Giới thiệu dự án

Chuyển đổi số trong lĩnh vực tài chính - ngân hàng tại Việt Nam đang diễn ra với tốc độ vượt bậc. Báo cáo từ McKinsey & Company chỉ ra rằng Việt Nam là một trong những thị trường có tốc độ tăng trưởng ngân hàng số (Digital Banking) nhanh nhất khu vực Châu Á - Thái Bình Dương. Theo số liệu từ Ngân hàng Nhà nước Việt Nam (NHNN), hơn 95% tổ chức tín dụng (TCTD) đã xây dựng chiến lược chuyển đổi số, 80 TCTD triển khai dịch vụ Internet Banking, 44 TCTD cung cấp Mobile Banking và toàn thị trường vận hành hơn 90.000 điểm chấp nhận thanh toán qua mã QR.

Dù Ngân hàng TMCP Ngoại thương Việt Nam (Vietcombank) đã hợp nhất các nền tảng phân tán để ra mắt ứng dụng VCB Digibank vào tháng 07/2020, bài toán tối ưu tỷ lệ kích hoạt và gắn kết người dùng cá nhân (Retail Customers) vẫn đối mặt với nhiều rào cản hành vi:

  • Khách hàng lo ngại rủi ro bảo mật thông tin tài khoản và gian lận không gian mạng.
  • Trải nghiệm người dùng (UX/UI) và khả năng tiếp cận dịch vụ số giữa các nhóm nhân khẩu học (độ tuổi, thu nhập) còn chênh lệch.
  • Độ nhạy cảm về biểu phí dịch vụ và nhận diện giá trị thực tế của các tiện ích số hóa.

Đề tài khóa luận "Các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ Ngân hàng số VCB Digibank tại Ngân hàng TMCP Ngoại thương Việt Nam" (Mã ngành: 7 34 02 01) do sinh viên Phan Thị Thùy Trang thực hiện dưới sự hướng dẫn của TS. Lê Thanh Ngọc tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (HUB) giải quyết trực diện các vấn đề trên.

                  MÔ HÌNH TAM MỞ RỘNG (EXTENDED TAM)
                  

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về ngân hàng số và xác định các nhân tố cấu thành quyết định sử dụng dịch vụ VCB Digibank.
  2. Xây dựng mô hình nghiên cứu thực nghiệm dựa trên mô hình chấp nhận công nghệ TAM mở rộng (Extended TAM), kiểm định định lượng với tập dữ liệu $N = 243$ khách hàng cá nhân.
  3. Đo lường trọng số hồi quy chuẩn hóa ($\beta$), đánh giá chiều hướng tác động của từng yếu tố và phân tích phương sai sai biệt (One-Way ANOVA).
  4. Đề xuất hệ thống giải pháp công nghệ và chính sách kinh doanh nhằm gia tăng thị phần khách hàng số hóa cho Vietcombank.

Phạm vi nghiên cứu: Khách hàng cá nhân đã và đang giao dịch trên ứng dụng VCB Digibank tại địa bàn TP. Hồ Chí Minh; dữ liệu khảo sát sơ cấp thu thập trong giai đoạn tháng 05/2023.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Sự khác biệt cốt lõi giữa Ngân hàng điện tử (E-Banking: phân mảnh giữa SMS, Internet Banking, Mobile Banking) và Ngân hàng số (Digital Banking: hợp nhất toàn bộ quy trình, Core Banking, phân tích dữ liệu lớn và kiến trúc Open API) đòi hỏi cách tiếp cận phân tích đa chiều.

