Giới thiệu dự án

Thị trường công nghệ tài chính (Fintech) tại Việt Nam đang trải qua giai đoạn tăng trưởng bùng nổ, với tỷ lệ thâm nhập điện thoại thông minh (smartphone) đạt xấp xỉ 70% dân số (GSMA, 2023). Sự phổ cập của hạ tầng số và tầng lớp trung lưu gia tăng đã thúc đẩy nhu cầu sử dụng các ứng dụng quản lý tài chính cá nhân (Personal Financial Management Apps - PFMA). Trên bình diện quốc tế, quy mô thị trường phần mềm quản lý tài chính cá nhân dự kiến đạt 1,57 tỷ USD vào năm 2031 với tốc độ tăng trưởng kép hàng năm (CAGR) vượt 5,5%. Tuy nhiên, khả năng tiếp cận công nghệ không đồng nghĩa với mức độ gắn bó của người dùng; tỷ lệ rời bỏ (churn rate) sau thời gian ngắn trải nghiệm vẫn ở mức cao do rào cản về niềm tin bảo mật và giá trị cảm nhận chưa tương xứng.

Đề tài nghiên cứu khoa học chuyên sâu: "Factors Affecting User Satisfaction of Personal Financial Management Applications in Vietnam" (Các yếu tố ảnh hưởng đến sự hài lòng của người dùng đối với ứng dụng quản lý tài chính cá nhân tại Việt Nam) do sinh viên Nguyễn Ngọc Linh Trang (Khoa Kế toán, Phân tích và Kiểm toán – Trường Quốc tế, Đại học Quốc gia Hà Nội) thực hiện dưới sự hướng dẫn của TS. Nguyễn Thị Kim Oanh, nhằm giải quyết bài toán cốt lõi về trải nghiệm và sự thỏa mãn của người dùng số.

                           +------------------------------------------+
                           |  Thực trạng thị trường Fintech VN        |
                           |  - Smartphone thâm nhập: ~70% (GSMA 2023)|
                           |  - Thị trường PFMA toàn cầu: $1.57B/2031 |
                           +--------------------+---------------------+
                                                |
                                                v
                           +------------------------------------------+
                           |  Vấn đề: Churn rate cao, thiếu niềm tin  |
                           |  bảo mật, rào cản nỗ lực sử dụng         |
                           +--------------------+---------------------+
                                                |
                                                v
                           +------------------------------------------+
                           |  Giải pháp: Mô hình CVT + PLS-SEM        |
                           |  Đo lường tác động COV, COT, EF, R, PV   |
                           +------------------------------------------+

Mục tiêu dự án

  1. Xác định các nhân tố cấu thành: Nhận diện và hệ thống hóa các yếu tố cốt lõi (Sự thuận tiện - Convenience, Quyền kiểm soát - Control, Nỗ lực - Effort, Rủi ro - Risks, Giá trị cảm nhận - Perceived Value) tác động đến Sự hài lòng của người dùng (User Satisfaction) đối với PFMA.
  2. Đo lường mức độ tác động: Định lượng hóa trọng số đường dẫn (path coefficients) và vai trò trung gian (mediating effect) của Giá trị cảm nhận (PV) trong cấu trúc hành vi người dùng tại thị trường Việt Nam.
  3. Đề xuất khung giải pháp: Cung cấp cơ sở thực nghiệm chuẩn xác cho các kỹ sư phần mềm, nhà phát triển sản phẩm (Product Owners/Fintech Developers) và các tổ chức tài chính nhằm tối ưu hóa tính năng và tỷ lệ chuyển đổi.

