Ứng dụng kỹ thuật phân cụm và luật kết hợp khai phá dữ liệu khách hàng sử dụng dịch vụ khách sạn
Tóm tắt - Ngày nay, ngành công nghiệp du lịch, đặc biệt là kinh
doanh khách sạn đang phát triển mạnh mẽ. Dữ liệu khách hàng lưu
trú tại khách sạn được lưu trữ chứa rất nhiều tri thức giá trị. Tuy
nhiên, dữ liệu này lại không được khai thác triệt để. Trong khi đó, các
nhà quản trị khách sạn đang rất cần được hỗ trợ về vấn đề chăm
sóc khách hàng, đưa ra chính sách tối ưu trong quản lý từ những tri
thức có được, nếu dữ liệu của khách hàng được khai thác và sử
dụng hiệu quả. Bài báo tập trung nghiên cứu kỹ thuật phân cụm và
luật kết hợp trong khai phá dữ liệu để phân tích dữ liệu khách hàng
lưu trú tại khách sạn, giúp các nhà quản trị có thể nắm được đặc
điểm khách hàng và đưa ra được các quyết định kinh doanh hợp
lý.Trên cơ sở các tri thức phát hiện được, một giao tiếp trên nền web
được xây dựng để người dùng sử dụng các tri thức này vào phân
tích dữ liệu khách hàng sử dụng dịch vụ khi lưu trú tại khách sạn.
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Trang 6
Trang 7
Trang 8
Trang 9
Trang 10
Tóm tắt nội dung tài liệu: Ứng dụng kỹ thuật phân cụm và luật kết hợp khai phá dữ liệu khách hàng sử dụng dịch vụ khách sạn
vironment Nguyễn Thị Kim Ngọc, Huỳnh Thị Kim Hà 105 Nghiên cứu động cơ sử dụng dịch vụ internet banking của khách hàng Researching into the motivation for using internet banking of customers Nguyễn Thị Thanh Nhàn 109 Bàn luận về mối quan hệ giữa trách nhiệm xã hội và hiệu quả hoạt động của doanh nghiệp Discussion on the relationship between social responsibilty and business efficiency of enterprises Lê Hà Như Thảo 113 ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 12(97).2015, QUYỂN 2 1 ỨNG DỤNG KỸ THUẬT PHÂN CỤM VÀ LUẬT KẾT HỢP KHAI PHÁ DỮ LIỆU KHÁCH HÀNG SỬ DỤNG DỊCH VỤ KHÁCH SẠN APPLYING CLUSTERING TECHNIQUE AND ASSOCIATION RULE TO MINE DATA OF CUSTOMERS USING HOTEL SERVICES Nguyễn Văn Chức, Đào Thị Giang Trường Đại học Kinh tế, Đại học Đà Nẵng; chuc.nv@due.edu.vn, giang.dt37K14@gmail.com Tóm tắt - Ngày nay, ngành công nghiệp du lịch, đặc biệt là kinh doanh khách sạn đang phát triển mạnh mẽ. Dữ liệu khách hàng lưu trú tại khách sạn được lưu trữ chứa rất nhiều tri thức giá trị. Tuy nhiên, dữ liệu này lại không được khai thác triệt để. Trong khi đó, các nhà quản trị khách sạn đang rất cần được hỗ trợ về vấn đề chăm sóc khách hàng, đưa ra chính sách tối ưu trong quản lý từ những tri thức có được, nếu dữ liệu của khách hàng được khai thác và sử dụng hiệu quả. Bài báo tập trung nghiên cứu kỹ thuật phân cụm và luật kết hợp trong khai phá dữ liệu để phân tích dữ liệu khách hàng lưu trú tại khách sạn, giúp các nhà quản trị có thể nắm được đặc điểm khách hàng và đưa ra được các quyết định kinh doanh hợp lý.Trên cơ sở các tri thức phát hiện được, một giao tiếp trên nền web được xây dựng để người dùng sử dụng các tri thức này vào phân tích dữ liệu khách hàng sử dụng dịch vụ khi lưu trú tại khách sạn. Abstract - Nowadays, tourism industry, especially hospitality business has been developing strongly. Customer information saved in hotels contains much valuable knowledge. However, this