[Research Contribution] Tăng cường dữ liệu bình luận thương mại điện tử bằng mô hình ngôn ngữ lớn
21 Tháng Mười, 2026
Từ khóa: Mô hình ngôn ngữ lớn, phân tích cảm xúc, tăng cường dữ liệu, thương mại điện tử
Trong thương mại điện tử, bình luận của khách hàng cung cấp nhiều thông tin về chất lượng sản phẩm, dịch vụ và trải nghiệm mua sắm. Tuy nhiên, khi số lượng bình luận tích cực và tiêu cực không đồng đều, các mô hình trí tuệ nhân tạo (AI) có thể gặp khó khăn trong việc nhận diện chính xác những phản hồi không hài lòng. Chính vì vậy, nhóm tác giả thuộc UEH Mekong, Đại học Kinh tế Thành phố Hồ Chí Minh (UEH), đã nghiên cứu ứng dụng mô hình ngôn ngữ lớn GPT-3.5 Turbo để tạo thêm dữ liệu bình luận tiếng Việt, qua đó đánh giá khả năng cải thiện hiệu suất phân tích cảm xúc trong thương mại điện tử.
Bình luận khách hàng và bài toán mất cân bằng dữ liệu
Bình luận của khách hàng không chỉ phản ánh mức độ hài lòng sau mua hàng mà còn giúp doanh nghiệp nhận diện những vấn đề liên quan đến sản phẩm, giao hàng và dịch vụ chăm sóc khách hàng. Việc phân tích hiệu quả nguồn dữ liệu này có thể hỗ trợ doanh nghiệp hiểu rõ hơn nhu cầu của người tiêu dùng và đưa ra quyết định phù hợp.
Tuy nhiên, dữ liệu bình luận thực tế thường có sự chênh lệch giữa các nhóm cảm xúc. Khi số lượng bình luận tích cực chiếm ưu thế, mô hình học máy có thể thiên về nhóm dữ liệu phổ biến và giảm khả năng nhận diện các phản hồi tiêu cực. Đây lại là nhóm thông tin quan trọng giúp doanh nghiệp phát hiện những hạn chế trong sản phẩm và trải nghiệm mua sắm.
Một giải pháp cho vấn đề này là tăng cường dữ liệu, tức tạo thêm các mẫu mới dựa trên dữ liệu hiện có. Tuy nhiên, những kỹ thuật truyền thống như thay thế từ đồng nghĩa, thêm hoặc xóa từ có thể làm thay đổi ý nghĩa và sắc thái cảm xúc của câu.
Trong bối cảnh đó, mô hình ngôn ngữ lớn (Large Language Models – LLM) mở ra hướng tiếp cận mới nhờ khả năng diễn giải lại câu văn dựa trên ngữ cảnh. Nghiên cứu khai thác khả năng này để tạo thêm bình luận tiêu cực có nội dung tương đương nhưng cách diễn đạt khác biệt, nhằm bổ sung dữ liệu cho quá trình huấn luyện mô hình phân tích cảm xúc.
Ứng dụng GPT-3.5 Turbo để tăng cường dữ liệu tiếng Việt
Nghiên cứu sử dụng bộ dữ liệu AIVIVN 2019, gồm 16.087 bình luận thương mại điện tử tiếng Việt, trong đó có 9.280 bình luận tích cực (57,69%) và 6.807 bình luận tiêu cực (42,31%). Nhằm bảo đảm việc đánh giá có cơ sở so sánh nhất quán, nhóm nghiên cứu chia dữ liệu thành tập huấn luyện và tập kiểm tra theo tỷ lệ 80:20, đồng thời duy trì tỷ lệ phân bố các nhóm cảm xúc tương ứng.
Thay vì chỉ thay đổi một vài từ trong câu, nhóm nghiên cứu sử dụng GPT-3.5 Turbo để diễn giải lại các bình luận tiêu cực. Mô hình được yêu cầu giữ nguyên nội dung cốt lõi và sắc thái tiêu cực của bình luận gốc, nhưng thay đổi cách dùng từ và cấu trúc câu.
