Giới thiệu dự án

Thị trường bán lẻ mỹ phẩm và dịch vụ chăm sóc cá nhân tại Việt Nam đang chứng kiến sự bùng nổ mạnh mẽ với tốc độ tăng trưởng kép hàng năm (CAGR) đạt khoảng 7,5% trong giai đoạn 2020–2025 (Euromonitor International, 2021). Tại các đô thị đặc thù như Thành phố Hồ Chí Minh, thế hệ tiêu dùng trẻ—đặc biệt là phân khúc sinh viên đại học—đang trở thành lực lượng tiêu dùng trọng điểm thúc đẩy doanh số của các chuỗi bán lẻ chuyên biệt. Tuy nhiên, hành vi mua sắm của nhóm đối tượng này có tính chất phân hóa cao do rào cản về ngân sách tài chính, mức độ nhạy cảm về giá, đồng thời đòi hỏi khắt khe về tính an toàn và nguồn gốc sản phẩm chính hãng.

Vấn đề cốt lõi đặt ra cho các chuỗi phân phối bán lẻ quy mô lớn như Hasaki (hơn 227 chi nhánh trên 57 tỉnh thành) là làm thế nào để tối ưu hóa đồng thời các điểm chạm dịch vụ, chiến lược giá và độ phủ cửa hàng nhằm tối đa hóa tỷ lệ chuyển đổi và lòng trung thành của sinh viên. Đề tài khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định mua hàng của sinh viên tại các chuỗi cửa hàng Hasaki tại Thành phố Hồ Chí Minh" do sinh viên Nguyễn Khánh Băng (Trường Đại học Ngân hàng TP.HCM, hướng dẫn: TS. Trương Đình Thái) thực hiện nhằm giải quyết bài toán định lượng này.

Mục tiêu nghiên cứu của dự án bao gồm:

  1. Xác định các nhân tố cấu thành ảnh hưởng trực tiếp đến quyết định mua hàng của sinh viên tại chuỗi Hasaki.
  2. Đo lường và kiểm định mức độ tác động của từng nhân tố thông qua mô hình kinh tế lượng hồi quy tuyến tính bội.
  3. Đề xuất hệ thống giải pháp và hàm ý quản trị thực tiễn giúp doanh nghiệp bán lẻ mỹ phẩm tối ưu hóa hiệu quả vận hành và chiến lược tiếp thị.

Phương pháp tiếp cận sử dụng mô hình kết hợp (mixed-method) gồm nghiên cứu định tính (phỏng vấn sâu $N=20$) và nghiên cứu định lượng ($N=354$, hợp lệ $N=266$). Kết quả mang lại mô hình dự báo hành vi mua sắm chuẩn hóa với các chỉ số thống kê $R^2$, hệ số Beta ($\beta$), độ tin cậy Cronbach's Alpha và kiểm định phân tích nhân tố khám phá (EFA). Phạm vi nghiên cứu tập trung vào nhóm sinh viên tại các trường đại học trên địa bàn TP. Hồ Chí Minh trong mốc thời gian từ tháng 07/2024 đến tháng 09/2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường chuỗi bán lẻ mỹ phẩm tại TP. Hồ Chí Minh hiện có sự cạnh tranh gay gắt giữa nhiều mô hình chuỗi cửa hàng hiện đại. Bảng phân tích so sánh hiện trạng giữa Hasaki và các đối thủ cạnh tranh trực tiếp phản ánh rõ các điểm mạnh và hạn chế:

Tiêu chí so sánh Chuỗi Hasaki Beauty & Clinic Chuỗi Guardian Chuỗi Watsons Chuỗi Medicare
Độ phủ chi nhánh Rất cao (>227 cửa hàng toàn quốc, tập trung gần cụm đại học) Cao (Tập trung khu dân cư/TTTM) Trung bình (Tập trung TTTM cao cấp) Trung bình (Khu dân cư truyền thống)
Chính sách giá Chiết khấu sâu, bình ổn giá, phân khúc sinh viên Giá niêm yết chuẩn, khuyến mãi theo đợt Phân khúc trung - cao cấp Giá tầm trung, ít biến động
Dịch vụ tích hợp Bán lẻ + Clinic & Spa chuyên sâu Bán lẻ thuần túy + Dược mỹ phẩm Bán lẻ + Chăm sóc sắc đẹp ngoại nhập Bán lẻ hóa mỹ phẩm đại chúng
Trải nghiệm mua sắm Đa dạng SKU (>500 thương hiệu), tư vấn trực tiếp Không gian chuẩn quốc tế, tự phục vụ Không gian hiện đại, thiên về hàng độc quyền Không gian nhỏ gọn, hỗ trợ cơ bản

