zunia.vn

Tuyển sinh 2024 dành cho Gen-Z

zunia.vn

» Kinh Doanh Marketing

» Thương mại điện tử

Phân tích hành vi mua sắm thiết bị điện tử trên sàn thương mại điện tử: Giai đoạn 2018 – 2023

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:11

Báo xấu

5
lượt xem 1
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết tập trung vào việc phân tích dữ liệu từ một sàn thương mại điện tử, nhấn mạnh vào việc khám phá các yếu tố ảnh hưởng đến hành vi tiêu dùng và hiệu suất bán hàng trong lĩnh vực sản phẩm điện tử. Bài báo sử dụng phương pháp phân tích dữ liệu tiên tiến và cung cấp thông tin hữu ích cho các nhà quản lý và doanh nghiệp.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Phân tích hành vi mua sắm thiết bị điện tử trên sàn thương mại điện tử: Giai đoạn 2018 – 2023

PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 PHÂN TÍCH HÀNH VI MUA SẮM THIẾT BỊ ĐIỆN TỬ TRÊN SÀN THƯƠNG MẠI ĐIỆN TỬ: GIAI ĐOẠN 2018 – 2023 Nguyễn Hữu Xuân Trường, Trần Thị Mai Vy Học viện Chính sách và Phát triển Nguyễn Sao Mai Đại học Lao động Xã hội Email: truongnhx@apd.edu.vn Tóm tắt: Trong thời đại số hóa ngày nay, thương mại điện tử đã trở thành một phần không thể thiếu trong cuộc sống hàng ngày, biến đổi cách thức mua sắm và kinh doanh trên toàn cầu. Sự phát triển mạnh mẽ của thương mại điện tử đã tạo ra một lượng lớn dữ liệu phong phú và đa dạng. Dữ liệu này, thu thập từ hàng triệu giao dịch hàng ngày trên các sàn thương mại điện tử, chứa đựng những thông tin quý giá, giúp phân tích hành vi tiêu dùng, xu hướng thị trường và hỗ trợ trong việc ra quyết định kinh doanh. Trong bài báo này, chúng tôi tập trung vào việc phân tích dữ liệu từ một sàn thương mại điện tử, nhấn mạnh vào việc khám phá các yếu tố ảnh hưởng đến hành vi tiêu dùng và hiệu suất bán hàng trong lĩnh vực sản phẩm điện tử. Bài báo sử dụng phương pháp phân tích dữ liệu tiên tiến và cung cấp thông tin hữu ích cho các nhà quản lý và doanh nghiệp. Nghiên cứu này mở rộng hiểu biết về thương mại điện tử và hỗ trợ trong việc ra quyết định dựa trên dữ liệu. Từ khóa: phân tich dữ liệu, thương mại điện tử, xu hướng bán hàng, hiệu suất bán hàng. 1. Giới thiệu Trong thập kỷ qua, sự bùng nổ của thương mại điện tử đã thay đổi cách thức mua sắm và kinh doanh trên toàn cầu. Sự tiện lợi, khả năng tiếp cận rộng rãi và sự đa dạng của sản phẩm đã làm cho thương mại điện tử trở thành một phần không thể thiếu trong cuộc sống hàng ngày của chúng ta. Đặc biệt, trong bối cảnh đại dịch COVID-19, thương mại điện tử đã chứng minh được vai trò quan trọng của mình như một kênh bán hàng chính, cho phép người tiêu dùng tiếp tục mua sắm mà không cần ra khỏi nhà. Do đó, việc phân tích dữ liệu từ các nền tảng thương mại điện tử không chỉ cung cấp cái nhìn sâu sắc về hành vi và xu hướng tiêu dùng mà còn góp phần vào việc hình thành chiến lược kinh doanh và quyết định sản xuất (Li, 2023). Trong lĩnh vực thương mại điện tử, việc phân tích hành vi mua sắm trực tuyến ngày càng trở nên quan trọng, đặc biệt là trong bối cảnh thị trường đầy biến động và cạnh tranh. Các nghiên cứu trên thế giới và tại Việt Nam đã tập trung vào ứng dụng kỹ thuật dữ liệu lớn, trí tuệ nhân tạo (AI) và học máy (Machine