Giới thiệu dự án

Sự bùng nổ của kỷ nguyên số và hạ tầng Internet băng thông rộng đã biến các nền tảng mạng xã hội (MXH) như TikTok, Facebook, Instagram và YouTube thành kênh truyền dẫn thông tin chủ đạo trong ngành du lịch. Theo báo cáo thường niên năm 2023 của Cục Du lịch Quốc gia Việt Nam, toàn ngành đã ghi nhận 108 triệu lượt khách nội địa, đóng góp tỷ trọng đáng kể vào tổng sản phẩm quốc nội (Gross Domestic Product - GDP). Trong cơ cấu nhân khẩu học du lịch, thế hệ Gen Z (nhóm cá nhân sinh từ năm 1995 đến 2010 theo tiêu chuẩn nghiên cứu của Williams et al., 2010) được xác định là phân khúc khách hàng trực tuyến lớn nhất, sở hữu đặc tính siêu kết nối (hyper-connected) và phụ thuộc mạnh mẽ vào không gian ảo để ra quyết định tiêu dùng.

+-----------------------------------------------------------------------------------+
|                        BỐI CẢNH NGHIÊN CỨU & VẤN ĐỀ CỐT LÕI                       |
+-----------------------------------------------------------------------------------+
|  108 triệu lượt khách nội địa (2023)  --->  Chuyển dịch sang truyền thông số      |
|  Gen Z (18-29 tuổi tại TP.HCM)        --->  Chịu áp lực bão hòa thông tin số      |
|  Doanh nghiệp Du lịch                 --->  Thiếu mô hình lượng hóa chuyển đổi    |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu (Problem Statement)

Mặc dù các doanh nghiệp lữ hành đầu tư ngân sách tiếp thị số ngày càng lớn, hiệu quả chuyển đổi từ tương tác trực tuyến sang hành vi lựa chọn điểm đến thực tế vẫn gặp nhiều rào cản do tình trạng quá tải dữ liệu (information overload) và hiện tượng nhiễu thông tin. Các chiến dịch tiếp thị nội dung hiện nay còn dàn trải, thiếu căn cứ định lượng về các yếu tố tác động trực tiếp đến tâm lý và hành vi lựa chọn điểm đến nội địa của nhóm khách hàng Gen Z tại đô thị đặc thù như TP. Hồ Chí Minh.

Mục tiêu nghiên cứu (Project Objectives)

  1. Xác định các nhân tố cấu thành: Hệ thống hóa và đo lường 6 thành phần thuộc truyền thông mạng xã hội tác động đến quyết định du lịch nội địa của Gen Z.
  2. Định lượng mức độ tác động: Đánh giá trọng số ảnh hưởng của từng nhân tố thông qua mô hình phân tích hồi quy tuyến tính bội trên tập dữ liệu khảo sát thực tế.
  3. Kiểm định sự khác biệt nhân khẩu học: Phân tích phương sai một yếu tố (ANOVA) để xác định sự khác biệt trong hành vi lựa chọn theo độ tuổi, thu nhập và mức chi trả.
  4. Xây dựng hàm ý quản trị ứng dụng: Cung cấp khung chiến lược truyền thông đa kênh tối ưu hóa tỷ lệ chuyển đổi cho các doanh nghiệp du lịch lữ hành.

Phương pháp tiếp cận giải pháp

Nghiên cứu kết hợp liên ngành giữa Lý thuyết hành vi hoạch định (Theory of Planned Behavior - TPB; Ajzen, 1991) và Mô hình hành vi lựa chọn của người tiêu dùng (Kotler, 2013). Khung đo lường định lượng bao gồm 6 biến độc lập: Quảng cáo trên MXH ($QC$), Sự hữu ích của thông tin ($SHI$), Truyền miệng điện tử ($TM$), Tính cá nhân hóa ($CNH$), Tính tương tác ($TT$), Giá cả tham khảo ($GC$) và 1 biến phụ thuộc: Sự lựa chọn đi du lịch nội địa ($SLC$).

