những hệ hỗ trợ ra quyết định trong môi trường mua bán trực tuyến

tài liệu những hệ hỗ trợ ra quyết định trong môi trường mua bán trực tuyến

Lời cảm ơn

Viết một khóa luận khoa học là một trong những việc khó nhất mà chúng em phải hoàn thành từ trước đến nay Trong quá trình thực hiện đề tài chúng em đã gặp rất nhiều khó khăn và bỡ ngỡ Nếu không có những sự giúp đỡ và lời động viên chân thành của nhiều người có lẽ chúng em khó có thể hoàn thành tốt luận văn này

Đầu tiên chúng em xin gửi lời biết ơn chân thành đến cô Lê Thị Nhàn, người trực tiếp hướng dẫn chúng em hoàn thành luận văn này

Chúng em muốn gửi lời cảm ơn đến cô Phạm Thị Bạch Huệ, giáo viên phản biện của luận văn này Những ý kiến đóng góp của cô là vô cùng hữu ích, nó giúp chúng em nhận ra các khuyết điểm của luận văn

Trên con đường góp nhặt những kiến thức quý báu của ngày hôm nay, các thầy, cô, bạn

bè trường Đại học Khoa học Tự nhiên là những người đã cùng em sát cánh và trải nghiệm

Và sau cùng, chúng con xin cảm ơn cha mẹ, những người đã sinh thành, dưỡng dục và nuôi dạy chúng con nên người Suốt đời này chúng con luôn ghi nhớ ơn Người

Danh mục các hình

Hình 2.1- Các giai đọan của quá trình ra quyết định .5

Hình 2.2 - Ưu điểm của Hệ hỗ trợ ra quyết định .5

Hình 2.3 - Các thành phần của Hệ hỗ trợ ra quyết định .6

Hình 2.4 Cấu trúc tổng quát của một mô hình 7

Hình 3.1 - Amazon đưa ra lý do vì sao các lời đề nghị được đưa ra .15

Hình 3.2 - Đánh giá phim ở movifinder.com 16

Hình 3.3 - Trang Research 17

Hình 3.4 - Danh mục xe ở loại xe chở khách 17

Hình 3.5 - Các câu hỏi về đặc tính máy in 19

Hình 3.6 - Các sản phẩm đề nghị của HP sau khi chọn trả lời cho các câu hỏi 20

Hình 3.7 - Các câu hỏi của samsungtelecom.com .21

Hình 3.8 - Đánh giá độ quan trọng của các thuộc tính với SmartSort .22

Hình 4.1 - Vector mục tiêu của sản phẩm có 2 thuộc tính 28

Hình 4.2 - Điều hướng về miền tối ưu Pareto 29

Hình 4.3 Di chuyển trên miền Pareto bằng cách thay đổi trọng số 31

Hình 4.4 - Các trạng thái gen trong quần thể 32

Hình 4.5 - Lai ghép .33

Hình 4.6 - Đột biến .33

Hình 5.1 - Lược đồ Usecase 35

Hình 5.2 - Lược đồ trình tự cho usecase Tìm kiếm .36

Hình 5.3 - Lược đồ trình tự cho usecase Xem danh sách sản phẩm được mua nhiều nhất 36

Hình 5.4 - Xem danh sách sản phẩm mới ra mắt 37

Hình 5.5 - Lược đồ tuần tự Usecase Sản phẩm được quan tâm nhiều nhất 37

Hình 5.6 - Lược đồ trình tự cho usecase Trợ giúp lựa chọn sản phẩm 38

Hình 5.7 - Lược đồ trình tự cho usecase Duyệt sản phẩm theo hãng sản xuất 39

Hình 5.8 - Lược đồ trình tự cho usecase Xem thông tin chi tiết 39

Hình 5.9 - Lược đồ trình tự cho usecase Thêm hàng vào giỏ 40

Hình 5.10 - Lược đồ trình tự cho usecase Xem giỏ hàng .40

Hình 5.11 – Lược đồ trình tự cho usecase Thanh toán .41

Hình 5.12 - Mô hình kiến trúc hệ thống 42

Hình 5.13 - Sơ đồ dữ liệu quan hệ .42

Hình 5.14 - Lược đồ trình tự (mức thiết kế) cho usecase Tìm kiếm 45

Hình 5.15 - Lược đồ trình tự (mức thiết kế) cho usecase Xem sản phẩm mới ra mắt 46

Hình 5.16 - Lược đồ trình tự (mức thiết kế) cho usecase Trợ giúp chọn sản phẩm 46

Hình 5.17 - Lược đồ trình tự (mức thiết kế) cho usecase Xem thông tin chi tiết 47

Hình 5.18 - Lược đồ trình tự (mức thiết kế) cho usecase Thêm hàng vào giỏ 47

Hình 5.19 Lược đồ trình tự (mức thiết kế) cho usecase Xem giỏ hàng 47

Hình 5.20 - Lược đồ trình tự (mức thiết kế) cho usecase Thanh toán 48

Hình 5.21 Sơ đồ phối hợp giữa các trang web 48

Hình 5.22 - Sơ đồ lớp ứng dụng WebMobileShop .52

Hình 5.23 - Sơ đồ lớp của module thuật toán GA .54

Hình 7.1 - Miền tối ưu Pareto .64

Danh mục các bảng

Bảng 3.1 - Các bước cơ bản để tiến hành một giao dịch 12

Bảng 3.2 - Phân loại hệ hỗ trợ ra quyết định trong E-Commerce 13

Bảng 3.3 - Tổng kết so sánh website 22

Bảng 5-1-Danh sách các bảng cơ sở dữ liệu 43

Bảng 5.2 - Bảng dữ liệu tblItems 43

Bảng 5.3 - Bảng dữ liệu tblCaseType 44

Bảng 5.4 - Bảng dữ liệu tblProducers 44

Bảng 5.5 - Bảng dữ liệu tblOrders 44

Bảng 5.6 - Bảng dữ liệu tblOrderDetails 45

Bảng 5.7 - Các đối tượng lớp của hệ thống WebMobileShop 53

Bảng 5.8 - Các đối tượng thuộc module thuật toán GA 54

Mục lục

Lời cảm ơn i

Danh mục các hình ii

Danh mục các bảng iii

Mục lục iv

Chương 1 Giới thiệu 1

1.1 Tổng quan 1

1.2 Vấn đề đặt ra 1

1.3 Mục tiêu của luận văn 2

1.4 Bố cục của luận văn 2

Chương 2 Hệ hỗ trợ ra quyết định 4

2.1 Thế nào là ra quyết định 4

2.2 Quá trình ra quyết định 4

2.2.1 Phân loại quyết định 4

2.2.2 Các giai đoạn của quá trình ra quyết định 4

2.3 Hệ hỗ trợ ra quyết định 5

2.3.1 Khái niệm Hệ hỗ trợ ra quyết định 5

2.3.2 Các thành phần của Hệ hỗ trợ ra quyết định 6

2.3.3 Mô hình ra quyết định 7

2.3.4 Phân loại Hệ hỗ trợ ra quyết định 8

2.4 Tìm kiếm và đánh giá các lựa chọn một phần rất quan trọng trong hỗ trợ ra quyết định 10 Chương 3 Mua hàng qua mạng và sự cần thiết của hỗ trợ ra quyết định 11

3.1 Internet đem đến một phương thức mua bán mới 11

3.2 Khảo sát thực trạng mua bán qua mạng 11

3.3 So sánh giữa phương thức mua hàng truyền thống và mua qua mạng 12

3.3.1 Các bước cơ bản để tiến hành một giao dịch mua hàng 12

3.3.2 Các điểm thuận lợi và không thuận lợi trong phương thức mua bán truyền thống 13 3.3.3 Các điểm thuận lợi và không thuận lợi trong phương thức mua bán qua mạng 13 3.4 Khảo sát các trang web bán hàng và sự hỗ trợ khách hàng của chúng 13

3.4.1 Khảo sát một số hệ hỗ trợ ra quyết định trong E-Commerce 14

3.4.2 Bảng tóm tắt và so sánh 22

3.5 Các tiện ích mà một trang web bán hàng cần cung cấp để có thể Hỗ trợ khách hàng tốt hơn 22

Chương 4 Sử dụng giải thuật di truyền để giải quyết bài toán hỗ trợ chọn sản phẩm khi mua hàng qua mạng 24

