Dự đoán thời điểm khả năng mua lại của khách hàng trong thương mại điện tử bằng kỹ thuật học máy trên dữ liệu hành vi rời rạc

Lưu Yến Nhi; Lê Thị Kim Hiền; Hồ Trung Thành

doi:10.24311/jabes/2025.36.11.05


Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á
Năm thứ. 36(11) , Tháng 11/2025, Trang 71-88

Dự đoán thời điểm khả năng mua lại của khách hàng trong thương mại điện tử bằng kỹ thuật học máy trên dữ liệu hành vi rời rạc
Predicting customer repurchase likelihood in e-commerce using machine learning on discrete behavioral data
Lưu Yến Nhi & Lê Thị Kim Hiền & Hồ Trung Thành
DOI: 10.24311/jabes/2025.36.11.05 Email: thanhht@uel.edu.vn Đơn vị công tác: University of Economics and Law, Vietnam University Ho Chi Minh City Ngày nhận bài: 13/11/2025 Ngày nhận bài sửa: 31/12/2025 Ngày duyệt đăng: 26/02/2026 Lượt xem: 174 Downloads: 0 Các định dạng trích dẫn Tóm tắt Do vòng đời sản phẩm ngắn và xu hướng biến động nhanh, thương mại điện tử trong ngành thời trang đòi hỏi khả năng dự đoán chính xác thời điểm và khả năng mua lại của khách hàng nhằm nâng cao hiệu quả chiến lược tiếp thị cá nhân hóa. Tuy nhiên, các nghiên cứu hiện nay chủ yếu tập trung vào dự báo mua lặp lại trong dài hạn và còn hạn chế trong việc xem xét khả năng mua hàng ngắn hạn từ dữ liệu hành vi rời rạc. Nghiên cứu này đề xuất mô hình dự đoán khả năng mua lại của khách hàng, được lượng hóa bằng xác suất trong ngắn hạn (30 ngày), dựa trên dữ liệu hành vi rời rạc thông qua việc kết hợp các đặc trưng hành vi khách hàng (Recency-Frequency-Monetary ‒ RFM), sự đa dạng danh mục sản phẩm và các chỉ số tương tác trong phiên truy cập. Mô hình được thực nghiệm bằng hai thuật toán học máy LightGBM và XGBoost trên tập dữ liệu giao dịch trực tuyến trong ngành thời trang. Kết quả cho thấy các mô hình đề xuất đạt hiệu năng phân loại tốt với chỉ số ROC-AUC xấp xỉ 0,8830. Đồng thời, nghiên cứu xác định lần mua hàng gần đây (R) và tần suất mua hàng (F) là hai yếu tố có tác động mạnh nhất đến quyết định mua hàng trong ngắn hạn. Những phát hiện này góp phần mở rộng hướng nghiên cứu về dự đoán thời điểm mua hàng và hỗ trợ triển khai các chiến lược tái tiếp thị hiệu quả. Abstract Due to short product life cycles and rapidly changing trends, e-commerce in the fashion industry requires accurate prediction of the timing and probability of repurchase to enhance the effectiveness of personalized marketing strategies. However, a research gap persists as most studies prioritize long-term repurchase prediction, often overlooking short-term purchase likelihood, especially when dealing with discrete behavioral data. This study proposes a model to predict short-term repurchase likelihood, quantified as a probability over a 30-day period by integrating Recency-Frequency-Monetary (RFM) features with product category diversity and session interaction metrics. Validated using LightGBM and XGBoost algorithms on an online fashion dataset, the proposed models achieved strong classification performance, yielding an ROC-AUC score of approximately 0.8830. Furthermore, R and F were identified as the most influential predictors of short-term purchasing behavior. These findings not only extend the literature on purchase timing prediction but also enable businesses to identify high-potential customers for implementing more effective remarketing strategies. Từ khóa Học máy; Hành vi mua hàng; Thời điểm phát sinh mua hàng; Tiếp thị cá nhân hóa; Dữ liệu hành vi rời rạc; Thương mại điện tử. Discrete behavioral data; Purchase timing prediction; Machine Learning; Fashion industry; Personalized marketing; Repurchase probability.
Download
Tài liệu tham khảo Cheng, C. H., & Chen, Y. S. (2009). Classifying the segmentation of customer value via RFM model and RS theory. Expert Systems with Applications, 36(3), 4176-4184. https://doi.org/10.1016/j.eswa.2008.04.003 Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. In Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD ’16) (pp. 785-794). https://doi.org/10.1145/2939672.2939785 Cốc Cốc. (2024). Ngành thời trang Việt Nam: Nhìn cơ hội từ sự đa dạng trong hành vi và thói quen tiêu dùng. Truy cập tại https://qc.coccoc.com/vn/news/nganh-thoi-trang-viet-nam-nhin-co-hoi-tu-su-da-dang-trong-hanh-vi-va-thoi-quen-tieu-dung