Advanced
Please use this identifier to cite or link to this item: https://digital.lib.ueh.edu.vn/handle/UEH/69202
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorDr. Bùi Thanh Hiếuen_US
dc.contributor.authorVũ Hoàng Hà Linhen_US
dc.date.accessioned2023-08-30T01:48:10Z-
dc.date.available2023-08-30T01:48:10Z-
dc.date.issued2023-
dc.identifier.otherBarcode: 1000015886-
dc.identifier.urihttps://opac.ueh.edu.vn/record=b1035381~S1-
dc.identifier.urihttps://digital.lib.ueh.edu.vn/handle/UEH/69202-
dc.description.abstractVới xu hướng phát triển mạnh mẽ của ngành bán lẻ hiện nay, các siêu thị đang đối mặt với áp lực cạnh tranh lẫn nhau trong và ngoài ngành, nhưng trên hết là sự phát triển của ngành vẫn đang rất tích cực, dẫn đến bắt buộc các siêu thị phải không ngừng nỗ lực để cải thiện tất cả mọi thứ thuộc về mình từ hình thức đến chất lượng. Trong guồng quay của sự phát triển đó, dữ liệu và dữ liệu lớn cũng đã xuất hiện và bắt đầu cho thấy sự cần thiết trong việc phải nắm bắt việc sở hữu, phân tích nó. Cụ thể hơn, dữ liệu mà người tiêu dùng mua trong giỏ hàng của họ chính là một kho tàng giúp cho doanh nghiệp có thể khai thác triệt để từ đó nâng cao năng lực tiếp thị, năng lực kinh doanh của mình. Khai thác giỏ hàng của khách hàng chính là đang nói đến Phân tích giỏ hàng và các luật kết hợp, trong đó phổ biến nhất chính là Apriori và FP-Growth. Dù ra đời cũng đã khá nhiều năm nhưng hai thuật toán vẫn chứng minh được năng lực vượt trội của nó trong việc tìm kiếm và xây dựng nên một hệ thống đề xuất hợp lý và hiệu quả. Đồng thời sự ra đời của dữ liệu lớn cũng là tiền đề để các siêu thị và đại siêu thị bổ sung và đầu tư cho mình một hệ thống phân tích hoàn chỉnh hơn, đạt hiệu quả tối ưu về không gian và thời gian. Trong phần bài nghiên cứu này, tác giả có sử dụng phân tích dữ liệu thông thường và phân tích dữ liệu lớn với thư viện PySpark của Python để xây dựng mô hình đề xuất sắp xếp sản phẩm trên kệ hàng dựa trên kỹ thuật phân tích giỏ hàng với hai thuật toán Apriori và FP-Growth áp dụng cho đại siêu thị Lotte Mart. Kết quả ban đầu cho thấy có thể tìm thấy 22 luật kết hợp tốt phù hợp phục vụ cho những nhu cầu của Lotte Mart, đồng thời dữ liệu lớn cũng mang đến tốc độ gấp 4 lần so với phân tích dữ liệu thường. Nghiên cứu này có ý nghĩa thực tiễn cao trong việc tối ưu hóa quy trình sắp xếp sản phẩm trên kệ hàng của siêu thị Lotte Mart nói riêng, và cũng đóng góp thêm cho lĩnh vực phân tích dữ liệu trong phân tích giỏ hàng cho các siêu thị và đại siêu thị nói chung, từ đó các doanh nghiệp này sẽ có thể tối ưu hiệu quả kinh doanh và nâng cao trải nghiệm của khách hàng trong hành trình mua sắm của mình.en_US
dc.format.medium69 tr.en_US
dc.language.isoVietnameseen_US
dc.publisherTrường Đại học Kinh tế Tp. Hồ Chí Minh-
dc.subjectSiêu thịen_US
dc.subjectSupermarketen_US
dc.subjectHài lòng khách hàngen_US
dc.subjectCustomer satisfactionen_US
dc.subjectTrải nghiệm khách hàngen_US
dc.subjectCustomer experienceen_US
dc.titleHệ thống đề xuất sắp xếp sản phẩm cho chuỗi siêu thị Lotte Mart dựa trên phân tích giỏ hàngen_US
dc.typeMaster's Thesesen_US
ueh.specialityInformation Design and Technology (by Coursework) = Công nghệ thiết kế thông tin và truyền thông (hướng ứng dụng)en_US
item.languageiso639-1Vietnamese-
item.cerifentitytypePublications-
item.grantfulltextreserved-
item.openairetypeMaster's Theses-
item.fulltextFull texts-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
Appears in Collections:MASTER'S THESES
Files in This Item:

File

Description

Size

Format

Show simple item record

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.