HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

PHÁT TRIỂN HỆ THỐNG THÔNG TIN QUẢN LÝ

Đề tài: Hệ thống khuyến nghị
(Recommender Systems) ứng dụng trong kinh doanh điện tử

Giảng Viên : Trần Quốc Khánh

Nhóm : 13
Sinh Viên : Bùi Văn Đô
Lê Cao Hoàng
Nguyễn Lê Huy Núp
Trần Minh Hiếu

à Nội – 202

Page 1
 MỤC LỤC
I, TỔNG QUAN VỀ HỆ THỐNG KHUYẾN NGHỊ VÀ CÁC PHƯƠNG PHÁP
TIẾP CẬN ........................................................................................................................ 3
1. Giới thiệu hệ thống khuyến nghị (Recommender Systems) ................................. 3
2. Các thành phần cơ bản của một Hệ thống khuyến nghị ....................................... 5
3. Các lĩnh vực ứng dụng chính của Hệ thống khuyến nghị..................................... 5
4. Các phương pháp khuyến nghị ............................................................................. 5
II, ỨNG DỤNG HỆ THỐNG KHUYẾN NGHỊ TRONG THƯƠNG MẠI ĐIỆN TỬ
........................................................................................................................................... 7
1. Giới thiệu hệ thống gợi ý trong thương mại điện tử ............................................. 7
Hệ thống gợi ý sản phẩm ........................................................................................................................... 7
Thực trạng hiện nay................................................................................................................................... 7
Quy trình hoạt động................................................................................................................................... 8
2. Xây dựng hệ thống gợi ý sản phẩm ...................................................................... 9
Phân loại hệ thống gợi ý ............................................................................................................................ 9
Xây dựng hệ thống gợi ý ......................................................................................................................... 10
Dữ liệu..................................................................................................................................................... 11
3. Ứng dụng hệ thống gợi ý sản phẩm trong thương mại điện tử ........................... 13
Ứng dụng hệ thống gợi ý trên trang web Amazon.com ........................................................................... 14
Ứng dụng hệ thống gợi ý trong các trang thương mại điện tử ở Việt Nam.............................................. 24
III, KẾT LUẬN .............................................................................................................. 26

Page 2
I, TỔNG QUAN VỀ HỆ THỐNG KHUYẾN NGHỊ VÀ CÁC
PHƯƠNG PHÁP TIẾP CẬN

1. Giới thiệu hệ thống khuyến nghị (Recommender Systems)

Hệ thống khuyến nghị (Recommender Systems): là một hệ thống nhằm hỗ trợ đưa ra
quyết định, giúp sàng lọc và đưa ra các thông tin phù hợp, phổ biến với người dùng,
cung cấp giải pháp mang tính cá nhân hóa mà không phải trải qua quá trình tìm kiếm
phức tạp. Hệ thống sử dụng tri thức về sản phẩm, của chuyên gia hay tri thức học được
từ hành vi con người dùng để đưa ra các gợi ý về sản phẩm mà họ thích trong rất nhiều
sản phẩm có trong hệ thống. Các loại gợi ý bao gồm: giới thiệu sản phẩm cho người
tiêu dùng, cá nhân hóa thông tin sản phẩm, tổng hợp ý kiến cộng đồng, cung cấp chia
sẻ, phản biện và đánh giá liên quan đến các yêu cầu và mục tiêu của người dùng.

Sơ đồ tổng quát của một hệ thống khuyến nghị

Ví dụ: Amazon.com là một trong những trang TMĐT nổi tiếng nhất, khi người dùng
truy cập vào trang sẽ giới thiệu những sản phẩm có triển vọng nhất trong số hàng triệu
sản phẩm trong hệ thống. Hệ thống khuyến nghị là một công cụ cung cấp thông tin
hữu ích và được cá nhân hóa trên một hệ thống chứa nhiều thông tin. Hệ thống đề xuất
được thiết kế để cung cấp cho người dùng các đề xuất có liên quan, có thể là đề xuất

Page 3
hiệu quả nhất từ thông tin về các mục dữ liệu, hồ sơ người dùng và mối quan hệ giữa
các đối tượng này.

Cụ thể, hệ thống khuyến nghị có thể được thể hiện trong Hình 2.1. Nhóm người dùng
này có thể là phụ nữ, nam giới hoặc trẻ em. Người dùng có thể mua, xem, chọn, đọc
hoặc đánh giá các mục dữ liệu. “Người dùng” được coi là những người tham gia vào
hệ thống hành động trên “các mục dữ liệu”. “Mục dữ liệu” có thể là: quần áo, phim,
sách, bài báo, bài hát, CD, trang web, rượu, ... Mối quan hệ giữa người dùng và mục
dữ liệu có thể là: lượt thích, mối quan hệ mong muốn, mua hàng, đọc, ... Khi đó, hệ
thống sẽ cung cấp cho người dùng danh sách các mục dữ liệu được đề xuất. Các mục
dữ liệu được đề xuất phải dựa trên các tiêu chuẩn phù hợp với sở thích và thói quen
của người dùng. Mục tiêu cuối cùng của hệ thống khuyến nghị là tạo ra một danh sách
các mục dữ liệu tiềm năng đáp ứng nhu cầu và mong muốn của người dùng.

Hệ thống khuyến nghị sử dụng thông tin của người dùng và chia thành 2 loại: thông tin
ẩn và thông tin hiện.

Thông tin ẩn bao gồm: các thông tin như thời điểm người mua xem sản phẩm, cách
người dùng duyệt qua sản phẩm, quá trình chọn sản phẩm cuối cùng để xem và nguồn
trang hiện tại của người dùng. Bộ sưu tập, nhưng thường có độ ồn cao và không có sự
tương tác trực tiếp của người dùng (hệ thống tự động ghi lại lịch sử). Thông tin hiện
là: kết quả thu được khi người dùng hiện tại bình luận trực tiếp về sản phẩm, chẳng
hạn như lượt thích/không thích, xếp hạng, bình luận, v.v. Thông tin này thường khó thu
thập hơn thông tin ẩn, nhưng chính xác hơn, rất hữu ích cho các đề xuất.