4.1 Giới thiệu 24

4.2 Các khó khăn khi xây dựng một module hỗ trợ khách hàng chọn sản phẩm 24

4.3 Vấn đề “đa mục tiêu” khi chọn sản phẩm 25

4.4 Cách tiếp cận để giải bài toán “Tối ưu đa mục tiêu” khi chọn sản phẩm 25

4.5 Chuyển bài toán chọn sản phẩm thành bài toán tối ưu đa mục tiêu 26

4.5.1 Lời giải cho bài toán 26

4.5.2 Các biến quyết định 26

4.5.3 Các ràng buộc 26

4.5.4 Các mục tiêu 27

4.5.5 Hướng đến một lời giải “tối ưu” 28

4.5.6 Các cải tiến để phù hợp với bài toán 31

Chương 5 Phân tích và thiết kế website bán điện thoại di động có hỗ trợ người mua chọn

sản phẩm 35

5.1 Phân tích 35

5.1.1 Mô hình Usecase 35

5.1.2 Mô tả các Actor 35

5.1.3 Mô tả các Usecase 35

5.2 Thiết kế 41

5.2.1 Thiết kế hệ thống 41

5.2.2 Thiết kế cơ sở dữ liệu 42

5.2.3 Thiết kế các lớp đối tượng 45

Chương 6 Cài đặt 55

6.1 Môi trường phát triển ứng dụng 55

6.2 Cài đặt chương trình 55

6.3 Một số màn hình tiêu biểu 56

Chương 7 Kết luận và hướng phát triển 60

7.1 Kết luận 60

7.2 Hướng phát triển 61

Phụ lục A Bài toán tối ưu đa mục tiêu 62

Phụ lục B Thuật giải di truyền 68

Tài liệu tham khảo 71

Chương 1 Giới thiệu 1.1 Tổng quan

Trong những năm gần đây, sự phát triển của thương mại điện tử (E-Commerce) đã đem lại nhiều lợi ích to lớn cho nền kinh tế toàn cầu Thông qua thương mại điện tử, nhiều loại hình kinh doanh mới được hình thành, trong đó có mua bán hàng trên mạng Với hình thức mới này, người tiêu dùng có thể tiếp cận với hàng hóa một cách dễ dàng và nhanh chóng hơn rất nhiều so với phương thức mua bán truyền thống

Những tưởng với những thế mạnh của mình các trang web bán hàng sẽ dần thay thế các gian hàng hay các siêu thị truyền thống Nhưng trên thực tế người mua vẫn còn rất mặn

mà với phương pháp mua bán cũ Một phần vì phương thức mua bán cũ dần dần từng bước chuyển từ thói quen thành một nếp văn hóa, văn hóa mua sắm Khi đó người ta xem hoạt động mua sắm là một hoạt động không thể thiếu trong nền văn hóa đó Mặt khác, các trang web bán hàng hiện nay dù đã được phát triển nhưng thực sự vẫn chưa thể thay thế được các cửa hàng thực tế Một trong những nguyên nhân của sự thua kém này đó là yếu

tố con người, một yếu tố mà chắc hẳn các trang web bán hàng khó có thể bù đắp được Bên cạnh đó, đâu là các nguyên nhân khác gây ra sự thua kém này? Người mua nhận xét

gì về những nổ lực mà các trang web bán hàng đã và đang mang lại? Làm thể nào để nâng cao hiệu quả của những cửa hàng điện tử này?

1.2 Vấn đề đặt ra

Hiện nay, các hệ thống bán hàng trực tuyến đã tạo nhiều điều kiện thuận lợi để người mua

có thể tiếp cận nhiều mặt hàng cùng lúc Tuy nhiên, việc trình bày và trang trí quá nhiều các mặt hàng trên trang web đã gây ra không ít khó khăn cho người mua Họ khó có thể chọn ra cho mình một sản phẩm ưng ý nhất

Để khách hàng có thể đến và mua được một sản phẩm ưng ý thì một lời khuyên, một sự trợ giúp là rất quan trọng Một người bán hàng trong phương thức bán hàng truyền thống

là một lợi thế rất lớn Do đó để phương thức bán hàng qua mạng thực sự phát triển thì bên cạnh các lợi thế vốn có của mình việc có thêm một “người trợ giúp” là hết sức cần thiết

Hệ thống hỗ trợ ra quyết định (Decision Support System - DSS) với sự kết hợp của máy tính đã được áp dụng nhiều trong các công tác quản lý, những công việc tất yếu liên quan

đến việc ra quyết định DSS có thể giúp những nhà quản lý đưa ra các quyết định nhanh chóng hơn, phức tạp hơn, và nâng cao hiệu suất cũng như chất lượng của các quyết định Một hệ thống hỗ trợ ra quyết định tốt có thể đóng vai trò như một người trung gian hỗ trợ khách hàng đưa ra các quyết định mua hàng đúng đắn Bằng cách xác định mục đích và nhu cầu của khách hàng, hệ thống có thể đưa ra một tập các gợi ý giúp cho người mua dễ dàng chọn lựa sản phẩm yêu thích hơn Qua đó hiệu suất của việc mua bán hàng trực tuyến được tăng cao một cách đáng kể

1.3 Mục tiêu của luận văn

Trước hết luận văn giúp chúng ta nhận ra những mặt thiếu sót của các trang web bán hàng hiện nay Những tiện ích, dịch vụ mà các trang web này cần cung cấp hoặc nâng cao hơn

để có thể nâng cao vị thế của mình trong nền kinh tế hàng hóa

Luận văn sẽ đưa ra một hướng tiếp cận để xây dựng một trong những tiện ích nói trên, tiện ích hỗ trợ khách hàng ra quyết định chọn sản phẩm Tiện ích này đóng vai trò như một người bán hàng có thể thu thập các thông tin về sở thích của khách hàng, sau đó tìm trong kho hàng vô tận của mình những mặt hàng thích hợp nhất với các sở thích đó

Luận văn cũng tìm hiểu bài toán tối ưu đa mục tiêu và cách tiếp cận dùng thuật giải di truyền để giải quyết bài toán Bài toán này cũng là một khó khăn lớn trong khi tiến hành lựa chọn và gợi ý sản phẩm cho người mua

Việc trợ giúp khách hàng chọn lựa sản phẩm là một giai đoạn trong quá trình người mua quyết định mua sản phẩm Vì vậy, luận văn sẽ tìm hiểu về hệ hỗ trợ ra quyết định, vị trí

và vai trò của người trợ giúp bán hàng trong quá trình hỗ trợ khách hàng mua sản phẩm

1.4 Bố cục của luận văn

Bố cục của luận văn được tổ chức thành 7 chương Chương 1 trình bày tổng quan về sự cần thiết của hệ hỗ trợ ra quyết định trong môi trường mua bán trực tuyến và mục tiêu của luận văn

Chương tiếp theo giới thiệu lý thuyết chung về hệ hỗ trợ ra quyết định Chương này nêu

ra định nghĩa “Một quyết định là gì?” và “Một hệ hỗ trợ ra quyết định là gì?” Đây là những kiến thức nền tảng về hệ thống hỗ trợ ra quyết định như quá trình ra quyết định, các giai đoạn của quá trình ra quyết định, các mô hình của hệ hỗ trợ ra quyết định, và các công nghệ thông minh được ứng dụng trong hệ hỗ trợ ra quyết định

Chương 3 là khảo sát và so sánh về các đặc điểm của những hệ hỗ trợ ra quyết định trong môi trường mua bán trực tuyến

Chương 4 trình bày một cách tiếp cận để áp dụng hệ hỗ trợ ra quyết định vào quá trình lựa chọn sản phẩm và mua hàng của khách hàng Ở đây bài toán tối ưu hóa đa mục tiêu và các hướng giải quyết được nêu ra

Chương 5 là phần phân tích thiết kế hệ thống trang web bán hàng và hỗ trợ khách hàng chọn sản phẩm Chương 6 là phần cài đặt hệ thống

Tổng kết và đánh giá của luân văn được trình bày ở chương 7

Chương 2

Hệ hỗ trợ ra quyết định 2.1 Thế nào là ra quyết định

Việc đưa ra quyết định đối với một vấn đề xuất hiện trong khắp các lĩnh vực, hoạt động của đời sống mà đôi khi chúng ta không nhận ra Từ những việc đơn giản như chọn một

bộ quần áo để đi dự tiệc cho đến các việc lớn lao như phân bổ ngân sách vào các chương trình của quốc gia đều là các công việc đưa ra quyết định

