Giải pháp đẩy mạnh ứng dụng thực tế ảo (AR) và trí tuệ nhân tạo tạo sinh (Gen AI) trong lĩnh vực thương mại điện tử

ThS. Lại Doãn Anh Tuấn
Trường Đại học Hùng Vương Thành phố Hồ Chí Minh
ThS. Trần Thị Lâm Sơn Vân
Công ty cổ phần Meta Foods

(Quanlynhanuoc.vn) – Nghiên cứu thực tế ảo (AR) và trí tuệ nhân tạo tạo sinh (Gen AI) để khám phá tiềm năng khi kết hợp hai công nghệ tiên tiến này nhằm nâng cao trải nghiệm khách hàng và tăng cường hiệu quả kinh doanh trong ngành thương mại điện tử. Thực tế ảo cho phép khách hàng trực quan hóa sản phẩm trong môi trường thực tế, trong khi trí tuệ nhân tạo tạo sinh cá nhân hóa các gợi ý sản phẩm, tạo nội dung quảng cáo và hỗ trợ chăm sóc khách hàng dựa trên hành vi và sở thích. Sự kết hợp này không chỉ giúp doanh nghiệp nâng cao khả năng cạnh tranh mà còn đặt nền tảng cho sự phát triển bền vững trong bối cảnh số hóa toàn cầu hóa ngày càng mạnh mẽ.

Từ khóa: Thực tế ảo; trí tuệ nhân tạo tạo sinh; dữ liệu lớn; trải nghiệm khách hàng thương mại điện tử.

1.  Đặt vấn đề

Trong kinh doanh hiện đại, việc kết hợp công nghệ thông tin và các chiến lược tiếp thị là rất quan trọng để doanh nghiệp phát triển trong môi trường cạnh tranh gay gắt. Khi thị trường thay đổi và cách tiêu dùng của người mua cũng thay đổi theo, các doanh nghiệp cần phải áp dụng linh hoạt các công cụ kết hợp với các phương pháp mới. Điều này giúp họ hiểu rõ hơn về khách hàng và giữ vững vị trí của mình trên thị trường. Sự tiến bộ nhanh chóng của công nghệ số đã tạo ra những thay đổi lớn trong cách các doanh nghiệp thương mại tiếp cận và tương tác với khách hàng. 

Các doanh nghiệp đang tận dụng dữ liệu lớn (Big Data) và công nghệ hiện đại để phát triển các chiến lược tiếp thị toàn diện và hướng đến khách hàng. Việc triển khai các giải pháp tiếp thị sáng tạo và dựa trên đa kênh không chỉ giúp tăng cường khả năng cạnh tranh mà còn bảo đảm sự phát triển bền vững. Đặc biệt, thực tế ảo (AR) và trí tuệ nhân tạo tạo sinh (Generative AI – Gen AI) đã nổi lên như những công nghệ tiên phong, mang lại khả năng tương tác chân thực và cung cấp các đề xuất sản phẩm phù hợp với từng cá nhân và giúp cải thiện trải nghiệm mua sắm của người dùng (AWS for Industries 2021)¹. Nghiên cứu tập trung đánh giá vai trò của AR và GenAI trong việc tạo ra các trải nghiệm mua sắm mới, từ cá nhân hóa nội dung, trực quan hóa sản phẩm đến tăng cường tương tác với khách hàng. Bên cạnh đó, nghiên cứu cũng cung cấp các giải pháp giúp doanh nghiệp duy trì khả năng cạnh tranh, đáp ứng nhu cầu ngày càng cao của thị trường và khai thác tối đa tiềm năng từ sự kết hợp của hai công nghệ này.

2.  Tổng quan lý thuyết

2.1. Dữ liệu lớn

Sự phát triển nhanh chóng của Internet, Internet vạn vật (IoT) và điện toán đám mây đã dẫn đến sự bùng nổ dữ liệu trong hầu hết mọi ngành và lĩnh vực kinh doanh (Jin và cộng sự, 2015)². Với sự gia tăng về quy mô mạng lưới và số lượng người dùng, việc ứng dụng Big Data trong các mạng xã hội đã xuất hiện (Su & Zu, 2017)³.

