i
Li cm n
Vit mt khóa lun khoa hc là mt trong nhng vic khó nht mà chúng em phi hoàn
thành t trc đn nay. Trong quá trình thc hin đ tài chúng em đã gp rt nhiu khó
khn và b ng. Nu không có nhng s giúp đ và li đng viên chân thành ca nhiu
ngi có l chúng em khó có th hoàn thành tt lun vn này.
u tiên chúng em xin gi li bit n chân thành đn cô Lê Th Nhàn, ngi trc tip
hng dn chúng em hoàn thành lun vn này.
Chúng em mun gi li cm n đn cô Phm Th Bch Hu, giáo viên phn bin ca lun
vn này. Nhng ý kin đóng góp ca cô là vô cùng hu ích, nó giúp chúng em nhn ra
các khuyt đim ca lun vn.
Trên con đng góp nht nhng kin thc quý báu ca ngày hôm nay, các thy, cô, bn
bè trng i hc Khoa hc T nhiên là nhng ngi
đã cùng em sát cánh và tri
nghim.
Và sau cùng, chúng con xin cm n cha m, nhng ngi đã sinh thành, dng dc và
nuôi dy chúng con nên ngi. Sut đi này chúng con luôn ghi nh n Ngi.

ii
Danh mc các hình
Hình 2.1- Các giai đan ca quá trình ra quyt đnh. 5
Hình 2.2 - u đim ca H h tr ra quyt đnh. 5
Hình 2.3 - Các thành phn ca H h tr ra quyt đnh. 6
Hình 2.4 Cu trúc tng quát ca mt mô hình 7
Hình 3.1 - Amazon đa ra lý do vì sao các li đ ngh đc đa ra. 15
Hình 3.2 - ánh giá phim  movifinder.com 16
Hình 3.3 - Trang Research 17
Hình 3.4 - Danh mc xe  loi xe ch khách 17
Hình 3.5 - Các câu hi v đc tính máy in 19
Hình 3.6 - Các sn phm đ ngh ca HP sau khi ch

 (mc thit k) cho usecase Thêm hàng vào gi 47
Hình 5.19 Lc đ trình t (mc thit k) cho usecase Xem gi hàng 47
Hình 5.20 - Lc đ trình t (mc thit k) cho usecase Thanh toán 48
Hình 5.21 S đ phi hp gia các trang web 48
Hình 5.22 - S đ lp ng dng WebMobileShop. 52
Hình 5.23 - S đ lp ca module thut toán GA. 54
Hình 7.1 - Min ti u Pareto. 64
iii
Danh mc các bng
Bng 3.1 - Các bc c bn đ tin hành mt giao dch 12
Bng 3.2 - Phân loi h h tr ra quyt đnh trong E-Commerce 13
Bng 3.3 - Tng kt so sánh website 22
Bng 5-1-Danh sách các bng c s d liu 43
Bng 5.2 - Bng d liu tblItems 43
Bng 5.3 - Bng d liu tblCaseType 44
Bng 5.4 - Bng d liu tblProducers 44
Bng 5.5 - Bng d liu tblOrders 44
Bng 5.6 - Bng d li
u tblOrderDetails 45
Bng 5.7 - Các đi tng lp ca h thng WebMobileShop 53
Bng 5.8 - Các đi tng thuc module thut toán GA 54 iv
Mc lc
Li cm n i
Danh mc các hình ii

 h tr khách hàng ca chúng 13
3.4.1 Kho sát mt s h h tr ra quyt đnh trong E-Commerce 14
3.4.2 Bng tóm tt và so sánh 22
3.5 Các tin ích mà mt trang web bán hàng cn cung cp đ có th H tr khách
hàng tt hn 22
Chng 4 S dng gii thut di truyn đ gii quyt bài toán h tr chn sn phm khi
mua hàng qua mng 24
4.1 Gii thiu 24
4.2 Các khó khn khi xây dng mt module h tr khách hàng ch
n sn phm 24
4.3 Vn đ “đa mc tiêu” khi chn sn phm 25
4.4 Cách tip cn đ gii bài toán “Ti u đa mc tiêu” khi chn sn phm 25
4.5 Chuyn bài toán chn sn phm thành bài toán ti u đa mc tiêu 26
4.5.1 Li gii cho bài toán 26
4.5.2 Các bin quyt đnh 26
4.5.3 Các ràng buc 26
4.5.4 Các mc tiêu 27
4.5.5 Hng đn mt li gii “ti u” 28
4.5.6 Các ci tin đ phù h
p vi bài toán 31