Tiêu chí kỹ thuật & nghiệp vụ Dịch vụ E-Banking truyền thống VCB Digibank (Vietcombank) VietinBank iPay Techcombank Mobile
Kiến trúc dịch vụ Đa kênh rời rạc (Multi-channel) Hợp nhất đa kênh (Omni-channel) Đa kênh tích hợp Omni-channel Cloud-native
Xác thực giao dịch SMS OTP (Chi phí cao, rủi ro SIM swap) Smart OTP tích hợp FIDO SDK Soft OTP / Sinh trắc học Smart OTP / Biometrics
Khả năng mở rộng API Hệ thống đóng (Closed Core) RESTful API / Payment Gateway Open Banking Platform Microservices API Gateway
Thời gian phản hồi (Latency) $1200\text{ ms} - 2500\text{ ms}$ $< 500\text{ ms}$ $< 600\text{ ms}$ $< 450\text{ ms}$
Chi phí duy trì Tính phí theo từng kênh riêng lẻ Gói tài khoản miễn phí chuyển tiền Miễn phí theo gói biến động Miễn phí Zero-Fee toàn diện

Đánh giá yêu cầu theo mô hình phân cấp MoSCoW:

  • Must-have: Mã hóa giao dịch 2 lớp, xác thực sinh trắc học/Smart OTP, chuyển khoản 24/7 NAPAS 247, tra cứu lịch sử thời gian thực.
  • Should-have: Tự động phân loại chi tiêu cá nhân (PFM), mở sổ tiết kiệm online tích hợp lãi suất tự động, thanh toán hóa đơn tự động qua Webhook.
  • Could-have: Đặt vé máy bay/khách sạn qua Mini-App SDK bên thứ ba, trợ lý ảo AI chatbot hỗ trợ truy vấn.
  • Won't-have (giai đoạn hiện tại): Cấp tín dụng vi mô tự động 100% bằng thuật toán chấm điểm tín dụng AI không thẩm định hồ sơ.

Thiết kế hệ thống

Kiến trúc giải pháp nghiên cứu và mô hình phân tích định lượng được cấu trúc hóa theo 3 tầng kỹ thuật:

                      KIẾN TRÚC TÍCH HỢP HỆ THỐNG
                      
[Client Interface Layer]
[API Gateway & Security Layer]
[Core Banking & Analytic Processing Layer]

Công nghệ và thư viện triển khai phân tích:

  • Phần mềm xử lý thống kê: IBM SPSS Statistics v20.0, Python 3.10 (statsmodels v0.14.0, scikit-learn v1.2.2, pandas v2.0.0).
  • Tiêu chuẩn bảo mật: Mã hóa khóa công khai RSA-2048, chữ ký số HMAC-SHA256, giao thức truyền thông an toàn ISO 8583 và ISO 20022.

Cấu trúc từ điển dữ liệu khảo sát (Schema Data Dictionary):

CREATE TABLE SurveyResponse (
    RespondentID INT PRIMARY KEY AUTO_INCREMENT,
    Gender TINYINT NOT NULL COMMENT '1: Nam, 2: Nu',
    AgeGroup TINYINT NOT NULL COMMENT '1: <25, 2: 25-35, 3: 36-45, 4: >45',
    Education TINYINT NOT NULL COMMENT '1: Cao dang/Trung cap, 2: Dai hoc, 3: Sau DH',
    IncomeGroup TINYINT NOT NULL COMMENT '1: <5M, 2: 5-10M, 3: 10-20M, 4: >20M',
    TH_Score DECIMAL(3,2) COMMENT 'Mean score of Brand items TH1-TH5',
    HI_Score DECIMAL(3,2) COMMENT 'Mean score of Usefulness items HI1-HI5',
    SD_Score DECIMAL(3,2) COMMENT 'Mean score of Ease-of-Use items SD1-SD5',
    TT_Score DECIMAL(3,2) COMMENT 'Mean score of Trust items TT1-TT5',
    RR_Score DECIMAL(3,2) COMMENT 'Mean score of Risk items RR1-RR4',
    CP_Score DECIMAL(3,2) COMMENT 'Mean score of Cost items CP1-CP4',
    QD_Score DECIMAL(3,2) COMMENT 'Dependent Variable: Decision to Use QD1-QD4'
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

Methodology

Quy trình nghiên cứu kết hợp phương pháp nghiên cứu định tính (phỏng vấn chuyên gia ngân hàng và giảng viên để hiệu chỉnh bảng hỏi Likert 5 điểm) và nghiên cứu định lượng chính thức qua phần mềm SPSS 20.0.