Wamba và cộng sự (2015)⁴ định nghĩa Big Data là một phương pháp tiếp cận toàn diện để quản lý và phân tích, kỷ nguyên Big Data được hình dung là ranh giới tiếp theo cho sự đổi mới. Việc tích hợp Big Data vào các chiến lược quản lý tiếp thị đã cách mạng hóa sự hiểu biết về người tiêu dùng và tạo ra giá trị (Bheekharry, 2019; Pantano, 2020)⁵. Sử dụng Big Data và phân tích đã được chứng minh là mang lại lợi thế cạnh tranh bằng cách cho phép các doanh nghiệp có được những hiểu biết sâu sắc về hành vi của người tiêu dùng (Ertemel, 2015)⁶.

Big Data có thể thay đổi sự cạnh tranh giữa các doanh nghiệp bằng cách “chuyển đổi quy trình, thay đổi hệ sinh thái doanh nghiệp và tạo điều kiện cho sự đổi mới” (Santoro và cộng sự, 2019)⁷. Các nền tảng và hệ thống tiên tiến đã được phát minh và áp dụng để xử lý Big Data, mang lại lợi thế hơn các phương pháp truyền thống trong nhiều khía cạnh của quản lý và phân tích dữ liệu (Sheng và cộng sự, 2017)⁸. Khai thác hiệu quả thông tin chi tiết từ Big Data về người tiêu dùng giúp các công ty xây dựng mô hình kinh doanh năng động và điều này sẽ cải thiện hiệu suất của công ty, đồng thời đẩy nhanh quá trình tạo ra giá trị của công ty (Erevelles và cộng sự, 2016; Ferraris và cộng sự, 2018)⁹. Big Data đang đóng vai trò ngày càng quan trọng trong lĩnh vực thương mại điện tử, giúp các doanh nghiệp tối ưu hóa hoạt động và cải thiện trải nghiệm khách hàng. Với khả năng thu thập và phân tích lượng dữ liệu khổng lồ từ nhiều nguồn khác nhau, các nền tảng thương mại điện tử có thể hiểu rõ hơn về hành vi và sở thích của người tiêu dùng. Điều này cho phép họ tạo ra các chiến dịch tiếp thị cá nhân hóa, dự đoán xu hướng tiêu dùng và tối ưu hóa quản lý tồn kho.

2.2.Trí tuệ nhân tạo tạo sinh (Gen AI)

Các doanh nghiệp ngày càng tham gia vào thương mại điện tử vì nhu cầu tăng cao của khách hàng đối với các dịch vụ trực tuyến và khả năng tạo ra lợi thế cạnh tranh của nó (Gielens & Steenkamp ​​2019)¹⁰. Do đó, việc phát triển năng lực triển khai và sử dụng trí tuệ nhân tạo (AI) trong một doanh nghiệp thậm chí còn quan trọng hơn đối với khả năng cạnh tranh của doanh nghiệp (Nayal và cộng sự, 2021)¹¹. 

Ứng dụng AI trong tiếp thị đang nhận được sự quan tâm ngày càng tăng từ các học giả tiếp thị (Huang & Rust, 2021)¹², AI mô phỏng khả năng học hỏi, phân tích và đưa ra quyết định của bộ não con người (Mikalef & Gupta, 2021)¹³. Công nghệ này cũng có thể xác định người mua tiềm năng và dự đoán nhu cầu, xu hướng và hành vi của thị trường (Marjerison và cộng sự, 2022)¹⁴. Có thể nói, AI trong thương mại điện tử sử dụng các kỹ thuật, hệ thống, công cụ hoặc thuật toán AI để hỗ trợ các hoạt động liên quan đến việc mua và bán sản phẩm hoặc dịch vụ qua internet. Một trong những lĩnh vực AI có những tiến bộ trong những năm gần đây là trí tuệ nhân tạo tạo sinh (GenAI). Tổ chức Hợp tác và Phát triển Kinh tế (OECD) định nghĩa GenAI là “một công nghệ có thể tạo nội dung, bao gồm văn bản, hình ảnh, âm thanh hoặc video, khi được người dùng nhắc nhở” (Lorenz và cộng sự, 2023)¹⁵. GenAI là một nhánh của máy học có khả năng tạo ra nội dung mới ở nhiều dạng khác nhau như văn bản, hình ảnh, âm thanh, mã máy tính và video đang tìm thấy ứng dụng trong nhiều lĩnh vực (McKinsey & Company, 2023)¹⁶. 

