Giới thiệu dự án

Sự phát triển vượt bậc của công nghệ số và mạng xã hội đã làm thay đổi căn bản hành vi tiếp cận thông tin và ra quyết định của người tiêu dùng. Trong bối cảnh ngành nông nghiệp công nghệ cao (Agri-tech) tại Việt Nam đang bước vào giai đoạn cơ giới hóa và số hóa mạnh mẽ, việc ứng dụng thiết bị bay không người lái (UAV/Drone) phục vụ bảo vệ thực vật, rải phân bón và gieo hạt đã trở thành giải pháp đột phá. Theo báo cáo của Goldman Sachs, nông nghiệp là lĩnh vực ứng dụng drone thương mại lớn thứ hai toàn cầu, trong khi hãng kiểm toán PwC ước tính quy mô thị trường thiết bị bay nông nghiệp đạt 32,3 tỷ USD. Tại Việt Nam, ứng dụng khoa học kỹ thuật đóng góp trên 30% giá trị gia tăng của ngành nông nghiệp, đưa tỷ lệ cơ giới hóa khâu làm đất đạt 94% và khâu thu hoạch lúa đạt trên 50%.

+-------------------------------------------------------------------------------+
|                       BỐI CẢNH VÀ ĐỘNG LỰC NGHIÊN CỨU                          |
+-------------------------------------------------------------------------------+
|  Thị trường Drone nông nghiệp toàn cầu (PwC): 32,3 tỷ USD                     |
|  Đóng góp KH&CN vào giá trị gia tăng nông nghiệp VN: > 30%                     |
|  Tỷ lệ người dùng tin tưởng e-WOM trên mạng xã hội (Nielsen): 75% - 89%       |
+-------------------------------------------------------------------------------+

Mặc dù thị trường máy bay nông nghiệp mở ra tiềm năng lớn, các doanh nghiệp phân phối thiết bị công nghệ cao như Công ty Cổ phần Thiết bị bay AgriDrone Việt Nam phải đối mặt với thách thức lớn về rào cản nhận thức khách hàng. Thiết bị bay nông nghiệp là sản phẩm công nghệ có giá trị đầu tư cao, kỹ thuật vận hành phức tạp và đòi hỏi độ tin cậy nghiêm ngặt. Khách hàng mục tiêu (nông dân, hợp tác xã, chủ trang trại) thường đối mặt với tình trạng bất cân xứng thông tin (information asymmetry) và rủi ro nhận thức (perceived risk) cao. Do đó, các hình thức quảng cáo một chiều từ doanh nghiệp dần suy giảm hiệu quả, nhường chỗ cho truyền miệng trực tuyến (Electronic Word-of-Mouth - e-WOM) trên các nền tảng mạng xã hội như Facebook, YouTube, Zalo và TikTok.

Đề tài "Nghiên cứu ảnh hưởng của truyền miệng trực tuyến đến ý định mua hàng của khách hàng qua các kênh truyền thông mạng xã hội tại Công ty Cổ phần Thiết bị bay AgriDrone Việt Nam" tập trung giải quyết các mục tiêu cụ thể:

  1. Hệ thống hóa cơ sở lý thuyết và mô hình thực nghiệm về e-WOM, mô hình chấp nhận thông tin (IAM), thuyết hành động hợp lý (TRA) và lý thuyết hợp nhất chấp nhận công nghệ (UTAUT).
  2. Phân tích định lượng mức độ tác động của các nhân tố cấu thành e-WOM (Chất lượng thông tin, Độ tin cậy, Nhu cầu thông tin, Tính hữu ích, Thái độ và Tính đúng lúc) đến ý định mua thiết bị bay nông nghiệp.
  3. Đề xuất hệ thống giải pháp marketing số và quản trị truyền thông e-WOM thực tiễn nhằm tối ưu hóa tỷ lệ chuyển đổi và gia tăng doanh số bền vững cho AgriDrone Việt Nam.

Phạm vi nghiên cứu tập trung vào tập khách hàng đã và đang tìm hiểu, mua sắm sản phẩm/dịch vụ tại AgriDrone Việt Nam trong giai đoạn 2019–2022, thông qua việc thu thập dữ liệu định lượng và xử lý bằng các mô hình kinh tế lượng trên phần mềm thống kê chuyên dụng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Truyền thông truyền thống (WOM) và các chiến dịch quảng cáo trực tiếp bộc lộ nhiều điểm nghẽn khi tiếp cận khách hàng công nghệ nông nghiệp. WOM truyền thống bị giới hạn về bán kính địa lý và tốc độ lan truyền, trong khi quảng cáo trực tiếp từ doanh nghiệp thiếu tính khách quan. Ngược lại, e-WOM trên mạng xã hội mang lại khả năng lưu trữ lâu dài, phạm vi lan tỏa không giới hạn và tính xác thực cao từ cộng đồng người dùng thực tế.

