Khóa Luận Xây Dựng Shop Quần Áo Tích Hợp Gợi Ý Sản Phẩm Và Dự Báo Doanh Thu

Khóa luận tốt nghiệp nghiên cứu xây dựng shop quần áo tích hợp gợi ý sản phẩm và dự báo doanh thu, vận dụng lý thuyết vào thực tế, đề xuất giải pháp cụ thể cho vấn đề kỹ thuật.

• Tác giả: Hoàng Quốc Trọng
• Người hướng dẫn: ThS. Trần Anh Dũng
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Kỹ sư ngành kỹ thuật phần mềm
• Đề tài: Xây Dựng Shop Quần Áo Online Với Gợi Ý Sản Phẩm Và Dự Báo Doanh Thu
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Khảo sát hiện trạng
• 1.2. Mục tiêu đề tài
• 1.3. Đối tượng sử dụng
• 1.4. Phạm vi nghiên cứu
• 1.5. Tìm hiểu về Reactjs
• 1.6. Giới thiệu về JSX
• 1.7. Giới thiệu về Components
• 1.8. Giới thiệu về Props và State
• 1.9. Tìm hiểu về ASP.NET CORE
• 1.10. .NET CORE API
• 1.11. Các dịch vụ RESTful API
• 1.12. Tại sao phải sử dụng ASP.NET Web Api?
• 1.13. Tìm hiểu về Sql Server
• 1.14. Giới thiệu về Sql Server
• 1.15. Các thành phần cơ bản trong Sql Server
• 1.16. Tại sao phải sử dụng SQL Server?
• 1.17. MACHINE LEARNING: ML
• 1.17.1. Khái niệm ML
• 1.17.2. Quy trình hoạt động
• 1.18. Gợi ý sản phẩm
• 1.19. Bộ dữ liệu
• 1.20. Chuyển đổi dữ liệu
• 1.21. Các thuật toán đề xuất
• 1.21.1. Thuật toán Matrix Factorization
• 1.21.2. Nhược điểm
• 1.21.3. Thuật toán Field-Aware Factorization Machines
• 1.21.4. Nhược điểm
• 1.21.5. Kết luận lựa chọn thuật toán
• 1.22. Dự báo doanh thu
• 1.22.1. Thuật toán Singular Spectrum Analysis (SSA)
• 1.22.2. Chuẩn bị dữ liệu
• 1.22.3. Phân tích phân rã số (SSA) - Bước cụ thể
• 1.22.4. Xác định kết hợp các thành phần chính
• 1.22.5. Trích xuất kết quả
• 1.22.6. Đánh giá độ chính xác
• 1.22.7. Nhược điểm
• 1.23. KIẾN TRÚC HỆ THỐNG
• 1.23.1. Kiến trúc hệ thống: Mô hình MVC
• 1.24. THIẾT KẾ DỮ LIỆU
• 1.24.1. Khách hàng
• 1.24.2. Danh sách use case
• 1.24.3. Mô tả chi tiết từng use case
• 1.24.4. Quản trị viên
• 1.24.5. Danh sách use case
• 1.24.6. Mô tả chi tiết từng use case
• 1.24.7. Thiết kế cơ sở dữ liệu
• 1.24.8. Chi tiết các bảng
• 1.25. THIẾT KẾ GIAO DIỆN
• 1.25.1. Khách hàng
• 1.25.2. Quản trị viên
• 1.25.3. Mô tả chi tiết từng màn hình
• 1.25.4. Quản trị viên
• 1.25.5. Thêm thương hiệu
• 1.25.6. Thêm sản phẩm
• 1.25.7. Xem sản phẩm
• 1.25.8. Sửa sản phẩm
• 1.25.9. Thêm phân loại
• 1.25.10. Xem phân loại
• 1.25.11. Xem người dùng
• 1.25.12. Di chuyển kho
• 1.25.13. Thống kê tồn kho
• 1.25.14. Khách hàng
• 1.25.15. Xem sản phẩm
• 1.25.16. Chi tiết sản phẩm
• 1.25.17. Thông tin cá nhân
• 1.25.18. Thông tin đặt hàng
• 1.25.19. Trạng thái đơn hàng
• 1.26. Kết quả đạt được
• 1.27. Hạn chế và hướng phát triển
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• DANH MỤC TỪ VIẾT TẮT
• TÓM TẮT KHÓA LUẬN

Tóm tắt

I. Tổng Quan Về Xây Dựng Shop Quần Áo Online Hiện Nay

Trong thời đại số hóa, việc xây dựng một shop quần áo online không chỉ là xu hướng mà còn là nhu cầu thiết yếu. Các cửa hàng cần có một nền tảng thương mại điện tử để tiếp cận khách hàng hiệu quả hơn. Việc này không chỉ giúp tăng doanh thu mà còn nâng cao trải nghiệm mua sắm cho khách hàng. Theo một nghiên cứu của Statista, doanh thu từ thương mại điện tử toàn cầu dự kiến sẽ đạt 6.54 triệu USD vào năm 2023. Điều này cho thấy tiềm năng lớn cho các shop quần áo online.

