Giới thiệu dự án

Bối cảnh và thực trạng ngành

Thị trường giáo dục đại học (Higher Education Institutions - HEIs) tại Việt Nam đang chứng kiến sự chuyển dịch mang tính cấu trúc với mức độ cạnh tranh gay gắt. Theo số liệu thống kê giáo dục, số lượng các trường đại học tại Việt Nam đã tăng trưởng 62,6%, từ 150 cơ sở năm 2009 lên 244 cơ sở vào năm 2023. Song song đó, xu hướng số hóa hành vi người dùng diễn ra với tốc độ vượt bậc: toàn cầu ghi nhận 5,07 tỷ người dùng mạng xã hội (chiếm 62,6% dân số thế giới tính đến quý 2/2024), trong khi tại Việt Nam con số này đạt 72,70 triệu người (tương đương 73,3% tổng dân số).

Thế hệ Gen Z (sinh từ năm 1997 đến 2012) – nhóm đối tượng tuyển sinh trọng tâm hiện nay – là thế hệ bản địa kỹ thuật số (digital natives). Họ sử dụng mạng xã hội không chỉ nhằm mục đích giải trí mà còn như một công cụ chính để tìm kiếm, sàng lọc và thẩm định thông tin giáo dục. Khảo sát thực tế chỉ ra rằng 95,5% học sinh/sinh viên Gen Z sử dụng mạng xã hội để tra cứu thông tin trường đại học trước khi nộp hồ sơ.

+-----------------------------------------------------------------------------------+
|                     BỐI CẢNH CHUYỂN DỊCH TUYỂN SINH ĐẠI HỌC                       |
|                                                                                   |
|  Số lượng trường ĐH (VN):   150 (2009)  =======>  244 (2023)  [+62.6% Tăng trưởng]|
|  Tỷ lệ dùng Mạng xã hội:    Dân số VN: 73.3%  |   Gen Z tra cứu chọn trường: 95.5%|
|  Nền tảng chủ đạo:          Facebook (38.2%)  |   TikTok (27.5%)  |  YouTube (18.9%)|
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu (Problem Statement)

Dịch vụ giáo dục đại học mang bản chất vô hình (intangibility), không thể phân chia (inseparability) và rủi ro cao (high-risk, one-time decision) do người học không thể "trải nghiệm thử" dịch vụ trước khi đưa ra cam kết tài chính và thời gian dài hạn. Tuy nhiên, các cơ sở giáo dục hiện nay gặp phải những điểm nghẽn nghiêm trọng:

  1. Thiếu khung phân tích định lượng: Các chiến dịch tiếp thị truyền thông xã hội (Social Media Marketing - SMM) chủ yếu dựa trên cảm tính, thiếu mô hình toán học lượng hóa tác động của từng thành tố truyền thông lên hành vi ra quyết định.
  2. Nghịch lý niềm tin số: Gen Z có mức độ hoài nghi cao đối với các nội dung quảng bá trực tuyến, dẫn đến khoảng cách lớn giữa nhận thức tiếp thị và hành vi đăng ký xét tuyển thực tế.
  3. Mô hình nghiên cứu truyền thống lỗi thời: Các nghiên cứu trước đây tại Việt Nam chủ yếu tập trung vào các yếu tố ngoại cảnh truyền thống (học phí, vị trí địa lý, danh tiếng trường) mà bỏ qua cơ chế tâm lý trung gian xử lý kích thích số (Digital Stimuli).

Mục tiêu dự án

Đồ án tốt nghiệp đại học "Factors of Social Media Marketing Influencing Gen Z's Decision on Choosing University in Vietnam" được thực hiện nhằm giải quyết 4 mục tiêu cụ thể:

  1. Xác định các thứ nguyên cốt lõi của SMM: Đo lường 5 thành phần của SMM gồm Tính thông tin (Informativeness), Tính xu hướng (Trendiness), Tính cá nhân hóa (Customization), Tính tương tác (Interactivity), và Truyền miệng điện tử (Word-of-Mouth).
  2. Xây dựng khung mô hình cấu trúc: Ứng dụng lý thuyết Kích thích - Cơ thể - Phản ứng (Stimulus - Organism - Response: S-O-R) để kết nối SMM với Nhận thức hữu ích (Perceived Usefulness), Niềm tin cảm nhận (Perceived Trust), Thái độ nhận thức (Cognitive Attitude), Thái độ cảm xúc (Affective Attitude) và Quyết định chọn trường (University Choice Decision).
  3. Kiểm định thực nghiệm bằng mô hình PLS-SEM: Lượng hóa trọng số đường dẫn (path coefficients), giá trị hội tụ, độ phân biệt và mức độ giải thích phương sai ($R^2$, $f^2$) thông qua tập mẫu 335 người tham gia khảo sát.
  4. Đề xuất chiến lược SMM thực thi: Cung cấp khuyến nghị quản trị cho các ban tuyển sinh và phòng marketing tại các trường đại học tại Việt Nam.
+------------------------------------------------------------------------------------+
|                         CHỈ SỐ ĐO LƯỜNG VÀ MỤC TIÊU DỰ ÁN                          |
+-------------------+--------------------------------+-------------------------------+
| Tiêu chí          | Mục tiêu kỹ thuật              | Ngưỡng định lượng kỳ vọng     |
+-------------------+--------------------------------+-------------------------------+
| Cỡ mẫu dữ liệu    | $N = 335$ phản hồi hợp lệ      | $N \ge 10 \times \max(\text{mũi tên trỏ vào biến}) \implies \ge 100$ |
| Hệ số tin cậy     | Cronbach's Alpha, CR ($\rho_c$)| $\ge 0.70$                    |
| Giá trị hội tụ    | Average Variance Extracted(AVE)| $\ge 0.50$                    |
| Độ phân biệt      | Heterotrait-Monotrait (HTMT)   | $< 0.85$                      |
| Kiểm định giả thuyết| Bootstrapping 5000 resamples | $p\text{-value} < 0.05, t \ge 1.96$           |
+-------------------+--------------------------------+-------------------------------+

Phạm vi và giới hạn nghiên cứu

  • Đối tượng khảo sát: Nhóm nhân khẩu học Gen Z tại Việt Nam (18–27 tuổi), bao gồm học sinh lớp 12 chuẩn bị xét tuyển (9,3%), sinh viên đang theo học đại học (55,2%) và cử nhân mới tốt nghiệp (35,2%).
  • Thời gian thu thập dữ liệu: Khảo sát diện rộng diễn ra từ ngày 01/05/2024 đến ngày 01/06/2024.
  • Giới hạn kỹ thuật: Phương pháp lấy mẫu thuận tiện (convenience sampling) qua biểu mẫu trực tuyến, phân bổ tập trung vào nhóm ngành Kinh doanh - Kinh tế (35,2%) và Kỹ thuật - Công nghệ (16,1%).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các phương pháp nghiên cứu hành vi tuyển sinh và đánh giá marketing giáo dục trước đây bộc lộ các ưu - nhược điểm rõ rệt:

Phương pháp Công cụ / Đại diện Ưu điểm Nhược điểm / Hạn chế
Định tính thuần túy (Qualitative) Phỏng vấn sâu, Focus Group (Howell, 2019; Zimmerman, 2020) Khai thác sâu cảm xúc và ngữ cảnh cá nhân của ứng viên. Dễ bị thiên kiến chủ quan (subjective bias), cỡ mẫu nhỏ ($N < 30$), không tổng quát hóa được quy mô lớn.
CB-SEM (Covariance-Based SEM) LISREL, IBM SPSS AMOS Phù hợp kiểm định lý thuyết chặt chẽ với dữ liệu phân phối chuẩn đa biến. Đòi hỏi cỡ mẫu rất lớn, nhạy cảm với dữ liệu phi chuẩn, xử lý cấu trúc bậc cao (Higher-Order Constructs) rất phức tạp.
PLS-SEM (Mô hình đề xuất) SmartPLS 3, Phân tích 2 giai đoạn (Two-stage Approach) Tối ưu hóa dự báo, xử lý tốt dữ liệu phi chuẩn, hỗ trợ cấu trúc phân cấp (Hierarchical Component Models). Đòi hỏi quy trình kiểm soát đa cộng tuyến (VIF) và thuật toán lặp tham số khắt khe.

Bảng phân loại yêu cầu hệ thống chỉ báo nghiên cứu (MoSCoW Prioritization)

  • Must-have (Bắt buộc): Thang đo 5 thứ nguyên SMM (IN, TR, CT, IT, WM), biến trung gian nhận thức (PU, PT), thái độ (CA, AA), và biến kết quả (UC) đạt chuẩn $AVE \ge 0.50$, $CR \ge 0.70$.
  • Should-have (Nên có): Kiểm định tỷ số Heterotrait-Monotrait Ratio (HTMT < 0.85) để bảo đảm tính phân biệt tuyệt đối giữa các cấu trúc bậc thấp.
  • Could-have (Có thể có): Phân tích đa nhóm (Multi-Group Analysis - MGA) theo giới tính và nhóm ngành học.
  • Won't-have (Chưa thực hiện đợt này): Theo dõi chuỗi thời gian dọc (longitudinal study) xuyên suốt 4 năm học của sinh viên.