v
Chng 5 Phân tích và thit k website bán đin thoi di đng có h tr ngi mua chn
sn phm 35
5.1 Phân tích 35
5.1.1 Mô hình Usecase 35
5.1.2 Mô t các Actor 35
5.1.3 Mô t các Usecase 35
5.2 Thit k 41
5.2.1 Thit k h thng 41

đc các ca hàng thc t. Mt trong nhng nguyên nhân ca s thua kém này đó là yu
t con ngi, mt yu t mà chc hn các trang web bán hàng khó có th bù đp đc.
Bên cnh đó, đâu là các nguyên nhân khác gây ra s thua kém này? Ngi mua nhn xét
gì v nhng n lc mà các trang web bán hàng đã và đang mang li? Làm th nào đ nâng
cao hiu qu ca nhng ca hàng đin t này?
1.2 Vn đ đt ra
Hin nay, các h thng bán hàng trc tuyn đã to nhiu điu kin thun li đ ngi mua
có th tip cn nhiu mt hàng cùng lúc. Tuy nhiên, vic trình bày và trang trí quá nhiu
các mt hàng trên trang web đã gây ra không ít khó khn cho ngi mua. H khó có th
chn ra cho mình mt sn phm ng ý nht.
 khách hàng có th đn và mua đc mt sn phm ng ý thì mt li khuyên, mt s
tr giúp là rt quan trng. Mt ngi bán hàng trong phng thc bán hàng truyn thng
là mt li th rt ln. Do đó đ phng thc bán hàng qua mng thc s phát trin thì bên
cnh các li th vn có c
a mình vic có thêm mt “ngi tr giúp” là ht sc cn thit.
H thng h tr ra quyt đnh (Decision Support System - DSS) vi s kt hp ca máy
tính đã đc áp dng nhiu trong các công tác qun lý, nhng công vic tt yu liên quan

2
đn vic ra quyt đnh. DSS có th giúp nhng nhà qun lý đa ra các quyt đnh nhanh
chóng hn, phc tp hn, và nâng cao hiu sut cng nh cht lng ca các quyt đnh.
Mt h thng h tr ra quyt đnh tt có th đóng vai trò nh mt ngi trung gian h tr
khách hàng đa ra các quyt đnh mua hàng đúng đn. Bng cách xác đnh mc đích và
nhu cu ca khách hàng, h thng có th đa ra mt tp các gi ý giúp cho ngi mua d
dàng chn la sn phm yêu thích hn. Qua đó hiu sut ca vic mua bán hàng trc
tuyn đc tng cao mt cách đáng k.
1.3 Mc tiêu ca lun vn
Trc ht lun vn giúp chúng ta nhn ra nhng mt thiu sót ca các trang web bán hàng
hin nay. Nhng tin ích, dch v mà các trang web này cn cung cp hoc nâng cao hn
đ có th nâng cao v th ca mình trong nn kinh t hàng hóa.

