Công nghệ, Trường Đại học Hoa Sen.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết

Khóa luận xây dựng nền tảng lý luận dựa trên hai trụ cột chính: mô hình mạng xã hội và kỹ thuật khai phá dữ liệu (Data Mining).

Tổng quan mạng xã hội: Nghiên cứu phân tích quá trình tiến hóa từ Diễn đàn (Forum), Nhật ký trực tuyến (Blog) đến Mạng xã hội. Cấu trúc mạng xã hội được biểu diễn dưới dạng đơn đồ thị vô hướng gồm các nút (node - đại diện cho cá nhân, tổ chức) và các liên kết (tie - đại diện cho mối quan hệ). Tác giả so sánh hai mô hình mạng xã hội tiêu biểu thời điểm nghiên cứu:

Tiêu chí	Mạng xã hội Facebook	Mạng xã hội MySpace
Mô hình kết nối	Định hướng quan hệ xã hội (Social-oriented), kết nối qua gia đình, bạn bè, đồng nghiệp.	Định hướng truyền thông/sở thích (Media-oriented), kết nối qua âm nhạc, nghệ thuật.
Phân loại quan hệ	Rộng và chặt chẽ, dựa trên địa lý, trường học, liên kết trung gian.	Chủ yếu liên kết bạn bè thông thường và quan hệ giữa nghệ sĩ với người hâm mộ.
Khả năng tiếp cận ngoài	Cung cấp Open Platform và hệ thống API hoàn chỉnh qua Web Services.	Hạn chế hơn, chủ yếu phục vụ các ứng dụng nội bộ và tương tác thành viên.

Kỹ thuật khai phá dữ liệu: Khai phá dữ liệu được phân định thành hai nhóm chức năng chính:

• Nhóm mô tả (Descriptive): Phân nhóm (Clustering), Luật kết hợp (Association Rules), Phân tích trình tự (Sequence Analysis).
• Nhóm dự đoán (Predictive): Phân lớp (Classification), Hồi quy (Regression), Phân tích độ lệch (Deviation Analysis).

Khóa luận đi sâu vào hai thuật toán trọng tâm:

1. Phương pháp phân cụm (Clustering): Sử dụng các phương pháp phân hoạch (k-means) với độ đo khoảng cách Euclide và phương pháp phân cấp (Hierarchical Clustering) nhằm gom các đối tượng có thuộc tính tương đồng vào cùng một cụm.
2. Phương pháp cây quyết định (Decision Tree): Dựa trên cấu trúc cây phân cấp với thuật toán chọn thuộc tính phân chia theo Độ lợi thông tin (Information Gain) và hàm Entropy (tương tự thuật toán ID3, C4.5). Khóa luận cũng phân tích các giải pháp hạn chế tình trạng quá khớp (Overfitting) thông qua kỹ thuật cắt tỉa trước (pre-pruning) và cắt tỉa sau (post-pruning).

Bên cạnh đó, tác giả khảo sát các thuật toán được hỗ trợ trên Microsoft SQL Server Analysis Services (SSAS) Data Mining, bao gồm: Naïve Bayes, Neural Network, Time Series, Sequence Clustering và Association.

Phương pháp nghiên cứu thực tế

• Phương pháp phân tích - tổng hợp: Nghiên cứu tài liệu chuyên khảo về Data Mining và kỹ thuật phát triển ứng dụng trên nền tảng mạng xã hội.
• Phương pháp lai ghép (Hybrid Approach): Kết hợp phân cụm và cây quyết định theo quy trình 2 giai đoạn:
  • Giai đoạn 1 (Clustering): Gom nhóm khách hàng và loại sản phẩm tương ứng dựa trên các thuộc tính khái quát (độ tuổi, giới tính, tháng mua hàng) nhằm làm giảm số chiều dữ liệu.
  • Giai đoạn 2 (Decision Tree): Sử dụng tập dữ liệu của từng cụm để huấn luyện cây quyết định đi sâu vào chi tiết các thuộc tính sản phẩm (màu sắc, kích cỡ, chủng loại), đưa ra luật dự đoán khả năng mua hàng.
• Phương pháp thực nghiệm: Xây dựng hệ thống web ứng dụng, thiết lập tập dữ liệu ngẫu nhiên có kiểm soát xu hướng mua hàng để đo lường độ chính xác của mô hình đề xuất.

