Giới thiệu dự án

Thị trường mỹ phẩm và sản phẩm chăm sóc cá nhân tại Việt Nam đang trải qua giai đoạn bùng nổ mạnh mẽ với tốc độ tăng trưởng kép hàng năm ấn tượng. Theo báo cáo từ Euromonitor International, quy mô thị trường mỹ phẩm Việt Nam đã vượt mốc 2 tỷ USD và tiếp tục duy trì đà tăng trưởng khả quan nhờ sự gia tăng của tầng lớp trung lưu và mức thu nhập khả dụng. Trong bức tranh cạnh tranh quốc tế, Hàn Quốc giữ vững vị trí số 1 về thị phần xuất khẩu mỹ phẩm vào Việt Nam, chiếm tới 30% tổng kim ngạch nhập khẩu, vượt qua các thị trường truyền thống như Châu Âu (23%), Nhật Bản (17%) và Hoa Kỳ (10%). Trên bình diện toàn cầu, ngành công nghiệp làm đẹp Hàn Quốc (K-Beauty) đạt quy mô doanh thu ước tính hơn 13,1 tỷ USD (Mintel).

Thế hệ Z (Gen Z – nhóm dân số sinh từ năm 1995 đến 2010) tại Thành phố Hồ Chí Minh đang nổi lên như một phân khúc khách hàng mục tiêu chiến lược với hành vi tiêu dùng độc đặc, gắn liền với môi trường số hóa và sự giao thoa văn hóa mạnh mẽ thông qua làn sóng Hallyu. Tuy nhiên, các doanh nghiệp kinh doanh mỹ phẩm ngoại nhập đối mặt với thách thức lớn: thiếu hụt mô hình định lượng chuẩn xác để đánh giá mức độ chi phối thực tế của từng điểm chạm truyền thông và yếu tố tâm lý tới quyết định mua hàng của Gen Z.

Đề tài khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến ý định mua mỹ phẩm Hàn Quốc của Gen Z tại Thành phố Hồ Chí Minh" (Ngành Quản trị kinh doanh, Trường Đại học Ngân hàng TP.HCM) được xây dựng nhằm giải quyết triệt để bài toán này.

graph TD
    A[Bối cảnh thị trường K-Beauty VN > 2 tỷ USD] --> B[Khoảng trống nhận diện hành vi Gen Z]
    B --> C[Mô hình tích hợp TRA & TPB mở rộng]
    C --> D[Phân tích thực nghiệm N=221 tại TP.HCM]
    D --> E[Chiến lược tối ưu hóa Marketing & ROI]

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý thuyết: Tổng hợp và chuẩn hóa khung lý thuyết hành vi người tiêu dùng dựa trên Lý thuyết Hành động Hợp lý (TRA) và Thuyết Hành vi Có kế hoạch (TPB).
  2. Xác định và lượng hóa các biến độc lập: Đánh giá tác động của 5 nhóm nhân tố chính: Thương hiệu (TH), Thái độ (TD), Nhóm tham khảo (NTK), Hình ảnh đất nước (CI), và Truyền miệng điện tử (eWOM) đến Ý định mua sắm (YD).
  3. Kiểm định sự khác biệt nhân khẩu học: Đo lường sự biến thiên trong ý định mua hàng theo các nhóm giới tính, độ tuổi, nghề nghiệp, thu nhập, mục đích sử dụng và tần suất mua sắm.
  4. Đề xuất hàm ý quản trị: Cung cấp bộ giải pháp thực thi marketing mix (4P/7P) có căn cứ định lượng dành cho các nhà phân phối mỹ phẩm Hàn Quốc.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Địa bàn Thành phố Hồ Chí Minh – trung tâm kinh tế và tiêu dùng mỹ phẩm sôi động nhất cả nước.
  • Thời gian nghiên cứu: Thu thập và xử lý dữ liệu thực nghiệm trong khung thời gian 03 tháng.
  • Đối tượng khảo sát: Nhóm người tiêu dùng Gen Z (độ tuổi từ 13 đến 28 tuổi), mẫu phân tích hợp lệ đạt chuẩn $N = 221$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi tiêu dùng hiện đại đòi hỏi sự chuyển dịch từ các mô hình định tính truyền thống sang các khung phân tích định lượng đa biến. Bảng so sánh dưới đây phân tích các cách tiếp cận nghiên cứu tiếp thị hiện hành:

