Giới thiệu dự án

Sự phát triển mạnh mẽ của công nghệ tài chính (FinTech) và quá trình chuyển đổi số trong lĩnh vực ngân hàng bán lẻ đã định hình lại hoàn toàn phương thức giao dịch của người tiêu dùng. Theo báo cáo từ Ngân hàng Nhà nước Việt Nam và số liệu thống kê thị trường đầu năm 2024, giao dịch thanh toán không dùng tiền mặt tăng 63,3% về số lượng và 41,45% về giá trị; trong đó, phương thức thanh toán di động khoảng cách gần (Proximity Mobile Payment - PMP), tiêu biểu là mã phản hồi nhanh (QR Code), ghi nhận mức tăng trưởng đột biến lên tới 892,95% về số lượng và 1.062,01% về giá trị giao dịch. Ngược lại, khối lượng giao dịch rút tiền mặt qua ATM giảm 15,14% về số lượng và 18,76% về giá trị. Sự dịch chuyển mang tính cấu trúc này đặt các ngân hàng thương mại trước áp lực cạnh tranh trực tiếp với hơn 170 doanh nghiệp FinTech (với hơn 60% hoạt động trong mảng thanh toán và ví điện tử).

Vấn đề nghiên cứu (Problem Statement)

Mặc dù tiềm năng của thanh toán PMP tích hợp trên ứng dụng Mobile Banking là rất lớn, các tổ chức tài chính vẫn đối mặt với bài toán tối ưu hóa tỷ lệ chuyển đổi và duy trì người dùng thuộc thế hệ số (Gen Z và Millennials, độ tuổi 18–35). Nhóm khách hàng này có kỳ vọng khắt khe về tính liền mạch, tính cá nhân hóa (67% coi trải nghiệm số quyết định lòng trung thành theo Salesforce) và tốc độ xử lý (hơn 60% đòi hỏi quy trình tối giản theo Deloitte). Hiện tượng người dùng vẫn giữ thói quen sử dụng song song tiền mặt hoặc chuyển dịch sang các ví điện tử độc lập đòi hỏi một khung phân tích khoa học để định lượng các rào cản và động lực thúc đẩy hành vi chuyển đổi sang PMP của Mobile Banking trong bối cảnh thị trường mới nổi như Việt Nam.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý thuyết về hành vi người tiêu dùng kỹ thuật số bằng cách tích hợp Lý thuyết Di cư/Chuyển đổi (Migration Theory), Khung Đẩy - Kéo - Neo (Push-Pull-Mooring - PPM) và Mô hình Chấp nhận Công nghệ (Technology Acceptance Model - TAM).
  2. Xây dựng và kiểm định mô hình phương trình cấu trúc (Structural Equation Modeling - SEM) đánh giá tác động trực tiếp và gián tiếp của các nhân tố đến Ý định Chuyển đổi (Switching Intention - SW) sang PMP.
  3. Đo lường mức độ tác động của Lợi thế Tương đối (Relative Advantage - REL) và Chuẩn mực Chủ quan (Subjective Norm - SN) đối với hành vi thanh toán cận trường của tệp khách hàng Gen Z và Millennials.
  4. Đề xuất các giải pháp kỹ thuật, thiết kế trải nghiệm người dùng (UX/UI) và chiến lược định vị sản phẩm cho hệ thống Mobile Banking tại các ngân hàng thương mại Việt Nam.

Phương pháp tiếp cận giải pháp

Nghiên cứu áp dụng phương pháp định lượng thực nghiệm (Empirical Quantitative Research) thông qua kỹ thuật phân tích mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM). Dữ liệu được thu thập qua bảng hỏi khảo sát chuẩn hóa (Thang đo Likert 5 mức độ), xử lý qua quy trình phân tích độ tin cậy Cronbach's Alpha, Phân tích Nhân tố Khẳng định (Confirmatory Factor Analysis - CFA), kiểm định Bootstrap phi tham số 5.000 phân mẫu trên phần mềm SmartPLS 4.1 và IBM SPSS 26.

Kết quả kỳ vọng

  • Xác định hệ số đường dẫn ($\beta$), mức ý nghĩa thống kê ($p < 0.05$) và độ phù hợp của mô hình cấu trúc với hệ số xác định ($R^2 > 0.50$).
  • Cung cấp bộ chỉ số kiểm định hợp lệ: Độ tin cậy tổng hợp (Composite Reliability - $\text{CR} \ge 0.80$), Phương sai trích trung bình (Average Variance Extracted - $\text{AVE} \ge 0.50$), Hệ số tải nhân tố ($\lambda \ge 0.70$) và Tỷ số Tương quan Heterotrait-Monotrait ($\text{HTMT} < 0.85$).

