Giới thiệu dự án

Thị trường dịch vụ giao đồ ăn trực tuyến (Online Food Delivery Services - OFDS) tại Việt Nam chứng kiến sự bùng nổ mạnh mẽ với mô hình kinh doanh kết hợp trực tuyến và ngoại tuyến (Online-to-Offline - O2O). Theo các báo cáo thị trường từ Kantar và GComm, có tới 81% người tiêu dùng đô thị tại Hà Nội và TP.HCM sử dụng ứng dụng đặt thức ăn thường xuyên, với thời gian giao hàng trung bình đạt mốc 20 phút. Trong bối cảnh đó, Thành phố Thủ Đức – đô thị sáng tạo đóng góp khoảng 30% GRDP cho TP.HCM với hệ thống Làng Đại học quy tụ hàng trăm nghìn sinh viên – trở thành địa bàn chiến lược của các siêu ứng dụng như GrabFood, ShopeeFood, Baemin và GoFood.

Khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ GrabFood của sinh viên tại thành phố Thủ Đức" do sinh viên Trần Thị Quế Trân (Đại học Nông Lâm TP.HCM, chuyên ngành Quản trị Kinh doanh Tổng hợp, dưới sự hướng dẫn của ThS. Lê Thành Hưng) thực hiện nhằm giải quyết bài toán: Xác định các rào cản và động lực thúc đẩy hành vi tiêu dùng số của phân khúc khách hàng sinh viên có độ nhạy cảm cao về giá và trải nghiệm dịch vụ.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về hành vi tiêu dùng dịch vụ giao nhận thức ăn trực tuyến dựa trên các mô hình chấp nhận công nghệ kinh điển (TRA, TAM, UTAUT).
  2. Nhận diện và đo lường 06 nhóm nhân tố tác động đến quyết định sử dụng dịch vụ GrabFood của sinh viên tại TP. Thủ Đức: Chất lượng dịch vụ (CLDV), Sự tiện lợi (TL), Tính dễ sử dụng (DSD), Ảnh hưởng xã hội (XH), Giá cả (GC), Độ tin cậy (TC).
  3. Đo lường mức độ tác động cụ thể của từng biến độc lập lên biến phụ thuộc Quyết định sử dụng (QDSD) thông qua mô hình hồi quy tuyến tính bội.
  4. Đề xuất các giải pháp kinh doanh thực tiễn giúp doanh nghiệp công nghệ và đối tác nhà hàng tối ưu hóa trải nghiệm người dùng, giữ chân khách hàng trẻ và mở rộng thị phần.

Phạm vi và giới hạn

  • Không gian nghiên cứu: Địa bàn TP. Thủ Đức, tập trung vào các trường đại học/cao đẳng trọng điểm (ĐH Nông Lâm, ĐH Bách Khoa, ĐH KHXH&NV, ĐH Kinh tế - Luật, ĐH Ngân hàng, CĐ Công nghệ Thủ Đức, CĐ Công thương).
  • Thời gian nghiên cứu: Dữ liệu sơ cấp được thu thập từ tháng 10/2022 đến tháng 01/2023.
  • Cỡ mẫu: $N = 200$ mẫu khảo sát sinh viên hợp lệ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường OFDS tại khu vực ký túc xá và cụm đại học TP. Thủ Đức có sự phân hóa rõ rệt giữa các nền tảng công nghệ. Phân tích ma trận cạnh tranh trực tiếp:

Tiêu chí kỹ thuật & Dịch vụ GrabFood ShopeeFood Baemin
Hệ sinh thái nền tảng Siêu ứng dụng (Gọi xe, Giao hàng, Ví Moca) Thương mại điện tử (Shopee, ShopeePay) Chuyên biệt Food Delivery
Thời gian giao hàng trung bình 15 – 20 phút (Mạng lưới tài xế dày đặc) 20 – 30 phút 25 – 35 phút
Giao diện & Trải nghiệm (UI/UX) Đơn giản, tích hợp bản đồ chính xác Tối ưu hiển thị deal giảm giá Trẻ trung, phong cách Gen Z
Chiến lược định giá & Khuyến mãi Mã giảm giá 5–50%, phí ship linh hoạt Voucher freeship 0Đ dồi dào Giảm giá theo khung giờ
Độ phủ đối tác quán ăn Mạng lưới đối tác chính thức rộng khắp Độ phủ quán bình dân cao Tập trung khu vực trung tâm