Tiêu chí so sánh WOM Truyền thống Quảng cáo Doanh nghiệp (Direct Ads) e-WOM trên Mạng xã hội
Tính khách quan Cao (từ người quen) Thấp (doanh nghiệp tự quảng cáo) Cao (đa chiều từ cộng đồng người dùng)
Tốc độ lan truyền Chậm, phụ thuộc gặp gỡ Nhanh, phụ thuộc ngân sách Tức thời, cấp số nhân qua thuật toán MXH
Khả năng lưu vết Không lưu trữ (biến mất sau nói) Có lưu trữ theo chiến dịch Lưu trữ vĩnh viễn (Text/Video/Comments)
Chi phí tiếp cận/lead Rất cao Cao (chi phí CPM/CPC tăng dần) Tối ưu hóa (Organic reach + Viral loops) 
+-------------------------------------------------------------------------------+
|                       MA TRẬN PHÂN TÍCH YÊU CẦU (MoSCoW)                      |
+-------------------------------------------------------------------------------+
| [M] Must Have:    Thang đo chuẩn hóa Likert 5 điểm, Kiểm định Alpha & EFA      |
| [S] Should Have:  Mô hình hồi quy đa biến OLS, Phân tích đa cộng tuyến VIF     |
| [C] Could Have:   Phân tích sai biệt ANOVA theo nhân khẩu học (Độ tuổi/Địa lý)|
| [W] Won't Have:   Mô hình cấu trúc tuyến tính bình phương bé nhất riêng phần   |
|                   (PLS-SEM) phức tạp trong phạm vi mẫu sơ cấp hiện tại        |
+-------------------------------------------------------------------------------+

Thách thức kỹ thuật đặt ra trong nghiên cứu là sự đa dạng của các nền tảng truyền thông (Fanpage Facebook, Group cộng đồng, Kênh YouTube, Chatbot Zalo) dẫn đến phân tán luồng ý kiến. Khung nghiên cứu cần chuẩn hóa các phản hồi định tính thành các biến số đo lường định lượng có độ tin cậy cao.

Thiết kế hệ thống

Nghiên cứu kết hợp mô hình chấp nhận thông tin (Information Adoption Model - IAM của Sussman & Siegal, 2003) và thuyết hành động hợp lý (Theory of Reasoned Action - TRA của Fishbein & Ajzen, 1975) để xây dựng khung phân tích gồm 6 biến độc lập và 1 biến phụ thuộc với 25 biến quan sát chuẩn hóa.

Mô hình hồi quy tuyến tính đa biến tổng quát được thiết lập như sau:

$$YD = \beta_0 + \beta_1 CL + \beta_2 DTC + \beta_3 NC + \beta_4 HI + \beta_5 TD + \beta_6 TDL + \epsilon$$

Trong đó:

  • $YD$: Ý định mua hàng (Purchase Intention).
  • $CL$: Chất lượng thông tin ($\beta_1$).
  • $DTC$: Độ tin cậy của thông tin ($\beta_2$).
  • $NC$: Nhu cầu thông tin ($\beta_3$).
  • $HI$: Tính hữu ích của thông tin ($\beta_4$).
  • $TD$: Thái độ đối với thông tin ($\beta_5$).
  • $TDL$: Tính đúng lúc của thông tin ($\beta_6$).
  • $\epsilon$: Sai số ngẫu nhiên của mô hình.

Hệ thống công nghệ phân tích dữ liệu:

  • Nền tảng thu thập dữ liệu: Google Forms API & Zalo Official Account Form.
  • Công cụ tính toán thống kê: IBM SPSS Statistics phiên bản 20.0 (hỗ trợ phân tích Cronbach's Alpha, EFA, Correlation, OLS Regression).
  • Môi trường bổ trợ kiểm định: Python v3.10.12, thư viện pandas v2.0.3, statsmodels v0.14.0 và scipy v1.11.0.
+-------------------------------------------------------------------------------+
|                       CẤU TRÚC DỮ LIỆU ĐO LƯỜNG (SCHEMA)                      |
+-------------------------------------------------------------------------------+
| Demographic:  [Gender: Binary, Age_Group: Categorical, Tech_Experience: Ordinal|
| Predictors:   CL (CL1..CL5), DTC (DTC1..DTC4), NC (NC1..NC4),                  |
|               HI (HI1..HI3), TD (TD1..TD3), TDL (TDL1..TDL3)                  |
| Dependent:    YD (YD1..YD3)                                                   |
| Scale:        Likert 5-points (1: Rất không đồng ý -> 5: Rất đồng ý)          |
+-------------------------------------------------------------------------------+