Tiêu chí phân tích Phương pháp nghiên cứu truyền thống Phương pháp tiếp cận của đề tài
Cơ sở lý thuyết Đơn khung (chỉ dùng TRA hoặc TPB độc lập) Tích hợp đa chiều (TRA, TPB kết hợp eWOM & Country Image)
Công cụ đo lường Bảng hỏi định tính, phỏng vấn nhóm nhỏ Thang đo Likert 5 điểm chuẩn hóa, kiểm định EFA & OLS
Mức độ kiểm định Thống kê mô tả cơ bản Kiểm định độ tin cậy Cronbach's Alpha, EFA, ANOVA, Hồi quy
Khả năng ứng dụng Nhận định chung, khó lượng hóa Thiết lập hệ số hồi quy chuẩn hóa $\beta$, định hướng ngân sách rõ ràng

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW)

  • Must have (Bắt buộc có): Bộ thang đo 27 biến quan sát chuẩn hóa; kiểm định hệ số tin cậy $\alpha \ge 0.6$; phân tích nhân tố khám phá (EFA) trích xuất phương sai $\ge 50%$; mô hình hồi quy đa biến không vi phạm đa cộng tuyến ($\text{VIF} < 10$).
  • Should have (Nên có): Kiểm định ANOVA và Independent Samples T-test cho các biến nhân khẩu học; kiểm tra phân phối chuẩn của phần dư (Histogram, Normal P-P Plot).
  • Could have (Có thể có): Mở rộng phân tích so sánh giữa nhóm chăm sóc da (Skincare) và trang điểm (Makeup).
  • Won't have (Không thực hiện kỳ này): Khảo sát mở rộng ra ngoài phạm vi địa lý TP.HCM và phân tích mô hình phương trình cấu trúc tuyến tính SEM bậc cao.

Thiết kế hệ thống mô hình và cấu trúc thang đo

Mô hình nghiên cứu đề xuất được thiết lập dựa trên mối quan hệ tuyến tính giữa 5 biến độc lập và 1 biến phụ thuộc, được vận hành qua 27 biến quan sát đo lường trên thang điểm Likert 5 mức độ (1: Rất không đồng ý $\rightarrow$ 5: Rất đồng ý).

graph LR
    TH[Thương hiệu - TH: 5 biến] --> YD[Ý định mua sắm - YD: 3 biến]
    TD[Thái độ - TD: 5 biến] --> YD
    NTK[Nhóm tham khảo - NTK: 4 biến] --> YD
    CI[Hình ảnh đất nước - CI: 5 biến] --> YD
    eWOM[Truyền miệng điện tử - eWOM: 5 biến] --> YD

Bảng cấu trúc hệ thống thang đo chi tiết

  1. Thương hiệu (TH - Brand): Đo lường sự khác biệt, uy tín, danh tiếng và sự tin cậy của thương hiệu mỹ phẩm (5 biến quan sát: TH1 - TH5). Nguồn tham khảo: Nguyễn Hoài Tú Nguyên & ctg (2021), Meng (2014), Augustini & Devita (2019).
  2. Thái độ (TD - Attitude): Đo lường niềm tin về lợi ích, thành phần tự nhiên và sự yêu thích của người dùng (5 biến quan sát: TD1 - TD5). Nguồn tham khảo: Nofri (2019), Nguyễn Thị Thùy Quyên (2015).
  3. Nhóm tham khảo (NTK - Reference Group): Đo lường mức độ ảnh hưởng từ bạn bè, người nổi tiếng, chuyên gia làm đẹp và đại sứ thương hiệu (4 biến quan sát: NTK1 - NTK4). Nguồn tham khảo: Nguyễn Hoài Tú Nguyên & ctg (2021).
  4. Hình ảnh đất nước (CI - Country Image): Đo lường cảm nhận về công nghệ, văn hóa thời trang, công nghiệp giải trí và mạng lưới phân phối của Hàn Quốc (5 biến quan sát: CI1 - CI5). Nguồn tham khảo: Augustini & Devita (2019), Nguyễn Thị Thùy Quyên (2015).
  5. Truyền miệng điện tử (eWOM): Đo lường hành vi đọc review, mức độ tin cậy đánh giá trực tuyến và mức độ tự tin khi tham khảo cộng đồng mạng (5 biến quan sát: eWOM1 - eWOM5). Nguồn tham khảo: Xiao & ctg (2016), Lkhaasuren & Nam (2018).
  6. Ý định mua sắm (YD - Purchase Intention): Đo lường ý định thực hiện hành vi mua, mức độ sẵn lòng giới thiệu cho người khác (3 biến quan sát: YD1 - YD3). Nguồn tham khảo: Xiao & ctg (2016).

