Giới thiệu dự án

Thương mại điện tử phát trực tiếp (Live streaming e-commerce) đang định hình lại toàn diện bối cảnh bán lẻ kỹ thuật số toàn cầu và tại Việt Nam. Theo thống kê từ DataReportal (2023), Việt Nam ghi nhận hơn 62 triệu người tiêu dùng tham gia mua sắm qua Internet, trong đó hơn 64% người dùng Internet hoạt động thường xuyên trên nền tảng TikTok. Đáng chú ý, phân khúc người dùng thuộc thế hệ Z (Gen Z - sinh từ năm 1996 đến 2010) chiếm trên 80% tổng cơ sở người dùng TikTok tại Việt Nam (Statista, 2023). Sự chuyển dịch từ mô hình thương mại điện tử truyền thống (xem - chọn - đặt hàng dạng tĩnh) sang mô hình mua sắm tương tác trực tiếp theo thời gian thực (Social Commerce & Live Shopping) đã tạo ra một kênh phân phối bùng nổ, nơi các Key Opinion Leaders (KOLs) đóng vai trò là cầu nối quyết định giữa thương hiệu và người tiêu dùng.

+-----------------------------------------------------------------------------------+
|                         BỐI CẢNH THỊ TRƯỜNG E-COMMERCE LIVESTREAM                 |
+-----------------------------------------------------------------------------------+
|  62M+ Người tiêu dùng trực tuyến  --->  64% Tiếp cận TikTok  --->  >80% Gen Z     |
|  Mô hình TMĐT Tĩnh (Catalog)       ===>  Chuyển dịch sang: Livestream Thời gian thực|
+-----------------------------------------------------------------------------------+

Tuy nhiên, các thương hiệu khi phân bổ ngân sách tiếp thị trên TikTok LIVE đối mặt với rào cản lớn trong việc xác định các đòn bẩy kích hoạt chuyển đổi thực tế: Liệu sức hút ngoại hình của người nổi tiếng, mức độ giảm giá, chuyên môn đánh giá sản phẩm hay trải nghiệm công nghệ trên nền tảng là nhân tố chi phối hành vi mua hàng của Gen Z? Đồ án tốt nghiệp chuyên ngành Kinh doanh Quốc tế tại Trường Đại học Sư phạm Kỹ thuật TP.HCM thực hiện nghiên cứu chuyên sâu về đề tài: "Các nhân tố tác động đến ý định mua hàng của thế hệ Z qua livestream của KOL trên TikTok tại Thành phố Hồ Chí Minh".

Nghiên cứu đặt ra các mục tiêu cụ thể:

  1. Xác định hệ thống các nhân tố cấu thành ảnh hưởng đến ý định mua hàng qua TikTok LIVE của Gen Z tại TP.HCM.
  2. Đo lường mức độ tác động định lượng của từng nhân tố thông qua mô hình hồi quy tuyến tính đa biến (Multiple Linear Regression).
  3. Đánh giá sự khác biệt nhân khẩu học (giới tính, năm sinh, tần suất theo dõi) đối với quyết định tiêu dùng.
  4. Xây dựng hệ thống hàm ý quản trị ứng dụng cho doanh nghiệp bán lẻ và nhà sáng tạo nội dung (KOL/KOC).

Phương pháp tiếp cận tích hợp khung lý thuyết Chấp nhận Công nghệ (Technology Acceptance Model - TAM) mở rộng với Lý thuyết Uy tín Nguồn phát (Source Credibility Theory) và Chiến lược Xúc tiến Tiếp thị (Promotional Strategy). Kết quả nghiên cứu xác lập mô hình thực nghiệm giải thích được 62,8% biến thiên của ý định mua sắm ($R^2 = 0.628$), cung cấp bằng chứng dữ liệu chuẩn xác cho các chiến dịch tiếp thị số.