Nguồn dữ liệu

• Dữ liệu tài khoản người dùng và đồ thị bạn bè trích xuất từ Facebook API (bao gồm mã định danh uid, họ tên, ngày sinh, giới tính, hình ảnh, danh sách bạn bè).
• Dữ liệu giao dịch, đơn hàng và danh mục hàng hóa từ hệ thống face4shop.com.
• Tập dữ liệu kiểm thử được sinh ngẫu nhiên có gán nhãn kịch bản xu hướng mua sắm để phục vụ đánh giá thuật toán.

---

Thiết kế và triển khai hệ thống

Kiến trúc giải pháp xử lý Online và Offline (Online + Offline Mode)

Để khắc phục rào cản chi phí khi thuê máy chủ chuyên dụng hỗ trợ SQL Server Analysis Services (ước tính tại thời điểm năm 2010 là 52 triệu VNĐ cho 4 tháng), nhóm nghiên cứu đã thiết kế mô hình vận hành lai ghép:

Thành phần	Chế độ trực tuyến (Online Tab)	Chế độ ngoại tuyến (Offline Tab)
Bản chất gợi ý	Gợi ý theo thói quen cá nhân của đối tượng được tặng.	Gợi ý theo xu hướng mua sắm của nhóm người tương đồng.
Điều kiện áp dụng	Đối tượng được tặng đã từng có giao dịch mua hàng trên hệ thống.	Đối tượng được tặng chưa từng mua hàng hoặc đã có mua hàng.
Cơ chế xử lý	Truy vấn trực tiếp cơ sở dữ liệu thời gian thực, sắp xếp tập thuộc tính sản phẩm đã mua theo tần suất giảm dần.	Huấn luyện mô hình định kỳ (7 ngày/lần) bằng MS SQL Server 2008 Data Mining trên máy cục bộ, sau đó đồng bộ kết quả lên Database Server.
Ưu điểm	Đáp ứng tức thời dữ liệu phát sinh ngay tại thời điểm giao dịch.	Giảm chi phí hạ tầng máy chủ, xử lý được tập dữ liệu lịch sử lớn.

                       +----------------------------------------------------+
                       |           HỆ THỐNG GỢI Ý BÁN HÀNG                  |
                       +----------------------------------------------------+
                                     /                        \
                                    /                          \
              [ONLINE MODE]        /                            \  [OFFLINE MODE]
      (Thói quen người được tặng) /                              \ (Xu hướng nhóm tương đồng)
                                 v                                v
                   +---------------------------+    +---------------------------+
                   |  Truy vấn đơn hàng cũ     |    | Giai đoạn 1: Gom cụm      |
                   |  (User-ID đã có giao dịch)|    | (Khách hàng + Loại SP)    |
                   +---------------------------+    +---------------------------+
                                 |                                |
                                 v                                v
                   +---------------------------+    +---------------------------+
                   |  Thống kê & sắp xếp       |    | Giai đoạn 2: Cây quyết    |
                   |  thuộc tính mua nhiều     |    | định cho từng cụm         |
                   +---------------------------+    +---------------------------+
                                 |                                |
                                 v                                v
                   +---------------------------+    +---------------------------+
                   |  Tập thuộc tính gợi ý     |    | Tập luật phân lớp thuộc   |
                   |  tức thời (Real-time)     |    | tính SP định kỳ (7 ngày)  |
                   +---------------------------+    +---------------------------+

Xử lý dữ liệu nhiễu và bảo mật

• Xử lý dữ liệu khuyết thiếu (Missing Values):
  • Khi đối tượng chưa từng mua hàng: Hệ thống chuyển tiếp sang phân tích theo nhóm ngoại tuyến (Offline Tab).
  • Khi đối tượng thiếu dữ liệu thuộc tính (như năm sinh, độ tuổi): Nếu tỷ lệ thiếu ít, hệ thống loại bỏ mẫu; nếu tỷ lệ thiếu nhiều, hệ thống gán đối tượng vào một nhóm mặc định (cluster Missing) với danh mục sản phẩm mặc định (ví dụ: Sách).
• Vấn đề bảo mật Facebook: Nhằm hạn chế việc người dùng để thông tin ở chế độ riêng tư (private), hệ thống áp dụng cơ chế kích thích niềm tin: chỉ yêu cầu người dùng cập nhật bổ sung thông tin (địa chỉ, mối quan hệ) sau khi họ đã đăng nhập và sử dụng hệ thống từ 3 lần trở lên trong vòng 2 ngày.

