Ứng dụng mạng Neural xây dựng mô hình đánh giá sự hài lòng của các nhà quảng cáo đối với công ty quảng cáo

BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ THÀNH PHỐ HỒ CHÍ MINH

ĐINH THỊ NHUNG

ỨNG DỤNG PHƯƠNG PHÁP MẠNG NEURAL
XÂY DỰNG MÔ HÌNH ĐÁNH GIÁ SỰ HÀI LÒNG
CỦA CÁC NHÀ QUẢNG CÁO ĐỐI VỚI CÁC
CÔNG TY QUẢNG CÁO

LUẬN VĂN THẠC SỸ KINH TẾ

TP.Hồ Chí Minh – Năm 2013


BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM

ĐINH THỊ NHUNG

ỨNG DỤNG MẠNG NEURAL XÂY
DỰNG MÔ HÌNH ĐÁNH GIÁ SỰ HÀI
LÒNG CỦA CÁC NHÀ QUẢNG CÁO ĐỐI
VỚI CÔNG TY QUẢNG CÁO
Chuyên ngành: Quản trị kinh doanh
Mã số: 60340102

LUẬN VĂN THẠC SỸ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC:
GS.TS. HỒ ĐỨC HÙNG

TP.HCM, NĂM 2013


LỜI CAM ĐOAN
Tôi xin cam đoan đây là công trình nghiên cứu riêng của tôi. Các số liệu, kết quả
nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công
trình nào khác.
Tôi xin cam đoan các tài liệu tham khảo trong luận văn đã được ghi rõ nguồn gốc.


MỤC LỤC
TRANG PHỤ BÌA
LỜI CAM ĐOAN
MỤC LỤC
DANH MỤC CÁC TỪ VIẾT TẮT
DANH MỤC CÁC HÌNH VẼ
DANH MỤC CÁC BẢNG
CHƯƠNG 1. MỞ ĐẦU ........................................................................................ 1
1.1.

Lý do chọn đề tài .............................................................................................................. 1

1.2.

Mục tiêu nghiên cứu......................................................................................................... 1

1.3.

Đối tượng và phạm vi nghiên cứu ................................................................................... 2

1.4.

Phương pháp nghiên cứu................................................................................................. 2

1.5.

Ý nghĩa thực tiễn .............................................................................................................. 2

1.6.

Nội dung đề tài nghiên cứu .............................................................................................. 3

CHƯƠNG 2. CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU .............. 4
2.1.

Khái niệm về mạng neural .............................................................................................. 4

2.1.1.

Mạng neural sinh học............................................................................................... 4

2.1.2.

Một số dạng thông dụng của hàm tác động (Activation function) ....................... 6

2.1.4.

Phân loại mạng neural ............................................................................................. 8

2.2.

2.1.4.1.

Phân loại mạng neural ..................................................................................... 8

2.1.4.2.

Một số loại mạng neural .................................................................................. 8

2.1.4.3.

Những ưu điểm và ứng dụng mạng neural .................................................. 14

Ngành công nghiệp quảng cáo ...................................................................................... 15

2.2.1.

Khái niệm về quảng cáo......................................................................................... 15

2.2.2.

Thực trạng ngành công nghiệp quảng cáo ........................................................... 17

2.3.

SỰ HÀI LÒNG KHÁCH HÀNG .................................................................................. 19

2.3.1.

Định nghĩa về sự hài lòng ...................................................................................... 19

2.3.2.

Các mô hình về sự hài lòng.................................................................................... 20


2.4.

2.3.2.1.

Mô hình Kano về sự hài lòng khách hàng .................................................... 20

2.3.2.2.

Mô hình hài lòng khách hàng theo chức năng và quan hệ của Parasuman
22

CHẤT LƯỢNG DỊCH VỤ ............................................................................................ 22

2.4.1.

Định nghĩa về chất lượng dịch vụ ......................................................................... 22

2.4.2.

Các mô hình chất lượng dịch vụ ........................................................................... 23

2.4.2.1.

Mô hình 5 thành phần chất lượng dịch vụ (Parasuraman & cộng sự, 1985)
23

2.4.2.2.

Mô hình 4P (McCarthy, 1960) ...................................................................... 24

2.4.2.3.

Mô hình SERVQUAL (Parasuraman, 1988) ............................................... 24

2.4.2.4.

Mô hình FSQ and TSQ (GrÖnroos, 1984) ................................................... 24

2.5.

CHẤT LƯỢNG CỦA MỐI QUAN HỆ........................................................................ 25

2.6.

