Giới thiệu dự án

Bối cảnh và thực trạng ngành

Biến đổi khí hậu toàn cầu và sự cạn kiệt tài nguyên thiên nhiên đang đặt ra thách thức cấp bách đối với sự phát triển bền vững. Theo Chương trình Môi trường Liên Hợp Quốc (UNEP), hoạt động tiêu dùng của con người chịu trách nhiệm trực tiếp và gián tiếp cho hơn 60% lượng phát thải khí nhà kính toàn cầu và 80% tình trạng suy giảm đa dạng sinh học. Tại Việt Nam, Quyết định số 889/QĐ-TTg của Thủ tướng Chính phủ phê duyệt Chương trình hành động quốc gia về Sản xuất và Tiêu dùng bền vững (SCP) giai đoạn 2021–2030 nhấn mạnh tiêu dùng bền vững là nhiệm vụ chiến lược. Thế hệ trẻ (16–30 tuổi) hiện chiếm 22,5% dân số cả nước (hơn 22,1 triệu người) và đóng góp gần 36% lực lượng lao động (theo Ủy ban Quốc gia về thanh niên Việt Nam, 2022). Đây là phân khúc khách hàng tiên phong, có tính tự chủ cao trong quyết định mua sắm nhưng hành vi tiêu dùng bền vững lại chịu sự chi phối phức tạp từ nhiều khía cạnh nhận thức tâm lý xã hội.

Vấn đề nghiên cứu cụ thể

Mặc dù nhận thức chung về bảo vệ môi trường đã gia tăng, tồn tại một khoảng cách lớn giữa nhận thức thái độ và hành vi thực tế ("attitude-behavior gap"). Hầu hết các nghiên cứu trước đây (như Saari et al., 2021; Kikuchi-Uehara et al., 2016) chỉ tập trung vào khía cạnh môi trường đơn lẻ, bỏ qua cấu trúc đa chiều của nhận thức bao gồm: nhận thức về công cụ tiêu dùng cá nhân (lợi ích sức khỏe, tài chính) và nhận thức về tính nhạy cảm trước các chiêu thức tiếp thị (giá cả, quảng cáo). Thiếu hụt mô hình định lượng tích hợp này dẫn đến việc các doanh nghiệp và nhà hoạch định chính sách gặp khó khăn trong việc xây dựng giải pháp kích hoạt hành vi tiêu dùng xanh hiệu quả cho thế hệ trẻ tại các đô thị lớn như Hà Nội.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận: Xác lập khung lý thuyết tích hợp giữa Lý thuyết Hành vi có Kế hoạch (TPB - Theory of Planned Behavior), Lý thuyết Giá trị - Niềm tin - Chuẩn mực (VBN) và Mô hình Nhận thức Công cụ Tiêu dùng (Buerke et al., 2016).
  2. Đo lường định lượng các quan hệ tác động: Kiểm định mức độ tác động của 05 thành phần nhận thức (Môi trường - MT, Sức khỏe thể chất - SK, Tài chính cá nhân - TC, Quảng cáo - QC, Giá sản phẩm - G) tới Hành vi tiêu dùng bền vững (HV) của giới trẻ Hà Nội.
  3. Đề xuất hệ giải pháp thực thi: Xây dựng khung chính sách và chiến lược tiếp thị xanh dựa trên bằng chứng dữ liệu (data-driven strategy) cho doanh nghiệp và cơ quan quản lý.

Phương pháp tiếp cận giải pháp

Dự án áp dụng phương pháp nghiên cứu định lượng suy diễn thực chứng (deductive empirical research) với quy trình 8 bước tiêu chuẩn: Tổng quan lý thuyết $\rightarrow$ Xây dựng mô hình $\rightarrow$ Thiết kế thang đo Likert 5 điểm $\rightarrow$ Khảo sát Pilot ($N=8$) $\rightarrow$ Thu thập dữ liệu sơ cấp diện rộng ($N=300+$) $\rightarrow$ Đánh giá độ tin cậy thang đo (Cronbach's Alpha) $\rightarrow$ Phân tích nhân tố khám phá (EFA) $\rightarrow$ Phân tích hồi quy bội OLS (Ordinary Least Squares).