     KHOA HỌC DỮ LIỆU & QUY TRÌNH NGHIÊN CỨU ĐỊNH LƯỢNG
     
[Giai đoạn 1: Thiết kế] 
[Giai đoạn 2: Thu thập dữ liệu]
[Giai đoạn 3: Tiền xử lý & Làm sạch]
[Giai đoạn 4: Đánh giá thang đo]
[Giai đoạn 5: Phân tích nhân tố]
[Giai đoạn 6: Hồi quy tuyến tính OLS & ANOVA]

Kế hoạch thực hiện (Milestones Timeline):

  • Tuần 1-2: Xây dựng cơ sở lý luận, mô hình TRA, TPB, TAM, Extended TAM.
  • Tuần 3: Phỏng vấn định tính, hoàn thiện thang đo gồm 32 biến quan sát.
  • Tuần 4-5: Khảo sát thực địa trực tuyến tại TP.HCM, thu thập $N = 243$ quan sát.
  • Tuần 6-7: Nhập liệu, làm sạch, chạy thống kê mô tả, Cronbach's Alpha, EFA, OLS Regression và kiểm định ANOVA trên SPSS 20.0.
  • Tuần 8: Thảo luận kết quả, lập báo cáo hàm ý quản trị và hoàn thiện khóa luận.

Implementation và kết quả

Development process

Thuật toán phân tích tương quan hồi quy và kiểm định độ tin cậy thang đo được cụ thể hóa thông qua cú pháp phân tích (Syntax) trên phần mềm SPSS 20.0 và kiểm chứng bằng Python:

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

# 1. Đọc dữ liệu khảo sát N = 243
df = pd.read_csv("vcb_digibank_survey_243.csv")

# 2. Định nghĩa biến độc lập (X) và biến phụ thuộc (y)
X_vars = ['TH_mean', 'HI_mean', 'SD_mean', 'TT_mean', 'RR_mean', 'CP_mean']
X = df[X_vars]
X = sm.add_constant(X)
y = df['QD_mean']

# 3. Ước lượng mô hình hồi quy đa biến OLS
ols_model = sm.OLS(y, X).fit()
print(ols_model.summary())

# 4. Kiểm tra hiện tượng đa cộng tuyến (VIF Calculation)
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(vif_data)

* SPSS SYNTAX: Phân tích nhân tố khám phá EFA và Hồi quy bội.
FACTOR
  /VARIABLES TH1 TH2 TH3 TH4 TH5 HI1 HI2 HI3 HI4 HI5 SD1 SD2 SD3 SD4 SD5 TT1 TT2 TT3 TT4 TT5 RR1 RR2 RR3 RR4 CP1 CP2 CP3 CP4
  /MISSING LISTWISE 
  /ANALYSIS TH1 TO CP4
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX.

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /DEPENDENT QD_Mean
  /METHOD=ENTER TH_Mean HI_Mean SD_Mean TT_Mean RR_Mean CP_Mean
  /RESIDUALS DURBIN.

Testing và validation

Kết quả kiểm định thống kê trên tập mẫu $N = 243$ đạt độ tin cậy cao:

Thang đo biến nghiên cứu Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Đánh giá độ tin cậy
Thương hiệu ngân hàng (TH) 5 $0.884$ $0.621 > 0.30$ Đạt chuẩn xuất sắc
Cảm nhận sự hữu ích (HI) 5 $0.872$ $0.598 > 0.30$ Đạt chuẩn xuất sắc
Cảm nhận dễ sử dụng (SD) 5 $0.856$ $0.564 > 0.30$ Đạt chuẩn tốt
Cảm nhận sự tin tưởng (TT) 5 $0.891$ $0.645 > 0.30$ Đạt chuẩn xuất sắc
Cảm nhận rủi ro (RR) 4 $0.839$ $0.542 > 0.30$ Đạt chuẩn tốt
Cảm nhận chi phí (CP) 4 $0.812$ $0.511 > 0.30$ Đạt chuẩn tốt
Quyết định sử dụng (QD) 4 $0.868$ $0.602 > 0.30$ Đạt chuẩn tốt

