Giới thiệu dự án

Sự bùng nổ của nền kinh tế số và thói quen mua sắm trực tuyến thời kỳ hậu đại dịch COVID-19 đã thúc đẩy sự chuyển dịch mạnh mẽ trong ngành hàng tiêu dùng nhanh (FMCG - Fast Moving Consumer Goods). Theo báo cáo từ Allied Market Research, quy mô thị trường FMCG toàn cầu dự kiến đạt 15.361,8 tỷ USD vào năm 2025 với tốc độ tăng trưởng kép hàng năm (CAGR) đạt 5,4%. Tại Việt Nam, thương mại điện tử (E-Commerce) ghi nhận mức tăng trưởng trung bình trên 30%/năm, đạt quy mô bán lẻ FMCG ước tính 196 tỷ USD vào năm 2023 (Nielsen).

Trong bối cảnh đó, thế hệ Gen Z (sinh từ năm 1997 đến 2012) đang nổi lên như một lực lượng tiêu dùng chủ chốt, chiếm khoảng 25% lực lượng lao động tại Việt Nam (tương đương 15 triệu người tiêu dùng tiềm năng). Mặc dù có tần suất tương tác kỹ thuật số cao, hành vi ra quyết định mua hàng FMCG trực tuyến của Gen Z tại các đô thị lớn như Hà Nội mang tính chọn lọc khắt khe và chịu sự chi phối phức tạp từ nhận thức rủi ro, giá cả và niềm tin thương hiệu.

+-----------------------------------------------------------------------------------+
|                        BỐI CẢNH THỊ TRƯỜNG & GEN Z HÀ NỘI                         |
+-----------------------------------------------------------------------------------+
| Thị trường FMCG VN: $196B (2023) | Gen Z: 15M người tiêu dùng (25% lao động)      |
| Tăng trưởng TMĐT: >30%/năm       | Hạ tầng: Shopee, Lazada, Tiki, TikTok Shop     |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
|                         VẤN ĐỀ VÀ THÁCH THỨC NGHIÊN CỨU                           |
+-----------------------------------------------------------------------------------+
| • Tỷ lệ bỏ giỏ hàng (Cart Abandonment) cao trong ngành FMCG trực tuyến.            |
| • Sự phân hóa nhận thức rủi ro chất lượng (Perceived Risk) vs Sự tiện lợi (TAM).  |
| • Thiếu mô hình lượng hóa chuẩn xác hành vi mua sắm FMCG của Gen Z tại Hà Nội.    |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu (Problem Statement)

Các doanh nghiệp FMCG và nhà bán lẻ trực tuyến (B2C E-Commerce) đối mặt với thách thức lớn trong việc chuyển đổi ý định mua thành quyết định mua thực tế của Gen Z. Nhóm khách hàng này có xu hướng so sánh giá liên tục, nhạy cảm với trải nghiệm giao diện người dùng nhưng lại e ngại về rủi ro chất lượng sản phẩm, rủi ro giao dịch trực tuyến và tính xác thực của thông tin tiếp thị (e-WOM).

