Ứng dụng thuật toán K-mean trên Spark để phân khúc khách hàng

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:8

Thêm vào BST

Báo xấu

13
lượt xem 2
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Trong nghiên cứu này, quy trình phân khúc khách hàng được thực hiện bằng cách khám phá dữ liệu lịch sử giao dịch của khách hàng tại công ty bán lẻ trực tuyến, triển khai thuật toán phân cụm K-Means trên Spark cùng với việc áp dụng RFM (Recency: Lần truy cập gần đây, Frequency: Tần suất, Money: Tiền tệ). Để xác định số cụm tối ưu đã sử dụng phương pháp Elbow Method.

Chủ đề:

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

Lưu

Nội dung Text: Ứng dụng thuật toán K-mean trên Spark để phân khúc khách hàng

ỨNG DỤNG THUẬT TOÁN K-MEANS TRÊN SPARK ĐỂ PHÂN KHÚC KHÁCH HÀNG Nguyễn Văn Trọng 1 1. Lớp CH22HT01, Trường Đại học Thủ Dầu Một. TÓM TẮT Công ty bán lẻ trực tuyến nhưng chiến lược tiếp thị đến khách hàng chưa được tối ưu hóa nên chưa thể tăng lượng giao dịch mua hàng. Vì vậy cần có chiến lược tiếp thị lấy khách hàng làm trung tâm bằng cách triển khai quản lý quan hệ khách hàng. Một trong những phương pháp có thể áp dụng là phân khúc khách hàng. Việc phân khúc khách hàng có thể được thực hiện bằng cách triển khai quy trình khai thác dữ liệu được thực hiện bằng thuật toán phân cụm K-mean trên Spark và dựa trên mô hình RFM (Recency: Lần truy cập gần đây, Frequency: Tần suất, Money: Tiền tệ). Xác định số cụm trong quá trình phân cụm bằng phương pháp khuỷu tay. Kết quả phân tích cụm dựa trên giá trị khách hàng sử dụng phương pháp kết hợp RFM tạo ra 4 loại đặc điểm khách hàng là khách hàng mới, khách hàng bình dân, khách hàng tiềm năng cao và khách hàng mất đi. Từ khóa: K-means, Phân cụm, Phân khúc khách hàng, Spark, RFM. 1. GIỚI THIỆU Sự phát triển nhanh chóng của thông tin và công nghệ có tác động đến việc lưu trữ dữ liệu ngày càng lớn như kho dữ liệu. Hàng năm công ty bán lẻ trực tuyến tạo ra một khối lượng lớn dữ liệu, tuy nhiên dữ liệu này sẽ chỉ chiếm bộ nhớ lưu trữ nếu không được xử lý cho mục đích tiếp thị hoặc ra quyết định. Việc tận dụng kho dữ liệu chưa được khai thác tối đa nên dữ liệu dùng để phân tích chỉ là tổng giá trị của các giao dịch thu được. Để đảm bảo doanh số bán hàng cần có cách tiếp cận phân khúc dựa trên xu hướng thay đổi của người tiêu dùng như hiểu sâu hơn về sở thích, thói quen của khách hàng để công ty tạo ra nhiều ưu đãi và chiến dịch có mục tiêu hơn đáp ứng được nhu cầu của người tiêu dùng. Sự hiểu biết về khách hàng trong quản lý quan hệ khách hàng, là một chiến lược toàn diện trong quá trình thu hút, giữ chân và hợp tác với khách hàng. Vì vậy, một cách hiệu quả là phân khúc khách hàng dựa trên dữ liệu giao dịch bán hàng của công ty bán lẻ trực tuyến, bộ dữ liệu “Online Retail” [11]. Bộ dữ liệu này đã được giới thiệu từ kho lưu trữ máy học của Đại học California. Bộ dữ liệu chứa hơn 540 nghìn mẫu lịch sử mua hàng trực tuyến của hơn 4,3 nghìn khách hàng. Trong nghiên cứu này, quy trình phân khúc khách hàng được thực hiện bằng cách khám phá dữ liệu lịch sử giao dịch của khách hàng tại công ty bán lẻ trực tuyến, triển khai thuật toán phân cụm K-Means trên Spark cùng với việc áp dụng RFM (Recency: Lần truy cập gần đây, Frequency: Tần suất, Money: Tiền tệ). Để xác định số cụm tối ưu đã sử dụng phương pháp Elbow Method. 2. NGHIÊN CỨU LIÊN QUAN Nghiên cứu của Wei và cộng sự vào năm 2016 [1] đã thực hiện nghiên cứu triển khai mô hình RFM để phân tích giá trị khách hàng tại một bệnh viện thú y ở Đài Loan. Mục đích của 801