1.1. Lợi Ích Của Việc Xây Dựng Shop Quần Áo Online

Xây dựng shop quần áo online mang lại nhiều lợi ích như tiết kiệm chi phí thuê mặt bằng, mở rộng thị trường và tăng khả năng tiếp cận khách hàng. Khách hàng có thể mua sắm mọi lúc, mọi nơi, từ đó nâng cao trải nghiệm mua sắm.

1.2. Xu Hướng Thương Mại Điện Tử Trong Ngành Thời Trang

Ngành thời trang đang chứng kiến sự chuyển mình mạnh mẽ với sự phát triển của thương mại điện tử. Các thương hiệu lớn như Zara và H&M đã đầu tư mạnh vào nền tảng trực tuyến để phục vụ khách hàng tốt hơn.

II. Thách Thức Khi Xây Dựng Shop Quần Áo Online

Mặc dù có nhiều lợi ích, việc xây dựng shop quần áo online cũng đối mặt với nhiều thách thức. Cạnh tranh khốc liệt từ các đối thủ, việc quản lý kho hàng và duy trì chất lượng dịch vụ là những vấn đề cần được giải quyết. Theo một khảo sát, 70% các shop online thất bại trong năm đầu tiên do không có chiến lược kinh doanh rõ ràng.

2.1. Cạnh Tranh Trong Ngành Thời Trang Online

Cạnh tranh trong ngành thời trang online ngày càng gia tăng. Các shop cần có chiến lược marketing hiệu quả để nổi bật giữa hàng triệu lựa chọn khác.

2.2. Quản Lý Kho Hàng Hiệu Quả

Quản lý kho hàng là một thách thức lớn. Việc theo dõi số lượng hàng tồn kho và cập nhật thông tin sản phẩm là rất quan trọng để tránh tình trạng hết hàng hoặc tồn kho quá nhiều.

III. Phương Pháp Xây Dựng Shop Quần Áo Online Hiệu Quả

Để xây dựng một shop quần áo online thành công, cần áp dụng các phương pháp hiệu quả. Việc tối ưu hóa SEO cho website, sử dụng các công cụ phân tích thị trường và phát triển chiến lược marketing là rất quan trọng. Theo nghiên cứu của HubSpot, 61% các nhà tiếp thị cho rằng tối ưu hóa SEO là ưu tiên hàng đầu trong chiến lược marketing của họ.

3.1. Tối Ưu Hóa SEO Cho Shop Online

Tối ưu hóa SEO giúp tăng khả năng hiển thị của shop trên các công cụ tìm kiếm. Việc sử dụng từ khóa phù hợp và tạo nội dung chất lượng là rất quan trọng.

3.2. Phân Tích Thị Trường Để Đưa Ra Quyết Định

Phân tích thị trường giúp chủ shop hiểu rõ hơn về nhu cầu của khách hàng và xu hướng tiêu dùng. Điều này giúp đưa ra các quyết định kinh doanh chính xác hơn.

IV. Gợi Ý Sản Phẩm Và Dự Báo Doanh Thu Cho Shop Quần Áo

Gợi ý sản phẩm và dự báo doanh thu là hai yếu tố quan trọng giúp shop quần áo online hoạt động hiệu quả. Sử dụng các thuật toán gợi ý dựa trên hành vi mua sắm của khách hàng có thể tăng cường trải nghiệm mua sắm. Theo một nghiên cứu của McKinsey, các công ty sử dụng gợi ý sản phẩm có thể tăng doanh thu lên đến 30%.

4.1. Thuật Toán Gợi Ý Sản Phẩm

Sử dụng thuật toán gợi ý giúp khách hàng tìm thấy sản phẩm phù hợp với sở thích của họ. Điều này không chỉ tăng doanh thu mà còn nâng cao sự hài lòng của khách hàng.

4.2. Dự Báo Doanh Thu Dựa Trên Dữ Liệu

Dự báo doanh thu dựa trên dữ liệu lịch sử giúp chủ shop có cái nhìn rõ ràng về tình hình kinh doanh. Việc này giúp đưa ra các quyết định chiến lược kịp thời.

V. Ứng Dụng Thực Tiễn Của Shop Quần Áo Online

Việc xây dựng shop quần áo online không chỉ dừng lại ở việc bán hàng mà còn mở rộng ra nhiều ứng dụng thực tiễn khác. Các shop có thể sử dụng dữ liệu để phân tích hành vi khách hàng, từ đó cải thiện dịch vụ và sản phẩm. Theo một báo cáo của Deloitte, 80% các doanh nghiệp thành công trong việc sử dụng dữ liệu để tối ưu hóa quy trình kinh doanh.

5.1. Phân Tích Hành Vi Khách Hàng

Phân tích hành vi khách hàng giúp chủ shop hiểu rõ hơn về nhu cầu và sở thích của khách hàng. Điều này giúp cải thiện sản phẩm và dịch vụ.

5.2. Cải Thiện Dịch Vụ Khách Hàng

Cải thiện dịch vụ khách hàng là yếu tố quan trọng để giữ chân khách hàng. Việc cung cấp dịch vụ hỗ trợ nhanh chóng và hiệu quả sẽ tạo ấn tượng tốt với khách hàng.

VI. Kết Luận Và Tương Lai Của Shop Quần Áo Online

Tương lai của shop quần áo online rất hứa hẹn với sự phát triển không ngừng của công nghệ. Việc áp dụng trí tuệ nhân tạo và các công nghệ mới sẽ giúp nâng cao trải nghiệm mua sắm. Theo dự báo, doanh thu từ thương mại điện tử sẽ tiếp tục tăng trưởng mạnh mẽ trong những năm tới.

