WEBSITE THƯƠNG MẠI ĐIỆN TỬ KINH DOANH GIÀY DÉP KẾT HỢP GỢI Ý SẢN PHẨM VÀ TÌM KIẾM BẰNG HÌNH ẢNH

Abstract

Sự phát triển mạnh mẽ của thương mại điện tử đòi hỏi các nền tảng bán lẻ phải liên tục nâng cao mức độ cá nhân hóa và tiện ích khám phá sản phẩm. Tuy nhiên, các hệ thống bán giày dép hiện tại thường gặp hạn chế trong công cụ tìm kiếm bằng từ khóa truyền thống và bỏ lỡ nguồn dữ liệu hành vi quý giá từ các khách hàng đã có tài khoản và khách vãng lai (guest). Đề tài "Xây dựng website thương mại điện tử kinh doanh giày dép tích hợp gợi ý sản phẩm và tìm kiếm bằng hình ảnh" nhằm tạo ra một nền tảng mua sắm thông minh. Đối với khách hàng, hệ thống tối ưu hóa trải nghiệm khám phá sản phẩm thông qua tìm kiếm trực quan và gợi ý cá nhân hóa. Đối với quản trị viên (admin), hệ thống cung cấp công cụ quản lý sản phẩm đa biến thể, quản lý kho hàng chuyên sâu và thống kê doanh thu hiệu quả. Hệ thống được phát triển theo kiến trúc phân tán. Giao diện (Frontend) xây dựng bằng ReactJS, máy chủ xử lý (Backend) sử dụng NodeJS, Express và cơ sở dữ liệu MySQL. Phân hệ Trí tuệ Nhân tạo chạy độc lập bằng Python/Flask. Nghiên cứu áp dụng cơ chế Theo dõi định danh tạm thời (Guest Tracking) làm đầu vào cho kiến trúc Gợi ý lai (Hybrid Recommender) tích hợp thuật toán Phân rã ma trận (ALS) nhằm khắc phục bài toán "khởi động lạnh". Đồng thời, mô hình học sâu đa phương thức CLIP (ViTB-32) được tích hợp để xử lý tìm kiếm bằng hình ảnh. Hệ thống đã hoàn thiện với giao diện hiện đại, đáp ứng đầy đủ luồng mua sắm cốt lõi. Tính năng tìm kiếm bằng hình ảnh cho phép truy xuất sản phẩm linh hoạt, vượt qua rào cản từ khóa. Hệ thống gợi ý tự động học hỏi sở thích theo thời gian thực và đưa ra đề xuất chuẩn xác. Phân hệ quản trị (Dashboard) hoạt động ổn định, cho phép theo dõi tỷ trọng doanh thu từ AI và truy vết tồn kho chi tiết. Đề tài đã đạt được mục tiêu đề ra, cung cấp một giải pháp công nghệ hoàn chỉnh giúp tối ưu hóa luồng khám phá của khách hàng và gia tăng năng lực cạnh tranh cho doanh nghiệp. Dù vậy, hệ thống vẫn còn một số hạn chế như mô hình Học máy cần được tinh chỉnh thêm với tập dữ liệu lớn hơn và giao diện trên thiết bị di động cần tiếp tục được tối ưu. The rapid development of e-commerce requires retail platforms to continuously enhance personalization and product discovery utilities. However, current footwear retail systems often face limitations with traditional keyword search tools and miss out on valuable behavioral data from guest customers. The project "Building an e-commerce website for footwear integrating product recommendation and image search" aims to create a smart shopping platform. For customers, the system optimizes the product discovery experience through visual search and personalized recommendations. For administrators (admin), the system provides tools for managing multi-variant products, in-depth inventory management, and effective revenue statistics.The system is developed using a distributed architecture. The user interface (Frontend) is built with ReactJS, while the processing server (Backend) utilizes NodeJS, Express, and a MySQL database. The Artificial Intelligence module runs independently using Python/Flask. The research applies a Guest Tracking mechanism as input for a Hybrid Recommender architecture integrating the Alternating Least Squares (ALS) matrix factorization algorithm to overcome the "cold start" problem. Additionally, the CLIP (ViT-B32) multimodal deep learning model is integrated to process image-based searches. The system has been completed with a modern interface, fully satisfying the core shopping flow and integrating VNPAY online payment. The image search feature allows for flexible product retrieval, overcoming keyword barriers. The recommendation system automatically learns preferences in real-time and provides accurate suggestions. The management module (Dashboard) operates stably, allowing the tracking of AI-driven revenue proportions and detailed inventory tracing. The project has achieved its set objectives, providing a complete technological solution that helps optimize the customer's discovery flow and increases the enterprise's competitive capacity. Nevertheless, the system still has some limitations, such as the Machine Learning model needing further fine-tuning with larger datasets and the mobile interface requiring continued optimization.