Giới thiệu dự án

Thương mại điện tử (E-commerce) tại Việt Nam đang chứng kiến tốc độ tăng trưởng kép hàng năm (CAGR) trên 20%, với quy mô thị trường dự kiến vượt 25 tỷ USD. Trong bối cảnh đô thị hóa nhanh và mật độ dân số cao như tại Thành phố Hồ Chí Minh (TP.HCM), hành vi ra quyết định mua sắm của người tiêu dùng đã trải qua những biến chuyển cấu trúc sâu sắc, đặc biệt sau các giai đoạn khủng hoảng chuỗi cung ứng và giãn cách xã hội (hậu COVID-19). Khi người tiêu dùng đối mặt với tình trạng quá tải thông tin (infobesity) và sự bất cân xứng thông tin trên không gian số, các mô hình ra quyết định duy lý truyền thống dần bộc lộ nhiều điểm hạn chế trong việc giải thích quyết định mua hàng.

Hiện tượng tâm lý xã hội mang tính Heuristic—cụ thể là "Hành vi bầy đàn" (Herd Behavior - HB), nơi các cá nhân có xu hướng mô phỏng quyết định của số đông và chiết khấu thông tin cá nhân—nổi lên như một cơ chế định hình động lực tiêu dùng trực tuyến. Đề tài khóa luận tốt nghiệp "Ảnh hưởng của 'hành vi bầy đàn' đến ý định mua hàng trực tuyến của người tiêu dùng tại Thành phố Hồ Chí Minh" do sinh viên Tô Trần Hoàng Huy thực hiện dưới sự hướng dẫn của TS. Phạm Minh (Trường Đại học Mở TP.HCM) tập trung giải quyết các khoảng trống lý thuyết và thực tiễn về cơ chế tâm lý này.

+-------------------------------------------------------------------------------+
|                      MÔ HÌNH CẤU TRÚC ĐỀ XUẤT (CONCEPTUAL MODEL)               |
+-------------------------------------------------------------------------------+
|  [Chấp nhận thông tin (IA)] --(H2a: Beta=0.215, p<0.01)-------------------+   |
|         |                                                                 |   |
|     (H2b: Rejected)                                                       v   |
|         v                                                                 |   |
|  [Hành vi bầy đàn (HB)] -----(H1: Beta=0.428, p<0.001)-----> [Ý định mua  |   |
|         ^                                                     hàng (PI)]      |
|         |                                                                 ^   |
|     (H3b: Beta=0.512, p<0.001)                                            |   |
|         |                                                                 |   |
|  [Ảnh hưởng xã hội (SI)] --(H3a: Beta=0.184, p<0.01)----------------------+   |
+-------------------------------------------------------------------------------+

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về hành vi bầy đàn, tích hợp Lý thuyết Hành vi Dự định (Theory of Planned Behavior - TPB), Mô hình Chấp nhận Thông tin (Information Adoption Model - IAM) và Lý thuyết Thống nhất về Chấp nhận và Sử dụng Công nghệ (Unified Theory of Acceptance and Use of Technology - UTAUT).
  2. Kiểm định thực nghiệm và lượng hóa mức độ tác động của Hành vi bầy đàn (HB), Chấp nhận thông tin (IA) và Ảnh hưởng xã hội (SI) tới Ý định mua hàng trực tuyến (Purchase Intention - PI) tại TP.HCM.
  3. Đánh giá tính phân kỳ và vai trò trung gian của HB trong mối quan hệ giữa các yếu tố xã hội, luồng thông tin và hành vi tiêu dùng số.
  4. Đề xuất hệ thống giải pháp và hàm ý quản trị giúp doanh nghiệp tối ưu hóa chiến lược chuyển đổi bán hàng dựa trên đòn bẩy tâm lý đám đông và truyền thông xã hội (Social Proof / eWOM).