Mục tiêu dự án

  1. Hệ thống hóa lý luận: Tích hợp các mô hình hành vi kinh điển gồm Thuyết Hành động Hợp lý (TRA), Thuyết Hành vi Dự định (TPB), Mô hình Chấp nhận Công nghệ (TAM) và Thuyết Nhận thức Rủi ro (TPR).
  2. Lượng hóa thực nghiệm: Xác định và đo lường mức độ tác động của 5 nhân tố cốt lõi (Nhận thức về giá, Nhận thức về tính hữu ích, Nhận thức rủi ro, Niềm tin, Thái độ) đến Quyết định mua sản phẩm FMCG của Gen Z tại Hà Nội.
  3. Đề xuất chiến lược: Xây dựng hệ thống giải pháp Marketing số, tối ưu hóa điểm chạm giao dịch và quản trị rủi ro trên các nền tảng thương mại điện tử.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Kết hợp nghiên cứu định tính (phỏng vấn chuyên gia, hiệu chỉnh thang đo) và nghiên cứu định lượng thông qua khảo sát bảng hỏi cấu trúc thang đo Likert 5 điểm, xử lý dữ liệu bằng phần mềm thống kê IBM SPSS Statistics 20.0.
  • Kết quả kỳ vọng: Xác lập mô hình hồi quy tuyến tính bội với hệ số xác định $R^2 \ge 0.50$, giá trị kiểm định Cronbach's Alpha $\ge 0.70$, chỉ số KMO đạt từ $0.5$ đến $1.0$, cung cấp bằng chứng định lượng hỗ trợ doanh nghiệp tăng tỷ lệ chuyển đổi (Conversion Rate) từ 15% - 25%.
  • Phạm vi và giới hạn: Tập trung vào khách hàng thuộc thế hệ Z sinh sống, học tập và làm việc tại khu vực nội thành Hà Nội trong giai đoạn tháng 03/2023 đến tháng 05/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí phân tích Nghiên cứu của Phạm Văn Tuấn & CS (2022) Nghiên cứu của Tạ Văn Thành & Đặng Xuân Ơn (2021) Mô hình nghiên cứu đề xuất (Đồ án)
Mô hình lý thuyết TAM kết hợp Perceived Risk TPB kết hợp Tâm lý an toàn Tích hợp C-TAM-TPB + TPR
Đối tượng khảo sát Khách hàng đại chúng tại Hà Nội Thế hệ Gen Z toàn quốc Thế hệ Gen Z tại Hà Nội (Đặc thù đô thị)
Nhân tố khảo sát Nền tảng, Niềm tin, Rủi ro, Hữu ích Hữu ích, Niềm tin, Rủi ro, An toàn Giá, Hữu ích, Rủi ro, Niềm tin, Thái độ
Ưu điểm Phân tích sâu chất lượng nền tảng Đánh giá diện rộng Gen Z Lượng hóa trực tiếp quyết định mua FMCG
Hạn chế Chưa bóc tách đặc thù Gen Z Chưa tối ưu hóa cho ngành FMCG Giới hạn không gian tại địa bàn Hà Nội

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW)

  • Must-have: Kiểm định thang đo Cronbach's Alpha, Phân tích nhân tố khám phá (EFA), Phân tích tương quan Pearson, Phân tích hồi quy tuyến tính bội (Multiple Linear Regression).
  • Should-have: Kiểm tra hiện tượng đa cộng tuyến qua hệ số phóng đại phương sai (VIF), kiểm định phân phối chuẩn phần dư và hiện tượng tự tương quan qua Durbin-Watson.
  • Could-have: Thống kê mô tả phân khúc hành vi tiêu dùng đa kênh (Omnichannel) trên các sàn Shopee, Lazada, Tiki, TikTok Shop.
  • Won't-have: Mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) hoặc phân tích chuỗi thời gian dài hạn.

Thiết kế hệ thống và mô hình nghiên cứu

Mô hình nghiên cứu được xây dựng dựa trên hàm hồi quy tuyến tính tổng quát:

$$PD = \beta_0 + \beta_1 \cdot PR + \beta_2 \cdot PU + \beta_3 \cdot RS + \beta_4 \cdot TR + \beta_5 \cdot AT + \epsilon$$

Trong đó:

  • $PD$ (Purchase Decision): Quyết định mua hàng (Biến phụ thuộc).
  • $PR$ (Perceived Price): Nhận thức về giá.
  • $PU$ (Perceived Usefulness): Nhận thức về tính hữu ích.
  • $RS$ (Perceived Risk): Nhận thức rủi ro (Hệ số kỳ vọng $\beta_3 < 0$).
  • $TR$ (Trust): Niềm tin đối với sàn và nhà bán hàng.
  • $AT$ (Attitude): Thái độ đối với hành vi mua sắm FMCG trực tuyến.
  • $\epsilon$: Sai số ngẫu nhiên của mô hình.
graph TD
    subgraph Biến Độc Lập
        A[Nhận thức về giá - PR] -->|H1: +| F[Quyết định mua hàng - PD]
        B[Nhận thức tính hữu ích - PU] -->|H2: +| F
        C[Nhận thức rủi ro - RS] -->|H3: -| F
        D[Niềm tin - TR] -->|H4: +| F
        E[Thái độ - AT] -->|H5: +| F
    end

    style F fill:#e1f5fe,stroke:#0288d1,stroke-width:2px;
    style C fill:#ffebee,stroke:#d32f2f,stroke-width:2px;
    style A fill:#e8f5e9,stroke:#388e3c,stroke-width:2px;
    style B fill:#e8f5e9,stroke:#388e3c,stroke-width:2px;
    style D fill:#e8f5e9,stroke:#388e3c,stroke-width:2px;
    style E fill:#e8f5e9,stroke:#388e3c,stroke-width:2px;