Dựa trên yêu cầu của người tiêu dùng trẻ, các tiêu chí nghiên cứu được phân loại theo mô hình ưu tiên MoSCoW:

  • Must-have (Bắt buộc có): Sản phẩm chính hãng có tem phụ rõ ràng (CLSP), mức giá cạnh tranh và minh bạch (GCHL).
  • Should-have (Nên có): Vị trí cửa hàng thuận tiện gần trường học/ký túc xá (DDMS), tốc độ thanh toán POS nhanh chóng (CLDV).
  • Could-have (Có thể có): Dịch vụ tư vấn chuyên sâu về da tại quầy, chương trình tích điểm hội viên sinh viên.
  • Won't-have (Tạm thời chưa cần): Trải nghiệm mua sắm xa xỉ (luxury store layout), phân phối dòng sản phẩm phân khúc siêu cao cấp.

Thiết kế hệ thống

Mô hình nghiên cứu lý thuyết được kế thừa từ Lý thuyết Hành động Hợp lý (TRA - Ajzen & Fishbein, 1980) và Lý thuyết Hành vi có Kế hoạch (TPB - Ajzen, 1991), tích hợp quy trình ra quyết định người tiêu dùng của Kotler & Keller (2016).

                      +-----------------------------+
                      |  Chất lượng sản phẩm (CLSP) |
                      |       (5 biến quan sát)     |
                      +--------------+--------------+
                                     |
+----------------------------+       |       +----------------------------+
| Chất lượng dịch vụ (CLDV)  +------>|------>+   Quyết định mua hàng      |
|     (5 biến quan sát)      |       |       |         (QDMH)             |
+----------------------------+       |       |     (4 biến quan sát)      |
                                     |       +----------------------------+
+----------------------------+       |                      ^
|    Giá cả hợp lý (GCHL)    +------>+                      |
|     (4 biến quan sát)      |       |                      |
+----------------------------+       |                      |
                                     |                      |
+----------------------------+       |                      |
|  Thương hiệu nhãn hàng     +------>+                      |
|       (THNH - 5 biến)      |       |                      |
+----------------------------+       |                      |
                                     |                      |
+----------------------------+       |                      |
|   Địa điểm mua sắm (DDMS)  +-------+                      |
|     (4 biến quan sát)      |                              |
+----------------------------+------------------------------+

Công nghệ và công cụ xử lý dữ liệu:

  • Nền tảng phân tích thống kê: IBM SPSS Statistics phiên bản 26.0 (Core Engine), Python v3.10.12 (Pandas v2.1.0, Statsmodels v0.14.0).
  • Công cụ thu thập dữ liệu: Google Forms API kết hợp khảo sát trực tiếp tại điểm bán (PAPI - Paper and Pencil Interviewing).
  • Mô hình toán học kinh tế lượng:

$$QDMH = \beta_0 + \beta_1 CLSP + \beta_2 CLDV + \beta_3 GCHL + \beta_4 THNH + \beta_5 DDMS + \epsilon$$

Trong đó:

  • $QDMH$: Biến phụ thuộc - Quyết định mua hàng của sinh viên.
  • $CLSP, CLDV, GCHL, THNH, DDMS$: Các biến độc lập được chuẩn hóa theo thang đo Likert 5 mức độ (1 = Hoàn toàn không đồng ý đến 5 = Hoàn toàn đồng ý).
  • $\beta_0$: Hệ số chặn (Constant); $\beta_1 \dots \beta_5$: Hệ số hồi quy riêng phần; $\epsilon$: Sai số ngẫu nhiên của mô hình.

Cấu trúc dữ liệu và thang đo chi tiết:

  • Thang đo gồm tổng cộng 27 biến quan sát (23 biến độc lập, 4 biến phụ thuộc).
  • Kiểm soát bảo mật và tính toàn vẹn: Dữ liệu ẩn danh 100%, mã hóa định danh sinh viên, loại bỏ hoàn toàn các trường dữ liệu cá nhân nhạy cảm (PII).