data has not been exploited thoroughly. Meanwhile, the hospitality business managers are yearning for being supported in customer service to make optimal policies on hotel management from the knowledge if the data has been exploited and used effectively. This paper focuses on studying clustering technique and association rule in data mining to analyse customer data in hotels to help the managers understand customer characteristics and make better decisions in business. Based on the knowledge discovered, the research group also builds an interface on a web platform to help users use that knowledge for analysing data of customers using hotels services. Từ khóa - khai phá dữ liệu; phân tích hành vi; phân cụm; luật kết hợp; dịch vụ khách sạn. Key words - data mining; behavior analysis; clustering; association rule; hotel services. 1. Đặt vấn đề Cùng với sự phát triển của ngành du lịch, các khách sạn được liên tục xây dựng với nhiều quy mô khác nhau đã tạo nên sự cạnh tranh không ngừng. Để đáp ứng nhu cầu ngày càng cao của khách du lịch nước ngoài và nội địa, ngoài việc đáp ứng nhu cầu lưu trú của khách hàng thì vấn đề nâng cao chất lượng các dịch vụ khác tại khách sạn cũng rất quan trọng. Du khách sẵn sàng trả thêm các khoản chi phí hợp lý cho các dịch vụ cộng thêm của khách sạn khi nó thực sự cần thiết hoặc khiến họ hài lòng. Để tồn tại và phát triển trong thị trường đầy cạnh tranh này, các doanh nghiệp kinh doanh khách sạn cần hiểu được đối tượng du khách thường xuyên lưu trú tại khách sạn: Họ là ai và họ mong muốn những gì? Mang lại đúng giá trị mà du khách cần là phương pháp đơn giản nhất để phục vụ du khách ít tốn kém chi phí nhất và làm du khách hài lòng nhất. Để làm được điều này, các nhà quản lý cần có một chiến lược hợp lý dài hạn. Trên thực tế, các thông tin về khách hàng lưu trú tại khách sạn được lưu trữ với rất nhiều tri thức có giá trị, song các dữ liệu này lại không được khai thác hiệu quả. Do đó, rất cần có một hệ thống giúp người dùng phân tích các thông tin lưu trú của khách hàng tại khách sạn. Từ đó, các nhà quản trị có thể đưa ra được một số giải pháp hỗ trợ chăm sóc khách hàng, giúp khách sạn chủ động hơn với khách hàng trong việc cung cấp dịch vụ, nhờ đó giúp tăng chất lượng dịch vụ, nâng cao mức độ hài lòng của khách hàng, tăng cơ hội kinh doanh cho khách sạn. Bài báo tập trung nghiên cứu về kỹ thuật phân cụm và luật kết hợp để tìm ra tìm ra được các đặc điểm của từng nhóm khách hàng, biết được mối quan hệ giữa các thuộc tính liên quan đến hành vi lưu trú của khách hàng và dự báo được khả năng sử dụng dịch vụ cũng như khả năng đặt tour du lịch của khách hàng tại khách sạn. 2. Sơ lược về kỹ thuật phân cụm và luật kết hợp 2.1. Phân cụm dữ liệu Phân cụm dữ liệu là qui trình tìm cách nhóm các đối tượng đã cho vào các cụm (clusters), sao cho các đối tượng trong cùng 1 cụm càng giống nhau (similar) càng tốt và các đối tượng khác cụm thì càng khác nhau nhau (Dissimilar) càng tốt [3]. Mục đích của phân cụm là tìm ra bản chất bên trong các nhóm của dữ liệu. Có rất nhiều kỹ thuật phân cụm, như phân cụm phân hoạch, phân cụm phân cấp, phân cụm dựa trên mật độ... Tuy nhiên, không có tiêu chí nào được xem là tốt nhất để đánh giá hiệu quả của phân tích phân cụm, điều này phụ thuộc vào mục đích của bài toán phân cụm [3]. 