Vậy đưa ra quyết định chính là chọn ra trong các giải pháp khả thi một giải pháp mà theo người đưa ra quyết định là phù hợp nhất

2.2 Quá trình ra quyết định

2.2.1 Phân loại quyết định

Có thể phân ra bốn loại quyết định như sau

• Quyết định có cấu trúc (Structured Decision): Các quyết định mà người ra quyết định biết là chắc chắn đúng

• Quyết định không cấu trúc (Nonstructured Decision): Các quyết định mà người

ra quyết định biết là có nhiều câu trả lời gần đúng và không có cách nào để tìm

ra câu trả lời chính xác nhất

• Quyết định đệ quy (Recurring Decision): Các quyết định lặp đi , lặp lại

• Quyết định không đệ quy (Nonrecurring Decision): Các quyết định không xảy

ra thường xuyên

2.2.2 Các giai đoạn của quá trình ra quyết định

Theo Simon, các giai đoạn của quá trình ra quyết định bao gồm các pha:

• Nhận định (Intelligence) : Tìm kiếm các tình huống dẫn đến việc phải ra quyết định, nhận dạng các vấn đề, nhu cầu, cơ hội, rủi ro…

• Thiết kế (Design): Phân tích các hướng tiếp cận để giải quyết vấn đề, đáp ứng các nhu cầu, tận dụng các cơ hội , hạn chế các rủi ro

• Lựa chọn (Choice): Cân nhắc và đánh giá từng giải pháp, đo lường hậu qủa của từng giải pháp và chọn giải pháp tối ưu

• Tiến hành ra quyết định (Implementation): Thực hiện giải pháp được chọn, theo dõi kết quả và điều chỉnh khi thấy cần thiết

Hình 2.1- Các giai đọan của quá trình ra quyết định

2.3 Hệ hỗ trợ ra quyết định

2.3.1 Khái niệm Hệ hỗ trợ ra quyết định

Trong thập niên 1970, Scott Morton đưa ra những khái niệm đầu tiên về Hệ hỗ trợ ra quyết định (Decision Support Systems-DSS) Ông định nghĩa DSS như là những hệ thống máy tính tương tác nhằm giúp những người ra quyết định sử dụng dữ liệu và mô hình để giải quyết các vấn đề không có cấu trúc [5]

Hình 2.2 - Ưu điểm của Hệ hỗ trợ ra quyết định

Cho đến nay chưa có một định nghĩa thống nhất về DSS Tuy nhiên tất cả đều đồng ý mục đích cơ bản nhất của DSS là để hỗ trợ và cải tiến việc ra quyết định

2.3.2 Các thành phần của Hệ hỗ trợ ra quyết định

Một Hệ hỗ trợ ra quyết định gồm có ba thành phần chính

• Quản lí mô hình

• Quản lí dữ liệu

• Quản lí giao diện ngừơi dùng

Quản lí mô hình (Model Management) bao gồm các mô hình ra quyết định (DSS

models) và việc quản lí các mô hình này Một số ví dụ của các mô hình này bao gồm: mô hình nếu thì, mô hình tối ưu, mô hình tìm kiếm mục đích, mô hình thống kê

Quản lí dữ liệu (Data Management) thực hiên công việc lưu trữ các thông tin của hệ và

phục vụ cho viêc lưu trữ, cập nhật, truy vấn thông tin

Quản lí giao diện ngừơi dùng (User Interface Management) quản lí việc giao tiếp giữa

người dùng cuối và Hệ ra quyết định

Hình 2.3 - Các thành phần của Hệ hỗ trợ ra quyết định

2.3.3 Mô hình ra quyết định

Một đặc trưng cơ bản của Hệ hỗ trợ ra quyết định là phải có ít nhất một mô hình hỗ trợ ra quyết định Việc chọn lựa và xây dựng mô hình nằm trong giai đoạn thứ hai (Design Phase) của quá trình ra quyết định

Một mô hình là một khái quát hóa hay trừu tượng hóa của thực tế Mô hình hóa là việc khái quát hóa và trừu tượng hóa các vấn đề thực tế thành các mô hình định tính hay định lượng Đó là một quy trình kết hợp cả khoa học (sự chính xác, logic) và nghệ thuật (sự sáng tạo)

Một mô hình thường bao gồm ba thành phần cơ bản:

• Decision Variables: Đây là các lực chọn xác định bởi người ra quyết định Chẳng hạn trong bài tóan quyết định đầu tư thì đây là số tiền đầu tư, nơi đầu tư, thời gian đầu tư…

• Uncontrollable Variables : Đây là các biến không nằm trong sự kiểm sóat của người ra quyết định (bị tác động bởi các yếu tố bên ngòai) Chẳng hạn trong bài tóan trên thì đây là tốc độ lạm phát, lãi suất ngân hàng…

• Result Variables: Đây là các biến kết quả của mô hình Chẳng hạn trong bài toán trên thì đây là tỉ số lợi nhuận…

Hình 2.4 Cấu trúc tổng quát của một mô hình

Khi lựa chọn quyết định cuối cùng, người ra quyết định có thể muốn có một quyết định tối ưu (optimal) hay một quyết định thỏa đáng, gần tối ưu (good enough) Do vậy có thể chia ra hai loại mô hình hỗ trợ ra quyết định

Mô hình quy chuẩn (Normative Model): Mô hình này xem xét tất cả các phương án và chọn ra phương án tôi ưu

Mô hình mô tả (Descriptive Model): Mô hình này xem xét một tập hợp các điều kiện theo

ý người dùng và xem xét các phương án theo hướng các điều kiện này và đưa ra một kết

UnControllable variables

Decision variables

Meathematical relationships Result variables

quả thỏa đáng Vì mô hình này không xem xét hết tất cả các phương án nên kết quả cúôi cùng có thể chỉ gần tối ưu

Mô hình quy chuẩn thường được sử dụng trong bài tóan tối ưu hóa một mục tiêu Mô hình mô tả thường được sử dụng trong bài tóan tôi ưu hóa đa mục tiêu khi các mục tiêu này có thể mâu thuẩn nhau

2.3.4 Phân loại Hệ hỗ trợ ra quyết định

Hệ hỗ trợ ra quyết định được phân loại dựa trên nhiều tiêu chí Hiện nay, vẫn chưa có cách phân loại thống nhất Sau đây là 2 cách phổ biến nhất:

Theo [4], có tất cả năm lọai Hệ hỗ trợ ra quyết định

• Hướng giao tiếp (Communications-Driven DSS)

• Hướng dữ liệu (Data-Driven DSS )

• Hướng tài liệu (Document-Driven DSS)

• Hướng tri thức (Knowledge-Driven DSS)

• Hướng mô hình (Model-Driven DSS)

Hướng giao tiếp - Hệ hỗ trợ ra quyết định sử dụng mạng và công nghệ viễn thông để

liên lạc và cộng tác Công nghệ viễn thông bao gồm Mạng cục bộ (LAN), mạng diện rộng (WAN), Internet, ISDN, mạng riêng ảo là then chốt trong việc hỗ trợ ra quyết định Các ứng dụng của hệ hỗ trợ ra quyết định hướng giao tiếp là Phần mềm nhóm (Groupware), Hội thảo từ xa (Videoconferencing), Bản tin (Bulletin Boards)…

Hướng dữ liệu - Hệ hỗ trợ Ra quyết định dựa trên việc truy xuất và xử lí dữ liệu

Phiên bản đầu tiên được gọi là Hệ chỉ dành cho việc truy xuất dữ liệu (Retrieval-Only DSS ) Kho dữ liệu (Datawarehouse) là một Cơ Sở Dữ Liệu tập trung chứa thông tin từ nhiều nguồn đồng thời sẵn sàng cung cấp thông tin cần thiết cho việc ra quyết định OLAP có nhiều tính năng cao cấp vì cho phép phân tích dữ liệu nhiều chiều, ví dụ dữ liệu bán hàng cần phải được phân tích theo nhiều chiều như theo vùng, theo sản phẩm, theo thời gian, theo người bán hàng

