Ứng dụng mô hình thống kê và học máy để đánh giá khả năng rời bỏ dịch vụ thương mại điện tử của khách hàng

CHUYEN DE TOT NGHIỆP - CHUYÊN NGÀNH TOÁN KINH TE

• Thực trạng ngành Thương mại Điện tử trên Thế giới và
• Kết quả nghiên cứu và kết luận

Các thuật toán Học máy có thể giúp các nhà kinh doanh dễ dàng tìm ra kết quả tốt hơn so với các kỹ thuật phân tích truy n thống của chuỗi thời gian. Nếu doanh số bán hàng của một công ty tang du đặn hàng tháng trong vài nam qua, việc tiến hành phân tích h` quy dữ liệu sẽ tạo ra một mô hình mô tả xu hướng tăng, giảm của. Ngoài ra, thuật toán Random Forest còn được ứng dụng trong một số lĩnh vực khác như khí tượng, y học, cụ thể là ứng dụng vào việc dự báo các vị trí tim ẩn nguy cơ xảy ra lũ quét.

Nhìn chung, các nghiên cứu v €sw rời bỏ của khách hàng trong lĩnh vực Thương mại điện tử chủ yếu xoay quanh các mô hình với nguyên gốc từ mô hình H` quy Logistics hoặc các. Tại Trung Quốc, một nhóm nghiên cứu đến từ Trường Đại học Bắc Kinh v`ềkhả năng rời bỏ khách hàng trong việc sử dụng dịch vụ E-Commerce đã cho thấy rằng: ngay cả với. Một số cách tiếp cận xem xét nhi loại hành động của người dùng đã được đ`xuất cho các tác vụ phân loại hoặc cá nhân hóa, ví dụ: hệ số hóa ma trận tập thể trong nghiên cứu của.

— Các giao dịch thương mại truy thống được thực hiện với sự t` tại của khái niệm biên giới quốc gia, còn thương mại điện tử được thực hiện trong một thị trưởng không có biên giới (thị trưởng thống nhất toàn c`â1). — Trong hoạt động giao dịch thương mại điện tử đ`âi có sự tham ra của ít nhất ba chủ thể, trong đó có một bên không thể thiếu được là người cung cấp dịch vụ mạng, các cơ quan chứng thực. Trong thương mại điện tử, ngoài các chủ thể tham gia quan hệ giao dịch giống như giao dịch thương mại truy â thống đã xuất hiện một bên thứ ba đó là nhà cung cấp dịch vụ mạng, các cơ quan chứng thực.

— Đối với thương mại truy Ê thống thì mạng lưới thông tin chỉ là phương tiện để trao đổi dv liệu”, còn đối với thương mại điện tử thì mạng lưới thông tin chính là thị trưởng. Dưới sự ảnh hưởng nặng n`của dai dịch COVID-19, trong khi nhi`âi ngành kinh tế khác khó khăn, chật vật xoay sở thì thương mại điện tử lại có những điểm sáng và tiếp tục ghi. Trung Quốc và Hoa Kỳ được kỳ vọng là hai trong số các quốc gia có mức tăng trưởng doanh thu thương mại điện tử B2C an tượng, dự báo sẽ đạt 3.565 tỷ USD va 1.204 tỷ USD vào nam.

Đây là hướng tiếp cận dang được rất nhi&u website thực hiện khi nó giúp giải quyết các truy vấn phổ biến và hướng khách hàng đến các sản phẩm cụ thể giống như một người trợ lý ảo. Theo khảo sát từ Reputa — một Local Consulting Firm chuyên cung cấp các giải pháp v`ề phân tích ngành va thu thập dữ liệu, Bối cảnh dịch bệnh Covid-19 phức tạp đã gây ra nhiên tác động tiêu cực không nhỏ lên các lĩnh vực kinh tế trên toàn thế giới. Theo Hiệp hội Thương mại điện tử Việt Nam (VECOM), dự báo đến năm 2025, quy mô Thương mại Điện tử Việt Nam có thể đạt 52 tỷ USD, trở thành thị trường Thương mại Điện tử có quy mô lớn thứ 3 khu vực ASEAN.

30% dữ liệu còn lại được sử dụng để kiểm định mô hình (Testing set) và đưa ra dự báo. Với mục tiêu nghiên cứu là cung cấp thêm insight để các doanh nghiệp SME kinh doanh trên các sàn Thương mại Điện tử cũng như các công ty cung cấp nền tang giao dịch trực tuyến v`ê. dấu hiệu nhận diện các khách hàng có khả năng rời bỏ dịch vụ thì bộ đữ liệu này là hợp lý. cho việc phân tích. Thông tin chỉ tiết về bộ dữ liệu. Bộ dữ liệu này thu thập những thông tin cơ bản của các chiến dịch quảng cáo Facebook được một công ty kinh doanh thời trang online A thực hiện trong chiến dich Facebook. Marketing của mình bằng cách trích xuất kết quả chạy quảng cáo trong Trình quảng cáo. Dữ liệu bao gân các thông tin cơ bản: ID quảng cáo, ID chiến dịch công ty, ID chiến. dich Facebook, tuổi, giới tính, sở thích, lượt hiển thị, lượt nhấn quảng cáo, chi phí, tổng số chuyển đổi, số chuyển đổi được chấp thuận. CHUYEN DE TOT NGHIỆP - CHUYÊN NGÀNH TOÁN KINH TE. Bảng 2 - Mô tả các biến trong bộ dữ liệu. Tên biến Mô tả biến. “medium of operation. avg_ transaction_ value. tgứg định gan}. pie định Gan). Thực hiện loại bỏ bót một số biến không sử dụng (các khoá phụ để join với các bang. khác nhau trong Database/biến định danh khách hàng khác..) đông thời kiểm tra tính logic đối với các biến định lượng và loại đi các quan sát sai logic (ví dụ: Thời gian sử dụng dịch vụ âm, các attributes ngoại lai của các biến định tính..).