MÔ HÌNH NGHIÊN CỨU ............................................................................................ 27

2.7.

Tóm tắt ............................................................................................................................ 29

CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU ............................................. 30
3.1.

Giới thiệu ........................................................................................................................ 30

3.2.

Thiết kế nghiên cứu và quy trình nghiên cứu .............................................................. 30

3.3.

Nghiên cứu sơ bộ ............................................................................................................ 32

3.4.

Nghiên cứu chính thức ................................................................................................... 32

3.4.1.

Xác định kích thước mẫu ...................................................................................... 32

3.4.2.

Đối tượng và hình thức thu thập dữ liệu .............................................................. 33

3.4.3.

Các thang đo nghiên cứu ....................................................................................... 33

3.4.4.

Kế hoạch phân tích dữ liệu .................................................................................... 35

3.5.

Tóm tắt ............................................................................................................................ 36

CHƯƠNG 4. KẾT QUẢ NGHIÊN CỨU ......................................................... 38
4.1.

Giới thiệu ........................................................................................................................ 38

4.2.

Thống kê mô tả ............................................................................................................... 38

4.2.1.

Mô tả mẫu ............................................................................................................... 38

4.2.2.

Mô tả các biến ........................................................................................................ 41

4.3.

Đánh giá thang đo ........................................................................................................ 44

4.3.1.

Đánh giá thang đo bằng hệ số Cronbach alpha ................................................... 44

4.3.2.

Đánh giá thang đo bằng phân tích nhân tố .......................................................... 49


4.4.

4.3.2.1.

Thang đo chất lượng dịch vụ......................................................................... 49

4.3.2.2.

Thang đo chất lượng mối quan hệ ................................................................ 51

4.3.2.3.

Thang đo Sự hài lòng khách hàng ................................................................ 52

Phân tích mô hình mạng neural.................................................................................... 52

4.4.1.

4.4.1.1.

Phân chia và chuẩn hóa dữ liệu .................................................................... 53

4.4.1.2.

Xác định cấu trúc mạng ................................................................................. 55

4.4.1.3.

Huấn luyện mạng ........................................................................................... 58

4.4.1.4.

Điều kiện dừng huấn luyện............................................................................ 59

4.4.2.

Kết quả sau khi huấn luyện ................................................................................... 61

4.4.2.1.

Đánh giá mô hình mạng ................................................................................. 64

4.4.2.2.

Kiểm tra mô hình mạng đối với tập kiểm định ........................................... 64

4.4.2.3.

Đồ thị phân tán ............................................................................................... 66

4.4.2.4.

Biểu đồ phân phối phần dư ........................................................................... 66

4.4.2.5.

Phân tích độ nhạy ........................................................................................... 67

4.4.3.
4.5.

Xây dựng mô hình mạng ....................................................................................... 53

Nhận xét kết quả phân tích bằng mạng neural ................................................... 69

Tóm tắt ............................................................................................................................ 70

CHƯƠNG 5. KẾT LUẬN .................................................................................. 71
5.1.

Kết quả nghiên cứu ........................................................................................................ 71

5.2.

Quá trình nghiên cứu ..................................................................................................... 71

5.3.

Phân tích số liệu.............................................................................................................. 71

5.4.

Hàm ý cho các nhà quản trị .......................................................................................... 72

5.5.

Hạn chế đề tài ................................................................................................................. 73

5.6.

Hướng mở rộng đề tài .................................................................................................... 74

TÀI LIỆU THAM KHẢO ................................................................................. 75
PHỤ LỤC ............................................................................................................ 81


DANH MỤC CÁC TỪ VIẾT TẮT
RBF: Mạng hàm cơ sở xuyên tâm
MLP: Mạng dẫn tiến
RMSE: Sai số bình phương trung bình


DANH MỤC CÁC HÌNH VẼ
Hình 2.1.

Mô hình mạng neural sinh học

Hình 2.2.

Mô hình neural của Mc. Culloch và Pitts (1943)

Hình 2.3.

Đồ thị một số hàm tác động

Hình 2.4.

Tiến trình học trong mạng neural

Hình 2.5.

Mạng dẫn tiến một lớp

Hình 2.6.

Mạng dẫn tiến nhiều lớp

Hình 2.7.

Mô hình mạng bán kính xuyên tâm

Hình 2.8.

Ngõ ra của neural lớp ẩn

Hình 2.9.

Mạng hồi quy không có neural ẩn và không có vòng lặp tự phản hồi

Hình 2.10.