Yêu cầu người dùng theo mô hình MoSCoW

  • Must-have (Bắt buộc): Tra cứu thông tin quán ăn chính xác, định vị GPS tài xế thời gian thực, hiển thị rõ ràng tổng chi phí (tiền món + phí giao hàng), bảo mật thông tin tài khoản.
  • Should-have (Nên có): Đa dạng phương thức thanh toán không tiền mặt, chương trình tích điểm đổi voucher, bộ lọc tìm kiếm món ăn theo khoảng cách/mức giá.
  • Could-have (Có thể có): Tính năng đặt đơn nhóm (Group Order) chia tiền tự động, gợi ý món ăn theo lịch sử cá nhân hóa bằng Machine Learning.
  • Won't-have (Chưa ưu tiên): Đặt bàn trực tiếp tại quán ăn hoặc tích hợp livestream ẩm thực trong ứng dụng.

Thiết kế hệ thống mô hình nghiên cứu

Nghiên cứu tích hợp Thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975), Mô hình chấp nhận công nghệ (TAM - Davis, 1989) và Lý thuyết hợp nhất về chấp nhận và sử dụng công nghệ (UTAUT - Venkatesh et al., 2003) để xây dựng khung phân tích thực nghiệm:

Công nghệ và công cụ xử lý dữ liệu

  • Công cụ phân tích định lượng: IBM SPSS Statistics phiên bản 20.0 (Statistical Package for the Social Sciences).
  • Hệ thống thu thập dữ liệu: Google Forms API kết hợp làm sạch dữ liệu tự động bằng Python 3.10 (thư viện pandas, statsmodels, scipy).
  • Mã hóa thang đo: Thang đo Likert 5 mức độ (1 = Rất không đồng ý / Rất không hài lòng; 5 = Rất đồng ý / Rất hài lòng) với tổng cộng 27 biến quan sát.
Mô hình cấu trúc dữ liệu khảo sát (Data Dictionary):

Phương pháp luận nghiên cứu (Methodology)

Quy trình nghiên cứu kết hợp phương pháp nghiên cứu hỗn hợp (Mixed Methods):

  1. Nghiên cứu định tính ($n = 15$): Thảo luận nhóm và phỏng vấn sâu sinh viên nhằm hiệu chỉnh nội dung các biến quan sát cho phù hợp với ngữ cảnh tiêu dùng số tại TP. Thủ Đức.
  2. Nghiên cứu định lượng ($N = 200$): Khảo sát cấu trúc trực tuyến và trực tiếp qua các mạng xã hội sinh viên.
  3. Quy tắc xác định cỡ mẫu:
    • Phân tích EFA (Hair et al., 1998): Cỡ mẫu tối thiểu $N \ge 5 \times m = 5 \times 27 = 135$ mẫu.
    • Phân tích hồi quy bội (Tabachnick & Fidell, 1996): Cỡ mẫu tối thiểu $N \ge 50 + 8 \times k = 50 + 8 \times 6 = 98$ mẫu.
    • $\Rightarrow$ Cỡ mẫu thực tế thu thập 233 phiếu, làm sạch còn 200 phiếu hợp lệ ($N=200$), vượt ngưỡng tối thiểu yêu cầu.