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình 2 giai đoạn chặt chẽ:

  1. Nghiên cứu sơ bộ (Định tính): Tiến hành phỏng vấn thảo luận nhóm tập trung ($N = 10$ sinh viên Đại học Ngân hàng TP.HCM đang sử dụng mỹ phẩm Hàn Quốc) để điều chỉnh ngữ nghĩa các câu hỏi trong thang đo gốc, đảm bảo tính bản địa hóa và phù hợp với thuật ngữ của Gen Z.
  2. Nghiên cứu chính thức (Định lượng):
    • Xác định cỡ mẫu tối thiểu: Theo quy tắc Hair & ctg (1998), cỡ mẫu tối thiểu cho phân tích EFA là $N_{\text{min}} = 5 \times m = 5 \times 27 = 135$ quan sát. Cỡ mẫu thực tế thu thập đạt 240 phiếu, sau khi lọc làm sạch loại bỏ 19 phiếu không hợp lệ, thu được $N = 221$ phiếu hợp lệ (tỷ lệ hữu dụng đạt 92,08%), thỏa mãn hoàn hảo tiêu chuẩn mẫu phân tích thống kê.
    • Công cụ thu thập: Biểu mẫu trực tuyến Google Forms phân phối đa kênh (Facebook, Zalo, Email cộng đồng).
    • Phần mềm xử lý dữ liệu: IBM SPSS Statistics phiên bản 20.0.

Implementation và kết quả

Quy trình xử lý và thuật toán phân tích dữ liệu

Toàn bộ dữ liệu sau khi thu thập được mã hóa và làm sạch trong SPSS 20.0. Mô hình hồi quy tổng quát có dạng:

$$\text{YD} = \beta_0 + \beta_1 \text{TH} + \beta_2 \text{TD} + \beta_3 \text{NTK} + \beta_4 \text{CI} + \beta_5 \text{eWOM} + \varepsilon$$

Để minh chứng tính chặt chẽ của quy trình định lượng, pipeline xử lý dữ liệu và kiểm định hồi quy có thể được mô phỏng chuẩn xác qua đoạn mã Python chuyên dụng cho phân tích thống kê:

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

# 1. Load và tiền xử lý dữ liệu khảo sát (N=221)
df = pd.read_csv("genz_kbeauty_survey_221.csv")

# 2. Hàm tính toán hệ số tin cậy Cronbach's Alpha
def cronbach_alpha(items_df):
    item_vars = items_df.var(axis=0, ddof=1)
    total_var = items_df.sum(axis=1).var(ddof=1)
    k = items_df.shape[1]
    return (k / (k - 1)) * (1 - (item_vars.sum() / total_var))

# 3. Phân tích nhân tố khám phá EFA (Principal Axis Factoring, Varimax Rotation)
efa = FactorAnalyzer(n_factors=5, rotation='varimax', method='principal')
efa.fit(df[['TH1','TH2','TH3','TH4','TH5',
            'TD1','TD2','TD3','TD4','TD5',
            'NTK1','NTK2','NTK3','NTK4',
            'CI1','CI2','CI3','CI4','CI5',
            'eWOM1','eWOM2','eWOM3','eWOM4','eWOM5']])
loadings = efa.loadings_

# 4. Ước lượng mô hình hồi quy tuyến tính OLS
X = df[['TH_mean', 'TD_mean', 'NTK_mean', 'CI_mean', 'eWOM_mean']]
X = sm.add_constant(X)
y = df['YD_mean']

model = sm.OLS(y, X).fit()
print(model.summary())