Methodology

Phương pháp luận nghiên cứu áp dụng quy trình định lượng 4 giai đoạn chuẩn mực trong phân tích hành vi người tiêu dùng:

  1. Thiết kế công cụ thu thập: Kế thừa thang đo quốc tế từ Erkan & Evans (2016), Bataineh (2015), và Noraini Sa’ait (2016), tinh chỉnh phù hợp với đặc thù sản phẩm máy bay nông nghiệp.
  2. Khảo sát thử nghiệm (Pilot Survey): Tiến hành khảo sát thử $N_0 = 20$ khách hàng nhằm đánh giá tính tường minh của câu hỏi, hiệu chỉnh ngữ nghĩa các thuật ngữ kỹ thuật (như "tải trọng phun", "radar tránh vật cản", "dung lượng pin thông minh").
  3. Thu thập mẫu chính thức: Áp dụng phương pháp chọn mẫu ngẫu nhiên dựa trên cơ sở dữ liệu khách hàng của AgriDrone. Cỡ mẫu tối thiểu được xác định theo quy tắc của Hair et al. ($N \ge 5 \times 25 = 125$). Mẫu thu thập thực tế đạt $N = 145$ phản hồi hợp lệ.
  4. Quy trình xử lý dữ liệu thống kê:
    • Kiểm định độ tin cậy thang đo bằng hệ số Cronbach's Alpha ($\alpha \ge 0.7$, tương quan biến - tổng $r_{it} \ge 0.3$).
    • Phân tích nhân tố khám phá (EFA) với phương pháp trích Principal Axis Factoring và phép xoay Varimax ($KMO \ge 0.5$, $Sig. < 0.05$, $Eigenvalue > 1.0$, tổng phương sai trích $> 50%$).
    • Phân tích tương quan tuyến tính Pearson ($r$) và kiểm định đa cộng tuyến qua hệ số phóng đại phương sai ($VIF < 10$).
    • Hồi quy OLS và phân tích phương sai ANOVA để xác định trọng số tác động của từng yếu tố.

Implementation và kết quả

Development process

Dữ liệu khảo sát sơ cấp sau khi làm sạch được số hóa và đưa vào pipeline xử lý tự động. Dưới đây là mã nguồn phân tích thống kê hồi quy và kiểm định độ tin cậy được thiết kế để tái tạo kết quả từ tập dữ liệu khảo sát:

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

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho tập biến quan sát."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    alpha = (k / (k - 1)) * (1 - item_vars.sum() / total_var)
    return float(alpha)

def run_regression_pipeline(df: pd.DataFrame, feature_cols: list, target_col: str):
    """Thực thi hồi quy OLS và kiểm tra hệ số VIF."""
    X = df[feature_cols]
    y = df[target_col]
    X_with_const = sm.add_constant(X)
    
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính VIF
    vif_data = pd.DataFrame()
    vif_data["Feature"] = feature_cols
    vif_data["VIF"] = [
        variance_inflation_factor(X.values, i) for i in range(len(feature_cols))
    ]
    
    return model, vif_data

Kịch bản phân tích cú pháp SPSS (Syntax) tương đương được áp dụng trong quá trình kiểm định:

* Kiem dinh do tin cay Cronbach's Alpha cho thang do Chat luong thong tin (CL).
RELIABILITY
  /VARIABLES=CL1 CL2 CL3 CL4 CL5
  /SCALE('Thang do CL') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE
  /SUMMARY=TOTAL.

* Phan tich hoi quy tuyen tinh da bien Enter.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN
  /DEPENDENT YD
  /METHOD=ENTER CL DTC NC HI TD TDL.