Công nghệ và công cụ sử dụng

  • Công cụ thu thập dữ liệu: Google Forms API kết hợp bảng câu hỏi chuẩn hóa 5-point Likert.
  • Môi trường phân tích định lượng: IBM SPSS Statistics Version 20.0 / 26.0.
  • Pipeline kiểm định bổ trợ (Python Data Stack): Python 3.10, pandas 2.0.3, statsmodels 0.14.0, scikit-learn 1.3.0, scipy 1.11.1.
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def evaluate_regression_model(df: pd.DataFrame, target_col: str, feature_cols: list):
    """
    Hàm kiểm định mô hình hồi quy tuyến tính bội và tính toán hệ số VIF
    """
    X = df[feature_cols]
    y = df[target_col]
    X_with_const = sm.add_constant(X)
    
    # Khởi tạo và khớp mô hình OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán hệ số phóng đại phương sai (VIF)
    vif_data = pd.DataFrame()
    vif_data["Feature"] = feature_cols
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(feature_cols))]
    
    return model.summary(), vif_data

Phương pháp luận (Methodology)

Quy trình nghiên cứu được triển khai theo mô hình 4 giai đoạn chuẩn mực:

- Tổng quan TRA/TPB/TAM/TPR        - Thiết kế 25-30 biến quan sát     - Khảo sát trực tuyến Google Form     - Cronbach's Alpha, EFA, OLS Regression
- Xác định 5 biến độc lập          - Pilot test N=30 hiệu chỉnh       - Làm sạch dữ liệu (Data Cleaning)    - Thảo luận kết quả & Hàm ý quản trị

Kế hoạch và kiểm soát rủi ro

  • Rủi ro sai số chọn mẫu (Sampling Bias): Khắc phục bằng phương pháp chọn mẫu thuận tiện có chọn lọc (Purposive Sampling), bổ sung câu hỏi gạn lọc (Screening Questions) nhằm đảm bảo 100% người trả lời thuộc độ tuổi Gen Z và đã từng mua FMCG trên Shopee, Lazada, Tiki hoặc TikTok Shop tại Hà Nội.
  • Rủi ro phương sai chung (Common Method Bias): Xáo trộn thứ tự các item đo lường và bảo mật danh tính người tham gia khảo sát.

Implementation và kết quả

Quy trình phát triển và xử lý dữ liệu

Quá trình phân tích thực nghiệm tuân thủ quy trình kiểm định kinh tế lượng khắt khe:

* Cú pháp phân tích độ tin cậy và EFA trên IBM SPSS Statistics
RELIABILITY
  /VARIABLES=PR1 PR2 PR3 PR4 PU1 PU2 PU3 PU4 RS1 RS2 RS3 RS4 TR1 TR2 TR3 TR4 AT1 AT2 AT3 AT4
  /SCALE('All Variables') MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES PR1 PR2 PR3 PR4 PU1 PU2 PU3 PU4 RS1 RS2 RS3 RS4 TR1 TR2 TR3 TR4 AT1 AT2 AT3 AT4
  /MISSING LISTWISE 
  /ANALYSIS PR1 PR2 PR3 PR4 PU1 PU2 PU3 PU4 RS1 RS2 RS3 RS4 TR1 TR2 TR3 TR4 AT1 AT2 AT3 AT4
  /PRINT INITIAL EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

Kiểm định và đánh giá mô hình

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả các thang đo thành phần đều đạt yêu cầu về độ tin cậy với hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$ và hệ số Cronbach's Alpha tổng thể $> 0.70$.

Thang đo biến số Ký hiệu Số biến quan sát Cronbach's Alpha Đánh giá độ tin cậy
Nhận thức về giá PR 4 0.842 Rất tốt
Nhận thức tính hữu ích PU 4 0.865 Rất tốt
Nhận thức rủi ro RS 4 0.812 Tốt
Niềm tin thương hiệu TR 4 0.887 Rất tốt
Thái độ mua hàng AT 4 0.835 Tốt
Quyết định mua hàng PD 4 0.871 Rất tốt

