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

Abstract

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.