6.1. Xu Hướng Công Nghệ Trong Ngành Thời Trang

Công nghệ sẽ tiếp tục đóng vai trò quan trọng trong ngành thời trang. Việc áp dụng AI và machine learning sẽ giúp cải thiện quy trình kinh doanh.

6.2. Tương Lai Của Thương Mại Điện Tử

Thương mại điện tử sẽ tiếp tục phát triển mạnh mẽ. Các shop quần áo cần chuẩn bị sẵn sàng để thích ứng với những thay đổi trong hành vi tiêu dùng.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh công nghệ thông tin phát triển mạnh mẽ, thương mại điện tử đã trở thành phương thức kinh doanh phổ biến, tạo ra môi trường cạnh tranh gay gắt giữa các doanh nghiệp bán lẻ thời trang. Việc vận hành một nền tảng bán hàng trực tuyến không chỉ dừng lại ở các nghiệp vụ mua bán cơ bản mà đòi hỏi sự hỗ trợ của các giải pháp trí tuệ nhân tạo (AI) nhằm cá nhân hóa trải nghiệm khách hàng và tối ưu hóa hoạt động quản trị kinh doanh của chủ cửa hàng. Đề tài khóa luận tốt nghiệp kỹ sư ngành Kỹ thuật Phần mềm của sinh viên Hoàng Quốc Trọng và Nguyễn Duy Phúc (Trường Đại học Công nghệ Thông tin – ĐHQG TP.HCM, năm 2023) tập trung vào việc nghiên cứu, thiết kế và hiện thực hóa hệ thống ứng dụng web mang tên CShop, tích hợp công nghệ học máy để giải quyết đồng thời bài toán gợi ý sản phẩm cho người dùng và dự báo doanh số bán hàng cho quản trị viên.

Mục tiêu và nhiệm vụ nghiên cứu

Khóa luận xác định các mục tiêu và nhiệm vụ cụ thể bao gồm:

1. Xây dựng ứng dụng web thương mại điện tử bán quần áo: Cung cấp giao diện trực quan, hỗ trợ người tiêu dùng tìm kiếm, lọc sản phẩm, quản lý giỏ hàng, đặt hàng, thanh toán và đánh giá chất lượng; đồng thời cung cấp giao diện quản trị giúp chủ cửa hàng quản lý sản phẩm, danh mục, thương hiệu, màu sắc, đơn hàng và kho bãi.
2. Nghiên cứu và tích hợp mô hình gợi ý sản phẩm cá nhân hóa: Ứng dụng kỹ thuật phân rã ma trận (Matrix Factorization) trong lọc cộng tác (Collaborative Filtering) để phân tích hành vi và sở thích của khách hàng, từ đó đề xuất các sản phẩm phù hợp.
3. Nghiên cứu và tích hợp mô hình dự báo doanh thu: Ứng dụng phương pháp phân tích chuỗi thời gian (Time Series Analysis) với thuật toán phân tích phổ đơn kỳ (Singular Spectrum Analysis - SSA) nhằm ước tính doanh thu theo tuần, tháng dựa trên dữ liệu lịch sử.
4. Quản lý tồn kho và vận hành đa kho: Thiết kế cơ sở dữ liệu và quy trình nghiệp vụ cho phép kiểm soát số lượng tồn kho theo từng biến thể sản phẩm (kích cỡ, màu sắc), hỗ trợ nhập kho, xuất kho và luân chuyển hàng hóa giữa các kho.

Đối tượng và phạm vi nghiên cứu

• Đối tượng sử dụng: Khách hàng có nhu cầu mua sắm sản phẩm may mặc trực tuyến và quản trị viên/chủ cửa hàng quản lý vận hành kinh doanh.
• Phạm vi môi trường: Ứng dụng nền tảng Web Application, hỗ trợ đa trình duyệt.
• Phạm vi dữ liệu và thời gian thực hiện: Đề tài được triển khai từ ngày 12/02/2023 đến ngày 30/06/2023. Dữ liệu huấn luyện gợi ý được thu thập từ 14.048 bình luận của 8.759 người dùng thực tế; dữ liệu dự báo doanh thu sử dụng chuỗi thời gian bán hàng năm 2022 và 2023.

---

Cơ sở lý thuyết và phương pháp

Đề tài kết hợp giữa lý thuyết phát triển phần mềm hiện đại và các kỹ thuật học máy chuyên sâu trong phân tích dữ liệu thương mại điện tử.

