Trong những năm gần đây sự mở rộng nhanh chóng của thương mại điện tử đã kéo theo sự gia tăng mạnh mẽ của dữ liệu phát sinh từ hoạt động mua sắm và tương tác trực tuyến. Hành vi người tiêu dùng ngày nay trở nên đa dạng, phức tạp và chịu ảnh hưởng bởi nhiều yếu tố khó đo lường bằng các phương pháp truyền thống. Trong bối cảnh đó, Big Data nổi lên như một công cụ quan trọng giúp doanh nghiệp thu thập, xử lý và phân tích khối lượng dữ liệu khổng lồ nhằm nhận diện xu hướng, mô hình hành vi và nhu cầu thực tế của khách hàng. Khả năng khai thác Big Data không chỉ hỗ trợ tối ưu hóa chiến lược kinh doanh, mà còn góp phần nâng cao mức độ cá nhân hóa, cải thiện trải nghiệm người dùng và tăng cường năng lực cạnh tranh của doanh nghiệp trên thị trường thương mại điện tử giàu biến động hiện nay. Xuất phát từ tính cấp thiết của việc thấu hiểu hành vi người tiêu dùng và nhu cầu áp dụng các phương pháp phân tích dữ liệu hiện đại, nhóm chúng tôi quyết định lựa chọn đề tài “Sử dụng Big Data trong phân tích hành vi người tiêu dùng thương mại điện tử”. Đề tài này không chỉ phù hợp với bối cảnh phát triển của thương mại điện tử mà còn mang ý nghĩa thực tiễn đối với các doanh nghiệp đang chuyển đổi số và tìm kiếm giải pháp tối ưu cho hoạt động kinh doanh. Hy vọng đề tài sẽ mang lại những kiến thức nền tảng và góc nhìn tham khảo hữu ích cho quá trình học tập và tìm hiểu sâu hơn trong tương lai. 2. Đối tượng và mục đích nghiên cứu Đối tượng nghiên cứu: tập trung vào việc ứng dụng Big Data trong phân tích hành vi người tiêu dùng trên các nền tảng thương mại điện tử. Trong đó bao gồm những loại dữ liệu phát sinh từ quá trình tương tác trực tuyến như lịch sử giao dịch, hành vi duyệt web, phản hồi sản phẩm, log truy cập hệ thống và dữ liệu từ mạng xã hội. Những dữ liệu này mang tính đa dạng, phức tạp và có tần suất xuất hiện liên tục, đòi hỏi các công cụ phân tích hiện đại để xử lý hiệu quả. Mục đích nghiên cứu: làm rõ vai trò và ý nghĩa của Big Data trong việc phân tích hành vi người tiêu dùng trên các nền tảng TMĐT. Việc tìm hiểu này nhằm giúp nhận diện các xu hướng mới, mô hình hành vi phổ biến và những yếu tố tác động đến quyết định mua sắm của người dùng trong môi trường trực tuyến. Qua đó, đề tài hướng đến việc xây dựng cơ sở lý luận về mối liên hệ giữa Big Data và hoạt động phân tích hành vi khách hàng. Bên cạnh đó, đề tài còn hướng tới việc đánh giá khả năng ứng dụng thực tiễn của Big Data trong tối ưu hóa chiến lược kinh doanh, như cá nhân hóa nội dung, dự đoán nhu cầu hay nâng cao trải nghiệm người dùng. Mục tiêu cuối cùng là cung cấp một góc nhìn mang tính tham khảo đối với sinh viên, người học và các doanh nghiệp đang tìm hiểu về chuyển đổi số, qua đó hỗ trợ hiểu rõ hơn giá trị của dữ liệu lớn trong lĩnh vực thương mại điện tử hiện đại.