Mạng hồi quy có các neural ẩn

Hình 2.11.

Mô hình Kano về sự hài lòng của khách hàng

Hình 2.12.

Mô hình hài lòng theo chức năng và quan hệ của Parasuraman 1988

Hình 3.1.

Quy trình nghiên cứu

Hình 4. 1.

Ngân sách quảng cáo của mẫu nghiên cứu

Hình 4. 2.

Các loại dịch vụ quảng cáo mẫu nghiên cứu

Hình 4. 3.

Lĩnh vực kinh doanh của mẫu nghiên cứu

Hình 4. 4.

Chương trình hồi qui dùng mạng Neural

Hình 4. 5.

Lựa chọn và phân chia dữ liệu

Hình 4. 6.

Xác định số neural trong lớp ẩn trong quá trình huấn luyện

Hình 4. 7.

Lựa chọn các hàm tác động

Hình 4. 8.

Giá trị trọng số và hàm lỗi

Hình 4. 9.

Giá trị hàm lỗi theo số lần lặp của quá trình huấn luyện

Hình 4. 10.

Kết quả sau khi chạy mô hình mạng neural

Hình 4. 11.

Mô hình mạng sau khi huấn luyện

Hình 4. 12.

Sơ đồ mô hình mạng neural

Hình 4. 13.

Biểu đồ so sánh giữa giá trị tính toán và giá trị thực tế

Hình 4. 14.

Kết quả phân tích độ nhạy


DANH MỤC CÁC BẢNG
Bảng 4.1.

Thống kê ngân sách dành cho quảng cáo của mẫu nghiên cứu

Bảng 4.2.

Dịch vụ quảng cáo

Bảng 4.3.

Các loại hình kinh doanh

Bảng 4.4.

Bảng thống kê các biến

Bảng 4.5.

So sánh giá trị sai số của các mô hình


1

CHƯƠNG 1. MỞ ĐẦU
1.1.

Lý do chọn đề tài

Trong xu thế của xã hội hiện đại, quảng cáo đã giúp doanh nghiệp đưa sản phẩm
đến với khách hàng. Tình hình kinh tế càng khó khăn, các doanh nghiệp càng đầu
tư cho hoạt động quảng cáo của mình và đặc biệt là càng quan tâm về tính hiệu quả
của quảng cáo. Nếu như trước đây, doanh nghiệp tự làm quảng cáo cho mình thì
hiện nay, để tăng được tính hiệu quả doanh nghiệp cần đến công ty quảng cáo để
lên chiến lược, ý tưởng và kế hoạch quảng cáo. Chính điều này đã dẫn đến số
lượng các công ty quảng cáo ở Việt Nam tăng lên đột biến trong những năm gần
đây.Tuy nhiên, theo Hiệp hội Quảng cáo Việt Nam, ngành công nghiệp quảng cáo
Việt Nam chưa làm tròn vai trò của mình, phát triển tự do mà không theo một trình
tự nào. Bài nghiên cứu này nhằm xác định các nhân tố ảnh hưởng đến sự hài lòng
của các nhà quảng cáo sử dụng dịch vụ của các công ty quảng cáo. Từ một góc
nhìn thực tế, bài nghiên cứu cung cấp một nền tảng lý thuyết hữu ích cho các công
ty quảng cáo có các giải pháp nâng cao sự hài lòng của khách hàng đối với mình.
Hiện nay, mạng thần kinh nhân tạo (Artificial neural networks) là một kỹ
thuật tương đối phức tạp nhưng có nhiều ưu điểm và được sử dụng nhiều trong các
ứng dụng thuộc lĩnh vực khoa học kỹ thuật với nhiều mục đích nghiên cứu khác
nhau. Do đó, khác với các nghiên cứu truyền thống trước đây sử dụng phương pháp
hồi quy, nghiên cứu này đề xuất phương pháp tiếp cận đo lường sự hài lòng khách
hàng dựa trên mạng thần kinh nhân tạo.
1.2.

Mục tiêu nghiên cứu

Khám phá ra các nhân tố có liên quan đến sự hài lòng của các nhà quảng cáo đối
với các công ty quảng cáo. Vì vậy, vấn đề của luận văn nhằm:

Xác định các nhân tố ảnh hưởng đến sự hài lòng khách hàng khi sử dụng dịch vụ
của các công ty quảng cáo.
Xây dựng thang đo đo lường các nhân tố trên.