+-----------------------------------------------------------------------------+
|                            KIẾN TRÚC HỆ THỐNG CSHOP                         |
+-----------------------------------------------------------------------------+
|  FRONT-END: React.js (Single Page Application, JSX, Components, State/Props)|
+-----------------------------------------------------------------------------+
                                      | (HTTP / RESTful API)
                                      v
+-----------------------------------------------------------------------------+
|  BACK-END: ASP.NET Core Web API (Mô hình MVC, C#)                          |
|  - Business Logic & REST Endpoints                                          |
|  - Machine Learning Engine: Microsoft ML.NET Framework                      |
+-----------------------------------------------------------------------------+
           |                                              |
           v                                              v
+-----------------------+              +--------------------------------------+
| DATABASE: SQL Server  |              | MÔ HÌNH HỌC MÁY TÍCH HỢP             |
| - Users, Products     |              | 1. Matrix Factorization (SGD):       |
| - Orders, CartItems   |              |    Gợi ý sản phẩm (Collaborative)    |
| - Warehouses, Stores  |              | 2. Singular Spectrum Analysis (SSA): |
| - Sales, Comments     |              |    Dự báo chuỗi thời gian doanh thu  |
+-----------------------+              +--------------------------------------+

Khung công nghệ và nền tảng phát triển

• Front-end: Thư viện JavaScript React.js, xây dựng giao diện ứng dụng đơn trang (Single Page Application - SPA). Ứng dụng tận dụng cú pháp JSX để tối ưu hóa quá trình biên dịch mã giao diện, quản lý luồng dữ liệu thông qua hệ thống Component phân cấp cùng cơ chế Props (bất biến) và State (trạng thái động).
• Back-end: Framework mã nguồn mở đa nền tảng ASP.NET Core Web API sử dụng ngôn ngữ C#. Hệ thống tuân thủ các nguyên tắc thiết kế RESTful API (Client-Server, Stateless, Cacheable, Uniform Interface) nhằm cung cấp dịch vụ dữ liệu độc lập cho nhiều loại thiết bị khách.
• Hệ quản trị cơ sở dữ liệu: Microsoft SQL Server, chịu trách nhiệm lưu trữ có cấu trúc toàn bộ dữ liệu quan hệ của hệ thống thông qua các thành phần Database Engine, Reporting Services và các bảng dữ liệu chuẩn hóa.
• Nền tảng học máy: Microsoft ML.NET, hỗ trợ xây dựng quy trình huấn luyện (pipeline) 7 bước: nạp dữ liệu vào IDataView, định nghĩa giải thuật qua IEstimator, huấn luyện mô hình bằng phương thức Fit() để sinh ra ITransformer, đánh giá độ chính xác, lưu trữ mô hình thành tệp định dạng .zip, tải lại mô hình và thực thi dự đoán thời gian thực bằng PredictionEngine.

Phương pháp nghiên cứu và thuật toán áp dụng

1. Lọc cộng tác (Collaborative Filtering) với Matrix Factorization: Phân rã ma trận tương tác người dùng - sản phẩm $Y$ (kích thước $|U| \times |I|$) thành tích của hai ma trận nhân tố tiềm ẩn có chiều không gian nhỏ hơn: ma trận đặc trưng người dùng $W$ ($|U| \times K$) và ma trận đặc trưng sản phẩm $H$ ($|I| \times K$), sao cho $Y \approx W H^T$. Giải thuật tối ưu hóa Gradient Descent ngẫu nhiên (Stochastic Gradient Descent - SGD) được áp dụng để cực tiểu hóa sai số giữa giá trị đánh giá dự đoán và giá trị thực tế. Đề tài cũng so sánh giải thuật này với phương pháp Máy nhân tố nhận biết trường (Field-Aware Factorization Machines - FFM).
2. Phân tích chuỗi thời gian với Singular Spectrum Analysis (SSA): Thuật toán phi tham số phân tách chuỗi thời gian doanh thu thành các thành phần tín hiệu độc lập đại diện cho xu hướng biến động dài hạn (trend), chu kỳ/tính thời vụ (seasonality) và thành phần nhiễu (noise), từ đó tái tạo và ngoại suy giá trị doanh thu tương lai.

Nguồn dữ liệu

Bộ dữ liệu	Nguồn gốc / Phương thức	Quy mô	Các trường dữ liệu chính	Xử lý dữ liệu
Dữ liệu đánh giá sản phẩm	Cào dữ liệu (scrape) từ hệ thống Uniqlo	14.048 bình luận, 8.759 người dùng	Id, UserName, UserId, ProductId, ProductVariantId, ProductTitle, ProductSize, ProductColor, Rating, Content, CommentDate	Gom nhóm theo UserId và ProductId, tính điểm trung bình Rating, loại bỏ thuộc tính biến thể để tạo ma trận 3 cột
Dữ liệu doanh thu	Dữ liệu bán hàng lịch sử	Chuỗi thời gian năm 2022 và 2023	Mốc thời gian (ngày, tuần, tháng), Tổng doanh thu ghi nhận	Chuẩn hóa mốc thời gian, tổng hợp doanh thu theo định kỳ phục vụ mô hình SSA

---

Thiết kế và triển khai hệ thống

Kiến trúc hệ thống

Hệ thống được thiết kế theo mô hình kiến trúc MVC (Model-View-Controller) phân tách ba tầng logic độc lập:

• Tầng View: Giao diện React.js tiếp nhận tương tác người dùng, hiển thị thông tin sản phẩm và gửi các yêu cầu HTTP đến máy chủ.
• Tầng Controller: Bộ điều khiển trong ASP.NET Core API tiếp nhận yêu cầu từ View, điều phối xử lý logic nghiệp vụ, gọi các module học máy và thực hiện truy xuất dữ liệu.
• Tầng Model: Quản lý cấu trúc dữ liệu, tương tác với hệ quản trị cơ sở dữ liệu SQL Server và duy trì trạng thái của các đối tượng trong hệ thống.