Phương pháp tiếp cận và phạm vi nghiên cứu

  • Cơ sở lý thuyết: Tích hợp Thuyết Giá trị Khách hàng (Customer Value Theory - CVT của Zeithaml, 1988; Blut et al., 2023) kết hợp Mô hình Chấp nhận Công nghệ (TAM - Davis, 1989) và Thuyết Xác nhận Kỳ vọng (ECT - Oliver, 1980).
  • Phạm vi khảo sát: 224 người dùng thực tế tại Việt Nam đã và đang sử dụng các ứng dụng PFMA (chủ yếu trong nhóm tuổi 18–35 tuổi, chiếm hơn 97% mẫu nghiên cứu).
  • Công cụ đo lường: Thang đo Likert 7 điểm kết hợp thuật toán mô hình hóa phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) trên nền tảng SmartPLS 4.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại Việt Nam, người dùng tiếp cận PFMA qua hai kênh chính: các ứng dụng chuyên biệt độc lập (standalone apps như Money Lover, MISA MoneyKeeper) và các phân hệ quản lý tài chính tích hợp trong ngân hàng số (digital banking apps như Timo, Techcombank Mobile, TPBank).

Ứng dụng / Nền tảng Ưu điểm kỹ thuật Hạn chế cốt lõi Chi phí / Mô hình
Money Lover Tự động đọc hóa đơn/SMS biến động số dư, giao diện trực quan, đồng bộ đa nền tảng. Đồng bộ ngân hàng đôi khi gián đoạn; lo ngại về cấp quyền đọc SMS/tài khoản. Freemium (Bản Pro trả phí định kỳ)
MISA MoneyKeeper Tính năng ngân sách mạnh mẽ, báo cáo tài chính cá nhân chi tiết, bảo mật chuẩn doanh nghiệp. Giao diện nhiều nghiệp vụ kế toán phức tạp, tốn nỗ lực thiết lập ban đầu. Miễn phí / Gói nâng cao
YNAB (You Need A Budget) Triết lý Zero-based Budgeting xuất sắc, báo cáo trực quan, tối ưu hóa mục tiêu tài chính. Không hỗ trợ tự động kết nối API ngân hàng nội địa Việt Nam, rào cản ngôn ngữ. Trả phí cao (~$14.99/tháng hoặc $99/năm)
Mint (Intuit - Legacy) Hệ sinh thái phân tích dòng tiền toàn diện, theo dõi điểm tín dụng. Đã dừng hoạt động độc lập, không bản địa hóa cho thị trường Đông Nam Á. Đã chuyển dịch sang Credit Karma

Ma trận ưu tiên yêu cầu người dùng (MoSCoW)

  • Must-have (Bắt buộc phải có): Tính năng nhập liệu thu chi nhanh chóng ($< 3$ bước chạm), mã hóa bảo mật dữ liệu cấp ngân hàng (AES-256), báo cáo phân loại danh mục tự động.
  • Should-have (Nên có): Thiết lập ngân sách động cảnh báo vượt chi tiêu, hỗ trợ đồng bộ đa thiết bị tức thời.
  • Could-have (Có thể có): Gamification khuyến khích tiết kiệm, tích hợp AI phân tích thói quen tiêu dùng cá nhân hóa.
  • Won't-have (Chưa ưu tiên): Mạng xã hội hóa chia sẻ chi tiêu công khai, các công cụ phân tích đầu tư phái sinh phức tạp.
                           +-------------------------------------------------------------+
                           |             KHUNG LÝ THUYẾT NGHIÊN CỨU (CVT)                |
                           +-------------------------------------------------------------+
                                     |
           +-------------------------+-------------------------+
           | (Lợi ích cảm nhận)                                | (Chi phí/Rào cản)
           v                                                   v
    +--------------+    H5 (+)                          +--------------+    H8 (-)
    | Sự thuận tiện|------------+                +------|   Rủi ro     |------------+
    | (COV1 - COV3)|            |                |      | (R1 - R9)    |            |
    +--------------+            |                |      +--------------+            |
           | H1 (+)             v                v             | H4 (-)             |
           |            +--------------------------------+     |                    |
           +----------->| Giá trị cảm nhận (Perceived)   |<----+                    |
           |            | (PV1 - PV3)                    |                          |
    +--------------+    +--------------------------------+                          |
    | Quyền k.soát |            |                ^                                  v
    | (COT1 - COT3)|------------+ H6 (+)         | H7 (-)                    +--------------+
    +--------------+                             |                           | Sự hài lòng  |
           | H2 (+)                     +----------------+                   | Người dùng   |
           +--------------------------->|  Nỗ lực (EF)   |------------------>| (U1 - U3)    |
                                        |  (EF1 - EF3)   |       H3 (-)      +--------------+
                                        +----------------+                          ^
                                                 |                                  |
                                                 +----------------- H9 (+) ---------+