Trang 1BỘ CÔNG THƯƠNGTRƯỜNG ĐẠI HỌC CÔNG NGHIỆP THÀNH PHỐ HỒ CHÍ MINH
KHOA THƯƠNG MẠI-DU LỊCH
MÔN HỌC: NHẬP MÔN THƯƠNG MẠI ĐIỆN TỬ
ĐỀ TÀI: SỬ DỤNG BIG DATA TRONG PHÂN TÍCH HÀNH VI
NGƯỜI TIÊU DÙNG THƯƠNG MẠI ĐIỆN TỬ
Nhóm sinh viên thực hiện: Nhóm 2 Giảng viên hướng dẫn: PGS.TS BÙI THÀNH KHOA Lớp: DHTMDT21A-TCTA
Thành phố Hồ Chí Minh, tháng 12 năm 2025
Trang 2DANH SÁCH THÀNH VIÊN NHÓM
1 25656631 Nguyễn Phạm Thiên Doanh Nhóm trưởng
3 25641471 Vũ Thùy Dương
4 25682821 Nguyễn Ngọc Hân
5 25669491 Ngô Quỳnh Hương
6 25668811 Nguyễn Thanh Huyền
7 25633061 Nguyễn Hữu Khang
8 25657691 Lê Nhật Anh Khoa
9 25644121 Nguyễn Hoàng Kim Ngân
10 25647041 Lê Nguyễn Đức Trí
Trang 3BIÊN BẢN LÀM VIỆC NHÓM
Chủ trì (trưởng nhóm): Nguyễn Phạm Thiên Doanh
Thư ký (người ghi biên bản): Nguyễn Minh Đức
Nội dung: Họp thảo luận bàn về nội dung của chủ đề, phân chia công việc và cách trình bày bàibáo cáo
1 PHÂN CÔNG NHIỆM VỤ:
1 Nguyễn Phạm Thiên Doanh Soạn nội dung, tổng
hợp file, chỉnhWord, thuyết trình
3 Mối quan hệ giữa big data
và phân tích hành vi ngườitiêu dùng
2 Nguyễn Minh Đức Soạn nội dung,
chỉnh lỗi morat,thuyết trình
7 Ứng dụng cụ thể của BigData trong Thương mại điệntử
3 Vũ Thùy Dương Soạn nội dung,
4 Các yếu tố ảnh hưởng đếnhiệu quả phân tích hành vibằng big data
5 Ngô Quỳnh Hương Soạn nội dung,
chỉnh nội dung,thuyết trình
9 Giải pháp nâng cao hiệuquả ứng dụng big data
6 Nguyễn Thanh Huyền Soạn nội dung, làm
Powerpoint, thuyếttrình
1 Khái quát về big data vàhành vi người tiêu dùng
7 Nguyễn Hữu Khang Soạn nội dung,
chỉnh nội dung,thuyết trình
2 Thực trạng ứng dụng bigdata trong phân tích hành vingười tiêu dùng tmđt
8 Lê Nhật Anh Khoa Soạn nội dung, làm
Powerpoint, thuyếttrình
5 Các nguồn dữ liệu và côngnghệ hỗ trợ
9 Nguyễn Hoàng Kim Ngân Soạn nội dung, 6 Quy trình phân tích hành vi
Trang 4thuyết trình tiêu dùng
10 Lê Nguyễn Đức Trí Soạn nội dung, kiểm
nội dung, thuyếttrình
10 Xu hướng tương lai
2 QUÁ TRÌNH THỰC HIỆN:
ST
T
1 Phân chia nhiệm vụ 8/11
3 Chỉnh sửa nội dung 17/11-20/11
4 Trình bày Word, Powerpoint 21/11-27/11
5 Tập thuyết trình qua google meet 1/12-5/12
3 ĐÁNH GIÁ KẾT QUẢ THỰC HIỆN:
HOÀN THÀNH
1 Nguyễn Phạm Thiên Doanh Hoàn thành nhiệm vụ được giao 100%
2 Nguyễn Minh Đức Hoàn thành nhiệm vụ được giao 100%
3 Vũ Thùy Dương Hoàn thành nhiệm vụ được giao 100%
4 Nguyễn Ngọc Hân Hoàn thành nhiệm vụ được giao 100%
5 Ngô Quỳnh Hương Hoàn thành nhiệm vụ được giao 100%
6 Nguyễn Thanh Huyền Hoàn thành nhiệm vụ được giao 100%
7 Nguyễn Hữu Khang Hoàn thành nhiệm vụ được giao 100%
8 Lê Nhật Anh Khoa Hoàn thành nhiệm vụ được giao 100%
Trang 59 Nguyễn Hoàng Kim Ngân Hoàn thành nhiệm vụ được giao 100%
10 Lê Nguyễn Đức Trí Hoàn thành nhiệm vụ được giao 100%