Kết quả, 1.979 bình luận tiêu cực mới được tạo ra để cân bằng số lượng mẫu giữa hai nhóm cảm xúc trong tập huấn luyện. Các bình luận này được bổ sung vào dữ liệu huấn luyện, trong khi tập kiểm tra được giữ độc lập để so sánh hiệu suất giữa mô hình sử dụng dữ liệu ban đầu và mô hình sử dụng dữ liệu tăng cường.
Cách tiếp cận này cho phép tận dụng khả năng xử lý ngôn ngữ của LLM để mở rộng dữ liệu mà không cần thu thập thêm toàn bộ bình luận từ người dùng. Tuy nhiên, chất lượng và độ phù hợp của dữ liệu được tạo ra vẫn cần được đánh giá trước khi sử dụng trong thực tế.
Kết quả phân tích: Dữ liệu mới đa dạng hơn nhưng vẫn giữ nguyên ý nghĩa
Kết quả phân tích cho thấy, khi GPT-3.5 Turbo diễn giải lại các bình luận, cách sử dụng từ ngữ có sự thay đổi đáng kể. Tổng số từ giảm khoảng 15,7%, từ hơn 50.000 xuống còn hơn 42.000 từ. Số lượng từ khác nhau cũng giảm từ 3.813 xuống còn 2.207 từ.
Ngược lại, độ dài câu tăng nhẹ. Chẳng hạn, một bình luận ngắn như “Không tốt” có thể được diễn giải thành “Không đạt yêu cầu hoặc không đạt chuẩn”. Dù cách diễn đạt dài hơn, sắc thái tiêu cực của bình luận vẫn được giữ lại.
Điều này cho thấy GPT-3.5 Turbo có xu hướng chuẩn hóa cách diễn đạt và hạn chế sử dụng những từ ít phổ biến. Tuy nhiên, dữ liệu mới không đa dạng hơn về từ vựng theo các chỉ số được khảo sát, mà chủ yếu bổ sung những cách diễn đạt khác nhau cho cùng một ý nghĩa. Đây là yếu tố cần lưu ý khi sử dụng dữ liệu do AI tạo ra.
Tăng cường dữ liệu giúp cải thiện hiệu suất phân tích cảm xúc
Để đánh giá hiệu quả của phương pháp, nhóm nghiên cứu xây dựng hai mô hình phân tích cảm xúc bằng thuật toán Rừng Ngẫu Nhiên, hay Random Forest. Một mô hình được huấn luyện bằng dữ liệu ban đầu, mô hình còn lại sử dụng dữ liệu đã được tăng cường bằng AI. Sau đó, cả hai được đánh giá trên cùng một tập dữ liệu kiểm tra.
Kết quả cho thấy mô hình sử dụng dữ liệu tăng cường đạt hiệu suất tốt hơn ở hầu hết các chỉ số. Độ chính xác tổng thể tăng từ 88,56% lên 89,34%. Điểm F1 trung bình giữa các nhóm cảm xúc cũng tăng từ 88,40% lên 89,22%.
Đáng chú ý, mức cải thiện rõ nhất nằm ở khả năng nhận diện bình luận tiêu cực. Tỷ lệ nhận diện đúng nhóm này tăng từ 90,68% lên 92,88%. Điểm F1 cũng tăng từ 87,03% lên 88,06%. Kết quả cho thấy mô hình có thể nhận diện tốt hơn các phản hồi tiêu cực sau khi được bổ sung dữ liệu.
Với nhóm bình luận tích cực, độ chính xác khi dự đoán nhóm này tăng từ 92,71% lên 94,32%. Điểm F1 tăng từ 89,77% lên 90,37%, dù khả năng nhận diện đầy đủ các bình luận tích cực giảm nhẹ.