Thiết kế hệ thống & Mô hình toán học

Mô hình cấu trúc bậc cao (Hierarchical Component Model - HCM) dạng kết hợp phản xạ - hình thành (reflective-formative) được áp dụng để giải quyết triệt để hiện tượng đa cộng tuyến (collinearity) và nâng cao độ giải thích phương sai.

Thuật toán PLS-SEM tính toán mối quan hệ thông qua hệ phương trình đo lường và cấu trúc:

  1. Mô hình đo lường (Outer Model): $$X = \Lambda_x \xi + \delta$$ $$Y = \Lambda_y \eta + \epsilon$$ Trong đó: $X, Y$ là các biến chỉ báo quan sát; $\Lambda_x, \Lambda_y$ là ma trận hệ số tải ngoài (outer loadings); $\xi, \eta$ là các biến tiềm ẩn (latent constructs).

  2. Mô hình cấu trúc (Inner Model): $$\eta = B \eta + \Gamma \xi + \zeta$$ Trong đó: $B$ đại diện cho ma trận hệ số tác động giữa các biến nội sinh; $\Gamma$ là ma trận hệ số tác động từ biến ngoại sinh sang nội sinh; $\zeta$ là vector phần dư sai số cấu trúc.

Phương pháp nghiên cứu (Methodology)

Quy trình nghiên cứu định lượng được chuẩn hóa qua 4 giai đoạn nghiêm ngặt:

  • Thiết kế bảng hỏi và dịch ngược (Back-translation): Bảng hỏi gốc tiếng Anh được dịch sang tiếng Việt bởi nhóm chuyên gia, sau đó được dịch ngược độc lập sang tiếng Anh bởi Tiến sĩ Kế toán Quản trị nhằm bảo toàn 100% ngữ nghĩa cấu trúc.
  • Thử nghiệm sơ bộ (Pilot Test): Tiến hành trên nhóm sinh viên và chuyên viên tài chính để hiệu chỉnh từ ngữ và loại bỏ các biến đo lường gây hiểu nhầm.
  • Thu thập dữ liệu thực địa: Sử dụng phương pháp lấy mẫu thuận tiện (convenience sampling) qua các kênh mạng xã hội chuyên ngành tài chính. Tổng cộng 235 phiếu thu về, xử lý lọc sạch đạt 224 quan sát hợp lệ.
  • Kỹ thuật xử lý số liệu: Ứng dụng gói phần mềm chuyên dụng SmartPLS 4.0 và thư viện thống kê trong phân tích đa biến để kiểm định giả thuyết với kỹ thuật lặp mẫu lại Bootstrap (5.000 phân mẫu lặp).

Implementation và kết quả

Quy trình phân tích dữ liệu

Dưới đây là kịch bản chuẩn hóa thực thi thuật toán PLS-SEM và kiểm định Bootstrapping trên môi trường lập trình phân tích dữ liệu thống kê (sử dụng thư viện seminr / plspm):

# ==============================================================================
# Script: PLS-SEM Structural Model Estimation for PFMA User Satisfaction
# Environment: R 4.3.2 / seminr package v2.3.2
# ==============================================================================

library(seminr)

# 1. Khởi tạo mô hình đo lường (Measurement Model)
pfma_mm <- constructs(
  composite("COV", multi_items("COV", 1:3), weights = mode_A),
  composite("COT", multi_items("COT", 1:3), weights = mode_A),
  composite("EF",  multi_items("EF",  1:3), weights = mode_A),
  composite("R",   multi_items("R",   1:9), weights = mode_A),
  composite("PV",  multi_items("PV",  1:3), weights = mode_A),
  composite("U",   multi_items("U",   1:3), weights = mode_A)
)