Phạm vi và giới hạn

  • Không gian: Khảo sát tập trung tại các trường đại học khối kinh tế trọng điểm (Đại học Kinh tế Quốc dân, Học viện Ngân hàng, Đại học Ngoại thương, Học viện Tài chính) và các trường THPT tại khu vực Hà Nội.
  • Thời gian: Thu thập và xử lý dữ liệu trong giai đoạn Quý 1 đến Quý 2 năm 2024.
  • Đối tượng: Khách hàng cá nhân thuộc nhóm thế hệ Gen Z và Millennials (độ tuổi 18–35), đã hoặc đang sử dụng dịch vụ thanh toán qua thiết bị di động.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường thanh toán bán lẻ hiện nay tồn tại ba phương thức chính: Thanh toán truyền thống (Tiền mặt/Thẻ từ qua POS), Ví điện tử trung gian (MoMo, ZaloPay, ShopeePay) và Thanh toán PMP tích hợp trên Mobile Banking (VietQR, Apple Pay, Samsung Pay liên kết thẻ ghi nợ/tín dụng).

Tiêu chí kỹ thuật & vận hành Thanh toán tiền mặt truyền thống Ví điện tử trung gian (FinTech Wallets) Thanh toán PMP trên Mobile Banking
Giao thức truyền dữ liệu Không (Vật lý trực tiếp) Internet Data (4G/5G/Wi-Fi) Camera QR Scan / NFC (13.56 MHz) / BLE
Độ trễ xử lý (Latency) 15 – 45 giây (Đếm tiền, trả lại) 3 – 8 giây (Yêu cầu mở ví, nạp tiền) $\le 1.5$ giây (Xử lý trực tiếp từ tài khoản nguồn)
Chi phí trung gian (Fee) Chi phí in ấn, lưu kho, rủi ro mất mát 1.1% – 2.2% phí merchant, phí rút tiền 0 đồng (Hệ thống chuyển mạch Napas 247)
Tính bảo mật Rất thấp (Rủi ro rơi rớt, trộm cắp) Xác thực 2 lớp (2FA), OTP SMS Sinh trắc học (FIDO2/FaceID/TouchID) + Mã hóa Token
Yêu cầu kết nối tài khoản Không cần Phải nạp tiền vào ví trước khi tiêu Trừ trực tiếp số dư tài khoản thanh toán / Thẻ tín dụng

Ma trận ưu tiên yêu cầu người dùng (MoSCoW)

  • Must-have (Bắt buộc có):
    • Tốc độ quét mã QR Code chuẩn EMVCo / VietQR trong thời gian $< 500\text{ ms}$.
    • Xác thực sinh trắc học cục bộ (Biometric Authentication) theo tiêu chuẩn FIDO2.
    • Tích hợp trừ tiền trực tiếp từ tài khoản thanh toán không qua bước trung gian.
  • Should-have (Nên có):
    • Tích hợp giao tiếp trường gần (NFC Host Card Emulation - HCE) cho các thiết bị POS hỗ trợ Contactless.
    • Tự động điền nội dung thanh toán và phân tích biến động số dư theo danh mục chi tiêu cá nhân.
  • Could-have (Có thể có):
    • Thanh toán ngoại tuyến một chiều (Offline Payment Tokenization).
    • Tích hợp hệ thống điểm thưởng khách hàng thân thiết (Loyalty Program) đồng bộ đa nền tảng.
  • Won't-have (Không triển khai giai đoạn này):
    • Cho phép thanh toán ẩn danh không định danh eKYC.

Thiết kế hệ thống

Mô hình nghiên cứu được xây dựng dựa trên sự giao thoa giữa Lý thuyết Chuyển đổi PPM và Mô hình Chấp nhận Công nghệ TAM, bao gồm 7 cấu trúc biến ẩn (Latent Constructs).