Với mục đích chính là hỗ trợ người dùng. Một hệ thống khuyến nghị sẽ giúp người
dùng dễ dàng tìm kiếm sản phẩm phổ biến, phù hợp với một khả năng truy vấn rộng
rãi, đồng thời tiết kiệm rất nhiều thời gian cho người dùng. Ví dụ khi mua hàng online,
sẽ có một loạt các danh sách sản phẩm khiến người dùng mất nhiều thời gian để tìm
kiếm, lựa chọn và so sánh, nhưng nhờ có hệ thống khuyến nghị thì sẽ gợi ý cho người

Page 4
dùng những sản phẩm nổi bật, phổ biến nên số lượng sản phẩm vì thế giảm xuống và
dễ dàng mua hơn.

2. Các thành phần cơ bản của một Hệ thống khuyến nghị

Một hệ thống khuyến nghị bao gồm 3 thành phần cơ bản:

● User: là người sử dụng (người dùng), là đối tượng mà hệ thống khuyến nghị
hướng đến.
● Item: là mục tin (các sản phẩm, bài hát, bài báo hay các bộ phim, ...), ví dụ như
các mặt hàng trên các trang thương mại điện tử, hay các bài hát trong bảng xếp
hạng âm nhạc, …
● Feedback: là phản hồi, là các phê bình, đánh giá, bình luận của người dùng về
sản phẩm từ đó cho hệ thống có được những cơ sở, thông tin đ ể đưa ra gợi ý.

3. Các lĩnh vực ứng dụng chính của Hệ thống khuyến nghị

Ngày nay, với sự phát triển triển của công nghệ thì hệ thống khuyến nghị ngày càng
phổ biến ở rất nhiều lĩnh vực đời sống bởi công dụng, lợi ích mà nó mang lại. Một số
lĩnh vực ví dụ điển hình của hệ thống khuyến nghị trong đời sống:

● Trong TMĐT: Recommender Systems hỗ trợ việc buôn bán trực tuyến gợi ý sản
phẩm: shopee giới thiệu các sản phẩm liên quan cần mua...
● Trong giải trí: các bảng xếp hạng âm nhạc, gợi ý các bộ phim phổ biến, gợi ý
kết bạn trên mạng xã hội facebook hay gợi ý người theo dõi trên instagram, ...
● Trong giáo dục: danh sách gợi ý nguồn tài liệu học tập, các đầu sách phổ biến
cho người đọc...

4. Các phương pháp khuyến nghị

Bao gồm có 2 nhóm chính:

❖ Hệ thống khuyến nghị cá nhân hóa bao gồm:

Page 5
 ● Lọc cộng tác (Collaborative filtering): Là phương pháp được sử dụng rộng rãi
và thành công nhất trong thực tế, lọc công tác dựa trên việc thu thập và phân
tích một lượng lớn thông tin về hành vi, hoạt động hoặc sở thích của người
dùng và dự đoán những gì người dùng sẽ thích dựa trên sự giống nhau giữa
người dùng và những người dùng khác.
● Lọc dựa trên nội dung (Content-based): Dựa trên mô tả của người dùng về dự
án và các tệp cấu hình, thông tin về sở thích của người dùng.
● Hệ thống khuyến nghị lai (Hybrid recommender systems): Đó là một phương
pháp đề xuất kết hợp giữa lọc công tác và lọc dựa trên nội dung. Hệ thống
khuyến nghị lai là một phương pháp chính xác hơn so với các phương pháp
khác.
❖ Hệ thống khuyến nghị không cá nhân hóa (non-personalization)

Page 6
 II, ỨNG DỤNG HỆ THỐNG KHUYẾN NGHỊ TRONG
THƯƠNG MẠI ĐIỆN TỬ

1. Giới thiệu hệ thống gợi ý trong thương mại điện tử

Hệ thống gợi ý sản phẩm

So với nhiều ứng dụng trong các lĩnh vực khác, hệ thống gợi ý được áp dụng khá phổ
biến và thành công trong thương mại điện tử. Hãy tưởng tượng trên một website
thương mại điện tử với hàng triệu sản phẩm khác nhau, khách hàng sẽ không thể xem
qua từng sản phẩm để chọn ra sản phẩm thích hợp nhất và lúc này hệ thống gợi ý sản
phẩm ra đời để giúp người dùng tìm thấy các sản phẩm mà họ mong đợi.

Về khái niệm, hệ thống gợi ý trong thương mại điện tử là một hệ thống sử dụng một
loạt các thuật toán, phân tích dữ liệu và thậm chí cả Trí tuệ nhân tạo (AI) để đưa ra các
đề xuất sản phẩm trực tuyến. Hệ thống gợi ý sản phẩm được sử dụng để dự đoán xếp
hạng hoặc sự ưa thích mà một người dùng sẽ dành cho một sản phẩm. Sau đó, nó sẽ tự
động cung cấp những đề xuất, hiển thị hàng hóa mà người dùng có thể sẽ mua.

Hệ thống gợi ý hoạt động dựa trên dữ liệu về hành vi trong quá khứ của người dùng
như đánh giá sao, thời gian quan sát, số lần nhấp vào sản phẩm để dự đoán sở thích và
tìm kiếm các sản phẩm tiềm năng, phù hợp với sở thích đó để gợi ý, giúp khách hàng
có những quyết định tốt khi mua sắm trực tuyến. Hệ thống còn có khả năng tự tìm
kiếm và gợi ý những sản phẩm mà người dùng có thể rất thích nhưng họ thậm chí còn
chưa nghĩ đến hay chưa biết đến nó trong thời điểm hiện tại.