Testing và validation

Kết quả kiểm định độ tin cậy và phân tích nhân tố EFA khẳng định tính hợp lệ và độ nhất quán nội tại của mô hình nghiên cứu:

+-------------------------------------------------------------------------------+
|                       KẾT QUẢ KIỂM ĐỊNH ĐỘ TIN CẬY VÀ EFA                     |
+-------------------------------------------------------------------------------+
| 1. Kiểm định KMO & Bartlett:                                                  |
|    - Hệ số KMO = 0.846 (Thỏa điều kiện > 0.5, mức rất thích hợp)              |
|    - Bartlett's Test: Chi-Square = 1482.35, Sig. = 0.000 (< 0.001)            |
| 2. Phương sai trích tích lũy: 64.21% (> 50%, giải thích tốt biến thiên)       |
| 3. Hệ số Eigenvalues nhân tố cuối cùng: 1.185 (> 1.0)                        |
| 4. Kiểm định Cronbach's Alpha:                                                |
|    - CL: 0.842 | DTC: 0.815 | NC: 0.798 | HI: 0.834 | TD: 0.821 | TDL: 0.806 |
|    - YD (Biến phụ thuộc): 0.854 (Tất cả biến quan sát có Corrected r > 0.35)  |
+-------------------------------------------------------------------------------+

Kết quả đạt được

Mô hình hồi quy tuyến tính đạt độ tương thích cao với dữ liệu thực nghiệm, không vi phạm các giả định hồi quy (hệ số VIF của tất cả các biến độc lập đều nhỏ hơn 2.0, loại trừ khả năng đa cộng tuyến).

Biến độc lập Ký hiệu Hệ số hồi quy ($\beta$) Chuẩn hóa ($\beta^*$) Giá trị $t$ Mức ý nghĩa ($Sig.$) Dung sai (Tolerance) VIF
(Hằng số) $Const$ 0.428 - 2.145 0.034 - -
Tính hữu ích $HI$ 0.285 0.298 4.862 0.000 0.685 1.460
Độ tin cậy $DTC$ 0.241 0.252 4.120 0.000 0.712 1.404
Chất lượng $CL$ 0.218 0.229 3.754 0.000 0.698 1.433
Thái độ $TD$ 0.174 0.181 3.012 0.003 0.745 1.342
Nhu cầu $NC$ 0.142 0.149 2.518 0.013 0.782 1.279
Tính đúng lúc $TDL$ 0.119 0.124 2.085 0.039 0.810 1.235 
+-------------------------------------------------------------------------------+
|                       THỐNG KÊ HIỆU NĂNG MÔ HÌNH HỒI QUY                      |
+-------------------------------------------------------------------------------+
|  Hệ số xác định R-Square (R²):            0.586                              |
|  Hệ số R-Square hiệu chỉnh (Adjusted R²): 0.568                              |
|  Kiểm định F toàn phần:                    F(6, 138) = 32.54, p < 0.001       |
|  Ý nghĩa thống kê: 6 nhân tố e-WOM giải thích 56.8% sự biến thiên của YD      |
+-------------------------------------------------------------------------------+

Kiểm định giả thuyết nghiên cứu:

  • H1 (Chất lượng thông tin $\rightarrow$ Ý định mua): Chấp nhận ($\beta = 0.218, p < 0.001$).
  • H2 (Độ tin cậy thông tin $\rightarrow$ Ý định mua): Chấp nhận ($\beta = 0.241, p < 0.001$).
  • H3 (Nhu cầu thông tin $\rightarrow$ Ý định mua): Chấp nhận ($\beta = 0.142, p = 0.013$).
  • H4 (Tính hữu ích thông tin $\rightarrow$ Ý định mua): Chấp nhận ($\beta = 0.285, p < 0.001$) - Tác động mạnh nhất.
  • H5 (Thái độ đối với thông tin $\rightarrow$ Ý định mua): Chấp nhận ($\beta = 0.174, p = 0.003$).
  • H6 (Tính đúng lúc của thông tin $\rightarrow$ Ý định mua): Chấp nhận ($\beta = 0.119, p = 0.039$).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn mang tính hệ thống cho ngành marketing công nghệ nông nghiệp:

+-------------------------------------------------------------------------------+
|                       TÍNH ĐỔI MỚI VÀ ĐÓNG GÓP HỌC THUẬT                      |
+-------------------------------------------------------------------------------+
| 1. Khung lý thuyết tích hợp: Thiết lập thành công mô hình 6 nhân tố           |
|    chuyên biệt cho sản phẩm công nghệ cao B2B/B2C trong nông nghiệp.           |
| 2. Đột phá thực chứng: Xác định Tính hữu ích (HI, β = 0.285) và Độ tin cậy     |
|    (DTC, β = 0.241) là hai biến dẫn dắt quan trọng nhất, vượt trội so với     |
|    yếu tố quảng cáo đơn thuần.                                                |
| 3. Tối ưu hóa hiệu suất chuyển đổi: Định lượng tỷ lệ cải thiện chuyển đổi      |
|    tiềm năng đạt +28% khi xây dựng nội dung e-WOM chuẩn hóa.                  |
+-------------------------------------------------------------------------------+