Methodology

Quy trình nghiên cứu áp dụng mô hình thác nước chuẩn hóa (Standard Waterfall Methodological Pipeline):

[Xác định vấn đề & Mục tiêu]
[Cơ sở lý thuyết TRA/TPB & Tổng quan tài liệu]
[Nghiên cứu định tính (N=20) -> Hiệu chỉnh thang đo]
[Khảo sát thực nghiệm diện rộng (Google Forms + Direct, N=354)]
[Sàng lọc dữ liệu (Data Cleaning, loại bỏ lỗi Straight-lining)] -> N=266
[Phân tích Cronbach's Alpha (Ngưỡng Alpha >= 0.70, Item-Total >= 0.30)]
[Phân tích nhân tố khám phá EFA (KMO >= 0.50, Sig Bartlett < 0.05, Var >= 50%)]
[Hồi quy tuyến tính OLS & Kiểm định vi phạm giả định (VIF, Durbin-Watson, P-P Plot)]
[Thảo luận kết quả & Đề xuất Hàm ý Quản trị]

Bảng quản trị rủi ro phương pháp luận:

Rủi ro tiềm ẩn Mức độ Biện pháp giảm thiểu
Sai lệch mẫu (Sampling Bias) Cao Phân bổ tỷ lệ khảo sát đều trên nhiều trường đại học (khối Kinh tế, Kỹ thuật, Xã hội).
Hiện tượng trả lời cẩu thả (Straight-lining) Trung bình Tích hợp các câu hỏi bẫy (attention checks) và kiểm tra phương sai dòng trả lời ($\sigma^2 = 0$).
Đa cộng tuyến giữa các biến độc lập Trung bình Đánh giá hệ số VIF (chấp nhận khi $\text{VIF} < 2.0$, ngưỡng an toàn lý thuyết $< 10$).

Implementation và kết quả

Development process

Quá trình thu thập và xử lý dữ liệu được tiến hành qua 4 giai đoạn chính từ tháng 07/2024 đến tháng 09/2024:

  1. Giai đoạn 1 (Tuần 1–2): Phỏng vấn định tính chuyên sâu 20 sinh viên nhằm khám phá ngôn ngữ tiêu dùng và điều chỉnh 27 biến đo lường.
  2. Giai đoạn 2 (Tuần 3–6): Phân phối bảng câu hỏi khảo sát đa kênh. Tổng số phiếu thu về: 354 phiếu.
  3. Giai đoạn 3 (Tuần 7–8): Sàng lọc dữ liệu trên Python/SPSS, loại bỏ 88 phiếu không hợp lệ (trùng lặp IP, thời gian hoàn thành $<60$ giây, thiếu thông tin cốt lõi), còn lại 266 mẫu chuẩn (tỷ lệ đạt 75,14%).
  4. Giai đoạn 4 (Tuần 9–10): Chạy kiểm định thống kê đa biến, phân tích hồi quy và lập biểu đồ phân phối phần dư.

Đoạn mã phân tích dữ liệu thực tế trên Python (Statsmodels/Pandas) mô phỏng lại thuật toán phân tích OLS và kiểm định độ tin cậy thang đo:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Load và tiền xử lý bộ dữ liệu nghiên cứu Hasaki
df = pd.read_csv("hasaki_student_survey_clean.csv")
independent_vars = ['CLSP', 'CLDV', 'GCHL', 'THNH', 'DDMS']
dependent_var = 'QDMH'

# 2. Kiểm tra Đa cộng tuyến (VIF)
X = df[independent_vars]
X_with_const = sm.add_constant(X)
vif_data = pd.DataFrame()
vif_data["Variable"] = X_with_const.columns
vif_data["VIF"] = [variance_inflation_factor(X_with_const.values, i) 
                    for i in range(X_with_const.shape[1])]
print("--- Variance Inflation Factor (VIF) ---")
print(vif_data)

# 3. Chạy mô hình hồi quy tuyến tính bội (Ordinary Least Squares - OLS)
model = sm.OLS(df[dependent_var], X_with_const).fit()
print(model.summary())

Cú pháp lệnh SPSS tương đương (SPSS Syntax):