Thiết kế cơ sở dữ liệu

Hệ thống CShop xây dựng cơ sở dữ liệu quan hệ gồm 20 bảng chuẩn hóa nhằm đáp ứng toàn bộ các nghiệp vụ thương mại điện tử và quản lý đa kho:

Phân nhóm bảng	Tên các bảng dữ liệu trong hệ thống	Mục đích lưu trữ và quan hệ
Người dùng & Địa chỉ	Users, Address, Provinces, Districts, Wards	Lưu trữ thông tin tài khoản, phân quyền quản trị, địa chỉ giao hàng 3 cấp hành chính
Sản phẩm & Danh mục	Product, Brands, Categories, Colors, Images	Quản lý thông tin chi tiết sản phẩm, thương hiệu, danh mục phân loại, mã màu sắc và hình ảnh
Biến thể & Kho hàng	ProductVariants, ProductVariantStores, Warehouses	Quản lý chi tiết từng biến thể (size, màu) và số lượng tồn kho của từng biến thể tại các kho hàng cụ thể
Giao dịch & Đơn hàng	Orders, OrderItems, CartItems, Sales	Lưu trữ giỏ hàng, thông tin đơn đặt hàng, chi tiết sản phẩm trong đơn và dữ liệu lịch sử doanh số
Tương tác & Đánh giá	Comments, Rating	Lưu trữ phản hồi văn bản và điểm đánh giá số lượng sao của khách hàng phục vụ mô hình gợi ý

Phân tích ca sử dụng (Use Case)

Hệ thống phân định rõ hai nhóm tác nhân chính:

• Tác nhân Khách hàng (14 use cases chính): Đăng nhập, đăng ký tài khoản, quên mật khẩu, xem danh sách sản phẩm, tìm kiếm sản phẩm, xem thông tin chi tiết, thêm sản phẩm vào giỏ hàng, xem giỏ hàng, thanh toán đơn hàng, xem danh sách đơn hàng đã mua, xem chi tiết đơn hàng, đánh giá sản phẩm sau mua, xem danh sách sản phẩm được hệ thống AI gợi ý và chuyển đổi ngôn ngữ Anh - Việt.
• Tác nhân Quản trị viên (9 use cases chính): Đăng nhập quản trị, xem thông tin và trạng thái đơn hàng, thống kê doanh thu và xem dự báo AI, quản lý sản phẩm (thêm/sửa/xóa), quản lý thương hiệu, quản lý màu sắc, quản lý phân loại danh mục, quản lý danh sách kho hàng và quản lý sản phẩm/luân chuyển hàng tồn kho.

---

Nội dung chính theo từng chương

Báo cáo khóa luận được cấu trúc thành 7 chương chuyên biệt phản ánh đầy đủ quy trình từ khảo sát lý thuyết đến thiết kế, hiện thực và đánh giá phần mềm:

Chương 1. Tổng quan đề tài

Trình bày tổng quan về ứng dụng CShop, phân tích khảo sát hiện trạng thương mại điện tử ngành may mặc, nêu rõ lý do chọn đề tài, mục tiêu nghiên cứu, phân tích đối tượng sử dụng, xác định phạm vi môi trường web và danh mục các chức năng chi tiết cho khách hàng cùng quản trị viên.

Chương 2. Tìm hiểu về Reactjs, ASP.NET Core API và SQL Server

Nghiên cứu cơ sở lý thuyết của các công nghệ nền tảng:

• Giới thiệu thư viện React.js, phân tích cú pháp JSX, cấu trúc Component, cơ chế truyền dữ liệu qua Props và quản lý trạng thái bằng State.
• Phân tích kiến trúc ASP.NET Core Web API, các đặc tính của dịch vụ RESTful API (Client-Server, Stateless, Cacheable, Uniform Interface, HATEOAS) và lý do lựa chọn nền tảng .NET để xây dựng dịch vụ web đa nền tảng.
• Trình bày hệ quản trị cơ sở dữ liệu SQL Server, các thành phần chính (Database Engine, Integration Services, Analysis Services, Reporting Services, Full Text Search, Service Broker) và vai trò trong hệ thống khách - chủ.

Chương 3. Machine Learning: ML.NET, Gợi ý sản phẩm và Dự báo doanh thu

Đi sâu vào lý thuyết và quy trình triển khai máy học:

• Giới thiệu thư viện ML.NET và chu trình hoạt động 7 bước xử lý dữ liệu.
• Phân tích bài toán gợi ý sản phẩm: giới thiệu bộ dữ liệu 14.048 bình luận thu thập từ Uniqlo; trình bày kỹ thuật tiền xử lý tính trung bình rating; phân tích nguyên lý Lọc cộng tác (Collaborative Filtering) theo hướng User-User và Item-Item.
• Trình bày chi tiết thuật toán Matrix Factorization, phương pháp tối ưu Stochastic Gradient Descent (SGD) và so sánh với Field-Aware Factorization Machines (FFM).
• Trình bày thuật toán Singular Spectrum Analysis (SSA) trong phân tích chuỗi thời gian dự báo doanh thu, bao gồm các bước phân rã chuỗi, xác định thành phần chính (sử dụng đồ thị Elbow Plot), trích xuất tín hiệu và đánh giá sai số mô hình trên tập dữ liệu năm 2022 - 2023.