GenAI đã có những bước tiến đáng kể trong những năm gần đây, đặc biệt là trong lĩnh vực các mô hình ngôn ngữ lớn (Large language models – LLM). LLM là các hệ thống AI được đào tạo trên một lượng lớn dữ liệu văn bản, cho phép chúng tạo ra văn bản giống con người, trả lời các câu hỏi và thực hiện nhiều tác vụ ngôn ngữ khác nhau (Bommasani và cộng sự, 2021)¹⁷. Các ứng dụng tiềm năng của các mô hình LLM và GenAI rất đa dạng, từ các nhiệm vụ xử lý ngôn ngữ tự nhiên như dịch thuật và tóm tắt (Raffel và cộng sự, 2020)¹⁸ đến các công việc sáng tạo như viết truyện và tạo mã (Brown và cộng sự, 2020)¹⁹. Những mô hình này có khả năng cách mạng hóa nhiều ngành công nghiệp bao gồm chăm sóc sức khỏe, giáo dục và kinh doanh bằng cách tự động hóa các nhiệm vụ và cung cấp hỗ trợ thông minh (Deloitte, 2020)²⁰. GenAI đã nổi lên như một lực lượng chuyển đổi, cách mạng hóa cách các nhà bán lẻ tương tác với khách hàng, quản lý hoạt động và thu hẹp khoảng cách giữa các kênh trực tuyến và ngoại tuyến (Davenport và cộng sự, 2020)²¹. 

Có thể thấy, GenAI vượt trội hơn nhờ khả năng tạo ra nội dung mới, sáng tạo văn bản, hình ảnh, video và âm thanh thay vì chỉ phân tích hoặc dự đoán dựa trên dữ liệu có sẵn. GenAI cung cấp mức độ cá nhân hóa cao, tự động hóa linh hoạt và khả năng xử lý ngôn ngữ tự nhiên vượt trội, giúp tạo ra nội dung độc đáo và phù hợp với nhu cầu cụ thể của từng người dùng. GenAI nâng cao trải nghiệm mua sắm trên nền tảng thương mại điện tử bằng cách cá nhân hóa gợi ý sản phẩm dựa trên hành vi tiêu dùng, tạo nội dung quảng cáo và mô tả sản phẩm hấp dẫn cũng như hỗ trợ khách hàng qua chatbot thông minh. Công nghệ này giúp tự động hóa quy trình tiếp thị, cung cấp thông tin phù hợp với từng khách hàng,đồng thời dự đoán xu hướng tiêu dùng và tối ưu hóa chiến lược bán hàng.

2.3.Thực tế ảo

Công nghệ thực tế ảo (Virtual reality – VR) là một giao diện do máy tính tạo ra mô phỏng môi trường thực tế (Zheng và cộng sự, 1998)²². Công nghệ VR cũng cho phép người tiêu dùng tận hưởng trải nghiệm mua sắm ảo mà không cần đến các cửa hàng truyền thống và cung cấp các giải pháp cho ngành bán lẻ để tối đa hóa tiềm năng tiếp thị bằng cách chuyển mua sắm ngoại tuyến sang mua sắm trực tuyến ảo. Để cung cấp trải nghiệm cho khách hàng, các cửa trực tuyến sử dụng thực tế ảo bằng cách tái tạo thế giới thực (Herz & Rauschnabel, 2019)²³, VR cho phép người tiêu dùng trải nghiệm bầu không khí của cửa hàng mà không cần thực sự đến cửa hàng. Các thiết bị VR này cũng dễ sử dụng, bằng cách phát video VR người tiêu dùng có thể trải nghiệm cửa hàng ảo và vượt qua giới hạn về vị trí địa lý. Các cửa hàng trực tuyến không chỉ có thể cung cấp những trải nghiệm kỹ thuật số mới lạ cho người tiêu dùng mà còn đạt được những lợi thế thiết thực, chẳng hạn như giờ mở cửa không giới hạn, đồng thời mang lại cảm giác như đang ở trong một cửa hàng tương tự như khi mua sắm tại một cửa hàng thực tế. Sự xuất hiện và tầm quan trọng của VR như một công nghệ đầy hứa hẹn trong bối cảnh mua sắm và bán lẻ (Cowan & Ketron, 2019)²⁴.

