--

19(6)2024

Mô hình khám phá ý kiến khách hàng về ứng dụng IoT tại các cửa hàng bán lẻ dựa trên phương pháp phân tích quan điểm và máy học kết hợp


Tác giả - Nơi làm việc:
Hồ Thị Minh Nguyên - Trường Đại học Kinh tế - Luật, Thành phố Hồ Chí Minh Đại học Quốc gia Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh , Việt Nam
Thẩm Thị Tú Uyên - Trường Đại học Kinh tế - Luật, Thành phố Hồ Chí Minh Đại học Quốc gia Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh , Việt Nam
Đinh Hoàn Hảo - Trường Đại học Kinh tế - Luật, Thành phố Hồ Chí Minh Đại học Quốc gia Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh , Việt Nam
Phạm Thị Minh Hòa - Trường Đại học Kinh tế - Luật, Thành phố Hồ Chí Minh Đại học Quốc gia Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh , Việt Nam
Phạm Nguyễn Hiền Phương - Trường Đại học Kinh tế - Luật, Thành phố Hồ Chí Minh Đại học Quốc gia Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh , Việt Nam
Hồ Trung Thành - Trường Đại học Kinh tế - Luật, Thành phố Hồ Chí Minh Đại học Quốc gia Thành phố Hồ Chí Minh, Thành phố Hồ Chí Minh , Việt Nam
Tác giả liên hệ, Email: Hồ Trung Thành - thanhht@uel.edu.vn
Ngày nộp: 01-02-2023
Ngày duyệt đăng: 23-06-2023
Ngày xuất bản: 27-03-2024

Tóm tắt
IoT (Internet of Things) đã cách mạng hóa ngành bán lẻ nhờ đem lại những trải nghiệm mua sắm tối ưu và tạo ra hiệu quả kinh doanh cho doanh nghiệp. Công nghệ này ngày càng được ứng dụng rộng rãi tại các cửa hàng trên thế giới, và mở ra nhiều cơ hội mới cho ngành bán lẻ Việt Nam. Bài nghiên cứu hướng đến việc phân tích ý kiến khách hàng, những người quan tâm hoặc đã trải nghiệm mua sắm tại 06 cửa hàng bán lẻ nổi tiếng có ứng dụng IoT, theo các nhóm quan điểm tích cực, tiêu cực và trung lập. Bộ dữ liệu bao gồm 77,043 bình luận được thu thập từ các trang website và nền tảng mạng xã hội. Dữ liệu sau xử lý sẽ được đưa vào thực nghiệm mô hình phân tích quan điểm với 05 thuật toán máy học bao gồm K-Nearest Neighbors (KNN), Decision Tree, Random Forest, Hồi quy Logistic và mô hình học kết hợp (Ensemble model). Trong đó, kết quả phân tích và dự đoán quan điểm của khách hàng cho thấy mô hình học kết hợp đem lại hiệu quả tốt nhất với độ chính xác trung bình là 89%. Mô hình và kết quả nghiên cứu sẽ giúp các nhà quản trị phát triển chiến lược chuyển đổi số và kinh doanh phù hợp trong việc ứng dụng công nghệ IoT vào các cửa hàng bán lẻ, đặc biệt là tại thị trường Việt Nam.

Chỉ số JEL
C61; C63; C67; M15; M31

Từ khóa
học kết hợp; IoT trong bán lẻ; máy học; phân tích quan điểm; ý kiến khách hàng

Toàn văn:
PDF

Trích dẫn:

Ho, N. T. M., Tham, U. T. T., Dinh, H. H., Pham, H. T. M., Pham, P. N. H., & Ho, T. T. (2024). Mô hình khám phá ý kiến khách hàng về ứng dụng IoT tại các cửa hàng bán lẻ dựa trên phương pháp phân tích quan điểm và máy học kết hợp [A model of discovering customer opinions about IoT applications for retail stores based on sentiment analysis and ensemble learning method]. Tạp chí Khoa học Đại học Mở Thành phố Hồ Chí Minh – Kinh tế và Quản trị Kinh doanh, 19(6), 3-17. doi:10.46223/HCMCOUJS.econ.vi.19.6.2637.2024


Tài liệu tham khảo

Al-Azani, S., & El-Alfy, E.-S. M. (2017). Using word embedding and ensemble learning for highly imbalanced data sentiment analysis in short arabic text. Procedia Computer Science, 109(2017), 359-366. doi:10.1016/j.procs.2017.05.365


Ali, Z. H., Ali, H. A., & Badawy, M. M. (2015). Internet of Things (IoT): Definitions, challenges, and recent research directions. International Journal of Computer Applications, 128(1), 37-47.


Ashton, K. (2009). That ‘internet of things’ thing. RFID Journal, 22(7), 97-114.


Athar, A., Ali, S., Sheeraz, M. M., Bhattachariee, S., & Kim, H.-C. (2021). Sentimental analysis of movie reviews using soft voting ensemble-based machine learning. Paper presented at the 2021 Eighth International Conference on Social Network Analysis, Management and Security (SNAMS), Gandia, Spain.


Bach, S. T., & Dang, H. T. (2019). Internet kết nối vạn vật ở Việt Nam: Thực trạng và giải pháp phát triển [Internet of Things in Vietnam: Current status and development solutions]. Tạp chí Khoa học-Công nghệ, 22(1/2A), 22-24.


