Các Yếu Tố Ảnh Hưởng Đến Hành Vi Mua Hàng Ngẫu Hứng Trên Nền Tảng Thương Mại Điện Tử Tại TP.HCM: Báo Cáo Phân Tích Thực Nghiệm


Tóm tắt nghiên cứu

Nghiên cứu "Các yếu tố ảnh hưởng đến hành vi mua hàng ngẫu hứng trên nền tảng thương mại điện tử tại Thành phố Hồ Chí Minh" được thực hiện nhằm giải mã cơ chế tâm lý và hành vi mua sắm bốc đồng (impulse buying) của người tiêu dùng trực tuyến trong kỷ nguyên số.

  • Câu hỏi nghiên cứu cốt lõi: Những khía cạnh nào của chất lượng nền tảng thương mại điện tử (thông tin, hệ thống, dịch vụ) thúc đẩy trực tiếp hoặc gián tiếp hành vi mua hàng ngẫu hứng thông qua các giá trị cảm xúc cá nhân và giá trị thiết thực?
  • Phương pháp luận: Nghiên cứu kết hợp định tính (lược khảo lý thuyết, chuẩn hóa thang đo) và định lượng với cỡ mẫu khảo sát hợp lệ gồm $N = 241$ người tiêu dùng tại TP.HCM, ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) thông qua phần mềm SmartPLS.
  • Phát hiện chính: Giá trị cảm xúc cá nhân đóng vai trò động lực mạnh mẽ nhất ($\beta = 0{,}574, p < 0{,}001$) chi phối hành vi mua ngẫu hứng, đồng thời giữ vai trò trung gian then chốt truyền dẫn tác động từ chất lượng hệ thống ($\beta = 0{,}399$) và chất lượng dịch vụ ($\beta = 0{,}256$). Chất lượng dịch vụ có tác động trực tiếp tích cực ($\beta = 0{,}196, p < 0{,}001$), trong khi chất lượng hệ thống không tác động trực tiếp mà hoàn toàn phụ thuộc vào việc khơi gợi cảm xúc.
  • Hàm ý thực tiễn: Cung cấp định hướng chiến lược cho các doanh nghiệp e-commerce (Shopee, Lazada, Tiki,...) tối ưu hóa giao diện tương tác, dịch vụ chăm sóc khách hàng và cá nhân hóa trải nghiệm nhằm gia tăng tỷ lệ chuyển đổi đơn hàng tự phát.

Bối cảnh và tầm quan trọng

Thực trạng phát triển Thương mại điện tử

Sự bùng nổ của hạ tầng Internet, công nghệ di động và tác động hậu đại dịch COVID-19 đã làm thay đổi căn bản hành vi mua sắm tại Việt Nam, biến Thành phố Hồ Chí Minh thành trung tâm tiêu dùng số sôi động nhất cả nước. Các sàn thương mại điện tử như Shopee, Lazada, Tiki ghi nhận hàng chục triệu lượt truy cập mỗi tháng. Mua sắm trực tuyến không chỉ đáp ứng nhu cầu thiết yếu mà dần chuyển dịch thành một hình thức giải trí, thư giãn tinh thần.

Khoảng trống nghiên cứu (Research Gap)

Hành vi mua hàng ngẫu hứng (Online Impulse Buying) — việc ra quyết định mua sắm chớp nhoáng không có kế hoạch từ trước — chiếm tỷ trọng ngày càng lớn trong doanh thu bán lẻ. Phần lớn các công trình trước đây tập trung vào môi trường mua sắm truyền thống tại siêu thị, cửa hàng tiện lợi hoặc khảo sát riêng lẻ chất lượng thông tin mà chưa tích hợp đầy đủ mô hình kích thích - phản ứng (S-O-R Framework) trong bối cảnh văn hóa tiêu dùng trực tuyến đô thị tại Việt Nam.

Tính thời sự và giá trị ứng dụng

Đề tài có tính ứng dụng cao khi phân tích chính xác thị trường tiêu dùng số trẻ (nhóm tuổi 18–35 chiếm hơn 80% mẫu). Kết quả nghiên cứu giúp doanh nghiệp giải bài toán chi phí chuyển đổi khách hàng, tối ưu hóa giao diện người dùng (UI/UX) và tạo dựng lợi thế cạnh tranh bền vững trên không gian số.