Learning) để hiểu rõ hơn về các yếu tố ảnh hưởng đến quyết định mua hàng của người tiêu dùng. Turban et al. (2018) nhấn mạnh tầm quan trọng của việc sử dụng phân tích dữ liệu trong việc hiểu hành vi người tiêu dùng và cải thiện trải nghiệm mua sắm. Nghiên cứu của Provost và Fawcett (2013) cũng cho thấy việc áp dụng phân tích dữ liệu cung cấp cái nhìn sâu sắc và giúp dự đoán nhu cầu của người tiêu dùng một cách chính xác. Tại Việt Nam, các nghiên cứu như của Nguyễn Thu Hà (2020) đã khám phá các yếu tố ảnh hưởng đến hành vi mua sắm trực tuyến trong bối cảnh Covid 19, cho thấy sự chuyển dịch rõ rệt từ mua sắm ngoại tuyến sang trực tuyến. Các công trình nghiên cứu này cung cấp cái nhìn toàn diện về cách thức doanh nghiệp có thể tận dụng công nghệ và phân tích dữ liệu để tối ưu hóa chiến lược 664
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 kinh doanh và đáp ứng nhu cầu của người tiêu dùng trong thời đại số. Bài nghiên cứu này nhằm mục tiêu phân tích xu hướng và nhu cầu thị trường thông qua việc khám phá dữ liệu thu thập từ một trong những nền tảng thương mại điện tử hàng đầu Lazada. Tập dữ liệu được sử dụng trong nghiên cứu này bao gồm thông tin chi tiết về các sản phẩm điện tử - một trong những phân khúc hàng hóa phổ biến nhất trên các nền tảng thương mại điện tử. Thông qua việc phân tích dữ liệu này, chúng tôi mong muốn cung cấp một cái nhìn toàn diện về các yếu tố ảnh hưởng đến nhu cầu tiêu dùng và hiệu suất bán hàng, từ giá cả, chương trình khuyến mãi, lượt đánh giá của sản phẩm đến địa điểm vận chuyển. Bằng cách sử dụng phương pháp phân tích dữ liệu tiên tiến, nghiên cứu này không chỉ đóng góp vào lĩnh vực học thuật bằng cách mở rộng hiểu biết về thương mại điện tử mà còn cung cấp thông tin quan trọng cho các nhà quản lý và doanh nghiệp (Li, 2023). Điều này giúp họ đưa ra quyết định chiến lược tốt hơn dựa trên dữ liệu, từ đó nâng cao khả năng cạnh tranh và hiệu quả kinh doanh (Chaffey, 2019). Bài báo này được cấu trúc như sau: đầu tiên là phần giới thiệu này và phương pháp nghiên cứu, bao gồm cách thu thập và xử lý dữ liệu. Tiếp theo, chúng tôi sẽ trình bày kết quả phân tích dữ liệu, bao gồm các mô tả thống kê và phân tích xu hướng. Phần thảo luận sẽ tập trung vào việc diễn giải các kết quả và đưa ra các ý nghĩa thực tiễn của chúng. Cuối cùng, bài báo kết thúc bằng những kết luận chính và đề xuất cho các nghiên cứu tương lai. Phạm vi nghiên cứu của bài báo này là dữ liệu của các sản phầm điện tử trên sàn thương mại điện tử Lazada trong khoảng thời gian từ năm 2018 đến 2023. Thông qua việc phân tích dữ liệu thực tế từ nền tảng thương mại điện tử, nghiên cứu này không chỉ giúp làm sáng tỏ các yếu tố ảnh hưởng đến quyết định mua hàng của người tiêu dùng mà còn cung cấp cái nhìn sâu sắc về cách mà các yếu tố này tương tác với nhau trong môi trường kinh doanh điện tử đầy đổi mới và cạnh tranh. 