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


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 & Ho Trung Thanh

DOI:
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: 08/01/2026
Ngày duyệt đăng: 01/11/2025
Ngày xuất bản: 13/11/2025
Lượt xem: 35
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 (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 repeat purchase 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 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.
Tài liệu tham khảo
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

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

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

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