4
Chng 2
H h tr ra quyt đnh
2.1 Th nào là ra quyt đnh
Vic đa ra quyt đnh đi vi mt vn đ xut hin trong khp các lnh vc, hot đng
ca đi sng mà đôi khi chúng ta không nhn ra. T nhng vic đn gin nh chn mt
b qun áo đ đi d tic cho đn các vic ln lao nh phân b ngân sách vào các chng
trình ca quc gia đu là các công vic đa ra quyt đnh.
Vy đa ra quyt đnh chính là chn ra trong các gii pháp kh thi mt gii pháp mà theo
ngi đa ra quyt đnh là phù hp nht.
2.2 Quá trình ra quyt đnh
2.2.1 Phân loi quyt đnh
Có th phân ra bn loi quyt đnh nh sau
• Quyt đnh có cu trúc (Structured Decision): Các quyt đnh mà ngi ra
quyt đnh bit là chc chn đúng.
• Quyt đnh không cu trúc (Nonstructured Decision): Các quyt đnh mà ngi
ra quyt đnh bit là có nhiu câu tr li gn đúng và không có cách nào đ tìm
ra câu tr li chính xác nht.
• Quyt đnh đ quy (Recurring Decision): Các quyt đnh lp đi , lp li.
• Quyt đnh không đ quy (Nonrecurring Decision): Các quyt đnh không xy
ra thng xuyên.
2.2.2 Các giai đon ca quá trình ra quyt đnh
Theo Simon, các giai đon ca quá trình ra quyt đnh bao gm các pha:
• Nhn đnh (Intelligence) : Tìm kim các tình hung dn đn vic phi ra quyt
đnh, nhn dng các vn đ, nhu cu, c hi, ri ro…
• Thit k (Design): Phân tích các hng tip cn đ gii quyt vn đ, đáp ng
các nhu cu, tn dng các c hi , hn ch các ri ro
• La chn (Choice): Cân nhc và đánh giá tng gii pháp, đo lng hu qa ca
tng gii pháp và chn gii pháp ti u.
• Tin hành ra quyt đnh (Implementation): Thc hin gii pháp đc chn,

ngi dùng cui và H ra quyt đnh.

Hình 2.3 - Các thành phn ca H h tr ra quyt đnh.

7
2.3.3 Mô hình ra quyt đnh
Mt đc trng c bn ca H h tr ra quyt đnh là phi có ít nht mt mô hình h tr ra
quyt đnh. Vic chn la và xây dng mô hình nm trong giai đon th hai (Design
Phase) ca quá trình ra quyt đnh.
Mt mô hình là mt khái quát hóa hay tru tng hóa ca thc t. Mô hình hóa là vic
khái quát hóa và tru tng hóa các vn đ thc t thành các mô hình đnh tính hay
đnh
lng. ó là mt quy trình kt hp c khoa hc (s chính xác, logic) và ngh thut (s
sáng to).
Mt mô hình thng bao gm ba thành phn c bn:
• Decision Variables: ây là các lc chn xác đnh bi ngi ra quyt đnh.
Chng hn trong bài tóan quyt đnh đu t thì đây là s tin đu t, ni đu t,
thi gian đu t…
• Uncontrollable Variables : ây là các bin không nm trong s kim sóat ca
ngi ra quyt đnh (b tác đng bi các yu t bên ngòai). Chng hn trong bài
tóan trên thì đây là tc đ lm phát, lãi sut ngân hàng…
• Result Variables: ây là các bin kt qu ca mô hình. Chng hn trong bài
toán trên thì đây là t s li nhun…

Hình 2.4 Cu trúc tng quát ca mt mô hình.
Khi la chn quyt đnh cui cùng, ngi ra quyt đnh có th mun có mt quyt đnh
ti u (optimal) hay mt quyt đnh tha đáng, gn ti u (good enough). Do vy có th
chia ra hai loi mô hình h tr ra quyt đnh
Mô hình quy chun (Normative Model): Mô hình này xem xét tt c các phng án và
chn ra phng án tôi u.

a trên vic truy xut và x lí d liu.
Phiên bn đu tiên đc gi là H ch dành cho vic truy xut d liu (Retrieval-Only
DSS ). Kho d liu (Datawarehouse) là mt C S D Liu tp trung cha thông tin t
nhiu ngun đng thi sn sàng cung cp thông tin cn thit cho vic ra quyt đnh.
OLAP có nhiu tính nng cao cp vì cho phép phân tích d liu nhiu chiu, ví d d
liu bán hàng cn ph
i đc phân tích theo nhiu chiu nh theo vùng, theo sn phm,
theo thi gian, theo ngi bán hàng.
Hng tài liu - H h tr ra quyt đnh da trên vic truy xut và phân tích các vn
bn, tài liu…Trong mt công ty, có th có rt nhiu vn bn nh chính sách, th tc,
biên bn cuc hp, th tín Internet cho phép truy xut các kho tài liu ln nh các
kho vn bn, hình nh, âm thanh… Mt công c tìm kim hiu qu là mt ph
n quan
trng đi vi các H h tr ra quyt đnh dng này.