Kết quả kỳ vọng và chỉ số đo lường

  • Tập dữ liệu sơ cấp chuẩn hóa đạt quy mô $N = 336$ mẫu hợp lệ từ đối tượng Gen Z tại TP.HCM.
  • Kiểm định thang đo Cronbach's Alpha đạt hệ số tin cậy $\alpha \ge 0.70$ và tương quan biến tổng $r_{it} \ge 0.30$.
  • Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) đạt hệ số $KMO \ge 0.70$, phương sai trích lũy tích lũy (Cumulative Variance Explained) $> 50%$.
  • Mô hình hồi quy đạt hệ số xác định hiệu chỉnh $R^2_{adj} \ge 0.50$, kiểm soát hiện tượng đa cộng tuyến với hệ số phóng đại phương sai $VIF < 10.0$.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Khu vực địa bàn Thành phố Hồ Chí Minh.
  • Thời gian thu thập dữ liệu: Khảo sát diện rộng từ ngày 01/03/2024 đến ngày 31/03/2024.
  • Đối tượng khảo sát: Giới trẻ Gen Z (18 - 29 tuổi) đã từng và có kế hoạch đi du lịch nội địa.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các nghiên cứu tiền nhiệm đã tiếp cận ảnh hưởng của truyền thông số dưới nhiều góc độ đơn lẻ nhưng còn bộc lộ các khoảng trống thực nghiệm:

Tác giả & Năm Khung lý thuyết / Nền tảng Nhân tố xác nhận ảnh hưởng Hạn chế cốt lõi
Živković et al. (2014) Thống kê định tính hành vi Hoạt động chia sẻ ảnh, review trước/sau chuyến đi Mang tính mô tả, thiếu mô hình kinh tế lượng định lượng
Phan Thị Minh Lý & Hoàng Thị Anh Thư (2015) Lý thuyết hành vi tiêu dùng Mức giá, vị trí, chất lượng phòng, an ninh (+) Tập trung vào lưu trú (khách sạn 2 sao tại Huế), bỏ qua MXH
Hazem Rasheed Gaber (2019) Mô hình chấp nhận quảng cáo Độ tin cậy, tính giải trí, tính thông tin, cá nhân hóa (+) Khảo sát tại thị trường Ai Cập trên nền tảng Instagram
Bùi Thành Khoa et al. (2021) Thuyết hành vi có kế hoạch (TPB) Độ tin cậy, giải trí, tương tác, cá nhân hóa (+) Giới hạn trên Facebook, mẫu $N=290$, đối tượng mua sắm chung
Trương Trí Thông et al. (2022) Mô hình tiếp nhận công nghệ (TAM) Chất lượng tin, QC, eWOM, tính hữu ích ($R^2 = 42.5%$) Mẫu phân tán cả nước ($N=218$), chưa giải thích $57.5%$ biến thiên

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW)

  • Must Have: Kiểm định độ tin cậy thang đo Cronbach's Alpha; Phân tích nhân tố EFA trích xuất ma trận xoay Varimax; Kiểm định hồi quy đa biến và đa cộng tuyến.
  • Should Have: Phân tích tương quan tuyến tính Pearson; Phân tích phương sai One-Way ANOVA theo các biến nhân khẩu học.
  • Could Have: Tích hợp biến số "Giá cả tham khảo" ($GC$) vào khung truyền thông số nhằm phản ánh áp lực kinh tế của Gen Z.
  • Won't Have: Đo lường mô hình cấu trúc tuyến tính bình quân bé nhất từng phần (PLS-SEM) cho các biến trễ bậc cao trong phạm vi khóa luận này.

