Giới thiệu dự án

Trong kỷ nguyên Công nghiệp 4.0 và chuyển đổi số tài chính, dịch vụ ngân hàng di động (Mobile Banking) đã trở thành hạ tầng thanh toán cốt lõi. Theo báo cáo của Insider Intelligence (2021), số lượng người dùng điện thoại thông minh tại Việt Nam đạt mốc 64 triệu người vào cuối năm 2024, tạo ra sự dịch chuyển mang tính cấu trúc từ giao dịch quầy truyền thống sang giao dịch điện tử phân tán (E-Banking). Tuy nhiên, đối với các ngân hàng thương mại nhà nước sở hữu tệp khách hàng truyền thống quy mô lớn như Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam (Agribank), việc tối ưu hóa tỷ lệ chuyển đổi và gia tăng mức độ gắn kết trên ứng dụng Agribank E-Mobile Banking tại các đô thị trọng điểm như Hà Nội đang đối mặt với nhiều rào cản hành vi phức tạp.

+-------------------------------------------------------------------------+
|                  BỐI CẢNH & ĐỘNG LỰC CHUYỂN ĐỔI SỐ                      |
|  - 64 triệu smartphone users (2024) -> Bùng nổ giao dịch không tiền mặt |
|  - Rào cản Agribank: Tệp khách hàng quen thuộc với kênh truyền thống    |
|  - Thách thức: Tối ưu hóa UI/UX & kích thích ý định sử dụng số hóa      |
+-------------------------------------------------------------------------+

Vấn đề thực tiễn và bài toán nghiên cứu

Dù Agribank đã chủ động nâng cấp hệ sinh thái số, thực tế triển khai cho thấy tốc độ tiếp nhận ứng dụng di động giữa các phân khúc khách hàng không đồng đều. Khách hàng đô thị tại Hà Nội chịu sự chi phối mạnh mẽ bởi tính cách sáng tạo cá nhân, sự am hiểu công nghệ cũng như các tiêu chuẩn khắt khe về độ tiện ích và độ mượt mà của giao diện. Bài toán đặt ra là: Những nhân tố nào đóng vai trò tiên quyết trong việc định hình ý định sử dụng dịch vụ Agribank E-Mobile Banking, và mức độ tác động của từng nhân tố ra sao để ngân hàng phân bổ nguồn lực công nghệ hiệu quả nhất?

Mục tiêu nghiên cứu

  1. Xác định và chuẩn hóa hệ thống biến số: Nhận diện các nhân tố cốt lõi chi phối ý định sử dụng Agribank E-Mobile Banking dựa trên sự kết hợp giữa Mô hình Chấp nhận Công nghệ (TAM), Lý thuyết Hành vi có Kế hoạch (TPB) và Lý thuyết Tính đổi mới của Người tiêu dùng (Consumer Innovativeness).
  2. Đo lường và kiểm định định lượng: Đánh giá mức độ tác động của từng nhân tố đến biến phụ thuộc Ý định sử dụng ($ITU$) thông qua phân tích độ tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá (EFA) và mô hình hồi quy tuyến tính bội.
  3. Đề xuất khung giải pháp quản trị: Xây dựng hệ thống giải pháp nâng cấp tính năng ứng dụng, cá nhân hóa trải nghiệm người dùng và hoạch định chiến lược truyền thông số hóa cho Agribank chi nhánh Hà Nội.

Phương pháp tiếp cận và chỉ số đo lường

Đề tài áp dụng phương pháp nghiên cứu hỗn hợp kết hợp kỹ thuật kinh tế lượng hành vi:

  • Chỉ số độ tin cậy thang đo: Hệ số Cronbach’s Alpha $\ge 0.60$, tương quan biến - tổng ($Corrected\ Item-Total\ Correlation$) $\ge 0.30$.
  • Chỉ số phân tích nhân tố EFA: Hệ số $KMO \ge 0.50$, kiểm định Bartlett có giá trị $Sig. < 0.05$, tổng phương sai trích ($TVE$) $> 50%$, giá trị Eigenvalue $> 1.0$, hệ số tải nhân tố ($Factor\ Loading$) $\ge 0.50$.
  • Kiểm định mô hình hồi quy: Hệ số xác định $R^2$, kiểm định ANOVA ($Sig. < 0.05$), hiện tượng đa cộng tuyến với hệ số phóng đại phương sai $VIF < 10$, kiểm định tự tương quan phần dư Durbin-Watson trong khoảng $1.5 - 2.5$.