2

Phân tích các nhân tố tác động đến sự hài lòng khách hàng
Ứng dụng phương pháp mạng neural để xây dựng mô hình và đánh giá mức độ
thoả mãn của khách hàng khi sử dụng dịch vụ của công ty quảng cáo.
1.3.

Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu là sự hài lòng của các nhà quảng cáo đối với các công ty
quảng cáo.
Phạm vi nghiên cứu là các nhà quảng cáo ở Việt Nam.
1.4.

Phương pháp nghiên cứu

Theo thông lệ từ các nghiên cứu khác nhau đo lường sự hài lòng trên thế giới chẳng
hạn như khảo sát sự hài lòng khách hàng ở Châu Âu và chỉ số sự hài lòng khách
hàng ở Mỹ, bài nghiên cứu này sử dụng phương pháp khảo sát (Coelho & Esteves
2007) để thu thập dữ liệu. Dữ liệu được thu thập bằng bảng câu hỏi thông qua nền
tảng internet.
Mẫu của nghiên cứu này bao gồm các nhà quảng cáo của Việt Nam có sử dụng các
dịch vụ quảng cáo của các công ty quảng cáo, bao gồm cả các họat động nhằm
khuyếch trương và xây dựng hình ảnh nhãn hiệu, phát triển thị trường phân phối,
thúc đẩy bán lẻ, tiêu dùng.

Sau khi xem xét tài liệu, các nhân tố có thể giải thích sự hài lòng tổng thể của nhà
quảng cáo đã được xác định. Nhân tố được chứng minh trước đây là mối quan hệ
tích cực tác động đến sự hài lòng đối với một dịch vụ được xem xét. Các câu hỏi có
hai phần. Phần đầu tiên giải quyết sự hài lòng với chất lượng dịch vụ được cung cấp
bởi công ty quảng cáo, trong khi đó phần thứ hai xử lý chất lượng mối quan hệ.
Bảng câu hỏi được sử dụng thang đo Likert năm điểm.
1.5.

Ý nghĩa thực tiễn

Kết quả nghiên cứu sẽ giúp các công ty cung cấp dịch vụ quảng cáo đánh giá được
chất lượng dịch vụ đã cung cấp trong thời gian qua. Bằng phương pháp tiếp
cận mạng neural để xác định các yếu tố ảnh hưởng chính đến sự hài lòng khách
hàng một cách phi tuyến tính. Dựa trên các yếu tố này, các công ty quảng cáo có


3

các giải pháp nhằm nâng cao chất lượng dịch vụ, tăng thêm mức độ thoả mãn của
khách hàng, đầu tư vào các trọng tâm đó để tránh các lãng phí không cần thiết.
1.6.

Nội dung đề tài nghiên cứu

Đề tài nghiên cứu được chia thành 5 chương với nội dung cụ thể như sau:
Chương 1: Mở đầu
Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu
Chương 3: Phương pháp nghiên cứu
Chương 4: Kết quả nghiên cứu
Chương 5: Kết luận

4

CHƯƠNG 2. CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU
2.1.

Khái niệm về mạng neural

2.1.1. Mạng neural sinh học
Theo bài nghiên cứu Li, W. & Li, C. (2006), mạng neural nhân tạo (ANN - Artificial
neural Networks) là mạng được xây dựng bằng cách sao chép lại các nguyên lý tổ
chức của hệ neural của con người. Bộ óc của con người là một hệ neural gồm có 1010
đến 1012 neurals được tổ chức có cấu trúc vào khoảng 200 mô hình khác nhau dưới
dạng nhiều lớp.

Hình 2.1.

Mô hình mạng neural sinh học

“Nguồn: Li, W. & Li, C. (2006)”
Cấu trúc cơ bản của một neural của hệ neural con người gồm: các đầu vào
(dendrite), thân neural (soma) và đầu ra (axon). Mỗi neural có nhiều đầu vào và chỉ
một đầu ra. Thân neural là phần tử xử lý có chức năng thu nhận tất cả các thông tin
đến từ các đầu vào, tính toán và đưa ra quyết định ở ngõ ra để gởi thông tin đến các
neural khác. Synap (terminal buttons) là khớp nối giữa đầu vào của neural này với
đầu ra của neural khác .
Tín hiệu điện áp được truyền từ neural này sang neural khác. Tín hiệu điện áp
dương được coi như là tín hiệu kích động (excitory) để kích động neural gởi tín
hiệu đến nhiều neural khác và điện áp âm được xem như là tín hiệu ức