nghiên cứu này là xác định những khách hàng có giá trị dựa trên mô hình phân tích RFM và phát triển chiến lược tiếp thị với các nghiên cứu điển hình về khách hàng sở hữu chó. Nghiên cứu này áp dụng phương pháp bản đồ tự tổ chức (SOM) và K-means cùng với việc áp dụng RFM (recency, frequency, monetary). Kết quả từ việc triển khai phân cụm cùng với việc áp dụng RFM, có 12 cụm được chia thành 2 nhãn là Best Customer và Uncertain Customer. Best Customer bao gồm các cụm 1, 3, 5, 7, 8, 10 và 12; Những Uncertain Customer bao gồm các cụm 2, 4, 6, 9 và 11. Nghiên cứu của Dursun và Caber vào năm 2016 [2] đã thực hiện nghiên cứu điều tra hồ sơ khách hàng ưa thích tại các khách sạn nằm ở Antalya, Thổ Nhĩ Kỳ. Mục đích của nghiên cứu này là xác định mô hình phân tích RFM dựa trên khách hàng phù hợp với quy trình phân khúc liên quan đến các đặc điểm nhân khẩu học của khách hàng. Nghiên cứu này áp dụng phương pháp bản đồ tự tổ chức (SOM) và K-mean cùng với việc áp dụng RFM (recency, frequency, monetary). Kết quả triển khai mô hình phân tích RFM dựa trên phân cụm khách hàng với quy trình phân đoạn liên quan đến đặc điểm nhân khẩu học của khách hàng, có 8 cụm được chia thành 8 nhãn là Loyal Customers, Loyal Summer Season Customers, Collective Buying Customers, Winter Season Customers, Lost Customers, High Potential Customers, New Customers, và Winter Season High Potential Customers. Nghiên cứu Tavakoli và cộng sự vào năm 2018 [3] đã thực hiện một nghiên cứu về việc triển khai phân khúc khách hàng bằng cách sử dụng việc phát triển mô hình RFM có tên là R+FM. Mục đích của nghiên cứu này là phân loại khách hàng thành nhiều nhóm dựa trên hành vi mua hàng, thông tin nhân khẩu học và địa lý của họ cũng như nghiên cứu điển hình về thuộc tính tâm lý tại công ty Digikala hoạt động trong lĩnh vực bán lẻ trực tuyến. Kết quả từ việc triển khai phân cụm R+FM dựa trên khách hàng, có 2 phân đoạn, phân đoạn thứ nhất theo lần truy cập gần đây và thứ hai, phân đoạn theo giá trị khách hàng bao gồm frequency, monetary and weight frequency và monetary. Phân khúc gần đây tạo ra 3 đặc điểm khách hàng là active, lapsing, và lapsed trong khi phân khúc giá trị khách hàng tạo ra 4 cụm là High Value, Medium with High Monetary, Medium with High Frequency, và Low Value. Kết quả kết hợp các phân đoạn dựa trên mô hình R+FM, có 11 phân đoạn nhãn là Active High Value, Active Medium with High Monetary, Active Medium with High Frequency, Active Low Value, Lapsing High Value, Lapsing Medium Value, Lapsing Low Value, Lapsed High Value, Lapsed Medium Value, Lapsed Low Value, và Lapsed Low Value. Nghiên cứu của Peker và cộng sự vào năm 2017 [4] đã thực hiện một nghiên cứu về việc triển khai phân khúc khách hàng bằng mô hình RFM sửa đổi có tên là “the LRFMP model case study in the wholesale retail industry in Antalya, Turkey”. Mục đích của nghiên cứu này là phân loại khách hàng thành nhiều nhóm dựa trên mô hình LRFMP và mô hình phân cụm thuật toán K-means. Sự khác biệt giữa mô hình LRFMP và mô hình RFM là việc bổ sung các biến L và P. Biến P thể hiện tính tuần hoàn, là tính định kỳ của các chuyến thăm của khách hàng nhằm mô tả hành vi của khách hàng và