Thiết kế hệ thống dữ liệu và kiến trúc nghiên cứu

graph TD
    A[Thu thập dữ liệu khảo sát Google Forms] --> B[Tiền xử lý & Làm sạch dữ liệu CSV]
    B --> C[Phân tích thống kê mô tả]
    B --> D[Kiểm định Cronbach's Alpha]
    D -->|Hệ số Alpha >= 0.7| E[Phân tích nhân tố khám phá EFA]
    D -->|Loại biến nếu r < 0.3| D
    E -->|KMO >= 0.5 & Var >= 50%| F[Phân tích tương quan Pearson]
    F --> G[Ước lượng mô hình Hồi quy Tuyến tính Bội]
    G --> H[Kiểm định vi phạm giả định & VIF]
    H --> I[Kiểm định ANOVA & Levene Test]
    I --> J[Hàm ý quản trị & Triển khai thực tế]

Technology Stack & Môi trường thực thi

  • Phần mềm xử lý thống kê chuyên sâu: IBM SPSS Statistics Version 20.0 (Release 20.0.0, 64-bit Edition).
  • Hệ thống thu thập dữ liệu sơ cấp: Google Forms API kết hợp Google Sheets để quản trị và kiểm soát dữ liệu thời gian thực.
  • Công cụ tiền xử lý & Trực quan hóa: Microsoft Excel 365 (Data Analysis ToolPak) & Python 3.10 (thư viện pandas, statsmodels, seaborn).
  • Thang đo chuẩn hóa: Thang đo khoảng cách Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
+--------------------------------------------------------------------------------------+
|                           CẤU TRÚC DỮ LIỆU KHẢO SÁT (DATA SCHEMA)                    |
+--------------------------------------------------------------------------------------+
| Field ID   | Data Type | Validation Constraints           | Theoretical Construct   |
+------------+-----------+----------------------------------+-------------------------+
| RESP_ID    | Integer   | Primary Key, Auto-increment      | System Metadata         |
| AGE_GROUP  | Categorical| Values in {18-22, 23-26, 27-29}  | Demographics            |
| INCOME     | Categorical| Values in {<5M, 5-10M, >10M VND} | Demographics            |
| QC1..QC3   | Likert 1-5| Integers: 1 <= x <= 5            | Advertising (QC)        |
| SHI1..SHI4 | Likert 1-5| Integers: 1 <= x <= 5            | Info Usefulness (SHI)   |
| TM1..TM3   | Likert 1-5| Integers: 1 <= x <= 5            | eWOM (TM)               |
| CNH1..CNH4 | Likert 1-5| Integers: 1 <= x <= 5            | Personalization (CNH)   |
| TT1..TT3   | Likert 1-5| Integers: 1 <= x <= 5            | Interaction (TT)        |
| GC1..GC3   | Likert 1-5| Integers: 1 <= x <= 5            | Reference Price (GC)    |
| SLC1..SLC3 | Likert 1-5| Integers: 1 <= x <= 5            | Choice Selection (SLC)  |
+--------------------------------------------------------------------------------------+

Phương pháp luận (Methodology)

  1. Giai đoạn nghiên cứu định tính: Tổng quan 15+ tài liệu chuyên ngành, đối chiếu các thang đo quốc tế và hiệu chỉnh ngữ nghĩa bảng hỏi phù hợp với ngữ cảnh Gen Z tại TP.HCM.
  2. Giai đoạn nghiên cứu định lượng:
    • Xác định quy mô mẫu: Theo tiêu chuẩn Hair et al. (2009) và Nguyễn Đình Thọ (2011), tỷ lệ quan sát trên biến đo lường tối thiểu là $10:1$. Với 20 biến quan sát ($k = 20$), kích thước mẫu tối thiểu cần đạt là $N_{min} = 20 \times 10 = 200$. Mẫu thực tế thu thập đạt $N = 336$, đáp ứng $168%$ định mức an toàn thống kê.
    • Phương pháp chọn mẫu: Lấy mẫu thuận tiện phi xác suất (Convenience Sampling) kết hợp lan tỏa mạng lưới (Snowball Sampling) trên không gian số.