Thực trạng hiện nay

Sự gia tăng về số lượng người dùng Internet cùng với sự phát triển mạnh mẽ của
thương mại điện tử đã thúc đẩy xu hướng mua bán trực tuyến trên các trang thương

Page 7
mại điện tử. Số lượng người bán tăng lên, các mặt hàng xuất hiện nhiều vô số trên các
trang bán hàng trực tuyến kể đã tạo nên sự khó khăn cho khách hàng trong việc tìm kiếm
và lựa chọn sản phẩm mình mong muốn. Do đó, hệ thống gợi ý sản phẩm được xem như
một công cụ hiệu quả để giải quyết vấn đề này. Ngoài ra, hệ thống gợi ý sản phẩm còn nổi
lên như một cơ hội kinh doanh vì nó có thể tận dụng và xử lý một lượng lớn dữ liệu từ
hành vi và các giao dịch của khách hàng để tạo ra càng nhiều lợi nhuận hơn.

Hiện nay, phần lớn các trang thương mại điện tử phổ biến trên thế giới như Amazon, eBay
hay Alibaba đều sử dụng kỹ thuật gợi ý nhằm giới thiệu sản phẩm của mình đến khách
hàng một cách tốt hơn, thậm chí là vượt quá so với mong muốn về sản phẩm của khách
hàng. Thông thường, các doanh nghiệp thương mại điện tử sẽ thực hiện việc gợi ý sản
phẩm trực tiếp trên trang web trong khi mua hàng. Ngoài ra, các đề xuất sản phẩm còn có
thể được thực hiện thông qua việc gửi email hoặc trên các biểu ngữ quảng cáo. Hơn nữa,
những trang thương mại điện tử lớn và thành công tại Việt Nam như Shopee, Lazada,
Tiki, Thegioididong, FPTshop, … đều đã và đang ứng dụng hệ thống gợi ý sản phẩm
trong các trang thương mại điện tử của mình. Tuy nhiên, mức độ gợi ý sản phẩm của
phần lớn các trang thương mại điện tử trong nước này đều chỉ dừng lại ở mức chung
chung và chưa có tính cá nhân hóa cao.

Quy trình hoạt động

Nhìn chung, tất cả các hệ thống khuyến nghị đều trải qua 4 giai đoạn chính:

● Thu thập dữ liệu: đây là bước cần thiết đầu tiên để cơ chế khuyến nghị hoạt
động vì chúng là nền tảng của mọi thứ. Những dữ liệu cần thu thập này là các
hành vi, giao dịch trong lịch sử mà người dùng đã tương tác với hệ thống trên
các trang thương mại điện tử. Các dữ liệu có thể là dữ liệu ẩn hoặc dữ liệu rõ
ràng.
● Lưu trữ dữ liệu: sau bước thu thập dữ liệu thì lưu trữ dữ liệu là một bước cần
thiết để dữ liệu không bị mất. Có thể lưu trữ dữ liệu theo nhiều cách khác nhau
và điều quan trọng là phải lưu trữ chúng một cách có tổ chức, có cấu trúc và
Page 8
 ● theo yêu cầu của hệ thống và độ lớn của dữ liệu.
● Xử lý dữ liệu: đây cũng là một giai đoạn rất quan trọng bởi vì dữ liệu sẽ được
phân tích và sắp xếp thứ tự theo đặc điểm của chúng nhằm tạo điều kiện cho
giai đoạn lọc tiếp theo.
● Lọc dữ liệu: chính ở giai đoạn này, sự khuyến nghị thực sự xảy ra. Trong giai
đoạn lọc dữ liệu, những dữ liệu đã được thu thập, lưu trữ và xử lý sẽ được lọc

để cho thông tin đầu ra là các gợi ý sản phẩm phù hợp nhất cho từng tình
huống. Có vài cách để lọc dữ liệu và tất cả chúng phụ thuộc vào thuật toán được
sử dụng.

2. Xây dựng hệ thống gợi ý sản phẩm

Phân loại hệ thống gợi ý

Một hệ thống gợi ý sản phẩm cho doanh nghiệp kinh doanh điện tử nếu được xây dựng
và phát triển tốt sẽ giúp doanh nghiệp cải thiện trải nghiệm của người mua sắm trên
trang web và duy trì việc mua hàng lặp lại của khách hàng tốt hơn. Một hệ thống gợi ý
có thể được thiết kế thành 3 phần dựa trên quá trình phát triển trang web thương mại
điện tử của doanh nghiệp cũng như hành trình của một khách hàng mới từ khi họ truy
cập trang web của doanh nghiệp lần đầu tiên đến khi họ thực hiện việc mua hàng lặp
lại.

● Hệ thống gợi ý dành cho khách hàng mới

Khi một khách hàng mới truy cập vào trang web thương mại điện tử lần đầu tiên,
doanh nghiệp sẽ không có bất kỳ lịch sử mua hàng hay lịch sử duyệt web nào trước đó
để dự đoán và đưa ra các đề xuất sản phẩm. Lúc này, những khách hàng mới sẽ được
giới thiệu những mặt hàng phổ biến nhất được bán trên trang web của doanh nghiệp.
Đưa ra đề xuất dựa trên mức độ phổ biến của sản phẩm là một chiến lược tuyệt vời
trong việc gợi ý các sản phẩm nhắm đến mục tiêu là các khách hàng mới và rất hữu ích
để bắt đầu một công cụ đề xuất.