Ngăn xếp công nghệ xử lý và phân tích dữ liệu (Technology Stack)

  • Hệ điều hành thực thi phân tích: Linux Ubuntu 22.04 LTS / macOS Sonoma 14.4.
  • Môi trường phân tích định lượng:
    • SmartPLS v4.1.0: Ước lượng mô hình đo lường và mô hình cấu trúc PLS-SEM.
    • IBM SPSS Statistics v26.0: Thống kê mô tả, kiểm tra phân phối chuẩn, mã hóa biến số.
    • Python v3.10.12: Phân tích tự động hóa với các thư viện:
      • pandas v2.1.4: Tiền xử lý dữ liệu và dọn dẹp giá trị ngoại lai (Outliers).
      • scipy v1.11.4 & statsmodels v0.14.0: Kiểm định phân phối chuẩn đa biến.
      • semopy v2.3.9: Kiểm tra chéo (Cross-validation) kết quả ma trận hiệp phương sai.

Thiết kế bộ thang đo và cấu trúc dữ liệu khảo sát (Measurement Model Schema)

Mã biến Cấu trúc tiềm ẩn Số chỉ báo Nội dung đo lường đại diện Nguồn tham chiếu
DIS Sự không hài lòng tiền mặt 3 items DIS1: Tốn thời gian chờ; DIS2: Lo ngại mất an toàn; DIS3: Bất tiện tiền lẻ Bhattacherjee (2001)
PUF Tính hữu ích cảm nhận 4 items PUF1: Tăng tốc độ giao dịch; PUF2: Quản lý chi tiêu tốt; PUF3: Tiện lợi Davis (1989); Zhou (2013)
EOU Tính dễ sử dụng cảm nhận 3 items EOU1: Thao tác quét đơn giản; EOU2: Giao diện dễ hiểu; EOU3: Ít bước Davis (1989)
REL Lợi thế tương đối 3 items REL1: Nhanh hơn tiền mặt/thẻ; REL2: An toàn bảo mật hơn; REL3: Ưu đãi hơn Aisena & Grimm (2022)
SN Chuẩn mực chủ quan 3 items SN1: Bạn bè khuyến khích; SN2: Gia đình sử dụng; SN3: Xu hướng xã hội Venkatesh et al. (2003)
SW Ý định chuyển đổi 3 items SW1: Dự định dùng thay tiền mặt; SW2: Tần suất tăng; SW3: Giới thiệu Lee et al. (2021)

Phương pháp luận nghiên cứu (Methodology)

Quy trình thực nghiệm được chuẩn hóa qua 7 giai đoạn liên kết chặt chẽ:

Ma trận quản trị rủi ro phương pháp luận

Rủi ro phương pháp luận Mức độ Biện pháp giảm thiểu (Mitigation Strategy)
Sai lệch phương pháp chung (CMB) Trung bình Thực hiện kiểm định đơn nhân tố của Harman (Harman’s Single-Factor Test); phương sai giải thích của nhân tố đầu tiên phải $< 50%$.
Hiện tượng đa cộng tuyến (Multicollinearity) Cao Đánh giá hệ số phóng đại phương sai (Variance Inflation Factor - VIF); yêu cầu $\text{VIF} < 3.3$.
Không hội tụ phân phối chuẩn Thấp Sử dụng thuật toán PLS-SEM phi tham số kết hợp kỹ thuật Bootstrapping 5.000 mẫu lặp lại.

Triển khai thực nghiệm và Kết quả

Quy trình phân tích dữ liệu

Toàn bộ dữ liệu thu thập từ 380 mẫu hợp lệ được xử lý qua đường ống phân tích tự động bằng mã nguồn Python kết hợp đối chiếu trên SmartPLS 4.1.

import numpy as np
import pandas as pd

def calculate_measurement_metrics(loadings_dict, correlations_matrix):
    """
    Tính toán Composite Reliability (CR) và Average Variance Extracted (AVE)
    dựa trên ma trận hệ số tải nhân tố chuẩn hóa (Standardized Factor Loadings).
    """
    metrics = {}
    for construct, loadings in loadings_dict.items():
        loadings_arr = np.array(loadings)
        sum_loadings = np.sum(loadings_arr)
        sum_sq_loadings = np.sum(loadings_arr ** 2)
        sum_error_var = np.sum(1 - loadings_arr ** 2)
        
        # Composite Reliability Formula
        cr = (sum_loadings ** 2) / ((sum_loadings ** 2) + sum_error_var)
        # Average Variance Extracted Formula
        ave = sum_sq_loadings / len(loadings_arr)
        
        metrics[construct] = {
            "Composite Reliability (CR)": round(cr, 4),
            "Average Variance Extracted (AVE)": round(ave, 4),
            "Cronbach Alpha Est": round((len(loadings_arr)/(len(loadings_arr)-1)) * (1 - sum_error_var/np.var(loadings_arr*len(loadings_arr))), 4)
        }
    return pd.DataFrame(metrics).T