Công nghệ sử dụng

• Cơ sở dữ liệu & Khai phá dữ liệu: Microsoft SQL Server 2008 R2, Microsoft SQL Server Analysis Services (SSAS) Data Mining Engine.
• Ngôn ngữ & Framework phát triển: Ngôn ngữ PHP (phiên bản 5.13), CodeIgniter Framework (phiên bản 1.3).
• Kiến trúc phần mềm: Mô hình MVC (Model-View-Controller).
• Giao diện & Tương tác: Kỹ thuật AJAX hỗ trợ cập nhật dữ liệu không đồng bộ.
• Tích hợp mạng xã hội: Facebook Open Platform API / Web Services.

---

Nội dung chính theo từng chương

Chương 1: Tổng quan về mạng xã hội và khai phá dữ liệu

Chương này phân tích lịch sử hình thành các công cụ giao tiếp trực tuyến (Forum, Blog, Mạng xã hội). Tác giả so sánh cấu trúc đồ thị, mô hình liên kết của Facebook và MySpace, khẳng định Facebook là môi trường tối ưu cho thương mại điện tử nhờ khả năng bao quát độ tuổi, tính đa dạng của mối quan hệ và nền tảng mở Open Platform. Về khai phá dữ liệu, chương trình bày tiến trình lịch sử từ hệ thống tập tin (thập niên 1960) đến cơ sở dữ liệu quan hệ (1970) và hướng đối tượng (1980), dẫn tới hiện tượng "giàu dữ liệu nhưng nghèo thông tin". Tác giả trình bày chi tiết toán học của phương pháp phân cụm (k-means, phân cấp) và cây quyết định (Entropy, Information Gain, ma trận phân lớp Play Tennis), đồng thời lập bảng so sánh các giải thuật khai phá trong MS SQL Server 2008.

Chương 2: Phân tích vấn đề & Giải pháp

Chương 2 định nghĩa các khái niệm nghiệp vụ: "Chỉ mình tôi", "Bạn bè", "Mối quan hệ", "Mọi người", "Đối tượng tặng" và "Đối tượng được tặng". Nhóm nghiên cứu chỉ ra 3 khó khăn cốt lõi: yêu cầu lượng dữ liệu lớn và ràng buộc bảo mật Facebook; xử lý dữ liệu thiếu (missing value); chi phí vận hành máy chủ Data Mining thời gian thực. Từ đó, tác giả đề xuất giải pháp kiến trúc Online + Offline Mode và luận giải việc kết hợp Gom cụm (làm giảm số lượng thuộc tính đầu vào) với Cây quyết định (phân lớp chi tiết thuộc tính sản phẩm), giúp ngăn ngừa hiện tượng quá khớp (overfitting) và tăng tốc độ xử lý.

Chương 3: Ứng dụng minh họa

Chương này mô tả chi tiết quá trình xây dựng hệ thống website thương mại điện tử face4shop.com. Hệ thống cho phép người dùng đăng nhập bằng tài khoản Facebook, tự tạo gian hàng cá nhân (Shop mang tên người dùng), đăng bán và mua sắm miễn phí. Các chức năng cơ bản bao gồm: hiển thị sản phẩm cùng thuộc tính (Related Products), hiển thị sản phẩm liên quan (Related Accessories), nút Like Facebook, đánh giá sản phẩm. Chức năng nâng cao là mô-đun gợi ý quà tặng sinh nhật dựa trên hai thẻ chọn: "Thói quen mua hàng của người được tặng" (Online Tab) và "Xu hướng mua hàng của những người giống người được tặng" (Offline Tab).

Chương 4: Kết quả & Đánh giá

Chương 4 thực hiện thống kê số liệu thực tế thu thập từ face4shop.com và xây dựng kịch bản dữ liệu ngẫu nhiên (khách hàng, đơn hàng) có gán xu hướng định trước để phục vụ huấn luyện mô hình. Tác giả tiến hành thử nghiệm so sánh giữa:

• Đánh giá trên một phương pháp khai phá dữ liệu đơn lẻ.
• Đánh giá mô hình trên thông tin đơn hàng không định hướng sản phẩm.
• Đánh giá mô hình trên thông tin đơn hàng có định hướng sản phẩm. Kết quả thực nghiệm chứng minh giải pháp kết hợp Clustering và Decision Tree trên tập dữ liệu định hướng đạt tỷ lệ dự đoán chính xác nhu cầu khách hàng là 81%.