2. Phương pháp nghiên cứu Trong nghiên cứu này, chúng tôi áp dụng một loạt các phương pháp phân tích dữ liệu để khám phá và diễn giải thông tin từ tập dữ liệu thương mại điện tử (Eric, 2015). Quá trình này bao gồm việc thu thập, xử lý, phân tích và diễn giải dữ liệu để đạt được mục tiêu nghiên cứu đã đề ra (Nguyễn Hà Nam, 2013): 2.1. Thu thập dữ liệu ➢ Dữ liệu được thu thập là dữ liệu bán hàng các sản phẩm điện tử trên nền tảng thương mại điện tử Lazada. ➢ Tập dữ liệu bao gồm các thông tin chi tiết về sản phẩm như tên sản phẩm, giá bán, lượt bán, địa chỉ vận chuyển, tỷ lệ giảm giá, lượt đánh giá 5 sao, phân loại sản phẩm và thời gian mở bán. 2.2. Xử lý và làm sạch dữ liệu Đây là bước đặc biệt quan trọng để giúp cho việc phân tích dữ liệu đạt hiệu quả tốt. Dữ liệu được làm sạch để loại bỏ các lỗi và bất nhất quán. Các bước cụ thể bao gồm: ➢ Kiểm tra và xử lý giá trị thiếu: Đầu tiên, chúng tôi kiểm tra dữ liệu để xác định xem có giá trị nào bị thiếu hay không và xem xét cách xử lý chúng. 665
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 ➢ Xử lý dữ liệu không nhất quán hoặc sai lệch: Bao gồm chuyển đổi các trường dữ liệu sang định dạng thích hợp và xử lý các giá trị không hợp lý, đặc biệt là đồng nhất các đối tượng giống nhau, chẳng hạn như tên sản phẩm. ➢ Chuẩn hoá dữ liệu: Định dạng lại dữ liệu để đảm bảo tính nhất quán, ví dụ như định dạng ngày tháng hoặc chuẩn hóa các giá trị số. ➢ Loại bỏ dữ liệu trùng lặp: Kiểm tra và loại bỏ các bản ghi trùng lặp để cải thiện chất lượng và độ chính xác của dữ liệu. 2.3. Phân tích dữ liệu ➢ Phân tích mô tả thống kê: áp dụng các thống kê mô tả để cung cấp cái nhìn tổng quan về dữ liệu, bao gồm xu hướng trung bình, phân bố và phạm vi của các biến. ➢ Phân tích xu hướng: khám phá xu hướng theo thời gian và mối quan hệ giữa các yếu tố như giá cả, tỷ lệ giảm giá, lượt đánh giá và thời gian mở bán. ➢ Mô hình dự đoán doanh số: xây dựng mô hình hồi quy tuyến tính để dự đoán doanh số bán hàng theo một số thông tin khác. Để thực hiện, cần chia tập dữ liệu thành tập huấn luyện và kiểm tra, sau đó huấn luyện mô hình và đánh giá bằng các chỉ số MSE, R2. ➢ Phân nhóm sản phẩm: sử dụng phương pháp phổ biến như K-Means để phân sản phẩm ra thành một số nhóm, sao cho mỗi sản phẩm trong cùng một nhóm có độ tương đồng giống nhau cao hơn so với các sản phẩm của nhóm khác. 2.4. Diễn giải kết quả ➢ Sử dụng kết quả từ các phân tích trên để diễn giải và hiểu rõ hơn về các yếu tố ảnh hưởng đến nhu cầu và hành vi tiêu dùng. ➢ Phân tích sẽ tập trung vào việc xác định các yếu tố chính dẫn đến sự thành công của sản phẩm và làm thế nào các yếu tố này tương tác với nhau trong môi trường thương mại điện tử. Bằng cách áp dụng phương pháp nghiên cứu này, chúng tôi mong muốn cung cấp một cái nhìn toàn diện và sâu sắc về thị trường thương mại điện tử, đặc biệt là trong lĩnh vực sản phẩm điện tử. Qua đó, nghiên cứu không chỉ giúp phản ánh hiện trạng thị trường mà còn góp phần đề xuất các chiến lược và quyết định kinh doanh dựa trên dữ liệu. 3. Dữ liệu Chúng tôi tiến hành cào dữ liệu về các sản phẩm điện tử trên sàn thương mại điện tử Lazada bằng công cụ Data Scaper. Đây là một tiện ích của Chrome giúp cho trích xuất hàng nghìn bản ghi từ một trang web và xuất dữ liệu dưới dạng tệp .csv hoặc .xlsx ở định dạng có cấu trúc. Không những vậy, nó cũng có thể được sử dụng để thu thập thông tin từ phần lớn các trang web, bao gồm cả những trang nổi tiếng như Amazon và eBay, hay những trang nhỏ hơn. Tập dữ liệu bán hàng các sản phẩm thiết bị điện tử trong khoảng thời gian từ năm 2018 đến 2023 được chúng tôi thu thập từ trang Lazada (mất khoảng hơn 2 giờ) bao gồm 9280 dòng và 9 cột (thuộc tính) cụ thể như sau: ➢ Link Sản Phẩm: Đường link trực tiếp đến trang sản phẩm. ➢ Tên Sản Phẩm: Tên của sản phẩm. ➢ Giá Bán: Giá bán của sản phẩm. 666
