Giới thiệu dự án

Thương mại điện tử và dịch vụ giao đồ ăn trực tuyến (Online Food Delivery - OFD) tại khu vực Đông Nam Á đang trải qua giai đoạn tăng trưởng bứt phá với tốc độ tăng trưởng kép hàng năm (CAGR) dự kiến đạt trên 18.5% trong giai đoạn 2023 - 2027. Tại Việt Nam, sự thâm nhập của điện thoại thông minh cùng thói quen tiêu dùng kỹ thuật số của thế hệ Gen Z đã biến thị trường giao đồ ăn thành chiến địa cạnh tranh khốc liệt giữa các nền tảng lớn như ShopeeFood, GrabFood, GoFood và Baemin.

+-----------------------------------------------------------------------------------+
|                            BỐI CẢNH THỊ TRƯỜNG OFD VIỆT NAM                       |
|  - Thâm nhập thị trường: 80% người dùng đô thị từng sử dụng dịch vụ giao đồ ăn    |
|  - Phân khúc cốt lõi: Sinh viên đại học & người đi làm trẻ (18 - 24 tuổi)         |
|  - Nền tảng dẫn đầu thị phần: ShopeeFood (~45%), GrabFood (~40%), Khác (~15%)     |
+-----------------------------------------------------------------------------------+

Thế hệ sinh viên tại các đô thị lớn, điển hình là sinh viên Trường Đại học Kinh tế - Đại học Quốc gia Hà Nội (VNU-UEB), đối mặt với nhiều rào cản sinh hoạt: quỹ thời gian eo hẹp do lịch học dày đặc, điều kiện nấu nướng tại ký túc xá/nhà trọ hạn chế, cùng áp lực chi tiêu từ thu nhập phụ thuộc hoặc việc làm bán thời gian. Mặc dù ShopeeFood là ứng dụng tiên phong (tiền thân là DeliveryNow/Foody từ năm 2014) với hệ sinh thái đối tác ẩm thực phong phú và hạ tầng khuyến mãi liên kết qua ví điện tử ShopeePay, nền tảng vẫn đối mặt với các điểm nghẽn nghiêm trọng về tỷ lệ hủy đơn, sai lệch chất lượng món ăn khi vận chuyển, rủi ro bảo mật thanh toán và độ trễ giao hàng vào khung giờ cao điểm.

Đề tài "Các yếu tố ảnh hưởng tới hành vi mua thức ăn nhanh qua ứng dụng ShopeeFood của sinh viên Trường Đại học Kinh tế - ĐHQGHN" do sinh viên Nguyễn Võ Thục Anh thực hiện dưới sự hướng dẫn của TS. Nguyễn Thị Phi Nga được xây dựng nhằm giải quyết bài toán trên thông qua 4 mục tiêu cụ thể:

  1. Hệ thống hóa cơ sở lý thuyết: Tích hợp các mô hình hành vi kinh điển gồm Mô hình Chấp nhận Công nghệ (TAM), Thuyết Hành vi Dự định (TPB), Thuyết Hành động Hợp lý (TRA) và Thuyết Nhận thức Rủi ro (TPR).
  2. Xây dựng thang đo định lượng: Thiết kế bộ biến quan sát đo lường 5 nhân tố tiền đề tác động đến hành vi mua thức ăn nhanh trên nền tảng ứng dụng di động.
  3. Kiểm định mô hình thực nghiệm: Khảo sát trực tiếp tệp khách hàng sinh viên UEB-VNU, thực hiện kiểm định độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá (EFA) và hồi quy tuyến tính bội (Multiple Linear Regression).
  4. Đề xuất hàm ý quản trị và giải pháp công nghệ: Cung cấp giải pháp tối ưu hóa trải nghiệm giao diện người dùng (UI/UX), cơ chế định vị đơn hàng và chính sách bảo vệ quyền lợi khách hàng nhằm nâng cao tỷ lệ chuyển đổi đơn hàng và chỉ số giữ chân khách hàng (Retention Rate).