5

chế (inhibitory) để ức chế neural gởi tín hiệu đến nhiều neural khác. Điện áp không
thì không có tín hiệu kết nối giữa hai neural.
Đối với hệ neural con người có cấu trúc cơ bản gồm: Lớp neural đầu vào (lớp này
được kết nối với các phần tử cảm biến như miệng, mắt, tai, mũi và da), các lớp
neural ẩn và lớp neural đầu ra (lớp này được kết nối với các phần tử cơ như tay,
chân). Cường độ kết nối synap xác định lượng tín hiệu truyền đến đầu vào và giá trị
cường độ synap được gọi là trọng số.
Để xây dựng một mạng neural nhân tạo giống như hệ neural con người,
McCulloch, W. & Pitts, W. (1943) đã đề ra cấu trúc cơ bản của một neural thứ i
trong mô hình của mạng neural nhân tạo như sau:

X1

Wi1

X2

Wi2

Xm

Wim

∑

a (.)

yi

θi

Hình 2.2.

Mô hình neural của Mc. Culloch và Pitts (1943)

xj(k): tín hiệu vào thứ j ở thời điểm k
yi(k): tín hiệu ra của neural i ở thời điểm k
wij : trọng số trên tín hiệu vào thứ j
θt : ngưỡng tác động của neural i
f : hàm tích hợp (integration function)
a(.): hàm chuyển hay hàm tác động (activation function) Khi đó đầu ra sẽ là:
yi(k)=a(
wij biểu diễn cường độ kết nối giữa neural thứ j với neural thứ i. wij > 0 tương ứng
với tín hiệu kích động, wij < 0 tương ứng với tín hiệu ức chế và wij = 0 thì không có
sự kết nối giữa hai neural .


6

2.1.2. Một số dạng thông dụng của hàm tác động (Activation function)
Hàm bước nhảy đơn vị:

a(f) =

Hàm dấu:

a(f) =

Hàm dốc:

a(f) =

Hàm tuyến tính:

a(f) = net =f

Hàm sigmod đơn cực:

a(f)=

, λ>0

Hàm sigmod lưỡng cực:

a(f)=

- 1, λ>0

Hình 2.3.

Đồ thị một số hàm tác động

A) Hàm bước nhảy, B) Hàm dấu, C)Hàm dốc, D) Hàm tuyến tính
E) Hàm sigmod đơn cực, F) Hàm sigmod lưỡng cực
“Nguồn: Mc. Culloch và Pitts (1943)”

7

2.1.3. Tiến trình học
Tiến trình học là tiến trình quan trọng của con người, nhờ học mà bộ não
ngày càng tích lũy những kinh nghiệm để thích nghi với môi trường và xử lý tình
huống tốt hơn. Mạng neural xây dựng lại cấu trúc bộ não thì cần phải có khả năng
nhận biết dữ liệu thông qua tiến trình học, với các thông số tự do của mạng có thể
thay đổi liên tục bởi những thay đổi của môi trường và mạng neural ghi nhớ giá trị
đó.

Hình 2.4.

Tiến trình học trong mạng neural

“Nguồn: Mc. Culloch và Pitts (1943)”
Trong quá trình học, giá trị đầu vào được đưa vào mạng và theo dòng chảy trong
mạng tạo thành giá trị ở đầu ra.
Tiếp đến là quá trình so sánh giá trị tạo ra bởi mạng neural với giá trị thực đã có.
Nếu hai giá trị này giống nhau thì không thay đổi gì cả. Tuy nhiên, nếu sai lệch
giữa hai giá trị này vượt quá giá trị sai số mong muốn thì quá trình sẽ đi
ngược mạng từ đầu ra về đầu vào để thay đổi một số kết nối.
Đây là một quá trình lặp liên tục và có thể không dừng khi không tìm các giá trị
trọng số kết nối sao cho đầu ra tạo bởi mạng neural bằng đúng đầu ra mong
muốn. Do đó trong thực tế người ta phải thiết lập tiêu chuẩn dựa trên một giá trị sai


8

số nào đó của hai giá trị này, hay dựa trên một số lần lặp xác định.

Để tiện cho việc trình bày, ta ký hiệu y là giá trị kết xuất của mạng neural, t là giá trị
ra mong muốn, e là sai lệch giữa hai giá trị này: e = t – y
2.1.4. Phân loại mạng neural
2.1.4.1.

