Báo Cáo Nghiên Cứu: Các Yếu Tố Ảnh Hưởng Đến Hành Vi Mua Hàng Ngẫu Hứng Qua Livestream TikTok Của Sinh Viên
Tóm tắt nghiên cứu (Research Summary)
- Câu hỏi nghiên cứu cốt lõi: Những nhân tố nào thuộc môi trường phát sóng trực tiếp (livestream) trên nền tảng TikTok tác động và chi phối hành vi mua sắm ngẫu hứng (impulse buying behavior) của sinh viên Gen Z, cụ thể là sinh viên Trường Đại học Thương Mại?
- Phương pháp luận tổng quan: Nghiên cứu áp dụng quy trình định lượng kết hợp khảo sát bảng hỏi trực tuyến với mẫu nghiên cứu hợp lệ $N = 163$ sinh viên. Dữ liệu được xử lý qua phần mềm thống kê SPSS thông qua các bước: thống kê mô tả, kiểm định độ tin cậy thang đo Cronbach’s Alpha, phân tích nhân tố khám phá (EFA) với phép xoay Varimax và phân tích hồi quy tuyến tính bội (Multiple Linear Regression).
- Kết quả chính: Mô hình giải thích được $60{,}6%$ biến thiên của hành vi mua hàng ngẫu hứng ($R^2_{\text{hiệu chỉnh}} = 0{,}606$). Hai nhân tố có tác động tích cực và đạt ý nghĩa thống kê cao nhất bao gồm:
- Sự hấp dẫn thị giác & Tin tưởng độ bảo mật ($\beta = 0{,}511$)
- Sự tin cậy của phiên phát trực tiếp và sản phẩm ($\beta = 0{,}230$)
- Hàm ý thực tiễn: Kết quả nghiên cứu cung cấp cơ sở khoa học và định hướng ứng dụng thực tiễn cho các doanh nghiệp thương mại điện tử, nhà bán lẻ thời trang và các KOC/KOL trong việc thiết kế phiên livestream, tối ưu hóa giao diện trực quan và củng cố độ tin cậy giao dịch nhằm thúc đẩy tỷ lệ chuyển đổi đơn hàng tức thì.
Bối cảnh và tầm quan trọng (Context & Significance)
Thực trạng phát triển của xu hướng Live-Commerce và TikTok Shop
Thương mại điện tử Việt Nam đang trải qua giai đoạn chuyển mình mạnh mẽ trong kỷ nguyên kinh tế số, đạt quy mô doanh thu ước tính 20,5 tỷ USD vào năm 2023. Trong bối cảnh các sàn thương mại điện tử truyền thống (Shopee, Lazada, Tiki) tập trung vào mô hình tìm kiếm - mua sắm chủ đích, sự xuất hiện của mô hình Shoppertainment (mua sắm kết hợp giải trí) do TikTok Shop khởi xướng đã định hình lại hoàn toàn hành vi của người tiêu dùng trẻ.
Livestream bán hàng trên TikTok không chỉ đơn thuần là kênh giới thiệu sản phẩm mà còn là không gian tương tác đa giác quan, kích thích mạnh mẽ cảm xúc và thúc đẩy các quyết định mua hàng phát sinh chớp nhoáng không có trong kế hoạch từ trước.
Khoảng trống nghiên cứu (Research Gap)
Mặc dù đã có nhiều công trình nghiên cứu về hành vi mua sắm trực tuyến nói chung, các nghiên cứu thực nghiệm đi sâu vào cơ chế mua sắm ngẫu hứng (Impulsive Buying) trong môi trường phát sóng trực tiếp thời gian thực tại các trường đại học khối ngành kinh tế vẫn còn hạn chế. Sinh viên thế hệ Z là nhóm khách hàng bản địa kỹ thuật số (digital natives), có tần suất lướt mạng xã hội cao, nhạy cảm với hình ảnh và xu hướng nhưng đồng thời lại có mức ngân sách chi tiêu giới hạn. Việc nghiên cứu các yếu tố thúc đẩy quyết định mua bốc đồng của nhóm đối tượng này lấp đầy khoảng trống lý thuyết về hành vi mua ngẫu hứng trong không gian bán lẻ mạng xã hội mới nổi.
Phương pháp luận và cách tiếp cận (Methodology & Approach)
Nghiên cứu được thiết kế theo quy trình định lượng chặt chẽ nhằm kiểm định các giả thuyết kế thừa từ Lý thuyết Chấp nhận Công nghệ (TAM - Davis, 1985), Lý thuyết Hành động Hợp lý (TRA - Fishbein & Ajzen, 1975) và Mô hình Kích thích - Cơ thể - Phản hồi (S-O-R).
