III. Các luận điểm cơ bản và đóng góp mới của luận văn
2.2.2.Khảo sát thực trạng mua bán qua mạng
So với các hoạt động trên mạng khác thì hoạt động mua bán hàng qua mạng ở Việt Nam vẫn còn chiếm một tỷ lệ rất nhỏ nhưng rõ ràng nó đang phát triển từng ngày.
Các mặt thuận lợi:
• Có thể mua hàng trong vòng một tiếng và không quan tâm đến thời gian đóng cửa của cửa hàng
• Một lượng lớn và đủ chủng loại các mặt hàng và dịch vụ được đưa ra • Sự không biên giới, (có thể mua hàng từ bất kỳ quốc gia nào)
• Dễ dàng so sánh giá cả Các mặt không thuận lợi:
• Không thể thử món hàng mình mua
• Không có các dịch vụ trợ giúp khi mua hàng
• Có nhiều khó khăn khi giao dịch hoặc trả lại hàng hóa • Phương thức thanh toán còn chưa đơn giản
• Người mua hàng tỏ ra hoài nghi khi có quá nhiều thông tin cá nhân được thu thập
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 [8].
2.3. So sánh giữa phƣơng thức mua hàng truyền thống và mua qua mạng
Các bước cơ bản để tiến hành một giao dịch mua hàng
Phương thức mua bán truyền thống Phương thức mua bán qua mạng Chọn một cửa hàng ưng ý có bán sản
phẩm mà mình qua tâm (quen, được giới thiệu, tình cờ)
Chọn một Website ưng ý có bán sản phẩm mà mình qua tâm (quen, được giới thiệu, tìm kiếm trên mạng).
Xem xét các sản phẩm được trình bày trong cửa hàng
Duyệt danh sách các mặt hàng trên trang Web
mà mình muốn mua (nếu trang có hổ trợ) Nhờ người bán hàng tư vấn mặt hàng
phù hợp với mình
Ít được hổ trợ
Tương tác trực tiếp, thử dùng với mặt hàng ưng ý
Không có
So sánh với các sản phẩm khác trong cửa hàng hoặc một cửa hàng khác.
So sánh với các sản phẩm khác trên Website (nếu hổ trợ). So sánh với các trang Web khác
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.
Bảng 2.1. Các bước cơ bản để tiến hành một giao dịch
2.4. 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. Có thể phân chia theo 3 mức hỗ trợ là hỗ trợ theo hướng truy cập, hỗ trợ theo hướng giao dịch và hỗ trợ theo hướng quan hệ.
Mức hỗ (adsbygoogle = window.adsbygoogle || []).push({});
trợ Đặc điểm
Hướng truy cập
Tất cả các trang web tìm kiếm (không chỉ riêng cho các trang web mua bán trực tuyến)
• Tìm kiếm và duyệt tuyến tính. • Tìm kiếm theo từ khóa.
Hướng giao dịch
Các trang web ở mức này có những đặc điểm sau:
• 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.
Bảng 2.2 - Phân loại hỗ trợ ra quyết định trong E-Commerce
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, hệ hỗ trợ 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 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 hệ hỗ trợ 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 hệ hỗ trợ 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.
2.5. Các tiện ích mà một trang web bán hàng cần cung cấp để có thể hỗ trợ khách hàng tốt hơn
Thực tế thấy rằng ―hỗ trợ khách hàng‖ vẫn là một sự thiếu hụt nghiêm trọng của các trang web bán hàng hiện nay.
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.
2.6. Vấn đề “đa mục tiêu” khi chọn sản phẩm
Có thể thấy khó khăn lớn nhất của việc 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. Thực chất chính là giải quyết bài toán tối ưu đa mục tiêu, trong đó mỗi mục tiêu chính là các sở thích của người dùng mà mặt hàng đó phải thỏa.
2.7. Bài toán bán hàng trực tuyến hỗ trợ ngƣời mua chọn sản phẩm
Đề tài này em muốn sử dụng bài toán tối ưu đa mục tiêu dùng giải thuật di truyền để giải quyết khâu chọn lựa sản phẩm. Em quyết định xây dựng trang web hỗ trợ người mua lựa chọn sản phẩm Máy tính xách tay, một mặt hàng mà người dùng rất muốn và rất cần được ―tư vấn‖ trước khi quyết định. Chương trình thiết thực vì hỗ trợ người mua chọn hàng trong thời gian ngắn và luôn cho kết quả.