Trang 6LỜI CẢM ƠN
Nhóm chúng em xin chân thành cảm ơn quý thầy trong bộ môn nhập môn thương mại điện
tử đã tận tình giảng dạy, hướng dẫn và truyền đạt những kiến thức quý báu trong suốt quá trìnhhọc tập, giúp nhóm có được nền tảng kiến thức và kỹ năng cần thiết để thực hiện đề tài: “Sử dụngbig data trong phân tích hành vi người tiêu dùng thương mại điện tử”
Đặc biệt, nhóm xin gửi lời cảm ơn sâu sắc đến thầy Bùi Thành Khoa đã tận tình chỉ bảo,định hướng và đóng góp nhiều ý kiến quý báu, giúp nhóm hoàn thiện bài tiểu luận một cách tốtnhất
Nhóm cũng xin trân trọng cảm ơn các nguồn tài liệu, báo cáo và phương tiện truyền thông
uy tín đã cung cấp thông tin hữu ích, giúp nhóm có cơ sở thực tế để phân tích và vận dụng kiếnthức vào bài làm
Mặc dù nhóm đã cố gắng hoàn thành đề tài với tinh thần học hỏi nghiêm túc, song do hạnchế về kiến thức và kinh nghiệm nên bài tiểu luận khó tránh khỏi những thiếu sót Nhóm rấtmong nhận được sự thông cảm và những ý kiến đóng góp quý báu từ quý thầy để bài làm đượchoàn thiện hơn
Nhóm xin chân thành cảm ơn!
Trang 7MỤC LỤC
MỞ ĐẦU: 1
1 Lý do chọn đề tài 1
2 Đối tượng và mục đích nghiên cứu 1
NỘI DUNG: 2
1 Khái quát về big data và hành vi người tiêu dùng 2
1.1 Khái quát về big data 2
1.2 Khái quát về hành vi người tiêu dùng trong thương mại điện tử: 2
2 Thực trạng ứng dụng Big Data trong phân tích hành vi người tiêu dùng 3
2.1 Tình hình ứng dụng trên thế giới và Việt Nam 3
2.2 Thành quả khi sử dụng Big Data trong phân tích hành vi người tiêu dùng 3
2.3 Hạn chế và khoảng cách 3
3 Mối quan hệ giữa big data và phân tích hành vi người tiêu dùng 4
3.1 Sự cần thiết của big data trong phân tích hành vi người tiêu dùng 4
3.1.1 Khả năng xử lý volume (dung lượng) và variety (đa dạng) lớn của dữ liệu hành vi 4
3.1.2 Đáp ứng tính velocity (tốc độ) thay đổi nhanh chóng của hành vi trực tuyến 4 3.2 Chuyển đổi từ dữ liệu thô sang thông tin chi tiết (insights) 4
3.2.1 Sử dụng Big Data để tìm ra các mẫu hình, xu hướng, và mối quan hệ ẩn trong hành vi người dùng 4
3.2.2 Cá nhân hóa trải nghiệm người dùng dựa trên phân tích Big Data 4
4. Các yếu tố ảnh hưởng đến hiệu quả phân tích hành vi bằng Big Data 5
4.1 Yếu tố nội tại 5
4.1.1 Chất lượng dữ liệu thu thập 5
4.1.2 Năng lực nhân sự phân tích 5
4.1.3 Cơ sở hạ tầng công nghệ 5
4.2 Yếu tố ngoại tại 5
4.2.1 Khả năng hấp thụ thông tin 5
4.2.2 Áp lực cạnh tranh 5
5 Các nguồn dữ liệu và công nghệ hỗ trợ 6
5.1 Các nguồn dữ liệu chính 6
5.1.1 Dữ liệu giao dịch 6
5.1.2 Dữ liệu mạng xã hội 6
5.2 Các công cụ, công nghê hỗ trợ phân tích Big Data phổ biến hiện nay 6
Trang 85.2.1 Python 6
5.2.2 Rapidminer 6
6 Quy trình phân tích hành vi tiêu dùng 7
6.1 Thu thập và hợp nhất dữ liệu 7