3.  Ứng dụng thực tế ảo và trí tuệ nhân tạo tạo sinh trong thương mại điện tử ở Việt Nam hiện nay

Doanh số thương mại điện tử toàn cầu dự kiến ​​sẽ đạt tổng 7,5 nghìn tỷ USD vào năm 2025. Đến năm 2026, ước tính doanh số thương mại điện tử bán lẻ trên thế giới sẽ vượt quá 8,1 nghìn tỷ đô la và tổng thể thị phần thương mại điện tử trong doanh số bán lẻ sẽ đạt 24%²⁵.

Theo Sách trắng thương mại điện tử Việt Nam năm 2023²⁶, CAGR của doanh thu bán lẻ thương mại điện tử trong 6 năm (2017 – 2023) đạt 22,1%, Việt Nam đã ghi nhận doanh thu ấn tượng đạt 20,5 tỷ USD vào năm 2023. Theo nghiên cứu từ Datareportal²⁷, Việt Nam hiện có 72,70 triệu người dùng mạng xã hội vào năm 2024 , chiếm 73,3% dân số. Sự phát triển của thương mại xã hội và tiếp thị người có sức ảnh hưởng đã bổ sung thêm một chiều hướng mới cho bối cảnh thương mại điện tử. 

Chính phủ Việt Nam đang tích cực thúc đẩy các hoạt động thương mại điện tử trong các doanh nghiệp.  Quyết định số 645/QĐ-TTg ngày 15/5/2020 của Thủ tướng Chính phủ phê duyệt Kế hoạch tổng thể phát triển thương mại điện tử quốc gia giai đoạn 2021 – 2025 đã đưa ra khuôn khổ, chiến lược và chính sách cập nhật để tăng cường hoạt động thương mại điện tử và hỗ trợ sự phát triển của nền kinh tế số. Đây là cơ hội cho các doanh nghiệp mở rộng quy mô, đổi mới công nghệ và đáp ứng nhu cầu ngày càng tăng của người tiêu dùng. Xu hướng chuyển đổi từ bán lẻ truyền thống sang thương mại điện tử đang được thúc đẩy mạnh mẽ nhờ hành vi mua sắm trực tuyến ngày càng phổ biến, đặc biệt khi khách hàng ưu tiên sự tiện lợi, trải nghiệm cá nhân hóa và khả năng tiếp cận sản phẩm mọi lúc, mọi nơi. Bên cạnh đó, các doanh nghiệp có thể tận dụng thương mại điện tử để mở rộng thị trường quốc tế, xây dựng thương hiệu số mạnh mẽ và áp dụng chiến lược bán hàng đa kênh nhằm tối đa hóa hiệu quả kinh doanh.

Sự kết hợp giữa VR, GenAI và Big Data giúp tối ưu hóa trải nghiệm khách hàng, tự động hóa quy trình vận hành và tăng cường hiệu quả chuỗi cung ứng. VR xây dựng các showroom ảo cho phép khách hàng trên toàn cầu trải nghiệm sản phẩm một cách trực quan. Big Data phân tích dữ liệu từ các khu vực khác nhau để doanh nghiệp phát triển chiến lược phù hợp với từng thị trường. GenAI tự động hóa quá trình dịch thuật nội dung và gợi ý sản phẩm theo ngôn ngữ, văn hóa địa phương, giúp doanh nghiệp dễ dàng tiếp cận và xây dựng lòng tin với khách hàng quốc tế. Mặc dù mang lại nhiều tiềm năng nhưng việc ứng dụng VR, GenAI và Big Data trong mua hàng trực tuyến cũng đối mặt với không ít thách thức, cụ thể:

Một là, chi phí triển khai cao. Việc áp dụng VR, GenAI và Big Data đòi hỏi một khoản đầu tư lớn vào cơ sở hạ tầng công nghệ và thiết bị hiện đại. Doanh nghiệp cần mua sắm phần cứng VR, máy chủ lưu trữ và xử lý Big Data, cũng như các hệ thống AI mạnh mẽ. Đối với GenAI, chi phí vận hành mô hình (như GPT) cũng khá cao, đặc biệt với các doanh nghiệp vừa và nhỏ (Chodak & Ropuszyńska-Surma, 2023)²⁸.