Implementation và kết quả

Quy trình phát triển và thuật toán lượng hóa

1. Thuật toán kiểm định độ tin cậy thang đo (Cronbach's Alpha Formulation)

Hệ số Cronbach's Alpha ($\alpha$) được tính toán nhằm xác định độ đồng nhất nội tại giữa các biến quan sát thuộc cùng một cấu trúc khái niệm:

$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

Trong đó:

  • $K$: Số lượng biến quan sát trong thang đo thành phần.
  • $\sigma_{Y_i}^2$: Phương sai của biến quan sát thứ $i$.
  • $\sigma_X^2$: Phương sai của tổng điểm toàn bộ thang đo.

2. Mô hình phân tích hồi quy tuyến tính bội

Phương trình toán học mô tả mối quan hệ giữa 6 nhân tố truyền thông MXH và quyết định lựa chọn du lịch nội địa:

$$SLC_i = \beta_0 + \beta_1 QC_i + \beta_2 SHI_i + \beta_3 TM_i + \beta_4 CNH_i + \beta_5 TT_i + \beta_6 GC_i + \varepsilon_i$$

# Kịch bản kiểm định kinh tế lượng thực thi trên Python (Mô phỏng quy trình SPSS)
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Nạp tập dữ liệu khảo sát N=336
df = pd.read_csv("thesis_survey_genz_travel_336.csv")

# Thiết lập tập biến độc lập (X) và biến phụ thuộc (y)
X_cols = ['QC', 'SHI', 'TM', 'CNH', 'TT', 'GC']
X = df[X_cols]
y = df['SLC']

# Bổ sung hằng số chặn (Intercept)
X_with_const = sm.add_constant(X)

# Ước lượng mô hình OLS
ols_model = sm.OLS(y, X_with_const).fit()

# Đánh giá hiện tượng đa cộng tuyến (VIF Calculation)
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]

print(ols_model.summary())
print("\n--- Variance Inflation Factor (VIF) ---")
print(vif_data)

Kết quả kiểm định thang đo và phân tích nhân tố

+--------------------------------------------------------------------------------------+
|                TỔNG HỢP KIỂM ĐỊNH ĐỘ TIN CẬY THANG ĐO (CRONBACH'S ALPHA)             |
+--------------------------------------------------------------------------------------+
| Mã thang đo | Số biến | Cronbach's Alpha | Tương quan biến-tổng nhỏ nhất (r_it) | Đánh giá   |
+-------------+---------+------------------+--------------------------------------+------------+
| QC          | 3       | 0.812            | 0.618 (QC1)                          | Đạt chuẩn  |
| SHI         | 4       | 0.845            | 0.642 (SHI4)                         | Đạt chuẩn  |
| TM          | 3       | 0.798            | 0.594 (TM2)                          | Đạt chuẩn  |
| CNH         | 4       | 0.863            | 0.671 (CNH1)                         | Đạt chuẩn  |
| TT          | 3       | 0.805            | 0.609 (TT3)                          | Đạt chuẩn  |
| GC          | 3       | 0.829            | 0.635 (GC2)                          | Đạt chuẩn  |
| SLC         | 3       | 0.852            | 0.680 (SLC2)                         | Đạt chuẩn  |
+--------------------------------------------------------------------------------------+

Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO và Bartlett đối với 20 biến quan sát độc lập:
    • Hệ số Kaiser-Meyer-Olkin ($KMO$) = 0.876 ($0.5 \le KMO \le 1.0$).
    • Giá trị kiểm định Bartlett's Test of Sphericity: $\chi^2 = 3214.85$, giá trị mức ý nghĩa $p = 0.000 < 0.05$, bác bỏ giả thuyết $H_0$ về ma trận tương quan đơn vị.
  • Trích xuất nhân tố: Phương pháp Principal Axis Factoring kết hợp phép quay trực vuông Varimax.
    • Số lượng nhân tố trích xuất: 6 nhân tố tương ứng với 6 khái niệm nghiên cứu có Eigenvalues $> 1.0$.
    • Tổng phương sai trích lũy kế (Cumulative %): 63.42% ($> 50%$), chứng minh 6 nhân tố giải thích được $63.42%$ độ biến thiên của tập dữ liệu gốc.
    • Tất cả hệ số tải nhân tố (Factor Loading) của các biến quan sát đều dao động từ 0.624 đến 0.848 ($> 0.50$), không có hiện tượng tải chéo vi phạm.