Chương 5: Kết luận & Đề nghị

Chương này đúc kết những kết quả đạt được về mặt phương pháp luận và kỹ thuật phần mềm. Nhóm tác giả đề xuất hướng nghiên cứu mở rộng trong tương lai đối với các giải thuật khai phá nâng cao (như Sequence Clustering, Association Rules) và hướng ứng dụng thực tế trên các mô hình thương mại điện tử tích hợp sâu hơn với mạng xã hội.

Chương 6: Kinh nghiệm thu được

Chương cuối cùng tổng kết các bài học kinh nghiệm trong quá trình 14 tuần thực hiện khóa luận, bao gồm danh mục tài liệu tham khảo, từ điển thuật ngữ chuyên ngành, danh mục bảng/hình ảnh và tài liệu hướng dẫn chi tiết về cấu hình, sử dụng tính năng Data Mining trên Microsoft SQL Server 2008.

---

Kết quả và đóng góp

Kết quả chính kèm số liệu

• Tỷ lệ dự đoán chính xác: Hệ thống đạt độ chính xác 81% trong việc dự đoán nhu cầu mua sắm/quà tặng của khách hàng khi thử nghiệm với tập dữ liệu có giả định xu hướng.
• Tối ưu hóa chi phí hạ tầng: Mô hình Online + Offline Mode cho phép vận hành hệ thống khai phá dữ liệu mà không cần đầu tư máy chủ chuyên dụng (tiết kiệm khoản chi phí ước tính tối thiểu 52 triệu VNĐ cho 4 tháng thuê server đặt tại Data Center).
• Hiện thực hóa phần mềm: Xây dựng hoàn chỉnh website face4shop.com trên nền PHP/CodeIgniter, tích hợp thành công Facebook API để lấy dữ liệu danh sách bạn bè và thông tin cá nhân phục vụ bài toán gợi ý quà tặng.

Đề xuất và kiến nghị của tác giả

• Về hướng nghiên cứu: Tiếp tục nghiên cứu ứng dụng các thuật toán khai phá nâng cao như Sequence Clustering (phân tích chuỗi hành vi clickstream của người dùng) và Association Rules (phân tích giỏ hàng đa chiều).
• Về hướng ứng dụng: Nâng cấp thuật toán để có thể cập nhật và huấn luyện dữ liệu theo chu kỳ ngắn hơn hoặc tự động hóa hoàn toàn trên môi trường máy chủ phân tán khi có đủ điều kiện hạ tầng.

Đóng góp của khóa luận

• Đề xuất quy trình lai ghép hiệu quả giữa thuật toán Gom cụm và Cây quyết định: sử dụng Gom cụm để phân đoạn khách hàng và loại bỏ các thuộc tính không cần thiết, sau đó dùng Cây quyết định để sinh luật dự đoán thuộc tính sản phẩm, giải quyết triệt để bài toán quá khớp khi số lượng thuộc tính sản phẩm quá lớn.
• Cung cấp giải pháp kiến trúc thực tế kết hợp xử lý Online và Offline, giúp các doanh nghiệp vừa và nhỏ có thể ứng dụng kỹ thuật khai phá dữ liệu phức tạp mà không bị phụ thuộc vào hạ tầng phần cứng đắt đỏ.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận trong văn bản

• Thời gian thực hiện hạn chế: Đồ án được triển khai trong vòng 14 tuần, dẫn đến số lượng mặt hàng và danh mục sản phẩm thực tế trên hệ thống chưa thực sự phong phú.
• Độ trễ của mô hình ngoại tuyến: Chế độ huấn luyện Offline theo chu kỳ 7 ngày/lần có nhược điểm là không phản ánh được ngay lập tức các xu hướng mới phát sinh trong khoảng thời gian giữa hai lần huấn luyện đối với những người dùng chưa từng có lịch sử giao dịch.
• Rào cản từ quyền riêng tư: Hệ thống gặp khó khăn trong việc thu thập đầy đủ các thuộc tính cá nhân (như tình trạng quan hệ, năm sinh) khi người dùng Facebook thiết lập chế độ bảo mật riêng tư (private).

Hướng nghiên cứu tiếp

• Nghiên cứu cơ chế tự động đồng bộ và huấn luyện mô hình khai phá dữ liệu trực tiếp trên máy chủ web mà không cần bước trung gian qua cơ sở dữ liệu cục bộ.
• Khai thác sâu hơn các dạng quan hệ gia đình, đồng nghiệp và mở rộng sang các thuật toán khai phá chuỗi hành vi của người dùng trên mạng xã hội.