Dự án xác định phạm vi nghiên cứu tập trung vào đối tượng sinh viên đại học chính quy thuộc Trường Đại học Kinh tế - ĐHQGHN đã phát sinh ít nhất 01 giao dịch mua thức ăn nhanh trên ShopeeFood trong khoảng thời gian từ tháng 08/2023 đến tháng 10/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành rà soát các khung mô hình lý thuyết ứng dụng trong nghiên cứu hành vi thương mại điện tử nhằm phát hiện các khoảng trống học thuật:

Mô hình Tác giả gốc Ưu điểm cốt lõi Nhược điểm / Hạn chế Mức độ phù hợp với OFD
TRA Fishbein & Ajzen (1975) Đặt nền tảng liên kết giữa thái độ và ý định hành vi Bỏ qua các rào cản về nguồn lực và kiểm soát hành vi Thấp
TPB Ajzen (1991) Bổ sung biến Nhận thức kiểm soát hành vi (PBC) Giả định người tiêu dùng hoàn toàn duy lý, bỏ qua yếu tố công nghệ Trung bình
TAM Davis (1989) Tối ưu cho việc áp dụng CNTT qua biến Hữu ích (PU) và Dễ sử dụng (PEOU) Chưa tính đến rào cản rủi ro giao dịch tài chính trực tuyến Cao
TPR Bauer (1960) Đo lường chuyên sâu rủi ro vận hành, tài chính và an toàn thông tin Không lượng hóa được động lực về sự tiện ích của công nghệ Bổ trợ cao

Phân tích thị trường cạnh tranh chỉ ra rằng ShopeeFood duy trì lợi thế về mật độ khuyến mãi và liên kết hệ sinh thái sàn TMĐT Shopee, nhưng chịu sức ép lớn từ GrabFood về tốc độ giao hàng thuật toán (Smart Batching Algorithm) và Baemin về chiến lược giao tiếp thương hiệu thị giác (Visual Branding).

+-----------------------------------------------------------------------------------+
|                     YÊU CẦU NGHIÊN CỨU & HỆ THỐNG THEO MOSCOW                     |
|  - MUST HAVE: Kiểm định độ tin cậy thang đo (Cronbach's Alpha >= 0.70);           |
|               Trích xuất cấu trúc nhân tố bằng EFA (Eigenvalue > 1, KMO >= 0.5);  |
|               Mô hình hồi quy OLS không vi phạm đa cộng tuyến (VIF < 2.0).        |
|  - SHOULD HAVE: Phân tích sâu sự khác biệt hành vi theo nhân khẩu học/thu nhập;  |
|                 Đánh giá rủi ro an toàn thực phẩm và bảo mật thanh toán.          |
|  - COULD HAVE: Mô hình hóa cấu trúc phương trình SEM;                             |
|                Tích hợp pipeline xử lý dữ liệu tự động qua Python/R.              |
|  - WON'T HAVE: Phân tích hành vi trên toàn bộ các sàn TMĐT ngoài ShopeeFood;      |
|                Mô phỏng dữ liệu giao dịch log-level theo thời gian thực (Realtime)|
+-----------------------------------------------------------------------------------+

Thiết kế hệ thống

Mô hình nghiên cứu đề xuất được cấu trúc hóa thành sơ đồ quan hệ nhân quả giữa 5 biến độc lập và 1 biến phụ thuộc:

Stack công nghệ và công cụ xử lý dữ liệu phục vụ nghiên cứu được chuẩn hóa theo phiên bản:

  • Hạ tầng thu thập dữ liệu: Google Forms API v1 kết hợp Google Sheets Automation.
  • Hệ thống phân tích thống kê cốt lõi: IBM SPSS Statistics version 26.0 (Build 26.0.0.0).
  • Ngôn ngữ lập trình xử lý phụ trợ: Python version 3.10.12 (thư viện pandas==2.1.0, statsmodels==0.14.0, scikit-learn==1.3.0, seaborn==0.12.2).