Phương pháp nghiên cứu và tiếp cận

  [Thiết kế Nghiên cứu] 
             [Phân tích PLS-SEM]

Nghiên cứu kết hợp hai giai đoạn tiếp cận tuần tự:

1. Thiết kế thang đo và thu thập dữ liệu

  • Giai đoạn định tính: Kế thừa thang đo quốc tế từ Hashmi et al. (2019), Akram (2018), Prashar et al. (2017), dịch thuật và hiệu chỉnh phù hợp với ngữ cảnh ngôn ngữ tiêu dùng Việt Nam. Thang đo Likert 5 mức độ (từ 1: Rất không đồng ý đến 5: Rất đồng ý) được sử dụng cho 27 biến quan sát ban đầu thuộc 6 cấu trúc khái niệm:
    • Chất lượng dịch vụ (DV - 4 biến)
    • Chất lượng hệ thống (HT - 4 biến)
    • Chất lượng thông tin (TT - 4 biến)
    • Giá trị cảm xúc cá nhân (CX - 4 biến)
    • Giá trị thiết thực (TTH - 6 biến)
    • Hành vi mua hàng ngẫu hứng (NH - 5 biến)
  • Thu thập mẫu: Thực hiện đa kênh thông qua khảo sát trực tuyến qua Google Forms (150 mẫu) và phỏng vấn trực tiếp (100 mẫu) tại TP.HCM. Thu về 250 phiếu, lọc sạch được 241 mẫu hợp lệ.

2. Kỹ thuật phân tích dữ liệu SmartPLS

  • Đánh giá mô hình đo lường (Measurement Model / Outer Model):
    • Độ tin cậy nhất quán nội tại: Đánh giá qua hệ số Cronbach's Alpha ($\ge 0{,}6$ đối với nghiên cứu khám phá, $\ge 0{,}7$ đối với thang đo tốt) và độ tin cậy tổng hợp Composite Reliability (CR $\ge 0{,}7$).
    • Giá trị hội tụ (Convergent Validity): Kiểm tra Outer Loadings ($\ge 0{,}7$) và phương sai trích trung bình (Average Variance Extracted - $\text{AVE} \ge 0{,}5$). Tại lần chạy 1, hai cấu trúc Chất lượng thông tin (TT)Giá trị thiết thực (TTH) có $\text{AVE} < 0{,}5$ nên đã được loại bỏ theo tiêu chuẩn Fornell & Larcker (1981) để đảm bảo độ tin cậy cho mô hình lần 2.
    • Giá trị phân biệt (Discriminant Validity): Đánh giá qua tỷ số Heterotrait-Monotrait Ratio (HTMT < 0.85 - 0.90) theo khuyến nghị của Garson (2016).
  • Đánh giá mô hình cấu trúc (Structural Model / Inner Model): Ứng dụng kỹ thuật Bootstrapping (5.000 mẫu lặp) để kiểm định ý nghĩa thống kê của các hệ số đường dẫn ($\beta$), kiểm tra giả thuyết với mức ý nghĩa $p < 0{,}05$.

Phát hiện chính

Quá trình phân tích mô hình phương trình cấu trúc PLS-SEM đem lại các kết quả định lượng:

Quan hệ cấu trúc / Giả thuyết Hệ số tác động ($\beta$) Giá trị $p$ (P-Value) Kết luận kiểm định Mức độ tác động
H1: Chất lượng dịch vụ (DV) $\rightarrow$ Hành vi ngẫu hứng (NH) 0.196 0.000 Chấp nhận Tác động trực tiếp thuận chiều
H2: Chất lượng hệ thống (HT) $\rightarrow$ Hành vi ngẫu hứng (NH) 0.017 > 0.05 Bác bỏ Không có ý nghĩa thống kê
Chất lượng hệ thống (HT) $\rightarrow$ Giá trị cảm xúc (CX) 0.399 0.000 Chấp nhận Tác động gián tiếp mạnh nhất
Chất lượng dịch vụ (DV) $\rightarrow$ Giá trị cảm xúc (CX) 0.256 0.000 Chấp nhận Tác động gián tiếp thuận chiều
H4/H5: Giá trị cảm xúc (CX) $\rightarrow$ Hành vi ngẫu hứng (NH) 0.574 0.000 Chấp nhận Tác động trực tiếp mạnh nhất