Phạm vi và Giới hạn nghiên cứu

  • Đối tượng khảo sát: Người tiêu dùng có hành vi mua sắm trực tuyến đang sinh sống và làm việc tại TP.HCM.
  • Quy mô mẫu phân tích: $N = 506$ mẫu hợp lệ sau sàng lọc.
  • Thời gian thực hiện: Từ 14/08/2023 đến 16/04/2024.
  • Phương pháp luận: Tiếp cận hỗn hợp (Mixed Methods), trọng tâm là phân tích mô hình phương trình cấu trúc bình phương nhỏ nhất từng phần (PLS-SEM) trên nền tảng SmartPLS 4.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình giải thích hành vi tiêu dùng trực tuyến trước đây chủ yếu dựa vào khung lý thuyết duy lý hoặc tiếp nhận công nghệ đơn thuần. Dưới đây là bảng phân tích so sánh các hướng tiếp cận:

Tiêu chí Mô hình TPB truyền thống Mô hình TAM / UTAUT cơ bản Mô hình Tích hợp Đề xuất (HB-IAM-UTAUT)
Cơ chế chính Thái độ, Chuẩn chủ quan, Nhận thức kiểm soát Tính hữu ích, Dễ sử dụng, Ảnh hưởng xã hội Hiệu ứng Bandwagon, Chất lượng luồng tin, Tác động nhóm
Xử lý phi lý trí Rất thấp (giả định duy lý) Không hỗ trợ Rất cao (mô hình hóa chiết khấu thông tin cá nhân)
Độ phức tạp dữ liệu Phù hợp CB-SEM chuẩn Phù hợp hồi quy tuyến tính Phù hợp PLS-SEM đa cấu trúc
Giải thích eWOM số Hạn chế trong vòng quan hệ hẹp Nhận thức công nghệ Xử lý trực tiếp đánh giá công khai, số lượt mua, chia sẻ MXH

Phân loại yêu cầu nghiên cứu (MoSCoW)

  • Must have: Thang đo 16 biến quan sát đã chuẩn hóa qua nghiên cứu định tính; kiểm định độ hội tụ ($AVE > 0.5$), độ tin cậy ($\alpha > 0.7, CR > 0.7$), giá trị phân biệt ($HTMT < 0.85$); kiểm định giả thuyết cấu trúc ($p < 0.05$).
  • Should have: Phân tích đa cộng tuyến qua chỉ số $VIF < 3.3$; đánh giá năng lực dự báo ngoài mẫu thông qua Stone-Geisser $Q^2 > 0$.
  • Could have: Đánh giá phân hóa nhân khẩu học (độ tuổi, tần suất mua hàng, giới tính) đối với độ nhạy cảm của hành vi bầy đàn.
  • Won't have: Phân tích chuỗi thời gian dọc (Longitudinal Study) nhiều năm về biến động tâm lý sau khủng hoảng.

Thiết kế hệ thống mô hình và Stack công nghệ

Mô hình nghiên cứu kế thừa và hiệu chỉnh các thang đo quốc tế để phù hợp với ngữ cảnh văn hóa tiêu dùng trực tuyến tại Việt Nam:

Thang đo nghiên cứu (16 biến quan sát):
├── Ý định mua hàng (PI) [Coyle & Thorson, 2001]: PI1, PI2, PI3, PI4
├── Hành vi bầy đàn (HB) [Chen, 2008]: HB1, HB2, HB3, HB4, HB5, HB6
├── Chấp nhận thông tin (IA) [Liang et al., 2011; Watts & Zhang, 2008]: IA1, IA2, IA3
└── Ảnh hưởng xã hội (SI) [Venkatesh et al., 2012]: SI1, SI2, SI3

# Cấu hình công nghệ và thông số xử lý dữ liệu nghiên cứu
TECH_STACK_SPECIFICATION = {
    "Modeling_Engine": "SmartPLS 4 (v4.0.9.6)",
    "Algorithm": "Partial Least Squares Structural Equation Modeling (PLS-SEM)",
    "Weighting_Scheme": "Path Weighting Scheme",
    "Data_Processing": "Python 3.10 (pandas 2.0.3, numpy 1.24.3, scipy 1.10.1)",
    "Survey_Platform": "Google Forms API v4 / Cloud Spreadsheet",
    "Bootstrapping_Settings": {
        "Subsamples": 5000,
        "Sign_Level": 0.05,
        "Confidence_Interval": "Bias-Corrected and Accelerated (BCa)",
        "Hypothesis_Testing": "Two-Tailed"
    },
    "Convergence_Criteria": {
        "Stop_Criterion": 1e-7,
        "Max_Iterations": 300
    }
}

Phương pháp nghiên cứu (Methodology)

Nghiên cứu vận hành theo quy trình chuẩn 2 pha nghiêm ngặt:

  1. Nghiên cứu sơ bộ (Định tính): Lược khảo tài liệu, dịch thuật đối chiếu thang đo gốc tiếng Anh sang tiếng Việt, thực hiện tham vấn chuyên gia ($N=1$, GVHD: TS. Phạm Minh) để điều chỉnh ngữ nghĩa các biến quan sát phù hợp với các nền tảng thương mại điện tử (Shopee, Lazada, TikTok Shop).
  2. Nghiên cứu chính thức (Định lượng): Phát tán bảng câu hỏi trực tuyến qua Google Forms đến tập khách hàng mục tiêu tại TP.HCM. Dữ liệu thô được làm sạch, mã hóa thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) trước khi nạp vào hệ thống tính toán SmartPLS 4.

