Trong điều kiện lý tưởng nhất, người mua hàng đã là người dùng có sẵn của trang thương mại điện tử và cũng đã có một lịch sử mua sắm tương đối. Do đó, hệ thống trang thương mại điện tử và dịch vụ phân tích giỏ hàng sẽ tổng hợp dữ kết quả từ hai phân luồng dữ liệu trực tiếp và gián tiếp. Mỗi phân luồng sẽ có tỷ trọng 50% trong tổng hợp kết quả dự đoán. Tuy nhiên, trong thực tế thử nghiệm và sử dụng bởi người tiêu dùng, phân luồng trực tiếp được sử dụng để phân tích và dự đoán hành vi bỏ rơi giỏ hàng chiếm đa số do thói quen tiêu dùng trực tuyến không cần đăng nhập của khách hàng. Chính vì vậy, bài toán phân tích và dự đoán phân luồng trực tiếp sẽ phù hợp cho những khách hàng vãng lai không có tài khoản hoặc những khách hàng chỉ đăng nhập để hoàn tất quá trình mua sắm.
Bài toán phân tích và dự đoán phân luồng trực tiếp nhận đầu vào là các dữ liệu tổng hợp hoạt động của khách hàng trong các phiên mua sắm nhất định tại trang thương mại điện tử. Tập dữ liệu chủ yếu tổng hợp những hoạt động xem sản phẩm và sử dụng giỏ hàng của người tiêu dùng. Đây sẽ là tập dữ liệu được ứng dụng thuật toán rừng ngẫu nhiên để phân loại và dự đoán hành vi bỏ rơi giỏ hàng. Kết quả của bài toán là một giá trị dự đoán nhị phân 1 hoặc 0 với giá trị bằng 1 là người dùng sẽ hoàn tất giỏ hàng và 0 là người dùng sẽ bỏ rơi giỏ hàng.
Mục đích của bài toán phân tích và dự đoán phân luồng trực tiếp là sử dụng dữ liệu trong phiên mua sắm hiện tại để đối chiếu với khuôn mẫu mua sắm đã xây dựng từ trước nhằm đưa ra phân loại bỏ rơi giỏ hàng. Bài toán sẽ thử nghiệm khả năng tổng hợp hoạt động trong phiên mua sắm và gửi yêu cầu dự đoán đến dịch vụ phân tích của trang thương mại điện tử. Đồng thời, kiểm tra khả năng dự đoán hành động bỏ rơi giỏ hàng trong phiên mua sắm hiện tại của dịch vụ phân tích dựa trên khuôn mẫu hành vi đã được xây dựng trước đó. Từ những kết quả trên, đưa ra đánh giá về tỷ lệ chính xác của dự đoán bỏ rơi giỏ hàng so với kết quả thực tế từ khách hàng trực tuyến.
31