Luận văn nghiên cứu phương pháp lọc cộng tác (Collaborative Filtering) và khả năng ứng dụng trong việc xây dựng hệ thống gợi ý bán hàng trực tuyến. Trước hết, luận văn hệ thống hóa cơ sở lý thuyết về các kỹ thuật lọc cộng tác phổ biến, bao gồm lọc dựa trên người dùng (User-based) và lọc dựa trên sản phẩm (Item-based), cùng với các thuật toán tính độ tương tự và dự đoán đánh giá. Tiếp theo, tác giả phân tích những thách thức điển hình của phương pháp này như vấn đề khởi tạo (cold-start), độ thưa thớt dữ liệu (data sparsity) và khả năng mở rộng (scalability). Trên cơ sở đó, luận văn đề xuất một mô hình hệ thống gợi ý kết hợp các kỹ thuật lọc cộng tác với các yếu tố ngữ cảnh và hành vi người dùng nhằm nâng cao độ chính xác. Kết quả thực nghiệm trên bộ dữ liệu bán hàng thực tế cho thấy mô hình đề xuất cải thiện đáng kể chất lượng gợi ý so với các phương pháp truyền thống, góp phần tăng tỷ lệ chuyển đổi và doanh thu cho các nền tảng thương mại điện tử.