Hai là, bảo mật và quyền riêng tư dữ liệu. Big Data và GenAI thu thập và phân tích lượng lớn dữ liệu cá nhân từ khách hàng như thông tin mua sắm, hành vi trực tuyến và sở thích. Sử dụng AI đặt ra các vấn đề liên quan đến việc bảo vệ dữ liệu nhạy cảm của khách hàng, đòi hỏi các tiêu chuẩn bảo mật mạnh mẽ (Narula và cộng sự, 2024 ; Shah & Jhanjhi, 2024)²⁹, nếu không kiểm soát được sẽ dẫn đến nguy cơ rò rỉ hoặc bị khai thác dữ liệu trái phép, gây tổn hại đến lòng tin của khách hàng. Các cuộc tấn công mạng nhằm vào hệ thống Big Data đang ngày càng gia tăng, đòi hỏi doanh nghiệp phải đầu tư mạnh vào các giải pháp bảo mật tiên tiến và tuân thủ các quy định pháp lý như quy định bảo vệ dữ liệu cá nhân của Liên minh Châu Âu (General Data Protection Regulation – GDPR) có hiệu lực từ tháng 5 năm 2018 hoặc luật bảo vệ quyền riêng tư của người tiêu dùng (California Consumer Privacy Act – CCPA) được áp dụng tại bang California, Mỹ có hiệu lực từ tháng 1 năm 2020.

Ba là, yêu cầu cao về xử lý dữ liệu. Các hệ thống GenAI và Big Data đòi hỏi khả năng xử lý dữ liệu mạnh mẽ, tiêu tốn nhiều tài nguyên. Điều này không chỉ làm gia tăng chi phí về phần cứng và năng lượng mà còn gây áp lực lớn trong việc duy trì hiệu suất hệ thống ổn định khi lượng dữ liệu tăng nhanh. Đối với VR, các thiết bị như kính thực tế ảo, cảm biến và phần mềm đi kèm đòi hỏi khả năng xử lý đồ họa cao, điều này có thể khiến trải nghiệm của khách hàng bị gián đoạn nếu không được tối ưu (Kips và cộng sự, 2022) ³⁰.

Bốn là, khó khăn trong việc đào tạo và tiếp nhận công nghệ. Việc đào tạo đội ngũ nhân viên để làm chủ các công nghệ mới như VR, GenAI và Big Data là một thách thức (He & Wang, 2024)³¹. Không phải tất cả nhân sự đều có thể nhanh chóng làm quen và sử dụng các công nghệ phức tạp này. Hơn nữa, với những khách hàng không quen thuộc với công nghệ có thể gặp khó khăn khi sử dụng VR hoặc các tính năng được cá nhân hóa do GenAI cung cấp.

Năm là, tốc độ phát triển công nghệ. Công nghệ VR, GenAI và Big Data đang phát triển với tốc độ chóng mặt, đòi hỏi doanh nghiệp liên tục cập nhật và nâng cấp các hệ thống của mình. Điều này không chỉ tốn kém mà còn đòi hỏi doanh nghiệp phải thích nghi nhanh chóng với những thay đổi, tránh tình trạng tụt hậu so với đối thủ cạnh tranh.

4.  Đề xuất giải pháp

Thứ nhất, để giải quyết thách thức về chi phí triển khai cao, các doanh nghiệp có thể áp dụng các giải pháp như sử dụng dịch vụ đám mây (Cloud Computing) để giảm chi phí đầu tư ban đầu. Các nền tảng như AWS, Microsoft Azure hay Google Cloud cho phép doanh nghiệp thuê tài nguyên tính toán và lưu trữ theo nhu cầu, thay vì phải mua sắm và duy trì cơ sở hạ tầng phần cứng đắt đỏ. Ngoài ra doanh nghiệp cũng có thể hợp tác chiến lược với các công ty công nghệ để chia sẻ chi phí phát triển.