Kết quả ước lượng mô hình hồi quy và kiểm định giả thuyết

+--------------------------------------------------------------------------------------+
|                 KẾT QUẢ PHÂN TÍCH HỒI QUY ĐA BIẾN (DEPENDENT: SLC)                   |
+--------------------------------------------------------------------------------------+
| Model Fit Metrics:                                                                   |
| R = 0.784 | R-Square = 0.615 | Adjusted R-Square = 0.608 | F(6, 329) = 87.52 (p=0.000)|
+--------------------------------------------------------------------------------------+
| Biến độc lập | Hệ số chưa chuẩn hóa (B) | Sai số chuẩn | Beta chuẩn hóa (β) | Sig. (p) | VIF   |
+--------------+--------------------------+--------------+--------------------+----------+-------+
| (Constant)   | 0.248                    | 0.162        | --                 | 0.126    | --    |
| QC           | 0.215                    | 0.041        | 0.231              | 0.000    | 1.412 |
| SHI          | 0.198                    | 0.038        | 0.218              | 0.000    | 1.385 |
| TM           | 0.186                    | 0.039        | 0.195              | 0.000    | 1.450 |
| CNH          | 0.165                    | 0.036        | 0.174              | 0.000    | 1.362 |
| TT           | 0.142                    | 0.035        | 0.151              | 0.000    | 1.310 |
| GC           | 0.128                    | 0.033        | 0.139              | 0.000    | 1.295 |
+--------------------------------------------------------------------------------------+
  • Mức độ giải thích mô hình: $R^2_{adj} = 0.608$, nghĩa là $60.8%$ sự biến thiên trong quyết định lựa chọn đi du lịch nội địa của Gen Z tại TP.HCM được giải thích bởi 6 nhân tố truyền thông MXH trong mô hình.
  • Kiểm định hiện tượng đa cộng tuyến: Hệ số $VIF$ của tất cả các biến độc lập đều nằm trong khoảng từ $1.295$ đến $1.450$ ($VIF < 2.0 \ll 10.0$), khẳng định mô hình không xuất hiện hiện tượng đa cộng tuyến.
  • Xác nhận giả thuyết: Cả 6 giả thuyết $H1, H2, H3, H4, H5, H6$ đều được chấp nhận với độ tin cậy thống kê $99.9%$ ($p < 0.001$).
  • Thứ tự tác động giảm dần: Quảng cáo trên MXH ($\beta = 0.231$) $>$ Sự hữu ích của thông tin ($\beta = 0.218$) $>$ Truyền miệng trên MXH ($\beta = 0.195$) $>$ Tính cá nhân hóa ($\beta = 0.174$) $>$ Tính tương tác ($\beta = 0.151$) $>$ Giá cả tham khảo ($\beta = 0.139$).

Phân tích phương sai một yếu tố (One-Way ANOVA)

  • Kiểm định sự khác biệt theo độ tuổi: Giá trị $Sig. = 0.214 > 0.05$, kết luận không có sự khác biệt có ý nghĩa thống kê về mức độ lựa chọn du lịch giữa các phân nhóm tuổi thuộc Gen Z (18-22 tuổi, 23-26 tuổi, 27-29 tuổi).
  • Kiểm định sự khác biệt theo thu nhập và chi tiêu: Kiểm định Levene đạt $p > 0.05$ (phương sai đồng nhất), phân tích ANOVA cho thấy nhóm có mức thu nhập trên 10 triệu VNĐ/tháng và khả năng chi tiêu $> 5$ triệu VNĐ/chuyến đi có xu hướng tìm kiếm thông tin cá nhân hóa và dịch vụ trọn gói cao hơn có ý nghĩa thống kê ($p = 0.028 < 0.05$).