Phân loại mạng neural

Trong nghiên cứu của Ravi, S.B., Warren, W.F. & Jos G.A.M (2002), mạng neural
được phân loại theo 2 dạng chính:
Phân loại theo cấu trúc liên kết gồm có mạng truyền thẳng và mạng hồi tiếp.
Phân loại theo số lớp gồm có mạng đơn lớp và mạng đa lớp.
2.1.4.2.

Một số loại mạng neural

a. Mạng dẫn tiến
Có thể nói mạng neural dẫn tiến là một kiểu mạng đơn giản trong việc sắp
đặt mạng. Trong mạng này thông tin chỉ truyền trên một hướng duy nhất, từ lớp
đầu vào, qua lớp ẩn (nếu có) và kết thúc tại lớp đầu ra.
Mạng dẫn tiến một lớp (Single layer perceptron)
Trong một mạng neural một lớp, các neural được tổ chức dưới dạng chỉ có lớp đầu
vào và lớp đầu ra.
x1

y1

x2

y2

xm

yn

Lớp đầu vào

Lớp đầu ra
Hình 2.5.

Mạng dẫn tiến một lớp

“Nguồn: Ravi, S.B., Warren, W.F. & Jos G.A.M (2002)”


9

Mạng dẫn tiến nhiều lớp (Multilayer perceptron)
Là mạng dẫn tiến kết nối các dữ liệu đầu vào với dữ liệu đầu ra tương ứng. Nó bao
gồm từ ba (hoặc nhiều hơn) lớp mạng neural với các hàm tác động phi
tuyến tính. Mỗi nút trong một lớp kết nối với mọi nút của mạng tiếp theo
khác thông qua trọng số (weight).
Lớp neural đầu vào của mạng có m đầu vào, đó là x1, …, xi, …, xm. Lớp
neural ẩn có r phần tử xử lý với các đầu ra, đó là z1, …, zq,…, zr và lớp neural đầu ra
của mạng có n phần tử xử lý với n đầu ra, đó là y1,…, yi…, yn. Trọng số kết nối giữa
đầu vào thứ j của lớp neural đầu vào với phần tử xử lý thứ q của lớp neural ẩn là vqj
và trọng số kết nối giữa phần tử xử lý thứ q của lớp neural ẩn với phần tử xử lý thứ i
của lớp neural đầu ra là wiq như ở hình 2.6.
xj (j=1...m)

vqj

zq
(q=1...r)

Yi (i=1...n)

wjq

x1

y1

x2

y2

xm
Lớp đầu vào

yn
Lớp ẩn
Hình 2.6.

Lớp đầu ra

Mạng dẫn tiến nhiều lớp

“Nguồn: Ravi, S.B., Warren, W.F. & Jos G.A.M (2002)”
Dữ liệu huấn luyện : {x(k), d(k), k =1, 2, … p}

10

Lớp ẩn
 netq =
 Zq = f(netq) = f(
Lớp ra
 neti =

(hàm tích hợp ở neural thứ i)

=

 yi = f(neti) = f(
(hàm tác động ở neural thứ i)
Hàm mục tiêu:
 E(w) =
Quá trình huấn luyện (luật học lan truyền ngược)
Bước 1: Chọn tốc độ học

0 , chọn sai số cực đại Emax

Bước 2: Đặt giá trị đầu E = 0, k = 1
Gán giá trị ngẫu nhiên cho các trọng số.
Bước 3: Tính ngõ ra của mạng với tín hiệu vào là x(k):
yi(k) = f(neti) = f(

) = f(

Cập nhật trọng số cho lớp ẩn và lớp ra của mạng:

Tính sai số tích lũy:
E= E +
Thưc hiện vòng lặp ở bước 3 với k chạy từ 1 đến p
Bước 4: Kết thúc một chu trình huấn luyện
Nếu E < Emax thì kết thúc quá trình học
Nếu E > Emax thì gán E = 0, k = 1 và trở lại bước 3.
Chú ý: Trong mạng dẫn tiến nhiều lớp, việc huấn luyện mạng dùng giải thuật


11

lan truyền ngược chịu tác động bởi các yếu tố:


Trị khởi động của các trọng số: các trọng số nên khởi động với các giá
trị bé và ngẫu nhiên. Các giá trị lớn của vector trọng số có thể làm hàm
tác động bão hòa khi bắt đầu học.



Hằng số học:
thể chọn

lớn sẽ hội tụ nhanh nhưng có thể gây vọt lố, do đó có

giảm dần



Hàm mục tiêu - Luật học.



Dữ liệu huấn luyện.