# 2. Khởi tạo mô hình cấu trúc (Structural Model)
pfma_sm <- relationships(
  paths(from = c("COV", "COT", "EF", "R"), to = c("PV", "U")),
  paths(from = c("PV"), to = c("U"))
)

# 3. Ước lượng mô hình PLS-SEM và chạy Bootstrapping (5,000 resamples)
pfma_model <- estimate_pls(data = pfma_survey_data, 
                           measurement_model = pfma_mm, 
                           structural_model = pfma_sm)

boot_estimates <- bootstrap_model(seminr_model = pfma_model, 
                                  nboot = 5000, 
                                  cores = parallel::detectCores())

# 4. Xuất kết quả t-statistics và p-values
summary(boot_estimates)

Kiểm định chất lượng mô hình đo lường (Measurement Model)

Mô hình đo lường đã vượt qua tất cả các tiêu chuẩn khắt khe về độ tin cậy và giá trị hội tụ theo chuẩn mực của Hair et al. (2022):

  1. Độ tin cậy thang đo (Construct Reliability):
    • Hệ số Cronbach’s Alpha (CA) của toàn bộ các cấu trúc đều nằm trong khoảng $0.785 - 0.924$, vượt ngưỡng tối thiểu $0.70$.
    • Độ tin cậy tổng hợp (Composite Reliability - CR) đạt từ $0.852$ đến $0.941$, vượt ngưỡng khuyến nghị $0.708$.
  2. Giá trị hội tụ (Convergent Validity):
    • Hệ số tải ngoài (Outer Loadings) của tất cả các biến quan sát đều $> 0.70$ (với $t\text{-statistic} > 1.96, p < 0.001$).
    • Phương sai trích trung bình (Average Variance Extracted - AVE) dao động từ $0.621$ đến $0.865$, hoàn toàn vượt ngưỡng chuẩn $0.50$.
Khái niệm (Construct) Mã biến Outer Loadings Cronbach's Alpha Composite Reliability (CR) AVE
Sự thuận tiện (COV) COV1 - COV3 $0.824 - 0.891$ 0.842 0.905 0.760
Quyền kiểm soát (COT) COT1 - COT3 $0.815 - 0.887$ 0.819 0.892 0.735
Nỗ lực sử dụng (EF) EF1 - EF3 $0.792 - 0.865$ 0.801 0.883 0.716
Rủi ro cảm nhận (R) R1 - R9 $0.712 - 0.854$ 0.912 0.928 0.624
Giá trị cảm nhận (PV) PV1 - PV3 $0.845 - 0.910$ 0.863 0.916 0.784
Sự hài lòng (U) U1 - U3 $0.876 - 0.932$ 0.889 0.931 0.819
  1. Giá trị phân biệt (Discriminant Validity):
    • Tiêu chí Fornell-Larcker: Căn bậc hai AVE của từng cấu trúc (trên đường chéo chính) luôn lớn hơn tương quan giữa cấu trúc đó với bất kỳ biến tiềm ẩn nào khác trong mô hình.
    • Chỉ số HTMT (Heterotrait-Monotrait Ratio): Toàn bộ các giá trị tỷ lệ HTMT đều $< 0.881$, thấp hơn ngưỡng trần nghiêm ngặt $0.90$, chứng minh tính biệt lập hoàn toàn giữa các cấu trúc nghiên cứu.
    • Đa cộng tuyến (Multicollinearity): Hệ số VIF của các biến ngoại sinh dao động từ $1.412$ đến $2.315$, thấp hơn nhiều so với ngưỡng cảnh báo $5.0$.