Gholamveisy, S., Homayooni, S., Shemshaki, M., Sheykhan, S., Boozary, P., Tanhaei, H. G., & Akbari, N. (2024). Application of data mining technique for customer purchase behavior via Extended RFM model with focus on BCG matrix from a data set of online retailing. Journal of Infrastructure Policy and Development, 8(7), 4426. https://doi.org/10.24294/jipd.v8i7.4426 Gomes, M. A., Wönkhaus, M., Meisen, P., & Meisen, T. (2023). TEE: Real-time purchase prediction using time extended embeddings for representing customer behavior. Journal of Theoretical and Applied Electronic Commerce Research, 18(3), 1404-1418. https://doi.org/10.3390/jtaer18030070 Heinisch, J. S., Gao, N., Anderson, C., Deldari, S., David, K., & Salim, F. (2022). Investigating the effects of mood & usage behaviour on notification response time. arXiv. Retrieved from https://doi.org/10.48550/arXiv.2207.03405 Hoang. A. (2025). E‑commerce in upward trend. Vietnam Economic Times – VnEconomy. Retrieved from https://en.vneconomy.vn/e-commerce-in-upward-trend-1250945.htm Hoàng Nguyễn Thu Huyền, Lê Ngọc Sơn, & Nguyễn Quốc Cường. (2023). Các yếu tố ảnh hưởng đến hành vi mua sắm sản phẩm thời trang trên ứng dụng di động của Gen Z tại Thành phố Hồ Chí Minh. Tạp chí Khoa học và Công nghệ - Trường Đại học Công nghiệp TP.HCM, 66(6), 56-72. https://jst.iuh.edu.vn/index.php/jst-iuh/article/view/4989 Hughes, A. M. (1996). Boosting response with RFM. Marketing Tools, 3(3), 4-10. Jalal, M. E., & Elmaghraby, A. (2024). Analyzing the dynamics of customer behavior: A new perspective on personalized marketing through counterfactual analysis. Journal of Theoretical and Applied Electronic Commerce Research, 19(3), Article 81. https://www.mdpi.com/0718-1876/19/3/81 Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T. Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. In Advances in Neural Information Processing Systems 30 (NeurIPS 2017) – Proceedings of the 30th Conference (pp. 3149-3157). https://proceedings.neurips.cc/paper_files/paper/2017/file/6449f44a102fde848669bdd9eb6b76fa-Paper.pdf Li, J., Luo, X., Lu, X., & Moriguchi, T. (2020). Boosting returns on E-Commerce retargeting campaigns. American Marketing Association. Retrieved from https://www.ama.org/2020/11/12/boosting-returns-on-e-commerce-retargeting-campaigns/ Lismont, J., Ram, S., Vanthienen, J., Lemahieu, W., & Baesens, B. (2018). Predicting interpurchase time in a retail environment using customer-product networks: An empirical study and evaluation. Expert Systems with Applications, 104, 22-32. https://doi.org/10.1016/j.eswa.2018.03.016 Liu, D., Huang, H., Zhang, H., Luo, X., & Fan, Z. (2024). Enhancing customer behavior prediction in e-commerce: A comparative analysis of machine learning and deep learning models. Applied and Computational Engineering, 55(1), 181-195. https://doi.org/10.54254/2755-2721/55/20241475 Popowska, M., & Sinkiewicz, A. (2021). Sustainable fashion in Poland - Too early or too late?. Sustainability, 13(17), 9713. https://doi.org/10.3390/su13179713 Segun‑Falade, O. D., Osundare, O. S., Kedi, W. E., Okeleke, P. A., Ijomah, T. I., & Abdul‑Azeez, O. Y. (2024). Utilizing machine learning algorithms to enhance predictive analytics in customer behavior studies. International Journal of Scholarly Research in Engineering and Technology, 4(1), 1-18. https://doi.org/10.56781/ijsret.2024.4.1.0018 Vallarino, D. (2023). Buy when? Survival machine learning model comparison for purchase timing. arXiv. https://doi.org/10.48550/arXiv.2308.14343 Verma, R., Rathor, D., Kumar, S., Mishra, M., & Baranwal, M. (2025). Enhancing customer repurchase prediction: Integrating classification algorithms with RFM analysis for precision and actionable insights. IIMB Management Review, 37(2),  100574. https://doi.org/10.1016/j.iimb.2025.100574 Wong, C. G., Tong, G. K., & Haw, S. C. (2024). Exploring customer segmentation in e-commerce using RFM analysis with clustering techniques. Journal of Telecommunications and the Digital Economy, 12(3), 97-125. https://doi.org/10.18080/jtde.v12n3.978 Zhou, S., & Hudin, N. S. (2024). Advancing e-commerce user purchase prediction: Integration of time-series attention with event-based timestamp encoding and Graph Neural Network-Enhanced user profiling. PLoS ONE, 19(4), e0299087. https://doi.org/10.1371/journal.pone.0299087