Hướng tài liệu - Hệ hỗ trợ ra quyết định dựa trên việc truy xuất và phân tích các văn

bản, tài liệu…Trong một công ty, có thể có rất nhiều văn bản như chính sách, thủ tục, biên bản cuộc họp, thư tín Internet cho phép truy xuất các kho tài liệu lớn như các kho văn bản, hình ảnh, âm thanh… Một công cụ tìm kiếm hiệu quả là một phần quan

Hướng tri thức - Hệ hỗ trợ ra quyết định có thể đề nghị và đưa ra những tư vấn cho

người ra quyết định Những hệ này là các hệ chuyên gia với một kiến thức chuyên ngành cụ thể, nắm vững các vấn đề trong chuyên ngành đó và có kĩ năng để giải quyết những vấn đề này Các công cụ khai mỏ dữ liệu có thể dùng để tạo ra các hệ dạng này Theo Holsapple và Whinston (1996) [6] phân ra 6 lọai Hệ hỗ trợ ra quyết định

• Hướng văn bản (Text-Oriented DSS)

• Hướng cơ sở dữ liệu (Database-Oriented DSS)

• Hướng bản tính (Spreasheet-Oriented DSS)

• Hướng người giải quyết (Solver-Oriented DSS)

• Hướng luật (Rule-Oriented DSS)

• Hướng kết hợp (Compound DSS)

Hướng văn bản – Thông tin (bao gồm dữ liệu và kiến thức) được lưu trữ dưới dạng

văn bản Vì vậy hệ thống đòi hỏi lưu trữ và xử lí các văn bản một cách hiệu quả Các công nghệ mới như Hệ quản lí văn bản dựa trên web, Intelligent Agents có thể được sử dụng cùng với hệ này

Hướng cơ sở dữ liệu - Cơ sở dữ liệu đóng vai trò chủ yếu trong hệ này.Thông tin

trong cơ sở dữ liệu thường có cấu trúc chặt chẽ, có mô tả rõ ràng Hệ này cho phép người dùng truy vấn thông tin dễ dàng và rất mạnh về báo cáo

Hướng bản tính – Một bản tính là một mô hình để cho phép người dùng thực hiện

việc phân tích trước khi ra quyết định Bản tính có thể bao gồm nhiều mộ hình thống

kê, lập trình tuyến tính, mộ hình tài chính… Bản tính phổ biến nhất đó là Microsoft Excel Hệ này thường được dùng rông rãi trong các hệ liên quan tới người dùng cuối

Hướng người giải quyết – Một trợ giúp là một giải thuật hay chương trình để giải

quyết một vấn đề cụ thể chẳng hạn như tính lượng hàng đặt tối ưu hay tính tóan xu hướng bán hàng Một số trợ gíup khác phức tạp như là tối ưu hóa đa mục tiêu Hệ này bao gồm nhiều trợ gíup như vây

Hướng luật – Kiến thức của hệ này được mô tả trong các quy luật thủ tục hay lí lẽ Hệ

này còn đựoc gọi là hệ chuyên gia Các quy luât này có thể là định tính hay định lượng Các ví dụ của hệ này như là hướng dẫn không lưu, hướng dẫn giao thông trên biển, trên bộ…

Hướng kết hợp - Một hệ tổng hợp có thể kết hợp hai hay nhiều hơn trong số năm hệ kể

để phân tích Đối với mô hình mô tả, ta có thể sử dụng phương pháp kinh nghiệm (heuristic search) để duyệt các lựa chọn dựa trên các quy luật rút ra được từ thử và sai hay kinh nghiệm

Phương pháp đánh giá các lựa chọn được quyết định khác nhau trong bài toán một mục tiêu và bài toán đa mục tiêu Bài toán một mục tiêu có thể được mô hình hóa bằng bảng ra quyết định hay cây ra quyết định

Một trong các phương pháp hiệu quả để giải quyết đa mục tiêu là đo lường trọng số của các ưu tiên ra quyết định (Analytical Hierarchy Process của ExpertChoice) Một phương pháp khác là tối ưu hóa dựa trên các mộ hình tóan học tuyến tính (Microsoft Excel, Lingo…) Một phương pháp khác là lập trình kinh nghiệm sử dụng heuristics như là tabu search, giải thuật di truyền

Chương 3 Mua hàng qua mạng và sự cần thiết của hỗ trợ ra quyết định 3.1 Internet đem đến một phương thức mua bán mới

Sự phát triển vượt bậc từng ngày của các công nghệ trên Internet đã dần thực sự biến đổi các hoạt động thương mại làm cho nó mang tính toàn cầu hơn Các hoạt động kinh doanh truyền thống giờ đã được số hóa, các khái niệm về E-Commerce, E-Business, E-Market, Shopping online xuất hiện và ngày càng trở nên phổ biến Chính công nghệ Internet đã thực sự kết nối các doanh nghiệp với nhau (B2B – Business To Business) và doanh nghiệp với khách hàng (B2C – Business To Customer)

Sức mạnh và sự thuận lợi của công nghệ Web đã giúp các công ty, doanh nghiệp đưa các hoạt động kinh doanh của mình đến gần với người dùng hơn Sử dụng Web các công ty

có thể đưa đến người dùng từ những mẫu quảng cáo nhỏ, các mặt hàng, dịch vụ mà công

ty cung cấp đến các hoạt động mua bán với khách hàng Chính điều đó đã hình thành một phương thức mua bán hoàn toàn mới mẻ và đang trở nên một hoạt động phổ biến trên Internet , mua bán hàng qua mạng (Shopping Online)

3.2 Khảo sát thực trạng mua bán qua mạng

So với các hoạt động trên mạng khác thì hoạt động mua bán hàng qua mạng vẫn chiếm một tỷ lệ rất nhỏ nhưng rỏ ràng nó đang phát triển từng ngày

• Một lượng lớn và đủ chủng lọai các mặt hàng và dịch vụ được đưa ra (65%)

• Sự không biên giới,bạn có thể mua hàng từ bất kỳ quốc gia nào (54%)

• Dể dàng so sánh giá cả (52%) Các mặt không thuận lợi:

• Không thể thử món hàng minh mua (52%)

• Không có các dịch vụ trợ giúp khi mua hàng(30%)

• Có nhiều khó khăn khi giao dịch hoặc trả lại hàng hóa (25%)

• Phương thức thanh toán còn qua phức tạp(31%)

• Người mua hàng tỏ ra hoài nghi khi có quá nhiều thông tin cá nhân được thu thập (30%)

Và với các yếu tố ảnh hưởng đến việc mua hàng qua mạng trên thì có 2/3 người dùng khẳng định họ sẽ tiếp tục mua hàng và 1/3 còn lại thì khẳng định họ không có ý định mua hàng qua mạng, một con số đáng để lưu tâm [18]

3.3 So sánh giữa phương thức mua hàng truyền thống và mua qua mạng

3.3.1 Các bước cơ bản để tiến hành một giao dịch mua hàng

Bảng 3.1 - Các bước cơ bản để tiến hành một giao dịch

Chọn một cửa hàng ưng ý có bán sản phẩm mà mình qua tâm(quen, được giới thiệu, tình cờ)

mình muốn mua Tìm kiếm sản phẩm qua các từ khóa (nếu trang có hổ trợ) Nhờ người bán hàng tư vấn mặt hàng phù

Chọn mua, thanh toán và nhận sản phẩm Chọn mua và thanh toán chờ công ty phân

phối sản phẩm

Hoàn trả nếu không ưng ý Liên lạc với trang web qua hệ thống mail

và chờ phản hồi

3.3.2 Các điểm thuận lợi và không thuận lợi trong phương thức mua bán truyền

thống

¾ Thuận lợi:

o Người mua có thể “sờ tận tay, thấy tận mắt”

o Nếu gặp khó khăn có thể nhờ người bán hàng tư vấn

o Có thể mặt cả giá cả

o Mua sắm trở thành một văn hóa, làm cho người mua hứng khởi

o Việc mua sắm đôi khi tốn rất nhiều thời gian

¾ Không thuận lợi:

o Người mua khó nắm bắt hết các thông tin về mặt hàng mình định mua

o Các mặt hàng thuộc các nhà cung cấp khác nhau thường được phân bố rải rác làm cho người mua khó so sánh

