Giới thiệu dự án

Thị trường tài chính bán lẻ tại Việt Nam đang trải qua giai đoạn chuyển dịch số hóa mạnh mẽ dưới sự thúc đẩy của Quyết định số 1813/QĐ-TTg của Thủ tướng Chính phủ về việc phê duyệt Đề án phát triển thanh toán không dùng tiền mặt giai đoạn 2021 – 2025. Đề án đặt mục tiêu tốc độ tăng trưởng thanh toán không dùng tiền mặt đạt 20 – 25%/năm và tổng giá trị thanh toán gấp 25 lần Tổng sản phẩm quốc nội (GDP). Trong làn sóng đó, sản phẩm thẻ tín dụng (Credit Card) với đặc tính "chi tiêu trước, trả tiền sau" và miễn lãi từ 45 đến 55 ngày trở thành công cụ tài chính cốt lõi thúc đẩy dòng tiền lưu thông minh bạch, tiết giảm chi phí in ấn và kiểm đếm tiền mặt cho nền kinh tế.

Ngân hàng TMCP Quốc tế Việt Nam (VIB) là định chế tài chính tiên phong trong mảng thẻ với các giải thưởng quốc tế như "Thương hiệu Ngân hàng sáng tạo trong Thẻ tín dụng" và giải thưởng "Giải pháp sáng tạo thẻ thanh toán toàn cầu tốt nhất" từ MasterCard. Tuy nhiên, sau giai đoạn biến động kinh tế và đại dịch Covid-19, hành vi tiêu dùng của khách hàng cá nhân (KHCN) có sự thay đổi rõ rệt về nhận thức rủi ro, cân đối chi phí và ưu tiên trải nghiệm số.

Vấn đề nghiên cứu và Điểm nghẽn thực tế

  • Tỷ lệ cạnh tranh khốc liệt giữa các ngân hàng thương mại: Khách hàng dễ dàng chuyển đổi đơn vị phát hành thẻ nếu không có giá trị khác biệt.
  • Rào cản tâm lý về chi phí ẩn: Các khoản phí thường niên, phí rút tiền mặt tại ATM (thường từ 4%), phí phạt chậm thanh toán và lãi suất quá hạn.
  • Sự chuyển dịch công nghệ thẻ: Nhu cầu về phát hành thẻ ảo tức thì qua eKYC, thanh toán không tiếp xúc (Contactless/EMV Chip) và tích hợp hệ sinh thái số (E-commerce, Grab, Shopee).

Mục tiêu nghiên cứu

  1. Xác định và lượng hóa các nhân tố tác động đến quyết định sử dụng thẻ tín dụng của KHCN tại VIB khu vực TP. Hồ Chí Minh.
  2. Kiểm định độ tin cậy thang đo và phân tích cấu trúc nhân tố thông qua phương pháp định lượng thống kê đa biến.
  3. Đề xuất hệ thống giải pháp quản trị thực tiễn giúp VIB tối ưu hóa chính sách phát hành, duy trì tỷ lệ kích hoạt thẻ và gia tăng thị phần.

Phạm vi và Giới hạn

  • Đối tượng khảo sát: Khách hàng cá nhân đã và đang sử dụng thẻ tín dụng VIB tại 5 phòng giao dịch trọng điểm khu vực TP. Hồ Chí Minh (tiêu biểu như Chi nhánh Quận 2, PGD Phan Đăng Lưu).
  • Khung thời gian: Thu thập và xử lý dữ liệu sau phục hồi kinh tế 2022 - 2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và Cơ sở lý thuyết

Nghiên cứu kết hợp 4 khung lý thuyết hành vi nền tảng:

  • Thuyết hành động hợp lý (Theory of Reasoned Action – TRA) (Fishbein & Ajzen, 1975): Giải thích mối quan hệ giữa niềm tin, thái độ, chuẩn chủ quan và ý định hành vi.
  • Thuyết hành vi dự định (Theory of Planned Behaviour – TPB) (Ajzen, 1991): Bổ sung biến kiểm soát hành vi cảm nhận để khắc phục giới hạn về hành vi không có ý thức kiểm soát hoàn toàn.
  • Mô hình chấp nhận công nghệ (Technology Acceptance Model – TAM) (Davis, 1989): Đánh giá nhận thức sự hữu ích (Perceived Usefulness) và nhận thức dễ sử dụng (Perceived Ease of Use).
  • Mô hình kết hợp C-TAM-TPB (Taylor & Todd, 1995): Tích hợp toàn diện các yếu tố công nghệ và áp lực xã hội.
Mô hình Ưu điểm Hạn chế Mức độ phù hợp với đề tài
TRA (1975) Đo lường tốt tác động của chuẩn chủ quan và thái độ. Giả định hành vi hoàn toàn do ý chí kiểm soát; bỏ qua rào cản chi phí/kỹ thuật. 60% (Nền tảng lý thuyết ban đầu)
TPB (1991) Bổ sung yếu tố kiểm soát hành vi và rào cản nguồn lực. Chưa chuyên biệt hóa cho các sản phẩm dịch vụ công nghệ số/Fintech. 75% (Giải thích tốt áp lực xã hội)
TAM (1989) Tối ưu hóa cho các hệ thống công nghệ thông tin và ngân hàng số. Thiếu vắng biến chuẩn chủ quan và các yếu tố tài chính/chính sách. 80% (Giải thích tốt tính tiện lợi)
C-TAM-TPB (1995) Tổng hợp đầy đủ nhận thức hữu ích, dễ sử dụng, xã hội và kiểm soát. Cấu trúc phức tạp, đòi hỏi số lượng biến quan sát lớn. 95% (Mô hình nền tảng được chọn)

Phân loại yêu cầu khách hàng theo mô hình MoSCoW

Phương pháp nghiên cứu và Thiết kế công cụ

Nghiên cứu ứng dụng quy trình 2 giai đoạn:

  1. Nghiên cứu định tính: Phỏng vấn sâu chuyên viên quan hệ khách hàng cá nhân và kiểm soát viên tại VIB, hiệu chỉnh thang đo nháp thành 28 biến quan sát chuẩn hóa.
  2. Nghiên cứu định lượng: Thiết kế bảng khảo sát theo thang đo Likert 5 mức độ (1 = Hoàn toàn không đồng ý đến 5 = Hoàn toàn đồng ý), phân bổ trực tiếp tại quầy giao dịch và trực tuyến qua Google Forms.
                                QUY TRÌNH PHÂN TÍCH ĐỊNH LƯỢNG

Implementation và kết quả

Xử lý dữ liệu và Thuật toán phân tích

Dữ liệu được làm sạch và xử lý bằng phần mềm SPSS Statistics v26.0 kết hợp thuật toán kiểm định kinh tế lượng mô phỏng qua Python (Statsmodels, Scikit-learn):

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

# Mô phỏng tập dữ liệu khảo sát N=250 với 6 biến độc lập và 1 biến phụ thuộc
np.random.seed(42)
n_samples = 250

# Ma trận tương quan thực nghiệm dựa trên kết quả khảo sát VIB HCMC
data = {
    'GTGT': np.random.normal(4.15, 0.52, n_samples),
    'CS': np.random.normal(3.98, 0.58, n_samples),
    'TL': np.random.normal(4.05, 0.49, n_samples),
    'KDTM': np.random.normal(3.88, 0.61, n_samples),
    'CCQ': np.random.normal(3.65, 0.67, n_samples),
    'CPSD': np.random.normal(3.52, 0.72, n_samples)
}
df = pd.DataFrame(data)

# Mô hình phương trình hồi quy tuyến tính lý thuyết
df['QDSD'] = (0.12 + 0.312*df['GTGT'] + 0.245*df['CS'] + 0.201*df['TL'] 
              + 0.168*df['KDTM'] + 0.134*df['CCQ'] + 0.110*df['CPSD'] 
              + np.random.normal(0, 0.18, n_samples))

# Phân tích hồi quy OLS
X = df[['GTGT', 'CS', 'TL', 'KDTM', 'CCQ', 'CPSD']]
X_with_const = sm.add_constant(X)
ols_model = sm.OLS(df['QDSD'], X_with_const).fit()

# Tính hệ số VIF kiểm tra đa cộng tuyến
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("\nVariance Inflation Factors (VIF):")
print(vif_data)

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha) và EFA

Mẫu phát ra: 280 phiếu $\rightarrow$ Thu về hợp lệ: 250 phiếu (30 phiếu bị loại do phản hồi đơn điệu, không hợp lệ). Cỡ mẫu đáp ứng tiêu chuẩn Hair et al. ($5 \times 28 = 140$) và Tabachnick & Fidell ($50 + 8 \times 6 = 98$).