Kết quả kiểm định giả thuyết cấu trúc

Giả thuyết Mối quan hệ tác động Trọng số đường dẫn ($\beta$) $t$-Statistic $p$-Value Trạng thái kiểm định
H1 $\text{Convenience} \rightarrow \text{User Satisfaction}$ $+0.342$ $4.821$ $0.000$ Chấp nhận (Supported)
H2 $\text{Control} \rightarrow \text{User Satisfaction}$ $+0.082$ $1.245$ $0.214$ Bác bỏ (Not Supported)
H3 $\text{Effort} \rightarrow \text{User Satisfaction}$ $-0.045$ $0.782$ $0.435$ Bác bỏ (Not Supported)
H4 $\text{Risks} \rightarrow \text{User Satisfaction}$ $-0.198$ $3.114$ $0.002$ Chấp nhận (Supported)
H5 $\text{Convenience} \rightarrow \text{Perceived Value}$ $+0.285$ $3.956$ $0.000$ Chấp nhận (Supported)
H6 $\text{Control} \rightarrow \text{Perceived Value}$ $+0.214$ $2.894$ $0.004$ Chấp nhận (Supported)
H7 $\text{Effort} \rightarrow \text{Perceived Value}$ $-0.038$ $0.561$ $0.575$ Bác bỏ (Not Supported)
H8 $\text{Risks} \rightarrow \text{Perceived Value}$ $-0.246$ $3.428$ $0.001$ Chấp nhận (Supported)
H9 $\text{Perceived Value} \rightarrow \text{User Satisfaction}$ $+0.412$ $6.120$ $0.000$ Chấp nhận (Supported)
                                  KẾT QUẢ PHÂN TÍCH TÁC ĐỘNG
                          (Đường dẫn có ý nghĩa thống kê p < 0.01)
                          
       +-----------------------+                    +-----------------------+
       |   Sự thuận tiện (COV) |                    |  Quyền kiểm soát (COT)|
       +-----------------------+                    +-----------------------+
           |               \                            /
           | beta=+0.342    \ beta=+0.285              / beta=+0.214
           | (Trực tiếp)     \                        /
           |                  v                      v
           |               +----------------------------+
           |               |   Giá trị cảm nhận (PV)    |
           |               +----------------------------+
           |                              |
           |                              | beta=+0.412
           v                              v
       +------------------------------------------------+
       |        Sự hài lòng của người dùng (U)          |
       +------------------------------------------------+
           ^                              ^
           |                              |
           | beta=-0.198                  | beta=-0.246
           | (Trực tiếp)                  |
       +-----------------------+          |
       |     Rủi ro (Risks)    |----------+
       +-----------------------+

Đổi mới và đóng góp

  1. Làm rõ vai trò trung gian then chốt của Giá trị Cảm nhận (Perceived Value): Nghiên cứu chứng minh Giá trị cảm nhận là cầu nối trung gian bắt buộc ($\beta = 0.412, p < 0.001$) biến đổi cảm giác an tâm về quyền kiểm soát (Control) và giảm thiểu lo ngại rủi ro (Risks) thành hành vi hài lòng thực tế.
  2. Phát hiện nghịch lý về biến Nỗ lực (Effort Factor): Ngược lại với các nghiên cứu truyền thống trên hệ thống ERP hoặc e-commerce cổ điển, biến "Nỗ lực sử dụng" không có tác động mang ý nghĩa thống kê lên sự hài lòng của người dùng trẻ tại Việt Nam. Điều này chỉ ra rằng giao diện mượt mà (intuitive UI/UX) đã trở thành "tiêu chuẩn mặc định" (hygiene factor) chứ không còn là yếu tố tạo giá trị khác biệt cạnh tranh.
  3. Mô hình hóa tác động đa chiều của Rủi ro (Multi-dimensional Risks): Tích hợp cả 3 khía cạnh: rủi ro tài chính (chi phí ẩn khi mua bản Pro), rủi ro hiệu năng (lỗi đồng bộ số dư) và rủi ro rò rỉ dữ liệu định danh riêng tư vào thang đo thống nhất $R_1 - R_9$.
  4. Đóng góp học thuật và thực tiễn: Khóa luận cung cấp bộ dữ liệu thực chứng chuẩn hóa đầu tiên tại Việt Nam áp dụng mô hình CVT kết hợp PLS-SEM cho phân khúc người dùng PFMA thế hệ số.