Page 9
 ● Hệ thống gợi ý dành cho khách hàng cũ

Ngay khi khách hàng thực hiện việc mua hàng trên trang web, hệ thống khuyến nghị sẽ
tự động cập nhật và đưa ra đề xuất các sản phẩm mà một người dùng cụ thể có thể
quan tâm dựa trên dữ liệu quá khứ như lịch sử mua hàng và xếp hạng được cung cấp
bởi những người dùng khác đã mua các mặt hàng tương tự. Kỹ thuật lọc cộng tác dựa

trên mô hình có thể được sử dụng ở đây vì nó tạo ra các sản phẩm dự đoán cho một cá
nhân riêng biệt dựa trên sở thích từ nhiều dữ liệu người dùng khác nhau.

● Hệ thống gợi ý dành cho doanh nghiệp mới

Khi một doanh nghiệp thiết lập trang web thương mại điện tử của mình lần đầu tiên
mà không có bất kỳ xếp hạng sản phẩm nào và cũng không có lịch sử mua hàng nào
của người dùng, hệ thống đề xuất sẽ hoạt động dựa trên công cụ tìm kiếm được thiết
kế cho người dùng. Bằng cách xác định và phân tích một cụm văn bản dựa trên các từ
tìm kiếm của người dùng, hệ thống đề xuất có thể hiển thị các mặt hàng từ các cụm sản
phẩm tương ứng dựa trên mô tả sản phẩm. Hệ thống đề xuất này sẽ giúp người dùng
có được đề xuất tốt để bắt đầu và khi người mua đã có lịch sử mua hàng, hệ thống đề
xuất có thể sử dụng kỹ thuật lọc cộng tác dựa trên mô hình để gợi ý sản phẩm như trên.

Xây dựng hệ thống gợi ý

Để ứng dụng hệ thống gợi ý sản phẩm trên các trang thương mại điện tử của mình, các
doanh nghiệp có thể thành lập đội ngũ nội bộ để tự phát triển hệ thống của riêng mình
hoặc thuê các công ty cung cấp giải pháp hệ thống gợi ý. Việc tự xây dựng một hệ
thống của riêng mình sẽ dễ dàng đáp ứng được nhu cầu thực tế của doanh nghiệp hơn
so với việc sử dụng dịch vụ mà bên thứ ba cung cấp nhưng nó cũng tốn nhiều thời gian
và chi phí hơn. Với các doanh nghiệp vừa và nhỏ, cách tốt nhất là nên lựa chọn một hệ
thống thuê ngoài để sử dụng các dịch vụ đề xuất sản phẩm cho trang thương mại điện
tử. Để phát triển và áp dụng một hệ thống gợi ý sản phẩm tốt nhất và phù hợp nhất,
doanh nghiệp phải xác định rõ vấn đề, yêu cầu và mục tiêu hướng tới để lựa chọn cách
Page 10
triển khai hệ thống hiệu quả nhất.

Ngoài ra, doanh nghiệp cần lượng dữ liệu nhiều và đa dạng để tạo ra các hệ thống lọc
tốt nhất cũng như thử các kỹ thuật gợi ý khác nhau. Hệ thống khuyến nghị có thể được
thực hiện dễ dàng với các công cụ liên quan. Nếu doanh nghiệp không có đủ dung
lượng lưu trữ hoặc không có khả năng tính toán để làm việc với lượng dữ liệu khổng

lồ từ khách truy cập và các mặt hàng trong cửa hàng trực tuyến thì doanh nghiệp có thể
sử dụng dịch vụ lưu trữ từ các nhà cung cấp dịch vụ đám mây.

Dữ liệu

Mục đích cuối cùng của một hệ thống gợi ý là giới thiệu cho người dùng một mặt hàng
mà họ có khả năng sẽ xem hoặc mua nó. Để xây dựng một hệ thống gợi ý đảm bảo tốt
yêu cầu trên và phù hợp với mô hình kinh doanh, doanh nghiệp cần phải biết loại dữ
liệu nào có sẵn cũng như cần biết cách tận dụng dữ liệu một cách hợp lý.

Có hai loại dữ liệu quan trọng để dự đoán sở thích của người dùng là dữ liệu rõ ràng và
dữ liệu ngầm.

● Dữ liệu rõ ràng

Dữ liệu rõ ràng là những phản hồi trực tiếp của khách hàng đối với một mặt hàng. Cụ
thể, dữ liệu rõ ràng có thể là đánh giá, nhận xét, xếp hạng sản phẩm theo các giá trị sao
từ 1 đến 5 hay việc khiếu nại, trả lại sản phẩm. Bộ lọc mà người dùng áp dụng khi tìm
kiếm cũng là một tín hiệu rõ ràng vì người dùng đang thể hiện rõ rằng họ đang quan
tâm đến các thuộc tính đó.

Điểm đáng lưu ý về dữ liệu rõ ràng là mỗi cá nhân đều không giống nhau. Điều này có
nghĩa là với cùng một mặt hàng thì hai người dùng khác nhau có thể có xếp hạng khác
nhau. Hơn nữa, dữ liệu rõ ràng cũng rất ít trong hầu hết các trường hợp vì người dùng
không thể đưa ra xếp hạng cho từng sản phẩm. Khách hàng chỉ có thể đưa ra phản hồi
cho những mặt hàng mà họ đã mua. Những xếp hạng này phản ánh mức độ người

Page 11
dùng thích một mặt hàng. Phản hồi rõ ràng có thể rất rõ ràng: người dùng nói rõ sở
thích, việc thích hoặc không thích về một sản phẩm của họ theo đúng nghĩa đen.
Nhưng tương tự, việc nhận xét một sản phẩm cũng có thành kiến vì người dùng có thể
thích một sản phẩm gì đó dù chưa bao giờ thử và do đó nó sẽ không gợi ý như một sở
thích hoặc tương tác với các mặt hàng hoặc nội dung đó một cách bình thường.