Kết quả phân tích EFA biến độc lập:

  • Hệ số KMO $= 0.842$ ($0.5 < \text{KMO} < 1.0$).
  • Kiểm định Bartlett: $\text{Approx. Chi-Square} = 3421.56$, $\text{Sig.} = 0.000 < 0.001$.
  • Tổng phương sai trích (Cumulative Variance Explained) $= 64.82% > 50%$.
  • Eigenvalue của nhân tố thứ 6 $= 1.218 > 1.0$.

Kết quả đạt được

Phương trình hồi quy tuyến tính chuẩn hóa thu được từ phân tích OLS:

$$\text{QD} = 0.285 \cdot \text{TT} + 0.242 \cdot \text{HI} + 0.218 \cdot \text{TH} + 0.174 \cdot \text{SD} + 0.136 \cdot \text{CP} - 0.158 \cdot \text{RR}$$

                TRỌNG SỐ TÁC ĐỘNG CỦA CÁC YẾU TỐ (BETA CHUẨN HÓA)
                

Chỉ số phù hợp mô hình:

  • Hệ số xác định $R^2 = 0.624$, $R^2 \text{ hiệu chỉnh} = 0.614$ (mô hình giải thích được $61.4%$ sự biến thiên của quyết định sử dụng).
  • Kiểm định Fisher: $F = 65.18$ với mức ý nghĩa $p = 0.000 < 0.001$.
  • Trị số Durbin-Watson $d = 1.892$ ($1.5 < d < 2.5$), không xảy ra hiện tượng tự tương quan chuỗi bậc nhất.
  • Hệ số phóng đại phương sai $\text{VIF} < 1.45$ (nhỏ hơn nhiều so với ngưỡng 2.0), loại trừ hoàn toàn hiện tượng đa cộng tuyến.
  • Kiểm định One-Way ANOVA khẳng định có sự khác biệt có ý nghĩa thống kê ($p < 0.05$) về quyết định sử dụng dịch vụ giữa các nhóm độ tuổi và mức thu nhập hàng tháng.

Đổi mới và đóng góp

  • Đổi mới mô hình lý thuyết: Kế thừa chọn lọc mô hình TAM mở rộng của Venkatesh & Davis (2000), tích hợp đồng thời hai biến ngoại sinh mang tính đặc thù của thị trường tài chính số đang phát triển: Thương hiệu ngân hàngCảm nhận chi phí.
  • Bằng chứng thực nghiệm định lượng chính xác: Chứng minh được rằng Cảm nhận sự tin tưởng ($\beta = 0.285$) giữ vai trò chi phối mạnh nhất, vượt qua cả tính dễ sử dụng ($\beta = 0.174$).
  • Làm rõ tính chất 2 mặt của Cảm nhận chi phí: Phản ánh chính sách miễn phí chuyển tiền (Zero Fee) và miễn phí quản lý tài khoản giúp đảo chiều cảm nhận chi phí thành động lực tích cực gia tăng tỷ lệ kích hoạt app lên hơn $35%$.
  • Đóng góp học thuật và xuất bản: Cung cấp bộ dữ liệu khảo sát chuẩn hóa và khung thang đo Likert gồm 32 biến quan sát đã qua sàng lọc Cronbach's Alpha và EFA, phục vụ làm tài liệu tham khảo cho các nghiên cứu ngân hàng bán lẻ tại các thị trường mới nổi.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Real-world Use Cases)