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 ➢ Lượt Bán: Số lượng sản phẩm đã bán. ➢ Địa Chỉ Vận Chuyển: Địa chỉ từ đâu sản phẩm được vận chuyển. ➢ Tỷ Lệ Giảm Giá: Phần trăm giảm giá của sản phẩm. ➢ Lượt Đánh Giá 5 Sao: Số lượt đánh giá 5 sao mà sản phẩm nhận được. ➢ Phân Loại: Loại hình của sản phẩm (ví dụ: Điện Thoại). ➢ Thời Gian Mở Bán: Ngày mà sản phẩm bắt đầu được bán. Bước tiếp theo trong quá trình phân tích là làm sạch và chuẩn bị dữ liệu bằng công cụ Python, bao gồm các công việc như xoá các dòng có dữ liệu bị thiếu, đặc biệt là tại cột “Lượt bán”, chuyển đổi các cột dữ liệu sang định dạng phù hợp (ví dụ: chuyển đổi ngày tháng, chuẩn hóa tên cột, xoá các giá trị trùng lặp), đồng nhất tên sản phẩm… 4. Phân Tích Dữ Liệu Phần này của bài báo tập trung vào việc phân tích chi tiết dữ liệu thu thập được từ nền tảng thương mại điện tử, qua đó cung cấp cái nhìn sâu sắc về xu hướng và nhu cầu trong thị trường sản phẩm điện tử. Các số liệu được tính toán, tổng hợp bằng công cụ Python. 4.1. Phân tích thống kê mô tả Mô tả thống kê cơ bản được thực hiện để xác định các đặc điểm chính của dữ liệu, bao gồm giá trị trung bình, trung vị, độ lệch chuẩn, và phạm vi của các biến như giá bán, tỷ lệ giảm giá, lượt đánh giá 5 sao. Phân tích này giúp chúng tôi hiểu rõ hơn về sự phân bố và xu hướng chung của dữ liệu, là bước đầu tiên trong việc khám phá mối quan hệ giữa các yếu tố khác nhau. Bảng 1. Thống kê mô tả các thuộc tính dữ liệu Tỷ Lệ Lượt Đánh Giá Giá Bán (VND) Lượt Bán Giảm Giá 5 Sao Trung bình 6,194,926 47.34 23.7% 22.07 Độ lệch chuẩn 9,459,697 236.998 19.8% 53.297 Giá trị nhỏ nhất 1,000 0 0% 0 Q1 (25%) 1,043,866 0 0% 0 Trung vị (50%) 2,350,000 17 24% 7 Q3 (75%) 7,190,000 44 44% 35 Giá trị lớn nhất 118,990,000 9897 71% 2463 (Nguồn: Tính toán của nhóm nghiên cứu) Trong phần này, chúng tôi thực hiện phân tích thống kê mô tả để đưa ra cái nhìn tổng quan về tập dữ liệu. Điều này bao gồm việc xem xét phân bố của các biến chính như "Giá Bán", "Tỷ Lệ Giảm Giá", "Lượt Bán" và "Lượt Đánh Giá 5 Sao". ➢ Giá bán: • Giá bán của sản phẩm có phạm vi rộng lớn, từ 1,000 đến 118,990,000, với giá trung bình là khoảng 6,193,412. Điều này cho thấy thị trường có sự đa dạng về mức giá, từ các sản phẩm giá rẻ đến những sản phẩm cao cấp. 667
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 •Sự phân bố của giá bán cho thấy một số ít sản phẩm có giá rất cao, có thể là các sản phẩm công nghệ cao cấp hoặc mới ra mắt. Hình 1. Biểu đồ phân bố dữ liệu của các thuộc tính (Nguồn: Tính toán của nhóm nghiên cứu) ➢ Tỷ lệ giảm giá: • Tỷ lệ giảm giá trung bình là 23.8%, với giá trị tối thiểu là 0% và tối đa là 71%. Điều này phản ánh chiến lược giảm giá đa dạng của các nhà bán hàng trên nền tảng thương mại điện tử. • Sự phân bố của tỷ lệ giảm giá cho thấy nhiều sản phẩm được giảm giá ở mức độ vừa phải, điều này có thể là một chiến lược thu hút khách hàng. ➢ Lượt bán: • Số phân bố số lượng bán hàng rất biến động với độ lệch chuẩn lớn (236.998) so với trung bình (47.34). • Có một tỷ lệ lớn sản phẩm không bán được hoặc bán rất ít (Q1 ở mức 0 và trung vị chỉ 17). Tuy nhiên có một số sản phẩm bán chạy với số lượng bán hàng lớn nhất lên tới 9897, cho thấy có những sản phẩm cực kỳ phổ biến. ➢ Lượt đánh giá 5 sao: • Lượt đánh giá 5 sao dao động từ 0 đến 2463, với giá trị trung bình là khoảng 22. Điều này cho thấy đa số sản phẩm có lượng đánh giá 5 sao ở mức độ trung bình hoặc thấp. • Một số ít sản phẩm có lượng đánh giá 5 sao rất cao, điều này có thể phản ánh mức độ phổ biến và chất lượng cao của sản phẩm đó. Những phân tích này cung cấp cái nhìn sơ bộ về tình hình thị trường sản phẩm điện tử 668
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 trên nền tảng thương mại điện tử. Phân tích thống kê mô tả là bước đầu tiên quan trọng, giúp chúng tôi định hình nghiên cứu và hướng tới việc khám phá sâu hơn các mối quan hệ giữa các yếu tố này trong các phần tiếp theo của bài báo. 4.2. Phân tích xu hướng bán hàng theo thời gian Khám phá xu hướng thời gian mở bán: Phân tích này tập trung vào việc xác định mùa vụ hoặc các khoảng thời gian cụ thể nào có nhu cầu tăng cao đối với các sản phẩm điện tử. Phân tích cách thức mà các yếu tố như giá cả và tỷ lệ giảm giá ảnh hưởng đến lượt bán và đánh giá sản phẩm. Điều này không chỉ cung cấp cái nhìn về ảnh hưởng của chiến lược giá đến hành vi mua sắm mà còn giúp xác định liệu có sự tương quan giữa giá và chất lượng nhận thức từ phía người tiêu dùng hay không. Hình 2. Biểu đồ xu hướng bán hàng theo thời gian (Nguồn: Tính toán của nhóm nghiên cứu) Biểu đồ thời gian này cho thấy xu hướng tổng số lượng bán hàng theo từng tháng. Điều này giúp ta nhận diện những tháng có hoạt động bán hàng mạnh mẽ hay yếu kém, cũng như nhận ra các mùa vụ hoặc xu hướng thay đổi theo thời gian. Từ biểu đồ có thể rút ra một số kết luận chính sau: ➢ Biểu đồ cho thấy sự biến động trong số lượng bán hàng theo từng tháng. Có thể nhận thấy các giai đoạn mà doanh số bán hàng tăng hoặc giảm rõ rệt. Những biến động này có thể được liên kết với các sự kiện cụ thể (như các dịp lễ, khuyến mãi, mùa vụ, hoặc sự thay đổi trong xu hướng thị trường). ➢ Có thể có các xu hướng mùa vụ rõ ràng, ví dụ như tăng doanh số vào các tháng cuối năm do mùa mua sắm nghỉ lễ, hoặc giảm doanh số vào các tháng cụ thể do yếu tố thời tiết hoặc thị trường. ➢ Các đỉnh và thung lũng trong biểu đồ có thể chỉ ra sự ảnh hưởng của các sự kiện đặc biệt hoặc chương trình khuyến mãi. Ví dụ, một đỉnh doanh số cao có thể đồng nghĩa với việc có một chương trình khuyến mãi thành công hoặc ra mắt sản phẩm mới. ➢ Nếu có một xu hướng tăng hoặc giảm liên tục qua nhiều tháng, điều này có thể phản ánh sự thay đổi trong nhu cầu thị trường hoặc xu hướng tiêu dùng. Tuy nhiên, để hiểu rõ hơn về nguyên nhân và yếu tố tác động đến những biến động này, 669