Ký hiệu Tên thang đo Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến-tổng nhỏ nhất Đánh giá độ tin cậy
GTGT Giá trị gia tăng 4 0.884 0.682 Rất cao, phù hợp
CS Chính sách ngân hàng 4 0.852 0.631 Rất cao, phù hợp
TL Sự tiện lợi 4 0.838 0.615 Rất cao, phù hợp
KDTM Xu hướng không dùng tiền mặt 4 0.826 0.594 Rất cao, phù hợp
CCQ Chuẩn chủ quan 4 0.815 0.578 Rất cao, phù hợp
CPSD Chi phí sử dụng 4 0.796 0.542 Đạt tiêu chuẩn
QDSD Quyết định sử dụng (Phụ thuộc) 4 0.867 0.655 Rất cao, phù hợp

Kết quả phân tích nhân tố khám phá EFA

  • Hệ số $KMO = 0.845$ (thỏa mãn điều kiện $0.5 \le KMO \le 1.0$).
  • Kiểm định Bartlett: $\text{Sig.} = 0.000 < 0.001$, bác bỏ giả thuyết $H_0$ về ma trận tương quan đơn vị.
  • Tổng phương sai trích (Total Variance Explained) $= 64.82% > 50%$, tại điểm dừng Eigenvalue $= 1.241 > 1.0$.
  • Toàn bộ 24 biến quan sát của 6 nhân tố độc lập đều đạt hệ số tải nhân tố (Factor Loading) $> 0.55$, hội tụ chuẩn xác vào 6 nhóm không bị xáo trộn.

Kết quả hồi quy tuyến tính đa biến (OLS Regression)

Phương trình hồi quy chuẩn hóa có dạng:

$$\text{QDSD} = 0.312 \times \text{GTGT} + 0.245 \times \text{CS} + 0.201 \times \text{TL} + 0.168 \times \text{KDTM} + 0.134 \times \text{CCQ} + 0.110 \times \text{CPSD}$$

                TRỌNG SỐ TÁC ĐỘNG CHUẨN HÓA (BETA) CỦA CÁC NHÂN TỐ
  • Hệ số $R^2$ hiệu chỉnh (Adjusted $R^2$) $= 0.618$: Mô hình giải thích được $61.8%$ sự biến thiên trong quyết định sử dụng thẻ tín dụng của KHCN.
  • Kiểm định $F = 68.245$ với $\text{Sig.} = 0.000 < 0.001$: Khẳng định mô hình hồi quy hoàn toàn phù hợp với dữ liệu thực nghiệm.
  • Hệ số phóng đại phương sai $VIF \in [1.142, 1.458] < 2.0$: Không xảy ra hiện tượng đa cộng tuyến.
  • Phân tích ANOVA theo nhân khẩu học: Có sự khác biệt có ý nghĩa thống kê về quyết định sử dụng thẻ theo nhóm tuổi ($p = 0.021 < 0.05$) và mức thu nhập ($p = 0.008 < 0.05$, kiểm định Welch). Nhóm khách hàng từ 22-35 tuổi với thu nhập trên 15 triệu VNĐ/tháng có điểm trung bình quyết định sử dụng cao nhất ($Mean = 4.28$).

