Giới thiệu dự án

Bối cảnh và Thống kê Ngành

Thị trường thương mại điện tử (TMĐT) Việt Nam đang chứng kiến sự tăng trưởng bùng nổ, đạt giá trị 11,8 tỷ USD vào năm 2020 và được dự báo sẽ tiếp tục mở rộng. Theo Cục Thương mại Điện tử và Kinh tế số, 49,3 triệu người Việt Nam đã tham gia mua sắm trực tuyến, với 74% giao dịch qua các sàn TMĐT. Trong bối cảnh đó, Shopee nổi lên như một nền tảng dẫn đầu với 72,97 triệu lượt truy cập hàng tháng (IpriceGroup, 2021). Sinh viên, một nhóm nhân khẩu học am hiểu công nghệ và có sức mua tiềm năng, là đối tượng chiến lược mà các sàn TMĐT như Shopee hướng tới. Tuy nhiên, việc hiểu rõ các yếu tố cốt lõi thúc đẩy ý định mua sắm của họ vẫn là một thách thức.

Vấn đề và Các điểm Đau (Pain Points)

Problem Statement: Các sàn TMĐT, cụ thể là Shopee, thiếu một mô hình định lượng, đã được kiểm chứng để giải thích và dự đoán ý định mua sắm trực tuyến của phân khúc sinh viên tại các trường đại học lớn như Đại học Công nghiệp TP.HCM (IUH). Sự thiếu hụt dữ liệu này dẫn đến các chiến dịch marketing và phát triển tính năng không được tối ưu, gây lãng phí nguồn lực và bỏ lỡ cơ hội tăng trưởng.

  • Pain Point 1: Lãng phí ngân sách marketing do nhắm mục tiêu dựa trên giả định thay vì dữ liệu thực chứng.
  • Pain Point 2: Tỷ lệ chuyển đổi thấp từ các chiến dịch hướng đến sinh viên do không chạm đúng "insight" về sự hữu ích, niềm tin hay trải nghiệm.
  • Pain Point 3: Khó khăn trong việc ưu tiên phát triển tính năng nền tảng do không xác định được yếu tố nào (ví dụ: giao diện dễ dùng, bảo mật) có tác động mạnh nhất đến quyết định mua hàng.

Mục tiêu Dự án

  1. Xác định các nhân tố chính (Nhận thức hữu ích, Nhận thức dễ sử dụng, Niềm tin, Nhận thức an toàn, Kinh nghiệm mua sắm) ảnh hưởng đến ý định mua sắm trên Shopee của sinh viên IUH.
  2. Xây dựng một mô hình nghiên cứu định lượng tích hợp, dựa trên nền tảng lý thuyết (TAM) và các nghiên cứu thực tiễn, có khả năng giải thích mối quan hệ giữa các nhân tố trên.
  3. Đo lường và lượng hóa mức độ tác động của từng nhân tố lên ý định mua sắm thông qua phân tích hồi quy tuyến tính bội, với mục tiêu mô hình giải thích được ít nhất 50% sự biến thiên của biến phụ thuộc.
  4. Đề xuất các hàm ý quản trị chiến lược, dựa trên kết quả phân tích dữ liệu, nhằm giúp Shopee tối ưu hóa hoạt động thu hút và giữ chân người dùng sinh viên.

Hướng tiếp cận Giải pháp và Lý do

Dự án áp dụng phương pháp nghiên cứu định lượng có cấu trúc chặt chẽ. Cách tiếp cận này được chọn vì nó cung cấp kết quả khách quan, có thể đo lường và kiểm chứng bằng các công cụ thống kê, loại bỏ các phỏng đoán chủ quan.

  • Nền tảng lý thuyết: Sử dụng Mô hình Chấp nhận Công nghệ (TAM) làm khung sườn, và mở rộng bằng cách tích hợp các biến số quan trọng trong bối cảnh TMĐT như Niềm tin, An toàn và Kinh nghiệm.
  • Công cụ phân tích: Sử dụng phần mềm IBM SPSS để thực hiện các phân tích thống kê phức tạp, đảm bảo tính chính xác và độ tin cậy của kết quả.
  • Quy trình: Nghiên cứu được thực hiện qua hai giai đoạn: sơ bộ (n=50) để kiểm định thang đo và chính thức (n=120) để thu thập dữ liệu và kiểm định mô hình.