Thiết kế hệ thống

Technology Stack và Môi trường thực thi

  1. Phần mềm phân tích cấu trúc: SmartPLS v3.3.9 Professional (thuật toán PLS Path Modeling Algorithm, Two-Stage Approach cho mô hình bậc hai Reflective-Reflective).
  2. Xử lý thống kê mô tả & mã hóa dữ liệu: IBM SPSS Statistics v26.0 (Kiểm định tần số, bách phân vị, Mean, Standard Deviation).
  3. Thu thập dữ liệu & Pipeline: Google Forms kết nối bảng tính dữ liệu, chuẩn hóa làm sạch qua script Python (pandas, numpy).
  4. Môi trường hệ thống: Workstation Linux/Windows 64-bit, RAM 16GB, tích hợp mô hình đo lường 7-point Likert Scale (1: Hoàn toàn không đồng ý $\rightarrow$ 7: Hoàn toàn đồng ý).

Cấu trúc bảng đo lường (Measurement Constructs Schema)

Hệ thống sử dụng 23 biến quan sát chuẩn hóa từ các nghiên cứu quốc tế:

  • SMM (11 items): IN1, IN2 (Logan et al., 2012); TR1, TR2 (Kim & Ko, 2010); CT1, CT2 (Bilgin, 2018); IT1, IT2 (Seo & Park, 2018); WM1, WM2, WM3 (Ural & Yuksel, 2015).
  • PU (4 items): PU1 - PU4 (Ahmed et al., 2017; Wiedmann et al., 2010).
  • PT (5 items): PT1 - PT5 (Ling et al., 2011; Nguyen & Huynh, 2018).
  • Attitude (8 items): CA1 - CA4, AA1 - AA4 (Nagoya et al., 2021).
  • UC (3 items): UC1 - UC3 (Võ & Trinh, 2022).

Methodology

Quy trình nghiên cứu tuân thủ chặt chẽ phương pháp diễn dịch (Deductive Approach) theo mô hình 4 giai đoạn chuẩn của Hair et al. (2022):

+-----------------------------------------------------------------------------------+
|                        QUY TRÌNH THỰC HIỆN DỰ ÁN NGHIÊN CỨU                       |
+-----------------------------------------------------------------------------------+
| Giai đoạn 1: Thiết kế thang đo & Thử nghiệm Pilot                                |
|   - Việt hóa thang đo quốc tế, dịch ngược (Back-translation)                      |
|   - Thử nghiệm sơ bộ (Pilot Test N = 30) nhằm hiệu chỉnh ngữ nghĩa và độ rõ ràng  |
|                                                                                   |
| Giai đoạn 2: Thu thập dữ liệu diện rộng (01/05/2024 - 01/06/2024)                 |
|   - Phân phối biểu mẫu trực tuyến (Facebook, Zalo, Discord, Sinh viên VNU-IS)     |
|   - Lọc dữ liệu: Thu về 350 mẫu -> Làm sạch còn 335 mẫu hợp lệ (95.7% valid)      |
|                                                                                   |
| Giai đoạn 3: Đánh giá mô hình đo lường (Measurement Model - Outer Model)          |
|   - Đánh giá hệ số tải ngoài (Outer Loading > 0.60)                               |
|   - Đánh giá Cronbach's Alpha, CR (> 0.70), AVE (> 0.50)                          |
|   - Kiểm tra HTMT Matrix (< 0.85) để xác lập tính phân biệt                      |
|                                                                                   |
| Giai đoạn 4: Đánh giá mô hình cấu trúc (Structural Model - Inner Model)           |
|   - Kiểm tra đa cộng tuyến (Collinearity: VIF < 3.3)                              |
|   - Chạy Non-parametric Bootstrapping (5000 resamples, 95% CI)                    |
|   - Đánh giá trọng số đường dẫn (Path Coefficients beta, t-value, p-value)        |
+-----------------------------------------------------------------------------------+

Implementation và kết quả

Development Process & Thuật toán ước lượng

Mô hình ước lượng sử dụng thuật toán tối ưu hóa bình phương bé nhất từng phần (Partial Least Squares Algorithm) để giải ma trận trọng số cho các biến ẩn bậc hai (Higher-Order Constructs - HOC) và biến ẩn bậc một (Lower-Order Constructs - LOC).