So sánh đóng góp khoa học với các công trình tiêu biểu:

  • So với Lê Minh Chí & L.Q (2018): Công trình trước chỉ khảo sát người dùng mạng xã hội tổng quát tại khu vực đô thị (Cần Thơ) với các sản phẩm tiêu dùng nhanh. Nghiên cứu này mở rộng sang thị trường ngách là thiết bị bay không người lái với tệp khách hàng đặc thù khu vực nông thôn và bán chuyên.
  • So với Bataineh (2015): Nghiên cứu bổ sung biến Tính đúng lúc của thông tin (TDL) và Nhu cầu thông tin (NC) vào mô hình, giúp giải thích chi tiết động cơ tương tác thời gian thực trên các kênh mạng xã hội hiện đại như TikTok, Zalo Group.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, AgriDrone Việt Nam có thể triển khai hệ thống giải pháp e-WOM đa kênh theo lộ trình 4 quý:

Chi tiết kịch bản triển khai theo từng trụ cột:

  1. Nâng cao Tính hữu ích ($HI$) và Chất lượng ($CL$):
    • Sản xuất chuỗi video case-study thực tế: So sánh hiệu quả chi phí giữa phun thuốc thủ công và drone (ví dụ: DJI Agras T40 tiết kiệm 90% nước, 20% thuốc BVTV, hiệu suất 18 ha/giờ).
    • Công khai thông số kỹ thuật chi tiết, tài liệu hướng dẫn chuyển giao kỹ thuật dưới dạng infographic trực quan.
  2. Gia tăng Độ tin cậy ($DTC$) và Thái độ tích cực ($TD$):
    • Xây dựng chương trình đại sứ thương hiệu "Nông dân thông thái": Khuyến khích các chủ máy bay bay biểu diễn, livestream phản hồi trực tiếp không chỉnh sửa trên YouTube/Facebook.
    • Thành lập các nhóm cộng đồng hỗ trợ kỹ thuật theo vùng địa lý trên Zalo/Facebook để người dùng hiện tại chia sẻ kinh nghiệm xử lý lỗi pin, cân chỉnh trạm RTK.
  3. Đảm bảo Tính đúng lúc ($TDL$):
    • Thiết lập hệ thống giám sát mạng xã hội (Social Listening) để phát hiện và phản hồi thắc mắc của khách hàng dưới các bài đăng trong vòng tối đa 15 phút.
Hạng mục đầu tư Ngân sách ước tính (VND) KPI / Kết quả kỳ vọng ROI dự kiến
Sản xuất nội dung e-WOM (Video/Case study) 120.000.000 50 video thực tế, 1M+ lượt view Tăng 35% lượt tương tác
Quản trị cộng đồng & Đại sứ nông dân 80.000.000 10 Zalo Group vùng, 5.000 thành viên Giảm 25% chi phí CPL
Hệ thống phản hồi nhanh đa kênh 50.000.000 Thời gian phản hồi < 15 phút Tăng 28% tỷ lệ chốt đơn

Hạn chế và hướng phát triển

Nghiên cứu ghi nhận một số giới hạn phương pháp luận cần được hoàn thiện trong các công trình tiếp theo:

  • Giới hạn không gian và mẫu: Khảo sát thực hiện trên $N = 145$ khách hàng, tập trung vào tệp khách hàng sẵn có của AgriDrone. Các nghiên cứu tương lai nên mở rộng quy mô mẫu ($N > 500$) tại khắp các vùng trọng điểm nông nghiệp (Đồng bằng sông Cửu Long, Tây Nguyên, Đồng bằng sông Hồng).
  • Mô hình phân tích: Nghiên cứu sử dụng mô hình hồi quy tuyến tính OLS trên SPSS. Việc ứng dụng mô hình phương trình cấu trúc bình phương bé nhất riêng phần (PLS-SEM) hoặc CB-SEM trên SmartPLS/AMOS sẽ phân tích sâu hơn vai trò trung gian của biến Hình ảnh thương hiệu và Sự chấp nhận thông tin.
  • Tích hợp công nghệ xử lý ngôn ngữ tự nhiên (NLP): Khai thác thêm dữ liệu phi cấu trúc từ hàng nghìn bình luận trên mạng xã hội bằng mô hình Machine Learning Sentiment Analysis để đo lường cảm xúc khách hàng theo thời gian thực.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận khung nghiên cứu mẫu mực, kết hợp nhuần nhuyễn giữa lý thuyết marketing hiện đại (IAM, TRA) và phương pháp thống kê kinh tế lượng trên SPSS.
  • Kỹ sư Marketing & Quản trị thương hiệu: Nắm bắt các trọng số định lượng ($\beta$) để phân bổ ngân sách tiếp thị số chính xác vào các nội dung mang lại tỷ lệ chuyển đổi cao nhất.
  • Doanh nghiệp phân phối thiết bị công nghệ cao: Sở hữu lộ trình bài bản trong việc xây dựng cộng đồng người dùng trung thành, tận dụng sức mạnh lan tỏa của e-WOM để vượt qua rào cản bất cân xứng thông tin.
  • Nhà nghiên cứu kinh tế nông nghiệp: Bổ sung cơ sở thực chứng giá trị về mức độ sẵn sàng ứng dụng công nghệ 4.0 của lực lượng lao động nông nghiệp Việt Nam.

Câu hỏi thường gặp

  1. Tại sao Tính hữu ích (HI) lại có trọng số tác động lớn nhất đến ý định mua Drone nông nghiệp?
    Vì Drone nông nghiệp là tư liệu sản xuất có giá trị kinh tế cao. Khách hàng chỉ ra quyết định đầu tư khi các thông tin e-WOM chứng minh được hiệu quả cắt giảm chi phí, tăng năng suất mùa vụ và thời gian thu hồi vốn rõ ràng.

  2. Dữ liệu e-WOM ẩn danh có làm suy giảm độ tin cậy của sản phẩm công nghệ cao không?
    Có. Nghiên cứu chỉ ra rằng đối với thiết bị kỹ thuật cao, khách hàng tin tưởng hơn vào các tài khoản thật, các buổi livestream thực địa và nhận xét từ những người dùng có định danh rõ ràng trong cùng địa phương.

  3. Mô hình có kiểm soát hiện tượng đa cộng tuyến giữa các nhân tố thông tin không?
    Có. Tất cả các hệ số VIF trong kiểm định hồi quy đều nằm trong khoảng $1.235 - 1.460$ (thấp hơn nhiều so với ngưỡng cảnh báo 10 hoặc 2), đảm bảo tính độc lập và ý nghĩa của các biến giải thích.

  4. Doanh nghiệp có thể áp dụng mô hình này cho các sản phẩm công nghệ khác không?
    Hoàn toàn khả thi. Khung nghiên cứu kết hợp IAM-TRA có thể áp dụng chuẩn hóa cho các sản phẩm công nghệ B2B/B2C phức tạp như máy gặt đập tự động, hệ thống tưới tiêu thông minh, hoặc phần mềm quản lý nông trại.

  5. Chi phí triển khai chiến lược e-WOM có tối ưu hơn quảng cáo trả phí truyền thống?
    Có. Khi cộng đồng e-WOM tự vận hành, chi phí tạo ra một khách hàng tiềm năng (Cost Per Lead) giảm trung bình từ 25% đến 40% so với chạy quảng cáo hiển thị đơn thuần.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra, thiết lập cơ sở khoa học và thực tiễn vững chắc chứng minh ảnh hưởng sâu sắc của truyền miệng trực tuyến (e-WOM) đến ý định mua máy bay nông nghiệp tại Công ty Cổ phần Thiết bị bay AgriDrone Việt Nam. Với mô hình hồi quy giải thích được 56.8% sự biến thiên của ý định mua hàng, nghiên cứu khẳng định tầm quan trọng sống còn của việc nâng cao Tính hữu ích, Độ tin cậy và Chất lượng thông tin trên các kênh mạng xã hội. Đây là tiền đề chiến lược giúp các doanh nghiệp công nghệ nông nghiệp tối ưu hóa hiệu quả tiếp thị, thúc đẩy cơ giới hóa nông nghiệp và kiến tạo nền nông nghiệp số hiện đại tại Việt Nam. Quý độc giả và doanh nghiệp có thể ứng dụng trực tiếp các thang đo và giải pháp trong đề tài để xây dựng chiến lược truyền thông e-WOM hiệu quả cho đơn vị của mình.