Tác động của phát trực tiếp trên TikTok đến mua sắm ngẫu hứng thông qua sự hứng khởi

2026, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Tóm tắt

Nghiên cứu này đánh giá sự ảnh hưởng đồng thời các khía cạnh trong thương mại phát trực tiếp (TMPTT) gồm đặc điểm người dẫn, đặc điểm môi trường, và nội dung phát trực tiếp (PTT), cũng như vai trò điều tiết của nỗi sợ bỏ lỡ lên mối quan hệ giữa sự hứng khởi và mua sắm ngẫu hứng. Nghiên cứu thực hiện khảo sát với người dùng TikTok tại Việt Nam có mua sắm ngẫu hứng trong các buổi PTT và có 338 trả lời hợp lệ được dùng để kiểm định mô hình theo phương pháp cấu trúc tuyến tính bình phương từng phần nhỏ nhất. Kết quả cho thấy các đặc điểm môi trường PTT và nội dung PTT có sự ảnh hưởng đến sự hứng khởi, từ đó thúc đẩy mua sắm ngẫu hứng. Ngược lại, sự hấp dẫn và sự đáng tin cậy của người dẫn PTT không có sự tác động đến sự hứng khởi, cũng như nỗi sợ bỏ lỡ không thể phát huy vai trò điều tiết. Nghiên cứu không chỉ góp phần mở rộng lý luận về hành vi người tiêu dùng trong TMPTT mà còn cung cấp một số hàm ý quản trị cho người làm marketing số, người bán hàng qua TMPTT và nhà quản lý nền tảng thương mại điện tử. Abstract This study simultaneously investigates important stimuli aspects such as livestreamer, livestream environment, and livestream content factors that drive arousal and impulsive purchase. The study also examines the moderating role of fear of missing out on the relationship between arousal and impulsive purchase. The study conducted a survey of TikTok users in Vietnam having made impulsive purchases in livestream sessions, yielding 338 valid responses used to test the research model using partial least squares structural equation modeling. Findings show that livestream environment and content factors significantly enhance viewers’ arousal, which in turn stimulates impulsive purchase. However, streamer attractiveness and credibility do not have a significant effect on viewers’ arousal; nor does the moderating impact of fear of missing out on the relationship between arousal and impulsive purchase. This study not only enriches consumer behavior literature in the livestream commerce context but also provides practical implications for digital marketers, livestream sellers, and platform administrators