# 5. Kiểm tra hiện tượng đa cộng tuyến qua chỉ số VIF
vif_data = pd.DataFrame()
vif_data["Feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]
print(vif_data)

Kiểm định chất lượng thang đo và mô hình thống kê

1. Kiểm định độ tin cậy Cronbach's Alpha

Tất cả 6 thang đo (5 biến độc lập + 1 biến phụ thuộc) đều vượt qua kiểm định nghiêm ngặt:

  • Hệ số $\alpha$ của toàn bộ các nhóm biến dao động từ $0.78$ đến $0.89$ ($> 0.6$).
  • Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của tất cả 27 biến quan sát đều lớn hơn $0.30$, không có biến rác bị loại.

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Chỉ số KMO đạt giá trị cao ($0.5 \le \text{KMO} \le 1.0$), kiểm định Bartlett có mức ý nghĩa $\text{Sig.} = 0.000 < 0.05$, chứng minh các biến quan sát có tương quan chặt chẽ. Hệ số tải nhân tố (Factor Loading) của tất cả các biến đều lớn hơn $0.5$. Tổng phương sai trích (Total Variance Explained) vượt ngưỡng $50%$ với hệ số Eigenvalue $> 1.0$, trích xuất chuẩn xác thành 5 nhóm nhân tố ban đầu.
  • Biến phụ thuộc (YD): Trích xuất đơn nhân tố với hệ số Eigenvalue $> 1$ và phương sai trích $> 50%$.

3. Phân tích tương quan Pearson và Hồi quy đa biến

  • Kết quả phân tích tương quan Pearson chỉ ra mối quan hệ đồng biến có ý nghĩa thống kê giữa cả 5 nhân tố độc lập với Ý định mua sắm ($\text{Sig.} < 0.05$).
  • Độ phù hợp mô hình: Hệ số $R^2$ hiệu chỉnh (Adjusted R Square) giải thích tỷ lệ biến thiên cao của Ý định mua sắm. Phân tích phương sai ANOVA cho giá trị thống kê $F$ có mức ý nghĩa $\text{Sig.} = 0.000 < 0.05$.
  • Kiểm định hiện tượng đa cộng tuyến: Tất cả các hệ số phóng đại phương sai $\text{VIF} < 2.0$ (thấp hơn nhiều so với ngưỡng cảnh báo $10.0$), khẳng định mô hình không bị vi phạm hiện tượng đa cộng tuyến.
pie title Phân bổ cơ cấu mục đích sử dụng mỹ phẩm Gen Z
    "Chăm sóc da (Skincare)" : 67.0
    "Trang điểm (Makeup)" : 33.0

Thống kê mô tả đặc điểm nhân khẩu học mẫu nghiên cứu

Phân tích mẫu khảo sát thực nghiệm ($N = 221$) phản ánh rõ nét bức tranh chân dung người tiêu dùng Gen Z tại TP.HCM:

Tiêu chí phân loại Phân nhóm chi tiết Tần số (Quan sát) Tần suất (%)
Giới tính Nam 64 29.5%
Nữ 157 70.5%
Độ tuổi 13 – 16 tuổi 12 5.4%
17 – 20 tuổi 77 34.8%
21 – 24 tuổi 110 49.8%
25 – 28 tuổi 22 10.0%
Nghề nghiệp Học sinh, sinh viên 102 46.2%
Nhân viên văn phòng 49 22.2%
Kinh doanh tự do / Khác 70 31.6%
Mức thu nhập Dưới 8 triệu VNĐ 83 37.3%
Từ 8 – 12 triệu VNĐ 74 33.5%
Từ 12 – 20 triệu VNĐ 64 29.2%
Mục đích sử dụng Chăm sóc da (Skincare) 148 67.0%
Trang điểm (Makeup) 73 33.0%
Tần suất mua sắm Mỗi tuần 1 lần 16 7.2%
Mỗi tháng 1 lần 91 41.2%
Thỉnh thoảng / Khác 114 51.6%

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn nổi bật khi so sánh với các công trình nghiên cứu đi trước:

Tác giả & Năm Đối tượng & Bối cảnh Phương pháp phân tích Kết quả cốt lõi & Hạn chế so sánh
Tjoe & Kim (2016) Người tiêu dùng Indonesia Hồi quy đa biến Chứng minh tác động của Hallyu và Country Image nhưng chưa tích hợp sâu vai trò của review trực tuyến (eWOM).
Xiao & ctg (2016) Khách hàng Bắc Kinh & Thượng Hải Phân tích hồi quy Khẳng định vai trò của eWOM và Country Image nhưng tập trung vào thị trường Trung Quốc với hệ sinh thái mạng xã hội đóng kín.
Nugroho & ctg (2022) Gen Z tại Indonesia Mô hình SEM - PLS Nhấn mạnh độ tin cậy của Beauty Influencer và Brand Image, chưa lượng hóa sâu sự khác biệt giữa các nhóm nhân khẩu học.
Nguyễn & Nguyễn (2021) Nữ giới Gen Z tại TP.HCM Hồi quy OLS Khảo sát giới hạn ở nữ giới, bỏ qua phân khúc nam giới Gen Z (chiếm tới 29.5% trong nghiên cứu hiện tại).
Đề tài hiện tại (2023) Gen Z (Nam & Nữ) tại TP.HCM Cronbach's $\alpha$, EFA, OLS, T-test, ANOVA Tích hợp toàn diện 5 yếu tố, xác lập mô hình bao quát cả nam và nữ Gen Z, đo lường chi tiết hành vi Skincare vs. Makeup.

Những cải tiến và đổi mới mang tính ứng dụng

  1. Lượng hóa vai trò của phân khúc Nam giới Gen Z: Phá vỡ định kiến tiếp thị mỹ phẩm truyền thống bằng việc đưa vào mẫu nghiên cứu 29.5% nam giới, mở ra dữ liệu thực nghiệm mới cho dòng sản phẩm unisex và chăm sóc da nam.
  2. Xác lập trật tự chi phối của eWOM: Chứng minh truyền miệng điện tử (eWOM) trên các nền tảng mạng xã hội (TikTok, Shopee Reviews, Beauty Community) giữ vai trò then chốt định hình niềm tin mua sắm của Gen Z.
  3. Phát hiện sự áp đảo của xu hướng Skincare (67%): Chỉ ra nhu cầu chăm sóc da chuyên sâu, an toàn và thành phần tự nhiên chiếm ưu thế tuyệt đối so với trang điểm màu (Makeup).

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, các doanh nghiệp và thương hiệu mỹ phẩm Hàn Quốc có thể áp dụng lộ trình triển khai chiến lược tiếp thị 4 giai đoạn:

gantt
    title Lộ trình triển khai chiến lược tiếp thị K-Beauty cho Gen Z
    dateFormat  YYYY-MM
    section Giai đoạn 1: Tối ưu eWOM & Social Proof
    Triển khai Seeding Review & KOC Nano/Micro :2024-01, 3M
    Xây dựng chuẩn hóa Content TikTok/Reels :2024-02, 3M
    section Giai đoạn 2: Định vị Brand & Country Image
    Chiến dịch truyền thông 'Chuẩn da Hàn Quốc' :2024-04, 4M
    Công bố chứng nhận an toàn da liễu :2024-05, 3M
    section Giai đoạn 3: Phân phối Đa kênh & Trải nghiệm
    Mở rộng gian hàng chính hãng Shopee Mall/TikTok Shop :2024-07, 4M
    Chương trình Sampling trải nghiệm tại trường đại học :2024-08, 3M
    section Giai đoạn 4: Đánh giá & Scale-up
    Đo lường ROI & Mở rộng phân khúc Nam giới :2024-11, 2M

Chiến lược hành động cụ thể cho doanh nghiệp

1. Chiến lược Quản trị Truyền miệng Điện tử (eWOM)

  • Tập trung vào Social Commerce Review: Khuyến khích người mua hàng để lại review kèm hình ảnh/video thực tế trên Shopee, Lazada và TikTok Shop thông qua chính sách tích điểm đổi voucher.
  • Hợp tác với Micro-KOL/KOC: Thay vì đầu tư ngân sách lớn cho người nổi tiếng hạng A, doanh nghiệp nên phân bổ ngân sách cho mạng lưới 50-100 KOC làm đẹp có độ chân thực cao, chuyên đánh giá thành phần mỹ phẩm chuyên sâu.