Nhìn chung, việc sử dụng AI để tạo thêm dữ liệu có tiềm năng cải thiện hiệu quả phân tích cảm xúc, đặc biệt trong việc nhận diện bình luận tiêu cực. Kết quả này cũng gợi mở khả năng ứng dụng mô hình ngôn ngữ lớn để hỗ trợ xử lý tình trạng mất cân bằng dữ liệu.
Tuy nhiên, hiệu quả của phương pháp vẫn cần được kiểm chứng thêm trên nhiều bộ dữ liệu và mô hình khác nhau để đánh giá khả năng áp dụng trong thực tế.
Hàm ý cho doanh nghiệp
Từ kết quả nghiên cứu, doanh nghiệp thương mại điện tử có thể cân nhắc một số hướng ứng dụng:
Thứ nhất, bổ sung dữ liệu cho những nhóm phản hồi còn thiếu. Khi xây dựng hệ thống phân tích cảm xúc, doanh nghiệp có thể xem xét sử dụng LLM để tạo thêm dữ liệu cho nhóm bình luận ít xuất hiện, qua đó hỗ trợ cải thiện khả năng nhận diện các phản hồi tiêu cực.
Thứ hai, gắn kết quả phân tích với hoạt động cải thiện dịch vụ. Dữ liệu bình luận tiêu cực sau khi được nhận diện có thể được phân loại và theo dõi để hỗ trợ phát hiện những vấn đề liên quan đến chất lượng sản phẩm, giao hàng và chăm sóc khách hàng. Đây là cơ sở để doanh nghiệp xác định các nội dung cần ưu tiên xử lý và cải thiện trải nghiệm mua sắm.
Thứ ba, kiểm soát chất lượng dữ liệu trước khi ứng dụng. Bình luận do LLM tạo ra cần được kiểm tra về ý nghĩa, sắc thái cảm xúc và mức độ phù hợp với dữ liệu thực tế. Doanh nghiệp cũng cần đánh giá hiệu suất mô hình trên dữ liệu thực trước khi đưa vào vận hành, tránh phụ thuộc hoàn toàn vào dữ liệu tổng hợp.
Như vậy, giá trị của mô hình ngôn ngữ lớn (LLM) không chỉ nằm ở khả năng tạo thêm dữ liệu, mà còn ở tiềm năng hỗ trợ doanh nghiệp khai thác phản hồi khách hàng hiệu quả hơn. Tuy nhiên, hiệu quả ứng dụng vẫn cần được kiểm chứng trong thực tế.
Nhìn chung, nghiên cứu cho thấy việc sử dụng GPT-3.5 Turbo để diễn giải lại bình luận tiêu cực là một hướng tiếp cận tiềm năng nhằm khắc phục tình trạng mất cân bằng dữ liệu tiếng Việt. Trong thử nghiệm, dữ liệu tăng cường giúp cải thiện hiệu suất phân tích cảm xúc, đặc biệt là khả năng nhận diện bình luận tiêu cực.
Tuy nhiên, nghiên cứu mới được thực hiện với GPT-3.5 Turbo, thuật toán Random Forest và bộ dữ liệu AIVIVN 2019. Vì vậy, các nghiên cứu tiếp theo cần thử nghiệm trên nhiều mô hình ngôn ngữ lớn, thuật toán và bộ dữ liệu khác nhau để đánh giá toàn diện hơn hiệu quả và khả năng ứng dụng của phương pháp.
Xem toàn bộ bài nghiên cứu Tăng cường dữ liệu bình luận thương mại điện tử bằng mô hình ngôn ngữ lớn TẠI ĐÂY.
Nhóm tác giả: ThS. Trần Sơn Nam, Nguyễn Nhã Yến – Đại học Kinh tế Thành phố Hồ Chí Minh (UEH).