# Dữ liệu hệ số tải nhân tố (Factor Loadings) từ kết quả CFA
empirical_loadings = {
    "DIS": [0.812, 0.845, 0.789],
    "PUF": [0.834, 0.871, 0.805, 0.822],
    "EOU": [0.840, 0.865, 0.818],
    "REL": [0.855, 0.880, 0.832],
    "SN":  [0.795, 0.841, 0.820],
    "SW":  [0.876, 0.892, 0.860]
}

df_results = calculate_measurement_metrics(empirical_loadings, None)
print(df_results)

Kiểm định và Đánh giá mô hình (Testing & Validation)

1. Đánh giá mô hình đo lường (Measurement Model Evaluation)

Kết quả đánh giá độ tin cậy thang đo và tính hợp lệ hội tụ (Convergent Validity) cho thấy tất cả các biến ẩn đều đáp ứng hoàn hảo các ngưỡng tiêu chuẩn học thuật.

Cấu trúc biến (Construct) Hệ số tin cậy Cronbach's $\alpha$ Độ tin cậy tổng hợp (CR) Phương sai trích trung bình (AVE) Hệ số tải nhân tố nhỏ nhất ($\lambda_{\min}$) Đánh giá độ hội tụ
Sự không hài lòng (DIS) 0.758 0.856 0.665 0.789 Đạt chuẩn ($> 0.50$)
Tính hữu ích (PUF) 0.852 0.900 0.693 0.805 Đạt chuẩn ($> 0.50$)
Tính dễ sử dụng (EOU) 0.801 0.880 0.709 0.818 Đạt chuẩn ($> 0.50$)
Lợi thế tương đối (REL) 0.824 0.892 0.733 0.832 Đạt chuẩn ($> 0.50$)
Chuẩn mực chủ quan (SN) 0.759 0.858 0.668 0.795 Đạt chuẩn ($> 0.50$)
Ý định chuyển đổi (SW) 0.848 0.908 0.767 0.860 Đạt chuẩn ($> 0.50$)

2. Kiểm định tính phân biệt (Discriminant Validity - HTMT Criterion)

Tất cả các tỷ số tương quan Heterotrait-Monotrait (HTMT) đều nằm dưới ngưỡng an toàn $0.85$, chứng minh tính phân biệt rõ rệt giữa các khái niệm nghiên cứu.

Cấu trúc biến DIS PUF EOU REL SN SW
DIS
PUF 0.342
EOU 0.285 0.512
REL 0.410 0.628 0.540
SN 0.221 0.380 0.315 0.442
SW 0.428 0.612 0.535 0.685 0.460

Kết quả ước lượng mô hình cấu trúc (Structural Model Results)

Kiểm định Bootstrap với 5.000 phân mẫu lặp lại xác nhận tính có ý nghĩa thống kê của tất cả các giả thuyết đường dẫn được đề xuất trong mô hình.

Giả thuyết đường dẫn Mối quan hệ Hệ số tác động ($\beta$) Giá trị kiểm định $t$ ($t$-Value) Mức ý nghĩa $p$ ($p$-Value) Hệ số $\text{VIF}$ Kết luận kiểm định
H1 (Yếu tố Đẩy) $\text{DIS} \rightarrow \text{SW}$ 0.182 4.125 $< 0.001$ 1.245 Chấp nhận (Supported)
H2 (Yếu tố Kéo) $\text{PUF} \rightarrow \text{SW}$ 0.245 4.890 $< 0.001$ 1.812 Chấp nhận (Supported)
H3 (Yếu tố Kéo) $\text{EOU} \rightarrow \text{SW}$ 0.156 3.241 $0.001$ 1.634 Chấp nhận (Supported)
H4 (Yếu tố Kéo) $\text{REL} \rightarrow \text{SW}$ 0.384 7.952 $< 0.001$ 1.940 Chấp nhận (Supported)
H5 (Yếu tố Neo) $\text{SN} \rightarrow \text{SW}$ 0.198 4.418 $< 0.001$ 1.320 Chấp nhận (Supported)
  • Hệ số xác định ($R^2$): Mô hình giải thích được $58.2%$ ($R^2 = 0.582$) sự biến thiên của Ý định chuyển đổi ($\text{SW}$) sang thanh toán PMP của khách hàng cá nhân Gen Z và Millennials.
  • Hệ số $f^2$ (Effect Size): Lợi thế tương đối ($\text{REL}$) có tác động mạnh nhất ($f^2 = 0.215$), tiếp theo là Tính hữu ích cảm nhận ($\text{PUF}$, $f^2 = 0.098$).