3.3.3 Các điểm thuận lợi và không thuận lợi trong phương thức mua bán qua

o Thời gian mua sắm ít

¾ Không thuận lợi:

o Người mua chỉ có thể “thấy” chứ không thể thử, tiếp xúc với mặt hàng

o Không được tư vấn khi không biết phải chọn mặt hàng nào

o Không tìm được mặt hàng ưng ý vì có quá nhiều sự chọn lựa

3.4 Khảo sát các trang web bán hàng và sự hỗ trợ khách hàng của chúng

Các hoạt động hỗ trợ khách hàng ra quyết định mua hàng qua mạng rất đa dạng và được phân chia theo nhiều cách khác nhau Sự phân chia ở bảng dưới sử dụng cách phân loại của ở tài liệu [16], chỉ ra 3 mức hỗ trợ của DSS là hỗ trợ theo hướng truy cập, hỗ trợ theo hướng giao dịch và hỗ trợ theo hướng quan hệ

Bảng 3.2 - Phân loại hệ hỗ trợ ra quyết định trong E-Commerce

Mức hỗ trợ

Đặc điểm

Hướng truy cập

Tất cả các trang web tìm kiếm (không chỉ riêng cho các trang web mua bán trực tuyến)

Đặc điểm:

• Tìm kiếm và duyệt tuyến tính

• Tìm kiếm theo từ khóa

Hướng Các trang web ở mức này có những đặc điểm sau:

giao dịch • Giao diện người dùng tập trung hỗ trợ các hành vi của người

dùng trong các hoạt động giao dịch, mua hàng, đặc biệt là hướng dẫn lựa chọn sản phẩm

• Cấu trúc dữ liệu website mua hàng và ứng dụng web server

• Đòi hỏi nội dung, chất lượng của catalog sản phẩm và giao diện đồ họa phải cao

Hướng quan hệ

Đây là những ứng dụng hướng đến mục tiêu chỉ dẫn khách hàng dựa trên tri thức, với các đặc điểm sau:

• Thông qua sở thích và tính cách cá nhân của người tiêu dùng

• Hỗ trợ các nhắc nhở,quảng cáo, mở rộng dây chyền cung ứng

• Tìm kiếm theo ngôn ngữ tự nhiên

Sự sắp xếp này đi từ sự hỗ trợ đơn giản đến tinh vi Những mức độ này cũng phản ánh sự tiến triển của các hệ hỗ trợ từ những năm 90 đến nay

Ở mức 1, DSS dùng nhiều đến các phần mềm đa dụng để tạo những trang mua bán và tìm kiếm, duyệt đơn giản dựa trên các từ khóa Những trang web này chủ yếu để lôi kéo khách hàng và không tốn nhiều chi phí để xây dựng Chúng là dạng thực thi trên web và chúng đem lại rất ít các trợ giúp cho người mua với các chức năng truy cập thông tin và chức năng mua hàng đơn giản

Mức tiếp theo là một chuỗi cố gắng nhằm hiểu rõ các bước và thao tác xử lý của người mua trong suốt quá trình diễn ra giao dịch và tạo ra nhiều thiết lập mặc định và khuôn mẫu để hỗ trợ tốt hơn cho các bước cấu trúc Những khảo sát về DSS những năm cuối thập niên 90 của thế kỷ 20 tập trung vào việc làm thế nào hỗ trợ các bước so sánh nhãn hiệu và sản phẩm Một thời gian sau, một khảo sát khác cho thấy các hệ thống đang cố gắng mở rộng điểm này cho các bước mua, thanh toán và giao hàng Họ cũng kết hợp được những hướng tiếp cận và mở rộng DSS trên các xử lý quyết định như tài chính, giúp

đỡ khách hàng trực tuyến và quản lý lỗi cũng như tìm kiếm theo ngôn ngữ tự nhiên

Ở mức cao nhất là những đặc tính của các trang mua bán hàng hóa hiện tại được phát triển trong thập kỷ đầu của thế kỷ 21 này Ở đây chúng ta thấy sự thay đổi sang sự hỗ trợ đối với các quan hệ dựa trên thời gian dài mà người mua có được dựa trên các giao dịch

3.4.1 Khảo sát một số hệ hỗ trợ ra quyết định trong E-Commerce

3.4.1.a Amazon.com

Amazon.com được thành lập vào năm 1996, là trang web bán sách nổi tiếng hiện nay Danh mục sản phẩm của Amazon.com rất phong phú bao gồm: sách, đồ điện tử, đĩa nhạc, phim ảnh Sự hỗ trợ khách hàng chọn sản phẩm là riêng rẽ từng loại sản phẩm khác nhau Điều này cũng dễ hiểu bởi không thể đề nghị khách hàng mua một quyển sách trong khi

họ đang tìm mua một máy điện thoại Chúng ta sẽ tập trung vào hệ thống hỗ trợ trong mua bán sách của Amazon.com

Danh mục sách đề nghị mua (persionalized recommendation): Như nhiều website

E-commerce khác, Amazon.com được cấu trúc với các trang thông tin cho mỗi quyển sách, đem lại các thông tin chi tiết về nội dung và mua bán Danh sách các quyển sách đề nghị mua kèm được thấy ở trang thông tin của mỗi cuốn sách Thật sự, nó gồm hai danh sách

đề nghị riêng biệt Phần thứ nhất gồm danh sách những quyển sách thường mua nhất Phần thứ hai là danh sách các tác giả của những quyển sách thường xuyên được mua Mọi hoạt động duyệt danh mục sách, thêm hàng vào giỏ của người dùng đều được website ghi nhận để làm cơ sở cho việc đưa ra các đề nghị này

Ý kiến của bạn (Your Recommendation): Amazon cũng khuyến khích khách hàng

phản hồi trực tiếp các cuốn sách mà họ đã đọc Khách hàng đánh giá các cuốn sách họ đã đọc trên thang điểm 5 từ “hated it” đến “loved it” Những đánh giá này sẽ được dùng như

là đầu vào cho một cơ chế đề nghị (recommendation engine) Do đó, khi đánh giá càng nhiều quyển sách, khách hàng sẽ nhận được lời đề nghị càng chính xác Hình dưới cho phép ta xem việc đánh giá của khách hàng là lý do để Amazon đưa ra các đề nghị đối với các quyển sách khác Ví dụ khi ta đánh giá quyển “A Road Ahead” của Bill Gates thì Amazon đề nghị ta một quyển sách khác cũng của Bill Gates là “Bussiness @ the Speed

of Thought”

Hình 3.1 - Amazon đưa ra lý do vì sao các lời đề nghị được đưa ra

Email Notification: Đặc tính này cho phép customers được biết qua email các sản phẩm

mới đã thêm vào catalog của Amazon.com

Nhận xét của khách hàng (Customer Comments): Nhận xét của khách hàng cho phép

khách hàng nhận được các đề xuất dạng văn bản dựa trên ý kiến của các khách hàng khác

Mỗi một trang thông tin cụ thể về một cuốn sách là đánh giá dựa trên thang điểm 5 biểu hiện bằng hình ngôi sao và các lời nhận xét của những người đã đọc quyển sách và đưa ra lời bình Khách hàng cũng có sự chọn lựa các kết hợp giữa các đề xuất này trong quyết định mua của họ Hơn nữa, khách hàng có thể đánh giá các nhận xét này Với mỗi lời bình có một câu hỏi “Did this comment help you? ” và khách hàng có thể chọn là “có” hoặc “không” (yes hoặc no) Kết quả sẽ được liệt kê vào bảng và đưa ra 5 trong 7 người tìm được các lời nhận xét có ích

3.4.1.b 3.2.2 MovieFinder.com

MovieFinder.com là trang web phim ảnh được quản lý bởi E!Online MovieFinder hỗ trợ người dùng qua các sắp xếp các phim theo đánh giá của chính họ và đánh giá của khách hàng theo các mức từ A đến F Các đánh giá của người dùng về các phim họ đã xem thể hiện ở mục Users Grade Còn mục Our Grade là đánh giá của những người biên tập trang web Hình 3.2 dưới cho ta thấy bộ phim “Kingdom of Heaven” được đánh giá B+ ở cả hai mục Our Grade và Users Grade Đối với người dùng đã đăng ký có thể được đánh giá trực tiếp tại đây

Hình 3.2 - Đánh giá phim ở movifinder.com

3.4.1.c Carsdirect.com

Carsdirect là một cửa hàng bán xe hơi trên Web, được thành lập vào năm Carsdirect đưa

ra một danh mục sản phẩm theo hướng tiếp cận với nhu cầu của người dùng Trang Research (xem hình 3.3) cho phép chọn xe theo mục đích sử dụng của người mua: xe chở khách, xe cao cấp, xe tải nhẹ, xe cũ v.v…

