CÔNG NGHỆ

Hệ thống gợi ý sản phẩm

NHÓM 9
 Thành viên
Mức độ
Họ Tên MSV Nhiệm Vụ
đóng góp

- Khó khăn trở ngại khi áp dụng, mức độ phát triển tại VN
- Những câu chuyện thú vị khi áp dụng nó trong thực tế
Nguyễn Thị Hải My - Soát ND 28%
- Powerpoint

- Lý do chọn chủ đề
Nguyễn Minh Đức 23%
- Powerpoint

- Thực trạng tại Việt Nam và trên thế giới với công nghệ này
Lê Phú An Khang - Nêu được công nghệ/hình thức mới đó là gì, cách thức hoạt 25%
động, lợi thế so với phương pháp truyền thống

- Nêu ví dụ cụ thể đơn vị nào tại VN áp dụng triển khai công

Nguyễn Tiến Dũng nghệ đó 24%
- Bài học rút ra cho bản thân/VN, cơ hội khởi nghiệp
TABLE OF CONTENTS

01 02 03
Giới thiệu công
Lý do chọn đề tài nghệ Thực trạng

04 05
Câu chuyện
Bài học & cơ hội
 01
Lí do chọn
đề tài
Lí do chọn đề tài
Hệ thống bán hàng trực tuyến tạo điều kiện cho người mua
tiếp cận sản phẩm đa dạng
=> khó khăn trong việc lựa chọn
=> cần có công cụ trợ giúp

Phát triển từ tiếp thị, tư vấn ở phương thức truyền thống

=> Hệ thống gợi ý ra đời bằng cách xác định mục tiêu 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
=> tăng hiệu suất
 02
Giới thiệu
công nghệ
Giới thiệu công nghệ
Định nghĩa:

● Hệ thống gợi ý sử dụng các tri thức về sản phẩm, các tri thức của chuyên gia hay tri thức khai
phá học được từ hành vi con người dùng để đưa ra các gợi ý về sản phẩm mà họ thích trong
hàng ngàn hàng vạn sản phẩm có trong hệ thống.

● Các sàn TMĐT có thể gợi ý sản phẩm dựa trên số lượng sản phẩm đó đã được bán, dựa trên
các thông tin cá nhân của người sử dụng, dựa trên sự phân tích hành vi mua hàng trước đó của
người sử dụng để đưa ra các dự đoán về hành vi mua hàng trong tương lai của chính khách
hàng đó.
Giới thiệu công nghệ
Phương pháp:
Về cơ bản, Recommender Systems được chia làm 4 dạng chính:
● Simple Recommenders (Lọc thông thường)
● Content-based filtering (Lọc theo nội dung)
● Collabrative filtering (Lọc cộng tác)
● Hybrid filtering (Lọc kết hợp)
Hai thực thể chính trong Recommender System là Users và Items.
Một số phương pháp

1 2

Simple Recommenders Content-based filtering (Lọc

(Lọc thông thường) theo nội dung)
Phương pháp lọc dựa trên nội dung, mô tả của
Đưa ra các đề xuất tổng quát cho mọi người
mặt hàng và hồ sơ về sở thích của người dùng.
dùng, dựa trên mức độ phổ biến và thể loại
Một số phương pháp

3 4
Collabrative filtering (Lọc Hybrid filtering (Lọc kết
cộng tác) hợp)

