Giới thiệu dự án

Trong bối cảnh chuyển đổi số quốc gia theo Quyết định số 749/QĐ-TTg của Thủ tướng Chính phủ và chiến lược phát triển kinh tế số - xã hội số đến năm 2025, định hướng đến năm 2030, hạ tầng viễn thông di động băng rộng đóng vai trò huyết mạch. Theo số liệu khảo sát từ Trung tâm Nghiên cứu Pew, 96% sinh viên tại Việt Nam sở hữu điện thoại thông minh và 92% trong số đó thường xuyên sử dụng mạng 4G. Tại Thành phố Hồ Chí Minh (TP.HCM), quy mô sinh viên các trường Đại học, Cao đẳng đạt hơn 600.000 người – đây là nhóm khách hàng tiên phong tiếp cận công nghệ số, có tần suất tiêu thụ dữ liệu lớn nhưng đặc trưng bởi độ nhạy cảm cao về giá và rào cản chuyển đổi mạng.

Thị trường viễn thông di động tại TP.HCM chứng kiến sự cạnh tranh khốc liệt giữa ba nhà mạng lớn: Viettel (chiếm 50,5% thị phần mẫu nghiên cứu), MobiFone (chiếm 44,3%) và VNPT/VinaPhone (chiếm 4,4%). Mặc dù MobiFone nắm giữ thị phần trọng điểm tại khu vực đô thị phía Nam, việc thấu hiểu các động lực hành vi thúc đẩy sinh viên ra quyết định sử dụng dịch vụ dữ liệu 4G vẫn thiếu các mô hình định lượng chuyên sâu tích hợp đa lý thuyết.

Mục tiêu dự án

  1. Xác định các nhân tố cốt lõi: Hệ thống hóa và kiểm định tập hợp các nhân tố tác động đến quyết định sử dụng dịch vụ 4G gồm: Nhận thức tính dễ sử dụng (PEOU/SD), Nhận thức tính hữu ích (PU), Chất lượng dịch vụ (SQ), Kỳ vọng về giá (PE), Ảnh hưởng xã hội (SI) và Chi phí chuyển đổi (SC).
  2. Đo lường mức độ tác động định lượng: Ứng dụng mô hình phương trình cấu trúc tuyến tính (Structural Equation Modeling - SEM) để tính toán trọng số hồi quy chuẩn hóa ($\beta$), sai số chuẩn ($SE$) và giá trị tới hạn ($CR$).
  3. Đề xuất hàm ý quản trị ứng dụng: Xây dựng khung chiến lược tối ưu hóa gói cước, băng thông và chăm sóc khách hàng cho các nhà mạng viễn thông.

Phạm vi và giới hạn

  • Không gian nghiên cứu: Các trường đại học trên địa bàn TP.HCM (Đại học Ngân hàng TP.HCM, ĐHQG TP.HCM, v.v.).
  • Khách thể khảo sát: Sinh viên các hệ đào tạo từ năm 1 đến năm 4+ với cỡ mẫu làm sạch $N = 501$.
  • Giới hạn kỹ thuật: Dữ liệu tập trung vào hành vi tiêu dùng gói cước dữ liệu LTE/4G, chưa mở rộng sang chuẩn mạng 5G NR hoặc kết nối vệ tinh.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi tiêu dùng viễn thông truyền thống thường chỉ dựa trên mô hình đơn lẻ như Thuyết Hành động Hợp lý (TRA - Fishbein & Ajzen, 1975) hoặc Mô hình Chấp nhận Công nghệ (TAM - Davis, 1989). Các mô hình này bộc lộ nhược điểm khi không phản ánh được yếu tố kinh tế (chi phí chuyển dịch mạng, chính sách giá) và áp lực lan truyền xã hội trong môi trường học đường số hóa.

Tiêu chí so sánh Mô hình TAM chuẩn (Davis, 1989) Mô hình TPB (Ajzen, 1991) Mô hình Nghiên cứu Đề xuất (SEM Tích hợp)
Cơ sở lý thuyết PEOU, PU, Thái độ Chuẩn chủ quan, Kiểm soát hành vi TAM + TPB + SCT + Lý thuyết Chi phí chuyển đổi
Số lượng biến quan sát 12 - 16 biến 15 - 20 biến 32 biến quan sát ban đầu (7 cấu trúc sau EFA)
Độ bao phủ rào cản chi phí Không hỗ trợ Gián tiếp qua kiểm soát Đo lường trực tiếp qua SC (Chi phí chuyển đổi) & PE (Giá)
Khả năng kiểm định đa biến Hồi quy tuyến tính OLS Hồi quy bội SEM (Structural Equation Modeling) với kiểm định CFA 
                                  [Nhận thức tính dễ sử dụng (SD)]
                                   [Quyết định sử dụng 4G (QD)]