---

Giá trị tham khảo

Khóa luận là tài liệu tham khảo hữu ích cho:

• Sinh viên và học viên ngành Công nghệ Thông tin, Hệ thống Thông tin, Khoa học Dữ liệu: Tham khảo phương pháp kết hợp các giải thuật học máy truyền thống (k-means, Decision Tree) để giải quyết bài toán gợi ý sản phẩm (Recommendation System).
• Kỹ sư phát triển web và ứng dụng mạng xã hội: Tham khảo kiến trúc tích hợp Facebook API, mô hình phân tách xử lý Online/Offline và kỹ thuật thiết lập công cụ Data Mining trên nền tảng Microsoft SQL Server 2008 Analysis Services (SSAS).

---

Câu hỏi thường gặp

1. Tại sao nhóm tác giả lại lựa chọn mạng xã hội Facebook thay vì MySpace để xây dựng hệ thống?
Trả lời: Khóa luận chỉ ra rằng MySpace chủ yếu tập trung vào lĩnh vực giải trí, nghệ thuật và đối tượng trẻ, trong khi Facebook sở hữu tập người dùng đa dạng độ tuổi, cung cấp cấu trúc quan hệ xã hội phong phú (bạn bè, gia đình, đồng nghiệp) và hỗ trợ nền tảng mở Open Platform với hệ thống API hoàn chỉnh, phù hợp với bài toán gợi ý quà tặng.

2. Lý do kỹ thuật nào dẫn đến việc phải kết hợp cả hai phương pháp Gom cụm và Cây quyết định?
Trả lời: Nếu chỉ dùng Cây quyết định ngay từ đầu, số lượng thuộc tính đầu vào quá lớn và rời rạc sẽ làm cây bị phân nhánh quá rộng, gây ra hiện tượng quá khớp (overfitting) và giảm độ chính xác. Việc sử dụng Gom cụm trước giúp tạo ra các nhóm khách hàng đồng nhất và giảm bớt số chiều thuộc tính, tạo tiền đề cho Cây quyết định phân lớp chính xác các thuộc tính sản phẩm chi tiết.

3. Hệ thống xử lý như thế nào khi thông tin của người dùng bị thiếu (ví dụ không có năm sinh)?
Trả lời: Nếu dữ liệu thiếu ít, hệ thống sẽ bỏ qua trường hợp đó. Nếu dữ liệu thiếu nhiều, hệ thống có hai phương án: loại bỏ đặc trưng tuổi trong lần huấn luyện tiếp theo, hoặc quy các đối tượng bị thiếu về một cụm mặc định (cluster Missing) với danh mục sản phẩm gợi ý mặc định (như mặt hàng Sách).

4. Giải pháp Online Mode và Offline Mode hoạt động khác nhau như thế nào khi người dùng chọn quà tặng?
Trả lời: Tab Online xử lý tức thời dựa trên lịch sử mua hàng thực tế của chính người được tặng (nếu người đó đã từng mua hàng trên hệ thống). Tab Offline áp dụng kết quả khai phá dữ liệu (được huấn luyện định kỳ 7 ngày/lần trên máy cục bộ) để gợi ý theo xu hướng của những người có đặc điểm tương đồng với người được tặng.

5. Kết quả thử nghiệm độ chính xác của hệ thống đạt được là bao nhiêu?
Trả lời: Khi thử nghiệm trên tập dữ liệu ngẫu nhiên có giả định xu hướng mua hàng cụ thể, phương pháp kết hợp Gom cụm và Cây quyết định đạt độ chính xác 81% trong việc dự đoán nhu cầu của khách hàng.

---

Kết luận

Khóa luận tốt nghiệp "Xây dựng hệ thống giới thiệu bán hàng trên mạng xã hội" của nhóm tác giả tại Trường Đại học Hoa Sen đã hoàn thành trọn vẹn mục tiêu nghiên cứu và ứng dụng thực tiễn trong thời gian 14 tuần. Đề tài đã đề xuất thành công mô hình lai ghép giữa thuật toán Gom cụm và Cây quyết định trên nền tảng MS SQL Server 2008 Data Mining, kết hợp cùng kiến trúc xử lý Online/Offline linh hoạt nhằm giải quyết bài toán chi phí và hiệu năng. Với độ chính xác thực nghiệm đạt 81% trên website thử nghiệm face4shop.com, công trình là tài liệu học thuật giá trị cho các nghiên cứu tiếp theo về hệ thống gợi ý và thương mại điện tử trên mạng xã hội.