Đây là bài viết nằm trong chuỗi bài lan tỏa nghiên cứu và kiến thức ứng dụng với thông điệp “For a More Sustainable Mekong – Vì một Đồng bằng sông Cửu Long bền vững”, thuộc chương trình “Research Contribution For All – Nghiên Cứu Vì Cộng Đồng” do UEH thực hiện. UEH trân trọng kính mời Quý độc giả cùng đón xem bản tin UEH Research Insights tiếp theo.
Tin, ảnh: Tác giả, Phòng Tuyển sinh – Truyền thông UEH Mekong, Ban Truyền thông và Phát triển đối tác UEH
Giọng đọc: Thanh Kiều
[HCMC Beyond – Tập 2]: Làm chủ công nghệ, đồng kiến tạo Thành phố tương lai
18 Tháng Chín, 2026
[Research Contribution] Người dùng xanh có đang rời xa ứng dụng gọi xe?
11 Tháng Tám, 2026
[Research Contribution] Khi đại học cùng giải bài toán của thành phố
28 Tháng Bảy, 2026
abcd
18 Tháng Sáu, 2026
[Unbox Glo-cal Program] Vi vu Đông Nam Á cùng Chương trình Cử nhân ASIA Co-op
20 Tháng Mười Hai, 2025
[Research Contribution] Đồng đổi mới sáng tạo cho nền kinh tế đại dương bền vững
12 Tháng Mười Hai, 2025
[Research Contribution] Khám phá sự đối lập giữa nghiện thương hiệu và tình yêu thương hiệu
24 Tháng Mười Một, 2025
[Research Contribution] Phát triển bền vững – Góc nhìn đa chiều về hạnh phúc
8 Tháng Mười, 2025
[Research Contribution] Những góc nhìn mới về tương lai của thế giới ảo
16 Tháng Sáu, 2025
[Podcast] Góp ý giải pháp phát triển giáo dục Đại học
5 Tháng Hai, 2025
[Podcast] Các yếu tố ảnh hưởng đến động lực học tập của sinh viên
22 Tháng Một, 2025
[Podcast] “Mô hình Campus thích ứng – Giải pháp dành cho Mekong bền vững”
13 Tháng Một, 2025
[Podcast] Đào tạo nhân lực Mekong tương lai: Trao quyền hành động bền vững
30 Tháng Mười Hai, 2024
[Podcast] Dự án Phát triển khung công bằng giao thoa nhằm khuyến khích khả năng đi bộ
30 Tháng Mười Hai, 2024
[Podcast] Chiến lược thiết kế hậu kỹ thuật số trong nghệ thuật truyền thông
27 Tháng Mười Một, 2024
[Podcast] Đồng sáng tạo và xây dựng cộng đồng ArtTech hướng tới tương lai bền vững
26 Tháng Mười Một, 2024
[Podcast] Quản trị công nghệ trong kỷ nguyên 4.0: Tổng quan và nhu cầu thị trường
21 Tháng Mười Một, 2024
[Podcast] Công nghệ thông tin – truyền thông và sự ổn định của hệ thống ngân hàng
21 Tháng Mười Một, 2024
[Podcast] Vai trò của chính sách vĩ mô thận trọng đối với tăng trưởng tín dụng tại Việt Nam
21 Tháng Mười Một, 2024
[Podcast] Đề xuất hoàn thiện pháp luật về hoạt động môi giới chứng khoán tại Việt Nam
21 Tháng Mười Một, 2024
[Podcast] NFTs – Cuộc cách mạng nghệ thuật hay cơn sốt nhất thời?
18 Tháng Mười Một, 2024
[Podcast] CareFeeder – Giải pháp công nghệ hỗ trợ người già và bệnh nhân Parkinson tự ăn uống
11 Tháng Mười Một, 2024
[Podcast] Ứng dụng học máy trong phân tích dữ liệu quản trị nguồn nhân lực
11 Tháng Mười Một, 2024
[Podcast] Nghệ thuật dân gian thời 4.0: Múa rối nước tự động dựa trên nền tảng robot
7 Tháng Mười Một, 2024
[Podcast] Bứt phá hiệu suất sáng tạo nhân viên nhờ phản hồi mang tính phát triển
7 Tháng Mười Một, 2024
[Podcast] Giải pháp MPIA: Lối thoát tạm thời cho cuộc khủng hoảng thương mại quốc tế?
