Xây dựng mô hình dự đoán điểm chạm của khách hàng dựa trên dữ liệu hành trình mua sắm trên website du lịch

Abstract

Trong thời đại phát triển về thương mại điện tử, các doanh nghiệp đang cập nhật các thông tin trên website trực tuyến và cho phép khách hàng tìm kiếm thông tin doanh nghiệp, sản phẩm và mua hàng. Ngành du lịch cũng phát triển hình thức đặt chỗ trực tuyến, đòi hỏi các thông tin trên website đầy đủ và tiếp cận khách hàng hiệu quả. Việc thấu hiểu hành trình mua hàng trên website của khách hàng đã trở nên thiết yếu để doanh nghiệp cải thiện và điều hướng đề xuất các thông tin phù hợp, đạt được các mục đích kinh doanh. Nghiên cứu thực hiện khai phá quy trình (process mining) và hệ thống gợi ý (recommendation system), huấn luyện mô hình dự đoán điểm chạm trên hành trình mua hàng trên website và dự đoán quyết định mua hàng của khách hàng. Sử dụng ứng dụng Disco và Celonis để trực quan hoá hành trình mua hàng trên website của nhóm khách hàng mục tiêu sau khi dùng thuật toán Kmeans phân nhóm khách hàng. Ứng dụng lọc cộng tác (Collaborative Filtering) với Low Rank Matrix Factorization, huấn luyện mô hình Neural Network để dự đoán mỗi hành trình mua hàng của khách hàng có điểm chạm nào với tần suất bao nhiêu, cụ thể loss của tập huấn luyện sau 120 lần chạy là 5.9277 và tập xác thực có loss: 5.7892. Với dữ liệu tần suất tại các điểm chạm trên mỗi hành trình mua hàng của khách hàng, nghiên cứu này dự đoán quyết định mua hàng của khách hàng qua mô hình Logistic Regression, Decision Tree, Random Forest, KNN, SVM, XG Boost, Gradient Boosting. Kết quả mô hình Random Forest có kết quả dự đoán tốt nhhất với F1-score,Recall, Precision cho quyết định không mua và mua lần lượt là 97%, 97%, 97%, 92%,93%, 92%, độ chính xác accuracy là 96% và ROC - AUC là 95%. Doanh nghiệp có thể ứng dụng nghiên cứu, dựa vào sự tương đồng của khách hàng và hành trình mua hàng trên website, dự đoán các điểm chạm khách hàng có thể quan tâm tác động đến quyết định mua hàng để cải thiện điều hướng trên website của doanh nghiệp.