Download

Ảnh hưởng của trải nghiệm hợp kênh đến trung thành và kết dính thương hiệu thông qua tình yêu thương hiệu: mô hình tác động trực tiếp và gián tiếp

2025, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Tóm tắt

Vai trò của trải nghiệm hợp kênh và cơ chế ảnh hưởng của biến số này đến trung thành và kết dính thương hiệu hầu như chưa được xem xét. Dựa trên lý thuyết gắn kết, nghiên cứu này đề xuất mô hình gồm tác động trực tiếp và gián tiếp giữa trải nghiệm hợp kênh, tình yêu thương hiệu, gồm gần gũi và đam mê thương hiệu, và các kết quả tích cực cho thương hiệu, gồm trung thành và kết dính thương hiệu. Kết quả kiểm định giả thuyết với một mẫu 355 người tiêu dùng tại Khánh Hòa bằng kỹ thuật bình phương bé nhất bán phần (PLS-SEM) cho thấy các giả thuyết được ủng hộ. Do đó, nghiên cứu mang lại hiểu biết sâu sắc hơn về đóng góp quan trọng của trải nghiệm hợp kênh trong việc thúc đẩy lòng trung thành và kết dính thương hiệu của người tiêu dùng cũng như làm rõ vai trò của tình yêu thương hiệu là cơ chế kết nối các biến số này. Từ kết quả nghiên cứu, các hàm ý lý thuyết về mối quan hệ giữa các biến số được thảo luận và các hàm ý quản trị được đề xuất nhằm gia tăng trải nghiệm hợp kênh tích cực cũng như tình yêu thương hiệu. Abstract The role of omnichannel experience and its underlying mechanisms through which this variable influences loyalty and stickiness have received little attention. Drawing on engagement theory, this study proposes a model comprising both direct and indirect effects among omnichannel experience, brand love, including brand intimacy and brand passion, and positive brand outcomes, encompassing loyalty and stickiness. Hypothesis testing using partial least squares structural equation modeling (PLS-SEM) with a sample of 355 consumers in Khanh Hoa supports all proposed hypotheses. Accordingly, the study provides deeper insights into the significant contribution of omnichannel experience in fostering consumer brand loyalty and stickiness, as well as clarifying the role of brand love as the mechanism connecting these variables. Based on the research results, theoretical implications regarding the relationships among the variables are discussed, and managerial implications are proposed to enhance positive omnichannel experiences and brand love.

Download

Vai trò điều tiết của nội dung do người dùng tạo ra trong mối quan hệ giữa các kích thích xã hội và hành vi bầy đàn trong mua sắm trực tuyến