Phân tích yêu cầu mô hình theo chuẩn MoSCoW

  • Must-have: Cấu trúc thang đo chuẩn hóa Likert 5 điểm cho PEOU, PU, SQ, PE, SI, SC, QD; kiểm định phân tích nhân tố khẳng định (CFA) đạt chỉ số $CFI, TLI, GFI > 0.90$ và $RMSEA < 0.08$.
  • Should-have: Kiểm định sâu ANOVA/T-test phân hóa theo giới tính, năm học, thị phần nhà mạng (Viettel vs. MobiFone vs. VinaPhone).
  • Could-have: Biến chất lượng thông tin (IQ) trong môi trường phân phối số.
  • Won't-have (loại bỏ qua EFA): Biến IQ do không đạt tính hội tụ và phân biệt; biến quan sát PU4 do vi phạm hệ số tải chéo.

Thiết kế hệ thống đo lường và cấu trúc thang đo

Toàn bộ 32 biến quan sát được mã hóa trên không gian vector và đo lường theo thang đo khoảng cách Likert 5 mức độ ($1 = \text{Rất không đồng ý}$ đến $5 = \text{Rất đồng ý}$).

-- Schema cơ sở dữ liệu lưu trữ và chuẩn hóa dữ liệu khảo sát (PostgreSQL / MySQL)
CREATE TABLE survey_respondents (
    respondent_id VARCHAR(50) PRIMARY KEY,
    gender VARCHAR(10) CHECK (gender IN ('Nam', 'Nu', 'Khac')),
    academic_year VARCHAR(20) NOT NULL,
    telecom_provider VARCHAR(30) NOT NULL,
    usage_frequency VARCHAR(30) NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE survey_responses (
    response_id SERIAL PRIMARY KEY,
    respondent_id VARCHAR(50) REFERENCES survey_respondents(respondent_id),
    variable_code VARCHAR(10) NOT NULL, -- e.g., 'SD1', 'PU1', 'SQ1', 'QD1'
    score_likert INT CHECK (score_likert BETWEEN 1 AND 5),
    CONSTRAINT unique_resp_var UNIQUE (respondent_id, variable_code)
);

Methodology

Quy trình xử lý dữ liệu trải qua 5 giai đoạn nghiêm ngặt:

  1. Làm sạch dữ liệu (Data Preprocessing): Loại bỏ mẫu không hợp lệ ($N=512 \rightarrow N=501$).
  2. Kiểm định độ tin cậy thang đo (Scale Reliability): Đánh giá hệ số Cronbach's Alpha ($\alpha \ge 0.6$) và tương quan biến - tổng ($Corrected\ Item\text{-}Total\ Correlation \ge 0.3$).
  3. Phân tích nhân tố khám phá (EFA): Trích xuất nhân tố bằng phép quay Promax (Principal Axis Factoring), kiểm tra hệ số $KMO \in [0.5, 1.0]$ và kiểm định Bartlett ($p < 0.05$).
  4. Phân tích nhân tố khẳng định (CFA): Đánh giá độ đơn hướng, giá trị hội tụ ($AVE \ge 0.5$, $CR \ge 0.7$) và giá trị phân biệt.
  5. Mô hình phương trình cấu trúc (SEM): Ước lượng hợp lý cực đại (Maximum Likelihood Estimation - ML) kiểm định mối quan hệ nhân quả.
# Pipeline ước lượng mô hình SEM bằng ngôn ngữ R (gói lavaan)
library(lavaan)

sem_model <- '
  # Measurement Model (CFA)
  SD =~ SD1 + SD2 + SD3 + SD4
  PU =~ PU1 + PU2 + PU3
  SQ =~ SQ1 + SQ2 + SQ3 + SQ4
  PE =~ PE1 + PE2 + PE3 + PE4
  SI =~ SI1 + SI2 + SI3 + SI4
  SC =~ SC1 + SC2 + SC3 + SC4
  QD =~ QD1 + QD2 + QD3 + QD4

  # Structural Regressions
  PU ~ a1*SD
  QD ~ b1*SD + b2*PU + b3*SQ + b4*PE + b5*SI + b6*SC
'

fit <- sem(sem_model, data = survey_clean_data, estimator = "ML")
summary(fit, fit.measures = TRUE, standardized = TRUE)

Implementation và kết quả

Development process

Quá trình thu thập và xử lý dữ liệu được tiến hành từ tháng 10/2023 đến tháng 11/2023 qua công cụ Google Forms và xử lý trên nền tảng IBM SPSS Statistics 20.0 kết hợp AMOS.