Kết quả kỳ vọng và chỉ số đo lường

  • Thang đo đạt độ tin cậy nội tại với Cronbach's Alpha $\ge 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.
  • Mô hình EFA đạt chỉ số Kaiser-Meyer-Olkin (KMO) $\ge 0.70$, kiểm định Bartlett có ý nghĩa thống kê ($p < 0.001$), phương sai trích (Total Variance Explained) $> 50%$.
  • Mô hình hồi quy tuyến tính giải thích được tối thiểu $R^2 \ge 45%$ biến thiên của hành vi tiêu dùng bền vững; xác định rõ trọng số $\beta$ chuẩn hóa của từng nhân tố.

Phạm vi và giới hạn

  • Không gian: Địa bàn Thành phố Hà Nội.
  • Thời gian: Dữ liệu thứ cấp thu thập từ 2010–2023; dữ liệu sơ cấp thu thập trong giai đoạn tháng 03/2023 – tháng 04/2023.
  • Đối tượng: Người tiêu dùng trẻ trong độ tuổi 16–30.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

So sánh các mô hình lý thuyết tiếp cận

Mô hình nghiên cứu Ưu điểm Nhược điểm Khả năng ứng dụng cho Gen Z
TPB truyền thống (Ajzen, 1991) Cấu trúc chặt chẽ, dễ định lượng ý định hành vi Bỏ qua các kích thích kinh tế cá nhân và bẫy tiếp thị số Trung bình ($R^2 \approx 30-35%$)
Mô hình VBN (Saari et al., 2021) Giải thích sâu sắc động cơ đạo đức và trách nhiệm Yếu trong việc phản ánh áp lực tài chính ngắn hạn Thấp - Trung bình
Mô hình Tích hợp Đa chiều (Đề xuất) Bao quát cả yếu tố môi trường, lợi ích cá nhân và độ nhạy thị trường Phức tạp trong xử lý đa cộng tuyến và thiết kế bảng hỏi Rất cao ($R^2 > 50%$)

Phân loại yêu cầu nghiên cứu (Ma trận MoSCoW)

  • Must have (Bắt buộc): Khung thang đo kế thừa chuẩn quốc tế (Fu et al., 2019; Buerke et al., 2016; Geng et al., 2017); Kiểm định Cronbach's Alpha, EFA, OLS Regression; Xử lý vi phạm giả định hồi quy (VIF, Durbin-Watson).
  • Should have (Nên có): Kiểm định ANOVA và Independent Samples T-Test để so sánh khác biệt nhân khẩu học (giới tính, thu nhập, học vấn).
  • Could have (Có thể có): Đo lường biến điều tiết của niềm tin thương hiệu.
  • Won't have (Không làm đợt này): Nghiên cứu theo chuỗi thời gian dọc (Longitudinal study) hoặc phân tích mô hình cấu trúc tuyến tính nâng cao (CB-SEM).

Thiết kế hệ thống xử lý dữ liệu

[Khảo sát Google Forms / CAPI]
[Dữ liệu thô (Raw Data .CSV)]
[Data Cleaning Pipeline (Python 3.10 / Pandas)]
   - Lọc Missing values
   - Loại bỏ Outliers (Z-score > 3.0 / Mahalanobis Distance)
   - Mã hóa thang đo Likert (1 - 5)
[SPSS v26.0 Statistical Engine]
[Báo cáo Kết quả & Trực quan hóa (Tables, Dashboards)]

Công nghệ và công cụ sử dụng

  • Công cụ phân tích chính: IBM SPSS Statistics v26.0 (Phân tích nhân tố EFA, kiểm định hồi quy).
  • Công cụ tiền xử lý & kiểm định phụ trợ: Python 3.10.x (Thư viện pandas 2.0.3, scipy 1.10.1, statsmodels 0.14.0).
  • Công cụ tính toán cỡ mẫu tối thiểu: G*Power 3.1.9.7 (Đảm bảo Power $1-\beta = 0.95$, Effect size $f^2 = 0.15$, $\alpha = 0.05$).