* Phân tích Cronbach's Alpha cho Thang đo Chất lượng sản phẩm.
RELIABILITY
  /VARIABLES=CLSP1 CLSP2 CLSP3 CLSP4 CLSP5
  /SCALE('Scale CLSP') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

* Phân tích nhân tố khám phá EFA (Principal Axis Factoring với phép xoay Varimax).
FACTOR
  /VARIABLES CLSP1 CLSP2 CLSP3 CLSP4 CLSP5 CLDV1 CLDV2 CLDV3 CLDV4 CLDV5 
             GCHL1 GCHL2 GCHL3 GCHL4 THNH1 THNH2 THNH3 THNH4 THNH5 DDMS1 DDMS2 DDMS3 DDMS4
  /MISSING LISTWISE 
  /ANALYSIS CLSP1 TO DDMS4
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

* Phân tích Hồi quy tuyến tính bội và kiểm định giả định Durbin-Watson, Collinearity.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT QDMH
  /METHOD=ENTER CLSP CLDV GCHL THNH DDMS
  /RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID).

Testing và validation

Kiểm định độ tin cậy Cronbach's Alpha

Tất cả 6 thang đo thành phần đều vượt qua ngưỡng kiểm định khắt khe ($\text{Alpha} \ge 0.70$ và tương quan biến - tổng $\ge 0.30$):

  • Chất lượng sản phẩm (CLSP - 5 items): $\alpha = 0.842$, Item-total correlation từ $0.561$ đến $0.718$.
  • Chất lượng dịch vụ (CLDV - 5 items): $\alpha = 0.865$, Item-total correlation từ $0.623$ đến $0.745$.
  • Giá cả hợp lý (GCHL - 4 items): $\alpha = 0.811$, Item-total correlation từ $0.534$ đến $0.689$.
  • Thương hiệu nhãn hàng (THNH - 5 items): $\alpha = 0.798$, Item-total correlation từ $0.498$ đến $0.652$.
  • Địa điểm mua sắm (DDMS - 4 items): $\alpha = 0.835$, Item-total correlation từ $0.587$ đến $0.701$.
  • Quyết định mua hàng (QDMH - 4 items): $\alpha = 0.854$, Item-total correlation từ $0.612$ đến $0.731$.

Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO and Bartlett’s Test (Biến độc lập): Hệ số $\text{KMO} = 0.884$ ($0.5 \le \text{KMO} \le 1.0$), Kiểm định Bartlett có giá trị $\text{Sig.} = 0.000 < 0.001$, chứng minh các biến quan sát có tương quan chặt chẽ với nhau.
  • Giá trị Eigenvalue: 5 nhân tố được trích tại điểm dừng $\text{Eigenvalue} = 1.248 > 1$.
  • Tổng phương sai trích (Cumulative Variance Explained): Đạt $63.42% > 50%$, thể hiện 5 nhân tố giải thích được 63,42% sự biến thiên của dữ liệu gốc.
  • Hệ số tải nhân tố (Factor Loading): Toàn bộ 23 biến quan sát đều có hệ số tải $\ge 0.582 > 0.50$, không có hiện tượng tải chéo vi phạm.

Kết quả phân tích Hồi quy và Kiểm định mô hình

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 ($\text{Sig.}$) Hệ số phóng đại phương sai (VIF)
(Constant) 0.412 0.185 — 2.227 0.027 —
Chất lượng sản phẩm (CLSP) 0.284 0.045 0.312 6.311 0.000 1.412
Chất lượng dịch vụ (CLDV) 0.245 0.042 0.278 5.833 0.000 1.356
Giá cả hợp lý (GCHL) 0.198 0.038 0.215 5.210 0.000 1.289
Địa điểm mua sắm (DDMS) 0.126 0.035 0.142 3.600 0.000 1.198
Thương hiệu nhãn hàng (THNH) 0.095 0.032 0.108 2.968 0.003 1.215
  • Hệ số xác định: $R^2 = 0.618$; $R^2 \text{ hiệu chỉnh} = 0.611$. Mô hình giải thích được 61,1% sự biến thiên trong quyết định mua hàng của sinh viên.
  • Kiểm định ANOVA: $F(5, 260) = 84.152$, giá trị $\text{Sig.} = 0.000 < 0.001$, khẳng định mô hình hồi quy tuyến tính xây dựng hoàn toàn phù hợp với tổng thể.
  • Kiểm định đa cộng tuyến: Toàn bộ $\text{VIF} < 1.50 \ll 10$, chứng minh không xảy ra hiện tượng đa cộng tuyến.
  • Kiểm định tự tương quan: Chỉ số $\text{Durbin-Watson} = 1.942$ (nằm trong khoảng tối ưu $1.5 < d < 2.5$), không có tự tương quan chuỗi bậc nhất.
  • Kiểm định phân phối chuẩn phần dư: Biểu đồ Histogram có dạng chuông đối xứng chuẩn, P-P Plot cho thấy các điểm quan sát bám sát đường chéo kỳ vọng $45^\circ$, Scatterplot cho thấy phương sai phần dư phân tán ngẫu nhiên, không vi phạm giả định phương sai đồng nhất.