9
Hng tri thc - H h tr ra quyt đnh có th đ ngh và đa ra nhng t vn cho
ngi ra quyt đnh. Nhng h này là các h chuyên gia vi mt kin thc chuyên
ngành c th, nm vng các vn đ trong chuyên ngành đó và có k nng đ gii quyt
nhng vn đ này. Các công c khai m d liu có th dùng đ to ra các h dng này.
Theo Holsapple và Whinston (1996) [6] phân ra 6 lai H h tr ra quyt đnh
• Hng vn bn (Text-Oriented DSS)
• Hng c s d liu (Database-Oriented DSS)
• Hng bn tính (Spreasheet-Oriented DSS)
• Hng ngi gii quyt (Solver-Oriented DSS)
• Hng lut (Rule-Oriented DSS)
• Hng kt hp (Compound DSS)
Hng vn bn – Thông tin (bao gm d liu và kin thc) đc lu tr di dng
vn bn. Vì vy h thng đòi hi lu tr và x lí các vn bn mt cách hiu qu. Các
công ngh mi nh H qun lí vn bn da trên web, Intelligent Agents có th đc s

model) đ tìm kim mt la chn ti u, thì H h tr ra quyt đnh có th s dng
phng pháp vét cn (blind search) đ duyt ht tt c các la chn hay mô hình toán hc
đ phân tích. i vi mô hình mô t, ta có th
 s dng phng pháp kinh nghim
(heuristic search) đ duyt các la chn da trên các quy lut rút ra đc t th và sai hay
kinh nghim.
Phng pháp đánh giá các la chn đc quyt đnh khác nhau trong bài toán mt mc
tiêu và bài toán đa mc tiêu. Bài toán mt mc tiêu có th đc mô hình hóa bng bng ra
quyt đnh hay cây ra quyt đnh.
Mt trong các phng pháp hiu qu đ gii quyt đa mc tiêu là đo lng tr
ng s ca
các u tiên ra quyt đnh (Analytical Hierarchy Process ca ExpertChoice). Mt phng
pháp khác là ti u hóa da trên các m hình tóan hc tuyn tính (Microsoft Excel,
Lingo…). Mt phng pháp khác là lp trình kinh nghim s dng heuristics nh là tabu
search, gii thut di truyn.

11
Chng 3
Mua hàng qua mng và s cn thit ca h tr ra quyt đnh
3.1 Internet đem đn mt phng thc mua bán mi
S phát trin vt bc tng ngày ca các công ngh trên Internet đã dn thc s bin đi
các hot đng thng mi làm cho nó mang tính toàn cu hn. Các hot đng kinh doanh
truyn thng gi đã đc s hóa, các khái nim v E-Commerce, E-Business, E-Market,
Shopping online xut hin và ngày càng tr nên ph bin. Chính công ngh Internet đã
thc s kt ni các doanh nghip vi nhau (B2B – Business To Business) và doanh
nghip vi khách hàng (B2C – Business To Customer).
Sc mnh và s thun li ca công ngh Web đã giúp các công ty, doanh nghip đa các
hot đng kinh doanh ca mình đn gn vi ngi dùng hn. S dng Web các công ty
có th đa đn ngi dùng t nhng mu qung cáo nh, các mt hàng, dch v mà công
ty cung cp đn các hot đng mua bán vi khách hàng. Chính điu đó đã hình thành mt