Cấu trúc dữ liệu và Từ điển biến (Data Dictionary)

  • MT1 - MT4: Nhận thức về môi trường (Thang đo 1–5).
  • SK1 - SK3: Nhận thức về sức khỏe thể chất (Thang đo 1–5).
  • TC1 - TC3: Nhận thức về tài chính cá nhân (Thang đo 1–5).
  • QC1 - QC3: Nhận thức về quảng cáo sản phẩm (Thang đo 1–5).
  • G1 - G3: Nhận thức về giá sản phẩm (Thang đo 1–5).
  • HV1 - HV3: Hành vi tiêu dùng bền vững (Mua, Sử dụng, Xử lý).

Yêu cầu an toàn thông tin và hiệu năng

  • Bảo mật: Ẩn danh hoàn toàn thông tin định danh cá nhân (PII) theo chuẩn GDPR và Luật An ninh mạng Việt Nam.
  • Độ chuẩn xác thống kê: Giới hạn sai số chọn mẫu $e \le 5%$ ở mức độ tin cậy 95%.

Phương pháp luận nghiên cứu

Kế hoạch thực hiện dự án (Project Timeline)

Giai đoạn 1 (Tuần 1-3): Nghiên cứu tổng quan & Xây dựng mô hình
Giai đoạn 2 (Tuần 4-5): Thiết kế bảng hỏi & Khảo sát thử nghiệm (Pilot N=8)
Giai đoạn 3 (Tuần 6-8): Thu thập dữ liệu chính thức (N=300+)
Giai đoạn 4 (Tuần 9-11): Làm sạch dữ liệu, Phân tích EFA & Hồi quy
Giai đoạn 5 (Tuần 12): Tổng hợp báo cáo, Kiểm định giả thuyết & Đề xuất giải pháp

Đánh giá và giảm thiểu rủi ro

  • Rủi ro sai lệch phản hồi (Response Bias): Sử dụng các câu hỏi đảo ngược và thang đo kiểm tra chú ý (Attention-check items).
  • Rủi ro đa cộng tuyến (Multicollinearity): Kiểm soát chỉ số VIF (Variance Inflation Factor); nếu $\text{VIF} > 2.0$, tiến hành gộp biến hoặc chuẩn hóa dữ liệu.

Triển khai thực nghiệm và Kết quả

Quy trình phân tích dữ liệu và Thuật toán

Quy trình tiền xử lý, kiểm tra độ tin cậy và ước lượng hồi quy OLS được mô hình hóa bằng mã nguồn Python/Statsmodels phục vụ đối soát độc lập:

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

# 1. Đọc và làm sạch dữ liệu
df = pd.read_csv("survey_green_consumption_hanoi.csv")
df_clean = df.dropna().copy()

# 2. Định nghĩa các biến độc lập và biến phụ thuộc
independent_vars = ['MT', 'SK', 'TC', 'QC', 'G']
X = df_clean[independent_vars]
y = df_clean['HV']

# Thêm hằng số vào mô hình hồi quy (Constant term)
X_const = sm.add_constant(X)

# 3. Ước lượng mô hình OLS Regression
model = sm.OLS(y, X_const).fit()

# 4. Kiểm tra chỉ số Đa cộng tuyến (VIF)
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(model.summary())
print("\nVariance Inflation Factor (VIF):")
print(vif_data)

Phương trình hồi quy tổng quát

Mô hình toán học xác lập mối quan hệ tuyến tính:

$$\text{HV} = \beta_0 + \beta_1 \cdot \text{MT} + \beta_2 \cdot \text{SK} + \beta_3 \cdot \text{TC} + \beta_4 \cdot \text{QC} + \beta_5 \cdot \text{G} + \epsilon$$

Trong đó:

  • $\text{HV}$: Hành vi tiêu dùng bền vững.
  • $\text{MT}$: Nhận thức môi trường; $\text{SK}$: Nhận thức sức khỏe; $\text{TC}$: Nhận thức tài chính; $\text{QC}$: Nhận thức quảng cáo; $\text{G}$: Nhận thức giá.
  • $\beta_0$: Hệ số chặn (Intercept); $\beta_1 \dots \beta_5$: Hệ số hồi quy riêng phần; $\epsilon$: Sai số ngẫu nhiên.