Implementation và kết quả

Quy trình xử lý và thuật toán phân tích

Dữ liệu thô sau khi thu thập được đưa vào pipeline xử lý thống kê chuẩn thông qua script xử lý tự động và syntax SPSS:

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 dữ liệu khảo sát N=200
df = pd.read_csv("grabfood_thuduc_survey_data.csv")

# 2. Định nghĩa các nhóm nhân tố độc lập và biến phụ thuộc
independent_vars = ['CLDV', 'TL', 'DSD', 'XH', 'GC', 'TC']
X = df[independent_vars]
y = df['QDSD']

# 3. Thêm hằng số intercept vào mô hình hồi quy OLS
X_with_const = sm.add_constant(X)
ols_model = sm.OLS(y, X_with_const).fit()

# 4. Kiểm tra đa cộng tuyến thông qua hệ số VIF
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])]

print(ols_model.summary())
print(vif_data)

* SPSS Syntax: Phân tích độ tin cậy thang đo Cronbach's Alpha.
RELIABILITY
  /VARIABLES=CLDV1 CLDV2 CLDV3 CLDV4 CLDV5
  /SCALE('CLDV Scale') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE
  /SUMMARY=TOTAL.

* SPSS Syntax: Phân tích nhân tố khám phá EFA (Principal Axis Factoring / Varimax).
FACTOR
  /VARIABLES CLDV1 TO CLDV5 TL1 TO TL5 DSD1 TO DSD5 XH1 TO XH4 GC1 TO GC4 TC1 TO TC4
  /MISSING LISTWISE 
  /ANALYSIS CLDV1 TO TC4
  /PRINT INITIAL EXTRACTION ROTATION KMO FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX.

Kiểm định và đánh giá thống kê

1. Thống kê mô tả mẫu nghiên cứu ($N = 200$)

  • Giới tính: Nữ chiếm 78% (155 người), Nam chiếm 22% (45 người). Nhu cầu đặt đồ ăn trực tuyến của nữ sinh viên áp đảo so với nam giới.
  • Năm học: Sinh viên năm 4 chiếm 49.5% (99 người); năm 3 chiếm 22% (44 người); năm 2 chiếm 18.5% (37 người); năm 1 chiếm 10% (20 người).
  • Thu nhập bình quân: Dưới 3 triệu VNĐ (41.5%); 3 - 5 triệu VNĐ (43.0%); 5 - 7 triệu VNĐ (9.0%); Trên 7 triệu VNĐ (6.5%).
  • Tần suất sử dụng: 1 - 5 lần/tháng chiếm đa số tuyệt đối với 79.5% (159 người); 6 - 15 lần/tháng (16.5%); trên 15 lần/tháng (4.0%).

2. Đánh giá độ tin cậy thang đo (Cronbach's Alpha) và Giá trị hội tụ (EFA)

Tất cả các thang đo đều đáp ứng điều kiện tiên quyết: Hệ số tương quan biến - tổng ($Corrected\ Item\text{-}Total\ Correlation > 0.30$) và $\alpha > 0.70$.

Thang đo nhân tố Số biến quan sát Cronbach's Alpha ($\alpha$) Điểm trung bình (Mean) Độ lệch chuẩn (Std. Dev)
Chất lượng dịch vụ (CLDV) 5 0.812 3.77 – 3.84 0.774 – 0.864
Sự tiện lợi (TL) 5 0.835 3.94 – 4.45 0.819 – 0.983
Tính dễ sử dụng (DSD) 5 0.804 3.74 – 3.95 0.747 – 0.865
Ảnh hưởng xã hội (XH) 4 0.789 3.09 – 3.53 0.913 – 1.075
Giá cả (GC) 4 0.856 4.11 – 4.28 0.792 – 0.867
Độ tin cậy (TC) 4 0.821 3.65 – 3.81 0.792 – 0.956
Quyết định sử dụng (QDSD) 3 0.844 3.55 – 3.71 0.933 – 1.014

Tiêu chuẩn phân tích nhân tố khám phá EFA đạt chuẩn:

  • Hệ số $KMO = 0.842$ ($0.5 < KMO < 1.0$).
  • Kiểm định Bartlett: $\chi^2$ có mức ý nghĩa $Sig. = 0.000 < 0.05$ (các biến có tương quan tuyến tính chặt chẽ).
  • Tổng phương sai trích (Total Variance Explained) đạt $62.8% > 50%$ (rút trích đầy đủ thông tin của 24 biến độc lập).
  • Tất cả các hệ số tải nhân tố (Factor Loading) $> 0.55$, không xảy ra hiện tượng tải chéo sai lệch.

