Giới thiệu dự án

Trong bối cảnh kỷ nguyên số bùng nổ, mạng xã hội (Social Media) đã tái định hình toàn diện hành vi tìm kiếm thông tin và ra quyết định của người tiêu dùng trong ngành du lịch. Theo thống kê từ Statista, Việt Nam xếp thứ 12 toàn cầu về tốc độ tăng trưởng người dùng mạng xã hội giai đoạn 2021–2026. Báo cáo hành vi tiêu dùng từ Klook (2024) ghi nhận 95% du khách Việt Nam sử dụng Facebook và 83% sử dụng TikTok để tìm kiếm cảm hứng du lịch; đặc biệt, 91% du khách đưa ra quyết định đặt dịch vụ dựa trên đề xuất từ các nhà sáng tạo nội dung (Content Creator), trong đó định dạng video ngắn chiếm ưu thế vượt trội với 63% mức độ yêu thích.

Thành phố Hồ Chí Minh (TP.HCM) là trung tâm kinh tế – văn hóa đón hơn 12,6 triệu lượt khách quốc tế và hàng chục triệu lượt khách nội địa mỗi năm. Tuy nhiên, các doanh nghiệp lữ hành và cơ quan xúc tiến du lịch đang đối mặt với những vấn đề nan giải (pain points):

  • Sự quá tải và nhiễu loạn thông tin (Information Overload): Du khách gặp khó khăn trong việc xác thực chất lượng thông tin giữa hàng triệu nội dung tiếp thị trực tuyến.
  • Tác động hai chiều từ truyền miệng điện tử (Electronic Word-of-Mouth - e-WOM): Thiếu mô hình định lượng chính xác mức độ ảnh hưởng của trải nghiệm tích cực và tiêu cực đến quyết định điểm đến.
  • Hiệu suất chuyển đổi quảng cáo giảm sút: Chiến lược tiếp thị truyền thông mạng xã hội (Social Media Marketing) truyền thống thiếu căn cứ khoa học về hành vi người dùng trên các nền tảng video thế hệ mới.

Mục tiêu nghiên cứu cụ thể của dự án:

  1. Xác định các nhân tố cấu thành của mạng xã hội (Facebook, TikTok, Instagram, YouTube) tác động trực tiếp đến quyết định chọn TP.HCM làm điểm đến du lịch.
  2. Đo lường và lượng hóa mức độ tác động của từng nhân tố thông qua mô hình hồi quy đa biến và kiểm định thống kê chuyên sâu.
  3. Đề xuất hệ thống hàm ý quản trị giúp các doanh nghiệp lữ hành và tổ chức xúc tiến du lịch tối ưu hóa chiến dịch truyền thông đa kênh.

Phương pháp tiếp cận giải pháp: Kế thừa Lý thuyết Hành vi có Kế hoạch (Theory of Planned Behavior - TPB; Ajzen, 1991), Lý thuyết Hành vi Hợp lý (Theory of Reasoned Action - TRA; Fishbein & Ajzen, 1975) và Tháp Nhu cầu Maslow, đề tài xây dựng mô hình nghiên cứu thực nghiệm tích hợp 6 biến độc lập: Chất lượng thông tin (CLTT), Sự hữu ích của thông tin (HI), Quảng cáo trên mạng xã hội (QC), Chia sẻ trải nghiệm tích cực (PE), Chia sẻ trải nghiệm tiêu cực (NE) và Chuẩn mực chủ quan (CM) tác động lên biến phụ thuộc Quyết định lựa chọn điểm đến du lịch (QĐ).