6.2 Phân tích và phân khúc khách hàng 7
6.3 Phát triển và cá nhân hóa chiến lược 7
6.4 Triển khai tương tác đa kênh 7
6.5 Đo lường tối ưu và làm giàu dữ liệu 7
7 Ứng dụng cụ thể của Big Data trong Thương mại điện tử 8
7.1 Hiểu biết về khách hàng (Target Audience Insight) 8
7.2 Phân tích dự đoán (Predictive Analytics) 8
8 Lợi ích doanh nghiệp đạt được khi ứng dụng Big Data trong phân tích hành vi người tiêu dùng 9
8.1 Nâng cao khả năng ra quyết định 9
8.2 Tối ưu hóa các hoạt động kinh doanh 9
8.2.1 Tăng tính hiệu quả của quy trình quản lý quan hệ khách hàng (CRM) 9
8.2.2 Dự báo xu hướng và cá nhân hóa trải nghiệm, dịch vụ 9
9.Giải pháp nâng cao hiệu quả ứng dụng Big Data 10
9.1 Giải pháp đối với yếu tố nội tại 10
9.1.1 Về chất lượng dữ liệu 10
9.1.2 Về năng lực nhân sự 10
9.1.3 Về cơ sở hạ tầng công nghệ 10
9.2 Giải pháp đối với yếu tố ngoại tại 10
9.2.1 Sự thay đổi của công nghệ 10
9.2.2 Áp lực cạnh tranh 10
10 Xu hướng tương lai 11
10.1 Tổng quan về yếu tố ảnh hưởng trực tiếp đến những đổi mới trong xu thế 11
10.2 Dự đoán một số xu hướng thịnh hành trong tương lai 11
10.2.1 Sự chuyển dịch từ mô hình dự đoán (predictive) sang mô hình đề xuất (Prescriptive) ứng dụng AI và các thuật toán học máy 11
10.2.2 Cá nhân hóa và tối ưu trải nghiệm người tiêu dùng riêng lẻ 11
KẾT LUẬN 12
TÀI LIỆU THAM KHẢO 13
Trang 9MỞ ĐẦU:
1 Lý do chọn đề tài
Trong những năm gần đây sự mở rộng nhanh chóng của thương mại điện tử đã kéo theo
sự gia tăng mạnh mẽ của dữ liệu phát sinh từ hoạt động mua sắm và tương tác trực tuyến Hành
vi người tiêu dùng ngày nay trở nên đa dạng, phức tạp và chịu ảnh hưởng bởi nhiều yếu tố khó
đo lường bằng các phương pháp truyền thống Trong bối cảnh đó, Big Data nổi lên như mộtcông cụ quan trọng giúp doanh nghiệp thu thập, xử lý và phân tích khối lượng dữ liệu khổng lồnhằm nhận diện xu hướng, mô hình hành vi và nhu cầu thực tế của khách hàng Khả năng khaithác Big Data không chỉ hỗ trợ tối ưu hóa chiến lược kinh doanh, mà còn góp phần nâng cao mức
độ cá nhân hóa, cải thiện trải nghiệm người dùng và tăng cường năng lực cạnh tranh của doanhnghiệp trên thị trường thương mại điện tử giàu biến động hiện nay
Xuất phát từ tính cấp thiết của việc thấu hiểu hành vi người tiêu dùng và nhu cầu áp dụngcác phương pháp phân tích dữ liệu hiện đại, nhóm chúng tôi quyết định lựa chọn đề tài “Sử dụngBig Data trong phân tích hành vi người tiêu dùng thương mại điện tử” Đề tài này không chỉ phùhợp với bối cảnh phát triển của thương mại điện tử mà còn mang ý nghĩa thực tiễn đối với cácdoanh nghiệp đang chuyển đổi số và tìm kiếm giải pháp tối ưu cho hoạt động kinh doanh Hyvọng đề tài sẽ mang lại những kiến thức nền tảng và góc nhìn tham khảo hữu ích cho quá trìnhhọc tập và tìm hiểu sâu hơn trong tương lai