Trích đoạn nội dung tài liệu

Mở đầu cho trào lƣu cộng đồng mạng ảo phải kể đến forum, rồi tới blog, đó chính là những tiền đề cho mạng xã hội, có thể tóm tắt sơ lƣợc nhƣ sau:  Forum là một diễn đàn trực tuyến nơi mà mọi ngƣời tự do thảo luận về một chủ đề nào đó trong khuôn khổ cho phép của diễn đàn. Điển hình của Forum là phân chia đƣợc nội dung. Nếu phân chia các loại nội dung từ, ngƣời dùng sẽ dễ dàng nắm bắt đƣợc các bài viết…Một điểm thuận lợi là ngƣời dùng cá nhân cũng có thể tạo cho mình một forum và thu hút những ngƣời khác quan tâm. Nhƣng có một vấn đề là khi có một bài viết mới nhƣng lại không nằm trong bất kỳ phân loại nào hết thì sẽ gây bối rối cho ngƣời quản trị lẫn ngƣời viết.

 Blog là nhật ký cá nhân dùng để đăng tải nội dung ngắn của một cá nhân riêng biệt. Điển hình blog đơn giản chỉ là một website nơi cá nhân chia sẽ ý kiến, đánh giá, kể chuyện sự kiện của riêng họ. Ngày nay Blog còn sử dụng trong nhiều lĩnh vực khác nhau, các tổ chức, cá thể, một tờ báo có thể dùng nó nhƣ một công cụ để thăm dò ý kiến, tạo ra kênh giao tiếp với thành phần bên ngoài. Tag là một khái niệm quen thuộc của ngƣời viết blog, một bài viết có thể đƣợc gắn nhiều tag theo nhiều chủ để khác nhau mà ngƣời viết muốn đƣa vào.

Ví dụ một bài viết liên quan đến âm nhạc có thể đƣợc gắn tag là Âm nhạc, và có thể tag là tên của một ca sĩ nào đó có trong bài viết. Với ƣu điểm đó blog trở nên thịnh hành hơn forum, nhƣng khi blog phát triển thì vấn đề quản lý và phân chia nội dung trở nên khó khăn. Bảng 1- Một vài đặc điểm giúp phân biệt giữa forum và blog Forum Blog Nguồn gốc Nhu cầu trao đổi thông tin về Nhu cầu chia sẻ thông tin một lĩnh vực, vấn đề quan mang tính chất cá nhân. Quản lý/điều hành Quản trị.

Trang 12 Khóa luận tốt nghiệp “Xây dựng hệ thống giới thiệu bán hàng trên mạng xã hội” TRƢỜNG ĐẠI HỌC HOA SEN KHOA KHOA HỌC VÀ CÔNG NGHỆ Nội dung Phân chia nội dung theo các Ngƣời dùng tự quy định loại tiêu chí đã đƣợc quy định nội dung của bài viết và có trƣớc. thể gắn nhiều phân loại cho cùng một bài viết. Tổ chức / Sắp xếp Theo trình tự đƣợc thiếp lập Theo trình tự thời gian. một cách cụ thể.

Cập nhật Câu trả lời/đối thoại chƣa chắc Cập nhật thƣờng xuyên do tác đƣợc cập nhật thƣờng xuyên. Forum và blog đều giúp mọi ngƣời chia sẻ thông tin cho nhau mỗi cái đều có ƣu khuyết điểm khác nhau. Forum có thể phân loại thông tin rõ ràng nhƣng lại không đáp ứng đƣợc nhu cầu của từng cá nhân cụ thể khi viết bài. Blog đáp ứng nhu cầu cá nhân của mỗi ngƣời nhƣng lại không có tính riêng tƣ.

Mạng xã hội ra đời đã giải quyết phần nào những vƣớng mắc mà các forum và blog gặp phải.2 Giới thiệu mạng xã hội (1) Mạng xã hội là dịch vụ nối kết các thành viên cùng sở thích trên Internet lại với nhau. Các thành viên sử dụng các tính năng nhƣ chat, e-mail, phim ảnh, voice chat, chia sẻ file, blog và xã luận. Họ liên kết với nhau và tạo nên xã hội ảo với hàng trăm triệu thành viên khắp thế giới. Mạng xã hội cung cấp nhiều cách thức để các thành viên tìm kiếm bạn bè, đối tác: dựa theo group (ví dụ nhƣ tên trƣờng hoặc tên thành phố), dựa trên thông tin cá nhân (nhƣ địa chỉ e- mail hoặc screen name), hoặc dựa trên sở thích cá nhân (nhƣ thể thao, phim ảnh, sách báo, hoặc ca nhạc), lĩnh vực quan tâm: kinh doanh, mua bán.