Kết quả hồi quy tuyến tính bội

Phương trình hồi quy chuẩn hóa thể hiện mức độ tác động của từng nhân tố:

$$QDSD = \beta_0 + \beta_1 \cdot CLDV + \beta_2 \cdot TL + \beta_3 \cdot DSD + \beta_4 \cdot XH + \beta_5 \cdot GC + \beta_6 \cdot TC + \epsilon$$

Kết quả kiểm định cho thấy cả 6 giả thuyết từ $H_1$ đến $H_6$ đều được chấp nhận với mức ý nghĩa $p < 0.05$, không vi phạm hiện tượng đa cộng tuyến ($VIF < 1.6$) và không có tự tương quan ($Durbin\text{-}Watson \approx 1.89$):

  • Giá cả (GC) ($\beta = 0.312$): Nhân tố có tác động mạnh nhất. Sinh viên cực kỳ quan tâm đến voucher giảm giá, phí ship và sự chênh lệch giá món so với mua trực tiếp.
  • Sự tiện lợi (TL) ($\beta = 0.245$): Tốc độ giao hàng và khả năng phục vụ mọi lúc mọi nơi là lý do giữ chân người dùng.
  • Chất lượng dịch vụ (CLDV) ($\beta = 0.188$): Thái độ tài xế và chính sách đền bù/chăm sóc khách hàng khi đơn gặp sự cố.
  • Tính dễ sử dụng (DSD) ($\beta = 0.142$): Luồng đặt hàng mượt mà, tích hợp ví thanh toán không chạm.
  • Độ tin cậy (TC) ($\beta = 0.126$): Uy tín thương hiệu và an toàn thông tin thẻ/tài khoản.
  • Ảnh hưởng xã hội (XH) ($\beta = 0.098$): Tác động từ nhóm bạn bè cùng phòng, xu hướng đặt chung khi học nhóm.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ rệt về cả phương diện học thuật kinh tế và thực tiễn vận hành nền tảng:

Đóng góp học thuật

  • Chuẩn hóa bộ thang đo 27 biến quan sát thích ứng với hệ sinh thái siêu ứng dụng di động tại thị trường đô thị mới thành lập (TP. Thủ Đức).
  • Chứng minh giá trị thực nghiệm của việc tích hợp TAM và UTAUT trong phân tích dịch vụ số O2O dành cho thế hệ người tiêu dùng trẻ (Gen Z).

Cải tiến thực tiễn so với các nghiên cứu trước

  1. Khắc phục khoảng trống không gian: So với nghiên cứu của Huỳnh Thị Cam Ly & Trần Thị Bạch Yến (2020) tại Cần Thơ, nghiên cứu này bổ sung chiều sâu về mật độ hạ tầng công nghệ và đặc thù khu đô thị đại học tập trung.
  2. So sánh đa biến số: Khác với nghiên cứu Baemin của Nguyễn Thị Kiều Trang et al. (2021) có cỡ mẫu nhỏ ($N=178$), nghiên cứu này đạt $N=200$ mẫu sạch, phân tích chi tiết thêm yếu tố Chất lượng dịch vụ (CLDV) và Giá cả (GC) với độ tin cậy $\alpha > 0.80$.
  3. Định lượng đòn bẩy giá: Cung cấp con số định lượng chính xác về tỷ trọng ảnh hưởng của yếu tố Giá cả ($\beta = 0.312$, chiếm gần 30% tổng tác động), làm cơ sở cho bài toán cân đối ngân sách khuyến mãi của nền tảng.