Chương 4. Kiến trúc hệ thống

Đặc tả thiết kế kiến trúc phần mềm CShop dựa trên mô hình MVC (Model-View-Controller). Chương này biểu diễn sơ đồ lớp chi tiết (Class Diagram), mô tả mối liên kết giữa các thực thể nghiệp vụ và luồng truyền tải dữ liệu giữa giao diện người dùng, bộ điều khiển API và cơ sở dữ liệu.

Chương 5. Thiết kế dữ liệu

Chi tiết hóa toàn bộ các đặc tả chức năng và cấu trúc dữ liệu:

• Lập bảng danh sách và mô tả chi tiết từng Use Case cho phân hệ Khách hàng (Đăng nhập, Giỏ hàng, Đặt hàng, Xem sản phẩm gợi ý,...).
• Lập bảng danh sách và mô tả chi tiết từng Use Case cho phân hệ Quản trị viên (Quản lý kho, Thống kê, Dự báo,...).
• Đặc tả chi tiết 20 bảng cơ sở dữ liệu trong SQL Server, quy định rõ các trường khóa chính, khóa ngoại, kiểu dữ liệu và ràng buộc toàn vẹn.

Chương 6. Thiết kế giao diện

Xây dựng sơ đồ luồng màn hình (Screen Flow) cho cả hai phân hệ khách hàng và quản trị viên, kèm bảng phân tích chức năng và hình ảnh chụp thực tế giao diện:

• Phân hệ quản trị: Màn hình Dashboard thống kê, Thêm/Sửa/Xem sản phẩm, Quản lý thương hiệu, Quản lý màu sắc, Quản lý phân loại danh mục, Quản lý người dùng, Quản lý đa kho, Nhập kho, Chuyển kho và Thống kê tồn kho.
• Phân hệ khách hàng: Màn hình Trang chủ, Danh sách sản phẩm, Chi tiết sản phẩm, Đăng nhập, Đăng ký, Giỏ hàng, Thông tin đặt hàng, Trạng thái đơn hàng, Đánh giá sản phẩm và Danh sách sản phẩm đề xuất.

Chương 7. Kết quả đạt được, Hạn chế và Hướng phát triển

Tổng kết toàn bộ các sản phẩm đã hoàn thành, đối chiếu với mục tiêu đề ra ban đầu, đánh giá tính ổn định của ứng dụng web và khả năng đáp ứng của các module học máy; đồng thời nêu rõ các mặt hạn chế kỹ thuật và định hướng mở rộng hệ thống trong tương lai.

---

Kết quả và đóng góp

Kết quả kỹ thuật đạt được

1. Phần mềm thương mại điện tử CShop hoàn chỉnh: Xây dựng thành công ứng dụng web vận hành ổn định trên nền tảng React.js kết hợp ASP.NET Core API và SQL Server, cung cấp đầy đủ chu trình mua bán hàng may mặc trực tuyến.
2. Tích hợp module gợi ý sản phẩm: Ứng dụng thành công thuật toán Matrix Factorization qua thư viện ML.NET trên tập dữ liệu 14.048 bình luận thực tế, cho phép hệ thống tự động nhận diện sở thích người dùng và đưa ra danh sách đề xuất sản phẩm phù hợp.
3. Tích hợp module dự báo doanh số: Hiện thực hóa thuật toán Singular Spectrum Analysis (SSA) phân tích dữ liệu bán hàng lịch sử các năm 2022 - 2023, trực quan hóa biểu đồ dự đoán xu hướng doanh thu theo tuần và tháng trên màn hình Dashboard quản trị.
4. Hệ thống quản lý kho hàng nâng cao: Thiết lập quy trình quản lý tồn kho chính xác đến từng biến thể (màu sắc, kích cỡ) và hỗ trợ điều chuyển hàng hóa linh hoạt giữa nhiều kho lưu trữ.

Đóng góp thực tiễn của đề tài

• Khóa luận đã chứng minh tính khả thi của việc nhúng trực tiếp các mô hình máy học (ML.NET) vào hệ sinh thái ứng dụng doanh nghiệp viết bằng C# .NET mà không cần phụ thuộc vào các dịch vụ bên ngoài.
• Cung cấp một tài liệu thiết kế phần mềm chi tiết, bao gồm toàn bộ sơ đồ ca sử dụng, sơ đồ lớp, quy trình tiền xử lý dữ liệu và thiết kế 20 bảng cơ sở dữ liệu quan hệ cho bài toán bán hàng thời trang đa kho.

---

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

• Vấn đề khởi đầu lạnh (Cold-start problem): Thuật toán Lọc cộng tác (Collaborative Filtering) gặp khó khăn khi đưa ra đề xuất cho người dùng mới chưa có lịch sử đánh giá hoặc đối với các sản phẩm mới đưa lên hệ thống chưa có tương tác.
• Kích thước và tính đa dạng của dữ liệu thử nghiệm: Dữ liệu bình luận được thu thập từ một nguồn đơn lẻ (Uniqlo), chưa phản ánh toàn diện hành vi mua sắm phức tạp trên nhiều phân khúc thời trang khác nhau.
• Tính năng tương tác tự động: Hệ thống chưa tích hợp công cụ hỗ trợ trực tiếp thời gian thực như chatbot tư vấn tự động cho khách hàng.