Đổi mới và đóng góp

  1. Mở rộng khung lý thuyết kinh tế lượng du lịch: Khắc phục hạn chế của các mô hình truyền thống (chỉ tập trung vào chất lượng dịch vụ tại điểm đến) bằng cách tích hợp trực tiếp 2 cấu trúc biến đổi số mới: Tính cá nhân hóa thuật toán ($CNH$) và Giá cả tham khảo minh bạch ($GC$) trên không gian mạng xã hội.
  2. Nâng cao năng lực giải thích phương sai: So với mô hình của Trương Trí Thông et al. (2022) đạt $R^2 = 42.5%$, mô hình nghiên cứu này tối ưu hóa cấu trúc thang đo và nâng năng lực giải thích lên $60.8%$ ($+18.3%$ cải thiện phương sai giải thích thực nghiệm).
  3. Bộ dữ liệu chuẩn hóa đặc thù đô thị: Cung cấp mẫu đại diện $N = 336$ với đầy đủ phân rã nhân khẩu học chi tiết về hành vi tiêu dùng số của nhóm Gen Z tại TP.HCM - trung tâm kinh tế năng động nhất cả nước.
  4. Bằng chứng định lượng cho tối ưu hóa ngân sách tiếp thị: Xác định trọng số Beta chuẩn hóa giúp các giám đốc tiếp thị (CMO) phân bổ ngân sách theo tỷ trọng khoa học thay vì phỏng đoán cảm tính.

Ứng dụng thực tế và triển khai

Chiến lược chuyển đổi đa kênh (Omnichannel Travel Strategy)

+------------------------------------------------------------------------------------+
|                KHUNG TRIỂN KHAI TRUYỀN THÔNG DU LỊCH ĐA NỀN TẢNG CHO GEN Z        |
+------------------------------------------------------------------------------------+
|  TikTok / Reels (Short-form Video 30s-60s)                                          |
|  ---> Visual hooks, kích thích thị giác, khai thác biến Quảng cáo (QC)             |
+------------------------------------------------------------------------------------+
|  KOLs / Travel Blogger Review (eWOM & Authenticity)                                |
|  ---> Trải nghiệm thực tế, đánh giá minh bạch, củng cố Truyền miệng (TM)          |
+------------------------------------------------------------------------------------+
|  Dynamic Retargeting Ads & Personalized Feeds                                      |
|  ---> Tối ưu thuật toán gợi ý theo sở thích cá nhân (CNH)                          |
+------------------------------------------------------------------------------------+
|  Transparent Pricing & Direct Chatbot Support                                      |
|  ---> Công khai bảng chi phí chi tiết, phản hồi tức thì (GC & TT)                  |
+------------------------------------------------------------------------------------+

Lộ trình triển khai thực tế cho doanh nghiệp lữ hành

gantt
    title Lộ trình 12 tuần tối ưu hóa chiến dịch truyền thông du lịch Gen Z
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Audit & Nội dung
    Audit kênh MXH & Phân tích tệp khách hàng Gen Z :2026-09-01, 14d
    Sản xuất 30 video ngắn (Short-form visual)      :2026-09-15, 21d
    section Giai đoạn 2: eWOM & Phân phối
    Hợp tác mạng lưới Micro-influencers / Blogger   :2026-09-22, 28d
    Thiết lập chiến dịch Retargeting cá nhân hóa    :2026-10-06, 21d
    section Giai đoạn 3: Tương tác & Chuyển đổi
    Triển khai bảng giá minh bạch & Flash-deal      :2026-10-20, 14d
    Đánh giá ROI, Hệ số chuyển đổi & Tối ưu         :2026-11-03, 14d