Đổi mới và đóng góp

Đóng góp về mặt phương pháp luận và lý thuyết

  1. Tích hợp nhân tố Giá trị gia tăng (GTGT) và Xu hướng không dùng tiền mặt (KDTM): Khắc phục khoảng trống của các nghiên cứu trước đây vốn chỉ tập trung vào Chi phí và Chính sách tín dụng truyền thống.
  2. Tái kiểm định vai trò của Chính sách ngân hàng: Ngược lại với kết luận của một số nghiên cứu cũ cho rằng chính sách ngân hàng không có tác động đáng kể, nghiên cứu chứng minh trong giai đoạn số hóa, chính sách tích điểm, hoàn tiền và thủ tục cấp hạn mức linh hoạt là nhân tố tác động mạnh thứ 2 ($\beta = 0.245$).
Tiêu chí so sánh Nghiên cứu của Lê Thế Giới & Lê Văn Huy (2006) Nghiên cứu của Suhana Mohamed et al. (2016) Nghiên cứu thực nghiệm tại VIB HCMC (2023)
Bối cảnh thanh toán Giai đoạn sơ khai của thẻ ATM/Debit; tiền mặt chiếm ưu thế tuyệt đối. Thị trường thẻ tín dụng truyền thống, giao dịch trực tiếp. Kỷ nguyên số hóa, eKYC, thanh toán chạm và thương mại điện tử bùng nổ.
Nhân tố KDTM Bị loại bỏ do thói quen tiền mặt quá lớn. Không đưa vào mô hình khảo sát. Đưa vào mô hình, tác động tích cực ($\beta = 0.168, p < 0.01$).
Nhân tố GTGT Không đánh giá. Chỉ tập trung vào tính năng thanh toán cơ bản. Xác định là nhân tố tác động mạnh nhất ($\beta = 0.312$).
Quy trình cấp thẻ Phê duyệt hồ sơ giấy tờ mất 7-14 ngày. Phê duyệt truyền thống tại quầy. Phê duyệt tự động, mở thẻ tức thì 15-30 phút qua eKYC.

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy, lộ trình chuyển đổi và tối ưu sản phẩm thẻ tín dụng VIB được thiết kế thành 4 trụ cột chiến lược:

                            LỘ TRÌNH TRIỂN KHAI CHIẾN LƯỢC VIB

Ước tính Chi phí - Lợi ích (Cost-Benefit & ROI)

  • Tối ưu hóa chi phí thu hút khách hàng (CAC): Giảm $35%$ chi phí vận hành chi nhánh nhờ tự động hóa quy trình cấp thẻ qua ứng dụng MyVIB.
  • Tăng giá trị vòng đời khách hàng (LTV): Tỷ lệ chi tiêu bình quân trên thẻ kích hoạt tăng $28%$ nhờ chính sách hoàn tiền danh mục chuyên biệt (Dining, Online Shopping, Travel).
  • Thời gian hòa vốn chiến dịch (Payback Period): Dự kiến từ 6 đến 9 tháng sau khi triển khai hệ thống ưu đãi đối tác mới.

Hạn chế và hướng phát triển

Hạn chế của nghiên cứu

  • Mẫu khảo sát thuận tiện phi xác suất ($N = 250$) tập trung tại TP. Hồ Chí Minh, chưa mở rộng ra các tỉnh thành có đặc điểm kinh tế - xã hội khác nhau.
  • Phương pháp nghiên cứu cắt ngang (Cross-sectional) tại một thời điểm; chưa theo dõi biến động hành vi theo chuỗi thời gian dọc (Longitudinal Study).

Hướng nghiên cứu tiếp theo

  • Ứng dụng mô hình phương trình cấu trúc tuyến tính PLS-SEM (Partial Least Squares Structural Equation Modeling) để kiểm định các mối quan hệ trung gian và điều tiết (Moderating Effects) của yếu tố rủi ro cảm nhận và nhân khẩu học.
  • Ứng dụng Machine Learning và Big Data: Xây dựng mô hình Random Forest / XGBoost dự đoán tỷ lệ rời bỏ (Churn Rate) và hành vi chi tiêu thẻ tín dụng dựa trên nhật ký giao dịch thực tế của ngân hàng lõi (Core Banking Data).

Đối tượng hưởng lợi

                                  MA TRẬN GIÁ TRỊ THỤ HƯỞNG

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và cỡ mẫu tối thiểu để thực hiện mô hình EFA và hồi quy OLS trong nghiên cứu thẻ tín dụng là gì?

Cỡ mẫu tối thiểu được xác định dựa trên nguyên tắc nghiêm ngặt của Hair et al. ($N \ge 5 \times k$, với $k$ là tổng số biến quan sát; tương ứng $5 \times 28 = 140$) và Tabachnick & Fidell ($N \ge 50 + 8 \times m$, với $m$ là số biến độc lập; tương ứng $50 + 8 \times 6 = 98$). Nghiên cứu thu thập 250 mẫu hợp lệ, đáp ứng hoàn toàn điều kiện về độ mạnh thống kê. Thang đo cần kiểm định Cronbach's Alpha $\ge 0.7$, $KMO \ge 0.5$, kiểm định Bartlett có $\text{Sig.} < 0.05$ và hệ số $VIF < 2.0$.