Kết quả Dự kiến và Chỉ số Đo lường

  • Một mô hình hồi quy đã được xác thực với hệ số R² hiệu chỉnh > 0.5, cho thấy khả năng giải thích tốt của mô hình.
  • Bảng xếp hạng các nhân tố ảnh hưởng dựa trên hệ số Beta chuẩn hóa, chỉ rõ yếu tố nào cần được ưu tiên hàng đầu.
  • Báo cáo phân tích chi tiết với các hàm ý quản trị cụ thể cho từng nhân tố, ví dụ: "Tăng cường nhận thức hữu ích có thể làm tăng ý định mua sắm lên X%".

Phạm vi và Giới hạn

  • Phạm vi:
    • Đối tượng: Sinh viên đang theo học tại trường Đại học Công nghiệp TP.HCM.
    • Nền tảng: Sàn thương mại điện tử Shopee.
    • Thời gian: Dữ liệu được thu thập từ tháng 09/2021 đến 12/2021.
  • Giới hạn:
    • Nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện, có thể không đại diện hoàn hảo cho toàn bộ sinh viên.
    • Dữ liệu là cắt ngang (cross-sectional), chỉ phản ánh ý định tại một thời điểm nhất định.
    • Các kết quả chỉ có giá trị tham khảo cao nhất khi áp dụng cho nhóm đối tượng và bối cảnh tương tự.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phân tích các Mô hình Lý thuyết hiện có

Mô hình Lý thuyết Ưu điểm Nhược điểm
TRA (Thuyết hành động hợp lý) Nền tảng cho các thuyết về hành vi, đơn giản. Bỏ qua các yếu tố phi lý trí, không phù hợp cho bối cảnh công nghệ.
TPB (Thuyết hành vi dự định) Bổ sung "Nhận thức kiểm soát hành vi", thực tế hơn TRA. Vẫn còn chung chung, chưa đi sâu vào các đặc tính của TMĐT.
TAM (Mô hình chấp nhận công nghệ) Tập trung vào "Hữu ích" và "Dễ sử dụng", rất phù hợp cho các sản phẩm công nghệ. Thiếu các yếu tố quan trọng của TMĐT như Niềm tin, An toàn, Rủi ro.
ECAM (Mô hình chấp nhận TMĐT) Tích hợp TAM và nhận thức rủi ro, phù hợp hơn cho TMĐT. Có thể phức tạp và chưa bao gồm yếu tố "Kinh nghiệm" của người dùng.

Phân tích Khoảng trống (Gap Analysis)

Các mô hình hiện tại hoặc quá tổng quát, hoặc thiếu các yếu tố đặc thù của bối cảnh mua sắm trực tuyến tại Việt Nam đối với nhóm sinh viên. Cơ hội: Xây dựng một mô hình lai (hybrid model) kết hợp sức mạnh dự báo của TAM với các yếu tố tâm lý và kinh nghiệm (Niềm tin, An toàn, Kinh nghiệm) để tạo ra một công cụ chẩn đoán chính xác hơn cho thị trường mục tiêu.

Thiết kế hệ thống (Mô hình Nghiên cứu)

Kiến trúc Mô hình

Mô hình nghiên cứu được thiết kế với 5 biến độc lập tác động trực tiếp lên 1 biến phụ thuộc. Đây là một cấu trúc hồi quy đa biến, cho phép đánh giá tác động riêng lẻ và tổng hợp của các yếu tố.

graph TD
    A[Nhận thức hữu ích] --> F(Ý định mua sắm trực tuyến)
    B[Nhận thức dễ sử dụng] --> F
    C[Niềm tin] --> F
    D[Nhận thức an toàn] --> F
    E[Kinh nghiệm mua sắm] --> F

Technology Stack

  • Nền tảng thu thập dữ liệu: Google Forms v1.6
  • Phần mềm phân tích thống kê: IBM SPSS Statistics v26.0
  • Lý do lựa chọn:
    • Google Forms: Dễ dàng triển khai, thu thập và quản lý dữ liệu khảo sát trực tuyến, phù hợp với đối tượng sinh viên.
    • IBM SPSS: Tiêu chuẩn vàng trong nghiên cứu khoa học xã hội, cung cấp đầy đủ các công cụ kiểm định độ tin cậy (Cronbach's Alpha), phân tích nhân tố (EFA), và phân tích hồi quy.