Mạng xã hội đƣợc xây dựng theo các mục tiêu sau:  Tạo ra một hệ thống ảo trên nền Internet cho phép ngƣời dùng giao lƣu và chia sẻ thông tin một cách có hiệu quả, vƣợt ra ngoài những giới hạn về địa lý và thời gian. Trang 13 Khóa luận tốt nghiệp “Xây dựng hệ thống giới thiệu bán hàng trên mạng xã hội” TRƢỜNG ĐẠI HỌC HOA SEN KHOA KHOA HỌC VÀ CÔNG NGHỆ  Xây dựng lên một mẫu định danh trực tuyến nhằm phục vụ những yêu cầu công cộng chung và những giá trị của cộng đồng.  Nâng cao vai trò của mỗi công dân trong việc tạo lập quan hệ và tự tổ chức xoay quanh những mối quan tâm chung trong những cộng đồng thúc đẩy sự liên kết các tổ chức xã hội. Mạng xã hội tiêu biểu “Facebook”: Điểm tiêu biểu của mạng xã hội Facebook là xây dựng trên nền tảng mối quan hệ cá nhân, tổ chức và gia đình và thiết lập tính riêng tƣ về nội dung của cá nhân theo những mối quan hệ này.

Ví dụ nhƣ tôi thích sản phẩm của trang web này, nhƣng tôi chỉ muốn bạn bè của tôi biết điều này, Facebook làm đƣợc điều đó. Đó là điểm mà blog không giải quyết đƣợc. Mạng xã hội Facebook hiện có hơn 500 triệu thành viên tích cực trên khắp thế giới (2). Với con số ấy, Facebook là mạng xã hội phổ biến nhất hiện nay, tiếp theo sau là MySpace và Twitter (3).

Tiếp thị qua mạng xã hội:  Với số lƣợng thành viên lớn, việc kinh doanh qua mạng xã hội đang đƣợc nhiều doanh nghiệp nhắm đến trong việc quảng bá thƣơng hiệu và tiếp thị sản phẩm. Theo thống kê, với cách quảng cáo truyền thống để đạt 500 triệu ngƣời sử dụng, Radio mất 38 năm, Ti vi mất 13 năm, Internet mất 4 năm, Ipod mất 3 năm, còn Facebook - mạng xã hội đƣợc nhiều ngƣời dùng nhất hiện nay đã đạt 100 triệu ngƣời dùng chỉ sau chƣa đầy 9 tháng.  Thực tế theo kết quả khảo sát của Cty Nielsen (Mỹ) cho thấy, chỉ có 14% số ngƣời tin vào quảng cáo trên các phƣơng tiện truyền thông và gần 80% ngƣời xem truyền hình chuyển kênh khi tới phần quảng cáo. Tại Việt Nam, doanh nghiệp muốn có 20-30 giây quảng cáo trên truyền hình vào giờ vàng (19h40 – 20h10) thì phải bỏ ra từ 30-55 triệu đồng.

Nhƣ vậy thực hiện chiến dịch marketing trên mạng xã hội, doanh nghiệp sẽ có thể làm nhiều hơn chứ không chỉ là một tiếp thị sản phẩm trong thời gian ngắn ngủi. Trang 14 Khóa luận tốt nghiệp “Xây dựng hệ thống giới thiệu bán hàng trên mạng xã hội” TRƢỜNG ĐẠI HỌC HOA SEN KHOA KHOA HỌC VÀ CÔNG NGHỆ 6.3 Cấu trúc mạng xã hội (1) Một số thuật ngữ liên quan:  Nút (node): Là một thực thể trong mạng. Thực thể này có thể là một cá nhân, một doanh nghiệp hoặc một tổ chức bất kỳ.  Liên kết (tie): là mối quan hệ giữa các thực thể.

Trong mạng có thể có nhiều kiểu liên kết. Ở dạng đơn giản nhất, mạng xã hội là một đơn đồ thị vô hƣớng các mối liên kết phù hợp giữa các nút. Ta có thể biểu diễn mạng liên kết này bằng một biểu đồ mà các nút đƣợc biểu diễn bởi các điểm còn các liên kết đƣợc biểu diễn bởi các đoạn thẳng. So sánh mô hình các mạng xã hội Facebook MySpace Mô hình quan hệ xã hội: các thành viên nối Mô hình gom nhóm: các thành viên nối kết kết với nhau dựa trên mối quan hệ bạn bè, gia với nhau dựa trên sở thích.