Số nút ẩn.

b. Mạng hàm cơ sở xuyên tâm (RBF - Radial Basics Function network)
Trong mạng dẫn tiến nhiều lớp, lớp đầu vào kết nối với lớp ẩn là sự kết hợp tuyến
tính của các đầu vào thông qua ma trận trọng số. Còn trong mạng hàm cơ sở xuyên
tâm (RBF) thì các neural ẩn được tính toán dựa trên các hàm cơ sở bán kính của
các đầu vào.
Mạng RBF có thể được huấn luyện nhanh chóng và do có cấu trúc mạng đặc biệt
nên mạng RBF rất ít khi rơi vào các vùng cực trị cực tiểu.
Cấu trúc mạng RBF: cũng là mạng truyền thẳng ba lớp.
Lớp ẩn sử dụng:
Hàm tổng ngõ vào có dạng hàm cầu
Hàm kích hoạt là hàm Gass có dạng: φ(x) =
Lớp ra sử dụng:
Hàm tổng ngõ vào là hàm tuyến tính. Hàm kích hoạt là hàm kích hoạt đơn vị trong
mạng RBF thì ngưỡng của các neural là bằng 0.


12

Hình 2.7.

Mô hình mạng bán kính xuyên tâm

“Nguồn: Ravi, S.B., Warren, W.F. & Jos G.A.M (2002)”
Các phương trình tính toán truyền tín hiệu từ lớp vào đến lớp ra của mạng:
Ngõ ra của neural thứ q (thuộc lớp ẩn)
Zq =
Trong đó:

X là vector ngõ vào
mq là tâm hàm RBF (trọng số của neural lớp ẩn thứ q)
q là bề rộng hàm RBF của neural ẩn thứ q
=

khoảng cách Euclide


13

Ngõ ra của neural lớp ẩn

Hình 2.8.

“Nguồn: Ravi, S.B., Warren, W.F. & Jos G.A.M (2002)”
Ngõ ra của neural thứ i (thuộc lớp ra):
yi =

i=

.q=

.

Hàm sai số:
E=
Khi sử dụng mạng RBF, ta cần chú ý các điểm sau:
 Lựa chọn dạng hàm kích hoạt

phù hợp với mô hình.

 Tính toán số lượng tâm tối ưu. Nếu nhiều tâm quá sẽ không đủ dữ liệu để huấn
luyện mạng, còn nếu tâm ít quá sẽ cho mô hình sai lệch.
 Tìm vị trí tâm và số lượng dữ liệu thích hợp để huấn luyện mạng.
c. Mạng neural quy hồi
Là những mô hình với hai luồng dữ liệu có hướng. Trong khi mạng dẫn tiến truyền
dữ liệu theo một đường thẳng thì những mạng neural quy hồi có ít nhất một phản
hồi từ những neural xử lý sau quay trở lại các neural xử lý trước đó.


14

Hình 2.9. Mạng hồi quy không có neural ẩn và không có vòng lặp tự phản hồi
“Nguồn: Ravi, S.B., Warren, W.F. & Jos G.A.M (2002)”

Hình 2.10.

Mạng hồi quy có các neural ẩn

“Nguồn: Ravi, S.B., Warren, W.F. & Jos G.A.M (2002)”
2.1.4.3.

Những ưu điểm và ứng dụng mạng neural

Một cách tổng quát, phân tích đa hồi quy được dùng để giải thích mối quan hệ giữa
các yếu tố nhận thức của khách hàng và sự hài lòng của họ. Các hệ số hồi quy sẽ giải
thích được mức độ quan trọng của mỗi yếu tố lên sự hài lòng (Rust, R.T., Zahorik,
A.J., Keiningham, T.L., 1994). Tuy nhiên, việc giải thích như vậy ít nhiều sẽ xảy ra