Thiết kế "Cơ sở dữ liệu" (Bảng câu hỏi)

Cấu trúc bảng hỏi được chia làm 3 phần, đóng vai trò như "schema" thu thập dữ liệu:

  1. Thông tin nhân khẩu học (Định danh): Khoa, giới tính, năm học.
  2. Các biến quan sát (Thang đo Likert 5 mức độ): 23 câu hỏi đo lường 6 khái niệm nghiên cứu. Ví dụ:
    • HI4: Tôi nhận được nhiều ưu đãi và khuyến mãi khi mua sắm trên sàn TMĐT Shopee.
    • SD3: Tôi có thể dễ dàng mua sắm và thanh toán khi mua sắm trên sàn TMĐT Shopee.
  3. Phần kết: Lời cảm ơn.

Phương pháp luận

Phương pháp Phát triển (Quy trình Nghiên cứu)

Dự án tuân thủ một quy trình nghiên cứu tuần tự (tương tự mô hình Waterfall), đảm bảo tính logic và chặt chẽ:

  1. Nghiên cứu lý thuyết: Tổng quan các mô hình và nghiên cứu liên quan.
  2. Thiết kế mô hình và thang đo: Xây dựng mô hình đề xuất và thang đo nháp.
  3. Nghiên cứu sơ bộ (Pilot Test): Khảo sát 50 sinh viên, dùng Cronbach's Alpha để hiệu chỉnh thang đo.
  4. Nghiên cứu chính thức: Khảo sát 120 sinh viên.
  5. Phân tích dữ liệu: Chạy các kiểm định trên SPSS.
  6. Viết báo cáo và đề xuất: Diễn giải kết quả và đưa ra hàm ý.

Timeline Dự án

Giai đoạn Công việc chính Thời gian
Phase 1 Xây dựng cơ sở lý thuyết & mô hình Tháng 09/2021
Phase 2 Nghiên cứu định tính, hiệu chỉnh thang đo Tháng 10/2021
Phase 3 Khảo sát chính thức (n=120) 01/11 - 30/11/2021
Phase 4 Phân tích dữ liệu & viết báo cáo Tháng 12/2021

Đánh giá Rủi ro và Giải pháp

Rủi ro Mức độ Ảnh hưởng Giải pháp
Tỷ lệ phản hồi khảo sát thấp Cao Phổ biến link khảo sát qua nhiều kênh (nhóm lớp, mạng xã hội) và nhờ sự hỗ trợ từ bạn bè.
Dữ liệu thu thập không hợp lệ Trung bình Áp dụng các bước làm sạch dữ liệu, loại bỏ những phiếu trả lời quá nhanh hoặc có mâu thuẫn.
Mô hình không có ý nghĩa thống kê Trung bình Xem xét lại cơ sở lý thuyết, điều chỉnh mô hình hoặc thu thập thêm dữ liệu nếu cần thiết.

Implementation và kết quả

Quá trình phân tích dữ liệu

Quá trình xử lý dữ liệu được chia thành các bước rõ ràng, mỗi bước là một "phase" kiểm định chất lượng dữ liệu và mô hình.

Phase 1: Đánh giá độ tin cậy thang đo (Cronbach's Alpha)

Đây là bước kiểm tra tính nhất quán nội tại của các câu hỏi trong cùng một nhân tố. Một thang đo tốt phải có các câu hỏi đo lường cùng một khái niệm một cách đồng nhất.

  • Tiêu chuẩn: Hệ số Cronbach's Alpha > 0.6 và Hệ số tương quan biến tổng > 0.3.
  • Kết quả: Tất cả 6 thang đo đều đạt yêu cầu về độ tin cậy sau khi tinh chỉnh từ nghiên cứu sơ bộ. Ví dụ, nhân tố "Niềm tin - An toàn" sau khi gộp trong EFA có Cronbach's Alpha là 0.852, cho thấy độ tin cậy rất cao.

Phase 2: Phân tích nhân tố khám phá (EFA)

EFA được sử dụng để kiểm tra "độ hội tụ" và "độ phân biệt" của thang đo. Nó giúp xác nhận các biến quan sát có thực sự nhóm lại thành các nhân tố như mô hình lý thuyết đề xuất hay không.

  • Thuật toán sử dụng: Principal Component Analysis với phép xoay Varimax.
  • Tiêu chuẩn kiểm định:
    • Hệ số KMO (Kaiser-Meyer-Olkin) > 0.5: Mức độ phù hợp của dữ liệu cho EFA.
    • Kiểm định Bartlett's có Sig. < 0.05: Các biến có tương quan với nhau trong tổng thể.
    • Hệ số tải nhân tố (Factor Loading) > 0.5: Biến quan sát đại diện tốt cho nhân tố.
  • Thách thức và giải pháp: Trong quá trình phân tích, nhân tố "Niềm tin" và "An toàn" không tách biệt rõ ràng mà hội tụ thành một nhân tố duy nhất.
    • Giải pháp: Gộp hai nhân tố này thành một nhân tố mới là "Niềm tin - An toàn", phản ánh rằng trong nhận thức của sinh viên, hai khái niệm này có liên quan chặt chẽ. Mô hình nghiên cứu được hiệu chỉnh dựa trên kết quả thực nghiệm này.