2.2. Luật kết hợp Trong lĩnh vực Data Mining, mục đích của luật kết hợp (Association Rule - AR) là tìm ra các mối quan hệ giữa các đối tượng trong khối lượng lớn dữ liệu. Nội dung cơ bản của luật kết hợp được tóm tắt như dưới đây [3]. Cho cơ sở dữ liệu giao dịch T gồm tập các giao dịch t1, t2, , tn. T = {t1, t2,, tn}. Mỗi giao dịch ti bao gồm tập các đối tượng I (gọi là itemset). I = {i1, i2, , im}. Một itemset gồm k items gọi là k-itemset. Mục đích của luật kết hợp là tìm ra sự kết hợp (tương quan) giữa các items. Những luật kết hợp này có dạng X →Y Hai tiêu chí rất quan trọng trong việc đánh giá luật kết hợp đó là độ hỗ trợ (support) và độ tin cậy (confidence). Công thức tính độ hỗ trợ và độ tin cậy của luật kết hợp X→Y [1]: 2 Nguyễn Văn Chức, Đào Thị Giang ܵݑݎݐ ሺܺ → ܻሻ ൌ ܲሺܺ ∪ ܻሻ ൌ ݊ሺܺ ∪ ܻሻܰ ܥ݂݊݅݀݁݊ܿ݁ ሺܺ → ܻሻ ൌ ܲሺܻ|ܺሻ ൌ ݊ሺܺ ∪ ܻሻ݊ሺܺሻ Trong đó: ݊ሺܺሻ: Số giao dịch chứa X N: Tổng số giao dịch Các luật kết hợp có độ hỗ trợ và độ tin cậy lớn hơn hoặc bằng độ hỗ trợ tối thiểu (min_sup) và độ tin cậy tối thiểu (min_conf) gọi là các luật mạnh.min_sup và min_conf gọi là các giá trị ngưỡng (threshold) được xác định trước khi sinh các luật kết hợp [1]. 3. Xây dựng hệ thống khai phá dữ liệu khách hàng sử dụng dịch vụ khách sạn 3.1. Mô tả hệ thống Mục đích: Ứng dụng kỹ thuật phân cụm và luật kết hợp phân tích dữ liệu khách hàng sử dụng dịch vụ khách sạn. Đầu vào: Gồm các thông tin khách hàng sử dụng dịch vụ khách sạn: giới tính, quốc tịch, tuổi, nguồn khách,; thông tin về các dịch vụ khách sạn: giặt là, thuê xe, đặt tour. Đầu ra: Đưa ra đặc trưng của từng nhóm khách hàng, dự báo khả năng sử dụng dịch vụ và mối liên hệ giữa các thuộc tính liên quan đến hành vi lưu trú tại khách sạn của khách hàng 3.2. Kịch bản triển khai hệ thống phân tích dữ liệu khách hàng: Hệ thống phân tích dữ liệu khách hàng được tiến hành theo các bước chính như Hình 1. Hình 1. Kịch bản triển khai hệ thống phân tích dữ liệu khách hàng sử dụng dịch vụ khách sạn Bước 1. Thu thập và tiền xử lý dữ liệu Dữ liệu thu thập được gần 2000 mẫu, từ hệ thống quản lý khách sạn Headway của khách sạn Thời Đại ở Đà Nẵng từ đầu năm 2014 đến 3/2015. Dữ liệu ban đầu gồm rất nhiều thuộc tính, sau quá trình tiền xử lý dữ liệu (sử dụng phương pháp trích chọn thuộc tính) để đánh giá mức độ ảnh hưởng của các thuộc tính đến hành vi lưu trú tại khách sạn của khách hàng, mô hình xác định được các thuộc tính như Bảng 1. Bảng 1. Mô tả dữ liệu STT Tên thuộc tính Kiểu dữ liệu Miền giá trị Giải thích 1 ID Nominal 000001-002000 Mã khách hàng, khóa 2 GioiTinh Nominal Nu, Nam Giới tính của khách hàng 3 Tuoi Interval >=18 Độ tuổi của khách hàng 4 QuocTich Nominal VIE, USA, CHN, JPN, AUS, . Quốc tịch của khách hàng 5 NguonKhach Nominal KhachLe, KhachDoan, CongTy Nguồn khách hàng 6 MucDichLuuTru Nominal DuLich, CongTac Mục đích lưu trú của khách hàng 7 ThoiGianLuuTru Nominal >=1, <=12 Thời gian lưu trú của khách hàng (tháng lưu trú) 8 SoNgayLuuTru Interval >=1 Số ngày lưu trú tại khách sạn 9 LoaiPhong Nominal