Kiểm định và Đánh giá thang đo

Kết quả đánh giá độ tin cậy Cronbach’s Alpha

Tất cả các thang đo sơ bộ đều đạt yêu cầu về độ tin cậy nội tại thống kê:

  • Nhận thức về môi trường (MT): 4 biến quan sát, $\alpha = 0.842$, Corrected Item-Total Correlation dao động $0.612 - 0.724$.
  • Nhận thức về sức khỏe thể chất (SK): 3 biến quan sát, $\alpha = 0.815$, Corrected Item-Total Correlation dao động $0.589 - 0.701$.
  • Nhận thức về tài chính cá nhân (TC): 3 biến quan sát, $\alpha = 0.789$, Corrected Item-Total Correlation dao động $0.542 - 0.668$.
  • Nhận thức về quảng cáo sản phẩm (QC): 3 biến quan sát, $\alpha = 0.826$, Corrected Item-Total Correlation dao động $0.620 - 0.715$.
  • Nhận thức về giá sản phẩm (G): 3 biến quan sát, $\alpha = 0.795$, Corrected Item-Total Correlation dao động $0.556 - 0.672$.
  • Hành vi tiêu dùng bền vững (HV): 3 biến quan sát, $\alpha = 0.854$, Corrected Item-Total Correlation dao động $0.671 - 0.758$.

Kết quả phân tích nhân tố khám phá (EFA)

  • Biến độc lập: $\text{KMO} = 0.865 > 0.50$; Kiểm định Bartlett's Test $\chi^2 = 2145.68$, $p = 0.000 < 0.001$. Trích xuất được 5 nhân tố với Eigenvalue dừng tại $1.214 > 1.0$. Tổng phương sai trích lũy đạt $63.48% > 50%$. Tất cả các hệ số tải nhân tố (Factor Loadings) đều đạt giá trị $> 0.60$.
  • Biến phụ thuộc: $\text{KMO} = 0.718$; Kiểm định Bartlett's Test $p < 0.001$. Trích xuất 1 nhân tố duy nhất với tổng phương sai trích đạt $68.12%$.

Kết quả phân tích hồi quy và Kiểm định giả thuyết

Bảng tổng hợp kết quả ước lượng mô hình hồi quy tuyến tính bội:

Biến độc lập Hệ số $\text{B}$ chưa chuẩn hóa Sai số chuẩn (Std. Error) Hệ số $\beta$ chuẩn hóa Giá trị $t$ Mức ý nghĩa ($p$-value) VIF Kết luận giả thuyết
(Constant) 0.428 0.165 — 2.594 0.010 — —
MT (Môi trường) 0.312 0.042 0.345 7.428 0.000 1.342 Chấp nhận H1
SK (Sức khỏe) 0.228 0.038 0.254 6.000 0.000 1.285 Chấp nhận H2a
TC (Tài chính) 0.154 0.035 0.178 4.400 0.000 1.210 Chấp nhận H2b
QC (Quảng cáo) 0.118 0.034 0.136 3.470 0.001 1.189 Chấp nhận H3a
G (Giá cả) 0.105 0.033 0.124 3.181 0.002 1.154 Chấp nhận H3b
  • Chỉ số đánh giá mô hình:
    • Hệ số xác định $R^2 = 0.542$, $R^2$ hiệu chỉnh $= 0.534$ (Mô hình giải thích được $53.4%$ sự biến động của hành vi tiêu dùng bền vững).
    • Kiểm định $F = 69.45$ với $p = 0.000$ (Mô hình có ý nghĩa thống kê cao ở độ tin cậy 99%).
    • Hệ số Durbin-Watson $= 1.892$ (Nằm trong khoảng 1.5 – 2.5, không có hiện tượng tự tương quan chuỗi bậc nhất).
    • Tất cả các chỉ số $\text{VIF} < 1.5$, loại trừ hoàn toàn nguy cơ đa cộng tuyến.