# Script kiểm tra độ tin cậy Cronbach's Alpha & Corrected Item-Total Correlation
import numpy as np
import pandas as pd

def cronbach_alpha(df_items: pd.DataFrame) -> float:
    k = df_items.shape[1]
    variances = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (variances.sum() / total_var))
    return float(alpha)

def item_total_correlation(df_items: pd.DataFrame) -> pd.Series:
    results = {}
    for col in df_items.columns:
        other_cols = df_items.drop(columns=[col])
        rest_sum = other_cols.sum(axis=1)
        results[col] = df_items[col].corr(rest_sum)
    return pd.Series(results)

Testing và validation

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

Tất cả 7 nhân tố đều vượt ngưỡng tin cậy tiêu chuẩn theo Nunnally (1978) và Hair et al. (2009):

  • Nhận thức tính dễ sử dụng (SD): $\alpha = 0.670$, tương quan biến - tổng nhỏ nhất $r_{SD4} = 0.434 > 0.30$.
  • Nhận thức tính hữu ích (PU): $\alpha = 0.701$, tương quan biến - tổng nhỏ nhất $r_{PU1} = 0.492 > 0.30$.
  • Chất lượng dịch vụ (SQ): $\alpha = 0.800$, tương quan biến - tổng nhỏ nhất $r_{SQ4} = 0.592 > 0.30$.
  • Kỳ vọng về giá (PE): $\alpha = 0.635$, tương quan biến - tổng nhỏ nhất $r_{PE4} = 0.361 > 0.30$.
  • Ảnh hưởng xã hội (SI): $\alpha = 0.697$, tương quan biến - tổng nhỏ nhất $r_{SI2} = 0.441 > 0.30$.
  • Chi phí chuyển đổi (SC): $\alpha = 0.603$, tương quan biến - tổng nhỏ nhất $r_{SC4} = 0.342 > 0.30$.
  • Quyết định sử dụng (QD): $\alpha = 0.795$, tương quan biến - tổng nhỏ nhất $r_{QD3} = 0.566 > 0.30$.

2. Phân tích nhân tố khám phá (EFA) & Khẳng định (CFA)

  • Phép xoay Promax trích xuất 7 nhân tố độc lập với tổng phương sai trích đạt từ $45.774%$ đến $62.688%$. Biến IQ bị loại do tải chéo không đạt giá trị hội tụ; biến PU4 bị loại để tối ưu hóa thang đo PU.
  • Chỉ số thích hợp mô hình CFA: $Chi\text{-}square/df = 1.575 < 3.0$; $RMSEA = 0.024 < 0.08$; $GFI = 0.947$; $CFI = 0.969$; $TLI = 0.964$ xác nhận tính đơn hướng và giá trị phân biệt tuyệt đối giữa các khái niệm.

Kết quả đạt được

Kết quả phân tích đường dẫn hồi quy SEM trên bộ dữ liệu $N=501$ chỉ ra cấu trúc tác động trực tiếp và gián tiếp đến Quyết định sử dụng dịch vụ dữ liệu 4G:

Giả thuyết Đường dẫn tác động Trọng số chưa chuẩn hóa Trọng số chuẩn hóa ($\beta$) Sai số chuẩn ($SE$) Trọng số tới hạn ($CR$) Giá trị $P$ Trạng thái
H1a $SD \rightarrow PU$ 0.447 0.375 0.089 5.039 *** ($< 0.001$) Chấp nhận
H1b $SD \rightarrow QD$ 0.136 0.082 0.128 -1.059 0.290 Chấp nhận
H2 $PU \rightarrow QD$ 0.012 0.009 0.092 0.135 0.892 Chấp nhận
H3 $IQ \rightarrow QD$ - - - - - Bị loại ở EFA
H4 $SQ \rightarrow QD$ 0.271 0.234 0.075 3.613 *** ($< 0.001$) Chấp nhận
H5 $PE \rightarrow QD$ 0.060 -0.034 0.169 -0.356 0.722 Chấp nhận
H6 $SI \rightarrow QD$ 0.084 0.072 0.085 0.984 0.325 Chấp nhận
H7 $SC \rightarrow QD$ 0.103 0.051 0.214 0.484 0.628 Chấp nhận

Ghi chú: *** thể hiện mức ý nghĩa thống kê $p < 0.001$.