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số KMO (Kaiser-Meyer-Olkin): Đạt $0.854 > 0.5$, chứng minh quy mô mẫu hoàn toàn thích hợp cho phân tích nhân tố.
  • Kiểm định Bartlett's: Giá trị thống kê $\chi^2$ có mức ý nghĩa $p = 0.000 < 0.001$, bác bỏ giả thuyết các biến không tương quan.
  • Tổng phương sai trích (Total Variance Explained): Đạt $63.78% > 50%$, với 5 nhân tố được trích tại điểm dừng Eigenvalue $= 1.241 > 1.0$.
  • Ma trận xoay nhân tố (Rotated Component Matrix): Tất cả hệ số tải nhân tố (Factor Loading) đều vượt ngưỡng $0.55$, không xuất hiện hiện tượng biến chéo tải phức hợp.

Kết quả phân tích hồi quy tuyến tính

Mô hình hồi quy đạt độ tương thích cao với dữ liệu thực nghiệm:

  • Hệ số xác định $R^2 = 0.584$; Hệ số $R^2$ hiệu chỉnh $= 0.576$.
  • Giá trị kiểm định $F = 78.432$ với $p = 0.000 < 0.001$, xác nhận phương trình hồi quy có ý nghĩa thống kê ở mức tin cậy 99%.
  • Hệ số Durbin-Watson $= 1.892$ (nằm trong khoảng $1.5 - 2.5$), loại trừ hiện tượng tự tương quan bậc một.
Biến độc lập Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị t Mức ý nghĩa (Sig.) Hệ số VIF
(Hằng số) 0.412 0.158 — 2.608 0.009 —
Giá cả (PR) 0.245 0.038 0.258 6.447 0.000 1.241
Tính hữu ích (PU) 0.284 0.041 0.292 6.927 0.000 1.312
Rủi ro (RS) -0.168 0.032 -0.185 -5.250 0.000 1.115
Niềm tin (TR) 0.215 0.039 0.224 5.513 0.000 1.287
Thái độ (AT) 0.198 0.037 0.208 5.351 0.000 1.265

Phương trình hồi quy chuẩn hóa: $$PD = 0.292 \cdot PU + 0.258 \cdot PR + 0.224 \cdot TR + 0.208 \cdot AT - 0.185 \cdot RS$$

Đổi mới và đóng góp

  1. Tích hợp mô hình liên ngành: Kết hợp thành công mô hình tiếp nhận công nghệ (TAM) với mô hình nhận thức rủi ro (TPR) và lý thuyết hành vi kế hoạch (TPB), giải quyết được bài toán phân tích hành vi mua sắm mặt hàng thiết yếu vốn có tần suất tiêu dùng cao nhưng biên độ dao động lòng trung thành lớn.
  2. Khám phá trọng số tác động thực tế:
    • Tính hữu ích ($\beta = 0.292$) và Nhận thức về giá ($\beta = 0.258$) là 2 yếu tố thúc đẩy mạnh nhất quyết định mua hàng FMCG trực tuyến của Gen Z.
    • Nhận thức rủi ro ($\beta = -0.185$) tác động tiêu cực rõ rệt, chứng minh rằng dù am hiểu công nghệ, Gen Z tại Hà Nội vẫn cực kỳ lo ngại về hàng giả, sai lệch mô tả sản phẩm và chi phí vận chuyển phát sinh.
  3. Giá trị so sánh định lượng: So với các nghiên cứu trước đây vốn chỉ tập trung vào nhóm sinh viên chung chung, nghiên cứu này xác lập bộ tham số định lượng cụ thể cho phân khúc Gen Z đô thị trong giai đoạn thương mại điện tử tương tác (Live Commerce / TikTok Shop) bùng nổ mạnh mẽ.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng cho doanh nghiệp FMCG và sàn E-Commerce

                                CHIẾN LƯỢC TRIỂN KHAI OMNICHANNEL
                                
       [Tối ưu Hữu ích & Giá]                [Xây dựng Niềm tin]              [Giảm thiểu Rủi ro]

Lộ trình triển khai 4 bước (Implementation Roadmap)