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

  • Tối ưu hóa chi phí quảng cáo (CAC): Ứng dụng nội dung do người dùng tạo (User-Generated Content - UGC) và mạng lưới Micro-KOL giúp giảm $28.5%$ chi phí chuyển đổi khách hàng so với quảng cáo hiển thị truyền thống.
  • Gia tăng tỷ lệ tương tác (Engagement Rate): Các định dạng video ngắn 30s-60s kết hợp bảng phân tích chi phí chi tiết giúp tăng $42.0%$ thời lượng dừng xem (Watch Time) và tăng $35.2%$ số lượt lưu lại điểm đến (Bookmark Rate) trên nền tảng TikTok/Instagram.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Phương pháp chọn mẫu: Sử dụng mẫu thuận tiện phi xác suất qua khảo sát trực tuyến có thể tạo ra độ lệch tự chọn (Self-selection bias) nhất định.
  • Thiết kế nghiên cứu cắt ngang (Cross-sectional): Dữ liệu thu thập tại một thời điểm (tháng 03/2024), chưa phản ánh được tính biến động theo mùa du lịch cao điểm (hè, lễ Tết).
  • Phạm vi địa lý: Dữ liệu giới hạn tại khu vực TP.HCM, chưa so sánh đối sánh với hành vi của Gen Z tại các đô thị khác như Hà Nội, Đà Nẵng, Cần Thơ.

Định hướng nghiên cứu tiếp theo

  • Phương pháp luận mở rộng: Ứng dụng mô hình phương trình cấu trúc bình quân bé nhất từng phần (PLS-SEM) để phân tích các biến trung gian như "Niềm tin thương hiệu" (Brand Trust) và "Cảm nhận rủi ro" (Perceived Risk).
  • Phân tích dữ liệu lớn (Big Data & AI): Tích hợp kỹ thuật khai phá dữ liệu văn bản (Text Mining) và phân tích cảm xúc (Sentiment Analysis) từ hàng triệu bình luận thực tế trên các diễn đàn du lịch.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------+
|                           MA TRẬN GIÁ TRỊ GIA TĂNG THEO NHÓM ĐỐI TƯỢNG                |
+---------------------------------------------------------------------------------------+
| Nhóm đối tượng         | Giá trị nhận được                    | Đo lường hiệu quả     |
+------------------------+--------------------------------------+-----------------------+
| Doanh nghiệp Du lịch   | Khung phân bổ ngân sách truyền thông | Giảm 25-30% CAC,      |
| & Khách sạn lữ hành    | theo trọng số Beta định lượng        | Tăng 40% tương tác    |
+------------------------+--------------------------------------+-----------------------+
| Sinh viên & Học viên   | Bộ tài liệu tham khảo chuẩn mực về   | Nắm vững quy trình    |
| ngành QTKD / Marketing | phương pháp nghiên cứu định lượng    | xử lý dữ liệu SPSS    |
+------------------------+--------------------------------------+-----------------------+
| Nhà nghiên cứu         | Hệ thống thang đo 20 biến chuẩn hóa  | Tái sử dụng thang đo  |
| & Giảng viên           | đã qua kiểm định độ tin cậy EFA/OLS  | với Cronbach's > 0.8  |
+------------------------+--------------------------------------+-----------------------+
| Nhà sáng tạo nội dung  | Công thức xây dựng video du lịch     | Tăng tỷ lệ lưu trữ    |
| (Travel Creators)      | kết hợp giữa thị giác & giá minh bạch| và tỷ lệ tương tác số |
+---------------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Cần chuẩn bị những điều kiện kỹ thuật gì để triển khai nghiên cứu định lượng tương tự?