Ứng dụng thực tế và triển khai

Chiến lược tối ưu hóa sản phẩm cho Fintech Developers

Dựa trên các chỉ số định lượng, các doanh nghiệp Fintech có thể triển khai lộ trình cải tiến kỹ thuật theo 3 trụ cột:

                            LỘ TRÌNH TRIỂN KHAI FINTECH PFMA
                            
    +-------------------------------------------------------------------------------+
    | Giai đoạn 1: Triển khai Hạ tầng Bảo mật & Giảm thiểu Rủi ro (Tháng 1 - 2)      |
    | - Tích hợp xác thực sinh trắc học FIDO2 / Biometrics                          |
    | - Mã hóa cục bộ dữ liệu SQLite trên thiết bị với SQLCipher (AES-256)          |
    +-------------------------------------------------------------------------------+
                                           |
                                           v
    +-------------------------------------------------------------------------------+
    | Giai đoạn 2: Tối ưu hóa Tiện ích & Tự động hóa Dòng tiền (Tháng 3 - 4)        |
    | - Xây dựng Open Banking API theo chuẩn ISO 20022                              |
    | - Tự động trích xuất hóa đơn điện tử e-invoice thông qua OCR on-device        |
    +-------------------------------------------------------------------------------+
                                           |
                                           v
    +-------------------------------------------------------------------------------+
    | Giai đoạn 3: Trao quyền Kiểm soát & Tối đa hóa Giá trị Cảm nhận (Tháng 5 - 6) |
    | - Cung cấp cơ chế phân quyền xem dữ liệu (Multi-profile/Family Ledger)        |
    | - Dashboard phân tích dự báo dòng tiền bằng học máy (Cashflow Forecasting)    |
    +-------------------------------------------------------------------------------+
  1. Kiến trúc bảo mật giảm thiểu rủi ro (Risk Mitigation Architecture):

    • Ứng dụng công nghệ mã hóa đầu-cuối (End-to-End Encryption - E2EE) cho toàn bộ nhật ký giao dịch.
    • Minh bạch hóa chính sách quyền riêng tư theo Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân tại Việt Nam.
  2. Gia tăng sự thuận tiện qua tự động hóa (Automated Convenience):

    • Phát triển giải pháp đọc dữ liệu sao kê ngân hàng tự động qua giao diện Open API mở (Open Banking Architecture) thay vì yêu cầu người dùng nhập liệu thủ công từng khoản mục thu chi nhỏ lẻ.

Hạn chế và hướng phát triển

  • Đặc điểm phân bổ mẫu khảo sát: Mẫu nghiên cứu ($n=224$) có tỷ lệ nữ giới chiếm đa số ($74.6%$) và tập trung chủ yếu vào nhóm tuổi trẻ 18–25 tuổi ($72.3%$). Kết quả có thể phản ánh mạnh mẽ hành vi của phân khúc sinh viên và người mới đi làm, nhưng chưa đại diện toàn diện cho nhóm khách hàng trung niên có tài sản tích lũy lớn.
  • Phương pháp lấy mẫu: Áp dụng phương pháp chọn mẫu phi xác suất (thuận tiện qua nền tảng trực tuyến), tiềm ẩn sai số tự chọn mẫu (self-selection bias).
  • Hướng phát triển mở rộng: Các công trình nghiên cứu tiếp theo nên mở rộng quy mô mẫu đa tầng ($n > 500$), phân tích đa nhóm (Multi-Group Analysis - MGA) giữa các thế hệ (Gen Z vs. Gen Y vs. Gen X) và tích hợp các yếu tố công nghệ mới như Trí tuệ nhân tạo tạo sinh (Generative AI) trong quản lý tài chính cá nhân.

Đối tượng hưởng lợi

  • Sinh viên và Học viên Cao học: Nắm bắt quy trình thực thi một đề tài nghiên cứu định lượng chuẩn mực từ thiết kế thang đo, quy trình dịch ngược đến phân tích dữ liệu PLS-SEM trên SmartPLS.
  • Kỹ sư Phần mềm và Lập trình viên: Nhận diện các tính năng kỹ thuật tác động trực tiếp đến sự hài lòng của người dùng để ưu tiên tài nguyên phát triển kiến trúc hệ thống phù hợp.
  • Doanh nghiệp Fintech & Ngân hàng: Định hình chiến lược định vị sản phẩm (Product Market Fit), xây dựng chính sách giá Freemium hợp lý và tăng tỷ lệ giữ chân khách hàng (Retention Rate).
  • Nhà nghiên cứu khoa học: Khung tham chiếu vững chắc về việc ứng dụng Thuyết Giá trị Khách hàng (CVT) trong bối cảnh các dịch vụ tài chính số tại các nền kinh tế mới nổi.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chọn phương pháp phân tích PLS-SEM thay vì CB-SEM (AMOS/LISREL)?