                   +--------------------------+
                   +--------------------------+                           |  Ngẫu hứng (NH)   |
                   +--------------------------+                              (Không ý nghĩa)
                   +--------------------------+

Chi tiết các phát hiện nổi bật:

  1. Cảm xúc cá nhân là động lực hạt nhân chi phối mua sắm ngẫu hứng: Hệ số hồi quy $\beta = 0{,}574$ khẳng định giá trị cảm xúc (Hedonic shopping value) là yếu tố quyết định hàng đầu. Cảm giác hưng phấn, giải trí, tò mò và niềm vui trải nghiệm khi lướt web thúc đẩy hành vi chốt đơn nhanh chóng mà không cần cân nhắc kỹ về chi phí.

  2. Vai trò trung gian toàn phần của Cảm xúc đối với Chất lượng Hệ thống: Chất lượng hệ thống (tốc độ tải trang, độ ổn định, khả năng điều hướng mượt mà) không tác động trực tiếp đến việc mua hàng bốc đồng ($\beta = 0{,}017, p > 0{,}05$), nhưng lại có ảnh hưởng rất lớn đến việc tạo ra cảm xúc tích cực cho người dùng ($\beta = 0{,}399$). Điều này chứng minh rằng hệ thống tốt đóng vai trò là "chất xúc tác nền tảng", giúp trải nghiệm không bị gián đoạn, từ đó nâng cao cảm xúc mua sắm.

  3. Chất lượng dịch vụ tác động kép (Trực tiếp & Gián tiếp): Chất lượng dịch vụ trực tuyến (chính sách bảo mật, hỗ trợ khách hàng tức thì, chính sách đổi trả minh bạch) tác động trực tiếp ($\beta = 0{,}196$) và gián tiếp qua cảm xúc ($\beta = 0{,}256$) đến hành vi mua sắm ngẫu hứng, củng cố lòng tin giúp xóa bỏ sự do dự.

  4. Sự loại trừ của biến Thông tin và Giá trị thiết thực: Trong bối cảnh mua sắm ngẫu hứng, người mua thường hành động theo cảm tính tức thời hơn là so sánh logic về tính năng hay giá cả thiết thực (Utilitarian value). Do đó, các biến thiên về chất lượng thông tin logic ít tạo ra sự khác biệt cho các quyết định ngẫu hứng.


Đóng góp khoa học và hàm ý

1. Đóng góp về mặt lý thuyết (Theoretical Contributions)

  • Củng cố và mở rộng lý thuyết Kích thích - Cơ thể - Phản ứng (S-O-R) trong phân tích hành vi thương mại điện tử tại thị trường mới nổi như Việt Nam.
  • Làm rõ vai trò trung gian truyền dẫn của trạng thái cảm xúc cá nhân giữa các thuộc tính công nghệ web và hành vi tiêu dùng tự phát.

2. Hàm ý quản trị cho doanh nghiệp (Managerial Implications)

  • Tối ưu hóa hành trình kích thích cảm xúc (Emotion-driven UX/UI):
    • Ứng dụng gamification (vòng quay may mắn, săn xu, mini-games).
    • Ứng dụng công nghệ thực tế ảo tăng cường (AR Filter) cho phép khách hàng thử son môi, kính mắt, quần áo trực tiếp trên app.
    • Thiết kế hình ảnh, video ngắn (Shopee Video, TikTok Shop format) sinh động, tác động thị giác mạnh mẽ.
  • Nâng cao chất lượng dịch vụ và bảo mật thông tin:
    • Minh bạch chính sách đổi trả hàng, rút ngắn quy trình khiếu nại.
    • Tích hợp chatbot AI phản hồi 24/7 tức thì, tránh để khách hàng nguội cảm xúc mua sắm.
    • Đảm bảo an toàn thanh toán đa kênh (Ví điện tử, thẻ tín dụng, BNPL - Mua trước trả sau).
  • Cá nhân hóa trải nghiệm (Hyper-personalization): Sử dụng thuật toán Machine Learning để gợi ý sản phẩm "Flash Sale", "Deal sốc trong ngày" khớp với sở thích riêng biệt của từng khách hàng.