đo lường mức độ thường xuyên của khách hàng, trong khi biến L hiển thị độ dài, tức là khoảng thời gian tính theo ngày giữa lần truy cập đầu tiên và lần cuối cùng của khách hàng. Nghiên cứu này sử dụng xác thực 3 cụm bao gồm chỉ số Silhouette, Chỉ số Calinski Harabasz và chỉ số Davies Bouldin dùng để tìm cụm số tối ưu. Kết quả từ việc triển khai phân cụm LRFMP dựa trên khách hàng, được chia thành 5 cụm khách hàng high contribution loyal customers, low-contribution loyal customers, uncertain customers, high spending lost customers và low spending lost customers. 802
3. CƠ SỞ LÝ THUYẾT 3.1. Phân khúc khách hàng Phân khúc khách hàng là quá trình chia khách hàng thành các nhóm riêng biệt và đồng nhất để phát triển các chiến lược tiếp thị khác nhau tùy theo đặc điểm của khách hàng. Có nhiều loại phân khúc khách hàng khác nhau tùy theo các tiêu chí đặc điểm cụ thể được sử dụng để phân khúc khách hàng. Phân khúc khách hàng truyền thống được dựa trên nghiên cứu thị trường và nhân khẩu học [5]. Mục đích của việc phân khúc là điều chỉnh sản phẩm, dịch vụ và thông điệp tiếp thị cho từng phân khúc. Một lợi ích khác của việc phân khúc khách hàng quan trọng là nó cho phép công ty quản lý hiểu hành vi, sở thích của khách hàng và thu thập thông tin về các nhóm khách hàng khác nhau [6]. Với cơ hội này, tổ chức có thể nhắm mục tiêu vào các nhóm khách hàng có giá trị cao. 3.2. Phân tích RFM Phân tích RFM là một cách tiếp cận phổ biến để hiểu hành vi mua hàng của khách hàng. Nó khá phổ biến, đặc biệt là trong ngành bán lẻ. Đúng như tên gọi của nó, nó liên quan đến việc tính toán và kiểm tra ba KPI – lần truy cập gần đây, tần suất và tiền tệ để tóm tắt các khía cạnh tương ứng của mối quan hệ khách hàng với tổ chức [6]. - Lần truy cập gần đây (R), giá trị lần truy cập gần đây hiển thị thời gian kể từ giao dịch mua hàng cuối cùng của khách hàng. Phạm vi càng nhỏ thì giá trị R càng lớn. - Tần số (F), giá trị tần số thể hiện số lượng giao dịch trong một khoảng thời gian. Tần số càng nhiều thì giá trị F càng lớn. - Tiền tệ (M), giá trị tiền tệ thể hiện giá trị của khách hàng dưới dạng số tiền chi ra trong quá trình giao dịch. 3.3. Apache Spark Spark là công cụ xử lý, phân tích dữ liệu lớn. Spark đạt được hiệu năng cao đối với dữ liệu theo batch, streaming data, dữ liệu đồ thị và tối ưu hóa truy vấn. Hỗ trợ ngôn ngữ Java, Scala, R, Python. Spark được thiết kế với khả năng truy cập cao và cung cấp các API đơn giản trong Python, Java, Scala và SQL, bên cạnh đó là các thư viện tích hợp đa dạng. Điều đặc biệt là Spark có thể hoạt động trên các cụm Hadoop và truy cập vào mọi nguồn dữ liệu Hadoop, bao gồm cả Cassandra [7]. Tốc độ xử lý nhanh hơn hàng trăm lần Mapreduce của Hadoop. Hình 1 biểu thị tốc độ tính toán trên Hadoop và Spark. (Nguồn https://spark.apache.org/mllib/). Hình 1. Tốc độ tính toán trên Hadoop và Spark 803