Thứ hai, về vấn đề bảo mật và quyền riêng tư dữ liệu, các doanh nghiệp cần triển khai các giải pháp mã hóa dữ liệu tiên tiến (data encryption) để bảo vệ thông tin trong quá trình lưu trữ và truyền tải. Đồng thời, xây dựng hệ thống kiểm soát truy cập nghiêm ngặt, chỉ cho phép nhân sự được ủy quyền truy cập vào dữ liệu. Việc tuân thủ các tiêu chuẩn bảo mật quốc tế như GDPR hoặc CCPA cũng giúp doanh nghiệp bảo đảm tính pháp lý và xây dựng lòng tin với khách hàng. Hơn nữa, doanh nghiệp nên đầu tư vào hệ thống giám sát an ninh mạng thời gian thực, sử dụng các công cụ như SIEM (Security Information and Event Management) để phát hiện và ứng phó kịp thời với các mối đe dọa.

Thứ ba, để đáp ứng nhu cầu tính xử lý dữ liệu có thể áp dụng kiến trúc phân tán (distributed computing) nhằm chia nhỏ khối lượng công việc, giảm áp lực lên các tài nguyên trung tâm. Ngoài ra, việc sử dụng các mô hình AI nhẹ (lightweight models) như distilGPT hoặc các phiên bản nhỏ gọn khác của transformer sẽ giảm thiểu tài nguyên cần thiết mà vẫn bảo đảm hiệu quả. Các doanh nghiệp cũng nên cân nhắc thuê ngoài (outsourcing) các dịch vụ tính toán từ các nhà cung cấp lớn để giảm gánh nặng về hạ tầng công nghệ. Hơn nữa, tích hợp công nghệ edge computing cho phép xử lý dữ liệu tại nguồn, giảm thiểu nhu cầu truyền Big Data về máy chủ trung tâm.

Thứ tư, việc cung cấp tài liệu hướng dẫn chi tiết và dễ tiếp cận, như video hướng dẫn hoặc tài liệu trực tuyến cũng giúp nhân sự nhanh chóng làm quen với công nghệ. Ngoài ra, hợp tác với các tổ chức giáo dục và đào tạo chuyên sâu là một giải pháp hiệu quả để nâng cao năng lực đội ngũ nhân viên. Đối với khách hàng, doanh nghiệp nên tích hợp các công nghệ với giao diện thân thiện và dễ sử dụng, giảm thiểu rào cản trong việc tiếp cận và trải nghiệm công nghệ mới.

Thứ năm, trước tốc độ phát triển của công nghệ, doanh nghiệp cần ưu tiên sử dụng các giải pháp có khả năng mở rộng linh hoạt, bảo đảm rằng hệ thống hiện tại có thể dễ dàng nâng cấp khi cần thiết. Việc liên tục theo dõi và cập nhật xu hướng công nghệ cũng rất quan trọng, có thể xây dựng đội ngũ chuyên trách hoặc hợp tác với các đối tác công nghệ để hỗ trợ trong việc đánh giá và triển khai các xu hướng mới. Trước khi triển khai trên diện rộng, doanh nghiệp nên áp dụng chiến lược thử nghiệm (pilot project) để bảo đảm tính khả thi và hiệu quả của công nghệ. Cuối cùng, xây dựng kế hoạch nâng cấp định kỳ sẽ giúp doanh nghiệp tránh tình trạng tụt hậu và bảo đảm luôn đi đầu trong việc ứng dụng công nghệ mới.