Balaji, M. S., & Roy, S. K. (2017). Value co-creation with Internet of things technology in the retail industry. Journal of Marketing Management, 33(1/2), 7-31. doi:10.1080/0267257X.2016.1217914


Bok, B. t. (2016). Innovating the retail industry: An IoT approach. Truy cập ngày 10/10/2022 tại http://essay.utwente.nl/69982/ 


BusinessWire. (2022). Global IoT in retail market report to 2031. Truy cập ngày 10/10/2022 tại https://www.businesswire.com/news/home/20221111005333/en/Global-IoT-in-Retail-Market-Report-to-2031---Featuring-Huawei-Technologies-SAP-Google-and-NEC-Among-Others---ResearchAndMarkets.com


Camacho-Collados, J., & Pilehvar, M. T. (2018). On the role of text preprocessing in neural network architectures: An evaluation study on text categorization and sentiment analysis. Paper presented at the Conference on Empirical Methods in Natural Language Processing (EMNLP 2018), Brussels, Belgium.


Carbone, L. P. (1998). Total customer experience drives value. Management Review, 87(7), 62-63.


Hutto, C., & Gilbert, E. (2014). VADER: A parsimonious rule-based model for sentiment analysis of social media text. Proceedings of the International AAAI Conference on Web and Social Media, 8(1), 216-225. doi:10.1609/icwsm.v8i1.14550


Kumar, K. S., Desai, J., & Majumdar, J. (2016). Opinion mining and sentiment analysis on online customer review. Paper presented at the 2016 IEEE International Conference on Computational Intelligence and Computing Research (ICCIC), United States.


Liu, B. (2012). Sentiment analysis and opinion mining. Synthesis Lectures on Human Language Technologies, 5(1), 1-67. doi:10.2200/s00416ed1v01y201204hlt016


Meyer, C., & Schwager, A. (2007). Understanding customer experience. Harvard Business Review, 85(2), 116-157.


Miazi, M. N. S., Erasmus, Z., Razzaque, M. A., Zennaro, M., & Bagula, A. (2016). Enabling the Internet of Things in developing countries: Opportunities and challenges. Paper presented at the 2016 5th International Conference on Informatics, Electronics and Vision (ICIEV), Dhaka, Bangladesh.


Mitra, A. (2020). Sentiment analysis using machine learning approaches (Lexicon based on movie review dataset). Journal of Ubiquitous Computing and Communication Technologies, 2(3), 145-152. doi:10.36548/jucct.2020.3.004


Nikolić, N., Grljević, O., & Kovačević, A. (2020). Aspect-based sentiment analysis of reviews in the domain of higher education. The Electronic Library, 38(1), 44-64. doi:10.1108/EL-06-2019-0140


Obaidat, I., Mohawesh, R., Al-Ayyoub, M., Smadi, M. A., & Jararweh, Y. (2015). Enhancing the determination of aspect categories and their polarities in Arabic reviews using lexicon-based approaches. Paper presented at the 2015 IEEE Jordan Conference on Applied Electrical Engineering and Computing Technologies (AEECT), United States.


Özçift, A. (2020). Medical sentiment analysis based on soft voting ensemble algorithm. Yönetim Bilişim Sistemleri Dergisi, 6(1), 42-50.


Pantano, E. (2014). Innovation drivers in retail industry. International Journal of Information Management, 34(3), 344-350. doi:10.1016/j.ijinfomgt.2014.03.002


Pantano, E., & Timmermans, H. (2014). What is smart for retailing? Procedia Environmental Sciences, 22(2014), 101-107. doi:10.1016/j.proenv.2014.11.010


Patil, K. (2016). Retail adoption of Internet of Things: Applying TAM model. Paper presented at the 2016 International Conference on Computing, Analytics and Security Trends (CAST), Pune, India.


Prabowo, R., & Thelwall, M. (2009). Sentiment analysis: A combined approach. Journal of Informetrics, 3(2), 143-157. doi:10.1016/j.joi.2009.01.003


Reddy, G. T., Bhattacharya, S., Ramakrishnan, S. S., Chowdhary, C. L., Hakak, S., Kaluri, R., & Reddy, M. P. K. (2020). An ensemble based machine learning model for diabetic retinopathy classification. Paper presented at the 2020 International Conference on Emerging Trends in Information Technology and Engineering (ic-ETITE), Vellore, India.


Reddy, T. (2015). 13 retail companies using data to revolutionize online & offline shopping experiences. Truy cập ngày 10/10/2022 tại https://www.smartdatacollective.com/retail-companies-using-data-revolutionize-shopping-experiences/


UKEssays. (November, 2018). The Internet of Things: Revolutionizing the retail industry. Truy cập ngày 10/10/2022 tại https://www.ukessays.com/essays/computer-science/the-internet-of-things-revolutionizing-the-retail-industry.php?vref=1


Wu, X., Kumar, V., Quinlan, J. R., Ghosh, J., Yang, Q., Motoda, H., … Steinberg, D. (2008). Top 10 algorithms in data mining. Knowledge and Information Systems, 14(1), 1-37. doi:10.1007/s10115-007-0114-2


Xia, R., Zong, C., & Li, S. (2011). Ensemble of feature sets and classification algorithms for sentiment classification. Information Sciences, 181(6), 1138-1152. doi:10.1016/j.ins.2010.11.023


Zhou, Z.-H. (2021). Ensemble learning. In Z.-H. Zhou (Ed.), Machine learning (pp. 181-210). Singapore: Springer.



DOI: https://doi.org/10.46223/HCMCOUJS.econ.vi.19.6.2637.2024
Creative Commons License
© The Author(s) 2024. This is an open access publication under CC BY NC licence.