Phạm vi và giới hạn nghiên cứu

  • Đối tượng khảo sát: Khách hàng cá nhân đã và đang tiếp cận hoặc có nhu cầu giao dịch qua Agribank E-Mobile Banking.
  • Không gian & Thời gian: Địa bàn thành phố Hà Nội; dữ liệu sơ bộ ($N=150$) và chính thức ($N=450$) thu thập từ tháng 03/2024 đến tháng 05/2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tổng hợp và đối sánh các khung lý thuyết tiếp nhận công nghệ tiêu biểu nhằm tìm ra khoảng trống học thuật:

Công trình nghiên cứu Khung lý thuyết áp dụng Biến số trọng tâm Điểm mạnh Khoảng trống / Hạn chế
Trần Thu Thảo và CS (2022) TAM mở rộng (SCB) $PU, PEU$, Ảnh hưởng xã hội, Chi phí, Rủi ro, Hình ảnh ngân hàng Phân tích chi tiết rào cản chi phí và nhận thức rủi ro Chưa tích hợp thuộc tính tâm lý đổi mới bẩm sinh của khách hàng
Thanh & Thi (2011) E-BAM (Việt Nam) Hiệu quả mong đợi, Dễ sử dụng, Chuẩn chủ quan, Kiểm soát hành vi Thích ứng tốt với giai đoạn đầu của E-Banking tại VN Mô hình chưa tối ưu cho các tính năng hiện đại trên Smartphone App
Chauhan và CS (2019) TAM + Consumer Innovativeness $PU, PEU$, Thái độ ($ATT$), Tính đổi mới bẩm sinh ($II$), Đổi mới sản phẩm ($DSI$) Tách bạch 2 chiều không gian đổi mới ($II$ và $DSI$) Khảo sát tại thị trường Ấn Độ, cần kiểm chứng thực nghiệm tại Việt Nam

Dựa trên kỹ thuật phân loại yêu cầu MoSCoW, cấu trúc thuộc tính dịch vụ Mobile Banking được xác lập:

  • Must-have: Bảo mật sinh trắc học (FaceID/Vân tay), xử lý giao dịch chuyển tiền NAPAS 24/7 tức thời, kiểm tra số dư thời gian thực.
  • Should-have: Thanh toán QR Pay đa kênh, thanh toán hóa đơn tự động (Điện, Nước, Viễn thông), giao diện trực quan hóa danh mục tài chính.
  • Could-have: Trợ lý ảo AI tư vấn chi tiêu, tích hợp đặt vé máy bay/khách sạn, cá nhân hóa widget màn hình chủ.
  • Won't-have (giai đoạn này): Giao dịch tài sản số phái sinh phức tạp hoặc đầu tư quốc tế trực tiếp.

Thiết kế hệ thống mô hình nghiên cứu

Mô hình nghiên cứu đề xuất gồm 5 biến độc lập tác động trực tiếp lên biến phụ thuộc Ý định sử dụng ($ITU$):

Hệ thống biến số được toán học hóa thành phương trình hồi quy tuyến tính bội: $$ITU = \beta_0 + \beta_1 \cdot PU + \beta_2 \cdot PEU + \beta_3 \cdot ATT + \beta_4 \cdot II + \beta_5 \cdot DSI + \varepsilon$$

Cấu trúc ma trận thang đo 24 biến quan sát được chuẩn hóa theo thang đo Likert 5 mức độ ($1$: Rất không đồng ý $\to 5$: Rất đồng ý):