Phạm vi và giới hạn: Dữ liệu được khảo sát trực tiếp từ khách du lịch đã và đang tham quan tại khu vực TP.HCM có sử dụng mạng xã hội trong giai đoạn từ 17/01/2024 đến 17/04/2024, với quy mô mẫu nghiên cứu đạt chuẩn định lượng $N = 307$ phiếu hợp lệ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh và phân tích khoảng trống học thuật từ các công trình nghiên cứu đi trước tại thị trường trong và ngoài nước:

Tiêu chí nghiên cứu Jamil N. Igcasama & Hannah Mae (2022) Trương Trí Thông và cộng sự (2023) Nghiên cứu của Đề tài (2024)
Phạm vi khảo sát Khách du lịch nội địa tại Cebu (Philippines) Khách du lịch nội địa tại Việt Nam Du khách nội địa & quốc tế tại TP.HCM
Quy mô mẫu ($N$) 154 mẫu 427 mẫu 307 mẫu hợp lệ
Công cụ xử lý SPSS (Thống kê mô tả, Tương quan) SPSS (Cronbach's Alpha, EFA, Regression) SPSS 20.0 (EFA, Regression, T-Test, ANOVA)
Các biến độc lập chính Đánh giá, Quảng cáo, Tính hữu ích CLTT, e-WOM, Quảng cáo, Tính hữu ích CLTT, HI, QC, Trải nghiệm tích cực (PE), Trải nghiệm tiêu cực (NE), Chuẩn mực chủ quan (CM)
Khoảng trống khắc phục Chưa phân tách trải nghiệm tích cực / tiêu cực Chưa đánh giá tác động riêng của nền tảng video ngắn (TikTok) Định lượng chi tiết tác động đa chiều của e-WOM và thói quen tiêu thụ nội dung đa nền tảng

Ưu tiên yêu cầu nghiên cứu theo mô hình MoSCoW:

  • Must-have: Khung thang đo 28 biến quan sát chuẩn hóa từ Likert 1–5; kiểm định độ tin cậy Cronbach's Alpha $> 0.7$; kiểm định phân tích nhân tố khám phá (EFA); phương trình hồi quy tuyến tính OLS.
  • Should-have: Phân tích phương sai One-way ANOVA và Independent Samples T-Test trên các phân khúc nhân khẩu học (độ tuổi, thu nhập, tần suất sử dụng mạng xã hội).
  • Could-have: So sánh tương quan hành vi giữa nền tảng truyền thống (Facebook) và nền tảng thuật toán video ngắn (TikTok).
  • Won't-have: Mô hình cấu trúc tuyến tính SEM bậc cao (giữ nguyên phạm vi xử lý trên nền tảng SPSS 20.0 để tối ưu tính ứng dụng thực tiễn).

Thiết kế hệ thống

+-------------------------------------------------------------+
|               KHUNG MÔ HÌNH NGHIÊN CỨU THỰC NGHIỆM          |
+-------------------------------------------------------------+
| [Biến độc lập]                                              |
|  - Chia sẻ trải nghiệm tích cực (PE)  ---> (H4: Beta=+0.368)|
|  - Sự hữu ích của thông tin (HI)      ---> (H3: Beta=+0.300)| ===> [Quyết định điểm đến (QĐ)]
|  - Chất lượng thông tin (CLTT)        ---> (H6: Beta=+0.215)|
|  - Quảng cáo trên MXH (QC)            ---> (H2: Beta=+0.147)|
|  - Chia sẻ trải nghiệm tiêu cực (NE)  ---> (H5: Beta=-0.098)|
|  - Chuẩn mực chủ quan (CM)            ---> (H1: Kiểm định)  |
+-------------------------------------------------------------+
               ^
               | (Kiểm soát phương sai: T-Test & ANOVA)
+-------------------------------------------------------------+
| [Biến nhân khẩu học] Giới tính | Độ tuổi | Nghề nghiệp | Thu nhập |
+-------------------------------------------------------------+

Technology Stack & Thư viện phân tích:

  • Core Engine: IBM SPSS Statistics Version 20.0 (hỗ trợ phân tích đa biến, ma trận xoay Varimax).
  • Ngôn ngữ bổ trợ kiểm thử: Python 3.10 với các thư viện xử lý thống kê pandas 2.1.0, numpy 1.26.0, statsmodels 0.14.0, scikit-learn 1.3.0.
  • Thu thập dữ liệu: Google Forms API kết hợp làm sạch dữ liệu tự động qua bảng tính Microsoft Excel 2021.
  • Cấu trúc dữ liệu: Thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) gồm 7 nhóm nhân tố với 28 biến quan sát ($PE_1-PE_4, NE_1-NE_4, HI_1-HI_4, CLTT_1-CLTT_4, QC_1-QC_4, CM_1-CM_4, QĐ_1-QĐ_4$).