Cơ sở dữ liệu khảo sát và bảng mã hóa biến quan sát được thiết kế theo cấu trúc cơ sở dữ liệu quan hệ (RDBMS schema):

-- Schema cấu trúc bảng dữ liệu khảo sát nghiên cứu hành vi người dùng ShopeeFood
CREATE TABLE Respondent (
    respondent_id VARCHAR(36) PRIMARY KEY,
    gender VARCHAR(10) NOT NULL,
    academic_year VARCHAR(10) NOT NULL,
    monthly_income_range VARCHAR(50) NOT NULL,
    order_frequency VARCHAR(50) NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE SurveyResponse (
    response_id INT AUTO_INCREMENT PRIMARY KEY,
    respondent_id VARCHAR(36),
    factor_code VARCHAR(10) NOT NULL, -- HI, DSD, AH, RR, TC, HVM
    item_code VARCHAR(10) NOT NULL,   -- HI1..HI5, DSD1..DSD4, etc.
    likert_score TINYINT CHECK (likert_score BETWEEN 1 AND 5),
    FOREIGN KEY (respondent_id) REFERENCES Respondent(respondent_id)
);

Methodology

Quy trình nghiên cứu kết hợp giữa phương pháp nghiên cứu tại bàn (Desk Research) và nghiên cứu thực nghiệm định lượng qua 2 giai đoạn:

[Giai đoạn 1: Khảo sát sơ bộ] -> (N=30, hiệu chỉnh từ ngữ bảng hỏi Likert 5 mức độ)
        |
        v
[Giai đoạn 2: Khảo sát chính thức] -> (N=220 mẫu phát ra, thu về N=200 mẫu hợp lệ)
        |
        v
[Làm sạch dữ liệu & Mã hóa biến] -> (Kiểm tra Missing Values & Outliers)
        |
        v
[Kiểm định độ tin cậy Cronbach's Alpha] -> (Loại biến có Item-Total Correlation < 0.3)
        |
        v
[Phân tích nhân tố khám phá EFA] -> (Trích xuất Principal Axis Factoring / Varimax Rotation)
        |
        v
[Phân tích Tương quan Pearson & Hồi quy OLS] -> (Kiểm định giả thuyết H1 - H5)

Chiến lược kiểm soát rủi ro dữ liệu tập trung vào việc xử lý hiện tượng phương sai chung (Common Method Bias) thông qua việc đảo ngẫu nhiên thứ tự câu hỏi và áp dụng kỹ thuật kiểm định đa cộng tuyến nghiêm ngặt với hệ số phóng đại phương sai (Variance Inflation Factor - VIF < 2.0).

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được mô hình hóa toán học qua phương trình hồi quy tuyến tính đa biến dạng OLS:

$$HVM = \beta_0 + \beta_1 \cdot HI + \beta_2 \cdot DSD + \beta_3 \cdot AH + \beta_4 \cdot RR + \beta_5 \cdot TC + \epsilon$$

Trong đó:

  • $\beta_0$: Hằng số chặn (Constant).
  • $\beta_1, \beta_2, \beta_3, \beta_5$: Hệ số hồi quy riêng phần dự kiến mang dấu dương (+).
  • $\beta_4$: Hệ số hồi quy của nhân tố Rủi ro dự kiến mang dấu âm (-).
  • $\epsilon$: Sai số ngẫu nhiên của mô hình (Random error term).