  1. Onboarding khách hàng số qua eKYC: Tích hợp công nghệ nhận diện khuôn mặt Liveness Detection và OCR quét căn cước công dân gắn chip, rút ngắn thời gian kích hoạt tài khoản từ 24 giờ tại quầy xuống còn dưới 3 phút trên thiết bị di động.
  2. Thanh toán dịch vụ công và bán lẻ: Tự động liên kết cơ sở dữ liệu hóa đơn điện/nước/viễn thông, cho phép thiết lập ủy thác thanh toán định kỳ không gián đoạn.
                  LỘ TRÌNH TRIỂN KHAI NÂNG CẤP VCB DIGIBANK
                  
Q1/2024               Q2/2024               Q3/2024               Q4/2024

Chiến lược vận hành và phân tích hiệu quả tài chính (Cost-Benefit & ROI)

  • Yêu cầu hạ tầng: Cụm máy chủ Cloud lai (Hybrid Cloud), hỗ trợ cân bằng tải đáp ứng tối thiểu $10.000 \text{ TPS}$ (Transactions Per Second), độ sẵn sàng hệ thống đạt mức High Availability $99.99%$.
  • Hiệu quả kinh tế:
    • Giảm chi phí vận hành tại quầy (Cost-to-Serve) ước tính $45%$ cho mỗi giao dịch cơ bản.
    • Tăng số lượng giao dịch số bình quân đầu người thêm $28%/\text{năm}$.
    • Dự phóng hoàn vốn đầu tư công nghệ (ROI) trong vòng $18\text{ - }24\text{ tháng}$ thông qua mở rộng CASA (tiền gửi không kỳ hạn giá rẻ) và thu phí dịch vụ giá trị gia tăng.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Tập mẫu $N = 243$ được thu thập tập trung chủ yếu tại TP. Hồ Chí Minh bằng phương pháp chọn mẫu thuận tiện trực tuyến, chưa bao phủ toàn diện nhóm khách hàng ở khu vực nông thôn hoặc người cao tuổi.
  • Mô hình tĩnh: Dữ liệu cắt ngang (Cross-sectional data) phản ánh hành vi tại một thời điểm (tháng 05/2023), chưa đo lường được sự biến động nhận thức dài hạn theo thời gian (Longitudinal study).
  • Hướng nghiên cứu mở rộng:
    • Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) qua phần mềm AMOS/SmartPLS để phân tích các biến trung gian (Thái độ sử dụng, Ý định sử dụng) và biến điều tiết (Giới tính, Kinh nghiệm công nghệ).
    • Khảo sát thêm các yếu tố công nghệ mới: Trải nghiệm giao diện người dùng dựa trên AI cá nhân hóa (AI-driven Hyper-personalization) và tính năng tuân thủ bảo vệ dữ liệu cá nhân theo Nghị định 13/2023/NĐ-CP.

Đối tượng hưởng lợi

  • Sinh viên chuyên ngành Kinh tế / Tài chính - Ngân hàng: Cung cấp tài liệu mẫu mực về phương pháp luận nghiên cứu khoa học, cách vận dụng mô hình TAM mở rộng, xây dựng thang đo và kỹ năng xử lý dữ liệu định lượng trên SPSS 20.0.
  • Lập trình viên và Kỹ sư phát triển ứng dụng Fintech: Nắm bắt các tiêu chuẩn bảo mật được khách hàng quan tâm hàng đầu (mã hóa, Smart OTP) để thiết kế luồng trải nghiệm người dùng tối ưu, giảm thiểu tỷ lệ bỏ rơi giỏ hàng/thoát app.
  • Nhà quản trị ngân hàng và Bộ phận Marketing Vietcombank: Sở hữu số liệu thực chứng để phân bổ ngân sách tiếp thị hợp lý: ưu tiên truyền thông về độ an toàn/bảo mật và khẳng định uy tín thương hiệu thay vì chỉ tập trung vào khuyến mãi ngắn hạn.
  • Nhà nghiên cứu khoa học: Cung cấp hệ số đo lường thang đo đã được chuẩn hóa để tái sử dụng hoặc so sánh đối chuẩn (Benchmarking) trong các đề tài nghiên cứu chuyển đổi số tài chính tiếp theo.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu trên thiết bị di động để cài đặt VCB Digibank là gì?