5. Kết luận

Sự phát triển không ngừng của công nghệ số đã và đang thay đổi cách thức mua sắm trực tuyến, mở ra những trải nghiệm hoàn toàn mới cho người tiêu dùng. Trong đó VR và GenAI được xem là hai công nghệ tiên tiến đóng vai trò then chốt trong việc nâng cao trải nghiệm khách hàng và tối ưu hóa hiệu quả kinh doanh. Với khả năng tạo ra các tương tác trực quan, nội dung cá nhân hóa và quy trình tự động hóa thông minh, hai công nghệ này không chỉ giúp tối ưu hóa hành trình mua sắm mà còn tăng cường lòng tin và sự hài lòng của khách hàng. Tuy còn nhiều thách thức nhưng việc áp dụng từng bước và thử nghiệm nhỏ lẻ trước khi mở rộng là chiến lược khả thi để giảm thiểu rủi ro. Nếu vượt qua được các rào cản này, VR và GenAI không chỉ giúp nâng cao trải nghiệm khách hàng mà còn mở ra cơ hội mới cho các doanh nghiệp trong việc gia tăng lợi thế cạnh tranh và định hình tương lai của thương mại điện tử trong kỷ nguyên số.

Chú thích:
1. AWS for Industries. (2021). How Immersive Technologies Are Changing the Retail Landscape. https://aws.amazon.com/it/blogs/industries/how-immersive-technologies-are-changing-the-retail-landscape/
2. Jin X, Wah BW, Cheng X, Wang Y. Significance and challenges of big data research. Big data research. 2015;2(2):59-64. https://doi.org/10.1016/j.bdr.2015.01.006.
3. Su, Z.; Xu, Q. Security-Aware Resource Allocation for Mobile Social Big Data: A Matching-Coalitional Game Solution. IEEE Trans. Big Data 2017, 7, 632–642 DOI:10.1109/TBDATA.2017.2700318.
4. Wamba SF, Akter S, Edwards A, Chopin G, Gnanzou D. How ‘big data’ can make big impact: findings from a systematic review and a longitudinal case study. International Journal of Production Economics. 2015; 165: 234–246. https://doi.org/10.1016/j.ijpe.2014.12.031
5. Bheekharry, N. D., & Singh, U. G. (2019). Integrating Information Technology and Marketing for Better Customer Value. In Advances in Intelligent Systems and Computing (pp. 1–9). Springer Singapore. https://doi.org/10.1007/978-981-13-3338-5_1
6. Pantano, E., Giglio, S., & Dennis, C. (2020). Integrating Big Data Analytics Into Retail Services Marketing Management. In Handbook of Research on Innovations in Technology and Marketing for the Connected Consumer (pp. 205–222). IGI Global. DOI:10.1088/1742-6596%2F1684%2F1%2F012016
7. Ertemel.AV (2015). Consumer insight as competitive advantage using big data and analytics.
8. Santoro G, Fiano F, Bertoldi B, Ciampi F. Big data for business management in the retail industry. Management Decision. 2019; 57(8): 1980–1992. DOI:10.1108/MD-07-2018-0829
9. Sheng J, Amankwah-Amoah J, Wang XJ. A multidisciplinary perspective of big data in management research. International Journal of Production Economics. 2017;191:97-112. DOI:10.1016/j.ijpe.2017.06.006
10. Erevelles S, Fukawa N, Swayne L. Big Data consumer analytics and the transformation of marketing. Journal of Business Research. 2016;69(2):897–904. doi: 10.1016/j.jbusres.2015.07.001.
11. Ferraris A, Mazzoleni A, Devalle A, Couturier J. Big data analytics capabilities and knowledge management: Impact on firm performance. Management Decision. 2018;57(8):1923–1936. doi: 10.1108/MD-07-2018-0825.
12. Gielens K, Steenkamp J-BEM. Branding in the era of digital (dis)intermediation. International Journal of Research in Marketing. 2019;36(3):367–384. doi: 10.1016/j.ijresmar.2019.01.005.
13. Nayal K., Raut R., Priyadarshinee P., Narkhede B. E., Kazancoglu Y., Narwane V. (2021). Exploring the role of artificial intelligence in managing agricultural supply chain risk to counter the impacts of the COVID-19 pandemic. doi: 10.1108/IJLM-12-2020-0493.
14. Huang M, Rust RT. A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science. 2021;49(1):30–50. doi: 10.1007/s11747-020-00749-9.