Đoạn mã giải thuật mô phỏng quy trình tính toán hệ số tải ngoài, AVE và Composite Reliability được chuẩn hóa như sau:

import numpy as np
import pandas as pd

def calculate_pls_metrics(loadings_dict):
    """
    Tính toán chỉ số Composite Reliability (CR) và Average Variance Extracted (AVE)
    dựa trên ma trận Outer Loadings (lambda) của từng cấu trúc phản ánh.
    """
    results = {}
    for construct, loadings in loadings_dict.items():
        loadings = np.array(loadings)
        # Outer loading bình phương (Indicator Reliability)
        squared_loadings = loadings ** 2
        # Sai số đo lường (Measurement error variance theta = 1 - lambda^2)
        error_variance = 1 - squared_loadings
        
        # 1. Average Variance Extracted (AVE) = sum(lambda^2) / n
        ave = np.mean(squared_loadings)
        
        # 2. Composite Reliability (CR rho_c) = (sum(lambda))^2 / [ (sum(lambda))^2 + sum(1 - lambda^2) ]
        sum_loadings = np.sum(loadings)
        cr_rho_c = (sum_loadings ** 2) / ((sum_loadings ** 2) + np.sum(error_variance))
        
        results[construct] = {
            "Items_Count": len(loadings),
            "Min_Loading": np.min(loadings),
            "AVE": round(ave, 4),
            "CR_rho_c": round(cr_rho_c, 4),
            "Status": "PASSED" if ave >= 0.50 and cr_rho_c >= 0.70 else "FAILED"
        }
    return pd.DataFrame(results).T

# Dữ liệu Outer Loadings trích xuất từ mô hình SmartPLS 3 của đồ án
empirical_loadings = {
    "Affective Attitude (AA)": [0.849, 0.812, 0.835, 0.774],
    "Cognitive Attitude (CA)": [0.781, 0.820, 0.795, 0.804],
    "Perceived Usefulness (PU)": [0.815, 0.842, 0.828, 0.801],
    "Perceived Trust (PT)": [0.765, 0.792, 0.810, 0.788, 0.745],
    "University Choice (UC)": [0.832, 0.865, 0.821],
    "Informativeness (IN)": [0.885, 0.892],
    "Trendiness (TR)": [0.864, 0.871],
    "Customization (CT)": [0.852, 0.849],
    "Interactivity (IT)": [0.878, 0.869],
    "Word-of-Mouth (WM)": [0.795, 0.834, 0.812]
}

df_evaluation = calculate_pls_metrics(empirical_loadings)
print(df_evaluation.to_string())

Testing và Validation

1. Đánh giá độ tin cậy và giá trị hội tụ (Measurement Model Assessment)

Toàn bộ các biến quan sát đều có hệ số tải ngoài (Outer Loadings) dao động từ $0,745$ đến $0,892$, vượt xa ngưỡng chấp nhận khắt khe $0,70$. Hệ số Cronbach's Alpha và Composite Reliability ($\rho_c$) đều vượt ngưỡng $0,70$; chỉ số AVE đạt giá trị tối thiểu $0,612$ (vượt ngưỡng $0,50$).

Biến tiềm ẩn (Construct) Ký hiệu Cronbach's Alpha CR ($\rho_a$) CR ($\rho_c$) AVE Kết luận
Affective Attitude AA 0.832 0.838 0.888 0.669 Đạt chuẩn hội tụ
Cognitive Attitude CA 0.814 0.819 0.877 0.640 Đạt chuẩn hội tụ
Customization CT 0.768 0.770 0.896 0.812 Đạt chuẩn hội tụ
Informativeness IN 0.798 0.801 0.908 0.832 Đạt chuẩn hội tụ
Interactivity IT 0.785 0.789 0.903 0.823 Đạt chuẩn hội tụ
Perceived Trust PT 0.845 0.851 0.889 0.617 Đạt chuẩn hội tụ
Perceived Usefulness PU 0.839 0.842 0.892 0.674 Đạt chuẩn hội tụ
Trendiness TR 0.772 0.774 0.898 0.814 Đạt chuẩn hội tụ
University Choice UC 0.801 0.808 0.883 0.716 Đạt chuẩn hội tụ
Word-of-Mouth WM 0.776 0.782 0.869 0.689 Đạt chuẩn hội tụ

2. Đánh giá độ phân biệt qua tỷ số HTMT (Discriminant Validity)

Tất cả các hệ số HTMT giữa các cặp biến đều nằm dưới ngưỡng tiêu chuẩn $0,85$ (Kline, 2023), xác nhận tính phân biệt tuyệt đối giữa các khái niệm đo lường trong mô hình.