StandardSingle, StandardDouble, StandardTwin, DeluxeSingle, DeluxeDouble, DeluxeTwin, VipSingle, VipDouble Loại phòng khách sạn 10 HinhThucThanhToan Nominal TienMat, The, ChuyenKhoan Hình thức thanh toán 11 GiatLa Nominal Co, Khong Dịch vụ giặt là 12 ThueXe Nominal Co, Khong Dịch vụ thuê xe 13 MuaVeMayBay Nominal Co, Không Dịch vụ mua vé máy bay cho khách 14 DVMiniBar Nominal Co, Khong Dịch vụ mini bar 15 MuaDoGiupKhach Nominal Co, Khong Dịch vụ mua đồ giúp khách 16 ChenhLechHoaDon Nominal Co, Khong Dịch vụ thanh toán hóa đơn cho khách 17 DoiTien Nominal Co, Khong Dịch vụ đổi tiền cho khách 18 DatTourHue Nominal Co, Khong Đặt tour Huế 19 DatTourBaNa Nominal Co, Khong Đặt tour Bà Nà 20 DatTourNHS Nominal Co, Khong Đặt tour Ngũ Hành Sơn 21 CityTour Nominal Co, Khong Đặt City tour 22 DatTourSonTra Nominal Co, Khong Đặt tour Sơn Trà 23 DatTourHoiAn Nominal Co, Khong Đặt tour Hội An 24 DatTourCLC Nominal Co, Khong Đặt tour Cù Lao Chàm 1. Thu thập và tiền xử lý dữ liệu 2. Xây dựng mô hình phân cụm và luật kết hợp 3. Phát hiện tri thức từ mô hình dự đoán 4. Ứng dụng tri thức phát hiện được vào dự đoán khách hàng sử dụng dịch vụ khách sạn ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ ĐẠI HỌC ĐÀ NẴNG, SỐ 12(97).2015, QUYỂN 2 3 Bước 2. Xây dựng mô hình phân cụm và luật kết hợp Mô hình phân cụm và luật kết hợp phân tích dữ liệu khách hàng sử dụng dịch vụ khách sạn được xây dựng trên công cụ khai phá dữ liệu Business Intelligence Development Studio (BIDS) của Microsoft. BIDS là công cụ rất mạnh cho phép triển khai các mô hình khai phá dữ liệu, được sử dụng rộng rãi hiện nay bởi khả năng kết nối dễ dàng với nhiều nguồn dữ liệu, giao diện dễ sử dụng và nhất là khả năng biểu diễn tri thức phát hiện được rất trực quan, dễ hiểu, dễ sử dụng. BIDS được tích hợp vào SQL SERVER 2005 trở về sau trong các phiên bản Enterprise hoặc Development [4]. Sau khi thực hiện các thao tác tiền xử lý dữ liệu để phù hợp với mô hình khai phá dữ liệu, sử dụng Microsoft Clustering với thuật toán K-means và Microsoft Association Rule với thuật toán Apriori trong BIDS để xây dựng mô hình phân tích dữ liệu khách hàng sử dụng dịch vụ khách sạn. Bước 3. Phát hiện tri thức từ mô hình phân cụm và luật kết hợp a. Mô hình phân cụm Hình 2. Kết quả phân cụm dữ liệu Hình 3. Đặc trưng từng cụm dữ liệu Từ mô hình phân cụm, cho ra được đặc trưng 6 nhóm khách hàng như sau: Cụm 1: Cụm này đa số là khách đoàn người nước ngoài, có thời gian lưu trú nhiều ngày, độ tuổi từ 20 đến 40, sử dụng nhiều dịch vụ như giặt là, thuê xe, đặt tour, đổi tiền... Cụm 2: Cụm này đa số là khách lẻ đi du lịch, lưu trú nhiều ngày, vào tháng 1 đến tháng 5, độ tuổi trên 30, thường ở loại phòng Deluxe, thanh toán bằng tiền mặt, sử dụng nhiều dịch vụ như giặt là, minibar, mua vé..., thường đặt Citytour, tour Bà Nà, Hội An. Cụm 3: Cụm này đa số là khách lẻ, đi công tác, tập trung vào tháng 6 đến tháng 12, độ tuổi từ 18 đến 35, thường ở loại phòng Deluxe, thanh toán bằng thẻ hoặc chuyển khoản, sử dụng nhiều dịch vụ như giặt là, thuê xe, đặt tour, đổi tiền... Cụm 4: Cụm này đa số là khách công ty, chỉ lưu trú 1 ngày tại khách sạn, vào tháng 1 đến tháng 5, thường thuê xe, mua