2 Đối tượng và mục đích nghiên cứu
Đối tượng nghiên cứu: tập trung vào việc ứng dụng Big Data trong phân tích hành vi
người tiêu dùng trên các nền tảng thương mại điện tử Trong đó bao gồm những loại dữ liệu phát
sinh từ quá trình tương tác trực tuyến như lịch sử giao dịch, hành vi duyệt web, phản hồi sảnphẩm, log truy cập hệ thống và dữ liệu từ mạng xã hội Những dữ liệu này mang tính đa dạng,phức tạp và có tần suất xuất hiện liên tục, đòi hỏi các công cụ phân tích hiện đại để xử lý hiệuquả
Mục đích nghiên cứu: làm rõ vai trò và ý nghĩa của Big Data trong việc phân tích hành vingười tiêu dùng trên các nền tảng TMĐT Việc tìm hiểu này nhằm giúp nhận diện các xu hướngmới, mô hình hành vi phổ biến và những yếu tố tác động đến quyết định mua sắm của ngườidùng trong môi trường trực tuyến Qua đó, đề tài hướng đến việc xây dựng cơ sở lý luận về mốiliên hệ giữa Big Data và hoạt động phân tích hành vi khách hàng Bên cạnh đó, đề tài còn hướngtới việc đánh giá khả năng ứng dụng thực tiễn của Big Data trong tối ưu hóa chiến lược kinhdoanh, như cá nhân hóa nội dung, dự đoán nhu cầu hay nâng cao trải nghiệm người dùng Mụctiêu cuối cùng là cung cấp một góc nhìn mang tính tham khảo đối với sinh viên, người học và cácdoanh nghiệp đang tìm hiểu về chuyển đổi số, qua đó hỗ trợ hiểu rõ hơn giá trị của dữ liệu lớntrong lĩnh vực thương mại điện tử hiện đại
Trang 10NỘI DUNG:
1 Khái quát về big data và hành vi người tiêu dùng
1.1 Khái quát về big data
Big Data (dữ liệu lớn) được hiểu là tập hợp nguồn tài nguyên dữ liệu có dung lượng rấtlớn, tốc độ phát sinh nhanh và bao gồm nhiều dạng dữ liệu khác nhau, vượt quá khả năng xử lícủa các công cụ phân tích truyền thống thông thường Big Data yêu cầu công nghệ xử lý chuyênbiệt nhằm mục đích chắt lọc, khai thác dữ liệu một cách hiệu quả, nâng cao độ chính xác trongquá trình ra quyết định và tinh gọn hóa các hoạt động xử lý dữ liệu (Ngô Kim Thanh, 2020)
Đặc trưng cơ bản của Big Data được diễn giải theo mô hình 5V, nhấn mạnh các đặc tínhcốt lõi gồm Volume (dung lượng), Velocity (tốc độ), Variety (đa dạng), Veracity (độ tin cậy) vàValue (giá trị) (Nguyễn Thanh Thủy et al., 2018) Theo Oracle, yếu tố đầu tiên là Volume, mộtnguồn dữ liệu được xem là Big Data khi có dung lượng khổng lồ được tính bằng đơn vị terabyteđến petabyte Lượng thông tin này cần được ghi nhận bởi hạ tầng phân tán trên nhiều hệ thốngkhác nhau, đòi hỏi sự can thiệp của công nghệ tiên tiến để đồng bộ hóa và trích xuất dữ liệu Yếu
tố Velocity phản ánh độ nhanh chóng mà dữ liệu được tiếp nhận, xử lí vì thông tin được truyềntrực tiếp vào bộ nhớ để hệ thống đánh giá và phản hồi tức thì theo thời gian thực thay vì chờ lưutrữ vào ổ cứng (Michael Chen, 2024)