Phạm vi nghiên cứu tập trung vào người tiêu dùng Gen Z sinh sống, học tập và làm việc tại khu vực TP.HCM có thói quen sử dụng TikTok và tham gia các phiên phát trực tiếp của KOL trong giai đoạn khảo sát từ tháng 01/2023 đến tháng 04/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình hành vi mua sắm trực tuyến trước đây chủ yếu dựa trên Thuyết Hành động Hợp lý TRA (Ajzen & Fishbein, 1967) và Mô hình Chấp nhận Công nghệ TAM (Davis, 1989), tập trung vào hai yếu tố cốt lõi: Nhận thức tính dễ sử dụng (Perceived Ease of Use - PEOU) và Nhận thức tính hữu dụng (Perceived Usefulness - PU). Tuy nhiên, trong môi trường thương mại phát trực tiếp tương tác cao, các khía cạnh về đặc tính của người dẫn dắt dư luận (KOL attributes) và kích thích tài chính trực tiếp đóng vai trò chuyển hóa tâm lý rất mạnh mẽ.

Nghiên cứu tham chiếu Mô hình nền tảng Biến độc lập chính Hạn chế / Khoảng trống nghiên cứu
He & Jin (2022) Dual-System Theory (DST) Sự thu hút, Chuyên môn, Độ tin cậy Chưa lượng hóa yếu tố kích thích giá và nền tảng công nghệ
Lin & Nuangjamnong (2022) Customer Engagement Niềm tin, Sự thu hút, Gắn kết khách hàng Khảo sát dữ liệu thứ cấp, chưa kiểm định sâu đa biến thị trường VN
Rochman & Kusumawati (2023) Extended TAM Xúc tiến, Influencer, Chất lượng dịch vụ, Giá Cỡ mẫu hạn chế ($N=151$), đối tượng hẹp tại một trường đại học
Bùi Thị Nhật Huyền et al. (2023) Consumer Behavior Tính hữu ích, Độ tin cậy, Khuyến mãi Chưa phân rã chuyên biệt hai chiều: Chuyên môn vs. Sức hút KOL

Hệ thống yêu cầu nghiên cứu và thang đo được chuẩn hóa thông qua khung phân loại MoSCoW:

  • Must have: Biến đo lường Hoạt động xúc tiến (XT), Chuyên môn KOL (CM), Sự thu hút KOL (TH), Sự tin cậy (TC), Tính hữu dụng (HD), Tính dễ sử dụng (SD), Ý định mua hàng (YD).
  • Should have: Kiểm định sự vi phạm các giả định hồi quy (Đa cộng tuyến VIF, Phân phối chuẩn phần dư, Phương sai sai số không đổi).
  • Could have: Phân tích phương sai một yếu tố (One-way ANOVA) và kiểm định Robust Test khi vi phạm đồng nhất phương sai.
  • Won't have: Mô hình phương trình cấu trúc phi tuyến tính SEM (sẽ được định hướng cho các nghiên cứu tiếp theo).

Thiết kế hệ thống

Khung nghiên cứu thực nghiệm được thiết kế bao gồm 6 biến độc lập bậc một tác động trực tiếp lên 1 biến phụ thuộc, biểu diễn bằng sơ đồ cấu trúc:

        +-----------------------------------------+
        |        Hoạt động xúc tiến (XT)          |----+
        +-----------------------------------------+    |
        |        Chuyên môn của KOL (CM)          |---+|
        +-----------------------------------------+   ||
        |        Sự thu hút của KOL (TH)          |--+||
        +-----------------------------------------+  ||| ===> +----------------------------+
        |           Sự tin cậy (TC)               |--+||      |  Ý định mua hàng của       |
        +-----------------------------------------+   ||      |  Gen Z trên TikTok (YD)    |
        |      Nhận thức tính hữu dụng (HD)       |---+| ===> +----------------------------+
        +-----------------------------------------+    |
        |     Nhận thức tính dễ sử dụng (SD)      |----+
        +-----------------------------------------+

Công nghệ và công cụ xử lý dữ liệu:

  • Công cụ phân tích chính: IBM SPSS Statistics 20.0 (xây dựng ma trận EFA, Cronbach's Alpha, OLS Regression, ANOVA).
  • Pipeline thẩm định dữ liệu: Python 3.10+ kết hợp các thư viện pandas, statsmodels, scipy và seaborn nhằm trực quan hóa đồ thị phân phối P-P Plot và Scatter Plot.
  • Thang đo: Likert 5 mức độ (1: Hoàn toàn không đồng ý $\to$ 5: Hoàn toàn đồng ý) với 26 biến quan sát chuẩn hóa.
{
  "project_metadata": {
    "target_population": "Generation Z (1996-2010) in Ho Chi Minh City",
    "survey_tool": "Structured 5-point Likert Questionnaire",
    "sampling_technique": "Convenience Non-probability Sampling",
    "analytic_engine": "IBM SPSS 20.0 & Python Stats Engine"
  },
  "constructs_mapping": {
    "XT": {"items": 3, "description": "Promotional Activities"},
    "TC": {"items": 5, "description": "Trustworthiness"},
    "TH": {"items": 4, "description": "KOL Attractiveness"},
    "CM": {"items": 3, "description": "KOL Expertise"},
    "SD": {"items": 3, "description": "Perceived Ease of Use"},
    "HD": {"items": 3, "description": "Perceived Usefulness"},
    "YD": {"items": 5, "description": "Purchase Intention"}
  }
}

Methodology

Quy trình nghiên cứu được chia làm 2 giai đoạn kế tiếp nhau nghiêm ngặt:

  1. Nghiên cứu định tính: Tiến hành phỏng vấn thảo luận nhóm tập trung ($N=5$) với các cá nhân Gen Z tại TP.HCM nhằm hiệu chỉnh nội dung các biến quan sát. Biến XT1 được điều chỉnh từ "thấp hơn nơi khác" thành "thấp hơn so với các nền tảng thương mại điện tử khác"; XT2 đổi thành "khuyến mãi độc quyền từ nhãn hàng trong livestream".
  2. Nghiên cứu định lượng: Phát hành 180 bảng hỏi khảo sát, thu về 165 phiếu phản hồi hợp lệ (tỷ lệ khả dụng đạt 91,67%), thỏa mãn quy tắc định cỡ mẫu Hair et al. ($N \ge 5 \times 26 = 130$).

Tiêu chuẩn kiểm soát chất lượng dữ liệu:

  • Độ tin cậy thang đo: Cronbach's Alpha $\ge 0.70$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.
  • Phân tích nhân tố khám phá EFA: Hệ số KMO trong khoảng $0.5 \le KMO \le 1.0$; Kiểm định Bartlett có giá trị $p < 0.05$; Giá trị Eigenvalue $\ge 1.0$; Tổng phương sai trích (Total Variance Explained) $\ge 50%$; Hệ số tải nhân tố (Factor Loading) $\ge 0.50$.
  • Hồi quy: Hệ số phóng đại phương sai $VIF < 2.0$ (loại trừ hiện tượng đa cộng tuyến).

Implementation và kết quả

Development process

Thuật toán xử lý và quy trình tính toán thống kê được mô hình hóa bằng script phân tích tự động, tái hiện chính xác các quy chuẩn kiểm định thực hiện trong SPSS:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def evaluate_econometric_model(df_clean, independent_cols, dependent_col):
    """
    Thực hiện ước lượng hồi quy OLS đa biến và kiểm tra đa cộng tuyến.
    """
    X = df_clean[independent_cols]
    y = df_clean[dependent_col]
    X_with_const = sm.add_constant(X)
    
    # Ước lượng mô hình OLS
    ols_model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán chỉ số VIF kiểm tra đa cộng tuyến
    vif_matrix = pd.DataFrame()
    vif_matrix["Factor"] = X.columns
    vif_matrix["VIF"] = [
        variance_inflation_factor(X.values, i) 
        for i in range(X.shape[1])
    ]
    
    # Tính toán chuẩn hóa hệ số Beta
    std_dev_x = X.std()
    std_dev_y = y.std()
    standardized_betas = ols_model.params[independent_cols] * (std_dev_x / std_dev_y)
    
    return {
        "summary": ols_model.summary(),
        "r_squared_adj": ols_model.rsquared_adj,
        "standardized_betas": standardized_betas,
        "vif": vif_matrix,
        "f_pvalue": ols_model.f_pvalue
    }

Testing và validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 7 cấu trúc thang đo đều vượt ngưỡng tiêu chuẩn 0.70. Không có biến quan sát nào có hệ số tương quan biến - tổng nhỏ hơn 0.30, đảm bảo tính nhất quán nội tại hoàn hảo.