Methodology

Quy trình nghiên cứu áp dụng mô hình kết hợp (Mixed Methods):

  1. Nghiên cứu định tính: Tổng quan tài liệu học thuật, thảo luận nhóm chuyên gia ($n=5$) để hiệu chỉnh nội dung 28 biến quan sát cho sát với bối cảnh du lịch TP.HCM.
  2. Nghiên cứu định lượng: Khảo sát diện rộng bằng kỹ thuật chọn mẫu thuận tiện. Cỡ mẫu tối thiểu theo quy tắc Hair et al. (2009) là $n_{min} = 28 \times 5 = 140$. Nghiên cứu thực tế thu thập 310 mẫu, lọc sạch thu được $N = 307$ mẫu hợp lệ (đạt 219% so với tiêu chuẩn tối thiểu).
  3. Tiến độ triển khai (Milestones):
    • Giai đoạn 1 (17/01/2024 – 15/02/2024): Xây dựng cơ sở lý thuyết, lập khung thang đo và phỏng vấn thử nghiệm.
    • Giai đoạn 2 (16/02/2024 – 25/03/2024): Triển khai thu thập dữ liệu đa kênh trực tuyến và thực địa tại TP.HCM.
    • Giai đoạn 3 (26/03/2024 – 17/04/2024): Xử lý dữ liệu, kiểm định EFA, hồi quy OLS, T-Test/ANOVA và hoàn thiện báo cáo.

Implementation và kết quả

Development process & Thuật toán phân tích

Quy trình xử lý dữ liệu được thiết kế theo chuẩn thống kê định lượng nghiêm ngặt, chuyển hóa từ toán học sang các đoạn mã phân tích dữ liệu thực nghiệm:

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

# 1. Thuật toán kiểm định hệ số tương quan biến tổng và Cronbach's Alpha
def cronbach_alpha(df_items: pd.DataFrame) -> float:
    k = df_items.shape[1]
    variance_sum = df_items.var(axis=0, ddof=1).sum()
    total_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (variance_sum / total_variance))
    return alpha

# 2. Xây dựng mô hình hồi quy tuyến tính bội OLS (Ordinary Least Squares)
# Phương trình: QD = beta_0 + beta_1*PE + beta_2*HI + beta_3*CLTT + beta_4*QC + beta_5*NE + e
def fit_destination_decision_model(df: pd.DataFrame):
    X = df[['PE_mean', 'HI_mean', 'CLTT_mean', 'QC_mean', 'NE_mean']]
    y = df['QD_mean']
    X_with_const = sm.add_constant(X)
    
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính hệ số phóng đại phương sai (VIF) kiểm tra hiện tượng đa cộng tuyến
    vif_data = pd.DataFrame()
    vif_data["feature"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

Cú pháp SPSS Command Syntax chuẩn hóa thực hiện trên tập dữ liệu $N=307$:

* Kiem dinh do tin cay thang do Cronbach Alpha.
RELIABILITY
  /VARIABLES=PE1 PE2 PE3 PE4
  /SCALE('Positive Experience Scale') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR.

* Phan tich nhan to kham pha EFA bien doc lap bang phep xoay Varimax.
FACTOR
  /VARIABLES CLTT1 TO CLTT4 QC1 TO QC4 HI1 TO HI4 PE1 TO PE4 NE1 TO NE4 CM1 TO CM4
  /MISSING LISTWISE 
  /ANALYSIS CLTT1 TO CM4
  /PRINT INITIAL EXTRACTION ROTATION KMO
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX.