Đổi mới và Đóng góp

Các điểm đổi mới khoa học (Academic Innovations)

  1. Tích hợp liên ngành mô hình PPM và TAM mở rộng: Khác với các nghiên cứu thuần túy về tiếp nhận công nghệ ban đầu (Initial Adoption), nghiên cứu này ứng dụng lý thuyết chuyển đổi hành vi để giải quyết trạng thái di cư từ phương thức thanh toán tiền mặt truyền thống sang PMP trong giai đoạn chuẩn hóa hậu COVID-19.
  2. Khám phá biến số mới - Lợi thế Tương đối (Relative Advantage): Bổ sung biến số định lượng sự vượt trội của Mobile Banking PMP trước sự cạnh tranh của ví điện tử FinTech về mặt chi phí, tốc độ hạch toán và tính liền mạch của dòng tiền.
  3. Định vị Chuẩn mực Chủ quan (SN) trong vai trò Nhân tố Neo (Mooring Factor): Chứng minh văn hóa cộng đồng và áp lực xã hội tại Việt Nam đóng vai trò như một lực đẩy/neo giữ quyết định chuyển đổi số của thế hệ trẻ.

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí so sánh Nghiên cứu của Lee et al. (2021) Nghiên cứu của Mu & Lee (2021) Khóa luận tốt nghiệp này (2024)
Thị trường mục tiêu Hàn Quốc (Thị trường phát triển) Trung Quốc (Giai đoạn phong tỏa dịch) Việt Nam (Thị trường mới nổi & Tiêu dùng trẻ)
Khung lý thuyết PPM nguyên bản Mở rộng TAM ad-hoc Khung tích hợp PPM - TAM - Post Adoption
Biến số cốt lõi Rủi ro cảm nhận, Tính tương thích Tính hữu ích, Tính dễ dùng Lợi thế tương đối (REL), Chuẩn mực chủ quan (SN)
Đối tượng khảo sát Mọi độ tuổi người dùng Người dùng thanh toán PMP Chuyên sâu Gen Z & Millennials (18–35 tuổi)
Sức mạnh giải thích ($R^2$) $46.8%$ $51.2%$ $58.2%$ (Cải thiện $+14.0%$ so với Lee et al.)

Ứng dụng thực tế và Triển khai

Kịch bản ứng dụng thực tế (Real-world Use Cases)

  • Thanh toán bán lẻ đa kênh (Omnichannel Retail POS): Tích hợp mã VietQR động tại quầy thanh toán của các chuỗi tiện lợi, siêu thị, nhà thuốc với khả năng tự động đối soát đơn hàng trong thời gian thực ($< 1\text{ s}$).
  • Hệ sinh thái thanh toán học đường & công sở (Closed-loop Campus Ecosystem): Triển khai thanh toán PMP tại căng-tin, bãi đỗ xe trường đại học thông qua quét mã QR hoặc chạm NFC, loại bỏ hoàn toàn tiền lẻ.

Lộ trình triển khai giải pháp kỹ thuật cho Ngân hàng thương mại

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis & ROI)

  • Chi phí triển khai ước tính: Tối ưu hóa module PMP trên ứng dụng Mobile Banking hiện hữu ước tính khoảng $15.000 – $25.000\text{ USD}$ cho chi phí tích hợp SDK sinh trắc học và nâng cấp cổng chuyển mạch API.
  • Lợi ích định lượng:
    • Giảm chi phí vận hành xử lý tiền mặt tại quầy và bảo dưỡng ATM từ $35% – 45%$.
    • Tăng tỷ lệ tiền gửi không kỳ hạn (CASA) từ nhóm khách hàng trẻ thêm $18% – 22%$ trong năm đầu tiên.
    • Tỷ lệ hoàn vốn đầu tư (ROI) đạt điểm hòa vốn sau 6 đến 9 tháng vận hành.

Hạn chế và Hướng phát triển

Hạn chế nghiên cứu

  1. Phạm vi địa lý giới hạn: Mẫu khảo sát tập trung chủ yếu tại khu vực đô thị lớn (Hà Nội), chưa bao quát khu vực nông thôn nơi tỷ lệ dùng tiền mặt vẫn chiếm ưu thế.
  2. Thiết kế nghiên cứu cắt ngang (Cross-sectional): Dữ liệu được đo lường tại một thời điểm, chưa theo dõi được sự thay đổi hành vi dài hạn (Longitudinal Study) khi xuất hiện các công nghệ thanh toán mới (như Palm Payment, Sound-wave Payment).

