Hệ khuyến nghị trong dự đoán sở thích người dùng ứng dụng trong kinh doanh thông minh

Nghiên cứu này đưa ra một cách tiếp cận về sử dụng hệ thống khuyến nghị ứng dụng trong dự báo sở thích người dùng. Từ đó, xếp hạng các đề xuất theo phương pháp lọc cộng tác nhằm đưa ra những đề xuất về sản phẩm mà khách hàng có thể thích theo thứ tự nhằm gia tăng khả năng mua hàng cũng như lòng trung thành của khách hàng.
Nội dung trích xuất từ tài liệu:
Hệ khuyến nghị trong dự đoán sở thích người dùng ứng dụng trong kinh doanh thông minhLương Ngọc Tú, Phạm Nguyễn Hoàng Nam, Võ Hà Quang Định, Đặng Thái Thịnh 117 Hệ khuyến nghị trong dự đoán sở thích người dùng ứng dụng trong kinh doanh thông minh Lương Ngọc Tú, Phạm Nguyễn Hoàng Nam, Võ Hà Quang Định, Đặng Thái Thịnh Phòng Công nghệ thông tin, Trường Đại học Kinh tế Thành phố Hồ Chí Minh {tuln, nam, vhqdinh, thinhdt}@ueh.edu.vn Tóm tắt. Tăng cường năng lực cạnh tranh cho doanh nghiệp trong môi trường kinh doanh hiện nay là một việc làm hết sức cần thiết. Trong đó, thương mại điện tử phát triển mạnh ở Việt Nam trong vài năm gần đây. Sức ép cạnh tranh khiến doanh nghiệp cải tiến bằng quy trình, thu hút vốn đầu tư hay triển khai các hệ thống quản trị thông minh. Nghiên cứu này nhằm đưa ra một cách tiếp cận về sử dụng hệ thống khuyến nghị ứng dụng trong dự báo sở thích người dùng. Từ đó, xếp hạng các đề xuất theo phương pháp lọc cộng tác nhằm đưa ra những đề xuất về sản phẩm mà khách hàng có thể thích theo thứ tự nhằm gia tăng khả năng mua hàng cũng như lòng trung thành của khách hàng. Nghiên cứu cũng đề cử một cách thức triển khai lưu trữ dữ liệu bằng quan hệ tích hợp vào các hệ thống đang có và mô hình đánh giá sự hiệu quả của khuyến nghị. Từ khóa: hệ khuyến nghị, kinh doanh thông minh, thương mại điện tử, lọc cộng tác, dự đoán sở thích.1 Giới thiệu Những tiến bộ trong công nghệ cùng với Internet tạo ra những tiếp cận thông tin trực tuyếnvà thúc đẩy thực hiện các công việc kinh doanh giao dịch trên Internet [2]. Dữ liệu trong khônggian thông tin toàn cầu đang trên đà tăng nhanh hơn rất nhiều so với khả năng xử lý của mộtngười dùng như thông tin cá nhân hoặc giao dịch của khách hàng trực tuyến. Vì thế sự quá tảithông tin đã trở thành một thách thức to lớn đối với ngành công nghệ thông tin, nhưng điều nàycũng tạo ra cơ hội cho dịch vụ điện tử để phát triển các đề xuất thường được thiết kế theo đặcđiểm yêu cầu cá nhân của mỗi người (hay còn gọi là cá nhân hóa). Các hệ thống khuyến nghị thường đề xuất các mặt hàng (thông tin, sản phẩm hoặc dịch vụ)mà người dùng quan tâm dựa trên các nhóm đặc điểm đối tượng khách hàng (demographics),tính năng của mặt hàng (features) hoặc sở thích người dùng (ví dụ như thang đo đánh giá hoặclịch sử mua hàng). Trong bối cảnh của các trang chủ dựa trên nội dung là chủ yếu, thì hệ thốngkhuyến nghị có thể được sử dụng để mở đường cho việc truyền bá có chọn lọc từ một luồngthông tin lớn đến người dùng hoặc hỗ trợ quản lý hiệu quả thông tin của một cá nhân. Những dịch vụ nổi tiếng trên thế giới như GroupLens cung cấp các khuyến nghị dạng cánhân hóa của các mục tin từ cách thấu hiểu danh sách thảo luận (discussion) có khối lượng lớn,những sản phẩm có doanh thu cao trên Internet, dựa trên ý kiến của những người dùng khác[9,10]. Trong việc sử dụng các thang đánh giá của các bài báo thực hiện bởi người dùng,GroupLens xác định được rằng những người dùng khác có nhu cầu thông tin hoặc thị hiếutương tự như người dùng được chỉ định sẵn và đồng thời GroupLens cũng khuyến nghị các bàibáo mà họ thích.118 KỶ YẾU HỘI THẢO KHOA HỌC QUỐC GIA CITA 2017 “CNTT VÀ ỨNG DỤNG TRONG CÁC LĨNH VỰC” Một ví dụ điển hình về hình thức này là dịch vụ của Amazon.com khi cung cấp một đề xuấtđược cá nhân hoá dựa trên lịch sử mua hàng, các mối quan tâm và sở thích của các khách hànggiống nhau. Những khuyến nghị như vậy cung cấp một dịch vụ cho khách hàng có chất lượngtương xứng với sự đánh giá của chính khách hàng cho các khuyến nghị. Nếu dịch vụ này cóchất lượng cao, thì các khuyến nghị có thể tạo ra độ hài lòng và sự trung thành của khách, cũngnhư tăng doanh số bán hàng. Từ những nghiên cứu và hệ thống thực tế đã triển khai trong giai đoạn hiện nay cho thấy việcnghiên cứu dữ liệu của khách hàng, giao dịch, sản phẩm là một điều hết sức cần thiết để đưa ranhững tư vấn thông minh cho người dùng. Qua đó các hệ thống khuyến nghị này sẽ mang lạidoanh thu cao hơn và lượng khách hàng trung thành nhiều hơn. Tại Việt Nam, việc ứng dụngnhững hệ thống tư vấn như vậy còn khá ít, do đó động lực của bài nghiên cứu này chỉ ra nhữngphương pháp hiện nay đang được triển khai để thiết kế các hệ khuyến nghị, hiện thực hóa mộtphương pháp và mang nó ứng dụng trong kinh doanh thông minh.2 Những nghiên cứu liên quan Dựa trên loại dữ liệu và kỹ thuật được sử dụng để đưa ra các quyết định khuyến nghị, các hệthống khuyến nghị có thể được phân loại rộng rãi thành những cách tiếp cận như sau:2.1 Phương pháp khuyến nghị dựa trên sự phổ biến (popularity) Có nhiều biện pháp đánh giá sự phổ biến như tỷ lệ phần trăm khách hàng mua một mặt hàng,số khách hàng đã mua một mặt hàng, xếp hạng trung bình cho một mặt hàng [12,13]. Vì vậy,các mục phổ biến nhất được khuyến nghị ch ...