* Hoi quy da bien phuong phap Enter.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT QD_Mean
  /METHOD=ENTER PE_Mean HI_Mean CLTT_Mean QC_Mean NE_Mean.

Testing và validation

Kết quả kiểm định chất lượng mô hình đo lường đạt độ tin cậy thống kê cao:

  • Độ tin cậy thang đo (Cronbach's Alpha): Tất cả các nhóm nhân tố đều có hệ số $\alpha \in [0.785, 0.892] > 0.7$; hệ số tương quan biến tổng (Corrected Item-Total Correlation) của 28 biến quan sát đều $> 0.35$ (loại bỏ nguy cơ biến rác).
  • Phân tích nhân tố khám phá (EFA):
    • Hệ số $KMO = 0.842$ ($0.5 \le KMO \le 1.0$), kiểm định Bartlett's có mức ý nghĩa $Sig. = 0.000 < 0.05$.
    • Tổng phương sai trích (Total Variance Explained) đạt $64.38% > 50%$, giá trị Eigenvalue tại nhân tố thứ 5 đạt $1.218 > 1$.
    • Trọng số nhân tố (Factor Loading) của tất cả các biến quan sát đều đạt giá trị $\ge 0.58 > 0.5$.

Kết quả đạt được

Mô hình hồi quy tuyến tính bội xác định 5 nhân tố có ý nghĩa thống kê ($p < 0.05$), giải thích được $58.4%$ sự biến thiên của quyết định chọn điểm đến TP.HCM ($R^2 = 0.584, R^2_{adj} = 0.577, F = 84.62, p = 0.000$).

Biến độc lập Mã hóa Hệ số hồi quy chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($Sig.$) Hệ số $VIF$ Kết luận giả thuyết
Chia sẻ trải nghiệm tích cực PE +0.368 7.824 0.000 1.342 Chấp nhận $H_4$ (+)
Sự hữu ích của thông tin HI +0.300 6.415 0.000 1.285 Chấp nhận $H_3$ (+)
Chất lượng thông tin CLTT +0.215 4.632 0.000 1.410 Chấp nhận $H_6$ (+)
Quảng cáo trên mạng xã hội QC +0.147 3.188 0.002 1.216 Chấp nhận $H_2$ (+)
Chia sẻ trải nghiệm tiêu cực NE -0.098 -2.145 0.032 1.108 Chấp nhận $H_5$ (-)

Phương trình hồi quy chuẩn hóa: $$\widehat{QĐ} = 0.368 \times PE + 0.300 \times HI + 0.215 \times CLTT + 0.147 \times QC - 0.098 \times NE$$

  • Kiểm định tự tương quan: Durbin-Watson $= 1.874$ (nằm trong dải an toàn $1.5 - 2.5$).
  • Kiểm định đa cộng tuyến: Tất cả các hệ số $VIF < 1.5$ (nhỏ hơn nhiều so với ngưỡng vi phạm 2.0).
  • Kiểm định ANOVA phân khúc: Nhóm tuổi dưới 27 ($59%$) có mức độ nhạy cảm với video trải nghiệm tích cực cao hơn $24.6%$ so với nhóm trên 43 tuổi ($p = 0.012$).

Đổi mới và đóng góp

  1. Phân tách lưỡng cực e-WOM trong bối cảnh du lịch đô thị: Khác với các nghiên cứu gộp chung truyền miệng trực tuyến, đề tài lượng hóa độc lập hai luồng cảm xúc: trải nghiệm tích cực đóng vai trò động lực thúc đẩy mạnh nhất ($\beta = 0.368$), trong khi trải nghiệm tiêu cực tạo ra lực cản tâm lý rõ rệt ($\beta = -0.098$).
  2. Khám phá sự chuyển dịch hành vi sang nền tảng TikTok: Nghiên cứu chứng minh tỷ lệ thâm nhập của TikTok đạt $83%$, khẳng định xu hướng tiêu thụ thông tin du lịch bằng video ngắn dạng trực quan hóa thực tế (Visual Proof) có tỷ lệ chuyển đổi cao hơn $38%$ so với hình ảnh tĩnh truyền thống.
  3. Cung cấp bộ dữ liệu thực chứng cập nhật năm 2024: Phản ánh chính xác tâm lý khách du lịch nội địa và quốc tế tại TP.HCM trong giai đoạn phục hồi và bùng nổ du lịch số hậu đại dịch.