  • Cảm nhận sự hữu ích ($PU$): 4 biến ($PU1 - PU4$) - Đo lường tốc độ, hiệu quả và lợi ích hoàn thành giao dịch.
  • Cảm nhận sự dễ sử dụng ($PEU$): 4 biến ($PEU1 - PEU4$) - Đo lường độ rõ ràng, tính linh hoạt và mức độ dễ thuần thục thao tác.
  • Thái độ ($ATT$): 4 biến ($ATT1 - ATT4$) - Đo lường cảm xúc tích cực, sự hứng thú và đánh giá thông minh khi chọn Agribank.
  • Tính đổi mới bẩm sinh ($II$): 5 biến ($II1 - II5$) - Đo lường cá tính tiên phong tiếp cận cái mới độc lập với sản phẩm cụ thể.
  • Tính đổi mới theo nhóm sản phẩm ($DSI$): 4 biến ($DSI1 - DSI4$) - Đo lường sự chủ động tìm kiếm và trải nghiệm ứng dụng tài chính số mới.
  • Ý định sử dụng ($ITU$): 3 biến ($ITU1 - ITU3$) - Đo lường dự định thực hiện và mức độ ưu tiên giao dịch qua Agribank E-Mobile Banking.

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu tuân thủ quy trình khoa học 6 bước nghiêm ngặt:

[B1: Xác định mục tiêu] 
[B2: Tham khảo ý kiến chuyên gia (N=15)]
[B3: Thử nghiệm Pilot & Hiệu chỉnh thang đo (N=20)]
[B4: Khảo sát sơ bộ & Kiểm định EFA/Alpha (N=150)]
[B5: Khảo sát diện rộng & Phân tích hồi quy (N=450)]
[B6: Đánh giá mô hình & Đề xuất chính sách quản trị]
  • Xác định cỡ mẫu tối thiểu: Theo công thức Tabachnick & Fidell: $$N \ge 50 + 8m = 50 + 8 \times 5 = 90 \text{ quan sát}$$ Trong đó $m = 5$ là số biến độc lập. Cỡ mẫu sơ bộ $N=150$ và chính thức $N=450$ hoàn toàn thỏa mãn yêu cầu thống kê.
  • Quản trị rủi ro mẫu: Sử dụng phương pháp lấy mẫu thuận tiện đa kênh (trực tuyến qua các hội nhóm tài chính và trực tiếp tại các phòng giao dịch Agribank trên địa bàn Hà Nội) nhằm triệt tiêu thiên lệch chọn mẫu ($selection\ bias$).

Implementation và kết quả

Quy trình phân tích dữ liệu

Toàn bộ dữ liệu khảo sát được làm sạch và xử lý thông qua phần mềm thống kê IBM SPSS Statistics 25.0. Cú pháp lệnh tự động hóa kiểm định độ tin cậy và phân tích nhân tố được thiết lập như sau:

* Kiem tra do tin cay Cronbach Alpha cho bien doc lap PU.
RELIABILITY
  /VARIABLES=PU1 PU2 PU3 PU4
  /SCALE('PU Scale') ALL
  /MODEL=ALPHA
  /SUMMARY=TOTAL.

* Phan tich nhan to kham pha EFA cho 21 bien quan sat doc lap.
FACTOR
  /VARIABLES II1 II2 II3 II4 II5 DSI1 DSI2 DSI3 DSI4 ATT1 ATT2 ATT3 ATT4 PU1 PU2 PU3 PU4 PEU1 PEU2 PEU3 PEU4
  /MISSING LISTWISE 
  /ANALYSIS II1 TO PEU4
  /PRINT INITIAL KMO BARTLETT EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

* Chay mo hinh hoi quy tuyen tinh boi kiem dinh da cong tuyen.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT ITU
  /METHOD=ENTER PU PEU ATT II DSI
  /RESIDUALS DURBIN.

Kết quả kiểm định thang đo sơ bộ ($N=150$)

1. Kiểm định độ tin cậy Cronbach's Alpha

Tất cả 6 thang đo đều đạt độ nhất quán nội tại rất cao, hệ số tương quan biến - tổng của tất cả các biến quan sát đều vượt ngưỡng $0.30$:

Thang đo / Biến quan sát Trung bình nếu loại biến Phương sai nếu loại biến Tương quan biến - tổng Alpha nếu loại biến Cronbach's Alpha tổng thể
Cảm nhận sự hữu ích ($PU$) 0.759
$PU1$ 11.21 5.353 0.545 0.712
$PU2$ 11.37 5.137 0.673 0.636
$PU3$ 11.57 6.086 0.505 0.730
$PU4$ 11.61 6.038 0.515 0.725
Cảm nhận dễ sử dụng ($PEU$) 0.744
$PEU1$ 10.50 4.724 0.564 0.672
$PEU2$ 10.66 4.818 0.476 0.720
$PEU3$ 10.50 4.392 0.616 0.641
$PEU4$ 10.30 4.581 0.503 0.707
Thái độ ($ATT$) 0.793
$ATT1$ 9.60 4.875 0.702 0.690
$ATT2$ 9.49 5.286 0.615 0.736
$ATT3$ 10.31 4.816 0.560 0.775
$ATT4$ 9.62 5.957 0.568 0.763
Tính đổi mới bẩm sinh ($II$) 0.766
$II1$ 13.20 4.935 0.564 0.715
$II2$ 13.26 5.158 0.570 0.717
$II3$ 13.00 5.035 0.526 0.728
$II4$ 13.19 4.597 0.618 0.694
$II5$ 13.45 4.510 0.457 0.767
Đổi mới nhóm SP ($DSI$) 0.810
$DSI1$ 10.69 3.903 0.632 0.759
$DSI2$ 10.92 3.561 0.730 0.708
$DSI3$ 10.76 4.033 0.662 0.746
$DSI4$ 11.00 4.417 0.494 0.821
Ý định sử dụng ($ITU$) 0.629
$ITU1$ 11.02 3.854 0.641 0.601
$ITU2$ 10.17 3.845 0.693 0.670
$ITU3$ 10.83 4.936 0.646 0.658

2. Phân tích nhân tố khám phá (EFA)

  • Các biến độc lập: Sử dụng phép trích Principal Axis Factoring và phép xoay vuông góc Varimax.
    • Chỉ số $KMO = 0.795$ ($0.5 < KMO < 1.0$), kiểm định Bartlett $Sig. = 0.000 < 0.05$.
    • Trích xuất thành công 5 nhân tố với giá trị riêng $Eigenvalue = 1.267 > 1.0$.
    • Tổng phương sai trích đạt $TVE = 60.595% > 50%$, chứng minh 5 nhân tố giải thích được hơn $60.5%$ biến thiên của dữ liệu.
    • Tất cả các hệ số tải ($Factor\ Loadings$) đều đạt chuẩn $> 0.50$ (dao động từ $0.553$ đến $0.835$), thể hiện giá trị hội tụ và giá trị phân biệt rõ rệt.
  • Biến phụ thuộc ($ITU$):
    • Chỉ số $KMO = 0.782$, kiểm định Bartlett $Sig. = 0.000$.
    • Giá trị $Eigenvalue = 1.404$, $TVE = 56.795%$. Các hệ số tải: $ITU2$ ($0.730$), $ITU3$ ($0.666$), $ITU1$ ($0.654$).
+--------------------------------------------------------------------------+
|                 TỔNG HỢP CHỈ SỐ KIỂM ĐỊNH MÔ HÌNH SƠ BỘ                  |
|  - KMO (Biến độc lập)   : 0.795  (Đạt chuẩn Rất tốt)                    |
|  - Bartlett's Test      : Sig. = 0.000 < 0.05                           |
|  - Tổng phương sai trích: 60.595% (Giải thích > 60% biến thiên)          |
|  - Eigenvalue trích     : 1.267 > 1.0                                    |
|  - Cronbach's Alpha     : 0.629 - 0.810 (Tất cả thang đo đạt chuẩn)     |
+--------------------------------------------------------------------------+

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mới cả về mặt học thuật và thực tiễn:

  1. Phát triển khung lý thuyết mở rộng: Khác với các nghiên cứu trước chỉ tập trung thuần túy vào các biến nhận thức công nghệ truyền thống ($PU, PEU$), đề tài tích hợp thành công hai khía cạnh tâm lý: Tính đổi mới bẩm sinh ($II$)Tính đổi mới theo nhóm sản phẩm ($DSI$). Điều này giải thích sâu sắc sự khác biệt trong hành vi chấp nhận Mobile Banking giữa nhóm khách hàng thích ứng nhanh và nhóm khách hàng truyền thống.
  2. Minh chứng tính phân biệt cấu trúc: Nghiên cứu đã làm rõ căn cứ phương pháp luận về việc tách biệt phân tích EFA giữa biến độc lập và biến phụ thuộc, tránh hiện tượng ma trận xoay bị biến dạng do tương quan nhân quả nội tại.
  3. Cơ sở dữ liệu thực nghiệm chuẩn xác: Cung cấp bộ thang đo 24 mục hỏi đã qua hiệu chỉnh phù hợp với văn hóa tiêu dùng và đặc thù ngành ngân hàng bán lẻ tại Hà Nội.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, ngân hàng Agribank có thể triển khai lộ trình giải pháp 4 giai đoạn:

[Q1: Tối ưu UI/UX & Giảm độ phức tạp (PEU)]
[Q2: Mở rộng tiện ích & Liên kết Ecosystem (PU)]
[Q3: Chiến dịch truyền thông cá nhân hóa theo nhóm DSI]
[Q4: Triển khai Loyalty Program & Onboarding cho nhóm Low-II]

1. Nâng cấp trải nghiệm người dùng (Thúc đẩy PEU và PU)

  • Tối giản hóa luồng giao dịch: Giảm số bước chuyển tiền liên ngân hàng từ 5 thao tác xuống còn 2 thao tác nhờ tính năng lưu mẫu giao dịch thông minh và quét mã VietQR tự động.
  • Tăng tốc độ phản hồi: Nâng cấp hệ thống Backend API, duy trì thời gian phản hồi giao dịch $< 1.2\text{s}$, tỷ lệ uptime đạt $99.98%$.

2. Chiến lược tiếp thị phân khúc theo tính đổi mới (II & DSI)

  • Nhóm khách hàng có DSI cao (Early Adopters): Áp dụng chiến lược "Beta Tester", cho phép họ trải nghiệm sớm các tính năng mới (đầu tư chứng chỉ quỹ, trợ lý giọng nói AI) kèm ưu đãi phí độc quyền.
  • Nhóm khách hàng truyền thống (Low Innovativeness): Thiết lập chế độ giao diện đơn giản (Agribank Simple Mode) với cỡ chữ lớn, các icon cơ bản (chuyển tiền, nạp tiền điện thoại, xem số dư) và tài liệu hướng dẫn bằng video sinh động.

3. Phân tích chi phí - lợi ích (ROI Projections)

  • Tiết kiệm chi phí vận hành: Việc dịch chuyển $25%$ giao dịch tại quầy sang ứng dụng di động ước tính giúp Agribank chi nhánh Hà Nội giảm $30 - 35%$ chi phí in ấn hóa đơn và áp lực nhân sự giao dịch viên.
  • Gia tăng doanh thu dịch vụ phi tín dụng: Tăng trưởng nguồn thu từ phí xử lý thanh toán thương mại điện tử và dịch vụ bảo hiểm liên kết (Bancassurance) thêm $18 - 22%$ trong 2 năm đầu triển khai.

Hạn chế và hướng phát triển

  • Giới hạn chọn mẫu: Phương pháp lấy mẫu thuận tiện phi xác suất tại khu vực Hà Nội chưa bao quát toàn bộ đặc tính nhân khẩu học của khách hàng Agribank trên toàn quốc (đặc biệt là khu vực nông thôn và bán đô thị).
  • Bản chất dữ liệu cắt ngang: Dữ liệu được thu thập tại một thời điểm ($cross-sectional\ data$), chưa theo dõi được sự biến đổi hành vi dài hạn sau khi người dùng đã sử dụng ứng dụng trong thời gian dài.
  • Hướng phát triển tương lai:
    • Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích các mối quan hệ đa tầng phức tạp hơn.
    • Bổ sung các biến trung gian như Nhận thức rủi ro an ninh mạng ($Perceived\ Risk$) và Niềm tin thương hiệu ($Brand\ Trust$).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp bộ khung phương pháp luận chuẩn mực, quy trình xử lý dữ liệu SPSS từ kiểm định độ tin cậy đến EFA và hồi quy đa biến.
  • Kỹ sư công nghệ & UI/UX Designers: Nắm bắt được các điểm chạm hành vi ($touchpoints$) quan trọng nhất chi phối trải nghiệm của người dùng ứng dụng tài chính số.
  • Nhà quản trị ngân hàng (Agribank): Sở hữu các căn cứ định lượng xác đáng để ra quyết định phân bổ ngân sách công nghệ thông tin và thiết kế chương trình tiếp thị mục tiêu.
  • Các nhà nghiên cứu kinh tế số: Nguồn tài liệu tham khảo có giá trị cao về sự tương tác giữa tâm lý cá nhân ($II, DSI$) và mô hình chấp nhận công nghệ ($TAM$) tại thị trường mới nổi.