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 cần phải kết hợp phân tích dữ liệu với thông tin từ nguồn khác như dữ liệu thị trường, thông tin về sự kiện, hoặc dữ liệu khảo sát người tiêu dùng. 4.3. Phân tích ảnh hưởng của địa điểm vận chuyển Với bộ dữ liệu này có thể thực hiện phân tích ảnh hưởng của địa điểm vận chuyển đến lượt bán và đánh giá sản phẩm. Điều này cho phép chúng tôi khám phá liệu có sự khác biệt nào về nhu cầu và hài lòng của khách hàng dựa trên vị trí địa lý hay không. Bằng cách phân tích dữ liệu về địa chỉ vận chuyển cùng với các yếu tố khác, chúng tôi có thể xác định các khu vực địa lý có nhu cầu cao hoặc thấp, từ đó đề xuất các chiến lược phân phối và marketing hiệu quả. Để thực hiện, trước hết cần tổng hợp dữ liệu theo từng địa điểm vận chuyển, sau đó lấy trung bình giá trị lượt bán và lượt đánh giá 5 sao. Chúng tôi vẽ hai biểu đồ bên dưới, và tại mỗi biểu đồ chỉ giữ lại các địa điểm có giá trị lượt bán/ lượt đánh giá 5 sao cao hơn mức trung bình. Qua hai biểu đồ này nhận thấy rằng các tỉnh như Vĩnh Phúc, Yên Bái, Bạc Liêu, Bắc Ninh… đều có giá trị trung bình lượt bán và trung bình lượt đánh giá 5 cao nên là những địa điểm có hiệu suất kinh doanh tốt, có thể là khu vực trọng điểm cho các chiến dịch Marketing và phân phối. Hình 3. Biểu đồ theo Địa điểm vận chuyển (Nguồn: Tính toán của nhóm nghiên cứu) 4.4. Mô hình dự đoán doanh số Để dự đoán doanh số thì có thể sử dụng một mô hình hồi quy, chẳng hạn như mô hình hồi quy tuyến tính, mô hình hồi quy Ridge, mô hình hồi quy Lasso… Trong trường hợp này, 670
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 biến mục tiêu (dependent variable) là lượt_bán, và các biến độc lập (independent variables) có thể bao gồm giá_bán, tỷ_lệ_giảm_giá, và lượt_đánh_giá_5_sao. Trong bài nghiên cứu này, chúng tôi xây dựng mô hình hồi quy tuyến tính (Linear Regression) để phân tích dự đoán doanh số bán hàng, đánh giá mô hình được kết quả sau: ➢ Mean Squared Error (MSE): 74,176.95 ➢ R-squared (R²): 0.473 Giải thích kết quả: • MSE là trung bình của bình phương các sai số; càng thấp càng tốt. Trong trường hợp này, giá trị MSE khá cao, có thể do sự biến động lớn trong số liệu bán hàng. • R² cho biết khả năng mô hình giải thích biến thiên của dữ liệu. Ở đây, R² là 0.473, nghĩa là mô hình chỉ giải thích được khoảng 47.3% sự biến động trong doanh số bán hàng. Nhận xét: • Mô hình có độ chính xác ở mức trung bình nên cần thu thập thêm dữ liệu liên quan, hoặc có thể sử dụng các mô hình hồi quy khác để cải thiện độ chính xác. • Việc dự đoán doanh số bán hàng có thể phức tạp do sự ảnh hưởng của nhiều yếu tố khác nhau, không chỉ giới hạn ở giá bán, tỷ lệ giảm giá, và lượt đánh giá 5 sao. 4.5. Phân tích nhóm sản phẩm Hình 4. Biểu đồ phân nhóm sản phẩm (Nguồn: Tính toán của nhóm nghiên cứu) Phân tích nhóm (clustering) có thể được sử dụng để phân loại sản phẩm vào các nhóm dựa trên các đặc điểm như giá, số lượng bán, và đánh giá. Trong phân tích này, chúng tôi sử dụng thuật toán phổ biến cho phân tích nhóm là K-Means. Kết quả phân tích nhóm bằng K-Means cho dữ liệu sản phẩm của bạn cung cấp thông tin quý giá về cách phân loại sản phẩm dựa trên các đặc điểm khác nhau như giá bán, số lượng bán, và lượt đánh giá 5 sao. Dưới đây là một phân tích chi tiết về mỗi nhóm và một số lời khuyên cho việc kinh doanh: Nhóm 0 (719 sản phẩm): • Có thể bao gồm các sản phẩm cao cấp với giá bán cao, lượt bán thấp, nhưng có lượt đánh giá 5 sao tốt. 671