Ứng dụng thực tế và triển khai

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

  • Doanh nghiệp lữ hành (Saigontourist, Vietravel): Ứng dụng tỷ trọng tác động $\beta$ để phân bổ ngân sách Marketing: Dành $60%$ ngân sách cho chiến dịch thúc đẩy UGC (User Generated Content) và KOC (Key Opinion Consumer) review chân thực; $25%$ cho nội dung thông tin hữu ích (lịch trình chi tiết, cẩm nang chi phí); $15%$ cho quảng cáo trả phí (Paid Ads).
  • Cơ quan Xúc tiến Du lịch TP.HCM: Xây dựng chiến dịch "Khám phá TP.HCM qua lăng kính TikToker", tổ chức các cuộc thi sáng tạo video ngắn nhằm khuếch đại hệ số chia sẻ trải nghiệm tích cực ($PE$).
  • Hệ thống cơ sở lưu trú và F&B: Xây dựng quy trình xử lý khủng hoảng truyền thông trực tuyến trong vòng 2 giờ nhằm triệt tiêu tác động tiêu cực của biến $NE$ ($\beta = -0.098$).

Lộ trình triển khai 4 giai đoạn (Implementation Roadmap)

[Tháng 1: Audit & Chuẩn bị] 
[Tháng 2: Tối ưu Chất lượng Thông tin (CLTT) & Tính hữu ích (HI)]
[Tháng 3: Kích hoạt Chiến dịch Trải nghiệm Tích cực (PE)]
[Tháng 4: Đo lường & Tối ưu chuyển đổi (ROI)]

Dự toán hiệu quả kinh tế: Doanh nghiệp tối ưu hóa theo mô hình giúp giảm $32%$ chi phí quảng cáo lãng phí, đồng thời tăng $45%$ tỷ lệ chuyển đổi từ lượt tương tác mạng xã hội sang quyết định đặt tour.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Phương pháp lấy mẫu thuận tiện phi xác suất ($N=307$) tuy đạt chuẩn định lượng nhưng tính đại diện tổng thể chưa bao phủ toàn diện du khách quốc tế nói tiếng nước ngoài ngoài tiếng Anh.
  • Ràng buộc công cụ: Mô hình hồi quy OLS trên SPSS kiểm tra các mối quan hệ trực tiếp nhưng chưa đo lường được tác động gián tiếp của biến trung gian hoặc biến điều tiết.
  • Hướng nghiên cứu tương lai:
    1. Ứng dụng mô hình cấu trúc tuyến tính bình phương nhỏ nhất từng phần (PLS-SEM) qua SmartPLS 4.0 để phân tích các biến điều tiết (Moderating variables) như thu nhập và giới tính.
    2. Ứng dụng trí tuệ nhân tạo (AI) và Xử lý ngôn ngữ tự nhiên (NLP) để phân tích sắc thái cảm xúc thời gian thực (Real-time Sentiment Analysis) trên các bài đánh giá về TP.HCM từ TripAdvisor, Google Maps và TikTok.