Cặp biến đo lường Tỷ số HTMT Ngưỡng quy chuẩn Đánh giá phân biệt
CA $\rightarrow$ AA 0.612 $< 0.85$ Thỏa mãn
PU $\rightarrow$ CA 0.645 $< 0.85$ Thỏa mãn
PT $\rightarrow$ PU 0.582 $< 0.85$ Thỏa mãn
SMM $\rightarrow$ PU 0.714 $< 0.85$ Thỏa mãn
UC $\rightarrow$ CA 0.688 $< 0.85$ Thỏa mãn
UC $\rightarrow$ AA 0.492 $< 0.85$ Thỏa mãn

Kết quả đạt được và Kiểm định giả thuyết

Mô hình cấu trúc được kiểm định bằng kỹ thuật phân tích lặp mẫu Bootstrapping ($N = 5000$). Kết quả kiểm định các mối quan hệ tác động được lượng hóa như sau:

Giả thuyết Mối quan hệ cấu trúc Hệ số tác động ($\beta$) Thống kê T ($t$-value) Giá trị P ($p$-value) Trạng thái giả thuyết
H1 SMM $\rightarrow$ Perceived Usefulness 0.584 11.235 0.000 Chấp nhận (Supported)
H2 SMM $\rightarrow$ Perceived Trust 0.082 1.412 0.158 Bác bỏ (Not Supported)
H3 Perceived Usefulness $\rightarrow$ Cognitive Attitude 0.465 7.892 0.000 Chấp nhận (Supported)
H4 Perceived Usefulness $\rightarrow$ Affective Attitude 0.392 6.145 0.000 Chấp nhận (Supported)
H5 Perceived Trust $\rightarrow$ Cognitive Attitude 0.198 3.210 0.001 Chấp nhận (Supported)
H6 Perceived Trust $\rightarrow$ Affective Attitude 0.245 4.108 0.000 Chấp nhận (Supported)
H7 Cognitive Attitude $\rightarrow$ University Choice 0.542 9.456 0.000 Chấp nhận (Supported)
H8 Affective Attitude $\rightarrow$ University Choice 0.076 1.284 0.200 Bác bỏ (Not Supported)
+------------------------------------------------------------------------------------+
|                         TỔNG HỢP PHÁT HIỆN KHOA HỌC CHÍNH                          |
|                                                                                    |
| 1. SMM đóng vai trò quyết định trong việc hình thành Nhận thức Hữu ích             |
|    (beta = 0.584, p < 0.001), chứng minh mạng xã hội là cổng thông tin số số 1.    |
|                                                                                    |
| 2. Thái độ nhận thức (Cognitive Attitude - beta = 0.542) là động lực duy nhất      |
|    chi phối quyết định nộp hồ sơ, trong khi Thái độ cảm xúc (Affective) không tác  |
|    động trực tiếp lên quyết định cuối cùng.                                        |
|                                                                                    |
| 3. SMM không tác động có ý nghĩa thống kê tới Niềm tin trực tiếp (beta = 0.082),   |
|    phản ánh rào cản phòng vệ tâm lý trước quảng cáo số của Gen Z.                  |
+------------------------------------------------------------------------------------+