Và vi các yu t nh hng đn vic mua hàng qua mng trên thì có 2/3 ngi dùng
khng đnh h s tip tc mua hàng và 1/3 còn li thì khng đnh h không có ý đnh mua
hàng qua mng, mt con s đáng đ lu tâm [18]
3.3 So sánh gia phng thc mua hàng truyn thng và mua qua mng
3.3.1 Các bc c bn đ tin hành mt giao dch mua hàng
Bng 3.1 - Các bc c bn đ tin hành mt giao dch
Phng thc mua bán truyn thng Phng thc mua bán qua mng
Chn mt ca hàng ng ý có bán sn
phm mà mình qua tâm(quen, đc gii
thiu, tình c).
Chn mt Website ng ý có bán sn phm
mà mình qua tâm(quen, đc gii thiu,
tìm kim trên mng).
Xem xét các sn phm đc trình bày
trong ca hàng.
Duyt danh sách các mt hàng trên trang
Web.
Nh ngi bán hàng tìm sn phm mà
mình mun mua.
Tìm kim sn phm qua các t khóa (nu
trang có h tr).
Nh ngi bán hàng t vn mt hàng phù
hp vi mình.
Ít đc h tr.
Tng tác trc tip, th dùng vi mt
hàng ng ý.
Không có.
So sánh vi các sn phm khác trong ca
hàng hoc mt ca hàng khác.
So sánh vi các sn phm khác trên

o Ngi mua ch có th “thy” ch không th th, tip xúc vi mt hàng.
o Không đc t vn khi không bit phi chn mt hàng nào.
o Không tìm đc mt hàng ng ý vì có quá nhiu s chn la.
3.4 Kh
o sát các trang web bán hàng và s h tr khách hàng ca chúng
Các hot đng h tr khách hàng ra quyt đnh mua hàng qua mng rt đa dng và đc
phân chia theo nhiu cách khác nhau. S phân chia  bng di s dng cách phân loi
ca  tài liu [16], ch ra 3 mc h tr ca DSS là h tr theo hng truy cp, h tr theo
hng giao dch và h tr theo hng quan h.
Bng 3.2 - Phân loi h h tr ra quyt đnh trong E-Commerce
Mc h
tr
c đim
Hng
truy cp
Tt c các trang web tìm kim (không ch riêng cho các trang web mua
bán trc tuyn)
c đim:
• Tìm kim và duyt tuyn tính.
• Tìm kim theo t khóa.
Hng Các trang web  mc này có nhng đc đim sau:

14
giao dch
• Giao din ngi dùng tp trung h tr các hành vi ca ngi
dùng trong các hot đng giao dch, mua hàng, đc bit là hng dn
la chn sn phm.
• Cu trúc d liu website mua hàng và ng dng web server.
• òi hi ni dung, cht lng ca catalog sn phm và giao
din đ ha phi cao.

Danh mc sn phm ca Amazon.com rt phong phú bao gm: sách, đ đin t, đa nhc,
phim nh. S h tr khách hàng chn sn phm là riêng r tng loi sn phm khác nhau.
iu này cng d hiu bi không th đ ngh khách hàng mua mt quyn sách trong khi

15
h đang tìm mua mt máy đin thoi. Chúng ta s tp trung vào h thng h tr trong
mua bán sách ca Amazon.com.
Danh mc sách đ ngh mua (persionalized recommendation): Nh nhiu website E-
commerce khác, Amazon.com đc cu trúc vi các trang thông tin cho mi quyn sách,
đem li các thông tin chi tit v ni dung và mua bán. Danh sách các quyn sách đ ngh
mua kèm đc thy  trang thông tin ca mi cun sách. Tht s, nó gm hai danh sách
đ ngh riêng bit. Phn th nht gm danh sách nhng quyn sách thng mua nht.
Phn th hai là danh sách các tác gi ca nhng quyn sách thng xuyên đc mua. Mi
hot đng duyt danh mc sách, thêm hàng vào gi ca ngi dùng đu đc website ghi
nhn đ làm c s cho vic đa ra các đ ngh này.
Ý kin ca bn (Your Recommendation): Amazon cng khuyn khích khách hàng
phn hi trc tip các cun sách mà h đã đc. Khách hàng đánh giá các cun sách h đã
đ
c trên thang đim 5 t “hated it” đn “loved it”. Nhng đánh giá này s đc dùng nh
là đu vào cho mt c ch đ ngh (recommendation engine). Do đó, khi đánh giá càng
nhiu quyn sách, khách hàng s nhn đc li đ ngh càng chính xác. Hình di cho
phép ta xem vic đánh giá ca khách hàng là lý do đ Amazon đa ra các đ ngh đi vi
các quyn sách khác. Ví d khi ta đánh giá quyn “A Road Ahead” ca Bill Gates thì
Amazon đ ngh ta mt quyn sách khác cng ca Bill Gates là “Bussiness @ the Speed
of Thought”.