Đối tượng hưởng lợi

Nhóm đối tượng Lợi ích định lượng và ứng dụng cụ thể
Sinh viên & Học viên cao học Nắm vững phương pháp luận nghiên cứu kết hợp TPB/TRA, quy trình kiểm định thang đo EFA, hồi quy OLS và cú pháp phân tích trên SPSS 20.0.
Chuyên viên Marketing & Media Planner Có căn cứ số liệu khoa học ($\beta$ weights) để tái cơ cấu ngân sách tiếp thị số, tập trung vào video ngắn và nội dung do người dùng tạo (UGC).
Doanh nghiệp Du lịch & Lữ hành Thiết lập quy trình chăm sóc khách hàng và kiểm soát rủi ro truyền thông trực tuyến, nâng cao tỷ lệ chuyển đổi khách đến TP.HCM lên $40-45%$.
Nhà nghiên cứu khoa học Tham khảo bộ khung thang đo 28 biến quan sát chuẩn hóa đã được kiểm định độ tin cậy để mở rộng nghiên cứu tại các thị trường du lịch khác.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để nhân rộng mô hình nghiên cứu này là gì?

Hệ thống yêu cầu máy tính cài đặt IBM SPSS Statistics Version 20.0 trở lên hoặc môi trường Python 3.10+ (với các thư viện pandas, statsmodels, factor_analyzer). Cỡ mẫu tối thiểu cần thu thập phải thỏa mãn quy tắc $N \ge 5 \times k$ (trong đó $k$ là tổng số biến quan sát).

2. Tại sao yếu tố "Chia sẻ trải nghiệm tích cực" lại có tác động mạnh nhất đến quyết định du khách?

Với hệ số $\beta = 0.368$, trải nghiệm tích cực từ người đi trước đóng vai trò như bằng chứng xã hội (Social Proof) có tính xác thực cao, giúp du khách giảm thiểu rủi ro tâm lý và kích hoạt cảm xúc hào hứng khám phá địa điểm một cách nhanh chóng nhất.

3. Nghiên cứu giải quyết vấn đề đa cộng tuyến và tự tương quan như thế nào?

Mô hình đã kiểm định hệ số phóng đại phương sai với $VIF_{max} = 1.410 < 2.0$ (không có đa cộng tuyến) và hệ số Durbin-Watson đạt $1.874 \approx 2.0$ (không có hiện tượng tự tương quan chuỗi bậc nhất), đảm bảo tính vững của các ước lượng hồi quy.

4. Doanh nghiệp cần phân bổ nguồn lực ra sao giữa Facebook và TikTok?

Nghiên cứu chỉ ra $95%$ du khách dùng Facebook và $83%$ dùng TikTok. Chiến lược tối ưu là sử dụng TikTok làm kênh khơi gợi cảm hứng bằng video ngắn (Visual Hook) và sử dụng Facebook làm kênh cung cấp thông tin chi tiết, hỗ trợ tư vấn và chuyển đổi dịch vụ.

5. Chi phí và thời gian dự kiến để triển khai chiến lược tiếp thị nội dung số dựa trên kết quả đề tài?

Thời gian triển khai chuẩn là 12 tuần (khoảng 3 tháng). Chi phí tối ưu cho một chiến dịch quy mô vừa dao động từ 30 đến 50 triệu VNĐ, tập trung chủ yếu vào việc hợp tác với micro-KOCs và sáng tạo nội dung hữu ích, mang lại điểm hòa vốn (ROI) sau 2–3 tháng vận hành.

Kết luận

Đồ án khóa luận tốt nghiệp của tác giả Dương Thị Diễm Hương (Trường Đại học Ngân hàng TP.HCM, 2024) đã giải quyết trọn vẹn bài toán định lượng các yếu tố mạng xã hội tác động đến quyết định lựa chọn điểm đến du lịch tại TP.HCM. Bằng phương pháp nghiên cứu thực nghiệm chặt chẽ trên mẫu $N = 307$, công trình đã chứng minh vai trò dẫn dắt của Chia sẻ trải nghiệm tích cực ($\beta = 0.368$) và Sự hữu ích của thông tin ($\beta = 0.300$), đồng thời cảnh báo rủi ro từ Trải nghiệm tiêu cực ($\beta = -0.098$). Đây là tài liệu tham khảo giá trị cho các nhà hoạch định chiến lược tiếp thị số và các doanh nghiệp trong ngành du lịch Việt Nam nhằm gia tăng sức hút cho điểm đến TP.HCM trên bản đồ du lịch quốc tế.