Theo báo cáo của IBM, yếu tố Variety (sự đa dạng) thể hiện tính phức tạp của các địnhdạng dữ liệu bao gồm dữ liệu có cấu trúc truyền thống, dữ liệu phi cấu trúc, dữ liệu bán cấu trúc.Veracity được xem là bô lọc quan trọng nhằm đảm bảo sự tin cậy và tính chính xác của thông tinkhỏi các sai lệch Cuối cùng, Value đại diện cho những giá trị tiềm ẩn mà doanh nghiệp có thểkhai thác từ Big Data, và là kết quả của quá trình ứng dụng các công nghệ như AI để phân tích
dữ liệu chuyên sâu (Annie Badman & Matthew Kosinski, 2024)
1.2 Khái quát về hành vi người tiêu dùng trong thương mại điện tử:
Khái niệm hành vi người tiêu dùng trong thương mại điện tử đề cập đến các hoạt độngđược thực hiện bởi khách hàng trên nền tảng kỹ thuật số khi tham gia mua sắm trực tuyến, baogồm việc tìm kiếm, lựa chọn, xem xét đánh giá, sử dụng và mua sản phẩm phù hợp với nhu cầutiêu dùng của bản thân (Turban, 2018)
Theo Advertising Vietnam, việc mua hàng trên các sàn thương mại điện tử ít nhất mộtlần mỗi tháng được ghi nhận ở 85,6% người tiêu dùng số (Ori Marketing Agency, 2025) Điềunày phản ánh sự mua sắm online dần trở thành một phần trong thói quen của người tiêu dungngày nay Theo YouNet Media, hành vi mua sắm của 51% Gen Z chịu ảnh hưởng bởi những xuhướng lan truyền trên mạng xã hội (YouNet Group, 2025) Từ đó cho thấy việc tìm kiếm và sosánh sản phẩm trước khi mua thông qua đánh giá từ những người có sức ảnh hưởng và bình luậncộng đồng đã trở thành hành vi phổ biến của người tiêu dùng Ngoài ra, những đợt giảm giátrong thời gian ngắn (flash sale) khiến người mua hàng mua sắm theo cảm xúc và tâm lý sợ bỏ lỡ(FOMO) Thay vì tuân theo thói quen mua sắm trước đây, hành vi của người tiêu dùng thay đổilinh hoạt theo từng sự kiện và cảm xúc tại từng thời điểm cụ thể (Philip Kotler, 2017)
Trang 112 Thực trạng ứng dụng Big Data trong phân tích hành vi người tiêu dùng
2.1 Tình hình ứng dụng trên thế giới và Việt Nam
Tình hình ứng dụng Big Data Analytics trong các doanh nghiệp thương mại điện tử lớntrên thế giới và tại Việt Nam là rất phổ biến và đang tăng trưởng mạnh mẽ Các tập đoàn trêntoàn cầu đang tích cực sử dụng công cụ phân tích kinh doanh dựa trên dữ liệu lớn Trên thế giới,Amazon được xem là người đi đầu trong lĩnh vực bán lẻ trực tuyến và cũng là người đi đầu tronglĩnh vực ứng dụng Big Data vào các hoạt động thương mại của mình Tập đoàn bán lẻ hàng đầuTrung Quốc Alibaba cũng đã bắt đầu khai thác hệ thống dữ liệu lớn để tăng thêm lợi nhuận chomình Tại Việt Nam, thị trường thương mại điện tử đang chứng kiến sự tăng trưởng mạnh mẽ vềứng dụng Big Data làm nền tảng của các sàn thương mại lớn như Shopee, Lazada, Tiki để thuthập dữ liệu hành vi người tiêu dùng và cá nhân hóa trải nghiệm người dùng bằng cách nhận diệnthói quen mua hàng (Nguyễn Thanh Bình, 2017a), (Trịnh Thu Trang, 2019)