● Dữ liệu ngầm

Dữ liệu ngầm là những phản hồi được tạo ra một cách tự phát bởi người dùng, liên
quan đến sự tương tác của người dùng với một mặt hàng hay hành vi của họ trong quá
trình điều hướng. Dữ liệu ngầm có thể cho biết sự quan tâm của người dùng đối với
một thứ gì đó mặc dù họ không trực tiếp thể hiện nó. Cụ thể, những dữ liệu ngầm này
có thể là:

- Cú nhấp chuột vào một mặt hàng

- Số lần nhấp vào một sản phẩm
- Lịch sử tìm kiếm
- Dữ liệu giỏ hàng đã mua
- Mặt hàng được thêm vào giỏ hàng nhưng không quan tâm
- Thời gian xem các ưu đãi, sản phẩm hoặc nội dung nhất định

Các dữ liệu ngầm này có thể khó khăn để xác định nếu người dùng chưa đăng nhập
hoặc thậm chí còn khó khăn hơn nếu họ là người dùng mới. Mặt khác, phản hồi ngầm
có thể phức tạp để diễn giải bởi không thể xác định một người thích một mặt hàng nào
đó chỉ vì người dùng đã dành thời gian xem nó. Vì vậy, tốt nhất nên dựa vào sự kết
hợp của các tín hiệu ngầm để xác định sở thích.

Đặc biệt, các đánh giá hay hành động cũ hơn của khách hàng trong quá khứ có thể
không còn phù hợp để làm cơ sở đưa ra các đề xuất bởi sự thay đổi thị hiếu của người
dùng. Vì vậy, các hệ thống nên có tính năng chỉ xem xét những dữ liệu có nhiều khả
năng đại diện cho thị hiếu hiện tại của người dùng hay làm sạch dữ liệu, xóa dữ liệu cũ

Page 12
hơn có thể không còn phù hợp hoặc thêm yếu tố trọng số để mang lại tầm quan trọng
hơn cho các hành động gần đây so với hành động cũ.

Tất cả dữ liệu này được đưa vào hệ thống để giúp dự đoán sở thích và những sản phẩm
mà khách hàng của bạn có nhiều khả năng sẽ mua tiếp theo. Theo thời gian khi bạn
cung cấp cho hệ thống càng nhiều dữ liệu hơn, nó sẽ ngày càng thông minh hơn và đưa
ra các đề xuất được cá nhân hóa hơn cho khách hàng. Từ đó, người sử dụng nhiều khả

năng sẽ tương tác, nhấp vào và mua các mặt hàng được đề xuất hơn. Dữ liệu là một
yếu tố cực kỳ quan trọng bởi vì càng nhiều dữ liệu được hệ thống xử lý thì các đề xuất
sẽ mang tính cá nhân hóa hơn và doanh thu được tạo ra nhiều hơn.

Lớp đề xuất đầu tiên, hệ thống sẽ cung cấp cho người dùng các gợi ý dựa trên đầu vào,
nó hiển thị những mặt hàng tương tự như đầu vào đã được cung cấp. Khi khách hàng
tương tác với trang web nhiều hơn, số lượng giao dịch mua hàng hóa cũng nhiều hơn
thì hệ thống đã thu thập đủ dữ liệu. Nhờ đó, các hệ thống gợi ý này sẽ đưa ra các đề
xuất chính xác hơn dựa trên sở thích của từng cá nhân người dùng về danh mục,
thương hiệu, màu sắc, công dụng của sản phẩm.

Chất lượng của các khuyến nghị liên quan trực tiếp đến số lượng và chất lượng của dữ
liệu thu được. Vì vậy, càng có nhiều dữ liệu về một người và những người khác tương
tự như anh ta thì các đề xuất càng tốt hơn và được cá nhân hóa hơn, khơi dậy sự quan
tâm của người dùng đó và giúp đưa ra quyết định.

3. Ứng dụng hệ thống gợi ý sản phẩm trong thương mại điện tử

Các kỹ thuật hệ thống gợi ý sản phẩm đã và đang được nghiên cứu, phát triển và ứng
dụng một cách mạnh mẽ trong thương mại điện tử. Hầu hết các trang thương mại điện
tử lớn trên thế giới nói chung và những trang thương mại điện tử thành công ở Việt
Nam nói riêng đều tích hợp hệ thống gợi ý sản phẩm trên các nền tảng thương mại
điện tử của mình để nâng cao trải nghiệm khách hàng, nâng cao chất lượng dịch vụ và
đạt được lợi nhuận tốt hơn. Tuy nhiên, tùy vào đặc trưng của từng doanh nghiệp và
Page 13
mục tiêu mà họ hướng đến, các doanh nghiệp sẽ có cách áp dụng kỹ thuật gợi ý, cách
triển khai và xây dựng các hệ thống cũng như các hình thức, mức độ gợi ý không
giống nhau.

Dưới đây là một ví dụ thực tế của trang web thương mại điện tử Amazon.com ứng
dụng hệ thống gợi ý sản phẩm.

Ứng dụng hệ thống gợi ý trên trang web Amazon.com

Giới thiệu về hệ thống gợi ý của Amazon

Amazon là trang thương mại điện tử nổi tiếng thế giới và được xem là một trong
những công ty tiên phong và đáng chú ý nhất trong việc ứng dụng hệ thống khuyến
nghị, đặc biệt là trong thương mại. Hệ thống gợi ý đã được áp dụng rất thành công ở
Amazon và họ đã sử dụng công nghệ này từ những năm 1999 để nâng cao trải nghiệm
mua sắm của khách hàng. Trong những năm qua, hệ thống gợi ý sản phẩm của
Amazon ngày càng cải tiến và giúp Amazon trở thành công ty có giá trị nhất trên thế
giới với trị giá gần nửa tỷ đô la.