Hình 3.1 - Amazon đa ra lý do vì sao các li đ ngh đc đa ra.
Email Notification: c tính này cho phép customers đc bit qua email các sn phm
mi đã thêm vào catalog ca Amazon.com.
Nhn xét ca khách hàng (Customer Comments): Nhn xét ca khách hàng cho phép

cp di. C th ngi dùng s nhn đc danh sách các xe  danh mc đã chn. Vn đ
là danh sách này khá dài. Do đó, các công c h tr xem thông tin nh car review (xem
mô t xe), compare car compare (so sánh xe) đ tip tc tìm mt chic xe phù hp nht.
Các duyt qua danh này khá rm rà nhng cng đáng đ khách hàng b thi gian tìm
kim cho mình chic xe ng ý nht.

Hình 3.4 - Danh mc xe  loi xe ch khách.

3.4.1.d ActiveDecisions.com
Trong môi trng mua bán qua mng, ngi dùng thng không th đánh giá tt c các
tiêu chun so sánh  mc sâu. Vic này đòi hi nhiu thi gian và thao tác phc tp. Do
đó các trang web đa ra kch bn x lý theo 2 bc đ đt đc s h tr khách hàng 
mc sâu. Bc đu tiên, khách hàng thng đc đa ra mt b gm nhiu các sn phm
và ch ra mt b con các la chn tt. Sau đó, các la chn này s đc đánh giá  đ sâu

18
hn, thc hin các so sánh các sn phm trên các thuc tính quan trng và ra quyt đnh
mua. Mt chng trình đóng vai trò là ngi đ ngh (Recommender Agent-RA) s tr
giúp cho khách hàng trong bc đu tiên, đa ra các sn phm la chn. Da vào các
thông tin cung cp đã kho sát trc hoc chính t ngi mua hàng đi vi s thích ca
h mà RA s đ xut mt b sn phm hp dn nht đi vi cá nhân đó. Các hng tip
cn s thích ngi dùng có th chia ra thành hai nhóm: hng đc tính và hng nhu cu.
Mt h thng theo hng đc tính thng yêu cu khách hàng ch ra các s thích v đc
tính ca sn phm nh: môt máy chp nh k thut s phi có đ phân gii ít nht là 4
Mega Pixel. Các tip cn nhu cu s hi ngi dùng ch ra “Nhu cu cá nhân ca h là
gì?”. Ví d tôi cn chp nh ngoi cnh. Cách tip cp theo hng nhu cu nên là mt
phng pháp phù hp đ h tr cho ngi dùng cha có kinh nghim chn sn phm.
Active Decisions Inc. là nhà cung cp hàng đu th gii các gii pháp hng dn mua
hàng. ng dng cung cp bi Active Decisions đem li cho b phn mua hàng, các chi
nhánh và các ng dng t phc v mc tiêu là lôi kéo càng nhiu khách hàng.


20

Hình 3.6 - Các sn phm đ ngh ca HP sau khi chn tr li cho các câu hi.
3.4.1.f Samsungtelecom.com
ây là trang h tr khách hàng tìm kim sn phm theo nhu cu ca khách hàng qua các
câu hi cho ngi dùng la chn. Nu nh  website hpshopping.com các câu hi tp
trung vào “Sn phm cn tìm có đc đim gì?“ thì  đây các câu hi tp trung vào “Ngi
dùng cn mua sn phm đ làm gì?”. Da vào các la chn ca khách hàng website đa
ra các
đin thoi phù hp vi ngi dùng. Cui cùng, sau quá trình đ xut các sn phm
thích hp, trang web s hi ý kin ngi dùng có tha mãn vi nhng sn phm đc đ
xut hay cha.