2.2 Thành quả khi sử dụng Big Data trong phân tích hành vi người tiêu dùng
Việc sử dụng Big Data vào phân tích hành vi của người tiêu dùng đã tạo ra những bướcngoặt lớn cho các doanh nghiệp lớn Các doanh nghiệp đã có những nhận thức đúng về giá trịcủa Bigdata, những lợi ích mà họ nhận được khi áp dụng Bigdata vào hoạt động kinh doanh củamình, nhận thức đúng về độ quan trọng của nguồn lực và chi phí đầu tư cho cơ sở hạ tầng để đưa
ra những chiến lược đầu tư, duy trì nguồn lực chất lượng cao và cơ sở hạ tầng tiên tiến Bên cạnh
đó, các doanh nghiệp đã thay đổi cách họ tương tác với khách hàng từ việc chỉ phản ứng vớinhững nhu cầu của khách hàng sang dự đoán và dẫn dắt hành vi của khách hàng Từ đó, cácdoanh nghiệp có thể nắm bắt được thời cơ, đưa ra những chiến lược kinh doanh và nâng cao hiệuquả, doanh thu của mình Đối với khách hàng, việc các sàn thương mại điện tử sử dụng Big Datagiúp khách hàng lưu những dữ liệu mà họ đã tương tác, cá nhân hóa Big Data giúp họ nhận đượcnhững đề xuất về những mặt hàng, dịch vụ mà họ quan tâm, rút ngắn thời gian và công sức tìmkiếm những hàng hóa, dịch vụ đúng nhu cầu (Nguyễn Thanh Bình, 2017b)
2.3 Hạn chế và khoảng cách
Các công ty TMDT phải xử lý, truy xuất, quản lý một khối lượng dữ liệu khổng lồ trêncác trang web của họ, trên các diễn đàn, ứng dụng TMDT với những thông tin khác nhau khiếnviệc xác định chính xác nguồn dữ liệu là vô cùng quan trọng Bên cạnh đó, việc duy trì một hệthống chuyên nguyên cứu và phân tích dữ liệu lớn cần một đội ngũ chuyên gia nghiên cứu vàphân tích Big Data, nguồn nhân lực đang khan hiếm trong thị trường lao động nên cần nguồnvốn lớn để đào tạo và duy trì nguồn lực Cơ sở hạ tầng cũng phải được đầu tư với nhiều máy tínhlớn, công nghệ thiết kế riêng cho việc sử dụng Big Data để thu thập, xử lý, tích hợp nguồn dữliệu và quản lý hệ thống bảo mật Hơn nữa, tâm lý tiêu dùn của khách hàng liên tục thay đổikhiến việc phân tích cụ thể xu hướng tiêu dùng của người dùng trở nên khó khăn và có thể dẫnđến nhận định sai làm ảnh hưởng đến chiến lược kinh doanh của các tập đoàn, doanh nghiệpthương mại điện tử (Lê Thị Thu Hà, n.d.) (Lê Thị Kim Thoa, 2018)
Trang 123 Mối quan hệ giữa big data và phân tích hành vi người tiêu dùng
3.1 Sự cần thiết của big data trong phân tích hành vi người tiêu dùng
3.1.1 Khả năng xử lý volume (dung lượng) và variety (đa dạng) lớn của dữ liệu hành vi
Volume: mỗi lượt tìm kiếm, thêm vào giỏ hàng và giao dịch trên nền tảng thương mạiđiện tử đều là một nguồn dữ liệu lớn Tất cả các tương tác tạo ra dung lượng dữ liệu rất lớn lênđến Petabytes hay hơn nữa là Exabytes Nếu không có big data (Hadoop Distributed File System