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy và phân tích phương sai ANOVA, lộ trình tối ưu hóa kinh doanh dịch vụ GrabFood tại cụm đô thị đại học TP. Thủ Đức được đề xuất như sau:

1. Chiến lược định giá và tối ưu ngân sách chiêu thị (ROI Optimization)

  • Thiết kế gói hội viên "GrabUnlimited Student": Cung cấp gói voucher freeship tháng với mức phí ưu đãi dành riêng cho email đuôi .edu.vn.
  • Cơ chế ghép đơn thông minh (Batch Delivery): Khuyến khích ghép các đơn hàng cùng quán trong phạm vi ký túc xá để giảm 40% phí giao hàng cho mỗi người dùng, đồng thời tăng 25% hiệu suất chuyến đi của tài xế.

2. Nâng cấp trải nghiệm ứng dụng (UX/Feature Engineering)

  • Tích hợp tính năng Chia sẻ hóa đơn (Group Order & Bill Splitting): Cho phép một người tạo link đặt món, các thành viên khác tự chọn món trên máy cá nhân và hệ thống tự động tính tiền theo từng người qua ví điện tử.
  • Tối ưu hóa thuật toán tìm kiếm: Ưu tiên hiển thị danh mục "Cơm trưa sinh viên dưới 35.000đ", "Quán ngon Làng Đại học" theo vị trí thực tế của từng phân hiệu trường.

3. Chuẩn hóa chất lượng dịch vụ và điều phối tài xế

  • Trang bị thùng giữ nhiệt tiêu chuẩn cho 100% tài xế hoạt động tại khu vực trọng điểm Thủ Đức để đảm bảo nhiệt độ và vệ sinh an toàn thực phẩm.
  • Mở rộng liên kết với các quán ăn gia đình, quán cơm bình dân xung quanh khu vực ký túc xá Đại học Quốc gia.

Hạn chế và hướng phát triển

Hạn chế của đề tài

  • Phương pháp lấy mẫu: Sử dụng phương pháp lấy mẫu thuận tiện (phi xác suất), do đó tính đại diện tổng thể cho toàn bộ sinh viên tại TP.HCM chưa đạt mức tuyệt đối.
  • Khu vực khảo sát: Mới dừng lại ở địa bàn TP. Thủ Đức, chưa thực hiện khảo sát đối chứng tại các quận nội thành trung tâm (Quận 1, Quận 3, Quận 10).
  • Mô hình thống kê: Chỉ dừng lại ở mô hình hồi quy OLS đa biến tuyến tính, chưa kiểm soát được tác động của các biến điều tiết (Moderating Variables) như thu nhập hay tần suất sử dụng thông qua phân tích cấu trúc đa nhóm.

Hướng nghiên cứu tiếp theo

  • Áp dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) bằng phần mềm SmartPLS để đo lường đồng thời mối quan hệ tác động trực tiếp và gián tiếp qua biến trung gian (Sự hài lòng của khách hàng).
  • Mở rộng phân tích hành vi đa nền tảng (Multi-homing behavior), so sánh trực tiếp mức độ trung thành của người dùng giữa GrabFood và ShopeeFood.

Đối tượng hưởng lợi

  • Sinh viên: Tiếp cận dịch vụ ăn uống an toàn, tiết kiệm thời gian học tập, tối ưu hóa chi tiêu sinh hoạt hàng tháng nhờ các chính sách giảm giá định hướng.
  • Doanh nghiệp vận hành nền tảng (Grab): Sở hữu bức tranh dữ liệu thực nghiệm về hành vi tiêu dùng số của giới trẻ, làm cơ sở phân bổ ngân sách voucher chính xác, giảm lãng phí chi phí thu hút khách hàng (CAC).
  • Đối tác nhà hàng/quán ăn: Nắm bắt thị hiếu đặt món của sinh viên để điều chỉnh định lượng, giá cả thực đơn và thời gian mở cửa phù hợp với lịch học.
  • Cộng đồng học thuật: Cung cấp tài liệu tham khảo hoàn chỉnh về quy trình phân tích dữ liệu định lượng (Cronbach's Alpha, EFA, OLS Regression, ANOVA) cho sinh viên khối ngành Kinh tế và Quản trị Kinh doanh.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để xử lý và tái lập bộ dữ liệu nghiên cứu này là gì?