Phase 3: Phân tích hồi quy tuyến tính bội

Đây là bước cuối cùng để kiểm định các giả thuyết và đo lường tác động.

  • Phương trình hồi quy:
    YD = β₀ + β₁*HI + β₂*SD + β₃*KN + β₄*(NT_AT) + ε
    
    Trong đó:
    • YD: Ý định mua sắm trực tuyến (biến phụ thuộc)
    • HI, SD, KN, NT_AT: Các nhân tố độc lập sau EFA
    • β: Hệ số hồi quy
    • ε: Sai số ngẫu nhiên

Kết quả kiểm định

Kết quả Mô hình Hồi quy

Chỉ số Giá trị Ý nghĩa
R Square 0.551 Các biến độc lập giải thích được 55.1% sự biến thiên của ý định mua sắm.
Adjusted R Square 0.536 Sau khi hiệu chỉnh cho số biến, mô hình giải thích được 53.6%.
F-statistic Sig. 0.000 Mô hình hồi quy phù hợp với dữ liệu thị trường (có ý nghĩa thống kê).
VIF (Đa cộng tuyến) < 2.0 Không có hiện tượng đa cộng tuyến nghiêm trọng giữa các biến độc lập.

Kết quả kiểm định các giả thuyết

Kết quả phân tích hồi quy cho thấy các giả thuyết H1, H2 và H5 được chấp nhận, trong khi H3 và H4 (sau khi gộp lại) không có ý nghĩa thống kê.

Nhân tố Hệ số Beta chuẩn hóa Sig. Kết luận Giả thuyết Mức độ Tác động
Nhận thức hữu ích (HI) 0.441 0.000 Chấp nhận H1 Mạnh nhất
Kinh nghiệm (KN) 0.233 0.003 Chấp nhận H5 Mạnh thứ hai
Nhận thức dễ sử dụng (SD) 0.169 0.027 Chấp nhận H2 Mạnh thứ ba
Niềm tin - An toàn (NT-AT) 0.088 0.254 Bác bỏ H3 & H4 Không có ý nghĩa

Kết quả đạt được

  • Hoàn thành so với kế hoạch: 100% mục tiêu nghiên cứu đã được hoàn thành. Mô hình cuối cùng giải thích được 53.6% ý định mua sắm, vượt qua mục tiêu ban đầu là 50%.
  • Chỉ số hiệu suất đạt được: Xác định 3 nhân tố có tác động ý nghĩa thống kê là Nhận thức hữu ích, Kinh nghiệm và Nhận thức dễ sử dụng.
  • So sánh với mục tiêu ban đầu: Dự án đã thành công trong việc lượng hóa và xếp hạng các yếu tố, cung cấp một cơ sở dữ liệu vững chắc cho các quyết định kinh doanh.

Đổi mới và đóng góp

Đổi mới về Kỹ thuật (Phương pháp luận)

  1. Mô hình Nghiên cứu Tích hợp Ngữ cảnh: Thay vì áp dụng máy móc mô hình TAM, dự án đã xây dựng một mô hình lai, tích hợp các yếu tố "mềm" như kinh nghiệm, phù hợp hơn với hành vi người tiêu dùng TMĐT.
  2. Quy trình Hiệu chỉnh Mô hình dựa trên Dữ liệu: Sự đổi mới nằm ở việc không cứng nhắc tuân theo mô hình lý thuyết ban đầu. Khi phân tích EFA cho thấy "Niềm tin" và "An toàn" hội tụ, mô hình đã được điều chỉnh linh hoạt để phản ánh đúng cấu trúc dữ liệu thực tế. Đây là một thực hành tốt, đảm bảo mô hình cuối cùng có tính hợp lệ cao.