7 Tháng Mười Một, 2024
[Podcast] “Căn bệnh Hà Lan” trong việc nhận kiều hối và trường hợp Việt Nam
31 Tháng Mười, 2024
[Podcast] Giải pháp nâng cao hoạt động vận động cho sinh viên
9 Tháng Tám, 2024
[Podcast] Phong Cách Lãnh Đạo Đạo Đức Và Hành Vi Ngoài Vai Trò Của Công Chức
29 Tháng Bảy, 2024
[Podcast] Định Hình Chiến Lược Phát Triển Toàn Diện, Bền Vững Cho Đất Nước
25 Tháng Bảy, 2024
[Podcast] Mô Hình Đại Học Bền Vững Dành Cho Các Thị Trường Mới Nổi
19 Tháng Bảy, 2024
[Podcast] Những Tiếp Cận Mới Nhất Dành Cho Các Đại Học Bền Vững
11 Tháng Bảy, 2024
[Podcast] Tác Động Của Nguồn Nhân Lực Xanh Đến Các Mục Tiêu Về Môi Trường
24 Tháng Năm, 2024
Kinh Tế Xã Hội Và Sự Phát Thải CO2 Ở Việt Nam Giai Đoạn 1990 – 2018
23 Tháng Năm, 2024
Pháp Luật Dữ Liệu – Kỳ 1: Cần Một Cách Tiếp Cận Mới
15 Tháng Năm, 2024
[Podcast] Pháp Luật Dữ Liệu – Kỳ 1: Cần Một Cách Tiếp Cận Mới
14 Tháng Năm, 2024
Đánh Giá Quảng Cáo Trên Nền Tảng Tiktok
8 Tháng Năm, 2024
[Podcast] Đánh Giá Quảng Cáo Trên Nền Tảng Tiktok
7 Tháng Năm, 2024
[podcast] Phản Ứng Của Chính Sách Xã Hội Đối Với Đại Dịch Covid-19 Ở Một Số Quốc Gia (Kỳ 1)
8 Tháng Mười Hai, 2023
Promoting Learner Autonomy in English Language Learning (Part 2)
28 Tháng Mười Một, 2023
[Podcast] Ngoại giao kinh tế Việt Nam trong thời kỳ đổi mới và hội nhập quốc tế
10 Tháng Mười Một, 2023
ArtTech and sustainable development
27 Tháng Mười, 2023
Cộng đồng ArtTech đầu tiên tại Việt Nam – Một năm nhìn lại
9 Tháng Mười, 2023
ArtTech – Một xu hướng tương lai
5 Tháng Mười, 2023
ArtTech và phát triển bền vững
3 Tháng Mười, 2023
[Podcast] Máy Tính Và Công Nghệ “Không Đi Một Mình” – Phần 4
24 Tháng Bảy, 2023
[Podcast] Tác Động Của Đồng Tiền Kỹ Thuật Số Đến Tỷ Giá Hối Đoái
14 Tháng Mười Một, 2022
[Podcast] Chuyển Đổi Số Trong Ngành Du Lịch Việt Nam
5 Tháng Năm, 2022
[Podcast] Chuyển Đổi Số Trong Lĩnh Vực Y Tế Ở Việt Nam
25 Tháng Ba, 2022
[Podcast] Phân Tích Dữ Liệu Con Người Tại Việt Nam
18 Tháng Ba, 2022
[Podcast] Chuyển Đổi Số Trong Nông Nghiệp Ở Việt Nam
11 Tháng Ba, 2022
[Podcast] Mô Hình Kinh Tế Chia sẻ: Các Vấn Đề Quản Lý Ở Việt Nam
21 Tháng Một, 2022
[Podcast] Nâng Cao Trải Nghiệm Khách Hàng Trực Tuyến Trong Ngành Du Lịch
15 Tháng Một, 2022