vé máy bay..., thanh toán chủ yếu bằng tiền mặt hoặc chuyển khoản. Cụm 5: Cụm này đa số là khách công ty, trong khoảng thời gian từ tháng 1 đến tháng 9, độ tuổi từ 26 đến 38, thường ở các phòng Single, thời gian lưu trú nhiều ngày, nên ngoài mục đích công tác, khách hàng thuộc nhóm này còn kết hợp đi du lịch, khách sạn thường thanh toán chênh lệch hóa đơn cho nhóm khách này. Cụm 6: Cụm này chủ yếu là khách đoàn Việt Nam, có thời gian lưu trú nhiều ngày, thường vào tháng 6 đến tháng 10, tập trung nhiều vào tháng 7, sử dụng nhiều dịch vụ như giặt là, thuê xe, họ thường đặt tour Bà Nà, Cù Lao Chàm, Hội An, hình thức thanh toán bằng tiền mặt. b. Mô hình luật kết hợp Từ mô hình luật kết hợp đã xây dựng, phát hiện được tri thức về mối quan hệ giữa các thuộc tính liên quan đến hành vi lưu trú của khách hàng tại khách sạn. Sau đây là một số luật được trích ra từ mô hình: L1: Khách hàng đặt tour Ngũ Hành Sơn, vào tháng 3 đến tháng 6 thì đặt tour Hội An, với độ tin cậy100%. L2: Khách hàng là khách đoàn, lưu trú tại khách sạn vào tháng 3 đến tháng 6 thì đặt tour Hội An, với độ tin cậy 89,4%. L3: Khách ở loại phòng Deluxe Twin, vào tháng 3 đến tháng 6 thì đặt tour Hội An với độ tin cậy 87,4%. L4: Khách hàng là khách đoàn, đặt City Tour thì sẽ đặt tour Cù Lao Chàm với độ tin cậy 82,4%. Hình 4. Kết quả mô hình luật kết hợp Bước 4. Ứng dụng tri thức phát hiện được vào phân tích dữ liệu khách hàng lưu trú tại khách sạn Dựa vào các tri thức phát hiện được từ mô hình phân cụm và luật kết hợp, một hệ thống giao tiếp được xây dựng trên nền web cho phép người dùng sử dụng để tìm ra đặc điểm từng nhóm khách hàng, dự báo khả năng sử dụng dịch vụ của khách hàng. 4 Nguyễn Văn Chức, Đào Thị Giang Hình 5. Giao tiếp người dùng với hệ thống phân tích dữ liệu khách hàng 4. Kết luận và hướng phát triển Bài báo đã tìm hiểu về lý thuyết kỹ thuật phân cụm và luật kết hợp, từ đó nghiên cứu ứng dụng các kỹ thuật này vào xây dựng mô hình khai phá dữ liệu khách hàng lưu trú tại khách sạn. Dựa vào mô hình khai phá dữ liệu với hai kỹ thuật phân cụm dữ liệu và phát hiện luật kết hợp đã xây dựng, nhóm tác giả đã xây dựng thành công một giao tiếp trên nền web để hỗ trợ việc ra quyết định của các nhà quản lý khách sạn, giúp đưa ra được các chính sách riêng cho từng nhóm khách hàng, dự báo hành vi sử dụng dịch vụ khách sạn cũng như đặt tour du lịch của khách hàng. Trong thời gian tới sẽ nghiên cứu mở rộng sang lĩnh vực du lịch nhằm nâng cao hiệu quả trong việc phân tích hành vi du lịch của khách du lịch tại các công ty du lịch lữ hành. TÀI LIỆU THAM KHẢO [1] Nguyễn Đức Thuần, Nhập môn khai phá dữ liệu và quản trị tri thức, NXB Thông tin và Truyền thông, 2013. [2] Trần Thị Kim Hằng, Ứng dụng khai phá dữ liệu dự đoán bệnh đái tháo đường, Luận văn 2014. [3] Jiawei Han and Micheline Kamber, Datamining: Concepts and Techniques, Simon Fraser University, 2011. [4] JamieMacLennan, Z.T., Bogdan Crivat, Data Mining with Microsoft SQL Server 2008, Indianapolis, Indiana: Wiley Publishing, Inc, 2008. [5] [6] (BBT nhận bài: 24/07/2015, phản biện xong: 23/09/2015)
File đính kèm:
- ung_dung_ky_thuat_phan_cum_va_luat_ket_hop_khai_pha_du_lieu.pdf