Tối ưu hóa phân khúc khách hàng bán lẻ trực tuyến: Áp dụng các thuật toán phân cụm dựa trên mô hình RFM và các chỉ số đánh giá đa chiều

Giang Nguyễn Tịnh Giang; Anh Hoàng

doi:10.24311/jabes/2025.36.7.01

Các tác giả

Nguyễn Tịnh Giang Đại học Kinh tế Thành phố Hồ Chí Minh Tác giả
Hoàng Anh Đại học Kinh tế Thành phố Hồ Chí Minh Tác giả

DOI:

https://doi.org/10.24311/jabes/2025.36.7.01

Từ khóa:

Phân khúc khách hàng, Bán lẻ trực tuyến, Tiếp thị cá nhân hóa, Khai phá dữ liệu, Mô hình RFM, Phân tích cụm

Tóm tắt

Nghiên cứu này sử dụng các kỹ thuật khai thác dữ liệu giao dịch để phân khúc khách hàng trong lĩnh vực bán lẻ trực tuyến. Tích hợp khuôn khổ CRISP-DM với mô hình RFM, nghiên cứu đánh giá sáu thuật toán phân cụm bao gồm K-Means, Spectral Clustering, Mean Shift, Gaussian Mixture Model, DBSCAN và Fuzzy C-Means nhằm tối ưu hóa giải pháp phân khúc khách hàng. Các chỉ số định lượng bao gồm Davies-Bouldin, Calinski-Harabasz, Dunn và điểm Silhouette, chứng minh K-Means đạt hiệu quả tốt nhất trên dữ liệu thực nghiệm. Kết quả tối ưu hóa bốn phân khúc khách hàng riêng biệt: khách hàng tốt nhất, khách hàng trung thành, khách hàng tiềm năng và khách hàng rời bỏ dịch vụ. Phát hiện này cung cấp bằng chứng ra quyết định dựa trên dữ liệu, thiết lập và thực hiện các chiến lược tiếp thị có mục tiêu thông qua tích hợp hệ thống CRM, tối ưu hóa phân bổ nguồn lực và giữ chân khách hàng. Đáng chú ý, các phân khúc khách hàng được xác định tạo điều kiện cá nhân hóa, tăng cường tiềm năng doanh thu và đạt lợi thế cạnh tranh. Nghiên cứu cũng chỉ rõ những hạn chế và đề xuất các hướng phát triển trong tương lai, chẳng hạn như kết hợp dữ liệu nhân khẩu học và các kỹ thuật học sâu để nâng cao chất lượng phân khúc khách hàng.

Tài liệu tham khảo

Alves Gomes, M., & Meisen, T. (2023). A review on customer segmentation methods for personalized customer targeting in e-commerce use cases. Information Systems and e-Business Management, 21(3), 527-570.

Anitha, P., & Patil, M. M. (2022). RFM model for customer purchase behavior using K-Means algorithm. Journal of King Saud University - Computer and Information Sciences, 34(5),

1785-1792.

Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2000). CRISP-DM 1.0: Step-by-step data mining guide. SPSS.

Chen, D. (2015). Online Retail (UCI Machine Learning Repository. https://doi.org/10.24432/C5BW33

Chen, D., Sain, S. L., & Guo, K. (2012). Data mining for the online retail industry: A case study of RFM model-based customer segmentation using data mining. Journal of Database Marketing & Customer Strategy Management, 19, 197-208.

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.

Cho, Y. S., Moon, S. C., Jeong, S.-p., Oh, I.-B., & Ryu, K. H. (2013). Clustering method using item preference based on RFM for recommendation system in u-commerce. In Jeong, YS., Park, YH., Hsu, CH., Park, J. (eds), Ubiquitous Information Technologies and Applications. Lecture Notes in Electrical Engineering (vol 280). Berlin, Heidelberg: Springer. https://doi.org/10.1007/978-3-642-41671-2_18

Christy, A. J., Umamakeswari, A., Priyatharsini, L., & Neyaa, A. (2021). RFM ranking – An effective approach to customer segmentation. Journal of King Saud University-Computer and Information Sciences, 33(10), 1251-1257.

Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI Magazine, 17(3), 37-37.

Hughes, A. M. (1994). Strategic Database Marketing: The Masterplan for Starting and Managing a Profitable Customer-Based Marketing Program. Probus Pub. Co.

Hughes, A. M. (2005). Strategic Database Marketing (3rd Ed.). McGraw-Hill Pub. Co.

Ibrahim, M. R. K., & Tyasnurita, R. (2022). LRFM model analysis for customer segmentation using K-means clustering. 2022 International Conference on Electrical and Information Technology (IEIT), Malang, Indonesia, 2022, pp. 383-391.

Jain, A. K., Murty, M. N., & Flynn, P. J. (1999). Data clustering: A review. ACM Computing Surveys (CSUR), 31(3), 264-323.

Kotler, P. (1967). Marketing Management: Analysis, Planning, and Control. Prentice-Hall.

Kotler, P. (2012). Kotler on Marketing. UK: Simon and Schuster.

Kotler, P., & Armstrong, G. (2017). Principles of Marketing (17th ed., Global Ed.). Pearson Education Limited.

Kumar, V., & Reinartz, W. J. (2012). Customer Relationship Management: Concept, Strategy, and Tools. Springer.

Lang, L., Zhou, S., Zhong, M., Sun, G., Pan, B., & Guo, P. (2023). A big data based dynamic weight approach for RFM segmentation. Computers, Materials & Continua, 74(2).

Li, P., Wang, C., Wu, J., & Madleňák, R. (2022). An E-commerce customer segmentation method based on RFM weighted K-means. 2022 International Conference on Management Engineering, Software Engineering and Service Sciences (ICMSS), Wuhan, China, 2022, pp. 61-68.

MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, Volume 1: Statistics, University of California Press, Berkeley, 281-297.

Mensouri, D., Azmani, A., & Azmani, M. (2022). K-Means customers clustering by their RFMT and score satisfaction analysis. International Journal of Advanced Computer Science and Applications, 13(6), 469-476.

Rizki, B., Ginasta, N. G., Tamrin, M. A., & Rahman, A. (2020). Customer loyality segmentation on point of sale system using recency-frequency-monetary (RFM) and K-means. Jurnal Online Informatika, 130-136.

Verified Market Research. (2025). Vietnam E-commerce market size by device (mobile, desktop), by application (beauty and personal care, consumer electronics, fashion and apparel, food and beverage), by consumer demographics (age, income, location), & region for 2025-2032. Retrieved August 15, 2025 from https://www.verifiedmarketresearch.com/product/vietnam-ecommerce-market/

Wang, G. (2025). Customer segmentation in the digital marketing using a Q-learning based differential evolution algorithm integrated with K-Means clustering. PloS One, 20(2), e0318519.

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.

Zahrotun, L. (2017). Implementation of data mining technique for customer relationship management (CRM) on online shop tokodiapers. com with fuzzy c-means clustering. 2017 2nd International conferences on Information Technology, Information Systems and Electrical Engineering (ICITISEE), 299-303.