Vậy trang web cần 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.
2.8. Các khó khăn khi xây dựng một module hỗ trợ khách hàng chọn sản phẩm phẩm (adsbygoogle = window.adsbygoogle || []).push({});
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).
Các khó khăn về kỹ thuật:
• Không gian tìm kiếm sản phẩm rất lớn, không thể tìm tuyến tính vì sẽ bắt khách hàng đợi lâu.
• Cần tạo một kịch bản để thu thập thông tin khách hàng sao cho hợp lý, tránh gây nhàm chán và làm mất nhiều thời gian.
• Vấn đề ―đa mục tiêu‖, các sở thích của người dùng đôi khi xung đột hoặc không hợp lý dẫn đên kết quả tìm kiếm thường là ―Không tìm thấy mặt hàng nào phù hợp‖. Đây là một trong những điều cấm kỵ nhất của người bán hàng, để người khách hàng ra về tay không, không những không bán được hàng mà còn để lại ấn tượng không tốt nơi khách hàng.
2.9. Cách tiếp cận để giải bài toán “Tối ƣu 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) dựa 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 trong quần thể của nó.
2.10. Chuyển bài toán chọn sản phẩm thành bài toán tối ƣu 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.
2.10.1 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.
2.10.2 Các biến quyết định
Ở đây các biến quyết định chính là các thuộc tính cấu thành nên sản phẩm.
Ví dụ (sản phẩm là máy tính xách tay).
X (Giá, trọng lượng, tốc độ, thời gian sử dụng pin)
X là một điểm trong vùng khả thi. Trong ví dụ trên có 4 biến quyết định.
2.10.3. Các ràng buộc
Trong bài toán ―tối ưu đa mục tiêu‖ các ràng buộc 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.
Các ràng buộc được mô tả bằng 1 vector:
Trong đó hk(x) = xk = Nk
Khi đó ràng buộc H thỏa khi Xi F, Xi=(N1,N2,….,Nn)
F là vùng khả thi, không gian lời giải và trong bài toán này là không gian các sản phẩm. (adsbygoogle = window.adsbygoogle || []).push({});
2.10.4 Các mục tiêu
Có thể dễ dàng nhận thấy 2 mục tiêu (objective) 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:
Min/max F = (fp(x),fc(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 giá (cost) và performance ( chất lượng)
Một ví dụ đơn giản về vector mục tiêu trên một sản phẩm gồm 2 thuộc tính.
Sản phẩm X =(weight, cost) với tính chất giá (cost) càng cao trọng lượng (weight) càng thấp và người mua muốn một sản phẩm với giá (cost) thấp và trọng lượng (weight) cũng thấp.
Vector mục tiêu được định nghĩa như sau: F = (fp(X),fc(X))
Hình 2.1 - Vector mục tiêu của sản phẩm có 2 thuộc tính.
Trên đây chỉ là trường hợp đơn giản performance (chất lượng) 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:
fp(x)=(fp1(x)+fp2(x)+…+fp(n-1)(x))
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 mục tiêu 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 (chất lượng) sẽ có dạng:
Fp(x)=(fp1(x)/ X01+fp2(x)/ X02+…..+ f p(N-1)(x)/ X0n-1)
trong đó X0k là giá trị lớn nhất mà thuộc tính Xk có thể có được.
2.10.5 Hƣớng đến một lời giải “tối ƣu”
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 Xu hướng người mua
Vùng khả thi hay không gian tìm kiếm Vùng yêu thích
fc(X) fp(X)
• Chọn trên miền Pareto một lời giải phù hợp nhất.
2.10.5.1 Điều hƣớng lời giải về miền tối ƣu 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 dùng.
Chúng ta có thể mô tả một mục tiêu của người dùng bằng một vector như sau: Pref = (P1,P2,…,Pk) (Pref- Preference)
Trong đó Pi là một hằng số, mô tả giá trị mà người mua mong muốn có được ở thuộc tính xi . Và k là số thuộc tính mà người dùng mô tả về sản phẩm. Trong đó 1≤k ≤ n (n là số thuộc tính của sản phẩm) vì không nhất thiết người dùng phải mô tả tất cả các thuộc tính.
Và mục tiêu của chúng ta là đưa giá trị của các thuộc tính được mô tả về càng gần với giá trị Pi càng tốt. Đây chính là nơi ta áp dụng hướng tiếp cận