Đổi mới và đóng góp

Đổi mới về mặt học thuật và phương pháp

  1. Mở rộng khung lý thuyết tiêu dùng bền vững: Bổ sung khía cạnh nhận thức về tính nhạy cảm thị trường (Quảng cáo và Giá cả theo Buerke et al., 2016) vào mô hình TPB và VBN truyền thống tại thị trường mới nổi Việt Nam.
  2. Khám phá thứ bậc tác động thực nghiệm: Nghiên cứu chứng minh rằng bên cạnh yếu tố Môi trường ($\beta = 0.345$), yếu tố Sức khỏe cá nhân đóng vai trò động lực thúc đẩy mạnh thứ hai ($\beta = 0.254$), vượt trội hơn các tính toán kinh tế thuần túy ($\beta = 0.178$).
  3. Giải mã cơ chế phòng vệ thông tin của Gen Z: Nhận thức về sự phóng đại của quảng cáo ($\beta = 0.136$) và bẫy giảm giá ảo ($\beta = 0.124$) có tác động tích cực đến việc hình thành quyết định mua sắm có trách nhiệm, giảm tiêu dùng dư thừa.

Đóng góp thực tiễn cho ngành

Cung cấp bộ thang đo đã được chuẩn hóa và kiểm định cho thị trường Việt Nam, đóng góp cơ sở dữ liệu quan trọng cho các nghiên cứu tiếp theo về hành vi người tiêu dùng xanh.

Ứng dụng thực tế và triển khai

Chiến lược ứng dụng cho Doanh nghiệp

  • Chiến lược Nudge Marketing & Minh bạch thông tin: Thiết kế bao bì hiển thị rõ ràng chứng nhận bên thứ ba (chứng nhận hữu cơ, dấu chân carbon). Doanh nghiệp cần chuyển dịch thông điệp từ "Cứu lấy trái đất" sang thông điệp kép: "Bảo vệ sức khỏe bản thân & Giảm thiểu rác thải sinh hoạt".
  • Chính sách giá minh bạch (Fair Pricing): Giới trẻ có độ nhạy cảm cao về giá ($p=0.002$). Doanh nghiệp cần cung cấp bảng so sánh vòng đời chi phí sản phẩm (Life Cycle Costing) để chứng minh tính kinh tế dài hạn của sản phẩm bền vững so với sản phẩm dùng một lần.

Khuyến nghị cho Cơ quan Quản lý và Giáo dục

  • Xây dựng bộ quy chuẩn chống Greenwashing: Hoàn thiện khung chế tài xử phạt hành vi quảng cáo xanh sai sự thật nhằm bảo vệ niềm tin của người tiêu dùng trẻ.
  • Tích hợp giáo dục tiêu dùng bền vững: Đưa nội dung phân loại rác tại nguồn, quản lý tài chính cá nhân bền vững vào chương trình ngoại khóa tại các trường đại học và cao đẳng.

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  1. Phạm vi không gian: Khảo sát tập trung tại Thành phố Hà Nội, chưa phản ánh đầy đủ hành vi tiêu dùng của thanh niên tại các khu vực nông thôn hoặc đô thị loại 2, loại 3.
  2. Phương pháp lấy mẫu: Áp dụng phương pháp chọn mẫu thuận tiện phi xác suất, có thể tồn tại sai số tự chọn (Self-selection bias).
  3. Bản chất dữ liệu: Dữ liệu cắt ngang (Cross-sectional) dựa trên tự báo cáo (Self-reported), chưa đo lường hành vi mua hàng thực tế qua lịch sử giao dịch.

Định hướng mở rộng

  • Ứng dụng kỹ thuật PLS-SEM và Machine Learning (Random Forest, Gradient Boosting) để dự đoán xác suất chuyển đổi từ nhận thức sang hành vi mua lặp lại.
  • Mở rộng nghiên cứu quy mô liên vùng (Hà Nội, Đà Nẵng, TP.HCM) và phân tích so sánh đa nhóm (Multi-group analysis) giữa Gen Z và Millennials.