“Người tương tự” có thể thích “sản phẩm Là sự kết hợp của hai giải thuật Content-based
tưởng tự” hoặc ngược lại, từ đó việc của Filtering và Collabrative Filtering.
chúng ta cần làm là tìm ra mối quan hệ
giữa các user và item để gợi ý.
 03
Thực trạng
Thực trạng
VIỆT NAM
Ở VN, hầu hết các trang TMDT
đều có sử dụng hệ gợi ý trong
hệ thống thông tin. Tuy nhiên,
hiện nay, phần lớn trang thương
mại điện tử trong nước chưa tích
hợp các chức năng này, hoặc
nếu có cũng chỉ dừng ở mức gợi
ý chung chung, chưa có tính cá
nhân hóa.
THẾ GIỚI
Hệ thống gợi ý sản phẩm của
các trang thương mại điện tử lớn
trên thế giới tích hợp rất nhiều
các phương pháp, họ còn sử
dụng cả Deep Learning lẫn
Forcement Learning để tối ưu
hóa và tăng độ hiệu quả cho hệ
thống của mình.
Khó khăn
Dữ liệu không đủ chất lượng Vấn đề bảo mật
Cần có dữ liệu chất lượng về hành vi mua sắm của Việc sử dụng dữ liệu cá nhân để cá nhân hóa gợi ý sản
người dùng tuy nhiên nhiều trường hợp, dữ liệu có phẩm đòi hỏi sự quan tâm đặc biệt đối với vấn đề bảo
thể bị nhiễu hoặc không đủ để tạo ra các mô hình mật và quyền riêng tư của người dùng. Việc xử lý và lưu
chính xác. trữ dữ liệu phải tuân thủ các quy định về bảo mật thông
tin cá nhân
Đa dạng về sản phẩm Hiệu suất và tốc độ
Điều này có thể làm cho việc xác định sự tương Hệ thống gợi ý cần phải đảm bảo hiệu suất và
đồng giữa các sản phẩm và người dùng trở nên tốc độ nhanh để cung cấp gợi ý sản phẩm trong
phức tạp hơn. thời gian thực, nhất là trong những trường hợp
giao dịch trực tuyến.
Sự thay đổi trong sở thích của
người dùng

Hệ thống gợi ý cần phải theo kịp để đảm bảo

tính hiệu quả.
 04
Câu chuyện
 05
Bài học &
Cơ hội
 Bài học
• Tại Việt Nam hiện nay, nhiều doanh nghiệp chuyên kinh doanh
truyền thống đang dần cập nhật thêm các mô hình kinh doanh
online để có bắt kịp với sự thay đổi của thị trường và đáp ứng
nhu cầu mua sắm online tiện lợi của khách hàng.

• Từ các mô hình kinh doanh online của các nền tảng Shopee, Tiki,
Lazada, ... các doanh nghiệp Việt Nam có thể rút ra được các bài
học, kinh nghiệm trong việc áp dụng hệ thống gợi ý sản phẩm
vào kinh doanh online như:

 Thu thập, phân tích dữ liệu của khách hàng

 Đảm bảo quyền riêng tư và bảo mật dữ liệu của khách
hàng
 Cải tiến, cập nhật hệ thống dựa theo các phản hồi, ý kiến
đóng góp của khách hàng
Cơ hội khởi nghiệp
● Hiện nay công nghệ hệ thống gợi ý sản phẩm đang được áp dụng rộng rãi => mở ra nhiều cơ hội
cho các start-up tại có cơ hội tiếp xúc và học hỏi để áp dụng vào công việc kinh doanh của họ.

● Tuy vậy, vẫn sẽ tồn tại các khó khăn và thách thức cho các start-up như:

 Vốn đầu tư cho hệ thống: đòi hỏi sự đầu tư lớn vào các công việc như quảng cáo, thu thập
dữ liệu khách hàng. Đây là một khó khăn mà các doanh nghiệp khởi nghiệp non trẻ thường
mắc phải.
 Cạnh tranh với các doanh nghiệp lớn và cả các start-up khác: Hiện nay thị trường khởi
nghiệp thương mại điện tử ở Việt Nam ngày càng phát triển cùng với đó dẫn đến sự cạnh
tranh gắt gao giữa các doanh nghiệp. Để tạo ra một hệ thống gợi ý sản phẩm thành công đòi
hỏi ý tưởng của các start-up phải độc đáo để tạo ra lợi thế với các doanh nghiệp khác.
 Thiếu kinh nghiệm, nhận thức trong áp dụng công nghệ vào kinh doanh: Trên thực tế, các
start-up ở Việt Nam có thể chưa có nhận thức rõ ràng về lợi ích và cách sử dụng hệ thống
gợi ý sản phẩm. Điều này đòi hỏi họ phải đầu tư thời gian và nguồn lực để nghiên cứu áp
dụng công nghệ.
Minh chứng làm việc nhóm
Minh chứng làm việc nhóm
Minh chứng làm việc nhóm
THANKS FOR
WATCHING
Do you have any questions?