Spark được phát triển sơ khởi vào năm 2009 như một dự án nghiên cứu trong phòng thí nghiệm RAD của UC Berkeley, sau này trở thành AMPLab. Năm 2011, AMPLab bắt đầu phát triển các thành phần cấp cao hơn trên Spark, chẳng hạn như Shark (Hive on Spark) và Spark Streaming. Spark lần đầu tiên có nguồn mở vào tháng 3 năm 2010 và được chuyển giao cho Apache Software Foundation vào tháng 6 năm 2013 [7]. Các thành phần của Apache Spark: - Spark core: Là thành phần cốt lõi của Apache Spark. - Spark Streaming: Xử lý dữ liệu streaming. - Spark SQL: Xử lý dữ liệu bằng SQL/HQL. - MLlib (machine learning): Xử lý dữ liệu bằng công cụ học máy. - Graph X: Xử lý dữ liệu dựa trên lý thuyết đồ thị. 3.4. Thuật toán K-means Thuật toán K-means là một thuật toán phân cụm dữ liệu không giám sát, được sử dụng để phân các điểm dữ liệu trong một tập dữ liệu không được gắn nhãn vào các cụm khác nhau. Kỹ thuật phân cụm K-mean rất đơn giản, chúng ta bắt đầu bằng việc mô tả thuật toán cơ bản. Trước tiên, chọn K trọng tâm ban đầu, trong đó K là tham số do người dùng chỉ định, cụ thể là số lượng cụm mong muốn. Sau đó, mỗi điểm được gán cho trọng tâm gần nhất và mỗi tập hợp các điểm được gán cho trọng tâm sẽ là một cụm. Trọng tâm của mỗi cụm sau đó được cập nhật dựa trên các điểm được gán cho cụm. Chúng tôi lặp lại các bước gán và cập nhật cho đến khi không có điểm nào thay đổi cụm hoặc tương đương, cho đến khi các trọng tâm giữ nguyên [8]. Ta có thể tóm tắt thuật toán phân cụm K-means như sau [9]: Input: Một ma trận dữ liệu và số lượng cụm cần phân loại. Output: Ma trận chứa các tâm của các cụm và ma trận chứa các nhãn cho mỗi điểm dữ liệu. Bước 1. Chọn ngẫu nhiên K điểm từ tập dữ liệu làm các tâm cụm ban đầu. Bước 2. Gán mỗi điểm dữ liệu vào cụm có tâm gần nhất. Bước 3. Nếu việc gán các điểm vào các cụm không thay đổi so với vòng lặp trước, kết thúc thuật toán. Bước 4. Cập nhật lại tâm của các cụm bằng cách tính trung bình của các điểm trong cụm. Bước 5. Quay lại Bước 2. 4. PHƯƠNG PHÁP NGHIÊN CỨU 4.1. Đối tượng nghiên cứu Đối tượng của nghiên cứu này là công ty bán lẻ trực tuyến thông qua các trang web. Công ty đã có một kho dữ liệu đầy đủ. Thời gian nghiên cứu từ ngày 25 tháng 01 năm 2024 đến ngày 25 tháng 03 năm 2024. Bộ dữ liệu sử dụng là dữ liệu lịch sử giao dịch của khách hàng tại công ty bán lẻ trực tuyến. 4.2. Phương pháp nghiên cứu 4.2.1. Xác định vấn đề Đơn vị được chọn làm đối tượng nghiên cứu trong giai đoạn nhận diện là công ty bán lẻ trực tuyến. Kết quả của giai đoạn này là các vấn đề đặt ra, cụ thể là phân khúc khách hàng làm đầu vào cho việc hoạch định chiến lược quản lý quan hệ khách hàng, đặc biệt là giữ chân khách hàng. 804
4.2.2. Thu thập dữ liệu Việc thu thập dữ liệu là cần thiết để hỗ trợ chính trong quá trình phân khúc khách hàng. Dữ liệu thu được ở định dạng excel (.xlsx) bao gồm 541909 dòng dữ liệu và 8 trường dữ liệu là InvoiceNo, StockCode, Description, Quantity, InvoiceDate, UnitPrice, CustomerID, Country như trong Bảng 1. Bảng 1. Biến dữ liệu thô của lịch sử giao dịch Variable Name Type Description Mã đơn hàng, nếu mã này bắt đầu bằng chữ "C" thể hiện đơn InvoiceNo Categorical hàng đó bị hủy (Cancel) StockCode Categorical Mã sản phẩm Description Categorical Tên sản phẩm Quantity Integer Số lượng sản phẩm trên đơn đặt hàng InvoiceDate Date Ngày và giờ khi đơn hàng được tạo UnitPrice Continuous Giá sản phẩm trên mỗi đơn vị CustomerID Categorical Mã khách hàng Country Categorical Quốc gia nơi khách hàng cư trú 4.2.3. Chuyển đổi dữ liệu Dữ liệu thu thập được ở định dạng excel (.xlsx), mà việc phân tích dữ liệu sẽ thuật tiện hơn khi dạng csv. Vì vậy, cần chuyển đổi sang .csv bằng python, thực hiện thông qua pandas package. 