Hình 3.3 - Trang Research

Khi chọn một loại xe, trang web tiếp tục đưa người dùng chọn đến danh mục phân loại ở cấp dưới Cứ thế người dùng sẽ nhận được danh sách các xe ở danh mục đã chọn Vấn đề

là danh sách này khá dài Do đó, các công cụ hỗ trợ xem thông tin như car review (xem

mô tả xe), compare car compare (so sánh xe) để tiếp tục tìm một chiếc xe phù hợp nhất Các duyệt qua danh này khá rờm rà nhưng cũng đáng để khách hàng bỏ thời gian tìm kiếm cho mình chiếc xe ưng ý nhất

hơn, thực hiện các so sánh các sản phẩm trên các thuộc tính quan trọng và ra quyết định mua Một chương trình đóng vai trò là người đề nghị (Recommender Agent-RA) sẽ trợ giúp cho khách hàng trong bước đầu tiên, đưa ra các sản phẩm lựa chọn Dựa vào các thông tin cung cấp đã khảo sát trước hoặc chính từ người mua hàng đối với sở thích của

họ mà RA sẽ đề xuất một bộ sản phẩm hấp dẫn nhất đối với cá nhân đó Các hướng tiếp cận sở thích người dùng có thể chia ra thành hai nhóm: hướng đặc tính và hướng nhu cầu Một hệ thống theo hướng đặc tính thường yêu cầu khách hàng chỉ ra các sở thích về đặc tính của sản phẩm như: môt máy chụp ảnh kỹ thuật số phải có độ phân giải ít nhất là 4 Mega Pixel Các tiếp cận nhu cầu sẽ hỏi người dùng chỉ ra “Nhu cầu cá nhân của họ là gì?” Ví dụ tôi cần chụp ảnh ngoại cảnh Cách tiếp cập theo hướng nhu cầu nên là một phương pháp phù hợp để hỗ trợ cho người dùng chưa có kinh nghiệm chọn sản phẩm Active Decisions Inc là nhà cung cấp hàng đầu thế giới các giải pháp hướng dẫn mua hàng Ứng dụng cung cấp bởi Active Decisions đem lại cho bộ phận mua hàng, các chi nhánh và các ứng dụng tự phục vụ mục tiêu là lôi kéo càng nhiều khách hàng

Kỹ thuật chính của Acitve Decisions được xem như là sự kết hợp của Recommender Agent (RA) và ma trận so sánh (Comparison Matrix-CM) Ma trận so sánh, sự trợ giúp tạo quyết định dạng thứ hai, là công cụ tương tác được đưa ra nhằm giúp người dùng trong các so sánh ở mức sâu hơn giữa các sản phẩm đã chọn ở bước một Một dạng cơ bản của hướng trợ giúp ra quyết định này, thích hợp như một giỏ hàng hiển thị một ma trận các hàng là các sản phẩm và các cột là các thuộc tính quan trọng của sản phẩm Thiết

kế này cho phép người mua so sánh các giá trị của sản phẩm hiệu quả và chính xác hơn Các bước tiếp cận của kỹ thuật này thì đầu tiên khách hàng sẽ được hỏi họ tìm cái gì và cái gì là quan trọng với họ thông qua các hướng tiếp cận theo nhu cầu hay theo đặc tính, dựa vào đó đưa ra các đề xuất thích hợp cho khách hàng Khách hàng sẽ chọn một vài sản phẩm đưa ra để so sánh ở mức cao hơn trong ma trận so sánh Những sản phẩm được đề nghị cũng hiển thị với lời giải thích tại sao nó tốt cho người dùng Một vài giải pháp của Active Decision sẽ được thấy ở các website www.absound.ca, www.qvc.com , www.sonystyle.com, www.jr.com và www.hpshopping.com Chúng ta sẽ khảo sát một ví

dụ của Active Decision ở website Hpshopping.com

3.4.1.e Hpshopping.com

Hpshopping là một trang web giới thiệu các sản phẩm của hãng HP bao gồm máy tính, máy PDA, máy in Trong phần này, chúng ta tập trung vào trang chọn mua máy in (printer) Các câu hỏi chuyên về tính năng sử dụng của máy in như số trang in, cỡ trang in thường dùng, cổng kết nối với máy tính, hệ điều hành của máy tính v.v… Kết quả là ba sản phẩm thích hợp nhất được hiển thị ở ma trận so sánh với cột là các sản phẩm và dòng

là các thuộc tính của sản phẩm máy in Trong một số trường hợp HPShopping còn đưa ra một kết quả mạnh hơn yêu cầu của người dùng Kết quả này là một máy in không chỉ có

đủ các đặc tính theo yêu cầu của người dùng mà còn có thêm một số tính năng khác

Hình 3.5 - Các câu hỏi về đặc tính máy in

Hình 3.6 - Các sản phẩm đề nghị của HP sau khi chọn trả lời cho các câu hỏi

3.4.1.f Samsungtelecom.com

Đây là trang hỗ trợ khách hàng tìm kiếm sản phẩm theo nhu cầu của khách hàng qua các câu hỏi cho người dùng lựa chọn Nếu như ở website hpshopping.com các câu hỏi tập trung vào “Sản phẩm cần tìm có đặc điểm gì?“ thì ở đây các câu hỏi tập trung vào “Người dùng cần mua sản phẩm để làm gì?” Dựa vào các lựa chọn của khách hàng website đưa

ra các điện thoại phù hợp với người dùng Cuối cùng, sau quá trình đề xuất các sản phẩm thích hợp, trang web sẽ hỏi ý kiến người dùng có thỏa mãn với những sản phẩm được đề xuất hay chưa

Hình 3.7 - Các câu hỏi của samsungtelecom.com

3.4.1.g Shopping.Yahoo.com/Smartsort

Shopping.yahoo.com là một trong những hệ thống mua sắm lớn nhất hiện nay Ngoài các tính năng hỗ trợ tìm kiếm thông thường như duyệt theo catalog, cho khách hàng đánh giá trên sản phẩm đã mua, người dùng còn có thể tìm các sản phẩm theo sở thích, mục đích

sử dụng qua tính năng Smartsort có trên trang web Yahoo!Shopping gồm nhiều loại mặt hàng trong đó phần Smartsort hỗ trợ các mặt hàng đồ điện tử như điện thoại di động, digital camera, PDA, máy tính v.v… Phần khảo sát này ta tập trung vào mặt hàng điện thoại di động Tính năng Smartsort của Yahoo!Shoppping hỗ trợ người dùng chọn mức

độ quan trọng của các thuộc tính sản phẩm qua thanh kéo (slider bar) Người dùng đánh giá độ quan trọng của các đặc tính trên máy điện thoại di động như thời gian dùng pin, kích cỡ, nhà sản xuất, các tính năng giải trí khác v.v… Yahoo đưa ra 5 mức đánh giá độ quan trọng đối với tính năng của điện thoại di động như sau: không quan trọng (not important), ít quan trọng (sightly important), quan trọng (important), rất quan trọng (very important), hết sức quan trọng(most important) Kết quả đưa ra là 10 máy điện thoại di động được sắp xếp theo độ quan trọng của các tính năng đã đánh giá trước đây Trong danh sách các máy điện thoại đưa ra người dùng có thể tiếp tục chọn vào danh sách so sánh tiếp theo Một ma trận so sánh sẽ đưa ra giúp khách hàng dễ dàng so sánh

Hình 3.8 - Đánh giá độ quan trọng của các thuộc tính với SmartSort

3.4.2 Bảng tóm tắt và so sánh

Bảng 3.3 - Tổng kết so sánh website

trợ đạt được

1 Amazon.com Các đặc tính hỗ trợ rất phong phú, hỗ trợ

người dùng ở nhiều giai đoạn như tìm kiếm, hướng dẫn mua

3

2 Moviefinder.com Chỉ có 2 đặc điểm đơn giản là danh sách “Top

10” và đánh giá điểm cho mỗi phim

2

3 Carsdirect.com Catalogue danh mục các xe chứa theo nhu cầu

người mua

2

4 Samsungtelecom.com Danh sách các câu hỏi được đưa ra nhằm

đánh giá nhu cầu người dung Danh sách kết quả là ma trận so sánh khá hợp đã được sắp xếp