Câu hỏi thường gặp

1. Tại sao nghiên cứu cần phân tích EFA riêng biệt cho biến độc lập và biến phụ thuộc?

Trong phép xoay EFA (như Varimax), các nhân tố được giả định mang tính phân biệt cao. Biến phụ thuộc ($ITU$) có mối quan hệ nhân quả tự nhiên với các biến độc lập ($PU, PEU, ATT, II, DSI$). Nếu phân tích gộp, tương quan mạnh giữa biến nguyên nhân và kết quả sẽ làm biến dạng ma trận xoay, dẫn đến sai lệch cấu trúc nhân tố.

2. Sự khác biệt cốt lõi giữa Tính đổi mới bẩm sinh ($II$) và Tính đổi mới theo nhóm sản phẩm ($DSI$) là gì?

$II$ phản ánh nét tính cách cố hữu của cá nhân, thể hiện xu hướng thích sự mới mẻ trong cuộc sống nói chung. Ngược lại, $DSI$ là mức độ quan tâm, tìm tòi và khao khát trải nghiệm các giải pháp công nghệ cụ thể trong lĩnh vực tài chính - ngân hàng.

3. Quy mô mẫu $N=450$ có đảm bảo tính đại diện cho khách hàng Agribank tại Hà Nội?

Theo chuẩn phân tích thống kê của Hair et al. (2006) và Tabachnick (yêu cầu tối thiểu $N \ge 90$), quy mô mẫu $N=450$ gấp 5 lần ngưỡng tối thiểu, đảm bảo sức mạnh thống kê ($statistical\ power$) $> 0.80$ và giảm thiểu sai số ước lượng.

4. Hệ số phóng đại phương sai (VIF) bao nhiêu là an toàn trong mô hình?

Hệ số $VIF < 10$ chứng minh mô hình không xảy ra hiện tượng đa cộng tuyến nghiêm trọng. Trong các nghiên cứu hành vi tài chính tiêu chuẩn, ngưỡng $VIF < 2.0$ là điều kiện lý tưởng cho thấy các biến độc lập hoàn toàn độc lập tuyến tính với nhau.

5. Kết quả nghiên cứu có thể khái quát hóa cho toàn bộ hệ thống ngân hàng tại Việt Nam không?

Kết quả mang tính đại diện cao cho nhóm ngân hàng thương mại nhà nước (Big 4) tại các đô thị lớn. Tuy nhiên, khi áp dụng cho nhóm ngân hàng số thuần túy hoặc khu vực nông thôn, cần hiệu chỉnh lại trọng số của các biến quan sát để phù hợp với ngữ cảnh cụ thể.


Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Duy Bảo đã giải quyết thành công bài toán đo lường các nhân tố chi phối ý định sử dụng Mobile Banking của khách hàng Agribank tại Hà Nội. Bằng việc kết hợp chặt chẽ giữa lý thuyết kinh tế lượng hành vi và các công cụ thống kê định lượng trên SPSS 25.0, nghiên cứu đã chứng minh tính hữu hiệu của mô hình mở rộng tích hợp tính đổi mới sáng tạo cá nhân ($II, DSI$) vào mô hình $TAM$. Các phát hiện từ nghiên cứu cung cấp cơ sở khoa học vững chắc giúp Ban lãnh đạo Agribank định hình chiến lược phát triển ứng dụng E-Mobile Banking thông minh hơn, tối ưu hóa nguồn lực công nghệ và nâng cao năng lực cạnh tranh trong kỷ nguyên số.