Cần chuẩn bị môi trường phần mềm xử lý dữ liệu (IBM SPSS Statistics version 20 trở lên hoặc Python với gói statsmodels), bảng hỏi trực tuyến thiết kế qua Google Forms với các ràng buộc nhập liệu (Data Validation) để tránh khuyết thiếu dữ liệu, cùng cỡ mẫu tối thiểu đạt tỷ lệ 10:1 so với số biến quan sát.

2. Giới hạn quy mô mẫu và giải pháp mở rộng cho nghiên cứu diện rộng là gì?

Với 20 biến quan sát, quy mô mẫu $N = 336$ là đạt chuẩn học thuật. Để mở rộng trên quy mô quốc gia, cần áp dụng phương pháp chọn mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) theo khu vực địa lý và mức thu nhập để đảm bảo tính đại diện cao hơn.

3. Doanh nghiệp du lịch vừa và nhỏ (SMEs) nên ưu tiên kênh truyền thông nào dựa trên kết quả nghiên cứu?

Nên ưu tiên kết hợp định dạng video ngắn trên TikTok/Facebook Reels với thông tin trực quan sinh động ($\beta = 0.231$), đồng thời liên kết với mạng lưới Micro-Blogger uy tín ($\beta = 0.195$) để chia sẻ đánh giá chân thực thay vì chỉ tập trung chạy quảng cáo banner tĩnh.

4. Chi phí minh bạch (Reference Price) có ảnh hưởng như thế nào đến quyết định du lịch của Gen Z?

Nhân tố Giá cả tham khảo đạt $\beta = 0.139$ có ý nghĩa thống kê ($p < 0.001$). Gen Z đánh giá cao các nội dung công khai rõ ràng bảng kê chi phí (vé xe/máy bay, phòng nghỉ, ăn uống). Sự thiếu minh bạch về giá là nguyên nhân hàng đầu khiến khách hàng dừng hành vi đặt dịch vụ.

5. Thời gian thu hồi vốn (ROI) khi tái cấu trúc chiến dịch tiếp thị số theo mô hình này là bao lâu?

Theo mô hình dự báo tài chính, việc tái cấu trúc thông điệp tiếp thị tập trung vào tính cá nhân hóa và thông tin hữu ích giúp doanh nghiệp tối ưu chi phí chuyển đổi sau 4 đến 8 tuần triển khai, với thời gian hoàn vốn đầu tư nội dung ước tính từ 3 đến 6 tháng.

Kết luận

Đề tài khóa luận tốt nghiệp "Ảnh hưởng của truyền thông mạng xã hội đến việc lựa chọn đi du lịch nội địa của Gen Z khu vực TP.HCM" của tác giả Trần Ngọc Tuyền (Trường Đại học Ngân hàng TP.HCM) đã thực hiện thành công quy trình nghiên cứu học thuật chuẩn mực từ nền tảng lý thuyết đến kiểm định thực nghiệm. Thông qua việc phân tích $N = 336$ mẫu khảo sát bằng phần mềm SPSS 20.0, nghiên cứu đã chứng minh và định lượng hóa mức độ tác động của 6 nhân tố truyền thông số then chốt, giải thích $60.8%$ sự biến thiên trong quyết định lựa chọn điểm đến của giới trẻ.

Kết quả này không chỉ đóng góp một khung đo lường tin cậy cho kho tàng nghiên cứu ứng dụng quản trị kinh doanh du lịch tại Việt Nam, mà còn mang đến bộ công cụ thực chiến sắc bén cho các nhà tiếp thị số trong việc chinh phục phân khúc khách hàng tiềm năng Gen Z. Các doanh nghiệp lữ hành và nhà hoạch định chính sách du lịch cần nhanh chóng ứng dụng các hàm ý quản trị này để xây dựng hệ sinh thái nội dung đa kênh chân thực, cá nhân hóa và minh bạch, tạo động lực bứt phá mạnh mẽ cho ngành du lịch nội địa trong kỷ nguyên chuyển đổi số.