-

5 HpShopping.com Danh sách câu hỏi đưa ra cho khách hàng và

ma trận so sánh của danh sách sản phẩm được

đề nghị có nội dung và cách trình bày tốt

Theo một cuộc khảo sát các người thường xuyên mua hàng qua mạng thì các tiện ích hỗ trợ khách hàng đóng vai trò then chốt trong việc gia tăng số lượng mua hàng qua mạng Các tiện ích mà các cửa hàng trên mạng cần cung cấp (tốt hơn)

• Giá cả và hỗ trợ so sánh giá cả

• Tính bảo mật của các giao dịch

• Các dịch vụ hỗ trợ khách hàng trong việc mua và hoàn trả hàng hóa

• Hỗ trợ khách hàng tìm kiếm, chọn lựa sản phẩm

Chương 4

Sử dụng giải thuật di truyền để giải quyết bài toán hỗ trợ chọn sản phẩm khi mua hàng

qua mạng 4.1 Giới thiệu

Để xây dựng được một trang web bán hàng thật sự hoàn hảo đó là sự kết hợp của rất nhiều yếu tố bao gồm sự quảng bá đến người dùng, giao diện người dùng, các tiện ích hỗ trợ khách hàng khi mua hàng, các dịch vụ giao hàng và hoàn trả hàng Trong khuôn khổ luận văn, chúng em cố gắng đưa ra một cách tiếp cận để xây dựng một trong những yếu tố trên “hỗ trợ khách hàng chọn sản phẩm khi mua hàng qua mạng”

Chọn sản phẩm là một trong những phần quan trọng nhất khi mua hàng Như chương trước đã phân tích một trong những nguyên nhân chính dẫn đến sự không thành công của phương thức mua hàng qua mạng đó là người mua không thể chọn ra được một sản phẩm ưng ý nhất trước vô vàn các mặt hàng được bày ra Vậy trang web chúng ta xây dựng phải

có nhiệm vụ như một người bán hàng chuyên nghiệp đó là nắm bắt các nhu cầu của người mua và khuyến cáo cho người mua một số sản phẩm mà mình cho là thích hợp Mặc dù quyết định cuối cùng vẫn thuộc về người ra quyết định, ở đây là người mua hàng, tuy nhiên một lời khuyên cho người dùng vẫn rất quan trọng

4.2 Các khó khăn khi xây dựng một module hỗ trợ khách hàng chọn sản phẩm

Các khó khăn phi kỹ thuật:

• Không giống như một người bán hàng thực, một người bán hàng có thể qua cách ứng xử, ăn mặc, thái độ v.v của người mua mà có thể chọn ra các mặt hàng cho phù hợp Trang web bán hàng hoàn toàn không biết gì về các thông tin trên của khách hàng

• Người mua có thể tự do tương tác, trao đổi với người bán để nói lên nhu cầu,

sở thích của mình Trong khi mua hàng trên mạng thì yếu tố thời gian là rất quan trọng, cần phải dung hòa giữa lượng thông tin cần thu thập và thời gian tiêu tốn của người dùng

• Trao đổi bằng ngôn ngữ tự nhiên sẽ dễ dàng và hiệu quả hơn Trong khi đó người mua chỉ có thể trao đổi với trang web qua một số cách nhất định (thường được số hóa)

4.3 Vấn đề “đa mục tiêu” khi chọn sản phẩm

Có thể thấy khó khăn lớn nhất của module hỗ trợ chọn sản phẩm đó là giải quyết, thỏa mãn cùng lúc nhiều tiêu chí của người mua về mặt hàng mà khách hàng đó quan tâm Các mục tiêu,sở thích này có thể đối chọi nhau.Đây thực chất chính là đi giải quyết bài

toán tối ưu đa mục tiêu (xem phụ lục A), trong đó mỗi mục tiêu chính là các sở thích của

người dùng mà mặt hàng đó phải thỏa Module này có nhiệm vụ tìm ra sản phẩm phù hợp (hoặc gần giống) với các sở thích của người mua

4.4 Cách tiếp cận để giải bài toán “Tối ưu đa mục tiêu” khi chọn sản phẩm

Nội dung của luận văn này là tìm hiểu bài toán tối ưu hóa đa mục tiêu và cách tiếp cận dùng giải thuật di truyền (Genetic Algorithm - GA) Và áp dụng cách tiếp cận trên để giải bài toán tối ưu hóa đa mục tiêu khi hỗ trợ khách hàng chọn sản phẩm Luận văn này chọn cách tiếp cận trên với các lý do sau:

• Đây là một cách tiếp cận mới mẻ và đang được nhiều người quan tâm,phát triển và ứng dụng vào nhiều lĩnh vực khác nhau

• Giải thuật di truyền (GA) giựa trên ý tưởng quần thể tự nhiên, chọn lọc ngẫu nhiên sẽ làm cho giải thuật có khả năng mạnh mẽ trong việc tìm kiếm một cách song song Trong đó tất cả các cá thể trong quẩn thể sẽ được cố gắng tìm kiếm

ở tất cả các hướng trong không gian tìm kiếm qua đó cho phép GA tránh được tối ưu hóa cục bộ

• Một thế mạnh của GA trong nhiệm vụ tìm kiếm đó là không lo sợ khả năng bùng nổ của tổ hợp tìm kiếm.GA đặc biệt tỏ ra hữu hiệu với các không gian tìm kiếm lớn Với các không gian tìm kiếm lớn GA không những bảo đảm được tối

ưu hóa toàn cục mà còn bảo đảm được thời gian tìm kiếm, một trong những yêu cầu quan trọng của bài toán

• Và do đặc trưng của bài toán, chúng ta cần trả về cho người mua một danh sách các mặt hàng mà theo hệ thống là phù hợp nhất (thông thường từ 3 đến 5 giải pháp) nên việc sử dụng GA lại càng hợp lý GA khác các phương pháp tìm kiếm tuyến tính khác là trong một lần chạy có thể cho ta một tập các giải pháp thuộc miền Pareto (xem phụ lục A) trong quần thể của nó

4.5 Chuyển bài toán chọn sản phẩm thành bài toán tối ưu đa mục tiêu

Chúng ta sẽ mô tả bài toán mua hàng thành các khái niệm trong bài toán tối ưu hóa đa mục tiêu

4.5.1 Lời giải cho bài toán

Trong bài toán tìm kiếm sản phẩm, người dùng mong muốn chọn ra một mặt hàng thích hợp do đó sản phẩm tối ưu đối với sở thích người mua chính là lời giải của bài toán Nhưng chọn ra chỉ một sản phẩm cho người dùng có vẻ không phù hợp cho lắm, đôi khi tạo cho người dùng cảm giác bị ép buộc Do đó giải pháp phù hợp đó là một tập các lời giải tối ưu, tập hợp này tương tự như những sản phẩm mà một người bán hàng sẽ gợi ý cho chúng ta khi đã nắm bắt được nhu cầu của khách hàng

X (Giá, trọng lượng, kiểu dáng, thời gian sử dụng pin)

X là một điểm trong vùng khả thi (xem phụ lục A) Trong ví dụ trên có 4 biến quyết định

4.5.3 Các ràng buộc

Trong bài toán “tối ưu đa mục tiêu “ các ràng buộc (xem phụ lục A) chính là các điều

kiện giữa các biến quyết định Nhưng trong bài toán này không gian tìm kiếm là rời rạc, các điểm trong không gian tìm kiếm chính là ràng buộc của các biến quyết định Hay nói cách khác nếu các giá trị của các biến quyết định cùng tồn tại trong một lời giải thì đó là một ràng buộc đúng đắn

))(), ,(),((h1 x h2 x h x

H = n với n là số biến quyết định

Trong đó h k(x)=(x k = N k)

Khi đó ràng buộc H thỏa khi ∃X i∈F ,X i =(N1,N2, ,N n)

Với F là vùng khả thi, không gian lời giải và trong bài toán này là không gian các sản phẩm