2025, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Tóm tắt

Sự phát triển của chuyển đổi số cùng với mạng xã hội đã góp phần làm gia tăng hành vi mua sắm theo số đông, nhất là tại nhóm người tiêu dùng trẻ sinh sau năm 1995. Trên cơ sở khung Kích thích–Chủ thể–Phản ứng (S-O-R), nghiên cứu đánh giá vai trò của truyền miệng trực tuyến, uy tín của người phát ngôn, và nội dung do người dùng tạo ra đến hành vi bầy đàn của người tiêu dùng như là những kích thích từ môi trường, từ đó dẫn đến phản ứng là ý định mua hàng trực tuyến. Nghiên cứu áp dụng phương pháp chọn mẫu thuận tiện nhằm khảo sát 310 cá nhân dùng mạng xã hội, đồng thời phân tích bằng mô hình cấu trúc để xác thực các giả thuyết. Những phát hiện cho thấy truyền miệng trực tuyến cùng với uy tín của người phát ngôn có ảnh hưởng đáng kể đến hành vi bầy đàn trong tiêu dùng. Đồng thời, nội dung do người dùng tạo ra còn giữ vai trò điều tiết trong mối quan hệ giữa các biến liên quan. Trên nền tảng đó, nghiên cứu này củng cố tính ứng dụng của S-O-R trong bối cảnh thương mại điện tử, cũng như kiến nghị một số hàm ý thực tiễn nhằm hỗ trợ doanh nghiệp trong việc tối ưu hóa chiến lược tiếp cận thế hệ người tiêu dùng trẻ. Abstract The development of digital transformation alongside social media has contributed to a rise in herd buying behaviour, particularly among young consumers born after 1995. Rooted in the Stimulus-Organism-Response (S-O-R) framework, this study evaluates the roles of electronic word-of-mouth, spokesman credibility, and user-generated content as environmental stimuli influencing consumer herd behavior, which in turn leads to a response in online purchase intention. The study employed a convenience sampling method to survey 310 social media users and applied structural equation modeling to validate the proposed hypotheses. Empirical findings suggest that electronic word-of-mouth and spokesman credibility have a significant impact on consumer herd behavior. Furthermore, user-generated content not only exerts a direct impact but also plays a moderating role in the relationships among the related variables. Based on these findings, the study reinforces the applicability of the S-O-R framework in the context of e-commerce. It proposes several practical implications to assist businesses in optimizing their strategies for approaching this younger generation of consumers.

Download

Vai trò của chất lượng dịch vụ logistics trong thương mại điện tử đối với sự hài lòng và lòng trung thành của khách hàng gen Z tại thị trường Hà Nội

2025, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Các yếu tố ảnh hưởng đến ý định mua lại trực tuyến: Trường hợp nghiên cứu trên địa bàn Thành Phố Hồ Chí Minh

2025, Tạp chí Nghiên cứu Kinh tế và Kinh doanh Châu Á Mở rộng

Tóm tắt

Nghiên cứu này nhằm khám phá các yếu tố tác động tới ý định mua lại trực tuyến của người dân trên địa bàn Thành phố Hồ Chí Minh thông qua mô hình chấp nhận công nghệ (TAM) mở rộng. Bằng phương pháp phân tích mô hình cấu trúc tuyến tính dựa trên bình phương tối thiểu riêng phần (PLS-SEM) trên mẫu 610 quan sát, kết quả cho thấy có bốn yếu tố tác động tới ý định mua lại trực tuyến của người dân trên địa bàn TP.HCM bao gồm: (1) thái độ đối với mua sắm trực tuyến, (2), nhận thức tính hữu ích, (3) nhận thức tính dễ sử dụng, (4) nhận thức về môi trường. Trong đó thái độ là yếu tố tác động trực tiếp mạnh nhất và là trung gian trong mối quan hệ giữa các biến độc lập khác tới ý định mua lại trực tuyến. Đáng chú ý, rủi ro nhận thức về mua sắm trực tuyến và tính cá nhân hóa không ảnh hưởng tới ý định mua lại. Từ các kết quả trên, bài viết đã đề xuất một số hàm ý cho các doanh nghiệp kinh doanh trực tuyến nhằm nâng cao ý định mua lại trực tuyến của khách hàng. Abstract This study aims to explore the factors affecting the online repurchase intention of people living in Ho Chi Minh City through an extended version of the Technology Acceptance Model (TAM). By employing the Partial Least Squares Structural Equation Modeling (PLS-SEM) method on a sample of 610 observations, the results reveal that there are four factors influencing the online repurchase intention of people living in Ho Chi Minh City including (1) attitudes toward online shopping, (2) perceived usefulness, (3) perceived ease of use, and (4) environmental awareness. Among these factors, attitude is the strongest predictor of the repurchase intention and also mediates the relationship between other independent variables and the repurchase intention. Notably, perceived risks of online shopping and personalization did not affect the repurchase intention. From the above findings, some implications for online businesses to enhance the customers’ intention to continue shopping online are suggested.

Download