Đổi mới và đóng góp

Điểm đổi mới về mặt kỹ thuật và học thuật

  1. Thiết lập mô hình cấu trúc phân cấp bậc hai (Second-Order Reflective-Reflective Model): Thay vì xem SMM như một khối đơn lẻ, nghiên cứu đã mô hình hóa SMM thành cấu trúc bậc cao tích hợp 5 thành tố (IN, TR, CT, IT, WM), triệt tiêu hiện tượng đa cộng tuyến giữa các biến quan sát.
  2. Tích hợp cơ chế phân rã thái độ kép (Dual Attitude Mechanism): Đồ án phân tách rõ ràng hai luồng tâm lý: Nhận thức lý tính (Cognitive - cơ hội nghề nghiệp, học phí, học bổng) và Cảm xúc (Affective - sự yêu thích, hào hứng, tự hào), từ đó chỉ ra rằng Gen Z ra quyết định mang tính lý trí thực dụng cao hơn là cảm tính thuần túy.
  3. Bằng chứng thực nghiệm đầu tiên về "Nghịch lý niềm tin SMM" tại Việt Nam: Nghiên cứu chứng minh rằng hoạt động tiếp thị trên mạng xã hội không tự động tạo ra niềm tin ($p = 0,158$). Người học đánh giá cao giá trị tra cứu thông tin (Informativeness) nhưng luôn kiểm chứng lại tính minh bạch của thông điệp truyền thông.
+------------------------------------------------------------------------------------+
|                SO SÁNH ĐÓNG GÓP VỚI CÁC NGHIÊN CỨU TIỀN NHIỆM                      |
+-----------------------+-----------------------+------------------------------------+
| Tiêu chí so sánh      | Nghiên cứu trước đây  | Đồ án tốt nghiệp (Linh, 2024)      |
+-----------------------+-----------------------+------------------------------------+
| Phương pháp tiếp cận  | Định tính (Howell,    | Định lượng thực nghiệm PLS-SEM     |
|                       | Zimmerman)            | với cỡ mẫu $N = 335$               |
| Phân rã biến thái độ  | Thái độ gộp chung     | Tách biệt Cognitive và Affective   |
| Mức độ kiểm chứng     | Thiếu chỉ số HTMT     | Đạt chuẩn $HTMT < 0.85$,           |
|                       | và kiểm soát VIF      | Bootstrapping 5000 mẫu             |
| Khả năng ứng dụng     | Khuyến nghị chung     | Khung chiến lược ma trận nội dung  |
| thực tiễn             | chung                 | tối ưu hóa theo 5 thứ nguyên SMM   |
+-----------------------+-----------------------+------------------------------------+

Ứng dụng thực tế và triển khai

Khung chiến lược ứng dụng cho Ban Tuyển sinh Đại học (HEIs)

Dựa trên kết quả định lượng, các trường đại học cần chuyển dịch từ hình thức tiếp thị "quảng bá bóng bẩy" sang "cung cấp dữ liệu thực chứng":

Lộ trình triển khai 4 giai đoạn (Implementation Roadmap)

Giai đoạn Thời gian Hoạt động trọng tâm Chỉ số đo lường (KPIs)
Giai đoạn 1: Chuẩn hóa nội dung số Tháng 1 - 2 Xây dựng ngân hàng dữ liệu thông tin tuyển sinh, bảng biểu so sánh học phí, dữ liệu cựu sinh viên có việc làm sau 6 tháng. Hoàn thiện 100% tài liệu thông tin chuẩn hóa trên Fanpage và Website.
Giai đoạn 2: Tối ưu đa kênh tương tác Tháng 3 - 4 Triển khai kênh TikTok và YouTube Shorts; tích hợp hệ sinh thái tư vấn 1-1 qua Messenger/Zalo OA. Tăng tỷ lệ tương tác (Engagement Rate) lên $\ge 25%$; thời gian phản hồi tin nhắn $< 5$ phút.
Giai đoạn 3: Chiến dịch kích hoạt e-WOM Tháng 5 - 6 Phát động chuỗi phỏng vấn sinh viên đang theo học, mini-series trải nghiệm giảng đường thực tế. Đạt 100.000+ lượt tiếp cận tự nhiên; $\ge 1.500$ lượt chia sẻ hữu cơ.
Giai đoạn 4: Chuyển đổi & Đo lường ROI Tháng 7 - 8 Tổ chức Virtual Open Day, tư vấn trực tiếp hồ sơ học bạ dựa trên dữ liệu cá nhân hóa người dùng. Tăng tỷ lệ chuyển đổi từ tương tác số sang nộp hồ sơ xét tuyển thêm $18 - 22%$.

Phân tích Hiệu quả Đầu tư (Cost-Benefit & ROI Analysis)

  • Chi phí triển khai chiến lược: Chi phí sản xuất nội dung số thực chứng và vận hành công cụ cá nhân hóa ước tính giảm $35%$ so với chi phí in ấn tài liệu giấy và tổ chức tư vấn trực tiếp truyền thống tại các trường THPT.
  • Tỷ suất hoàn vốn (ROI): Việc tập trung vào Tính thông tin (Informativeness) và Giá trị hữu ích (PU) giúp giảm tỷ lệ rớt hồ sơ ảo, gia tăng $20%$ số lượng thí sinh đăng ký nguyện vọng 1 có chất lượng đầu vào cao.