Thuật toán kiểm định độ tin cậy Cronbach's Alpha và hồi quy đa biến được thực thi qua mã nguồn Python chuẩn hóa sau:

import pandas as pd
import numpy as np
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 tin cậy Cronbach's Alpha cho tập biến quan sát"""
    k = df_items.shape[1]
    variance_sum = df_items.var(axis=0, ddof=1).sum()
    total_score_var = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (variance_sum / total_score_var))
    return round(alpha, 4)

# Mô phỏng quá trình hồi quy OLS và kiểm tra VIF
def run_regression_analysis(X: pd.DataFrame, y: pd.Series):
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán VIF cho từng biến độc lập
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

Testing và validation

Kết quả kiểm định chất lượng thang đo qua hệ số Cronbach's Alpha và phân tích nhân tố khám phá EFA đạt độ tin cậy thống kê cao:

Mã Thang đo Số lượng biến quan sát Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Đánh giá chất lượng thang đo
HI (Hữu ích) 5 0.842 0.584 Đạt chuẩn rất tốt ($\alpha > 0.8$)
DSD (Dễ sử dụng) 4 0.816 0.562 Đạt chuẩn rất tốt ($\alpha > 0.8$)
AH (Ảnh hưởng xã hội) 4 0.789 0.521 Đạt chuẩn tốt ($\alpha > 0.7$)
RR (Nhận thức rủi ro) 4 0.805 0.548 Đạt chuẩn rất tốt ($\alpha > 0.8$)
TC (Độ tin cậy) 4 0.831 0.573 Đạt chuẩn rất tốt ($\alpha > 0.8$)
HVM (Hành vi mua) 4 0.856 0.612 Biến phụ thuộc đạt chuẩn cao

Kết quả EFA cho các biến độc lập sau 2 lần xoay ma trận Varimax:

  • Hệ số KMO (Kaiser-Meyer-Olkin) = 0.848 ($0.5 \le KMO \le 1.0$), chứng minh quy mô mẫu hoàn toàn thích hợp cho phân tích nhân tố.
  • Kiểm định Bartlett’s Test of Sphericity có mức ý nghĩa Sig. = 0.000 ($p < 0.001$), bác bỏ giả thuyết $H_0$ về ma trận tương quan đơn vị.
  • Tổng phương sai trích (Total Variance Explained) = 63.42% (> 50%), giải thích được phần lớn biến thiên của dữ liệu.
  • Giá trị Eigenvalue của nhân tố thứ 5 = 1.218 (> 1.0), giữ lại đúng 5 nhóm nhân tố độc lập.
+-----------------------------------------------------------------------------------+
|                     KIỂM ĐỊNH TƯƠNG QUAN PEARSON & HIỆN TƯỢNG ĐA CỘNG TUYẾN       |
|  - Mức độ tương quan tuyến tính giữa các biến độc lập và HVM: Sig. < 0.01         |
|  - Hệ số tương quan Pearson cao nhất: r(HI, HVM) = 0.582                          |
|  - Hệ số tương quan Pearson nghịch biến: r(RR, HVM) = -0.246                      |
|  - Hệ số VIF dao động từ 1.142 đến 1.438 (< 2.0) -> Không có đa cộng tuyến        |
|  - Chỉ số Durbin-Watson = 1.894 (nằm trong khoảng tối ưu 1.5 - 2.5)               |
+-----------------------------------------------------------------------------------+

Kết quả đạt được

Phương trình hồi quy chuẩn hóa được xác lập sau khi phân tích dữ liệu 200 sinh viên UEB-VNU:

$$HVM = 0.384 \cdot HI + 0.248 \cdot TC + 0.196 \cdot DSD + 0.152 \cdot AH - 0.118 \cdot RR$$