2. Chiến lược Tối ưu hóa Thương hiệu và Xuất xứ Quốc gia

  • Minh bạch hóa xuất xứ và chứng nhận: Làm nổi bật tem chống giả, chứng nhận xuất xứ từ các viện nghiên cứu da liễu hàng đầu Hàn Quốc (như KTR, KCL).
  • Gắn liền câu chuyện thương hiệu với công nghệ làm đẹp chuẩn Hàn: Tận dụng hiệu ứng hình ảnh quốc gia Hàn Quốc hiện đại, thẩm mỹ cao để củng cố định vị sản phẩm.

3. Phân khúc hóa sản phẩm theo mục đích sử dụng và giá cả

  • Ưu tiên R&D dòng sản phẩm Skincare: Đẩy mạnh các dòng tinh chất (serum), kem chống nắng kiềm dầu, toner cấp ẩm nhẹ dịu phù hợp với khí hậu nóng ẩm của TP.HCM.
  • Thiết kế mức giá tiếp cận cho học sinh, sinh viên (46.2% mẫu): Đưa ra các phiên bản dung tích nhỏ (mini size/travel size) với tầm giá từ 150.000 – 300.000 VNĐ để giảm rào cản chi dùng lần đầu.

Hạn chế và hướng phát triển

Các hạn chế học thuật thừa nhận

  • Phương pháp lấy mẫu thuận tiện: Mẫu khảo sát được thu thập theo phương pháp thuận tiện phi xác suất ($N = 221$), dù đáp ứng đủ tiêu chuẩn phân tích EFA và hồi quy nhưng tính đại diện tổng thể cho toàn bộ thanh niên TP.HCM vẫn có thể chịu sự thiên lệch nhất định.
  • Phạm vi địa lý giới hạn: Nghiên cứu chỉ tập trung tại TP.HCM, chưa so sánh đối chiếu với thị trường miền Bắc (Hà Nội) hoặc miền Trung (Đà Nẵng) – nơi có đặc thù khí hậu và hành vi tiêu dùng khác biệt.
  • Mô hình tĩnh cắt ngang: Dữ liệu phản ánh tại một thời điểm (3 tháng), chưa ghi nhận được sự biến động hành vi theo chu kỳ mùa lễ hội hoặc biến động kinh tế vĩ mô.

Hướng nghiên cứu tiếp theo

  • Ứng dụng mô hình SEM/PLS-SEM: Nâng cấp phương pháp phân tích lên mô hình cấu trúc tuyến tính để đánh giá các biến đóng vai trò trung gian (Mediator) hoặc điều tiết (Moderator) như Giá trị cảm nhận hay Thu nhập.
  • Mở rộng quy mô mẫu đa vùng miền: Mở rộng mẫu lên $N \ge 1000$ phân bổ trên 3 miền Bắc – Trung – Nam.

Đối tượng hưởng lợi

mindmap
  root((Giá trị đề tài))
    Doanh nghiệp Mỹ phẩm
      Tối ưu ngân sách MarTech
      Tăng tỷ lệ chuyển đổi đơn hàng
      Định vị thương hiệu chính xác
    Sinh viên & Nhà nghiên cứu
      Tài liệu tham khảo phương pháp luận
      Mẫu thiết kế thang đo chuẩn EFA
      Nền tảng dữ liệu thực nghiệm
    Người tiêu dùng Gen Z
      Tiếp cận sản phẩm minh bạch
      Thúc đẩy chất lượng thị trường
  • Doanh nghiệp & Nhà phân phối mỹ phẩm: Nhận được căn cứ định lượng để cắt giảm chi phí quảng cáo dàn trải, tập trung tối ưu kênh eWOM và KOC giúp nâng cao tỷ suất sinh lời trên chi phí quảng cáo (ROAS) từ 15% – 25%.
  • Chuyên viên Marketing & Brand Manager: Có được insight sâu sắc về cơ cấu 67% Skincare và 29.5% tệp khách hàng nam giới để xây dựng chiến dịch truyền thông đa dạng, phù hợp tâm lý tiêu dùng trẻ.
  • Sinh viên & Giới nghiên cứu: Kế thừa bộ thang đo 27 biến quan sát chuẩn hóa để áp dụng cho các đề tài nghiên cứu hành vi người tiêu dùng trong lĩnh vực thương mại điện tử và hàng tiêu dùng nhanh (FMCG).