PLS-SEM là phương pháp tiếp cận dựa trên phương sai (variance-based), tối ưu cho các mô hình nghiên cứu mang tính khám phá và mở rộng lý thuyết phức tạp với nhiều biến trung gian. Ngoài ra, PLS-SEM không đòi hỏi giả định nghiêm ngặt về phân phối chuẩn đa biến của dữ liệu khảo sát và hoạt động hiệu quả với kích thước mẫu $n=224$.

2. Vì sao yếu tố "Nỗ lực" (Effort) lại không ảnh hưởng đến sự hài lòng của người dùng trong nghiên cứu này?

Phần lớn người tham gia khảo sát thuộc thế hệ kỹ thuật số (Digital Natives - Gen Z & Millennials, chiếm hơn 97%). Nhóm người dùng này có năng lực sử dụng thiết bị thông minh vượt trội, do đó sự đơn giản của ứng dụng được xem là điều kiện hiển nhiên, không tạo nên giá trị gia tăng vượt trội để thúc đẩy mức độ hài lòng.

3. Doanh nghiệp Fintech nên ưu tiên đầu tư vào Sự thuận tiện hay Tính năng bảo mật?

Cả hai đều tác động trực tiếp đến sự hài lòng, nhưng Sự thuận tiện có trọng số tác động trực tiếp mạnh nhất ($\beta = 0.342$), trong khi Rủi ro tác động kép cả trực tiếp ($\beta = -0.198$) và gián tiếp qua Giá trị cảm nhận ($\beta = -0.246$). Do đó, chiến lược tối ưu là xây dựng sự thuận tiện tối đa trên nền tảng bảo mật vững chắc và minh bạch.

4. Bảng câu hỏi nghiên cứu sử dụng thang đo nào và được chuẩn hóa ra sao?

Nghiên cứu sử dụng thang đo Likert 7 điểm (từ 1: Hoàn toàn không đồng ý đến 7: Hoàn toàn đồng ý), được kế thừa từ các công trình uy tín quốc tế (Mathwick et al., Lin et al., Kleijnen et al.) và trải qua quy trình dịch ngược độc lập (Back-translation) nhằm loại bỏ sai lệch văn hóa.

5. Kết quả nghiên cứu có thể áp dụng cho các ứng dụng ngân hàng số (Digital Banking) không?

Có thể áp dụng hoàn toàn. Các phân hệ quản lý chi tiêu (Personal Financial Management module) tích hợp trong ứng dụng ngân hàng số hiện nay đều chịu sự chi phối trực tiếp từ các biến số Tiện lợi, Quyền kiểm soát tài khoản và Nhận thức rủi ro của khách hàng.


Kết luận

Đồ án tốt nghiệp của tác giả Nguyễn Ngọc Linh Trang đã giải quyết trọn vẹn câu hỏi nghiên cứu về các yếu tố quyết định sự hài lòng của người dùng ứng dụng quản lý tài chính cá nhân tại Việt Nam. Bằng việc kết hợp chặt chẽ giữa Thuyết Giá trị Khách hàng (CVT) và kỹ thuật phân tích PLS-SEM trên SmartPLS 4, nghiên cứu đã chứng minh thực nghiệm rằng Sự thuận tiện, Rủi roGiá trị cảm nhận là ba động lực trực tiếp định hình trải nghiệm người dùng, trong khi Quyền kiểm soát phát huy tác động thông qua giá trị trung gian cảm nhận. Đây là tài liệu tham khảo có giá trị học thuật cao và mang tính ứng dụng thực tiễn to lớn cho ngành công nghệ tài chính Việt Nam.