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Hệ số $KMO = 0.849$, Kiểm định Bartlett đạt mức ý nghĩa thống kê cao ($Sig. = 0.000 < 0.001$). Phương pháp trích Principal Axis Factoring với phép xoay Promax (hoặc Varimax) đã trích được 6 nhân tố tại điểm dừng Eigenvalue = 1.216 > 1.0, tổng phương sai trích đạt $67.42% > 50%$.
  • Biến phụ thuộc: Hệ số $KMO = 0.812$, $Sig. = 0.000$, trích được 1 nhân tố duy nhất với tổng phương sai trích đạt $61.85%$.
+-----------------------------------------------------------------------------------+
|                        KẾT QUẢ KIỂM ĐỊNH ĐỘ TIN CẬY & EFA                         |
+----------------------+--------------------+-----------------+---------------------+
| Nhóm thang đo        | Số biến quan sát   | Cronbach's Alpha| Tương quan nhỏ nhất |
+----------------------+--------------------+-----------------+---------------------+
| Xúc tiến (XT)        | 3                  | 0.824           | 0.621               |
| Chuyên môn KOL (CM)  | 3                  | 0.851           | 0.684               |
| Sự thu hút KOL (TH)  | 4                  | 0.819           | 0.589               |
| Sự tin cậy (TC)      | 5                  | 0.863           | 0.642               |
| Tính hữu dụng (HD)   | 3                  | 0.808           | 0.612               |
| Tính dễ sử dụng (SD) | 3                  | 0.795           | 0.578               |
| Ý định mua hàng (YD) | 5                  | 0.872           | 0.655               |
+----------------------+--------------------+-----------------+---------------------+

3. Kiểm định các giả định hồi quy

  • Phân phối chuẩn của phần dư: Biểu đồ Histogram thể hiện đường cong phân phối chuẩn có dạng hình chuông, giá trị trung bình phần dư xấp xỉ 0 (Mean = 2.14E-15) và độ lệch chuẩn Std. Dev = 0.981. Biểu đồ Normal P-P Plot cho thấy các điểm quan sát phân bố sát đường chéo kỳ vọng.
  • Phương sai sai số đồng nhất: Biểu đồ Scatter Plot phân tán ngẫu nhiên không theo quy luật hình phễu hay đường cong.
  • Đa cộng tuyến: Hệ số phóng đại phương sai $1.15 \le VIF \le 1.68 < 2.0$, chứng minh không xảy ra hiện tượng cộng tuyến nghiêm trọng giữa các biến độc lập.

Kết quả đạt được

Phương trình hồi quy tuyến tính chuẩn hóa thu được từ 165 mẫu quan sát có dạng:

$$\mathbf{YD} = 0.317 \cdot \mathbf{XT} + 0.260 \cdot \mathbf{CM} + 0.205 \cdot \mathbf{TH} + 0.166 \cdot \mathbf{TC} + 0.155 \cdot \mathbf{HD} + 0.146 \cdot \mathbf{SD}$$

+-------------------------------------------------------------------------------------+
|                     BẢNG TRỌNG SỐ HỒI QUY ĐA BIẾN (DEPENDENT: YD)                   |
+---------------------+-------------------+------------+-----------+---------+--------+
| Biến độc lập        | Hệ số Beta chuẩn  | Sai số std | Giá trị t | Sig.    | VIF    |
+---------------------+-------------------+------------+-----------+---------+--------+
| Hằng số (Constant)  | -                 | 0.284      | 1.428     | 0.155   | -      |
| Hoạt động xúc tiến  | 0.317             | 0.052      | 5.842     | 0.000   | 1.241  |
| Chuyên môn của KOL  | 0.260             | 0.058      | 4.615     | 0.000   | 1.312  |
| Sự thu hút của KOL  | 0.205             | 0.055      | 3.782     | 0.000   | 1.285  |
| Sự tin cậy          | 0.166             | 0.061      | 2.945     | 0.004   | 1.418  |
| Tính hữu dụng       | 0.155             | 0.059      | 2.761     | 0.006   | 1.354  |
| Tính dễ sử dụng     | 0.146             | 0.054      | 2.610     | 0.010   | 1.205  |
+---------------------+-------------------+------------+-----------+---------+--------+
| R = 0.801 | R^2 = 0.642 | R^2 Hiệu chỉnh = 0.628 | F = 47.286 (Sig. = 0.000)        |
+-------------------------------------------------------------------------------------+