Kết quả đạt được

Nghiên cứu đã hoàn thành $100%$ các mục tiêu đề ra ban đầu với các kết quả cụ thể:

  • Tất cả 5 giả thuyết từ $H_1$ đến $H_5$ đều được chấp nhận với mức ý nghĩa thống kê $p < 0.01$.
  • Thứ tự mức độ tác động giảm dần tới Quyết định mua hàng (QDMH): $$\text{Chất lượng sản phẩm } (\beta = 0.312) > \text{Chất lượng dịch vụ } (\beta = 0.278) > \text{Giá cả hợp lý } (\beta = 0.215) > \text{Địa điểm mua sắm } (\beta = 0.142) > \text{Thương hiệu nhãn hàng } (\beta = 0.108)$$

Đổi mới và đóng góp

Nghiên cứu này đem lại những đóng góp nổi bật về mặt học thuật và thực tiễn:

  1. Khắc phục khoảng trống nghiên cứu đặc thù: Khác với các nghiên cứu trước đây chỉ khảo sát mỹ phẩm nói chung (Nguyễn Hoàng Long, 2022; Mai Thị Quỳnh Như, 2020), đề tài đã đi sâu vào mô hình chuỗi bán lẻ kết hợp dịch vụ chăm sóc sắc đẹp (Clinic & Spa) tại điểm bán.
  2. Định lượng hóa vai trò vượt trội của trải nghiệm dịch vụ: Chứng minh rằng trong kỷ nguyên bán lẻ mới, chất lượng dịch vụ ($\beta = 0.278$) có sức nặng tác động gần tương đương với chất lượng sản phẩm ($\beta = 0.312$) và vượt trội hơn so với yếu tố giá cả ($\beta = 0.215$).
  3. So sánh với các nghiên cứu tiền nhiệm:
Tiêu chí nghiên cứu Nghiên cứu này (Hasaki 2024) Nghiên cứu Nguyễn Hoàng Long (2022) Nghiên cứu Mai Thị Quỳnh Như (2020)
Đối tượng khảo sát Sinh viên đại học tại TP.HCM ($N=266$) Người tiêu dùng Cầu Giấy, Hà Nội ($N=210$) Sinh viên nữ mua mỹ phẩm Hàn ($N=185$)
Yếu tố tác động mạnh nhất Chất lượng sản phẩm ($\beta = 0.312$) Thái độ và cá nhân hóa Giá cả và Đặc tính sản phẩm
Yếu tố dịch vụ/nhân viên Xếp thứ 2 ($\beta = 0.278$) Xếp thứ 5 Không phân tích sâu
Độ giải thích mô hình ($R^2$) $61.1%$ $52.4%$ $48.9%$

Ứng dụng thực tế và triển khai

Dựa trên trọng số tác động từ mô hình hồi quy, hệ thống hàm ý quản trị chiến lược được đề xuất cho ban lãnh đạo Hasaki:

Chiến lược 1: Quản trị chất lượng sản phẩm (Độ ưu tiên cao nhất: $\beta = 0.312$)

  • Kiểm soát nguồn gốc 100%: Tiếp tục mở rộng liên kết chính thức với hơn 500 tập đoàn toàn cầu (L'Oréal, Rohto, Unilever), tích hợp mã QR truy xuất nguồn gốc và tem chống hàng giả điện tử tại từng quầy kệ.
  • Minh bạch thông tin: Niêm yết rõ ràng bảng thành phần, hạn sử dụng và chỉ dẫn an toàn trên cả ứng dụng di động lẫn nhãn phụ tại cửa hàng.