Hệ thống này sử dụng dữ liệu là đánh giá của người dùng, xếp hạng có thang điểm từ 1
đến 5, lịch sử mua hàng cùng nhiều thứ khác để xử lý và đưa ra đề xuất sản phẩm phù

hợp. Ngay khi người dùng thực hiện đăng nhập trên trang web của Amazon, hành vi
và lịch sử hoạt động của người dùng trên trang web sẽ được thu thập để làm dữ liệu dự
đoán và những sản phẩm gợi ý cho người dùng được hiển thị trên trang chủ của
Amazon. Hầu như những sản phẩm gợi ý sẽ được giải thích, ví dụ như mối quan hệ
của sản phẩm được gợi ý với những sản phẩm mà khách hàng đã mua trước đó. Hệ
thống gợi ý của Amazon hướng tới việc giới thiệu sản phẩm, tạo điều kiện thuận lợi
cho quá trình mua hàng của người tiêu dùng và nâng cao tỷ lệ chuyển đổi bán hàng
điện tử.

Các hệ thống gợi ý sản phẩm của Amazon đều có sử dụng Trí tuệ nhân tạo (AI) để các
đề xuất được cá nhân hóa hơn và do đó mang lại trải nghiệm tốt hơn cho người dùng.
Page 14
Amazon có một đội ngũ về công nghệ hoàn toàn tập trung và chuyên sâu vào việc xây
dựng, phát triển và đảm bảo việc vận hành tốt của hệ thống. Việc tự xây dựng một hệ
thống gợi ý sản phẩm riêng cho doanh nghiệp mang lại hiệu quả cao cho Amazon
nhưng cũng tốn rất nhiều tiền và mất rất nhiều công sức.

Thu thập dữ liệu

Dữ liệu mà Amazon có thể thu thập để cung cấp các gợi ý về sản phẩm mà người dùng
có khả năng quan tâm và mua bao gồm:

● Sản phẩm được thêm vào giỏ hàng nhưng không mua
● Thời gian dừng và xem một sản phẩm
● Số lần xem một sản phẩm trước khi mua hàng
● Thử nghiệm giá trực tuyến (cung cấp các sản phẩm giống nhau ở các mức giá
khác nhau và so sánh kết quả)
● Thử nghiệm đóng gói (cung cấp các sản phẩm khác nhau trong các gói hàng
khác nhau hoặc giảm giá các cặp mặt hàng khác nhau)
● Danh sách các sản phẩm yêu thích
● Trang web dẫn đến cửa hàng để xác định những mục quan tâm khác
● Thông tin về địa chỉ giao hàng để xác định những gì phổ biến trong khu vực của
người dùng
● Dựa vào lịch sử mua hàng định kỳ để xác định phân khúc người dùng
● Việc nhấp vào đường dẫn đến mặt hàng trong email, việc bỏ mặt hàng đó vào
giỏ hay mua nó

Hình thức gợi ý sản phẩm

❖ Gợi ý sản phẩm ngay trên trang thương mại điện tử

● Gợi ý cho bạn

Page 15
 Đề xuất sản phẩm cá nhân hóa trên Amazon.com

Ngay khi nhấp vào liên kết “Đề xuất cho bạn” trên trang web Amazon.com, người
dùng sẽ được dẫn đến một trang với đầy đủ các sản phẩm được đề xuất chỉ dành cho
họ. Tại đây, Amazon đề xuất một loạt các sản phẩm từ các danh mục khác nhau mà
người dùng đang duyệt, với mục đích hiển thị các sản phẩm mà họ có thể nhấp vào,
tìm hiểu và mua nó.

● Sản phẩm thường được mua cùng nhau

Đề xuất sản phẩm thường được mua cùng nhau trên Amazon.com

Đề xuất này sẽ hiển thị những sản phẩm thường được mua cùng với sản phẩm mà

Page 16
người dùng đang quan tâm với mục tiêu chính là tăng giá trị đơn hàng trung bình. Các
đề xuất “Thường được mua cùng nhau” nhằm mục đích bán hàng gia tăng và bán chéo
cho khách hàng bằng cách cung cấp các đề xuất sản phẩm dựa trên các mặt hàng trong
giỏ hàng của họ hoặc bên dưới các sản phẩm mà họ hiện đang xem trên website.

● Sản phẩm nổi bật dựa trên lịch sử duyệt web

Đề xuất sản phẩm nổi bật dựa trên lịch sử duyệt web trên
Amazon.com

Tại đây, Amazon dựa vào các sản phẩm mà người dùng đã xem qua và đề xuất những
sản phẩm giống nhau có hình dạng, kích thước và thương hiệu khác nhau để giúp
người dùng tìm thấy sản phẩm rất giống với sản phẩm mà họ quan tâm. Amazon hiển
thị trên website đa dạng các thương hiệu, màu sắc, hình dạng và kích thước khác nhau

cho người dùng với hy vọng rằng sẽ có một sản phẩm thu hút được người dùng và họ
không thể không mua nó.

● Sản phẩm đã xem

Page 17
 Đề xuất sản phẩm đã xem trên Amazon.com

Amazon cho rằng nếu khách hàng đã xem một sản phẩm, điều đó có nghĩa là họ quan
tâm đến sản phẩm hay đã bị thu hút bởi nó. Vì vậy, Amazon sẽ hiển thị lịch sử duyệt
web của khách hàng trong trường hợp khách hàng muốn nhanh chóng quay lại và mua
mặt hàng đó hoặc đây cũng là một cách để Amazon gợi lại cho khách hàng sản phẩm
mà họ quan tâm nhưng đã bị họ bỏ qua.

● Sản phẩm có liên quan đến sản phẩm đã xem

Đề xuất sản phẩm có liên quan đến sản phẩm đã xem trên
Amazon.com

Các đề xuất này cũng dựa trên những sản phẩm mà người dùng đã xem trong quá khứ
để hiển thị những sản phẩm tương tự với những đặc tính khác nhau như kích cỡ,
thương hiệu để khách hàng tìm thấy sản phẩm mà họ vừa ý nhất.