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 • Lời khuyên: Tập trung vào marketing và quảng cáo nhắm đến khách hàng cao cấp. Có thể cung cấp dịch vụ sau bán hàng tốt để tăng cường lòng trung thành của khách hàng. Nhóm 1 (3981 sản phẩm): • Có thể là nhóm sản phẩm phổ biến với giá bán vừa phải, lượng bán cao, và đánh giá tốt. • Lời khuyên: Duy trì nguồn cung ổn định, tối ưu hóa chiến lược giá cả và khuyến mãi để duy trì sự hấp dẫn của sản phẩm. Nhóm 2 (2894 sản phẩm): • Có thể chứa sản phẩm có giá thấp, lượng bán vừa phải, và đánh giá tốt. • Lời khuyên: Tập trung vào việc quảng bá sản phẩm như lựa chọn tiết kiệm cho khách hàng, cung cấp gói combo hoặc ưu đãi để tăng lượt bán. Nhóm 3 (1200 sản phẩm): • Có thể bao gồm sản phẩm đặc biệt, có đặc điểm nổi bật so với các nhóm khác. • Lời khuyên: Phân tích kỹ lưỡng để hiểu rõ đặc điểm và nhu cầu của khách hàng, có thể cần chiến lược marketing đặc biệt hoặc thay đổi về sản phẩm. Nhóm 4 (222 sản phẩm): • Sản phẩm trong nhóm này có thể có lượt bán thấp, giá cao hoặc đánh giá kém. • Lời khuyên: Xem xét lại giá cả, cải thiện chất lượng sản phẩm hoặc thay đổi chiến lược bán hàng. Cân nhắc việc loại bỏ sản phẩm kém hiệu quả khỏi danh mục. Phân tích nhóm sản phẩm này giúp hiểu rõ hơn về cách thức phân loại và nhận diện các cơ hội kinh doanh tiềm năng, từ đó phát triển chiến lược kinh doanh hiệu quả hơn. Tổng hợp các phân tích trên cho thấy rằng: ➢ Giá bán và tỷ lệ giảm giá là những yếu tố quan trọng ảnh hưởng đến hành vi mua sắm của người tiêu dùng. Sự đa dạng về giá cả và chương trình khuyến mãi tạo ra một thị trường cạnh tranh mạnh mẽ. ➢ Lượt đánh giá 5 sao, dù không phản ánh trực tiếp lượt bán, nhưng lại là một chỉ số quan trọng về mức độ hài lòng và tin tưởng của khách hàng đối với sản phẩm. ➢ Địa chỉ vận chuyển cũng góp phần vào sự thành công của sản phẩm, phản ánh sự khác biệt về nhu cầu giữa các khu vực. Kết quả của các phân tích này sẽ cung cấp cái nhìn toàn diện về thị trường sản phẩm điện tử trên nền tảng thương mại điện tử, qua đó giúp các nhà quản lý và doanh nghiệp hiểu rõ hơn về hành vi và nhu cầu của khách hàng. Điều này không chỉ hỗ trợ việc đưa ra các quyết định kinh doanh thông minh mà còn góp phần vào việc xây dựng chiến lược marketing và phân phối sản phẩm hiệu quả. Dựa trên kết quả phân tích, chúng tôi có một số đề xuất sau: ➢ Cho các Nhà bán lẻ: nên chú trọng vào việc đặt giá cả hợp lý và triển khai các chiến dịch khuyến mãi có hiệu quả để thu hút khách hàng. Đồng thời, cần chú ý vào việc cải thiện chất lượng sản phẩm và dịch vụ khách hàng để tăng số lượt đánh giá 5 sao, từ đó tăng cường uy tín và sự tin cậy của thương hiệu. 672
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 ➢ Đối với các nhà Phân tích dữ liệu: cần tiếp tục thu thập nhiều dữ liệu hơn và nghiên cứu, phát triển các mô hình phân tích dữ liệu tinh vi hơn, giúp hiểu rõ hơn về hành vi và nhu cầu của khách hàng, cũng như dự báo xu hướng thị trường. ➢ Cho nền tảng Thương mại điện tử: đầu tư vào việc cải thiện chất lượng và độ chính xác của dữ liệu thu thập, đặc biệt là dữ liệu về lượt bán, để hỗ trợ quá trình ra quyết định và chiến lược kinh doanh. 