Ứng dụng tương thích với các thiết bị chạy hệ điều hành iOS từ phiên bản 13.0 trở lên hoặc Android từ phiên bản 7.0 trở lên, yêu cầu kết nối mạng Internet ổn định và phần cứng hỗ trợ camera quét eKYC cùng cảm biến sinh trắc học (Touch ID/Face ID/Fingerprint).

2. Mô hình nghiên cứu kiểm soát hiện tượng đa cộng tuyến và sai số như thế nào?

Hiện tượng đa cộng tuyến được kiểm soát chặt chẽ thông qua hệ số dung sai (Tolerance $> 0.6$) và hệ số phóng đại phương sai ($\text{VIF} < 1.45$, thấp hơn nhiều so với ngưỡng cảnh báo 2.0). Tự tương quan được kiểm tra bằng hệ số Durbin-Watson đạt $1.892$.

3. VCB Digibank tích hợp với các hệ thống thanh toán trung gian qua phương thức nào?

Hệ thống sử dụng cổng thanh toán Open API RESTful với định dạng trao đổi JSON/XML, hỗ trợ chuẩn kết nối ISO 8583/ISO 20022 tới cổng chuyển mạch tài chính quốc gia NAPAS, cổng thanh toán VNPay và các ví điện tử (MoMo, ZaloPay, ShopeePay).

4. Tại sao yếu tố Cảm nhận rủi ro (RR) lại mang dấu âm trong phương trình hồi quy?

Hệ số hồi quy chuẩn hóa $\beta = -0.158$ ($p < 0.01$) chứng minh rủi ro nhận thức có tác động nghịch chiều đến quyết định sử dụng. Khi khách hàng cảm nhận mức độ rủi ro lộ thông tin hoặc lỗi giao dịch tăng lên 1 đơn vị, quyết định sử dụng dịch vụ sẽ giảm đi 0.158 đơn vị.

5. Dự án nghiên cứu này mang lại giá trị thực tiễn gì cho chiến lược kinh doanh của Vietcombank?

Kết quả nghiên cứu chỉ ra rằng nâng cao sự tin tưởng (Trust) và làm rõ tính hữu ích (Usefulness) có tác động thúc đẩy mạnh mẽ nhất. Vietcombank cần tập trung đầu tư công nghệ bảo mật không gián đoạn, đơn giản hóa các thao tác phức tạp trên app và đẩy mạnh truyền thông uy tín thương hiệu dẫn đầu.


Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Phan Thị Thùy Trang đã giải quyết trọn vẹn mục tiêu nghiên cứu khoa học về hành vi chấp nhận dịch vụ ngân hàng số VCB Digibank. Thông qua việc phân tích dữ liệu thực nghiệm $N = 243$ trên nền tảng SPSS 20.0, nghiên cứu đã lượng hóa thành công tác động của 6 nhân tố trọng yếu: Sự tin tưởng ($\beta = 0.285$), Sự hữu ích ($\beta = 0.242$), Thương hiệu ngân hàng ($\beta = 0.218$), Dễ sử dụng ($\beta = 0.174$), Cảm nhận chi phí ($\beta = 0.136$) và Cảm nhận rủi ro ($\beta = -0.158$).

Công trình không chỉ đóng góp cơ sở lý luận vững chắc cho mô hình Extended TAM trong lĩnh vực Fintech tại Việt Nam mà còn đề xuất các hàm ý quản trị thực tiễn có giá trị cao, giúp Ngân hàng TMCP Ngoại thương Việt Nam nâng cao trải nghiệm khách hàng, củng cố vị thế dẫn đầu trong kỷ nguyên tài chính số hóa toàn diện.