● Khách hàng đã mua sản phẩm này cũng đã mua

Page 18
 Đề xuất sản phẩm khách hàng thường mua cùng nhau trên
Amazon.com

Tương tự như đề xuất “Thường được mua cùng nhau”, Amazon cũng hiển thị các mặt
hàng thường được mua cùng nhau bởi một khách hàng trong quá khứ với mục tiêu là
tăng giá trị đơn hàng trung bình thông qua việc bán thêm và bán chéo. Đây cũng là
một cách để Amazon bán các mặt hàng không phổ biến để giúp các nhà bán lẻ di
chuyển hàng tồn kho của họ.

● Sản phẩm có liên quan đến sản phẩm đã mua

Đề xuất sản phẩm có liên quan đến sản phẩm đã mua trên
Amazon.com

Chẳng hạn sau khi mua một chiếc máy đọc sách Kindle trên Amazon.com, khách hàng
sẽ được đưa đến mục “Chi tiết đơn hàng”. Bên dưới mục này là một loạt đề xuất khác
nhau về các sản phẩm có liên quan đến chiếc Kindle mà khách hàng đã mua, nhằm
khuyến khích họ mua hàng lần thứ hai với một ưu đãi bán kèm có liên quan cao.

● Phiên bản mới hơn của sản phẩm

Page 19
 Đề xuất phiên bản mới hơn của sản phẩm trên Amazon.com

Amazon biết rằng mọi người thường thích nâng cấp các thiết bị của họ lên phiên bản
mới nhất và đề xuất này được đưa ra để đáp ứng nhu cầu đó. Nếu người dùng nhấp vào
chiếc Kindle cũ mà họ đã mua trên Amazon.com, một đề xuất về phiên bản mới hơn

của sản phẩm sẽ được hiển thị bên dưới để người dùng có thể nhận biết và nâng cấp nó
lên.

● Sản phẩm bán chạy nhất

Đề xuất sản phẩm bán chạy nhất trên Amazon.com

Amazon đề xuất các mặt hàng bán chạy nhất theo danh mục dành cho những người
mua muốn trải nghiệm các sản phẩm mới nhất. Đề xuất sản phẩm bán chạy nhất được
xem như một gợi ý cho khách hàng những sản phẩm xu hướng được nhiều người sử
dụng mà họ có thể mong muốn trải nghiệm thử. Hơn nữa, các sản phẩm bán chạy nhất
từ một danh mục cụ thể còn giúp khách hành dễ dàng tìm thấy các sản phẩm phổ biến
từ các danh mục mới mà có thể họ chưa từng mua trước đó.

❖ Gợi ý sản phẩm thông qua email

Chẳng hạn như khi một khách hàng xem một sản phẩm hoặc thêm một mặt hàng vào
giỏ hàng của mình trên trang web Amazon.com, Amazon sẽ tiến hành gửi các đề xuất
có liên quan tới sản phẩm và thương hiệu đó qua email. Điều đáng lưu ý ở đây là
Amazon chỉ giới thiệu các sản phẩm hay thương hiệu mà người mua hàng đã xem trên

Page 20
trang web hoặc các mặt hàng mà họ đã thêm vào giỏ hàng.

● Sản phẩm bán chạy nhất cùng thương hiệu

Đề xuất sản phẩm bán chạy nhất cùng thương hiệu qua email

Email đề xuất này giới thiệu một loạt các sản phẩm bán chạy nhất từ danh mục máy
ảnh của thương hiệu Canon mà khách hàng đã tìm kiếm hay truy cập trên trang web.

● Sản phẩm bán chạy nhất khác thương hiệu

Đề xuất sản phẩm bán chạy nhất khác thương hiệu qua email

Email sau đề xuất các sản phẩm bán chạy nhất từ cùng danh mục máy ảnh nhưng của

Page 21
một thương hiệu khác mà người dùng có thể sẽ duyệt qua. Amazon trưng bày
nhữngsản phẩm phổ biến nhất mà hầu hết mọi người đều mua một trong những sản
phẩm của thương hiệu này và họ nghĩ rằng những khách hàng này cũng sẽ như vậy. Sản
phẩm thường được mua cùng nhau

Đề xuất sản phẩm thường được mua cùng nhau qua email

Email này gợi ý các mặt hàng thường xuyên được mua cùng nhau, với mục đích giúp
khách hàng bên cạnh việc mua máy ảnh thì còn mua kèm các phụ kiện của nó như túi
đựng máy ảnh hay thẻ nhớ để tăng giá trị đơn đặt hàng trung bình cũng như doanh thu
mà Amazon tạo ra được từ mỗi khách hàng.

● Sản phẩm bán chạy nhất trên toàn bộ danh mục sản phẩm

Page 22
 Đề xuất sản phẩm bán chạy nhất trên toàn bộ danh mục qua email

Email đề xuất này hiển thị các mặt hàng bán chạy nhất trong toàn bộ danh mục sản
phẩm mà người dùng đã duyệt qua. Nó không tập trung vào bất kỳ thương hiệu máy
ảnh cụ thể nào mà chỉ hiển thị những chiếc máy ảnh bán chạy nhất được hầu hết mọi
người mua. Những mặt hàng được gợi ý này có đánh giá và tỷ lệ chuyển đổi tốt nhất
và có thể sẽ biến một khách hàng tiềm năng thành người mua hàng thực sự.

Lợi ích của hệ thống gợi ý

Lợi ích rõ ràng nhất của việc sử dụng hệ thống gợi ý là công ty có thể tăng doanh thu
mà không có thay đổi đáng kể trong chi phí quảng cáo. Nhờ vào hệ thống gợi ý, số
lượng người dùng tăng lên và sự hài lòng của khách hàng khi mua sắm trên các trang
thương mại điện tử cũng được cải thiện.