15

sự tương quan trong mối quan hệ bên trong giữa các yếu tố độc lập và sẽ dẫn đến vấn
đề đa cộng tuyến.
Việc sử dụng giải thuật mạng neural nhân tạo được xem là một lựa chọn
trong cách tiếp cận phân tích đa hồi quy và đã có nhiều bài nghiên cứu cho thấy sự
tốt hơn của mạng neural trong việc phân tích đa hồi quy (Fausett, L., 1994).
Mạng neural nhân tạo mô phỏng tri thức con người bằng việc thiết lập mô hình
những mạng thần kinh song song trong não sử dụng những hàm toán học. Việc áp
dụng mạng neural đã được xem xét và áp dụng ở một số bài báo trước đây.
Theo Johnson, M. D. & Gustafsson, A. (2000), những ưu điểm của mạng neural so
với phân tích đa hồi quy được nêu ra:
Mức độ phức tạp trong mối quan hệ của mô hình hồi quy bị giới hạn đối với mô
hình tuyến tính. Giải thuật mạng neural có thể giải quyết mối quan hệ phi tuyến
giữa các yếu tố ảnh hưởng và sự hài lòng khách hàng.
Thứ hai, mô hình mạng neural không bị phụ thuộc vào mô hình chi tiết
như phân tích đa hồi quy. Trong mô hình hồi quy, người phân tích phải mô tả rõ
mối quan hệ bằng một hàm toán học giữa các biến khám phá giải thích
được (explanatory variables) với biến đáp ứng (response variable) dựa trên các
giả thiết và kiến thức trước đó. Trong khi đó, đối với mạng neural, bản
thân mạng sẽ “tự học” và tìm ra mối quan hệ tiềm ẩn trong chuỗi dữ liệu.
Thứ ba, mạng neural tự động đánh giá mức độ ảnh hưởng bên trong có thể của hai
hoặc nhiều yếu tố độc lập đối với sự hài lòng. Theo cách này, mạng neural có thể

đưa ra sự ảnh hưởng khi kết hợp của 2 hay nhiều yếu tố với nhau lên sự hài lòng.
Cuối cùng, mạng neural giảm thiểu vấn đề đa cộng tuyến hơn so với phân tích hồi
quy.
2.2.

Ngành công nghiệp quảng cáo

2.2.1. Khái niệm về quảng cáo
Quảng cáo là một hình thức giao tiếp, tiếp thị và được sử dụng để khích lệ hoặc
thuyết phục đối tượng (khán giả, độc giả hay thính giả, đôi khi một nhóm cụ thể). Kết


16

quả mong muốn thường là hướng người tiêu dùng chấp thuận một lời đề nghị thương
mại. Mục đích của quảng cáo cũng có thể để trấn an nhân viên, cổ đông rằng hiện tại
công ty đang phát triển bền vững. Thông điệp quảng cáo thường được trả cho các nhà
tài trợ và được xem trên phương tiện truyền thông khác nhau, bao gồm phương tiện
truyền thông đại chúng như báo chí, quảng cáo truyền hình, tạp chí, đài phát thanh
quảng cáo, quảng cáo ngoài trời, hoặc cách thức mới như blog, web hoặc tin nhắn.
Các mục tiêu quảng cáo xác định của hai loại cơ bản của quảng cáo: quảng cáo doanh
nghiệp và quảng cáo sản phẩm:


Quảng cáo doanh nghiệp: loại hình quảng cáo này thiên về quảng bá thương
hiệu công ty hơn là bán sản phẩm. Mục đích là cải thiện hình ảnh, uy tín, và
quan hệ của công ty với các đối tác giao dịch. Nó không chỉ bao gồm người
tiêu dùng và công ty, mà còn các nhà cung cấp, cổ đông, nhân viên và cộng
đồng nói chung. Quảng cáo doanh nghiệp tập trung vào thương hiệu và uy tín
của công ty. Loại hình quảng cáo này đôi khi được sử dụng bởi các công ty lớn

với nhiều phân nhánh để hợp nhất thương hiệu. Nó cũng được sử dụng để đẩy
mạnh sản phẩm công ty trong thị trường.



Quảng cáo sản phẩm: mục tiêu là bán một sản phẩm. Phương thức này nhằm
vào đối tượng người dùng cuối hoặc nhà đại diện và nhà phân phối. Quảng cáo
sản phẩm có thể được phân loại như tiên phong, cạnh tranh và quảng cáo nhắc
nhở.

Quảng cáo tiên phong phát triển các nhu cầu cơ bản, đó là nhu cầu về một loại sản
phẩm chứ không phải là một thương hiệu cụ thể. Quảng cáo này được áp dụng
trong giai đoạn đầu giới thiệu sản phẩm với khách hàng tiềm năng.
Quảng cáo cạnh tranh để phát triển nhu cầu lựa chọn, đó thường là nhu cầu sản
phẩm của một nhà sản xuất cụ thể hơn là một loại sản phẩm chung chung. Một công
ty đổi mới thường được dựa vào quảng cáo cạnh tranh theo như vòng đời sản phẩm.
Sau quá trình tiên phong, hầu hết các nhà sản xuất đang cung cấp các sản phẩm
cạnh tranh, các công ty phải sáng tạo những ưu điểm vượt trội cho sản phẩm của