đình, đồng nghiệp,. Bảng 2- Mô hình mạng xã hội facebook và myspace MySpace Media oriented portals Yahoo Youtube Social oriented networks Facebook Hình 1 – Khuynh hƣớng mạng xã hội Trang 15 Khóa luận tốt nghiệp “Xây dựng hệ thống giới thiệu bán hàng trên mạng xã hội” TRƢỜNG ĐẠI HỌC HOA SEN KHOA KHOA HỌC VÀ CÔNG NGHỆ Hình 2 – Cấu trúc mạng xã hội – liên kết các thành phần quan hệ trong Facebook 6.4 Phân loại quan hệ của mạng xã hội Phân loại quan hệ của mạng xã hội tiêu biểu facebook và MySpace Facebook MySpace Liên kết quan hệ dựa vào thuộc tính, khoảng Liên kết quan hệ bạn bè thông thƣờng cách địa lý, nơi ở, trƣờng học, đồng nghiệp… Liên kết trong lĩnh vực giải trí: nhạc, phim… Liên kết mối quan hệ chặt chẽ với nhau: một Duy trì mối quan hệ: bạn bè, nghệ sĩ với các mối quan hệ mới và duy trì với quan hệ cũ fan Liên kết dàn trải rộng khắp: xu hƣớng, hoạt động, sự kiện, thể thao, ca sĩ, phim yêu thích… Duy trì tất cả mối quan hệ: bạn bè, gia đình… Facebook tự tìm ra các mối liên hệ trung gian để tăng sự liên kết giữa các thành viên (ví dụ nhƣ hai ngƣời không có mối quan hệ bạn bè nhƣng lại có chung một ngƣời bạn vẫn có thể trở thành bạn của nhau) Bảng 3- So sánh phân loại quan hệ xã hội facebook và myspace Trang 16 Khóa luận tốt nghiệp “Xây dựng hệ thống giới thiệu bán hàng trên mạng xã hội” TRƢỜNG ĐẠI HỌC HOA SEN KHOA KHOA HỌC VÀ CÔNG NGHỆ Hình 3 – Cấu trúc mạng xã hội – thành phần với một vài giá trị thuộc tính: sở thích, thói quen… 6.5 Khả năng tiếp cận hệ thống mạng xã hội từ bên ngoài Dựa vào Open Platform: nền tảng mở giúp nhà phát triển phát triển ứng dụng. Ví dụ: ZYNGA - http://www.com/ hay JIBJAB - http://sendables.com/ Facebook MySpace Yahoo Open flatform. Ứng dụng ngoài đƣợc phát triển Chỉ có ứng dụng bên trong mạnh mẽ tiếp cận thông qua API.

đƣợc xây dựng. Cung cấp đầy đủ hàm, thƣ viện lấy thông tin của ngƣời dùng. Bảng 4- So sánh khả nănng tiếp cận hệ thống mạng từ bên ngoài Trang 17 Khóa luận tốt nghiệp “Xây dựng hệ thống giới thiệu bán hàng trên mạng xã hội” TRƢỜNG ĐẠI HỌC HOA SEN KHOA KHOA HỌC VÀ CÔNG NGHỆ Facebook MySpace API giúp ứng dụng lấy đƣợc thông tin ngƣời Chỉ tiếp cận với ngƣời dùng trong hệ thống, dùng phục vụ cho đánh giá/kiểm tra cho mục tƣơng tác giữa các thành viên – nghệ sĩ, nhà đích cụ thể của nhà phát triển. Ví dụ: marketing, data mining.

Ví dụ: Giúp các nghệ sĩ, nhà tổ chức định hình xu hƣớng, phong cách thƣởng thức âm nhạc. Bảng 5- So sánh Hệ thống Facebook và MySpace tiếp cận với hệ thống bên ngoài qua API Hình 4 – Quy trình giao tiếp giữa facebook API với ứng dụng bên ngoài 6.6 Kết luận Forum và Blog hoàn toàn có thể đáp ứng nhu cầu mua hàng, xem thông tin sản phẩm nhƣng điểm bất lợi là từ đây ta không thể tìm ra đƣợc xu hƣớng, thói quen mua hàng của ngƣời dùng vì hai loại hình này chỉ dừng ở mức cung cấp thông tin.