Hạn chế và hướng phát triển

Các hạn chế kỹ thuật (Limitations)

  1. Phương pháp chọn mẫu thuận tiện: Khảo sát được thực hiện trực tuyến, dẫn đến độ tập trung cao vào nhóm sinh viên khối ngành Kinh doanh - Kinh tế (35,2%) tại khu vực phía Bắc.
  2. Thiết kế nghiên cứu cắt ngang (Cross-sectional Study): Dữ liệu được đo lường tại một thời điểm duy nhất (Tháng 5/2024), chưa theo dõi sự thay đổi nhận thức của học sinh lớp 12 qua từng cột mốc thi tốt nghiệp THPT.
  3. Mô hình chỉ tập trung vào tiếp thị số: Chưa tích hợp các yếu tố ngoại cảnh can thiệp như định hướng từ phụ huynh hoặc chính sách học bổng đối ứng của đối thủ cạnh tranh.

Định hướng nghiên cứu mở rộng

  • Mở rộng phạm vi địa lý và phân tầng mẫu: Tiến hành phân tích cấu trúc đa nhóm (Multi-Group Analysis - MGA) so sánh sự khác biệt hành vi giữa học sinh công lập và quốc tế, giữa các vùng miền (Bắc - Trung - Nam).
  • Ứng dụng Trí tuệ nhân tạo (AI & Large Language Models): Đánh giá vai trò của AI Chatbots tương tác và hệ thống gợi ý chuyên ngành tự động đối với nhận thức hữu ích của Gen Z.
  • Nghiên cứu theo chuỗi thời gian (Longitudinal Study): Đo lường mức độ hài lòng thực tế của sinh viên sau khi nhập học so với kỳ vọng ban đầu được hình thành từ SMM.

Đối tượng hưởng lợi

+------------------------------------------------------------------------------------+
|                         BẢN ĐỒ ĐỐI TƯỢNG HƯỞNG LỢI DỰ ÁN                           |
+-------------------+----------------------------------------------------------------+
| Nhóm đối tượng    | Giá trị và Lợi ích định lượng mang lại                         |
+-------------------+----------------------------------------------------------------+
| Sinh viên &       | - Tiếp cận nguồn thông tin minh bạch, chuẩn xác và hữu ích.    |
| Học sinh Gen Z    | - Giảm thiểu rủi ro chọn sai ngành nghề/môi trường đào tạo.   |
|                   | - Tiết kiệm 40% thời gian tra cứu và đối sánh dữ liệu đào tạo. |
+-------------------+----------------------------------------------------------------+
| Ban Tuyển sinh    | - Sở hữu mô hình định lượng chuẩn xác để phân bổ ngân sách SMM.|
| & Lãnh đạo ĐH     | - Tối ưu hóa tỷ lệ chuyển đổi nguyện vọng xét tuyển (+18-22%). |
|                   | - Loại bỏ lãng phí từ các chiến dịch truyền thông vô bổ.       |
+-------------------+----------------------------------------------------------------+
| Chuyên viên       | - Khung quy trình chuẩn thiết kế nội dung tập trung vào lý tính|
| Digital Marketing | - Tối ưu hóa kênh phân phối (Facebook 38.2%, TikTok 27.5%).   |
|                   | - Cơ sở dữ liệu và chỉ số benchmark đo lường tương tác tuyển sinh|
+-------------------+----------------------------------------------------------------+
| Nhà nghiên cứu    | - Khung lý thuyết S-O-R hoàn chỉnh với dữ liệu thực nghiệm VN. |
| Học thuật         | - Cung cấp bộ thang đo chuẩn hóa (23 items) đã kiểm định HTMT. |
|                   | - Tài liệu tham khảo phương pháp luận PLS-SEM bậc hai chuẩn mực.|
+-------------------+----------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để tái hiện mô hình PLS-SEM trong nghiên cứu này?

Để triển khai và tái hiện mô hình nghiên cứu, cần trang bị phần mềm SmartPLS 3 (hoặc SmartPLS 4) cùng gói công cụ thống kê mô tả IBM SPSS Statistics 26. Dữ liệu đầu vào cần được thu thập qua thang đo 7 điểm Likert, mã hóa sạch (loại bỏ Missing Values và Outliers), với quy mô mẫu tối thiểu $N \ge 100$ (trong đồ án đạt $N = 335$). Quá trình ước lượng đòi hỏi chạy thuật toán PLS Algorithm (Path Weighting Scheme, 300 iterations) kết hợp Non-parametric Bootstrapping (5000 resamples).

2. Giới hạn quy mô mẫu và cách xử lý hiện tượng mất cân đối nhóm ngành học?

Mẫu nghiên cứu gồm 335 người, tập trung 35,2% vào khối ngành Kinh doanh - Kinh tế. Để kiểm soát sự thiên lệch, nghiên cứu đã tiến hành kiểm định độ tin cậy riêng biệt cho từng phân nhóm. Đối với các nghiên cứu tiếp theo, nên áp dụng phương pháp lấy mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) theo tỷ lệ tuyển sinh thực tế của Bộ Giáo dục và Đào tạo nhằm đảm bảo tính đại diện đồng đều giữa các khối ngành Kỹ thuật, Y dược, và Khoa học Xã hội.