[Podcast] Chính Sách Lao Động Việc Làm Cho TP. HCM Trong Giai Đoạn Sau Giãn Cách
28 Tháng Mười Hai, 2021
[Podcast] Xây Dựng Thị Trường Chứng Khoán Phi Tập Trung Dựa Trên Công Nghệ Blockchain
24 Tháng Mười Hai, 2021
[Podcast] Học Tập Suốt Đời Trong Thế Giới Số: Góc Nhìn Từ Nghề Nghiệp Kế Toán, Kiểm toán
21 Tháng Mười Hai, 2021
[Podcast] Học Tập Suốt Đời Tại UEH: Hướng Đến Đại Học Bền Vững
14 Tháng Mười Hai, 2021
[Podcast] Xu Hướng Kinh Doanh Bán Lẻ Trực Tuyến Thời Kỳ Covid
10 Tháng Mười Hai, 2021
[Podcast] Big Data Cho Mục Tiêu Phát Triển Bền Vững: Kinh Nghiệm Quốc Tế
7 Tháng Mười Hai, 2021
[Podcast] Cải Cách Luật Đất Đai Để Thúc Đẩy Phát Triển Kinh Tế
2 Tháng Mười Hai, 2021
[Podcast] Cuộc Cách Mạng Trong Kinh Tế Học Thực Nghiệm
30 Tháng Mười Một, 2021
[Podcast] Chỉ Số Giá Tiêu Dùng Từ Góc Nhìn Khai Thác Dữ Liệu Lớn (Big Data)
17 Tháng Mười Một, 2021
[Podcast] Toàn Cảnh Tiền Tệ Kỹ Thuật Số – Phần 5 : Tiền Ổn Định Tư Nhân Diem
5 Tháng Mười Một, 2021
Đứt gãy chuỗi cung ứng vùng trọng điểm phía Nam: 8 giải pháp
20 Tháng Mười, 2021
[Podcast]Toàn Cảnh Tiền Tệ Kỹ Thuật Số – Phần 2: Những Cột Mốc Phát Triển
19 Tháng Mười, 2021
[Podcast] Toàn cảnh tiền tệ kỹ thuật số – Phần 1: Xu thế của thời đại
15 Tháng Mười, 2021
NGÂN HÀNG BẮT TAY FINTECH (Phần 3): Các Giải Pháp Hỗ Trợ
8 Tháng Mười, 2021
UEH chủ trì thành công Hội thảo ICBF 2021
7 Tháng Mười, 2021
GRSD 2021- Hội thảo khoa học “Tăng trưởng xanh và phát triển bền vững”
6 Tháng Mười, 2021
NGÂN HÀNG BẮT TAY FINTECH (phần 2): Chọn đối tác theo tiêu chí nào?
4 Tháng Mười, 2021
‘Đổi mới giáo dục nghề nghiệp là động cơ tăng trưởng kinh tế’
30 Tháng Chín, 2021
Giải pháp “mở cửa” an toàn với các khu công nghiệp tại TP Hồ Chí Minh
27 Tháng Chín, 2021
Khi cuộc sống “bình thường mới”, nơi ở cho người lao động cần được quan tâm
9 Tháng Chín, 2021
Hướng phát triển mô hình đào tạo luân phiên (Dual Education) tại Việt Nam
6 Tháng Chín, 2021
Webinar: Tương lai ngành Thẩm định giá trong thập niên mới
17 Tháng Tám, 2021
Hãy là người dùng thông minh khi đón nhận và chia sẻ thông tin
9 Tháng Tám, 2021
Webinar: An toàn thông tin kế toán trong kỷ nguyên số
3 Tháng Tám, 2021
Có nên đưa lãi suất tiền gửi VND về 0 phần trăm?
20 Tháng Bảy, 2021
Chu kỳ giảm giá của đồng USD?