Theo Amazon, 35% doanh thu mà họ có được là nhờ vào hệ thống gợi ý. Phương pháp
lọc cộng tác thường được sử dụng để giới thiệu các sản phẩm liên quan tới người dùng
dựa trên hành vi và tương tác của họ trên trang web. Trang thương mại điện tử này sử
dụng hệ thống đề xuất sản phẩm này trên toàn bộ hệ thống, không những là các sản
phẩm hiển thị trên web mà còn là các sản phẩm gợi ý được gửi qua email của khách
hàng. Hệ thống đề xuất sản phẩm của Amazon có khả năng thu thập những nguồn dữ
Page 23
liệu đa dạng của toàn bộ người dùng trên trang web và từ đó tính toán, xử lý những tập
dữ liệu khổng lồ này để đưa ra những gợi ý chính xác ngay lập tức đến khách hàng.
Thuật toán gợi ý mà Amazon xây dựng giúp nâng cao trải nghiệm người dùng và việc
cá nhân hóa trải nghiệm của từng khách hàng đã giúp cho giá trị trung bình của mỗi
đơn hàng cũng như doanh thu có được từ mỗi khách hàng cũng tăng lên.

Amazon là một nhà bán lẻ trực tuyến rất tinh vi, họ liên tục đo lường hiệu quả mà hệ
thống gợi ý sản phẩm mang lại và từ đó xây dựng nhiều thuật toán mới lạ hơn để tối
ưu hóa lợi nhuận. Một trong những lợi thế của Amazon, vì nó là một trang thương mại
điện tử lớn nên khối lượng bán hàng và dữ liệu thu thập được từ khách hàng cũng rất
lớn, điều này góp phần hỗ trợ hệ thống xử lý và đưa ra gợi ý một cách tốt nhất.

Ứng dụng hệ thống gợi ý trong các trang thương mại điện tử ở Việt Nam

Hiện nay, gần như tất cả các trang thương mại điện tử lớn tại Việt Nam đều có tích hợp
hệ thống khuyến nghị trên trang web để gợi ý những sản phẩm mà người dùng có khả
năng quan tâm. Chắc hẳn trong chúng ta cũng đã từng bị thu hút bởi các gợi ý này và
quyết định chọn mua sản phẩm được đề xuất đó.

Một ví dụ cụ thể là trang thương mại điện tử Tiki đã áp dụng công nghệ Học máy
(Machine Learning) trong việc cá nhân hóa trải nghiệm người dùng và điều này đã
mang lại những kết quả khả quan. Với Tiki, họ quyết định sử dụng dịch vụ về kỹ thuật
gợi ý của bên thứ ba là Gravity R&D - công ty hàng đầu thế giới về cung cấp giải pháp
gợi ý. Mục tiêu chính của các giải pháp gợi ý do Gravity cung cấp là dự đoán và hiển
thị chính xác những sản phẩm mà khách hàng mong muốn nhằm tiết kiệm thời gian
tìm kiếm và nâng cao trải nghiệm mua sắm trên nhiều nền tảng của doanh nghiệp như
website, email hay các ứng dụng trên điện thoại. Hiệu quả mà các giải pháp gợi ý
mang lại giúp Tiki xác định đúng nhu cầu của từng khách hàng, thúc đẩy việc bán chéo
các sản phẩm phù hợp và nâng cao sự gắn bó của khách hàng với doanh nghiệp.

Trong giai đoạn thử nghiệm, các giải pháp gợi ý cá nhân hóa của Gravity đã làm tăng

Page 24
13,15 USD giá trị giao dịch trên mỗi 1.000 lượt hiển thị và tỷ lệ chuyển đổi thành công

từ các gợi ý đạt mức 6%. Các giải pháp mà Gravity mang lại giúp Tiki cải thiện những
tiêu chí quan trọng như doanh thu, giá trị trung bình của một đơn hàng và tỉ lệ lượt
nhấp vào sản phẩm trên trang thương mại điện tử này.

Page 25
 III, KẾT LUẬN

HTKN có vị trí quyết định và là một trong những nhân tố không thể thiếu góp phần
vào sự thành công của các trang TMĐT. Đặc biệt là phương pháp gợi ý nêu trên, các
phương pháp đều có thuận lợi và khó khăn riêng, nhưng trong đó hệ gợi ý cá nhân
đóng góp nhiều hơn cả. Vì vậy, ứng dụng các kỹ thuật gợi ý, nhất là kỹ thuật gợi ý
cá nhân hóa trong TMĐT là cấp thiết.

Việc tư vấn, giới thiệu hàng hóa và giúp người mua hàng hàng trực tuyến trong
TMĐT là rất cần thiết vì nó có tác động trực tiếp đến thu nhập và lợi nhuận của
doanh nghiệp. Nắm bắt được điều đó, một số công ty TMĐT khổng lồ trên thế giới
như Amazon, Ebay, Netflix Họ đã tìm hiểu đưa công cụ giới thiệu hàng hóa vào
trang bán hàng
của công ty và đã có hiệu quả thương mại vượt trội. Nhưng ở Việt Nam, các công ty
TMĐT đa phần chưa tích hợp hệ thống này; Nếu vậy, các mặt hàng giới thiệu cho
người mua trên các trang web TMĐT còn chưa được tối ưu.

Trên các sàn giao dịch trực tiếp TMĐT, các công ty đã xem xét, phân tích và áp
dụng hệ thống giới thiệu hàng hóa vào trang TMĐT của công ty nhằm tăng doanh số
bán hàng, đáp ứng yêu cầu tìm kiếm theo sở thói quen và sở thích của người mua.
Công cụ này dựa trên việc thu thập dữ liệu. và xem xét dữ liệu về hàng hóa và người
mua sau đó hệ thống sẽ dự đoán mức độ quan tâm của họ dựa trên các dữ liệu đã
phân tích và gợi ý cho họ những sản phẩm phù hợp.

Page 26