1. Quy trình chọn mẫu và thu thập dữ liệu
- Đối tượng khảo sát: Sinh viên đang theo học tại Trường Đại học Thương Mại (Hà Nội).
- Thời gian thực hiện: Từ tháng 01/2024 đến tháng 03/2024.
- Cỡ mẫu: Phát ra 209 bảng câu hỏi khảo sát cấu trúc đóng; sau khi sàng lọc, thu về 163 phiếu hợp lệ ($77{,}99%$), loại bỏ 46 phiếu không hợp lệ do thiếu thông tin hoặc không đáp ứng tiêu chuẩn đối tượng nghiên cứu.
- Thang đo: Sử dụng thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý đến 5: Hoàn toàn đồng ý).
2. Kỹ thuật phân tích định lượng
- Kiểm tra độ tin cậy thang đo (Cronbach's Alpha): Tiêu chuẩn lựa chọn yêu cầu hệ số Cronbach’s Alpha $\ge 0{,}6$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0{,}3$.
- Phân tích nhân tố khám phá (EFA): Sử dụng hệ số KMO (Kaiser-Meyer-Olkin), kiểm định Bartlett với mức ý nghĩa $p < 0{,}05$, hệ số tải nhân tố (Factor Loading) $> 0{,}5$, và tổng phương sai trích (Total Variance Explained) $> 50%$.
- Phân tích hồi quy tuyến tính bội: Đánh giá mức độ giải thích thông qua $R^2$ hiệu chỉnh, kiểm định hiện tượng tự tương quan bằng hệ số Durbin - Watson ($1{,}5 < DW < 2{,}5$), kiểm tra đa cộng tuyến qua hệ số phóng đại phương sai ($VIF < 10$), và kiểm định ý nghĩa thống kê của từng hệ số hồi quy chuẩn hóa ($\beta$).
Phát hiện chính (Key Findings & Statistical Results)
1. Đặc điểm nhân khẩu học của mẫu nghiên cứu
Phân tích mô tả mẫu ($N = 163$) phản ánh rõ nét phân khúc tiêu dùng đặc thù của sinh viên:
- Giới tính: Nữ giới chiếm ưu thế tuyệt đối với $72{,}44%$ ($118$ quan sát), trong khi nam giới chiếm $25{,}8%$ ($42$ quan sát). Điều này phù hợp với đặc thù ngành hàng thời trang và mỹ phẩm trên TikTok Shop.
- Độ tuổi: $94{,}5%$ người tham gia nằm trong độ tuổi từ 18 - 22 tuổi (nhóm sinh viên đại học chính quy).
- Năm học: Sinh viên năm nhất chiếm tỷ trọng cao nhất ($77{,}3%$), tiếp theo là năm hai ($13{,}5%$), năm ba ($6{,}1%$) và năm tư ($3{,}1%$).
- Thu nhập hàng tháng: Nhóm có thu nhập dưới 1 triệu đồng chiếm $49{,}7%$; nhóm từ 2 - 3 triệu đồng chiếm $33{,}7%$. Tổng cộng hơn $83%$ sinh viên có thu nhập khả dụng ở mức trung bình - thấp nhưng lại là nhóm phát sinh hành vi mua ngẫu hứng thường xuyên nhất.
| Đặc tính mẫu | Nhóm phân loại | Số lượng ($N$) | Tỷ lệ phần trăm (%) |
|---|---|---|---|
| Giới tính | Nữ | 118 | $72{,}44%$ |
| Nam | 42 | $25{,}80%$ | |
| Khác | 3 | $1{,}80%$ | |
| Năm học | Năm nhất | 126 | $77{,}30%$ |
| Năm hai | 22 | $13{,}50%$ | |
| Năm ba | 10 | $6{,}10%$ | |
| Năm tư | 5 | $3{,}10%$ | |
| Mức thu nhập | Dưới 1 triệu VNĐ | 81 | $49{,}70%$ |
| 2 - 3 triệu VNĐ | 55 | $33{,}70%$ | |
| 4 - 5 triệu VNĐ | 6 | $3{,}70%$ | |
| Trên 5 triệu VNĐ | 21 | $12{,}90%$ |
2. Kiểm định độ tin cậy và cấu trúc nhân tố EFA
Tất cả các thang đo ban đầu đều đạt độ tin cậy tốt trước khi đưa vào phân tích chuyên sâu:
- Tính hữu ích (HI): $\alpha = 0{,}750$
- Khuyến mãi (KM): $\alpha = 0{,}797$
- Ảnh hưởng xã hội (XH): $\alpha = 0{,}715$
- Sự tin tưởng (TT): $\alpha = 0{,}828$
- Sự hấp dẫn thị giác (TG): $\alpha = 0{,}861$
Qua 3 lần xoay ma trận nhân tố Varimax và sàng lọc các biến có hệ số tải nhỏ hơn $0{,}5$ hoặc tải chéo không đạt tiêu chuẩn phân biệt, nghiên cứu đã rút trích thành công các nhóm nhân tố độc lập với Tổng phương sai trích đạt $65{,}322%$ và kiểm định Bartlett có ý nghĩa thống kê ($p = 0{,}000 < 0{,}05$).