2. Mô hình có gặp hiện tượng vi phạm các giả định hồi quy tuyến tính không?

Toàn bộ các giả định hồi quy đều được kiểm định chặt chẽ:

  • Đa cộng tuyến: Hệ số phóng đại phương sai $VIF < 1.5$ (ngưỡng an toàn $< 2.0$).
  • Tự tương quan: Đại lượng Durbin-Watson đạt giá trị trong khoảng $1.72 - 1.95$ (nằm trong vùng an toàn $1.5 - 2.5$).
  • Phân phối chuẩn phần dư: Biểu đồ Histogram và Normal P-P Plot cho thấy phần dư chuẩn hóa phân phối xấp xỉ phân phối chuẩn dạng chuông.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống CRM/Credit Scoring hiện tại của ngân hàng?

Ngân hàng có thể đưa các trọng số Beta chuẩn hóa vào thuật toán phân nhóm khách hàng (Customer Segmentation). Những khách hàng có xu hướng giao dịch trực tuyến cao trên E-commerce sẽ được hệ thống CRM tự động gợi ý phát hành dòng thẻ tích hợp ưu đãi liên kết (GTGT), trong khi nhóm khách hàng quan tâm đến chi phí sẽ được kích hoạt gói miễn phí thường niên có điều kiện.

4. Tần suất cập nhật dữ liệu và kiểm định lại mô hình nên được thực hiện như thế nào?

Thị trường tài chính và công nghệ thanh toán thay đổi nhanh chóng. Ngân hàng nên thực hiện đánh giá định kỳ 12 tháng một lần bằng cách khảo sát mẫu lặp lại (Tracking Survey) hoặc phân tích dữ liệu hành vi thực tế trên ứng dụng Mobile Banking để cập nhật các trọng số tác động mới.

5. Chi phí triển khai chương trình giá trị gia tăng (Cashback/Rewards) ảnh hưởng như thế nào đến biên lợi nhuận của ngân hàng?

Mặc dù chi phí hoàn tiền và chiết khấu đối tác chiếm khoảng 1.0 - 1.5% tổng doanh số thanh toán (Interchange Fee), nhưng doanh thu bù đắp từ phí quẹt thẻ qua POS/E-commerce, lãi suất dư nợ xoay vòng (Revolving Balance) và doanh thu bán chéo (Cross-selling) các sản phẩm bảo hiểm/tiền gửi giúp ngân hàng đạt tỷ suất sinh lời ròng (Net Interest Margin & Fee Income) tăng trưởng dương sau 6 tháng kích hoạt thẻ.


Kết luận

Nghiên cứu đã giải quyết thành công bài toán lượng hóa các yếu tố tác động đến quyết định sử dụng thẻ tín dụng của khách hàng cá nhân tại VIB TP. Hồ Chí Minh. Thông qua quy trình phân tích dữ liệu đa biến trên SPSS 26.0 từ 250 phiếu khảo sát hợp lệ, đề tài xác định được trật tự tác động của 6 nhân tố: Giá trị gia tăng ($\beta = 0.312$) > Chính sách ngân hàng ($\beta = 0.245$) > Sự tiện lợi ($\beta = 0.201$) > Xu hướng không dùng tiền mặt ($\beta = 0.168$) > Chuẩn chủ quan ($\beta = 0.134$) > Chi phí sử dụng ($\beta = 0.110$) với độ tin cậy giải thích $R^2 = 61.8%$.

Kết quả khẳng định rằng trong môi trường ngân hàng số hiện đại, ưu đãi cá nhân hóa và tốc độ xử lý dịch vụ (phát hành thẻ ảo, liên kết hệ sinh thái số) là yếu tố quyết định hàng đầu thu hút khách hàng, vượt lên trên các yếu tố chi phí truyền thống. Đây là cơ sở thực chứng giá trị để ban lãnh đạo VIB và các ngân hàng bán lẻ tại Việt Nam thiết lập các chiến lược phát triển sản phẩm thẻ khác biệt và bền vững.