Đối tượng quan tâm và giá trị mang lại

  • Doanh nghiệp & Nhà bán hàng E-commerce: Nắm bắt tâm lý khách hàng để thiết kế các chiến dịch Flash Sale, Livestream bán hàng và tối ưu hóa tỷ lệ chuyển đổi giỏ hàng.
  • Chuyên gia thiết kế UI/UX & Lập trình sản phẩm số: Hiểu rõ mối liên hệ giữa hiệu năng hệ thống, độ mượt mà của ứng dụng và cảm xúc mua hàng của người dùng cuối.
  • Nhà nghiên cứu học thuật & Sinh viên ngành Kinh tế / QTKD / Marketing: Tài liệu tham khảo chuẩn mực về quy trình triển khai phân tích mô hình PLS-SEM trên SmartPLS cho nghiên cứu hành vi người tiêu dùng.
  • Người tiêu dùng thông minh: Nhận thức rõ các "bẫy tâm lý" cảm xúc trên sàn thương mại điện tử để quản lý tài chính cá nhân hiệu quả hơn, tránh chi tiêu bốc đồng vượt ngân sách.

Câu hỏi thường gặp (FAQ)

1. Yếu tố nào kích thích mua hàng ngẫu hứng trực tuyến mạnh nhất?

Giá trị cảm xúc cá nhân (Hedonic Value) là yếu tố tác động mạnh nhất ($\beta = 0{,}574$). Khi người dùng cảm thấy việc lướt app mang lại niềm vui, sự giải trí và hứng khởi, họ sẵn sàng đặt hàng ngay lập tức mà không cần lên kế hoạch trước.

2. Tại sao chất lượng hệ thống lại không tác động trực tiếp đến hành vi mua ngẫu hứng?

Chất lượng hệ thống (tải nhanh, không lỗi) là điều kiện cần nhưng chưa đủ để tạo ra hành vi mua bốc đồng. Hệ thống mượt mà đóng vai trò nuôi dưỡng cảm xúc tích cực của người dùng ($\beta = 0{,}399$), và chính cảm xúc tích cực đó mới thúc đẩy hành động chốt đơn.

3. Kết quả nghiên cứu có thể khái quát hóa cho toàn bộ thị trường Việt Nam không?

Nghiên cứu tập trung tại TP.HCM với cỡ mẫu $N = 241$, chủ yếu thuộc độ tuổi 18–35 (chiếm hơn 80%). Kết quả đại diện tốt cho phân khúc người tiêu dùng trẻ tại các đô thị lớn, nhưng cần mở rộng quy mô mẫu sang các tỉnh thành khác để tăng tính khái quát hóa cho toàn quốc.

4. Doanh nghiệp vừa và nhỏ (SME) có thể ứng dụng kết quả này như thế nào?

Các shop online nên tập trung vào: (1) Trình bày hình ảnh/video sản phẩm bắt mắt; (2) Tăng tốc độ tư vấn phản hồi tin nhắn trong vòng 1-2 phút; (3) Tạo các chương trình ưu đãi có giới hạn thời gian (tạo cảm giác cấp bách) để kích hoạt cảm xúc mua sắm của khách.


Kết luận

Nghiên cứu của nhóm tác giả Trường ĐH Sư phạm Kỹ thuật TP.HCM đã phân tích thành công cơ chế hình thành hành vi mua hàng ngẫu hứng trên sàn thương mại điện tử. Phát hiện trọng tâm khẳng định: Cảm xúc cá nhân và Chất lượng dịch vụ là chìa khóa vàng mở cánh cửa quyết định mua sắm tự phát của người tiêu dùng.

Trong giai đoạn tiếp theo, các nghiên cứu mở rộng có thể xem xét thêm các biến điều tiết như Áp lực xã hội (Social Influence), Hình thức thanh toán Mua trước trả sau (BNPL)Tác động của công nghệ AI/Livestream nhằm hoàn thiện bức tranh toàn diện về hành vi tiêu dùng số hiện đại.