3. Kết quả mô hình hồi quy tuyến tính
Phương trình hồi quy chuẩn hóa được xác lập sau khi kiểm định mức ý nghĩa của các hệ số:
$$\text{Hành vi mua hàng ngẫu hứng} = 0{,}511 \times \text{HT} + 0{,}230 \times \text{TC}$$
Trong đó:
- $\text{HT}$ (Sự hấp dẫn thị giác & Tin tưởng độ bảo mật): Hệ số chuẩn hóa $\beta = 0{,}511$ ($p < 0{,}05$). Đây là yếu tố tác động mạnh nhất, cho thấy trải nghiệm hình ảnh trực quan (nhìn mẫu mặc thử đồ thực tế, góc quay cận cảnh chất liệu) kết hợp cảm giác an tâm về thông tin giao dịch đóng vai trò kích hoạt trực tiếp phản xạ mua sắm.
- $\text{TC}$ (Sự tin cậy): Hệ số chuẩn hóa $\beta = 0{,}230$ ($p < 0{,}05$). Đóng vai trò củng cố niềm tin, giúp khách hàng vượt qua rào cản do dự và hoàn tất thanh toán trong thời gian ngắn.
- Độ phù hợp của mô hình: $R^2_{\text{hiệu chỉnh}} = 0{,}606$, chứng minh hai nhóm nhân tố trên giải thích được $60{,}6%$ sự biến thiên của hành vi mua sắm ngẫu hứng; hệ số Durbin-Watson đạt $2{,}013$ loại trừ hiện tượng tự tương quan bậc nhất.
Đóng góp khoa học và thực tiễn (Research Contributions)
1. Đóng góp về mặt lý luận (Theoretical Contributions)
- Tích hợp bối cảnh nền tảng số mới: Nghiên cứu đã kiểm chứng và mở rộng khả năng áp dụng của các mô hình hành vi truyền thống (TAM, TRA, S-O-R) vào bối cảnh Live-Commerce tương tác cao trên TikTok.
- Làm sáng tỏ cơ chế tâm lý đa biến: Chỉ ra rằng trong môi trường mua sắm trực tiếp, yếu tố kích thích cảm quan thị giác không hoạt động đơn lẻ mà tích hợp chặt chẽ với cảm nhận an toàn về bảo mật dữ liệu để hình thành quyết định mua ngẫu hứng.
2. Đóng góp về mặt thực tiễn (Practical Implications)
Dựa trên trọng số tác động từ mô hình hồi quy, nghiên cứu đề xuất các giải pháp then chốt cho các nhà bán hàng và doanh nghiệp:
- Tối ưu hóa bài trí thị giác và kỹ thuật phát sóng:
- Đầu tư bối cảnh livestream chuyên nghiệp, ánh sáng chân thực giúp làm nổi bật form dáng, màu sắc và chất liệu sản phẩm thời trang.
- Tận dụng người mẫu thử trực tiếp (lookbook live) với nhiều vóc dáng khác nhau để khách hàng dễ hình dung sản phẩm.
- Tạo hiệu ứng khan hiếm và khẩn cấp (Urgency cues) bằng các thông điệp nổi bật như "Chỉ còn 5 suất", "Flash-sale 3 phút" xuất hiện trực quan trên màn hình.
- Xây dựng niềm tin thương hiệu và an toàn giao dịch:
- Công khai và nhắc lại liên tục chính sách đổi trả hàng hóa linh hoạt, cam kết đồng kiểm khi nhận hàng.
- Streamer cần tư vấn trung thực về ưu/nhược điểm sản phẩm, tránh phóng đại công dụng gây thất vọng sau mua.
- Nâng cao tiêu chuẩn bảo mật dữ liệu khách hàng theo quy chuẩn của TikTok Shop nhằm giảm thiểu triệt để rủi ro rò rỉ thông tin cá nhân.