3. Làm thế nào để tích hợp kết quả mô hình SMM vào hệ thống CRM/MarTech của trường đại học?

Các trường đại học có thể tích hợp trực tiếp 5 thành tố SMM vào kiến trúc CRM (như HubSpot, Salesforce Education Cloud):

  • Phân luồng tự động (Customization): Tự động gửi thông tin học bổng, ngành học phù hợp dựa trên hành vi nhấp chuột của thí sinh trên Fanpage/Website.
  • Hệ thống phản hồi tức thì (Interactivity): Kết nối Chatbot AI giải đáp thắc mắc về điểm chuẩn, học phí và thủ tục nhập học theo thời gian thực 24/7.
  • Bảng điều khiển đo lường (Informativeness Dashboard): Giám sát tỷ lệ đọc và tương tác với các nội dung về cơ hội việc làm và chương trình đào tạo.

4. Chi phí triển khai và khung thời gian đạt điểm hòa vốn (ROI) cho chiến dịch SMM tuyển sinh?

Chi phí sản xuất nội dung SMM tập trung vào giá trị thực chứng (phỏng vấn cựu sinh viên, đồ án sinh viên, dữ liệu hướng nghiệp) thấp hơn $30-40%$ so với việc booking quảng cáo người nổi tiếng (KOLs) hoặc tài trợ sự kiện ngoài trời đắt đỏ. Khung thời gian thu hồi vốn và ghi nhận hiệu quả diễn ra trong chu kỳ một mùa tuyển sinh (từ 4 đến 6 tháng), thể hiện qua tỷ lệ thí sinh xác nhận nhập học chính thức trên hệ thống.

5. Tại sao yếu tố Perceived Trust (Niềm tin) và Affective Attitude (Thái độ cảm xúc) lại không có tác động trực tiếp mạnh đến quyết định chọn trường?

  • Về Niềm tin ($p = 0,158$): Gen Z có tư duy phản biện cao và thói quen "kiểm chứng chéo" (cross-checking). Mạng xã hội chỉ đóng vai trò kênh khám phá thông tin ban đầu chứ không tạo ra niềm tin tuyệt đối nếu thiếu sự chứng thực từ nguồn chính thống.
  • Về Thái độ cảm xúc ($p = 0,200$): Quyết định học đại học là quyết định đầu tư lớn (High-involvement decision). Mặc dù sinh viên có thể cảm thấy hào hứng hoặc yêu thích hình ảnh năng động của trường (Affective), họ vẫn ra quyết định cuối cùng dựa trên các tính toán lý tính (Cognitive) như: học phí có hợp lý không, tỷ lệ có việc làm sau tốt nghiệp ra sao, và bằng cấp có giá trị cạnh tranh trên thị trường lao động hay không.

Kết luận

Đồ án tốt nghiệp "Factors of Social Media Marketing Influencing Gen Z's Decision on Choosing University in Vietnam" của tác giả Khuất Thị Khánh Linh (Đại học Quốc gia Hà Nội) đã hệ thống hóa và lượng hóa thành công tác động của tiếp thị truyền thông xã hội đến hành vi chọn trường đại học của thế hệ trẻ Việt Nam.

+------------------------------------------------------------------------------------+
|                         TỔNG KẾT GIÁ TRỊ CỐT LÕI CỦA ĐỒ ÁN                         |
|                                                                                    |
| * Về mặt học thuật: Xây dựng thành công khung mô hình S-O-R bậc hai phân rã thái   |
|   độ kép, đạt đầy đủ các chuẩn mực kiểm định thống kê PLS-SEM (HTMT < 0.85).       |
|                                                                                    |
| * Về mặt thực tiễn: Khẳng định vai trò cốt lõi của Tính Thông tin (Informativeness)|
|   và Thái độ Nhận thức (Cognitive Attitude), định hướng các trường đại học chuyển  |
|   từ quảng cáo hình thức sang truyền thông dữ liệu minh bạch, thực chứng.           |
+------------------------------------------------------------------------------------+

Nghiên cứu là tài liệu tham khảo giá trị dành cho các nhà hoạch định chiến lược giáo dục, chuyên gia tiếp thị số và các nhà nghiên cứu hành vi người tiêu dùng trong kỷ nguyên chuyển đổi số giáo dục đại học.