  1. Bước 1 - Tối ưu hóa giao diện sản phẩm (Tuần 1 - 4):
    • Nâng cấp hình ảnh, video độ phân giải cao và bảng thành phần minh bạch cho 100% SKU ngành hàng FMCG.
    • Ứng dụng công nghệ đề xuất cá nhân hóa (Recommendation Engine) dựa trên lịch sử tìm kiếm của khách hàng Gen Z.
  2. Bước 2 - Chiến lược định giá linh hoạt (Tuần 5 - 8):
    • Thiết lập các gói sản phẩm định kỳ (Subscription Model) cho hàng tiêu dùng định kỳ (nước giặt, sữa, dầu gội) với mức giảm giá 10% - 15%.
    • Liên kết các cổng thanh toán e-Wallet (ShopeePay, MoMo, ZaloPay) để triển khai mã giảm phí vận chuyển trực tiếp.
  3. Bước 3 - Quản trị chuỗi cung ứng và logistics (Tuần 9 - 16):
    • Hợp tác với các đơn vị vận tải nội thành Hà Nội cung cấp dịch vụ giao hàng hỏa tốc trong 2 giờ đến 4 giờ nhằm tối ưu hóa nhận thức hữu ích.
  4. Bước 4 - Tối ưu hóa dịch vụ khách hàng và e-WOM (Tuần 17 - 24):
    • Triển khai Chatbot AI phản hồi tự động dưới 30 giây đối với các thắc mắc về hạn sử dụng và nguồn gốc xuất xứ.

Phân tích hiệu quả kinh tế (ROI)

  • Tăng tỷ lệ chuyển đổi đơn hàng (CR): Dự kiến tăng từ 2.1% lên 3.8% sau khi tích hợp chứng nhận gian hàng chính hãng và minh bạch hóa đánh giá sản phẩm.
  • Giảm chi phí thu hút khách hàng (CAC): Giảm 18% chi phí Marketing thông qua việc kích hoạt mạng lưới truyền miệng kỹ thuật số (e-WOM) và chương trình khách hàng thân thiết cho Gen Z.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phạm vi

  • Phương pháp lấy mẫu: Sử dụng kỹ thuật lấy mẫu thuận tiện phi xác suất qua biểu mẫu trực tuyến, dẫn đến khả năng đại diện chưa bao phủ toàn diện các phân khúc thu nhập khác nhau của Gen Z ngoại thành Hà Nội.
  • Phương pháp phân tích: Mô hình hồi quy OLS chỉ đo lường mối quan hệ trực tiếp một chiều giữa biến độc lập và biến phụ thuộc, chưa đánh giá các mối quan hệ gián tiếp qua biến trung gian (Mediating Variables) hoặc biến điều tiết (Moderating Variables).

Định hướng mở rộng

  • Nâng cấp phương pháp phân tích: Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) hoặc mô hình hóa cấu trúc tương quan CB-SEM bằng phần mềm AMOS / SmartPLS để phân tích sâu biến trung gian "Thái độ" và "Niềm tin".
  • Ứng dụng Machine Learning: Triển khai các thuật toán phân cụm khách hàng (K-Means Clustering) và mô hình phân loại (Random Forest, XGBoost) trên tập dữ liệu giao dịch thực tế (Clickstream Data) để dự báo nguy cơ rời bỏ giỏ hàng theo thời gian thực.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI DỰ ÁN                              |
+-----------------------------------------------------------------------------------+
|  [Sinh viên & Học viên]                                                           |
|  - Kế thừa bộ thang đo Likert chuẩn hóa và cú pháp phân tích định lượng SPSS/EFA.  |
|  - Cung cấp khung lý thuyết kết hợp TAM - TPB - TPR hoàn chỉnh làm tài liệu mẫu.  |
|-----------------------------------------------------------------------------------|
|  [Doanh nghiệp & Brand FMCG (Unilever, P&G, Masan, Vinamilk)]                     |
|  - Tối ưu hóa ngân sách khuyến mãi và định giá bán lẻ trực tuyến trên sàn TMĐT.  |
|  - Giảm thiểu rủi ro cảm nhận của khách hàng, tăng tỷ lệ tái mua (Retention Rate).|
|-----------------------------------------------------------------------------------|
|  [Sàn Thương mại điện tử (Shopee, Lazada, TikTok Shop)]                           |
|  - Nâng cấp trải nghiệm UX/UI và tối ưu hệ thống gợi ý sản phẩm phù hợp Gen Z.    |
|  - Cải tiến quy trình giao vận hỏa tốc nội đô nhằm tăng nhận thức tính hữu ích.   |
|-----------------------------------------------------------------------------------|
|  [Nhà nghiên cứu Marketing & Kinh tế số]                                          |
|  - Bổ sung dữ liệu thực nghiệm về hành vi tiêu dùng số của Gen Z tại Việt Nam.   |
|  - Cung cấp cơ sở tiền đề cho các mô hình nghiên cứu đa biến nâng cao (SEM).      |
+-----------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và dữ liệu để triển khai nghiên cứu định lượng này là gì?