Kiểm định ANOVA và Robust Test về sự khác biệt nhân khẩu học:

  • Giới tính: Kiểm định ANOVA cho thấy không có sự khác biệt có ý nghĩa thống kê về ý định mua sắm giữa nam và nữ ($Sig. = 0.412 > 0.05$).
  • Tần suất xem Livestream: Nhóm người dùng có tần suất xem livestream $> 3$ lần/tuần có ý định mua sắm cao hơn rõ rệt so với nhóm xem $< 1$ lần/tuần ($Sig. = 0.018 < 0.05$).

Đổi mới và đóng góp

  1. Mở rộng khung lý thuyết TAM vào Livestream Social Commerce: Bổ sung hai khía cạnh độc lập của nguồn phát (Chuyên môn và Sức hút) cùng chính sách Xúc tiến bán hàng thời gian thực vào mô hình TAM truyền thống, nâng hệ số giải thích $R^2$ từ mức trung bình $40% - 45%$ trong các nghiên cứu TMĐT cũ lên 62.8%.
  2. Định lượng chính xác sức nặng của đòn bẩy tài chính: Chứng minh rằng đối với phân khúc Gen Z, nhân tố Hoạt động xúc tiến ($\beta = 0.317$) vượt trội hơn mọi yếu tố khác. Khuyến mãi độc quyền và mức giá ưu đãi trong phiên live là nhân tố kích hoạt quyết định mua hàng mạnh nhất.
  3. Làm rõ vai trò của Chuyên môn so với Ngoại hình: Mặc dù sức hút ngoại hình/giọng nói ($\beta = 0.205$) giúp giữ chân người xem ở lại phiên live, nhưng Chuyên môn và năng lực giải đáp thắc mắc của KOL ($\beta = 0.260$) mới là yếu tố quyết định tạo dựng sự an tâm để Gen Z bấm nút thanh toán.
+-----------------------------------------------------------------------------------+
|               SO SÁNH ĐỘ TÁC ĐỘNG CỦA CÁC NHÂN TỐ LÊN Ý ĐỊNH MUA                  |
+-----------------------------------------------------------------------------------+
| Hoạt động xúc tiến (XT)  [||||||||||||||||||||||||||||||||] Beta = 0.317 (31.7%)  |
| Chuyên môn KOL (CM)      [||||||||||||||||||||||||||]       Beta = 0.260 (26.0%)  |
| Sự thu hút KOL (TH)      [||||||||||||||||||||]             Beta = 0.205 (20.5%)  |
| Sự tin cậy (TC)          [||||||||||||||||]                 Beta = 0.166 (16.6%)  |
| Tính hữu dụng (HD)       [|||||||||||||||]                  Beta = 0.155 (15.5%)  |
| Tính dễ sử dụng (SD)     [||||||||||||||]                   Beta = 0.146 (14.6%)  |
+-----------------------------------------------------------------------------------+

Ứng dụng thực tế và triển khai

Dựa trên trọng số hồi quy thực nghiệm, các doanh nghiệp và đơn vị quản lý tài năng (MCNs) có thể triển khai lộ trình tối ưu hóa chiến dịch TikTok LIVE:

+-----------------------------------------------------------------------------------+
|                LỘ TRÌNH 4 BƯỚC TRIỂN KHAI CHIẾN DỊCH TIKTOK LIVE                  |
+-----------------------------------------------------------------------------------+
| Bước 1: Thiết kế cấu trúc Flash Voucher độc quyền & Deal sốc giới hạn (XT)       |
| Bước 2: Đào tạo kỹ thuật chuyên sâu & Trải nghiệm thực tế sản phẩm cho KOL (CM)   |
| Bước 3: Chuẩn hóa kịch bản tương tác, set up ánh sáng, âm thanh chuyên nghiệp (TH)|
| Bước 4: Tối ưu quy trình gắn link giỏ hàng TikTok Shop 1-Click Checkout (SD)      |
+-----------------------------------------------------------------------------------+
  • Chiến lược Xúc tiến (Ưu tiên số 1 - $\beta = 0.317$): Áp dụng cơ chế Flash Sale định kỳ mỗi 15 phút trong phiên livestream, kết hợp các voucher độc quyền từ nhãn hàng (Exclusive TikTok Shop Vouchers) nhằm kích thích tâm lý sợ bỏ lỡ cơ hội (FOMO) của người trẻ.
  • Tiêu chí tuyển chọn và đào tạo KOL (Ưu tiên số 2 - $\beta = 0.260$ & $\beta = 0.205$): Doanh nghiệp không nên chỉ thuê KOL dựa trên số lượng người theo dõi (Followers) thuần túy. Cần cung cấp bộ tài liệu kỹ thuật sản phẩm (Product Cheat Sheet) và mẫu thử trước 7–14 ngày để KOL nắm vững thông số, tự tin thị phạm và giải đáp trực tiếp mọi chất vấn của khán giả.
  • Nâng cao trải nghiệm công nghệ (Ưu tiên số 3 - $\beta = 0.155$ & $\beta = 0.146$): Tối ưu luồng mua hàng thông qua tính năng ghim sản phẩm chính xác khớp với từng phân đoạn giới thiệu của KOL, giảm thiểu độ trễ tương tác.

Hạn chế và hướng phát triển

Nghiên cứu tồn tại một số giới hạn học thuật cần được ghi nhận:

  1. Phạm vi địa lý và mẫu: Nghiên cứu khảo sát 165 đối tượng theo phương pháp chọn mẫu thuận tiện tập trung tại khu vực đô thị TP.HCM, chưa bao quát các vùng nông thôn hoặc các tỉnh thành khác.
  2. Phương pháp phân tích: Việc sử dụng hồi quy OLS tuyến tính trên SPSS chưa xem xét các biến trung gian (như Mức độ gắn kết - Customer Engagement) hoặc biến điều tiết (như Mức thu nhập, Loại sản phẩm).
  3. Hướng phát triển tiếp theo: Các công trình tương lai nên ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) trên SmartPLS 4.0 với quy mô mẫu mở rộng $N > 500$, so sánh chéo hành vi giữa nền tảng TikTok Shop, Shopee Live và Lazada Live.

Đối tượng hưởng lợi

  • Doanh nghiệp bán lẻ & Thương hiệu D2C: Có căn cứ số liệu để tối ưu hóa chi phí tuyển chọn KOL (KOL ROI), chuyển dịch ngân sách từ booking người nổi tiếng thụ động sang các thỏa thuận hoa hồng kết hợp trợ giá sâu.
  • Nhà sáng tạo nội dung & KOLs/KOCs: Định hướng xây dựng thương hiệu cá nhân tập trung vào tính chuyên môn, tính chân thực trong trải nghiệm và kỹ năng tương tác giọng nói, tránh việc quảng bá thiếu hiểu biết gây tổn hại uy tín dài hạn.
  • Mạng lưới đa kênh (MCNs): Hoàn thiện quy trình đào tạo streamer và xây dựng gói dịch vụ livestream thương mại đạt tỷ lệ chuyển đổi cao.
  • Giảng viên & Sinh viên khối ngành Kinh tế/Marketing: Bản tài liệu tham khảo hoàn chỉnh về quy trình nghiên cứu định lượng chuẩn mực từ thiết kế bảng hỏi, kiểm định EFA, Cronbach's Alpha đến hồi quy OLS.