15. Mikalef P., Gupta M. (2021). Artificial intelligence capability: conceptualization, measurement calibration, and empirical study on its impact on organizational creativity and firm performance. doi: 10.1016/j.im.2021.103434
16. Marjerison, R.K., Zhang, Y., Zheng, H. (2022), Al in E-Commerce: Application of the Use and Gratification Model to The Acceptance of Chatbots, Sustainability, 14(21). https://doi.org/10.3390/su142114270
17. Lorenz, P., K. Perset and J. Berryhill (2023). Initial Policy Considerations for Generative Artificial Intelligence, OECD Artificial Intelligence Papers, No. 1, OECD Publishing, Paris. Available at: https://doi.org/10.1787/fae2d1e6-en
18. McKinsey & Company (2023) Economic Potential of Generative AI. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
19. Bommasani, R., Hudson, D. A., Adeli, E., Altman, R., Arora, S., von Arx, S., … & Liang, P. (2021). On the opportunities and risks of foundation models. DOI:10.48550/arXiv.2108.07258
20. Raffel, C., Shazeer, N., Roberts, A., Lee, K., Narang, S., Matena, M., … & Liu, P. J. (2020). Exploring the limits of transfer learning with a unified text-to-text transformer. Journal of Machine Learning Research, 21, 1-67.  https://doi.org/10.48550/arXiv.1910.10683
21. Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., … & Amodei, D. (2020). Language models are few-shot learners. DOI:10.48550/arXiv.2005.14165
22. Deloitte (2020). Thriving in the era of pervasive AI. https://www2.deloitte.com/content/dam/Deloitte/cn/Documents/about-deloitte/deloitte-cn-dtt-thriving-in-the-era-of-persuasive-ai-en-200819.pdf
23. Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48, 24-42. https://doi.org/10.1007/s11747-019-00696-0
24. Zheng JM, Chan KW. Gibson I. Virtual reality. IEEE Potentials. 1998;17(2):20–23. doi: 10.1109/45.666641
25. Herz, M., & Rauschnabel, P. A. (2019). Understanding the diffusion of virtual reality glasses: the role of media, fashion and technology. Technological Forecasting & Social Change, 228–242. doi.org/10.1016/j.techfore.2018.09.008
26. Cowan K, Ketron S. A dual model of product involvement for effective virtual reality: The roles of imagination, co-creation, telepresence, and interactivity. Journal of Business Research. 2019;100:483–492. doi: 10.1016/j.jbusres.2018.10.063.
27. Báo cáo tăng trưởng doanh số thương mại điện tử toàn cầu giai đoạn 2021-2026. https://bestprint.vn/bao-cao-tang-truong-doanh-so-thuong-mai-dien-tu-toan-cau-giai-doan-2021-2026/
28. Sách trắng thương mại điện tử Việt Nam năm 2023, truy cập tại https://valoma.vn/wp-content/uploads/2024/05/BCTMDT2023-file-31-1-pdf.pdf
29. Báo cáo Datareportal 2024. truy cập tại https://datareportal.com/reports/digital-2024-vietnam
30. Chodak, G., & Ropuszyńska-Surma, E. (2023). Virtual Reality and Artificial Intelligence in e-Commerce (pp. 328–340). Springer Science+Business Media. https://doi.org/10.1007/978-3-031-35644-5_26
31. Narula, S., Afaq, A., Nagar, shikha, & Chaudhary, M. (2024). Transformative Potential and Ethical Challenges of in E-Commerce. https://doi.org/10.4018/979-8-3693-9173-0.ch012
32. Shah, I. A., & Jhanjhi, N. Z. (2024). The Challenges for E-Commerce Using AI Applications. https://doi.org/10.4018/979-8-3693-3703-5.ch010
33. Kips, R., Jiang, R., Ba, S., Duke, B., Perrot, M., Gori, P., & Bloch, I. (2022). Real‐time Virtual‐Try‐On from a Single Example Image through Deep Inverse Graphics and Learned Differentiable Renderers. Computer Graphics Forum, 41(2), 29–40. https://doi.org/10.1111/cgf.14456
34. He, S., & Wang, R. (2024). The Development Potential and Challenges of One-Click Generative Artificial Intelligence in Cross-Border E-Commerce. https://doi.org/10.26689/ief.v2i9.8713.