Phương pháp lọc cộng tác trong thương mại điện tử là gì?
Mục Lục
Phương pháp lọc cộng tác
Phương pháp lọc cộng tác trong tiếng Anh gọi là: The collaborative-filtering method.
Phương pháp lọc cộng tác hay hệ thống lọc cộng tác là phương pháp phân tích dữ liệu người dùng để tìm ra mối tương quan giữa các đối tượng người dùng. Lọc cộng tác hoạt động bằng cách xây dựng một cơ sở dữ liệu, lưu trữ dưới dạng ma trận người dùng (users) - sản phẩm (items) và mỗi dòng của nó là một vectơ.
Sau đó, phân tích dữ liệu, tính toán sự tương đồng giữa các users với nhau để đưa ra gợi ý. Ý tưởng quan trọng của phương pháp này là những người dùng tương tự có xu hướng sử dụng những sản phẩm tương tự (Singh & Pramod, 2019).
Ví dụ: Nếu khách hàng A thích các sản phẩm tương tự khách hàng B thì “collaborate-filtering” sẽ đoán rằng khách hàng A có khả năng sẽ thích các sản phẩm khác mà khách hàng B đã thích/mua và ngược lại.
Phương pháp lọc cộng tác là một phương pháp thuộc hệ gợi ý cá nhân hóa.
Ưu nhược điểm
Ưu điểm:
- Phương pháp này có khả năng dự đoán được sở thích và nhu cầu của người dùng để đưa ra gợi ý các sản phẩm phù hợp với từng khách hàng mà không cần hiểu sản phẩm.
- Gợi ý dựa trên trải nghiệm của người dùng tương tự khác nên có thể gợi ý được những sản phẩm mới phù hợp sở thích mới.
- Phương pháp này rất phù hợp với những hệ thống lớn có nhiều đánh giá từ phía người dùng.
Ngày nay, phương pháp này được sử dụng khá phổ biến trên các trang thương mại điện tử lớn như Amazon, Tiki, Youtube,… bởi tính đơn giản và một lượng dữ liệu sẵn có từ người dùng trên các website này.
Hạn chế:
- Không thể gợi ý nếu khách hàng chưa có dữ liệu về lịch sử tương tác mặt hàng.
- Khi lượng sản phẩm lớn và số lượng khách hàng đánh giá không nhiều thì phương pháp này không hiệu quả.
- Phương pháp này cũng không thể gợi ý được các sản phẩm mới hoặc những sản phẩm chưa được ai đánh giá.
- Phương pháp này sẽ cho độ chính xác kém nếu như sở thích của người dùng thay đổi.
(Tài liệu tham khảo: Các phương pháp hệ gợi ý và tác động đối với thương mại điện tử, Hoàng Thị Hà, Lê Thị Minh Thùy, Đoàn Thị Thu Hà, Tạp chí Công thương, 2020)