Chiến lược 2: Nâng cấp trải nghiệm chất lượng dịch vụ ($\beta = 0.278$)

  • Đào tạo chuyên môn nhân sự: Chuẩn hóa chương trình đào tạo định kỳ cho nhân viên bán hàng về kiến thức da liễu, kỹ năng lắng nghe và tư vấn trung thực theo nhu cầu thực tế của sinh viên thay vì cố gắng bán hàng (upselling) quá mức.
  • Tối ưu quy trình thanh toán: Triển khai quầy tự thanh toán (Self-checkout POS) và tích hợp các ví điện tử phổ biến trong giới trẻ (MoMo, Apple Pay, ZaloPay) nhằm rút ngắn thời gian chờ đợi giờ cao điểm xuống dưới 90 giây/khách hàng.

Chiến lược 3: Chính sách định giá linh hoạt và khuyến mãi sinh viên ($\beta = 0.215$)

  • Student Membership Program: Thiết kế chương trình tích điểm hội viên sinh viên, tặng voucher độc quyền vào các dịp tựu trường (Back to School) hoặc tuần lễ thi cử.
  • Định dạng sản phẩm mini/trial: Tăng cường phân phối các phiên bản minisize/travel-size với mức giá dao động từ 50.000 VNĐ - 150.000 VNĐ, giúp sinh viên dễ dàng tiếp cận sản phẩm chất lượng cao với ngân sách hợp lý.

Chiến lược 4: Tối ưu mạng lưới địa điểm cửa hàng ($\beta = 0.142$)

  • Geo-marketing: Sử dụng dữ liệu định vị không gian để ưu tiên mở các chi nhánh trong bán kính 1–2 km xung quanh các làng đại học (Thủ Đức, Quận 10, Quận 5). Cung cấp bãi giữ xe miễn phí an toàn, thuận tiện.

Hạn chế và hướng phát triển

Dù đạt được những kết quả có giá trị khoa học và thực tiễn cao, đề tài vẫn tồn tại một số hạn chế nhất định:

  • Hạn chế về cỡ mẫu và không gian: Mẫu nghiên cứu ($N=266$) được thu thập chủ yếu theo phương pháp ngẫu nhiên thuận tiện tại TP. Hồ Chí Minh, chưa bao quát được toàn bộ sinh viên ở các vùng đô thị khác như Hà Nội hay Đà Nẵng.
  • Phương pháp tiếp cận: Sử dụng mô hình hồi quy tuyến tính OLS thông thường, chưa kiểm tra được các mối quan hệ gián tiếp qua biến trung gian (Mediating variables) như Sự hài lòng hay Niềm tin thương hiệu.

Hướng mở rộng trong tương lai:

  1. Mở rộng cỡ mẫu lên $N \ge 800$ trên phạm vi toàn quốc để gia tăng tính đại diện.
  2. Ứng dụng mô hình Phương trình Cấu trúc Tuyến tính (SEM - Structural Equation Modeling) hoặc PLS-SEM trên phần mềm SmartPLS 4.0 để phân tích sâu hơn các biến trung gian và biến điều tiết (ví dụ: Thu nhập hàng tháng, Giới tính).

Đối tượng hưởng lợi

  • Sinh viên đại học: Hiểu rõ hơn về các tiêu chí an toàn và giá trị thực tế khi lựa chọn các điểm bán mỹ phẩm, bảo vệ sức khỏe và tài chính cá nhân.
  • Nhà quản lý chuỗi bán lẻ & Marketers: Sở hữu cơ sở dữ liệu định lượng đã qua kiểm định để phân bổ ngân sách marketing chính xác, tập trung vào nâng cấp dịch vụ và bình ổn giá thay vì chỉ quảng cáo thương hiệu thuần túy.
  • Nhà phát triển hệ thống & Phân tích dữ liệu: Nắm bắt quy trình xây dựng mô hình định lượng hành vi người tiêu dùng từ bước thiết kế thang đo Likert đến phân tích hồi quy chuyên sâu trên SPSS/Python.
  • Cộng đồng nghiên cứu học thuật: Cung cấp tài liệu tham khảo thực nghiệm chuẩn mực về ứng dụng lý thuyết TRA/TPB trong thị trường bán lẻ mỹ phẩm tại Việt Nam.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại loại bỏ 88 phiếu khảo sát trong tổng số 354 phiếu thu thập?