- HDFS) việc lưu trữ và truy vấn dữ liệu sẽ trở nên bất khả thi (Ishwarappa & Anuradha, 2015)
Variety: dữ liệu hành vi không chỉ dừng lại ở dữ liệu có cấu trúc (lịch sử giao dịch, danhmục khách hàng, …) mà còn bao gồm bán cấu trúc (log của máy) ghi lại chi tiết đường đi củangười dùng trên trang và phi cấu trúc (nhận xét sản phẩm, bài đăng trên mạng xã hội) Big Datacho phép tích hợp và phân tích đa chiều các dữ liệu về hành vi của người tiêu dùng (Kambatla etal., 2014)
3.1.2 Đáp ứng tính velocity (tốc độ) thay đổi nhanh chóng của hành vi trực tuyến
Thời đại công nghệ số, hành vi của người tiêu dùng diễn ra gần như tức thời chỉ bằng 1
cú click Để tối ưu hóa trải nghiệm của người tiêu dùng (gợi ý sản phẩm khi xem trang), hệ thốngcần xử lý dữ liệu và tạo insights theo thời gian thực Công nghệ Big Data như Apache Kafka(cho việc thu thập dữ liệu luồng) và Apache Spark Streaming (cho việc xử lý luồng) để kịp choviệc nắm bắt, xử lý và phân tích dữ liệu liên tục, đảm bảo doanh nghiệp có thể phản ứng kịp thờivới sự thay đổi của người tiêu dùng (I A T Hashem et al., 2015)
3.2 Chuyển đổi từ dữ liệu thô sang thông tin chi tiết (insights)
3.2.1 Sử dụng Big Data để tìm ra các mẫu hình, xu hướng, và mối quan hệ ẩn trong hành vi người dùng
Các thuật toán khai phá dữ liệu (Data Mining) và học máy (Machine Learning) trên kho
dữ liệu lớn, có thể phát hiện các mẫu hình hành vi ẩn khó nhận thấy, chuyển đổi từ dữ liệu thôsang trí tuệ kinh doanh có giá trị Kỹ thuật phân tích hành vi theo nhóm (Clustering) giúp phânkhúc vi mô khách hàng dựa trên đặc điểm và thói quen truy cập, cho phép nhắm mục tiêu chínhxác hơn Tìm ra các mối quan hệ ẩn giữa các sản phẩm ("Nếu mua A, thì mua B"), tối ưu hóahiệu quả của chiến lược bán chéo (Cross-selling) và bán nâng cấp (Up-selling) Dự đoán được
xu hướng mua sắm, phản ứng hành vi khách hàng để tối đa hóa doanh thu (Ngai et al., 2009)
3.2.2 Cá nhân hóa trải nghiệm người dùng dựa trên phân tích Big Data
Sử dụng các thuật toán như khai thác tập mục thường xuyên (Frequent Itemset Mining FIM) để lọc thông tin nhiễu từ hàng triệu tương tác của người dùng Cho phép hệ thống tính toánthứ hạng sở thích người dùng bằng cách gán trọng số cho các hành vi (duyệt, mua, đánh giá) và
-áp dụng cơ chế cập nhật động theo thời gian thực Giúp hệ thống nắm bắt được sở thích thay đổicủa người dùng Sự cá nhân hóa này được mở rộng toàn diện, từ việc đề xuất sản phẩm cho đến
Trang 13việc tối ưu hóa bố cục trang web và cá nhân hóa chính sách giá theo hồ sơ hành vi, mang lại trảinghiệm mua sắm tối ưu cho từng khách hàng (Kang & Wang, 2024).