4.5.4 Các mục tiêu

Có thể dễ dàng nhận thấy 2 mục tiêu (objective) (xem phụ lục A) mà người mua luôn nhắm tới là giá cả (cost) và chất lượng của sản phẩm (performance) Người mua luôn muốn mua được sản phẩm đáp ứng đầy đủ các yêu cầu với một giá rẻ nhất Và điều khó khăn ở đây đó là 2 mục tiêu này luôn xung đột với nhau Một sản phẩm với các tính năng nổi trội luôn có một cái giá cao hơn một sản phẩm khác và ngược lại do đó thường đi

ngược lại với mong muốn của người mua Do đó nhiệm vụ của bài toán đa mục tiêu đó là

phải dung hòa cả 2 mục tiêu đó

Mô tả tổng quát:

))(),((maxmin/ F = f p x f c x Từ đây ta thống nhất là sẽ dùng min, tức là mục tiêu của ta

là làm tối thiểu hóa vector mục tiêu

Trong đó F là một vector mô tả 2 mục tiêu chính là cost và performance

với f p (X) = weight và f c (X) = cost

Hình 4.1 - Vector mục tiêu của sản phẩm có 2 thuộc tính

Trên đây chỉ là trường hợp đơn giản performance của ta chỉ có một thuộc tính Đối với trường hợp tổng quát thì sao? Bây giờ hàm mục tiêu về chất lượng (performance) sản phẩm sẽ trở thành:

))(

)()(()(x f 1 x f 2 x f ( 1) x

f p = p + p + + p n− với n là số thuộc tính của sản phẩm (n-1 vì đã

bỏ qua thuộc tính giá cả)

Nhưng khó khăn đặt ra là các thuộc tính lại không có đơn vị tính giống nhau do đó ta cần

có một số tinh chỉnh để hàm f p (x) có thể thực hiện được Một cách đơn giản mà ta có thể áp dụng đó là tinh chỉnh (normalize) các thuộc tính để các thuộc tính đều có giá trị là một số thực từ 0 đến 1 Bây giờ hàm mục tiêu về performance sẽ có dạng:

)/)(

/)(/

)(()

1 )

1 (

0 2 2

0 1

4.5.5 Hướng đến một lời giải “tối ưu”

Để có được một lời giải tối ưu (hoặc gần tối ưu) chúng ta cần qua 2 giai đoạn:

• Hướng các lời giải của chúng ta về miền tối ưu Pareto (xem phụ lục A)

• Chọn trên miền Pareto một lời giải phù hợp nhất

4.5.5.a Điều hướng lời giải về miền tối ưu Pareto

Cũng như với cách mua hàng truyền thống ,để người bán hàng có thể chọn ra các sản phẩm phù hợp thì người mua phải cung cấp các tiêu chí (sở thích) về sản phẩm mà mình định mua Cũng tương tự như vậy để giải quyết bài toán này chúng ta cũng phải thu thập một số thông tin về sản phẩm mà người dùng mong đợi, đây chính là mục tiêu của người

Vùng yêu thích

Chúng ta có thể mô tả một mục tiêu của người dùng bằng một vector như sau:

), ,,(

Pref = P1 P2 P k (Pref - Preference ) Trong đó P i là một hằng số, mô tả giá trị mà người mua mong muốn có được ở thuộc tính

Một mục đích trên thuộc tính x i có thể được mô tả một cách đơn giản là:

i

pi x x

f ( )−min

Và hàm mục tiêu về chất lượng sản phẩm sẽ có dạng:

))(minmin(

)(

1

P

2

P

4.5.5.b Chọn trên miền tối ưu Pareto lời giải tối ưu nhất

Theo định nghĩa của miền tối ưu Pareto thì những lời giải trên miền này không thể so sánh với nhau được nữa vì trên miền này không có lời giải nào hoàn toàn thống trị lời giải khác (xem phụ lục A) Khi chúng ta đã chọn lọc được các lời giải trên miền Pareto (ở bước trên) thì việc tiếp theo đó là chọn ra trên miền đó 1 hoặc nhiều lời giải mà ta cho là tốt hơn những lời giải khác (cũng thuộc miền Pareto) Chúng ta phải làm việc này vì trên miền Pareto không đảm bảo chỉ tồn tại 1 lời giải

Để chọn ra lời giải tốt hơn trên miền này chúng ta sẽ áp dụng cách tiếp cận Weighting Objective(xem phụ lục A) Khi đó ta cần thêm các thông tin về mức độ quan trọng của các mục tiêu (đây là các đánh giá khách quan của người ra quyết định-người mua hàng).Đây chính là mối tương quan về độ trội của các mục tiêu

Lúc này vector mô tả sở thích của người mua có dạng:

)),(), ,,(),,((

Pref = w p1 P1 w p2 P2 w pk P k trong đó w chính là độ quan trọng của mục tiêu i

thứ i trong mục tiêu về chất lượng của sản phẩm f pi (x)

Khi đó trọng số quan trọng của mục tiêu về chất lượng sản phẩm (performance) sẽ là :

∑

=

= k

i pi

=

k i pi c

w

Khi người dùng thay đổi các trọng số độ quan trọng của các mục tiêu thì các lời giải “tối ưu” sẽ di chuyển trên miền Pareto Người ra quyết định có thể thay đổi trọng số này để có thể chọn ra các lời giải “tối ưu”

Hình 4.3 Di chuyển trên miền Pareto bằng cách thay đổi trọng số

4.5.6 Các cải tiến để phù hợp với bài toán

4.5.6.a Mô tả cấu trúc gene của thuật giải di truyền

Do nhu cầu của bài toán (cần trả về một tập lớn hơn 1 lời giải tối ưu) nên mỗi gen sẽ được biễu diễn bằng một mảng các định danh của các lời giải trong không gian tím kiếm (trong trường hợp cụ thể đó là các id của các sản phẩm trong cơ sở dữ liệu) Số lời giải trả về có thể phụ thuộc vào mong muốn của người dùng (nhưng phải lớn hơn 1, không ai lại muốn không tìm thấy sản phẩm nào)

Mô tả một gen:

Trong đó n là số kết quả mà người dùng mong đợi được trả về

Kết quả tốt nhất mà ta mong đợi để chọn đó là gen mà tất cả các ID trong gen đều nằm trên miền tối ưu Pareto hoặc tồi hơn có thể có một số ID thuộc Pareto và một số ít hơn nằm gần miền Pareto Trường hợp không thành công là không có ID nào thuộc miền Pareto lúc này thuật giải chưa được hội tụ, hoặc hội tụ quá sớm gây ra tối ưu cục bộ

p w

Miền tối ưu Pareto

ID1 ID2 … IDn

Hình 4.4 - Các trạng thái gen trong quần thể

4.5.6.b Vai trò của các thao tác chọn lọc, lai ghép, đột biến trên quần thể

Chọn lọc: Quá trình này nhằm mục đích loại bỏ khỏi quần thể những gen chứa các lời

giải xấu (những lời giải nằm xa miền tối ưu Pareto) (xem hình trên) Tuy nhiên vấn đề cần quan tâm ở đây đó là bảo toán tính tốt và tính đa dạng của quần thể Khi loại bỏ các gen xấu chúng ta có thể loại bỏ luôn cả các lời giải tốt (hoặc tương đối tốt) tồn tại trong gen

Lai ghép: Đây là một quá trình tự nhiên trong đó các nhiễm sắc thể giữa 2 gen sẽ được

hoán đổi cho nhau Nhiệm vụ chính của nó là làm tăng tính đa dạng của quần thể, với hi vọng các gen tốt hơn sẽ được tạo ra

Chúng ta cần một số cải tiến để bảo đảm rằng các gen đời sau sẽ tốt hơn đời trước Bởi vì

độ tốt của một gen được xác định bằng tổng độ tốt của mỗi nhiễm sắc thể (gen nào có nhiều nhiễm sắc thể (NST) trên miền Pareto, hoặc gần miền Pareto hơn thì gen đó tốt hơn) Nên khi lai ghép ta sẽ chuyển các NST tốt của một gen (bố hoặc mẹ) vào gen của người còn lại Như vậy sau khi lai ghép sẽ tạo ra một gen hoàn toàn trội hơn 2 gen bố mẹ,

và một gen sẽ chứa toàn những tính xấu Khi đó trong quá trình chọn lọc ta chỉ giữ lại một gen con tốt vừa được tạo ra và một gen (bố hoặc mẹ) tốt hơn Khi đó ta sẽ vừa bảo đảm các nhiễm sắc thể tốt sẽ không bị “vô tình” loại bỏ và tính đa dạng của quần thể cũng vẫn được bảo tồn qua các đời

Gene tương đối tốt Gene xấu