Hướng nghiên cứu và phát triển tiếp theo

• Tích hợp Chatbot AI: Xây dựng hệ thống chatbot hỗ trợ tư vấn sản phẩm tự động, giải đáp thắc mắc của khách hàng dựa trên xử lý ngôn ngữ tự nhiên (NLP).
• Hệ thống phân phối quảng cáo: Bổ sung tính năng chèn và tối ưu hóa vị trí hiển thị quảng cáo nhằm đa dạng hóa nguồn thu cho cửa hàng.
• Tối ưu hóa mô hình AI: Nghiên cứu kết hợp lọc cộng tác với lọc dựa trên nội dung (Content-based Filtering) thành mô hình lai (Hybrid Recommender System) để khắc phục triệt để hiện tượng Cold-start, đồng thời bổ sung thêm dữ liệu thực tế nhằm nâng cao độ chính xác dự báo của thuật toán SSA.

---

Giá trị tham khảo

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

• Sinh viên ngành Kỹ thuật Phần mềm và Công nghệ Thông tin: Tham khảo cấu trúc hoàn chỉnh của một đồ án tốt nghiệp kỹ sư, từ quy trình phân tích yêu cầu, thiết kế kiến trúc MVC, lập mô hình cơ sở dữ liệu quan hệ đến triển khai mã nguồn thực tế.
• Người nghiên cứu và lập trình viên .NET: Cung cấp hướng dẫn chi tiết về việc ứng dụng framework ML.NET để xây dựng bài toán gợi ý sản phẩm (Matrix Factorization) và dự báo chuỗi thời gian (SSA) trực tiếp trong môi trường C# ASP.NET Core API.
• Các nhóm phát triển hệ thống thương mại điện tử: Tham khảo cấu trúc cơ sở dữ liệu xử lý sản phẩm có nhiều biến thể (kích thước, màu sắc) và quy trình điều phối hàng hóa đa kho bãi.

---

Câu hỏi thường gặp

1. Hệ thống CShop sử dụng bộ dữ liệu nào để huấn luyện mô hình gợi ý sản phẩm?

Nhóm tác giả đã thu thập (scrape) bộ dữ liệu thực tế từ hệ thống Uniqlo gồm 14.048 bình luận của 8.759 người dùng. Dữ liệu gốc chứa các thông tin như UserId, ProductId, ProductVariantId, ProductTitle, ProductSize, ProductColor, Rating, Content và CommentDate.

2. Thuật toán học máy nào được lựa chọn để gợi ý sản phẩm và dự báo doanh thu?

Đối với chức năng gợi ý sản phẩm, nhóm sử dụng thuật toán Phân rã ma trận (Matrix Factorization) kết hợp phương pháp tối ưu Stochastic Gradient Descent (SGD) thuộc nhóm Lọc cộng tác (Collaborative Filtering). Đối với chức năng dự báo doanh thu, nhóm áp dụng thuật toán Phân tích phổ đơn kỳ (Singular Spectrum Analysis - SSA) để phân rã và dự báo chuỗi thời gian.

3. Nhóm tác giả xử lý dữ liệu đánh giá sản phẩm như thế nào trước khi nạp vào mô hình gợi ý của ML.NET?

Do một người dùng có thể bình luận nhiều lần cho một sản phẩm với các biến thể (size, màu) khác nhau, nhóm đã thực hiện tiền xử lý bằng cách gom nhóm dữ liệu theo từng cặp người dùng - sản phẩm, tính điểm Rating trung bình và loại bỏ các trường thông tin biến thể để rút gọn tập dữ liệu về ma trận 3 cột chuẩn: UserId, ProductId và Rating.

4. Kiến trúc công nghệ tổng thể của ứng dụng CShop gồm những gì?

Hệ thống được xây dựng theo mô hình MVC. Tầng giao diện (Front-end) phát triển bằng React.js (sử dụng JSX, Components, Props và State). Tầng máy chủ (Back-end) xây dựng bằng ASP.NET Core Web API (ngôn ngữ C#). Cơ sở dữ liệu sử dụng Microsoft SQL Server gồm 20 bảng quan hệ, và các module trí tuệ nhân tạo được vận hành qua thư viện Microsoft ML.NET.

5. Hệ thống quản lý kho hàng của CShop hỗ trợ các nghiệp vụ cụ thể nào?

Hệ thống cung cấp cho quản trị viên các chức năng: quản lý danh sách nhiều kho hàng (Warehouses), theo dõi số lượng tồn kho theo từng biến thể sản phẩm cụ thể (ProductVariants, ProductVariantStores), thực hiện nghiệp vụ nhập kho, luân chuyển hàng hóa giữa các kho và xem báo cáo thống kê tồn kho.

---

Kết luận

Khóa luận tốt nghiệp "Xây dựng shop quần áo online tích hợp gợi ý sản phẩm và dự báo doanh thu" của sinh viên Hoàng Quốc Trọng và Nguyễn Duy Phúc đã giải quyết trọn vẹn bài toán phát triển một nền tảng thương mại điện tử hiện đại. Đề tài kết hợp thành công kiến trúc phần mềm phân tầng (React.js, ASP.NET Core API, SQL Server) với các mô hình học máy trên nền tảng ML.NET (Matrix Factorization và SSA) để mang lại tính năng cá nhân hóa gợi ý và hỗ trợ ra quyết định kinh doanh. Toàn bộ tài liệu báo cáo thể hiện tính chặt chẽ trong phân tích thiết kế hệ thống, cung cấp giá trị tham khảo học thuật và ứng dụng thực tiễn cao cho lĩnh vực kỹ thuật phần mềm.