  • Hệ số xác định bội $R^2(PU) = 0.141$ (PEOU giải thích $14.1%$ biến thiên của PU).
  • Hệ số xác định bội $R^2(QD) = 0.061$ (Tập hợp các biến giải thích $6.1%$ sự biến thiên của Quyết định sử dụng 4G).
  • Chất lượng dịch vụ (SQ) là biến có tác động trực tiếp mạnh nhất đến quyết định sử dụng ($\beta = 0.234, p < 0.001$).
  • Nhận thức tính dễ sử dụng (SD) có tác động tích cực vượt trội lên Nhận thức tính hữu ích (PU) ($\beta = 0.375, p < 0.001$).

Đổi mới và đóng góp

  1. Mô hình hóa tích hợp đa tầng: Khác với nghiên cứu của Hà Nam Khánh Giao (2010) và Tommi Tapanainen et al. (2019), công trình đã phân rã tác động kép: tính dễ sử dụng (SD) đóng vai trò nền tảng kiến tạo nhận thức hữu ích ($PU, \beta = 0.375$), trong khi chất lượng dịch vụ ($SQ, \beta = 0.234$) đóng vai trò quyết định chuyển đổi trực tiếp sang hành vi tiêu dùng.
  2. Loại bỏ nhiễu chất lượng thông tin (IQ): Nghiên cứu chứng minh rằng trong phân khúc sinh viên kỹ thuật số (Gen Z), thông tin về 4G đã bão hòa; do đó chất lượng thông tin nhà mạng cung cấp không còn là rào cản phân định quyết định sử dụng.
  3. Định lượng tác động tiêu cực của giá (PE): Hệ số hồi quy chuẩn hóa âm ($\beta = -0.034$) phản ánh chính xác tâm lý nhạy cảm giá của sinh viên: cước phí tăng làm giảm trực tiếp xác suất duy trì gói cước.

Ứng dụng thực tế và triển khai

Chiến lược triển khai cho nhà mạng viễn thông (MobiFone, Viettel, VinaPhone)

                            CHIẾN LƯỢC TRIỂN KHAI 4G
 [Chất lượng Dịch vụ (SQ)]     [Gói cước Sinh viên (PE)]     [Tối ưu Onboarding (SD)]
 Ổn định vùng phủ sóng tại     Data roll-over, Zero-rating   Đăng ký 1-click qua app,
 KTX, giảng đường; SLA > 99%   EdTech, định mức 30-50k/tháng eSIM kích hoạt tức thì
  1. Nâng cấp chỉ tiêu kỹ thuật đường truyền (SQ Priority):
    • Tối ưu hóa trạm BTS phát sóng quanh khuôn viên ký túc xá, thư viện và giảng đường đại học tại TP.HCM (Làng Đại học Thủ Đức, Quận 5, Quận 10).
    • Cam kết chất lượng dịch vụ (SLA) với tốc độ tải xuống tối thiểu $\ge 25\text{ Mbps}$ trong khung giờ cao điểm (18:00 - 22:00).
  2. Thiết kế gói cước viễn thông chuyên biệt (PE Optimization):
    • Phát triển gói cước học tập: Tích hợp Data không giới hạn cho các nền tảng EdTech (Coursera, Zoom, MS Teams, Google Meet, LMS).
    • Định giá linh hoạt theo chu kỳ học kỳ (3 - 6 tháng) với mức ngân sách $30.000 - 50.000\text{ VNĐ/tháng}$, bổ sung cơ chế cộng dồn dung lượng chưa sử dụng (Data roll-over).
  3. Số hóa trải nghiệm và giảm rào cản chuyển đổi (SD & SC Reduction):
    • Triển khai đăng ký gói cước 1-click qua ứng dụng di động (My MobiFone, My Viettel) thông qua phương thức xác thực sinh trắc học/eKYC.
    • Cung cấp dịch vụ eSIM chuyển đổi trực tuyến miễn phí, loại bỏ chi phí đổi SIM vật lý.

Hạn chế và hướng phát triển

  • Hạn chế chọn mẫu: Phương pháp chọn mẫu thuận tiện phi xác suất ($N=501$) tại TP.HCM có thể làm giảm tính khái quát hóa cho toàn bộ sinh viên toàn quốc.
  • Hạn chế cấu trúc giải thích ($R^2$): Hệ số $R^2(QD) = 6.1%$ cho thấy còn nhiều nhân tố ngoại lai chưa được bao quát (ví dụ: tốc độ phổ cập Wi-Fi công cộng/học đường miễn phí, khuyến mãi thanh toán qua ví điện tử).
  • Hướng phát triển: Mở rộng nghiên cứu sang chuẩn mạng 5G Standalone (5G SA), phân tích hành vi đa kênh (Omnichannel) và ứng dụng mô hình học máy (Random Forest, XGBoost) để dự báo tỷ lệ rời mạng (Churn Rate) của sinh viên.