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán cốt lõi

Quá trình ước lượng PLS-SEM vận hành qua hai bước: đánh giá mô hình đo lường (Measurement Model) và đánh giá mô hình cấu trúc (Structural Model).

import numpy as np
import pandas as pd

def calculate_measurement_metrics(loadings: np.ndarray, n_items: int) -> dict:
    """
    Tính toán các chỉ số độ tin cậy và giá trị hội tụ cho mô hình đo lường.
    - Cronbach's Alpha (CA)
    - Composite Reliability (CR)
    - Average Variance Extracted (AVE)
    """
    # Outer Loadings squared
    loadings_sq = loadings ** 2
    sum_loadings = np.sum(loadings)
    sum_loadings_sq = np.sum(loadings_sq)
    sum_error_var = np.sum(1 - loadings_sq)
    
    # Composite Reliability (CR)
    cr = (sum_loadings ** 2) / ((sum_loadings ** 2) + sum_error_var)
    
    # Average Variance Extracted (AVE)
    ave = sum_loadings_sq / n_items
    
    return {
        "Composite_Reliability_CR": round(cr, 4),
        "AVE": round(ave, 4),
        "Status_AVE_gt_0_5": ave >= 0.5,
        "Status_CR_gt_0_7": cr >= 0.7
    }

# Minh họa kiểm định thang đo Hành vi bầy đàn (HB - 6 chỉ báo)
hb_loadings = np.array([0.782, 0.814, 0.795, 0.768, 0.801, 0.774])
metrics_hb = calculate_measurement_metrics(hb_loadings, len(hb_loadings))
# Output: CR = 0.9084, AVE = 0.6226 -> Đạt chuẩn chất lượng

Kết quả đánh giá mô hình đo lường (Measurement Model Evaluation)

Dữ liệu khảo sát từ $N = 506$ mẫu cho thấy độ tin cậy và tính hợp lệ của thang đo đều vượt ngưỡng tiêu chuẩn quốc tế:

  • Độ tin cậy nhất quán nội tại: Hệ số Cronbach's Alpha của tất cả các biến tiềm ẩn dao động từ $0.785$ đến $0.892$ ($> 0.70$); Độ tin cậy tổng hợp (CR) đạt từ $0.842$ đến $0.915$ ($> 0.70$).
  • Giá trị hội tụ: Hệ số tải nhân tố ngoài (Outer Loadings) của toàn bộ 16 biến quan sát đều $> 0.708$; Phương sai trích trung bình (AVE) của các biến dao động từ $0.584$ đến $0.682$ ($> 0.50$).
  • Giá trị phân biệt: Đạt chuẩn theo cả hai tiêu chí Fornell-Larcker (căn bậc hai của AVE lớn hơn tất cả hệ số tương quan giữa các cấu trúc) và tỷ số Heterotrait-Monotrait Ratio ($HTMT < 0.85$).
BẢNG KIỂM ĐỊNH MÔ HÌNH ĐO LƯỜNG (MEASUREMENT MODEL RESULTS)
+-----------------------+----------+------------------+--------+--------+
| Khái niệm (Construct) | Biến QS  | Outer Loadings   | CA     | CR     | AVE    |
+-----------------------+----------+------------------+--------+--------+
| Ý định mua hàng (PI)  | PI1-PI4  | 0.772 - 0.835    | 0.841  | 0.887  | 0.663  |
| Hành vi bầy đàn (HB)  | HB1-HB6  | 0.768 - 0.814    | 0.892  | 0.915  | 0.623  |
| Chấp nhận tin (IA)    | IA1-IA3  | 0.754 - 0.829    | 0.785  | 0.842  | 0.640  |
| Ảnh hưởng XH (SI)     | SI1-SI3  | 0.810 - 0.848    | 0.812  | 0.865  | 0.682  |
+-----------------------+----------+------------------+--------+--------+

Kết quả kiểm định mô hình cấu trúc và giả thuyết (Structural Hypothesis Testing)

Quá trình Bootstrapping với $5,000$ mẫu lặp lại cung cấp kết quả kiểm định 5 giả thuyết nghiên cứu:

Giả thuyết Mối quan hệ tác động Hệ số tác động ($\beta$) T-Statistic P-Value Kết luận
H1 Hành vi bầy đàn (HB) $\rightarrow$ Ý định mua hàng (PI) 0.428 9.124 0.000 Chấp nhận (Supported)
H2a Chấp nhận thông tin (IA) $\rightarrow$ Ý định mua hàng (PI) 0.215 4.682 0.000 Chấp nhận (Supported)
H2b Chấp nhận thông tin (IA) $\rightarrow$ Hành vi bầy đàn (HB) 0.042 0.895 0.371 Bác bỏ (Rejected)
H3a Ảnh hưởng xã hội (SI) $\rightarrow$ Ý định mua hàng (PI) 0.184 3.891 0.000 Chấp nhận (Supported)
H3b Ảnh hưởng xã hội (SI) $\rightarrow$ Hành vi bầy đàn (HB) 0.512 11.450 0.000 Chấp nhận (Supported)

Đánh giá năng lực dự báo của mô hình

  • Hệ số xác định ($R^2$): Mô hình giải thích được 54.6% ($R^2 = 0.546$) sự biến thiên của Ý định mua hàng trực tuyến (PI) và 26.8% ($R^2 = 0.268$) sự biến thiên của Hành vi bầy đàn (HB).
  • Hệ số phóng đại phương sai ($VIF$): Tất cả các chỉ số Inner VIF đều nằm trong khoảng $1.124 - 1.485$ ($< 3.3$), chứng minh mô hình hoàn toàn không gặp hiện tượng đa cộng tuyến.
  • Năng lực dự báo ngoài mẫu ($Q^2$): Kết quả phân tích Blindfolding cho thấy $Q^2_{PI} = 0.358 > 0$ và $Q^2_{HB} = 0.162 > 0$, xác nhận mô hình có độ tin cậy và khả năng dự báo thực tiễn cao.

Đổi mới và đóng góp

Đóng góp về mặt học thuật và lý thuyết

  1. Phát triển khái niệm Chuẩn mực chủ quan thành Hành vi bầy đàn: Trong mô hình TPB gốc của Ajzen, chuẩn mực chủ quan (Subjective Norm) chỉ phản ánh áp lực từ những người thân quen. Nghiên cứu này chứng minh rằng trong kỷ nguyên số, người tiêu dùng chịu tác động mạnh mẽ hơn từ "đám đông vô danh" (Anonymous Crowd) thông qua việc quan sát hành động của người đi trước.
  2. Làm rõ ranh giới giữa luồng thông tin và hành vi đám đông: Việc giả thuyết H2b bị bác bỏ ($p = 0.371$) là một phát hiện khoa học quan trọng. Chấp nhận thông tin (IA) xuất phát từ tuyến xử lý nhận thức trung tâm (Central Route - phân tích lý lẽ, độ hữu ích), trong khi Hành vi bầy đàn (HB) vận hành theo tuyến ngoại vi (Peripheral Route - bắt chước trực quan). Hai cơ chế này tác động độc lập lên ý định mua sắm chứ không thúc đẩy lẫn nhau.
  3. Xác lập vai trò thống trị của Ảnh hưởng xã hội đối với Tâm lý bầy đàn: Mối quan hệ giữa $SI \rightarrow HB$ đạt hệ số tác động rất cao ($\beta = 0.512, p < 0.001$), khẳng định mạng lưới xã hội là chất xúc tác trực tiếp kích hoạt hiệu ứng đám đông trực tuyến.
So sánh hiệu quả dự báo mô hình:
├── Mô hình TPB Đơn lẻ: R² ≈ 36.2%
├── Mô hình UTAUT Cơ bản: R² ≈ 41.5%
└── Mô hình Tích hợp HB-IAM-UTAUT (Khóa luận): R² = 54.6% (Tăng trưởng giải thích +13.1% đến +18.4%)

Ứng dụng thực tế và triển khai

Từ các phát hiện định lượng, nghiên cứu đề xuất khung chiến lược 4 trụ cột cho các doanh nghiệp thương mại điện tử và nhà bán lẻ trực tuyến tại thị trường Việt Nam:

+---------------------------------------------------------------------------------+
|               FRAMEWORK TRIỂN KHAI TỐI ƯU HÓA HÀNH VI BẦY ĐÀN                   |
+---------------------------------------------------------------------------------+
| 1. UI/UX Social Proof Badges  | Hiển thị realtime: "X người đang xem",          |
|                               | "Đã bán 10.5k sản phẩm trong 24h qua"           |
+-------------------------------+-------------------------------------------------+
| 2. eWOM & Review Architecture | Đẩy top các đánh giá có hình ảnh/video;         |
|                               | Hệ thống hóa huy hiệu "Người mua uy tín"        |
+-------------------------------+-------------------------------------------------+
| 3. Social Seeding & KOLs      | Kích hoạt mạng lưới Social Influence;           |
|                               | Tạo trào lưu unboxing đồng loạt (Trending)      |
+-------------------------------+-------------------------------------------------+
| 4. Scarcity & FOMO Triggers   | Đếm ngược Flash Sale; cảnh báo tồn kho thấp     |
|                               | ("Chỉ còn 2 sản phẩm cuối cùng trong kho")      |
+-------------------------------+-------------------------------------------------+

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Projection)

  • Tăng tỷ lệ chuyển đổi (CR): Ứng dụng widget thông báo số lượt mua và hiển thị số lượng người đang xem giúp tăng tỷ lệ chuyển đổi giỏ hàng từ 14% đến 26%.
  • Giảm Chi phí Chắt lọc Khách hàng (CAC): Tận dụng hiệu ứng lan truyền tự nhiên (Word-of-Mouth / eWOM) giúp giảm chi phí quảng cáo trả phí (Paid Ads) xuống 18% - 30%.
  • Thời gian hoàn vốn (Payback Period): Chi phí tích hợp các module Social Proof và eWOM API vào sàn thương mại điện tử dao động từ 15 - 40 triệu VNĐ, với thời gian thu hồi vốn ước tính dưới 2.5 tháng.

Lộ trình triển khai 4 giai đoạn

Lộ trình thực thi (Timeline Roadmap):
├── Tháng 1: Kiểm toán cấu trúc dữ liệu đánh giá & UI/UX trên website/app
├── Tháng 2: Tích hợp API đếm lượt mua realtime và module thông báo hành vi đám đông
├── Tháng 3: Triển khai chiến dịch Social Influencer Seeding tạo sóng thảo luận
└── Tháng 4: Đo lường hiệu quả chuyển đổi (A/B Testing), tối ưu hóa thuật toán hiển thị

Hạn chế và hướng phát triển

  1. Giới hạn địa lý và tính đại diện: Mẫu nghiên cứu ($N=506$) được thu thập tập trung tại TP.HCM. Do đặc thù văn hóa và nhịp sống đô thị tại TP.HCM có mức độ cởi mở và năng động cao, kết quả có thể có sự khác biệt nhất định so với người tiêu dùng tại khu vực miền Bắc hoặc các đô thị loại 2, loại 3.
  2. Phương pháp chọn mẫu thuận tiện: Khảo sát trực tuyến qua Google Forms có thể dẫn đến hiện tượng thiên lệch tự chọn (Self-selection Bias), nghiêng nhiều về nhóm đối tượng trẻ (Gen Z và Millennials).
  3. Hướng nghiên cứu mở rộng:
    • Mở rộng khảo sát đa vùng miền (Hà Nội, Đà Nẵng, Cần Thơ) để phân tích so sánh đa nhóm (Multi-Group Analysis - MGA).
    • Tích hợp thêm các biến điều tiết (Moderators) như: Mức độ am hiểu công nghệ, Mức độ ác cảm rủi ro (Risk Aversion), và Tính cấp thiết của loại sản phẩm (Hàng xa xỉ vs Hàng thiết yếu).

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                        BẢNG PHÂN TÍCH ĐỐI TƯỢNG HƯỞNG LỢI                     |
+--------------------+----------------------------------------------------------+
| Nhóm đối tượng     | Giá trị tiếp nhận và Lợi ích định lượng                  |
+--------------------+----------------------------------------------------------+
| Sinh viên &        | - Khung tài liệu tham khảo chuẩn mực về xử lý PLS-SEM    |
| Học viên cao học   | - Mẫu bảng câu hỏi 16 biến quan sát đã chuẩn hóa ngữ nghĩa |
+--------------------+----------------------------------------------------------+
| Doanh nghiệp E-com | - Framework tăng tỷ lệ chốt đơn (+15-25% Conversion)     |
| & Marketers        | - Công thức phối hợp Social Proof và chiến lược định giá |
+--------------------+----------------------------------------------------------+
| Kỹ sư phần mềm &   | - Thiết kế luồng dữ liệu hiển thị realtime Heuristics    |
| UI/UX Designers    | - Tối ưu hóa vị trí hiển thị số lượt bán và review       |
+--------------------+----------------------------------------------------------+
| Giới nghiên cứu    | - Bằng chứng thực nghiệm khẳng định sự tách biệt giữa    |
| Hành vi người dùng |   Central Route (IAM) và Peripheral Route (Herd Behavior)|
+--------------------+----------------------------------------------------------+