TS. Đinh Thị Thu Hồng và nhóm nghiên cứu
26 Tháng Sáu, 2021
Việt Nam cần kịch bản cho thương mại tương lai
ThS. Tô Công Nguyên Bảo
26 Tháng Sáu, 2021
Hệ thống tiền tệ tiếp theo như thế nào?
TS. Lê Đạt Chí và nhóm nghiên cứu
26 Tháng Sáu, 2021
Chuyển đổi số trong trường đại học: Dạy học trực tuyến sẽ trở thành xu hướng tất yếu
GS.TS. Nguyễn Trọng Hoài
26 Tháng Sáu, 2021
Tiền số ngân hàng Trung ương – Vận hành và thử nghiệm
Châu Văn Thành
26 Tháng Sáu, 2021
Chuyển đổi số trong khu vực công tại Việt Nam
Khoa Quản lý nhà nước
26 Tháng Sáu, 2021
“Cấp cứu” doanh nghiệp trước làn sóng COVID-19 thứ 4
23 Tháng Sáu, 2021
Chuyên gia UEH: Việt Nam nên kết hợp tiêm vaccine miễn phí và dịch vụ
23 Tháng Sáu, 2021
Hội thảo khoa học về Thị trường bảo hiểm Việt Nam (Conference on Vietnam’s Insurance Industry – CVII)
Khoa Toán – Thống Kê
7 Tháng Sáu, 2021
Muốn có trung tâm tài chính phải có chiến lược thích ứng
Khoa Tài chính
5 Tháng Sáu, 2021
Cần đưa giao dịch công nghệ lên sàn chứng khoán
Bộ Khoa học và Công nghệ
5 Tháng Sáu, 2021
Sự hữu ích của Lý thuyết trò chơi: Thảo luận về giải Nobel Kinh tế năm 2020
JABES
5 Tháng Sáu, 2021
Đoán định tư pháp: Xu thế mới trong hành nghề Luật
Khoa Luật
5 Tháng Sáu, 2021
Thiết kế đô thị: tầm nhìn vững chắc cho đô thị bền vững
Viện Đô thị thông minh và Quản lý
5 Tháng Sáu, 2021
Phục hồi du lịch và nỗ lực thoát khỏi vòng xoáy ảnh hưởng bởi Covid-19
Viện Đô thị thông minh và Quản lý
5 Tháng Sáu, 2021
Nghiên cứu Kinh tế học lao động trong sự biến động của thế giới
JABES
5 Tháng Sáu, 2021
Kết hợp Nghệ thuật và Công nghệ hướng đến Thành phố thông minh đáng sống
Viện Đô thị thông minh và Quản lý
5 Tháng Sáu, 2021
Chuỗi bài “The Basics of B2B”: Thị trường việc làm rộng mở nhiều sinh viên chuyên ngành Marketing đang bỏ quên
TS. Đinh Tiên Minh
5 Tháng Sáu, 2021
Môi trường không phải để nhà đầu tư xài miễn phí!
TS. Phạm Khánh Nam
5 Tháng Sáu, 2021
2021 sẽ là năm khởi đầu của chu kỳ tăng trưởng mới
PGS.TS Nguyễn Khắc Quốc Bảo
5 Tháng Sáu, 2021
Quỹ vaccine sẽ khả thi khi có người dân đóng góp
Phạm Khánh Nam, Việt Dũng
5 Tháng Sáu, 2021
Kích thích kinh tế, gia tăng vận tốc dòng tiền
Quách Doanh Nghiệp
5 Tháng Sáu, 2021
Đi tìm chiến lược hậu Covid-19 cho doanh nghiệp bảo hiểm Việt Nam
PGS TS Nguyễn Khắc Quốc Bảo, ThS Lê Văn
5 Tháng Sáu, 2021
Insurtech – Cơ hội và thách thức cho Startup Việt
Ths. Lê Thị Hồng Hoa
5 Tháng Sáu, 2021
