Áp dụng mô hình máy học để dự báo khách hàng rời bỏ dịch vụ trong lĩnh vực thương mại điện tử
Luận văn · Thạc sĩ · năm 2025 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Marketing, thương mại |
| Tác giả | Võ Đăng Khoa |
| Người hướng dẫn | Nguyễn Thành Huy |
| Cơ sở đào tạo | Trường Đại học Kinh tế TP. Hồ Chí Minh |
| Năm | 2025 |
| Nguồn | Thư viện số Trường Đại học Kinh tế TP. Hồ Chí Minh · trang gốc |
Tóm tắt
Nghiên cứu này tập trung vào mô hình dự đoán khả năng khách hàng rời bỏ dịch vụ trong lĩnh vực thương mại điện tử, một yếu tố then chốt ảnh hưởng đến sự tăng trưởng và lợi nhuận của doanh nghiệp. Mục tiêu chính của nghiên cứu là xây dựng một hệ thống dự đoán khách hàng khả năng khách hàng rời bỏ, xác suất rời bỏ theo thời gian, mức độ ảnh hưởng của các yếu tố lên khả năng rời bỏ và phân khúc khách hàng để nâng cao tính hiệu quả của các chiến lược giữ chân. Để đạt được mục tiêu này, nghiên cứu đã thu thập và phân tích dữ liệu đặc điểm và hành vi của khách hàng bao gồm thông tin nhân khẩu học, lịch sử giao dịch, tần suất mua hàng, tổng giá trị chi tiêu, thời gian truy cập và các yếu tố khác. Nghiên cứu đã xây dựng đặc trưng bằng mô hình RFM kết hợp với các đặc trưng sẵn có, áp dụng mô hình học máy XGBoost, LightGBM, Logistic Regression và Random Forest, mô hình nguy cơ tỷ lệ Cox. Hiệu suất của các mô hình được đánh giá một cách toàn diện thông qua các chỉ số Accuracy, Precision, Recall, F1-score và ROC-AUC trên tập dữ liệu kiểm tra, và chỉ số Concordance đối với mô hình nguy cơ tỷ lệ Cox. Kết quả nghiên cứu cho thấy mô hình Random Forest đạt được hiệu suất dự đoán tốt nhất với độ chính xác 88.3% và các chỉ số đánh giá khác đều ở mức cao, mô hình nguy cơ tỷ lệ Cox với chỉ số Concordance 0.82 phản ánh khả năng dự đoán chính xác nguy cơ và thời gian khách hàng rời bỏ, mô hình RFM cho ra bốn phân cụm khách hàng khác nhau giúp doanh nghiệp có thể nâng cao hiệu quả các chiến lược giữ chân khách hàng. Nghiên cứu này góp phần xây dựng một cách tiếp cận dựa trên dữ liệu nhằm hỗ trợ quản lý hiệu quả và hạn chế tình trạng khách hàng rời bỏ trong bối cảnh cạnh tranh gay gắt của ngành thương mại điện tử.
Dự đoán khách hàng rời bỏThương mại điện tửMô hình học máyMô hình nguy cơ tỷ lệ CoxGiữ chân khách hàngRandom ForestCustomer churn predictionE-commerceMachine learning modelsCox Proportional Hazards ModelCustomer retention
Bản toàn văn lưu tại thư viện Trường Đại học Kinh tế TP. Hồ Chí Minh
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn marketing, thương mại · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Mối liên hệ giữa đầu tư trực tiếp nước ngoài và hoạt động xuất nhập khẩu ở Việt Nam
- Ảnh hưởng giá trị thương hiệu đến ý định mua Smartphone của khách hàng thành phố Hồ Chí Minh
- Phân tích hoạt động marketing của Tổng công ty Tân Cảng Sài Gòn
- Giải pháp phát triển xuất khẩu hàng may mặc Campuchia đến năm 2010
- Solution to enhance service quaility at akzonobel powder coatings Viet Nam company
- Giải pháp nâng cao giá trị thương hiệu cho chuỗi nhà thuốc Long Châu thuộc Công ty Cổ phần Bán lẻ Kỹ thuật số FPT (FRT)
- Xây dựng chiến lược cạnh tranh tại thị trường Philippines cho Công ty Cổ phần Cáp điện Thịnh Phát giai đoạn 2020 - 2025
- Giải pháp phát triển quyền chọn tiền tệ tại Việt Nam
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.