Trích đoạn nội dung tài liệu

Chương 1. TỔNG QUAN ĐỀ TÀI. Khảo sát hiện trạng. Mục tiêu đề tài.

Đối tượng sử dụng. Phạm vi nghiên cứu. Tìm hiểu về Reactjs. Giới thiệu về JSX.

Giới thiệu về Components. Giới thiệu về Props và State. Tìm hiểu về ASP.NET CORE API.NET CORE là gì .NET CORE API. Các dịch vụ RESTful API.

Tại sao phải sử dụng ASP.NET Web Api?. Tìm hiểu về Sql Server. Giới thiệu về Sql Server. Các thành phần cơ bản trong Sql Server.

Tại sao phải sử dụng SQL Server?. MACHINE LEARNING: ML. Khái niệm ML. Quy trình hoạt động.

Gợi ý sản phẩm. Bộ dữ liệu. Chuyển đổi dữ liệu. Các thuật toán đề xuất.

Thuật toán Matrix Factorization .33 (c) Nhược điểm. Thuật toán Field-Aware Factorization Machines. Nhược điểm. Kết luận lựa chọn thuật toán.

Dự báo doanh thu. Thuật toán Singular Spectrum Analysis (SSA). Chuẩn bị dữ liệu:. Phân tích phân rã số (SSA) - Bước cụ thể:.

Xác định kết hợp các thành phần chính:. Trích xuất kết quả:. Đánh giá độ chính xác. Nhược điểm.

KIẾN TRÚC HỆ THỐNG. Kiến trúc hệ thống: Mô hình MVC. THIẾT KẾ DỮ LIỆU. Khách hàng.

Danh sách use case. Mô tả chi tiết từng use case. Quản trị viên. Danh sách use case.

Mô tả chi tiết từng use case. Thiết kế cơ sở dữ liệu. Chi tiết các bảng. THIẾT KẾ GIAO DIỆN.

Khách hàng. Quản trị viên. Mô tả chi tiết từng màn hình. Quản trị viên.

Thêm thương hiệu. Thêm sản phẩm. Xem sản phẩm. Sửa sản phẩm.

Thêm phân loại. Xem phân loại. Xem người dùng. Di chuyển kho.

Thống kê tồn kho. Khách hàng. Xem sản phẩm. Chi tiết sản phẩm.

Thông tin cá nhân. Thông tin đặt hàng. Trạng thái đơn hàng. Kết quả đạt được.

Hạn chế và hướng phát triển .104 DANH MỤC HÌNH Hình 2-1 Reactjs .Net Core Api .14 Hình 2-3 Sql Server .21 Hình 3-2 Quy trình hoạt động ML.23 Hình 3-3 Bộ dữ liệu comments .25 Hình 3-4 Kết quả sau khi chuyển đổi dữ liệu.26 Hình 3-5 Minh họa Collborative filtering .28 Hình 3-6 Kỹ thuật phân rã ma trận.29 Hình 3-7 Kỹ thuật phân rã ma trận.30 Hình 3-8 Kỹ thuật phân rã ma trận.30 Hình 3-9 Ma trận tổng minh họa .30 Hình 3-10 Minh họa bước 1 Stochastic gradient descent .31 Hình 3-11 công thức tính giá trị lỗi giữa dự đoán và thực tế .31 Hình 3-12 Công thức minh họa Stochastic gradient descent .31 Hình 3-13 Minh họa bước 2 -> 5 .32 Hình 3-14 Ma trận P .32 Hình 3-15 Ma trận Q .33 Hình 3-16 Model gợi ý sản phẩm.35 Hình 3-17 Input Model.36 Hình 3-18 Output Model .36 Hình 3-19 Kết quả đánh giá .37 Hình 3-20 Đồ thị Elbow Plot .40 Hình 3-21 Model dự báo doanh thu .42 Hình 3-22 Data doanh thu năm 2022 .43 Hình 3-23 Data doanh thu năm 2023 .44 Hình 3-24 Màn hình dự đoán doanh thu .44 Hình 3-25 Kết quả đánh giá model .45 Hình 4-1 Mô hình MVC .46 Hình 4-2 Class diagram .47 Hình 5-1 Use case khách hàng .66 Hình 6-1 Screen flow khách hàng .76 Hình 6-2 Screen flow quản trị viên .76 Hình 6-3 Màn hình dashboard.77 Hình 6-4 Màn hình thêm thương hiệu .78 Hình 6-5 Giao diện thêm màu .79 Hình 6-6 Giao diện thêm sản phẩm .80 Hình 6-7 Màn hình xem sản phẩm .81 Hình 6-8 Màn hình sửa sản phẩm .82 Hình 6-9 Màn hình thêm phân loại .84 Hình 6-10 Màn hình xem phân loại .85 Hình 6-11 Giao diện xem người dùng .86 Hình 6-12 Giao diện quản lý kho .87 Hình 6-13 Giao diện thêm kho .