Đối tượng quan tâm và giá trị mang lại (Target Audience & Benefits)
- Giảng viên và Nhà nghiên cứu Marketing/TMĐT: Có thêm tài liệu tham khảo thực nghiệm chuẩn mực về phương pháp nghiên cứu định lượng EFA và hồi quy ứng dụng trong phân tích hành vi khách hàng Gen Z.
- Doanh nghiệp bán lẻ, Chủ shop online và Streamer/KOC: Nắm bắt chính xác các đòn bẩy tâm lý để thiết kế phiên livestream đạt tỷ lệ chốt đơn cao, tối ưu chi phí thu hút khách hàng và gia tăng doanh số.
- Nền tảng thương mại điện tử (TikTok Shop): Có cơ sở dữ liệu người dùng nhằm tối ưu hóa thuật toán đề xuất nội dung, nâng cấp giao diện giỏ hàng và tăng cường các lớp bảo mật bảo vệ quyền lợi người tiêu dùng.
Câu hỏi thường gặp (FAQ)
1. Yếu tố nào kích hoạt mạnh mẽ nhất hành vi mua hàng ngẫu hứng trên TikTok Live?
Yếu tố Sự hấp dẫn thị giác & Tin tưởng độ bảo mật có tác động mạnh nhất với hệ số hồi quy chuẩn hóa $\beta = 0{,}511$. Việc người mua được quan sát trực tiếp sản phẩm qua người mẫu thực tế kết hợp với giao diện trực quan và sự an tâm về bảo mật thông tin thanh toán là động lực hàng đầu kích thích hành vi mua bốc đồng.
2. Mô hình hồi quy của nghiên cứu có đảm bảo độ tin cậy thống kê không?
Hoàn toàn đảm bảo. Mô hình đạt hệ số $R^2_{\text{hiệu chỉnh}} = 0{,}606$, kiểm định ANOVA đạt mức ý nghĩa $p < 0{,}05$, hệ số Durbin-Watson đạt $2{,}013$ (nằm trong khoảng an toàn $1{,}5 - 2{,}5$ chứng minh không có tự tương quan chuỗi), và phân phối phần dư xấp xỉ chuẩn ($Mean \approx 0, SD = 0{,}991$).
3. Kết quả nghiên cứu có thể tổng quát hóa cho toàn bộ người tiêu dùng không?
Kết quả phản ánh độ đại diện cao nhất đối với nhóm người tiêu dùng trẻ tuổi, học sinh - sinh viên (Gen Z) tại khu vực đô thị. Để tổng quát hóa cho toàn bộ thị trường, các nghiên cứu tiếp theo cần mở rộng quy mô mẫu đa dạng hơn về lứa tuổi, nghề nghiệp và vùng địa lý.
4. Vì sao sinh viên có thu nhập thấp (dưới 1 triệu/tháng) lại mua ngẫu hứng nhiều trên livestream?
Sinh viên Gen Z có xu hướng tìm kiếm trải nghiệm giải trí (Shoppertainment). Các mức giá trên livestream thường đi kèm trợ giá, voucher độc quyền và hiệu ứng đám đông, tạo cảm giác "mua được món hời tức thì" mà không cần cân nhắc kỹ về ngân sách dài hạn.
5. Doanh nghiệp cần làm gì để chuyển đổi người xem livestream thành đơn hàng ngẫu hứng?
Doanh nghiệp cần kết hợp đồng thời hai yếu tố: (1) Trình diễn sản phẩm trực quan sinh động qua nhiều góc máy và mẫu mặc thực tế; (2) Cam kết mạnh mẽ về chính sách đổi trả minh bạch và đảm bảo giao hàng nhanh, an toàn thông tin.
Kết luận (Conclusion)
Nghiên cứu của nhóm tác giả Khoa Marketing - Trường Đại học Thương Mại đã hệ thống hóa và lượng hóa thành công các nhân tố quyết định đến hành vi mua sắm ngẫu hứng qua livestream TikTok của giới trẻ. Kết quả khẳng định vai trò thống trị của kích thích thị giác trực quan và sự tin cậy giao dịch trong việc định hình trải nghiệm mua sắm thời gian thực.
Trong tương lai, các hướng nghiên cứu tiếp theo có thể mở rộng nghiên cứu sang các biến điều tiết như tính tương tác hai chiều của Streamer (Parasocial Interaction), trạng thái cảm xúc tức thời (Mood state) hoặc áp dụng phương pháp mô hình hóa cấu trúc tuyến tính (PLS-SEM) trên cỡ mẫu lớn hơn để đào sâu hơn nữa hành vi người tiêu dùng trên các nền tảng mạng xã hội thế hệ mới.