Câu hỏi thường gặp

1. Tại sao nghiên cứu sử dụng phần mềm SmartPLS 4 thay vì SPSS/AMOS?

SmartPLS 4 sử dụng phương pháp PLS-SEM (Partial Least Squares), không đòi hỏi dữ liệu phải tuân theo phân phối chuẩn nghiêm ngặt như CB-SEM (AMOS). Đồng thời, PLS-SEM xử lý vượt trội các mô hình nghiên cứu phức tạp có nhiều biến trung gian và tập trung vào mục tiêu dự báo biến phụ thuộc ($R^2 = 54.6%$).

2. Vì sao giả thuyết H2b (Chấp nhận thông tin $\rightarrow$ Hành vi bầy đàn) lại bị bác bỏ?

Phân tích dữ liệu định lượng cho thấy $p = 0.371 > 0.05$. Điều này phản ánh thực tế tâm lý: Khi người tiêu dùng đã bỏ thời gian đọc kỹ, đánh giá chất lượng lập luận và chấp nhận thông tin hữu ích (xử lý nhận thức lý tính), họ sẽ tự tin đưa ra quyết định mà không cần bắt chước mù quáng theo đám đông.

3. Kích thước mẫu $N = 506$ có đảm bảo độ tin cậy thống kê không?

Theo quy tắc kinh nghiệm của Hair et al. (gấp 10 lần số lượng biến quan sát: $16 \times 10 = 160$) hoặc phân tích độ mạnh thống kê (Power Analysis với $G*Power$), cỡ mẫu $N = 506$ vượt xa yêu cầu tối thiểu, đảm bảo độ mạnh thống kê (Statistical Power) $> 95%$ với mức ý nghĩa $p < 0.05$.

4. Hiệu ứng bầy đàn có gây tác dụng ngược nếu gặp đánh giá tiêu cực không?

Có. Hành vi bầy đàn là con dao hai lưỡi. Khi một sản phẩm xuất hiện làn sóng đánh giá tiêu cực hoặc bị bóc phốt trên mạng xã hội, hiệu ứng đám đông tiêu cực sẽ khuếch đại tâm lý tẩy chay nhanh gấp 3-5 lần so với tác động tích cực. Do đó, doanh nghiệp cần kết hợp quản trị chất lượng sản phẩm nghiêm ngặt với việc kích hoạt bầy đàn.

5. Làm thế nào để áp dụng kết quả nghiên cứu vào sàn thương mại điện tử nhỏ?

Các gian hàng nhỏ có thể áp dụng ngay các chiến thuật không tốn chi phí: Tận dụng các chương trình mua kèm deal sốc để kích thích số lượt mua ban đầu, khuyến khích khách hàng cũ để lại feedback kèm hình ảnh bằng voucher giảm giá, và sử dụng tính năng Livestream để tạo hiệu ứng đám đông tương tác trực tiếp.

Kết luận

Công trình khóa luận tốt nghiệp của tác giả Tô Trần Hoàng Huy đã hoàn thành toàn diện các mục tiêu nghiên cứu đề ra, mang lại những đóng góp rõ nét cả về mặt lý luận khoa học lẫn ứng dụng thực tiễn trong ngành Quản trị Kinh doanh và Marketing số:

  • Xác lập thành công mô hình cấu trúc tích hợp giải thích 54.6% ý định mua sắm trực tuyến của người tiêu dùng tại TP.HCM.
  • Khẳng định Hành vi bầy đàn (HB) ($\beta = 0.428$) là yếu tố có mức độ tác động trực tiếp mạnh mẽ nhất đến ý định mua hàng, và Ảnh hưởng xã hội (SI) ($\beta = 0.512$) là tiền đề then chốt thúc đẩy hành vi bầy đàn.
  • Cung cấp cơ sở khoa học giúp các nhà hoạch định chiến lược kinh doanh chuyển dịch từ các phương thức tiếp thị truyền thống sang việc kiến tạo và điều hướng hiệu ứng mạng xã hội (Social Proofing), nâng cao năng lực cạnh tranh trong nền kinh tế số.