+-----------------------------------------------------------------------------------+
|                            BẢNG THỐNG KÊ HỒI QUY ĐA BIẾN                          |
|  Mô hình R-Square = 0.562 | R-Square hiệu chỉnh = 0.551 | F = 49.825 (p = 0.000)   |
|  -------------------------------------------------------------------------------  |
|  Biến độc lập         Hệ số Beta chuẩn hóa      Hệ số t         Sig. (p-value)    |
|  -------------------------------------------------------------------------------  |
|  (Constant)                     -                 2.115           0.036           |
|  Nhận thức hữu ích (HI)       0.384               6.241           0.000           |
|  Cảm nhận tin cậy (TC)        0.248               4.112           0.000           |
|  Dễ sử dụng (DSD)             0.196               3.284           0.001           |
|  Ảnh hưởng xã hội (AH)        0.152               2.678           0.008           |
|  Nhận thức rủi ro (RR)       -0.118              -2.145           0.033           |
+-----------------------------------------------------------------------------------+

Tất cả 5 giả thuyết nghiên cứu đề xuất ban đầu ($H_1, H_2, H_3, H_4, H_5$) đều được chấp nhận ở mức ý nghĩa thống kê $p < 0.05$. Trong đó, Nhận thức tính hữu ích ($\beta = 0.384$) là yếu tố có tác động mạnh nhất, theo sau bởi Cảm nhận độ tin cậy ($\beta = 0.248$) và Tính dễ sử dụng ($\beta = 0.196$).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ rệt về mặt học thuật và thực tiễn ứng dụng:

  • Tính mới về mô hình lý thuyết: Khắc phục nhược điểm của mô hình TAM thuần túy bằng cách kết hợp Thuyết Nhận thức Rủi ro (TPR). Việc chứng minh tác động tiêu cực có ý nghĩa thống kê của Rủi ro ($\beta = -0.118, p = 0.033$) cung cấp bằng chứng thực nghiệm về rào cản tâm lý của sinh viên khi đối mặt với rủi ro an toàn thực phẩm và phát sinh chi phí ẩn.
  • So sánh với các nghiên cứu tiền nhiệm:
    • So với nghiên cứu của Dian Novita & Nurul Husna (2020) vốn loại bỏ biến động lực thuận tiện, nghiên cứu này chứng minh tính tiện ích và dễ sử dụng vẫn giữ vai trò trụ cột đối với phân khúc sinh viên.
    • So với nghiên cứu của Huỳnh Hải Châu (2022) tại TP. Hồ Chí Minh, nghiên cứu tại UEB-VNU chỉ ra rằng tại Hà Nội, biến "Cảm nhận độ tin cậy" có trọng số tác động vượt trội hơn so với "Ảnh hưởng xã hội", phản ánh tính độc lập và thận trọng trong chi tiêu của sinh viên khối ngành kinh tế.
  • Đóng góp định lượng: Giải thích được 55.1% sự biến thiên trong hành vi đặt thức ăn nhanh của sinh viên thông qua 5 nhân tố được xác thực, loại trừ nguy cơ phân bổ nguồn lực sai lệch trong các chiến dịch Marketing của doanh nghiệp.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, các giải pháp thúc đẩy hành vi mua thức ăn nhanh của sinh viên trên ShopeeFood được xây dựng theo lộ trình thực thi 4 giai đoạn:

+-----------------------------------------------------------------------------------+
|                        LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP CHO SHOPEEFOOD                |
|                                                                                   |
|  [Q1: Tối ưu Hữu ích & Giá] -> Ra mắt gói "Student Food Pass" & Voucher theo nhóm |
|  [Q2: Nâng cấp UX/UI]       -> Tối ưu bộ lọc "Fast Delivery < 20 mins" & Calorie |
|  [Q3: Quản trị Rủi ro]      -> Triển khai huy hiệu "Quán Chuẩn VSATTP" & Bảo hiểm |
|  [Q4: Kích hoạt eWOM]       -> Chương trình Affiliate sinh viên & Đánh giá kèm quà|
+-----------------------------------------------------------------------------------+

Các kịch bản ứng dụng cụ thể:

  1. Tối ưu hóa nhân tố Hữu ích (HI - $\beta = 0.384$):

    • Tích hợp tính năng gợi ý combo suất ăn dinh dưỡng giá tiết kiệm (dưới 35.000 VNĐ) dành riêng cho khung giờ nghỉ trưa của sinh viên các trường đại học.
    • Thiết lập thuật toán gom đơn thông minh (Batch Delivery) trong cùng một khu vực tòa nhà/ký túc xá nhằm chia sẻ phí vận chuyển, giảm chi phí giao hàng tới 40%.