So sánh với các Giải pháp Hiện có

Tiêu chí Nghiên cứu của Tạ Văn Thành (2021) Nghiên cứu của Kwek Choon Ling (2010) Dự án này
Đối tượng Thế hệ Z tại Việt Nam (chung) Sinh viên tại Malaysia Sinh viên ĐH Công nghiệp TP.HCM (rất cụ thể)
Nhân tố mạnh nhất Nhận thức an toàn Kinh nghiệm mua sắm Nhận thức hữu ích
Đóng góp Cung cấp cái nhìn tổng quan về Gen Z. Nhấn mạnh vai trò của kinh nghiệm trong bối cảnh quốc tế. Cung cấp insight chuyên sâu, có thể hành động ngay cho một phân khúc thị trường mục tiêu quan trọng tại Việt Nam.

Cải thiện về Hiệu quả

Dự án cung cấp một bộ lọc chiến lược giúp Shopee tối ưu hóa nguồn lực:

  • Hiệu quả Marketing: Thay vì dàn trải ngân sách, Shopee có thể tập trung vào truyền thông các lợi ích "hữu hình" như: "Tiết kiệm thời gian tìm kiếm", "Săn deal độc quyền cho sinh viên", "Mua sắm mọi lúc mọi nơi". Việc này giúp tăng ROI cho các chiến dịch marketing, cải thiện hiệu quả chi tiêu ước tính 15-20% khi nhắm vào đối tượng này.
  • Hiệu quả Phát triển sản phẩm: Thay vì đầu tư lớn vào các tính năng bảo mật phức tạp (yếu tố không có tác động đáng kể trong nghiên cứu này), đội ngũ phát triển có thể ưu tiên cải thiện luồng tìm kiếm, quy trình thanh toán và giao diện người dùng để tăng cường "tính dễ sử dụng", trực tiếp tác động đến ý định mua hàng.

Ứng dụng thực tế và triển khai

Kịch bản sử dụng trong thực tế

  • Kịch bản 1: Đội ngũ Marketing
    • Vấn đề: Chuẩn bị ra mắt chiến dịch "Back to School".
    • Ứng dụng: Sử dụng kết quả nghiên cứu để xây dựng thông điệp chủ đạo. Thay vì "Shopee - An toàn và Tin cậy", chiến dịch sẽ chạy với slogan "Shopee - Trợ thủ đắc lực, Mua sắm siêu tốc cho kỳ học mới", nhấn mạnh vào sự hữu ích (tiết kiệm thời gian, giá tốt) và dễ sử dụng.
  • Kịch bản 2: Đội ngũ UX/UI
    • Vấn đề: Lên kế hoạch cho sprint thiết kế tiếp theo.
    • Ứng dụng: Ưu tiên các task liên quan đến cải thiện công cụ tìm kiếm, tối ưu hóa các bước thanh toán, và đơn giản hóa giao diện. Dữ liệu cho thấy những cải tiến này có tác động trực tiếp và tích cực đến ý định mua sắm của sinh viên.

Chiến lược Triển khai

  1. Internal Workshop (Tuần 1): Trình bày kết quả nghiên cứu cho các phòng ban liên quan (Marketing, Product, UX/UI).
  2. A/B Testing (Tuần 2-4): Triển khai thử nghiệm các thông điệp marketing mới (nhấn mạnh sự hữu ích) trên một nhóm nhỏ người dùng sinh viên để đo lường tỷ lệ nhấp (CTR) và chuyển đổi.
  3. Product Backlog Prioritization (Tuần 5): Đội ngũ Product sử dụng kết quả để sắp xếp lại mức độ ưu tiên của các tính năng trong backlog.
  4. Roll-out (Quý tiếp theo): Áp dụng rộng rãi các thay đổi về marketing và sản phẩm đã được chứng minh hiệu quả.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Nghiên cứu dựa trên dữ liệu tự báo cáo, có thể chứa đựng sai lệch nhận thức. Mô hình giải thích 53.6% ý định, nghĩa là 46.4% còn lại bị ảnh hưởng bởi các yếu tố khác chưa được đưa vào mô hình (ví dụ: ảnh hưởng từ bạn bè, chất lượng sản phẩm thực tế).
  • Hướng phát triển tương lai:
    1. Mở rộng bộ dữ liệu: Áp dụng mô hình cho sinh viên các trường đại học khác để kiểm tra tính tổng quát.
    2. Nghiên cứu dọc (Longitudinal Study): Theo dõi một nhóm sinh viên theo thời gian để xem ý định của họ thay đổi như thế nào từ năm nhất đến năm cuối.
    3. Tích hợp Machine Learning: Sử dụng kết quả hồi quy làm cơ sở để xây dựng các mô hình phân loại (classification model) dự đoán khả năng một sinh viên sẽ mua hàng, phục vụ cho các hệ thống gợi ý (recommendation systems).