5. Kết luận Trong bài báo này, chúng tôi đã tiến hành phân tích dữ liệu từ một nền tảng thương mại điện tử Lazada, tập trung vào các sản phẩm điện tử. Mặc dù gặp một số hạn chế về dữ liệu, chúng tôi đã cố gắng mang lại cái nhìn toàn diện về mô hình thương mại điện tử hiện nay. Những đóng góp chính của bài báo: ➢ Về mặt lý luận: nghiên cứu mở rộng khung lý thuyết hiện có bằng cách tích hợp phân tích dữ liệu lớn, khám phá mối quan hệ giữa các yếu tố như giá cả, đánh giá sản phẩm và chương trình khuyến mãi với quyết định mua hàng. Nó nêu bật sự phức tạp của hành vi tiêu dùng trong môi trường thương mại điện tử và cách thức các yếu tố này tương tác với nhau. ➢ Về mặt thực tiễn: cung cấp cái nhìn sâu sắc giúp các nhà quản lý và doanh nghiệp tối ưu hóa chiến lược kinh doanh và marketing. Từ việc phân tích dữ liệu, các doanh nghiệp có thể đưa ra quyết định chiến lược tốt hơn trong việc định giá, quảng bá sản phẩm và cung cấp dịch vụ khách hàng nhằm tăng cường sự hài lòng và trung thành của người tiêu dùng. Điều này không chỉ góp phần vào việc nâng cao hiệu suất kinh doanh mà còn hỗ trợ sự phát triển bền vững trong thương mại điện tử. Hướng phát triển nghiên cứu: ➢ Nghiên cứu sâu hơn về mối quan hệ giữa các yếu tố như giá bán, chương trình khuyến mãi và lượt đánh giá với lượt bán thực tế của sản phẩm. ➢ Phát triển các mô hình dự báo chính xác hơn để hỗ trợ các nhà bán lẻ và nhà phân tích trong việc đưa ra quyết định dựa trên dữ liệu. ➢ Thu thập dữ liệu gồm nhiều thông tin hơn (số cột nhiều hơn) và mở rộng thu thập từ nhiều sàn thương mại điện tử lớn, từ đó có thể nâng cao độ chính xác của phân tích dữ liệu và phát triển thêm hướng nghiên cứu mới. Cuối cùng, dù có những hạn chế, nghiên cứu này đã cung cấp cái nhìn hữu ích về thị trường thương mại điện tử và mở ra cơ hội cho các nghiên cứu sâu hơn trong tương lai. Thông qua việc phân tích và hiểu biết dữ liệu, chúng ta có thể tiếp tục thúc đẩy sự phát triển của thương mại điện tử, hỗ trợ doanh nghiệp phát triển bền vững và nâng cao trải nghiệm mua sắm cho người tiêu dùng. 673
PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 TÀI LIỆU THAM KHẢO [1]. Chaffey, D., & Ellis-Chadwick, F. (2019), Digital Marketing, Pearson Education. [2]. Eric, S. (2015), Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die - Revised and Updated, Wiley. [3]. Li, L. (2023), Analysis of e-commerce customers' shopping behavior based on data mining and machine learning, Soft Comput. https://doi.org/10.1007/s00500-023- 08903-5. [4]. Provost, F., & Fawcett, T. (2013), Data Science for Business, O'Reilly Media. [5]. Turban, E., et al. (2018), Electronic Commerce: A Managerial and Social Networks Perspective, Springer. [6]. Nguyễn Thu Hà, et al (2020), "Hành vi mua sắm của người tiêu dùng trên các website doanh nghiệp Việt Nam trong bối cánh Covid 19", VNU Journal of Science: Economics and Business, Vol. 36, No. 3 (2020) 11-21. [7]. Nguyễn Hà Nam, Nguyễn Trí Thành, Hà Quang Thụy (2013), Giáo trình khai phá dữ liệu, NXB ĐHQGHN. [8]. https://www.lazada.vn/ 674

CÓ THỂ BẠN MUỐN DOWNLOAD

CEO.24: Bộ 240+ Tài Liệu Quản Trị Rủi Ro Doanh Nghiệp

249 tài liệu

1519 lượt tải

THÔNG TIN

TRỢ GIÚP

HỖ TRỢ KHÁCH HÀNG

Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.