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ phân tích để tái lập mô hình nghiên cứu này là gì?

Cần sử dụng phần mềm IBM SPSS Statistics (phiên bản 20.0 trở lên) hoặc các thư viện Python chuyên dụng (pandas, statsmodels, factor_analyzer, scikit-learn). Dữ liệu đầu vào cần được mã hóa dạng số theo thang đo Likert 5 điểm, đảm bảo quy mô mẫu tối thiểu $N \ge 5 \times \text{số biến quan sát}$ ($N \ge 135$).

2. Làm thế nào để kiểm soát và khắc phục hiện tượng đa cộng tuyến trong mô hình?

Trong nghiên cứu này, hiện tượng đa cộng tuyến được kiểm soát chặt chẽ qua hệ số phóng đại phương sai (VIF). Toàn bộ các biến độc lập đều đạt $\text{VIF} < 2.0$, nằm trong giới hạn an toàn tuyệt đối ($< 10.0$). Nếu VIF vượt ngưỡng, giải pháp khắc phục là loại bỏ biến có tương quan cặp quá cao ($r > 0.8$) hoặc sử dụng phân tích hồi quy thành phần chính (Principal Component Regression).

3. Doanh nghiệp tích hợp kết quả này vào hệ thống CRM và Marketing Automation như thế nào?

Doanh nghiệp có thể phân nhóm dữ liệu khách hàng (Customer Segmentation) trên CRM dựa trên mục đích sử dụng (Skincare vs. Makeup) và độ nhạy cảm eWOM. Thiết lập luồng Email/SMS Automation tự động gửi lời nhắc đánh giá sản phẩm sau 7-10 ngày nhận hàng để liên tục tạo nguồn dữ liệu eWOM tự nhiên cho hệ thống.

4. Chi phí triển khai chiến dịch Marketing theo mô hình này mất bao lâu để thu hồi vốn (ROI)?

Với việc chuyển hướng ngân sách từ quảng cáo truyền hình/KOL đắt đỏ sang Micro-KOC và xây dựng hệ thống Social Proof, thời gian hoàn vốn thông thường cho một chiến dịch ra mắt dòng sản phẩm K-Beauty dao động từ 3 đến 6 tháng nhờ chi phí chuyển đổi (CPA) giảm khoảng 20% – 30%.

5. Tại sao yếu tố Nhóm tham khảo (Reference Group) lại có sự chuyển dịch mạnh ở Gen Z?

Đối với Gen Z, nhóm tham khảo không còn bó hẹp ở gia đình hay bạn bè truyền thống mà mở rộng sang "cộng đồng mạng ngang hàng" (Peer online community) và các Beauty Blogger có chuyên môn. Quyết định mua sắm của họ được dẫn dắt bởi tính xác thực của trải nghiệm cá nhân hơn là những thông điệp quảng cáo được dàn dựng từ phía nhãn hàng.

Kết luận

Khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến ý định mua mỹ phẩm Hàn Quốc của Gen Z tại Thành phố Hồ Chí Minh" đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Thông qua quy trình phân tích định lượng chuẩn mực ($N = 221$), đề tài đã chứng minh một cách khoa học rằng ý định tiêu dùng của Gen Z chịu sự tác động đồng thời và có ý nghĩa thống kê của 5 yếu tố then chốt: Truyền miệng điện tử (eWOM), Hình ảnh quốc gia (Country Image), Nhóm tham khảo (Reference Group), Danh tiếng thương hiệu (Brand Reputation) và Thái độ cá nhân (Attitude).

Kết quả của đề tài không chỉ đóng góp thêm một mô hình thực nghiệm giá trị vào kho tàng nghiên cứu hành vi người tiêu dùng tại các thị trường mới nổi, mà còn cung cấp cẩm nang thực thi mang tính sống còn cho các doanh nghiệp mỹ phẩm trong việc chinh phục thế hệ người tiêu dùng tương lai tại Việt Nam.