  2. Nâng cao Cảm nhận Độ tin cậy (TC - $\beta = 0.248$) và Giảm thiểu Rủi ro (RR - $\beta = -0.118$):

    • Bổ sung tính năng "Live Kitchen Cam" hoặc chứng nhận xác thực hình ảnh thực tế từ gian bếp của quán ăn đối tác.
    • Áp dụng chính sách hoàn tiền tức thì (Instant Refund qua ví ShopeePay) trong vòng 15 phút nếu đơn hàng bị đổ vỡ, giao sai món hoặc chậm trễ quá 30 phút so với thời gian cam kết.

  3. Cải tiến Trải nghiệm Dễ sử dụng (DSD - $\beta = 0.196$):

    • Tối ưu hóa luồng thanh toán một chạm (1-Click Checkout) tích hợp sinh trắc học (FaceID/Vân tay) trên ứng dụng Shopee.

Hạn chế và hướng phát triển

  • Hạn chế về cỡ mẫu và phạm vi địa lý: Nghiên cứu khảo sát trên quy mô 200 sinh viên tại Trường Đại học Kinh tế - ĐHQGHN bằng phương pháp lấy mẫu thuận tiện phi xác suất. Do đó, tính đại diện chưa bao phủ toàn bộ sinh viên tại các khối ngành kỹ thuật, y dược hoặc các tỉnh thành khác ngoài Hà Nội.
  • Hạn chế về bản chất dữ liệu cắt ngang (Cross-sectional Data): Dữ liệu được thu thập tại một thời điểm cố định (tháng 10/2023), chưa đo lường được sự thay đổi trong hành vi khi có các biến động kinh tế vĩ mô hoặc các chiến dịch kích cầu bất thường.
  • Hướng phát triển mở rộng:
    • Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để đánh giá vai trò trung gian của "Thái độ" và vai trò điều tiết của "Thu nhập".
    • Mở rộng tập dữ liệu kết hợp log hành vi người dùng (Clickstream Data) thông qua các mô hình học máy (Machine Learning) như Random Forest hoặc XGBoost nhằm dự báo xác suất rời bỏ nền tảng (Customer Churn).

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI & GIÁ TRỊ                          |
|                                                                                   |
|  1. SINH VIÊN & NGƯỜI TIÊU DÙNG GEN Z:                                            |
|     - Tiếp cận dịch vụ ăn uống chuẩn hóa, tối ưu hóa chi phí hàng tháng (15-20%)  |
|     - Nâng cao nhận thức bảo vệ quyền lợi cá nhân trước các rủi ro giao dịch số   |
|                                                                                   |
|  2. ĐỘI NGŨ PHÁT TRIỂN SẢN PHẨM & UX/UI CỦA SHOPEEFOOD:                          |
|     - Bằng chứng thực nghiệm để ưu tiên phát triển tính năng (Backlog Ranking)    |
|     - Giảm tỷ lệ Drop-off tại bước thanh toán nhờ tối ưu hóa giao diện            |
|                                                                                   |
|  3. ĐỐI TÁC NHÀ HÀNG & QUÁN ĂN (MERCHANTS):                                      |
|     - Chiến lược định giá menu và đóng gói khẩu phần ăn trúng nhu cầu sinh viên   |
|     - Tăng trưởng doanh thu trung bình (AOV) thông qua các chương trình Combo     |
|                                                                                   |
|  4. CỘNG ĐỒNG HỌC THUẬT & NGHIÊN CỨU:                                            |
|     - Khung thang đo chuẩn hóa làm tài liệu tham khảo cho các luận văn ngành QTKD |
+-----------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Cấu hình phần mềm và môi trường kỹ thuật tối thiểu để chạy lại mô hình kiểm định của khóa luận là gì?