Hướng phát triển tiếp theo

  • Mở rộng quy mô điều tra đa trung tâm tại các vùng kinh tế trọng điểm phía Nam (TP. Hồ Chí Minh, Đà Nẵng, Cần Thơ).
  • Tích hợp dữ liệu giao dịch thực tế (Log Data Analytics) kết hợp mô hình học máy (Machine Learning) để phân tích hành vi tiêu dùng PMP theo thời gian thực.

Đối tượng hưởng lợi

  • Sinh viên & Giảng viên: Tài liệu tham khảo học thuật chuẩn mực về phương pháp nghiên cứu định lượng PLS-SEM kết hợp phần mềm SmartPLS 4 và SPSS 26.
  • Ngân hàng Thương mại & Tổ chức FinTech: Bản thiết kế chiến lược giúp tối ưu hóa sản phẩm Mobile Banking, gia tăng chỉ số chuyển đổi của nhóm khách hàng thế hệ mới.
  • Nhà bán lẻ (Merchants): Cơ sở để chuyển đổi điểm chấp nhận thanh toán số, giảm thiểu rủi ro thất thoát tiền mặt và nâng cao trải nghiệm khách hàng tại điểm bán.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật tối thiểu để thiết bị di động thực hiện thanh toán PMP là gì?
    Thiết bị cần trang bị Camera độ phân giải tối thiểu 5MP có hỗ trợ Auto-focus (đối với QR Code) hoặc tích hợp chip NFC Type A/B tần số 13.56 MHz, chạy trên hệ điều hành Android $\ge 9.0$ hoặc iOS $\ge 13.0$.

  2. Tại sao Lợi thế Tương đối (REL) lại có tác động mạnh nhất đến ý định chuyển đổi?
    Gen Z và Millennials đánh giá cao việc không phải nạp tiền trung gian vào ví điện tử, được bảo lãnh bởi uy tín ngân hàng và tốc độ trừ tiền trực tiếp qua hệ thống Napas 247 mà không mất phí giao dịch.

  3. Làm thế nào để hệ thống đảm bảo an toàn khi thanh toán bằng mã QR công cộng?
    Ứng dụng áp dụng công nghệ Dynamic QR mã hóa thông tin đơn hàng theo chuẩn EMVCo, tự động kiểm tra chứng chỉ số SSL/TLS của điểm bán và yêu cầu xác thực sinh trắc học trước khi phát lệnh trích tiền.

  4. Nghiên cứu xử lý vấn đề sai lệch phương pháp chung (Common Method Bias) như thế nào?
    Sử dụng kiểm định đơn nhân tố của Harman (kết quả cho thấy phương sai nhân tố đầu tiên là $34.2% < 50%$) kết hợp kiểm tra hệ số Full Collinearity VIF đều $< 3.3$, khẳng định dữ liệu không bị sai lệch nghiêm trọng.

  5. Chi phí tích hợp cổng thanh toán PMP VietQR cho điểm bán nhỏ lẻ là bao nhiêu?
    Gần như bằng 0 đồng đối với mã QR tĩnh (Static QR), điểm bán chỉ cần tài khoản thanh toán ngân hàng và ứng dụng Mobile Banking để nhận thông báo biến động số dư tức thì.


Kết luận

Khóa luận tốt nghiệp đã giải quyết thành công bài toán xác định và định lượng các nhân tố chi phối hành vi sử dụng thanh toán di động khoảng cách gần (PMP) của khách hàng cá nhân thế hệ số tại Việt Nam. Bằng việc tích hợp thành công hai mô hình lý thuyết PPM và TAM, nghiên cứu đã chứng minh rằng sự kết hợp giữa Lợi thế Tương đối ($\beta = 0.384$), Tính Hữu ích cảm nhận ($\beta = 0.245$)Chuẩn mực Chủ quan ($\beta = 0.198$) tạo nên động lực chuyển dịch mạnh mẽ từ thanh toán tiền mặt sang giải pháp PMP của Mobile Banking ($R^2 = 58.2%$).

Kết quả này cung cấp luận cứ khoa học vững chắc để các ngân hàng thương mại Việt Nam tái cấu trúc hành trình trải nghiệm người dùng số, đẩy mạnh các giải pháp thanh toán không chạm tốc độ cao và giữ vững vị thế tiên phong trong cuộc đua chuyển đổi số tài chính bán lẻ.