4.2.4. Làm sạch dữ liệu Quá trình làm sạch dữ liệu là loại bỏ dữ liệu trống hoặc không có giá trị và loại bỏ dữ liệu ngoại lệ (đơn hàng bị hủy). Sau khi lọc thì dữ liệu giảm đi đáng kể, số khách hàng giảm đi 33 người. Từ 541909 dòng dữ liệu và 4373 khách hàng giảm xuống còn 532621 dòng dữ liệu và 4340 khách hàng. 4.2.5. Lựa chọn dữ liệu Trong phần này, việc lựa chọn dữ liệu được thực hiện để điều chỉnh các thuộc tính được sử dụng dựa trên nhu cầu trong quá trình phân cụm. Dữ liệu đã được thu thập sẽ được lựa chọn dựa trên các biến có liên quan đến quá trình phân cụm và phân tích RFM. Chi tiết trong Bảng 2. - Recency: Đo thời điểm mà khách hàng đã mua hàng lần cuối. Khách hàng mới mua hàng gần đây được xem là có giá trị cao hơn so với khách hàng mua hàng lâu đến không mua hàng nữa. - Frequency: Đo tần suất mà khách hàng mua hàng trong một khoảng thời gian nhất định. Khách hàng mua hàng thường xuyên được xem là có giá trị hơn so với những khách hàng mua hàng ít lần. - Monetary: Đo giá trị đặt hàng của khách hàng. Khách hàng đặt hàng có giá trị cao hơn được xem là có giá trị cao hơn so với những khách hàng đặt hàng có giá trị thấp. Bảng 2. Kết quả các biến RFM Recency Frequency Monetary_value CustomerID 97020 1 106.2 15070 362220 45 623.75 16718 91080 19 273.36 17850 111660 19 273.36 17850 805
1141500 9 147.35 16499 1401780 9 316.58 15204 1749600 54 1141.24 16270 3125460 2 143.0 12386 531180 30 181.12 18119 1908720 7 172.25 13922 Only showing top 10 rows 4.2.6. Xác định số cụm Khi xác định giá trị của k (số cụm) bằng phương pháp khuỷu tay. Phương pháp Elbow được sử dụng để xác định số cụm tối ưu trong phân cụm K-mean [10]. Dựa vào đồ thị khuỷu tay như Hình 2, ta thấy số cụm tối ưu theo phương pháp Elbow là 4 cụm. Hình 2. Xác định số cụm bằng phương pháp khuỷu tay 4.2.7. Phân cụm K-Means Phân cụm là quá trình nhóm một nhóm đối tượng dữ liệu thành nhiều nhóm hoặc cụm sao cho các đối tượng trong cụm có độ tương đồng cao nhưng có sự khác biệt đáng kể, khác biệt với các đối tượng trong các cụm khác [10]. Trong quá trình phân cụm, các biến RFM được sử dụng trong quá trình phân cụm là các biến đã được chuẩn hóa. Kết quả phân cụm K-Means như trong Bảng 3. Bảng 3. Kết quả cụm Recency Frequency Monetary_value CustomerID Prediction 97020 1 106.2 15070 1 362220 45 623.75 16718 1 91080 19 273.36 17850 1 111660 19 273.36 17850 1 1141500 9 147.35 16499 1 Only showing top 5 rows 4.2.8. Phân tích kết quả phân cụm Dựa trên quy trình phân cụm bằng phương pháp K-Means, 4340 khách hàng được chia thành bốn nhóm khách hàng. Trực quan dữ liệu bằng biểu đồ, cụ thể như sau: - Biểu đồ biểu diễn số lần truy cập gần đây trung bình trên mỗi cụm như Hình 3. 806
Hình 3. Số lần truy cập gần đây trung bình trên mỗi cụm - Biểu đồ biểu diễn tần suất trung bình trên mỗi cụm như Hình 4. Hình 4. Tần suất trung bình trên mỗi cụm - Biểu đồ biểu diễn số tiền trung bình trên mỗi cụm như Hình 5. Hình 5. Số tiền trung bình trên mỗi cụm 4.2.9. Phân tích giá trị khách hàng Kết quả tương đối rõ ràng về các đặc trưng, chúng ta có thể rút ra được một số nhận xét tổng quan như sau: Cụm 0: Người dùng trong cụm này có mức độ truy cập gần đây cao nhưng chưa chi tiêu nhiều. Họ cũng không truy cập trang web thường xuyên. Điều này cho thấy họ có thể là những khách hàng mới. Cụm 1: Khách hàng trong phân khúc này hiển thị mức độ truy cập gần đây, tần suất và giá trị tiền tệ thấp. Họ hiếm khi mua sắm và là những khách hàng tiềm năng thấp, có khả năng ngừng mua hàng trong thời gian tới. Cụm 2: Khách hàng trong phân khúc này hiển thị mức độ truy cập gần đây cao và chi nhiều tiền cho việc mua sắm. Điều này cho thấy họ có xu hướng mua những mặt hàng có giá trị cao hoặc mua số lượng lớn. 807