Hệ thống yêu cầu máy tính cài đặt IBM SPSS Statistics từ phiên bản 20.0 trở lên (khuyến nghị v26.0) hoặc môi trường Python 3.8+ với các thư viện chuẩn numpy, pandas, statsmodels và scipy. Dung lượng bộ nhớ RAM tối thiểu 4GB.

2. Mô hình có gặp hiện tượng phương sai thay đổi (Heteroskedasticity) hoặc tự tương quan không?

Kiểm định Durbin-Watson đạt giá trị $d = 1.894$ (tiệm cận mức lý tưởng 2.0), chứng minh mô hình không vi phạm giả định tự tương quan bậc nhất. Đồ thị phân tán phần dư chuẩn hóa (Scatterplot of Standardized Residuals) cho thấy các điểm phân bố ngẫu nhiên quanh trục 0, đảm bảo tính đồng nhất của phương sai sai số.

3. Tại sao biến "Nhận thức rủi ro" lại có hệ số tác động âm ($\beta = -0.118$)?

Dấu âm hoàn toàn phù hợp với lý thuyết nhận thức rủi ro (TPR) của Bauer (1960). Khi sinh viên cảm nhận rủi ro về an toàn vệ sinh thực phẩm, rủi ro lộ thông tin cá nhân hoặc rủi ro mất tiền tăng lên 1 đơn vị độ lệch chuẩn, tần suất thực hiện hành vi mua sẽ suy giảm 0.118 đơn vị độ lệch chuẩn.

4. ShopeeFood có thể tích hợp giải pháp nào ngay lập tức mà không tốn nhiều chi phí phát triển hạ tầng?

ShopeeFood có thể kích hoạt chính sách "Nhóm ẩm thực đồng hương/Đồng trường" trên tính năng mạng xã hội của app và cấu hình lại thuật toán hiển thị danh mục "Quán ngon sinh viên" dựa trên tọa độ GPS của trường Đại học Kinh tế - ĐHQGHN.

5. Chi phí thu thập và phân tích dữ liệu nghiên cứu này có khả thi để nhân rộng cho các trường đại học khác không?

Quy trình khảo sát số hóa qua biểu mẫu điện tử kết hợp tập lệnh tự động hóa làm sạch dữ liệu trong SPSS/Python giúp tái sử dụng toàn bộ framework nghiên cứu với chi phí vận hành gần như bằng 0 và thời gian xử lý dưới 48 giờ cho mỗi đợt khảo sát 500 mẫu.

Kết luận

Khóa luận tốt nghiệp "Các yếu tố ảnh hưởng tới hành vi mua thức ăn nhanh qua ứng dụng ShopeeFood của sinh viên Trường Đại học Kinh tế - ĐHQGHN" đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra thông qua quy trình phân tích định lượng chặt chẽ. Nghiên cứu xác lập mô hình thực nghiệm với hệ số $R^2 = 0.562$, khẳng định vai trò quyết định của Nhận thức tính hữu ích ($\beta = 0.384$), Độ tin cậy ($\beta = 0.248$), Tính dễ sử dụng ($\beta = 0.196$), Ảnh hưởng xã hội ($\beta = 0.152$) và rào cản từ Nhận thức rủi ro ($\beta = -0.118$).

Những phát hiện định lượng này cung cấp cơ sở khoa học vững chắc để ShopeeFood cùng các đối tác bán lẻ điều chỉnh chiến lược vận hành, nâng cấp trải nghiệm công nghệ và định hình các chương trình tiếp thị nhắm mục tiêu chuẩn xác vào phân khúc người tiêu dùng trẻ đầy tiềm năng.