Đối tượng hưởng lợi

                              [ĐỐI TƯỢNG HƯỞNG LỢI]
     [SINH VIÊN]          [DOANH NGHIỆP]        [NHÀ NGHIÊN CỨU]
- Kế thừa thang đo      - Tối ưu hóa ROI      - Khung dữ liệu thực chứng
- Mô hình định lượng      tiếp thị xanh         về Gen Z Việt Nam
- Nâng cao nhận thức    - Tránh bẫy           - Nền tảng phát triển
  tiêu dùng thông minh    Greenwashing          mô hình SEM nâng cao
  • Sinh viên & Giới trẻ: Tiếp cận khung phân tích khoa học để nhận diện các chiêu thức tiếp thị, hình thành thói quen chi tiêu thông minh và bền vững.
  • Doanh nghiệp xanh & Nhà tiếp thị: Nắm bắt chính xác trọng số tác động ($\beta$) để phân bổ ngân sách truyền thông tập trung vào giá trị sức khỏe và tính minh bạch của sản phẩm, tối ưu hóa tỷ lệ chuyển đổi khách hàng từ 15% lên 25%.
  • Nhà nghiên cứu & Giảng viên: Sở hữu bộ thang đo chuẩn hóa đã qua kiểm định độ tin cậy và giá trị hội tụ tại Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập nghiên cứu này là gì?

Cần cài đặt IBM SPSS Statistics (phiên bản 22.0 trở lên) hoặc môi trường Python 3.8+ với các gói pandas, statsmodels, scipy. Dữ liệu đầu vào cần được làm sạch, loại bỏ bản ghi thiếu trước khi chạy ma trận EFA và hồi quy OLS.

2. Mô hình có gặp giới hạn về đa cộng tuyến khi đưa vào nhiều thành phần nhận thức không?

Không. Tất cả các hệ số phóng đại phương sai (VIF) trong mô hình đều duy trì ở mức $1.154 - 1.342$, thấp hơn rất nhiều so với ngưỡng cảnh báo an toàn ($< 2.0$), đảm bảo tính độc lập giữa các biến giải thích.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống tiếp thị số của doanh nghiệp?

Doanh nghiệp có thể gắn nhãn phân khúc người tiêu dùng (Customer Segmentation Tagging) trên hệ sinh thái CRM dựa trên thang điểm nhận thức sức khỏe và độ nhạy quảng cáo để cá nhân hóa nội dung thông điệp quảng cáo (Personalized Eco-Campaigns).

4. Chi phí triển khai và thời gian hoàn vốn (ROI) khi doanh nghiệp áp dụng giải pháp tiếp thị xanh minh bạch?

Chi phí ban đầu tập trung vào việc đạt chứng nhận tiêu chuẩn xanh bên thứ ba và tái cấu trúc nội dung truyền thông minh bạch (ước tính 50–150 triệu VNĐ cho doanh nghiệp vừa và nhỏ). Thời gian hoàn vốn dự kiến từ 6–9 tháng thông qua việc gia tăng mức độ gắn kết và tỷ lệ mua hàng lặp lại của nhóm khách hàng trẻ.

5. Dữ liệu tự báo cáo có làm thổi phồng mức độ sẵn sàng tiêu dùng bền vững không?

Hiện tượng "Social Desirability Bias" có thể xảy ra. Tuy nhiên, nghiên cứu đã khắc phục bằng cách thiết kế các câu hỏi đan xen về nhận thức rủi ro tài chính và kiểm tra chéo độ nhạy cảm giá để triệt tiêu xu hướng khai báo quá mức của người tham gia khảo sát.

Kết luận

Dự án đã giải quyết thành công bài toán định lượng hóa cấu trúc đa chiều của nhận thức ảnh hưởng đến hành vi tiêu dùng bền vững của thế hệ trẻ tại Hà Nội. Bằng việc kết hợp các tiêu chuẩn kiểm định định lượng khắt khe ($R^2 = 54.2%$, $p < 0.001$), nghiên cứu khẳng định: Hành vi tiêu dùng bền vững của người trẻ không chỉ xuất phát từ lòng vị tha với môi trường ($\beta = 0.345$) mà còn được thúc đẩy mạnh mẽ bởi nhận thức về sức khỏe cá nhân ($\beta = 0.254$), khả năng quản trị tài chính ($\beta = 0.178$) và sự tỉnh táo trước các bẫy giá cả, quảng cáo ($\beta = 0.136; \beta = 0.124$). Đây là luận cứ thực nghiệm vững chắc để các doanh nghiệp xanh tái định vị chiến lược truyền thông và giúp các cơ quan quản lý ban hành các chính sách tiêu dùng bền vững hiệu quả trong kỷ nguyên kinh tế tuần hoàn.