Cụm 3: Phân khúc cuối cùng bao gồm những người dùng có mức độ truy cập gần đây cao và mua hàng thường xuyên. Tuy nhiên, họ không chi tiêu nhiều cho việc mua sắm, điều này có nghĩa là họ có xu hướng chọn những mặt hàng giá rẻ trong mỗi lần mua hàng. 5. KẾT LUẬN Bằng cách triển khai thuật toán phân cụm K-Means trên Spark cùng với việc áp dụng RFM (Recency: Lần truy cập gần đây, Frequency: Tần suất, Money: Tiền tệ). Việc xác định số cụm tối ưu bằng phương pháp khuỷu tay đã tạo ra 4 cụm là số cụm tối ưu. Quá trình phân cụm sử dụng thuật toán K-Means và số cụm được sử dụng là 4. Dựa trên phân tích giá trị khách hàng với mô hình RFM kết hợp, cụm 0 được xác định ở nhóm khách hàng mới. Cụm 1 được xác định ở khách hàng bị mất. Cụm 2 được xác định ở khách hàng tiềm năng cao. Cụm 3 được xác định ở khách hàng bình dân. Nghiên cứu này vẫn còn những điểm yếu có thể được cải thiện trong những nghiên cứu tiếp theo. Dựa trên các kết quả nghiên cứu và kết luận đã đưa ra, tác giả đưa ra những gợi ý cho những nghiên cứu tiếp theo. Những gợi ý có thể được xem xét cho sự phát triển của nghiên cứu này là bổ sung thêm dữ liệu nhân khẩu học của khách hàng như giới tính và độ tuổi, có thể thêm các đặc điểm kinh tế xã hội, chẳng hạn như thu nhập hàng tháng, trình độ học vấn và việc làm để tạo ra chiến lược tiếp thị cụ thể hơn. TÀI LIỆU THAM KHẢO 1. Wei, J. T., Lin, S. Y., Yang, Y. Z., & Wu, H. H. (2016, July). Applying data mining and RFM model to analyze customers' values of a veterinary hospital. In 2016 International Symposium on Computer, Consumer and Control (IS3C) (pp. 481-484). IEEE. 2. Dursun, A., & Caber, M. (2016). Using data mining techniques for profiling profitable hotel customers: An application of RFM analysis. Tourism management perspectives, 18, 153-160. 3. Tavakoli, M., Molavi, M., Masoumi, V., Mobini, M., Etemad, S., & Rahmani, R. (2018, October). Customer segmentation and strategy development based on user behavior analysis, RFM model and data mining techniques: a case study. In 2018 IEEE 15th International Conference on e-Business Engineering (ICEBE) (pp. 119-126). IEEE. 4. Juhari, T., & Juarna, A. (2022). IMPLEMENTATION RFM Analysis Model for Customer Segmentation Using The K-Means Algorithm Case Study XYZ Online Bookstore. Explore, 12(1), 107-118. 5. Linoff, G. S., & Berry, M. J. (2011). Data mining techniques: for marketing, sales, and customer relationship management. John Wiley & Sons. 6. Tsiptsis, K. K., & Chorianopoulos, A. (2011). Data mining techniques in CRM: inside customer segmentation. John Wiley & Sons. 7. Karau, H., Konwinski, A., Wendell, P., & Zaharia, M. (2015). Learning spark: lightning-fast big data analysis. " O'Reilly Media, Inc.". 8. Tan, P. N., Steinbach, M., & Kumar, V. (2016). Introduction to data mining. Pearson Education India. 9. Vũ Hữu Tiệp, 2018. Machine Learning cơ bản. URL: https://machinelearningcoban.com/ (truy cập ngày 25/01/2024). 10. Dangeti, P., 2017. Statictics for Machine Learning. Packt. 11. Online Retail database [Online] https://openscience.vn/chi-tiet-du-lieu/bo-du-lieu-phan-khuc- khach-hang-81 (truy cập ngày 25/01/2024). 808