Việc loại bỏ 88 phiếu (chiếm 24,86%) là bước chuẩn hóa dữ liệu bắt buộc nhằm đảm bảo tính toàn vẹn của phân tích thống kê. Các phiếu bị loại do vi phạm các tiêu chuẩn: người trả lời chọn cùng một mức điểm cho tất cả các câu (straight-lining), thời gian điền khảo sát quá ngắn ($<60$ giây cho 27 câu hỏi), hoặc bỏ trống dữ liệu nhân khẩu học quan trọng. Mẫu $N=266$ hoàn toàn đáp ứng công thức cỡ mẫu tối thiểu của Hair et al. ($23 \times 10 = 230$ mẫu).

2. Sự khác biệt căn bản giữa mô hình TRA và TPB khi ứng dụng vào nghiên cứu này là gì?

Mô hình TRA (Ajzen & Fishbein, 1980) giải thích hành vi thông qua Thái độ và Chuẩn mực chủ quan. Mô hình TPB (Ajzen, 1991) mở rộng thêm yếu tố Nhận thức kiểm soát hành vi (Perceived Behavioral Control). Trong nghiên cứu Hasaki, yếu tố kiểm soát hành vi được lượng hóa thông qua khả năng chi trả tài chính (Giá cả hợp lý) và sự thuận tiện trong di chuyển (Địa điểm mua sắm).

3. Tại sao biến Thương hiệu nhãn hàng lại có hệ số tác động thấp nhất ($\beta = 0.108$)?

Đối với thế hệ sinh viên hiện nay (Gen Z), thương hiệu chỉ đóng vai trò tạo sự nhận biết ban đầu. Khi đưa ra quyết định mua hàng thực tế, sinh viên có xu hướng tra cứu đánh giá thực tế (reviews), quan tâm trực tiếp đến thành phần sản phẩm ($\beta = 0.312$) và chất lượng chăm sóc của nhân viên ($\beta = 0.278$) thay vì trung thành mù quáng với danh tiếng thương hiệu.

4. Các kiểm định nào chứng minh mô hình hồi quy không bị vi phạm giả định?

Mô hình đã vượt qua 4 kiểm định khắt khe: (1) Đa cộng tuyến qua hệ số $\text{VIF} < 1.42$; (2) Tự tương quan chuỗi qua chỉ số $\text{Durbin-Watson} = 1.942$; (3) Phân phối chuẩn phần dư qua biểu đồ Histogram và Normal P-P Plot; (4) Phương sai phần dư không đổi qua đồ thị Scatterplot phân tán ngẫu nhiên quanh trục 0.

5. Hasaki có thể ứng dụng kết quả này như thế nào để tối ưu hóa chi phí vận hành?

Thay vì chi ngân sách lớn cho các chiến dịch quảng bá thương hiệu đại trà trên truyền thông, Hasaki nên chuyển dịch $30–40%$ ngân sách đó vào việc đào tạo chuyên sâu đội ngũ tư vấn tại cửa hàng, nâng cấp hệ thống kiểm tra hàng chính hãng và mở rộng các điểm bán vệ tinh gần các cụm trường đại học.

Kết luận

Đề tài khóa luận tốt nghiệp của sinh viên Nguyễn Khánh Băng đã xây dựng thành công mô hình định lượng đánh giá các yếu tố tác động đến quyết định mua sắm của sinh viên tại chuỗi cửa hàng Hasaki TP.HCM. Thông qua phương pháp phân tích nhân tố khám phá EFA và hồi quy tuyến tính đa biến ($R^2 \text{ hiệu chỉnh} = 0.611$), nghiên cứu khẳng định Chất lượng sản phẩm ($\beta = 0.312$) và Chất lượng dịch vụ ($\beta = 0.278$) là hai đòn bẩy quan trọng nhất dẫn dắt hành vi tiêu dùng của sinh viên. Kết quả này cung cấp cơ sở khoa học vững chắc giúp các doanh nghiệp bán lẻ mỹ phẩm tại Việt Nam hoạch định chiến lược kinh doanh lấy khách hàng làm trung tâm, tối ưu hóa chi phí vận hành và phát triển bền vững trong môi trường cạnh tranh số hóa.