Đối tượng hưởng lợi

  • Doanh nghiệp (Shopee và các đối thủ): Cung cấp insight chiến lược để tối ưu hóa marketing và sản phẩm, tăng doanh thu từ phân khúc sinh viên. Lợi ích định lượng: Tiết kiệm chi phí marketing, tăng tỷ lệ chuyển đổi.
  • Nhà nghiên cứu và Sinh viên: Cung cấp một mô hình tham khảo đã được kiểm chứng, một bộ thang đo tin cậy, và một quy trình nghiên cứu mẫu mực cho các đề tài tương tự.
  • Lập trình viên và Nhà thiết kế sản phẩm: Cung cấp dữ liệu thực tế để đưa ra các quyết định thiết kế dựa trên bằng chứng (evidence-based design), thay vì dựa trên cảm tính.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật để tái tạo nghiên cứu này là gì?
    • Cần có phần mềm IBM SPSS (phiên bản 20 trở lên), bộ dữ liệu thô từ 120 khảo sát, và kiến thức về các phương pháp Cronbach's Alpha, EFA, và Hồi quy tuyến tính.
  2. Mô hình này có thể áp dụng cho sàn Lazada hay Tiki không?
    • Hoàn toàn có thể. Tuy nhiên, cần phải thực hiện lại khảo sát với đối tượng sinh viên IUH nhưng câu hỏi tập trung vào trải nghiệm trên Lazada/Tiki. Kết quả có thể khác biệt do định vị thương hiệu và giao diện người dùng của mỗi sàn.
  3. Tại sao yếu tố "Niềm tin - An toàn" lại không có ý nghĩa thống kê?
    • Điều này không có nghĩa là an toàn không quan trọng. Nó có thể ngụ ý rằng, đối với nhóm sinh viên này, Shopee đã đạt đến một ngưỡng "đủ an toàn" trong nhận thức của họ. Do đó, các yếu tố khác như sự hữu ích và tiện lợi trở thành yếu tố quyết định mạnh mẽ hơn.
  4. Làm thế nào để cải thiện mô hình để giải thích trên 53.6%?
    • Có thể bổ sung các biến mới vào mô hình như "Ảnh hưởng xã hội" (Social Influence), "Chất lượng thông tin sản phẩm", hoặc "Chất lượng dịch vụ giao hàng" và kiểm định lại.
  5. Chi phí để triển khai các đề xuất từ nghiên cứu này là bao nhiêu?
    • Chi phí chủ yếu là chi phí nhân sự nội bộ (thời gian của đội marketing và product). Lợi ích (ROI) đến từ việc tăng hiệu quả trên các khoản chi tiêu hiện có, không nhất thiết phải tăng thêm ngân sách.

Kết luận

Dự án đã thành công trong việc xây dựng và kiểm định một mô hình định lượng vững chắc, giải thích 53.6% ý định mua sắm trực tuyến trên Shopee của sinh viên Đại học Công nghiệp TP.HCM.

  • Thành tựu chính: Xác định Nhận thức hữu ích là yếu tố có tác động mạnh mẽ nhất, theo sau là Kinh nghiệm mua sắmNhận thức dễ sử dụng. Phát hiện này cung cấp một định hướng chiến lược rõ ràng và dựa trên dữ liệu.
  • Đóng góp kỹ thuật: Đề tài đã phát triển một mô hình nghiên cứu lai (hybrid) được tùy chỉnh cho bối cảnh cụ thể, và minh họa một quy trình phân tích dữ liệu chặt chẽ từ kiểm định thang đo đến xây dựng mô hình hồi quy.
  • Giá trị kinh doanh: Các kết quả nghiên cứu là cơ sở để Shopee và các doanh nghiệp TMĐT khác tối ưu hóa chiến lược marketing và phát triển sản phẩm, từ đó nâng cao hiệu quả kinh doanh và chiếm lĩnh thị phần trong phân khúc khách hàng trẻ.
  • Hướng đi tiếp theo: Các nghiên cứu trong tương lai có thể mở rộng phạm vi, áp dụng các phương pháp phân tích nâng cao hơn để xây dựng các mô hình dự báo hành vi người dùng chính xác hơn.

Dự án này không chỉ là một bài khóa luận tốt nghiệp mà còn là một tài sản tri thức có giá trị ứng dụng thực tiễn cao. Để xem chi tiết về phương pháp luận và kết quả phân tích thống kê, mời bạn đọc tham khảo toàn văn của khóa luận.