Câu hỏi thường gặp

1. Tại sao Hoạt động xúc tiến (XT) lại có hệ số tác động cao nhất đối với Gen Z?

Khảo sát định lượng cho thấy thế hệ Z là nhóm khách hàng am hiểu công nghệ, có xu hướng so sánh giá chéo giữa các sàn thương mại điện tử trong thời gian thực. Các chương trình giảm giá trực tiếp và voucher độc quyền chỉ có trên livestream đóng vai trò là "cú hích" chuyển đổi ý định thành hành động mua hàng ngay lập tức.

2. Sự thu hút của KOL có thể thay thế hoàn toàn cho Chuyên môn sản phẩm không?

Không. Kết quả thực nghiệm chỉ ra Chuyên môn ($\beta = 0.260$) có tác động mạnh hơn Sự thu hút ($\beta = 0.205$). Sự thu hút (ngoại hình, giọng nói) là điều kiện cần để thu hút lượt xem và giữ chân người dùng (Retention Rate), nhưng Chuyên môn giải đáp thắc mắc mới là điều kiện đủ để tạo dựng niềm tin chốt đơn.

3. Quy mô mẫu $N=165$ có đảm bảo độ tin cậy thống kê cho mô hình 6 biến độc lập không?

Hoàn toàn đảm bảo. Theo quy tắc kinh nghiệm của Hair et al. (2014), cỡ mẫu tối thiểu cho phân tích EFA và hồi quy đa biến là $N \ge 5 \times k$ (với $k$ là số biến quan sát). Với 26 biến quan sát, yêu cầu tối thiểu là 130 mẫu; quy mô 165 mẫu hợp lệ vượt tiêu chuẩn kiểm định cần thiết.

4. Nền tảng TikTok LIVE có những ưu thế kỹ thuật nào so với Livestream TMĐT truyền thống?

TikTok LIVE tích hợp thuật toán phân phối For You Page (FYP) cá nhân hóa nội dung trực tiếp theo sở thích người dùng, kết hợp hạ tầng thanh toán giỏ hàng TikTok Shop khép kín không cần chuyển hướng ứng dụng, giúp tối đa hóa Nhận thức tính dễ sử dụng (SD) và Tính hữu dụng (HD).

5. Doanh nghiệp cần phân bổ ngân sách thế nào giữa chi phí thuê KOL và chi phí khuyến mãi?

Mô hình gợi ý cơ chế phân bổ tối ưu: $40%$ ngân sách cho trợ giá/voucher độc quyền phiên live, $35%$ cho chi phí booking KOL có chuyên môn sâu trong ngành hàng, $15%$ cho kỹ thuật hình ảnh/âm thanh phòng live và $10%$ cho quảng cáo đẩy luồng (TikTok Spark Ads).

Kết luận

Công trình nghiên cứu tốt nghiệp của Lưu Ngọc Thanh dưới sự hướng dẫn của ThS. Lại Thị Tường Vi đã giải quyết thấu đáo câu hỏi nghiên cứu về các nhân tố chi phối ý định mua sắm của thế hệ Z qua livestream của KOL trên TikTok tại TP.HCM. Thông qua việc kiểm định mô hình với 165 mẫu hợp lệ, đề tài chứng minh 6 nhóm nhân tố gồm: Hoạt động xúc tiến ($\beta = 0.317$), Chuyên môn của KOL ($\beta = 0.260$), Sự thu hút của KOL ($\beta = 0.205$), Sự tin cậy ($\beta = 0.166$), Tính hữu dụng ($\beta = 0.155$) và Tính dễ sử dụng ($\beta = 0.146$) đều có tác động tích cực cùng chiều đến ý định mua hàng, giải thích $62,8%$ phương sai tổng thể ($R^2 = 0.628$).

Kết quả này không chỉ đóng góp một cơ sở thực nghiệm vững chắc cho kho tàng nghiên cứu thương mại điện tử phát trực tiếp tại Việt Nam mà còn mở ra định hướng hành động rõ ràng cho các doanh nghiệp: Lấy khuyến mãi có giá trị làm động lực kích hoạt, lấy chuyên môn đánh giá của KOL làm cốt lõi niềm tin, và tối ưu hóa tính tiện ích công nghệ để hiện thực hóa doanh số bền vững.