Để tái lập các kết quả phân tích thống kê trong khóa luận, hệ thống cần trang bị phần mềm IBM SPSS Statistics (phiên bản 20.0 trở lên) hoặc môi trường Python 3.8+ với các thư viện cốt lõi pandas, statsmodels, scipy và factor_analyzer. Dữ liệu cần được mã hóa sạch theo đúng codebook 27 biến quan sát trên thang đo Likert 5 điểm.

2. Tại sao nhân tố Giá cả (GC) lại có hệ số tác động cao nhất ($\beta = 0.312$) trong mô hình?

Đặc thù đối tượng khảo sát là sinh viên với 84.5% có mức thu nhập dưới 5 triệu đồng/tháng. Nhóm khách hàng này có độ co giãn của cầu theo giá rất lớn. Do đó, các chính sách về phí vận chuyển, giá món niêm yết và khuyến mãi trực tiếp trên đơn hàng sẽ quyết định hành vi lựa chọn ứng dụng thay vì sự trung thành với thương hiệu.

3. GrabFood có thể ứng dụng kết quả nghiên cứu này như thế nào để cạnh tranh với ShopeeFood?

GrabFood cần tận dụng lợi thế về thời gian giao hàng nhanh (Sự tiện lợi $\beta = 0.245$) kết hợp với việc tái cấu trúc các mã giảm giá tập trung vào phí ship (Giá cả $\beta = 0.312$), đồng thời triển khai tính năng đặt món theo nhóm để khai thác tối đa yếu tố Ảnh hưởng xã hội (XH) tại các khu ký túc xá.

4. Chi phí triển khai các giải pháp công nghệ đề xuất có ảnh hưởng đến biên lợi nhuận của tài xế không?

Không. Giải pháp ghép đơn thông minh (Batching) giúp tài xế nhận nhiều đơn hàng trên cùng một lộ trình di chuyển, từ đó giảm chi phí xăng xe, tối ưu thời gian chờ và tăng tổng thu nhập thực tế trên mỗi giờ hoạt động lên đến 20–25%.

5. Tại sao nghiên cứu loại bỏ các quan sát không đạt yêu cầu trước khi phân tích EFA?

Việc sàng lọc loại bỏ các phiếu trả lời thiếu thông tin, chọn trùng một đáp án (straight-lining) giúp loại bỏ nhiễu ngoại lai (outliers), đảm bảo tính phân phối chuẩn của dữ liệu và giúp hệ số kiểm định KMO, tổng phương sai trích đạt tiêu chuẩn giá trị hội tụ và phân biệt trong phân tích nhân tố.

Kết luận

Khóa luận tốt nghiệp của sinh viên Trần Thị Quế Trân đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra, mang lại cái nhìn toàn diện và sâu sắc về hành vi sử dụng dịch vụ GrabFood của sinh viên tại TP. Thủ Đức. Bằng việc kết hợp chặt chẽ giữa cơ sở lý thuyết hiện đại và phương pháp định lượng khoa học, nghiên cứu đã chứng minh rõ ràng vai trò then chốt của 06 nhân tố: Giá cả, Sự tiện lợi, Chất lượng dịch vụ, Tính dễ sử dụng, Độ tin cậy và Ảnh hưởng xã hội.

Kết quả nghiên cứu là tài liệu tham khảo giá trị cho các nhà quản trị nền tảng kinh tế số trong việc hoạch định chính sách giá, cải tiến giao diện người dùng và tối ưu mạng lưới giao hàng chặng cuối. Khám phá thêm các tài liệu phân tích kinh tế lượng và ứng dụng kinh doanh để xây dựng các giải pháp tối ưu hóa trải nghiệm khách hàng trong kỷ nguyên số.