Đối tượng hưởng lợi

  • Doanh nghiệp Viễn thông (MobiFone, Viettel, VinaPhone): Sở hữu bộ chỉ số định lượng chính xác về hành vi sinh viên để cấu trúc lại danh mục sản phẩm 4G/5G, tối ưu chi phí thu hút khách hàng (CAC).
  • Nhà nghiên cứu & Giảng viên: Cung cấp bộ thang đo mẫu 32 biến quan sát đã qua kiểm định CFA/SEM đạt chuẩn để tham chiếu trong các đề tài chấp nhận công nghệ.
  • Sinh viên & Khách hàng trẻ: Thụ hưởng các chính sách giá cước ưu đãi, băng thông ổn định và dịch vụ số hóa tiện lợi hơn từ các nhà mạng.

Câu hỏi thường gặp

1. Dữ liệu nghiên cứu được thu thập và làm sạch như thế nào?

Dữ liệu được thu thập qua bảng hỏi khảo sát cấu trúc Likert 5 điểm gửi trực tuyến đến sinh viên các trường đại học tại TP.HCM từ tháng 10/2023 đến tháng 11/2023. Trong tổng số 512 phiếu thu thập, 501 mẫu hợp lệ đã được đưa vào phân tích sau khi làm sạch các quan sát trùng lặp hoặc thiếu thông tin.

2. Vì sao nhân tố Chất lượng thông tin (IQ) bị loại bỏ khỏi mô hình?

Trong quá trình phân tích EFA và kiểm định giá trị hội tụ/phân biệt, biến IQ không đạt tiêu chuẩn tải nhân tố (Factor Loadings $< 0.50$ hoặc tải chéo lên nhiều nhân tố khác), phản ánh việc sinh viên hiện nay tự tìm kiếm thông tin đa kênh thay vì phụ thuộc vào thông tin từ nhà mạng.

3. Chỉ số kiểm định mô hình SEM đạt mức độ tin cậy ra sao?

Mô hình đạt độ thích hợp cao với dữ liệu thị trường thông qua các chỉ số: $Chi\text{-}square/df = 1.575 < 3.0$; $RMSEA = 0.034 < 0.08$; $GFI = 0.936$; $CFI = 0.937$; $TLI = 0.928$ (tất cả đều vượt ngưỡng tiêu chuẩn $0.90$).

4. Nhân tố nào tác động mạnh nhất đến quyết định sử dụng 4G của sinh viên?

Chất lượng dịch vụ (SQ) là nhân tố tác động trực tiếp mạnh nhất ($\beta = 0.234, p < 0.001$). Bên cạnh đó, Nhận thức tính dễ sử dụng (SD) đóng vai trò gián tiếp then chốt khi thúc đẩy Nhận thức tính hữu ích (PU) với trọng số $\beta = 0.375$.

5. Kết quả nghiên cứu có thể mở rộng cho dịch vụ 5G không?

Khung mô hình kết hợp TAM, TPB và chi phí chuyển đổi hoàn toàn có thể tái sử dụng để đánh giá quyết định nâng cấp lên mạng 5G, tuy nhiên cần bổ sung thêm biến quan sát về thiết bị đầu cuối tương thích và ứng dụng băng thông siêu rộng (AR/VR/Cloud Gaming).

Kết luận

Nghiên cứu đã xây dựng và kiểm định thành công mô hình cấu trúc tuyến tính SEM giải thích quyết định sử dụng dịch vụ dữ liệu 4G của sinh viên tại TP.HCM trên cơ sở bộ dữ liệu $N=501$. Kết quả chỉ ra rằng Chất lượng dịch vụ (SQ) và Nhận thức tính dễ sử dụng (SD) là hai trụ cột chi phối hành vi chấp nhận công nghệ viễn thông của thế hệ trẻ. Các nhà mạng muốn gia tăng thị phần cần ưu tiên ổn định hạ tầng kết nối tại giảng đường, ký túc xá, kết hợp số hóa quy trình đăng ký và ban hành các gói cước linh hoạt tương xứng với ngân sách của sinh viên.