Cần thu thập tối thiểu 200 - 350 mẫu khảo sát hợp lệ (tuân thủ quy tắc $N \ge 5 \times$ số biến quan sát). Dữ liệu được làm sạch và xử lý trên nền tảng IBM SPSS Statistics (phiên bản từ 20.0 trở lên) hoặc các thư viện phân tích thống kê chuyên dụng trong Python (statsmodels, scipy) và R (psych, lavaan).

2. Giới hạn quy mô mẫu và giải pháp mở rộng phạm vi nghiên cứu?

Mô hình hiện tại khảo sát trong phạm vi địa bàn Hà Nội. Để mở rộng trên phạm vi toàn quốc hoặc khu vực Đông Nam Á, cần áp dụng phương pháp lấy mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) theo khu vực địa lý và mức thu nhập, đồng thời kiểm soát sai số đa nhóm (Measurement Invariance).

3. Doanh nghiệp có thể tích hợp kết quả nghiên cứu vào hệ thống E-Commerce hiện có như thế nào?

Doanh nghiệp có thể tích hợp trực tiếp vào hệ thống quản lý quan hệ khách hàng (CRM) và nền tảng bán hàng qua các API tự động:

  • Tự động hiển thị huy hiệu xác thực và cam kết chất lượng tại trang sản phẩm (giảm biến RS).
  • Thiết lập thuật toán Dynamic Pricing tự động điều chỉnh phiếu giảm giá theo từng phân khúc khách hàng (tối ưu hóa biến PR).

4. Chi phí bảo trì và vận hành các giải pháp đề xuất là bao nhiêu?

Chi phí chủ yếu tập trung vào việc tối ưu hóa nội dung số và đăng ký gói vận chuyển hỏa tốc với đơn vị 3PL (khoảng 3% - 5% tổng doanh thu kênh trực tuyến), mang lại tỷ suất hoàn vốn đầu tư (ROI) ước tính đạt từ 180% - 220% sau 6 tháng áp dụng.

5. Yếu tố nào có tác động mạnh nhất đến quyết định mua của Gen Z đối với hàng FMCG?

Theo kết quả hồi quy chuẩn hóa, Nhận thức về tính hữu ích ($\beta = 0.292$) và Nhận thức về giá ($\beta = 0.258$) là hai nhân tố có trọng số chi phối mạnh nhất, đòi hỏi doanh nghiệp phải ưu tiên hàng đầu sự tiện lợi, tốc độ giao nhận và tính cạnh tranh về giá khi xây dựng chiến dịch bán hàng.

Kết luận

Đồ án tốt nghiệp "Các yếu tố ảnh hưởng tới quyết định mua sản phẩm tiêu dùng nhanh (FMCG) của khách hàng thế hệ Z Hà Nội trên sàn thương mại điện tử" của tác giả Nguyễn Lam Ngọc đã giải quyết trọn vẹn cả ba mục tiêu nghiên cứu đề ra:

  • Giá trị học thuật: Xây dựng và kiểm định thành công mô hình tích hợp C-TAM-TPB-TPR với độ tin cậy thang đo cao (Cronbach's Alpha $> 0.80$, $R^2 = 0.584$), làm phong phú thêm hệ thống tài liệu nghiên cứu kinh tế lượng ứng dụng tại thị trường Việt Nam.
  • Giá trị thực tiễn: Khẳng định vai trò quyết định của 5 nhân tố: Tính hữu ích ($\beta = 0.292$), Giá cả ($\beta = 0.258$), Niềm tin ($\beta = 0.224$), Thái độ ($\beta = 0.208$) và Rủi ro nhận thức ($\beta = -0.185$).
  • Định hướng ứng dụng: Cung cấp bộ giải pháp thực thi trực tiếp cho các nhà quản trị thương hiệu FMCG và sàn thương mại điện tử nhằm tối ưu hóa tỷ lệ chuyển đổi, củng cố lòng tin số và khai thác tối đa tiềm năng tiêu dùng của thế hệ Gen Z trong kỷ nguyên kinh tế số.