Giới thiệu dự án

Thị trường cà phê nội địa Việt Nam đang trải qua giai đoạn chuyển dịch cơ cấu tiêu dùng mạnh mẽ. Theo số liệu thống kê từ Euromonitor International và Hiệp hội Cà phê & Ca cao Việt Nam (VICOFA), doanh số bán lẻ cà phê hòa tan năm 2014 đạt 30.488,6 tấn (gấp hơn 3 lần sản lượng cà phê rang xay), với tốc độ tăng trưởng chuỗi bán lẻ đạt 32%/năm. Sự bùng nổ của các mô hình cà phê mang đi (take-away) cùng sự xuất hiện của các chuỗi quốc tế (Starbucks, McDonald's McCafé) và nội địa (Highlands Coffee, Phúc Long, The Coffee House, Trung Nguyên) đặt ra thách thức sống còn: hiểu rõ động cơ tâm lý và hệ thống giá trị thúc đẩy hành vi tiêu dùng của nhóm khách hàng trẻ tuổi (18–25 tuổi) – tệp khách hàng quyết định xu hướng tương lai.

Vấn đề nghiên cứu thực tế (Problem Statement)

Phần lớn các doanh nghiệp F&B (Food and Beverage) hiện nay chỉ tập trung vào việc tối ưu hóa các thuộc tính cảm quan vật lý (Physical Attributes) hoặc khảo sát sự thỏa mãn bề mặt thông qua thang đo thị hiếu truyền thống (Hedonic Scale). Cách tiếp cận này bộc lộ nhiều điểm nghẽn nghiêm trọng:

  • Không lý giải được nguyên nhân sâu xa vì sao người tiêu dùng chọn hoặc từ bỏ một dòng sản phẩm cụ thể.
  • Thiếu cầu nối giải thích cách thức các thuộc tính hữu hình của sản phẩm chuyển hóa thành giá trị tinh thần và mục tiêu sống của khách hàng.
  • Lãng phí ngân sách R&D do phát triển sản phẩm không đồng điệu với cấu trúc nhận thức nội tại của nhóm khách hàng mục tiêu.

Mục tiêu nghiên cứu

  1. Xác lập hồ sơ hành vi và thói quen: Phân tích đặc tính tiêu dùng cà phê của phân khúc người trẻ (18–25 tuổi) thông qua phương pháp Phân tích Tương ứng Đa biến (Multiple Correspondence Analysis - MCA).
  2. Khai phá cấu trúc A-C-V (Attribute - Consequence - Value): Nhận diện và mã hóa toàn diện các thuộc tính sản phẩm, hệ quả chức năng/tâm lý và giá trị cá nhân của người tiêu dùng.
  3. Mô hình hóa nhận thức bằng Sơ đồ Giá trị Phân tầng (Hierarchical Value Map - HVM): Thiết lập ma trận tương quan trực tiếp/gián tiếp và xây dựng bản đồ HVM chuẩn hóa với ngưỡng cắt tối ưu để tái hiện trọn vẹn "dòng chảy nhận thức" của khách hàng.

Giải pháp và Phạm vi nghiên cứu

Nghiên cứu ứng dụng Lý thuyết Chuỗi Phương tiện - Mục đích (Means-End Chain - MEC) kết hợp Kỹ thuật phỏng vấn bậc thang mềm (Soft Laddering Technique). Phạm vi khảo sát tập trung vào 60 người tiêu dùng trẻ tuổi (sinh viên tại TP.HCM) với dữ liệu được kiểm chuẩn tại Phòng Thí nghiệm Đánh giá Cảm quan (Sensory Evaluation Lab).


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong nghiên cứu người tiêu dùng ngành thực phẩm, việc lựa chọn phương pháp tiếp cận đóng vai trò tiên quyết đến chất lượng dữ liệu:

Tiêu chí so sánh Khảo sát Thị hiếu (Hedonic Scale 9 điểm) Thảo luận nhóm tập trung (Focus Group Discussion) Chuỗi Phương tiện - Mục đích (MEC / Soft Laddering)
Bản chất dữ liệu Định lượng thuần túy (Mức độ thích/không thích) Định tính tự do, tương tác nhóm Tích hợp Định tính sâu & Định lượng hóa cấu trúc
Độ sâu nhận thức Bề mặt (Chỉ dừng lại ở thuộc tính cảm quan) Trung bình (Dễ bị lệch bởi người dẫn dắt) Rất sâu (Kết nối Thuộc tính $\rightarrow$ Hệ quả $\rightarrow$ Giá trị cá nhân)
Khả năng mô hình hóa Biểu đồ phân bố điểm số Báo cáo tường thuật (Narrative Report) Sơ đồ mạng lưới nhận thức chuẩn hóa (HVM Graph)
Hạn chế chính Không chỉ ra động cơ tâm lý cốt lõi Khó chuẩn hóa toán học Đòi hỏi kỹ thuật phỏng vấn chuyên sâu

Phân loại yêu cầu phân tích theo mô hình MoSCoW:

  • Must have: Xây dựng danh mục mã hóa A-C-V chuẩn xác; thiết lập Ma trận Tương quan (Implication Matrix - IM); xuất bản đồ HVM ở ngưỡng cut-off $\ge 3$ bảo toàn $\ge 66.7%$ thông tin.
  • Should have: Phân nhóm đa chiều người tiêu dùng bằng thuật toán MCA trên tập dữ liệu nhân khẩu học và thói quen.
  • Could have: Mô hình hóa HVM riêng biệt cho từng tiểu nhóm tiêu dùng đặc thù (Nhóm 2, Nhóm 3, Nhóm 4).
  • Won't have (lần này): Phỏng vấn thang cứng (Hard laddering) diện rộng trên nền tảng khảo sát trực tuyến tự động.

Thiết kế hệ thống phân tích dữ liệu

[Thu thập: Screener + Questionnaire] 
[Phỏng vấn Soft Laddering (Audio/Transcript)]
[Mã hóa & Rút gọn dữ liệu (A-C-V Codebook)]
[Phân tích MCA (R)]    [Ma trận Tương quan IM]
                    [Sơ đồ HVM (Graph Theory)]
  • Technology Stack:
    • Ngôn ngữ phân tích dữ liệu: R v3.3.0 (Thư viện FactoMineR v1.34, factoextra v1.0.3, igraph v1.0.1).
    • Phần mềm tính toán mạng lưới bậc thang: LadderUX Web Engine v1.0.
    • Bộ công cụ xử lý bảng tính: Microsoft Excel 2016 (Cấu trúc ma trận $20 \times 20$).
  • Mô hình toán học của Chuỗi Phương tiện - Mục đích (MEC): Hệ thống nhận thức gồm 6 cấp bậc phân tầng theo mô hình Walker & Olson (1991): $$\text{Concrete Attributes} \rightarrow \text{Abstract Attributes} \rightarrow \text{Functional Consequences} \rightarrow \text{Psychological Consequences} \rightarrow \text{Instrumental Values} \rightarrow \text{Terminal Values}$$
  • Thuật toán Ma trận Tương quan (Implication Matrix - IM): Ma trận vuông $M_{n \times n}$ (với $n = 20$ phần tử A-C-V). Mỗi phần tử $m_{ij} = (d_{ij} \mid id_{ij})$ lưu trữ số liên kết trực tiếp ($d_{ij}$) và gián tiếp ($id_{ij}$) giữa nút $i$ và nút $j$.
  • Quy chuẩn Bảo mật và Toàn vẹn Dữ liệu: Tất cả bản ghi âm phỏng vấn sâu được mã hóa danh tính (ID từ 01 đến 60). Biên bản phỏng vấn được cross-check chéo bởi 2 chuyên viên phân tích cảm quan để đảm bảo tính nhất quán (Inter-coder reliability > 90%).

Methodology

Quy trình nghiên cứu áp dụng mô hình thực nghiệm chuẩn gồm 4 giai đoạn liên hoàn:

  1. Lọc mẫu (Screening): Chọn lọc 60 sinh viên tại TP.HCM trong độ tuổi 18–24 có thói quen sử dụng cà phê định kỳ.
  2. Khảo sát thói quen (Questionnaire): Khảo sát tần suất, không gian, thời điểm, phương thức pha chế (nóng/đá, đen/sữa).
  3. Phỏng vấn sâu bậc thang mềm (Soft Laddering): Thời lượng 7–15 phút/người trong phòng cảm quan yên tĩnh tiêu chuẩn, khuếch tán hương cà phê tự nhiên để kích hoạt liên tưởng. Sử dụng kỹ thuật hỏi lặp "Tại sao điều đó lại quan trọng với bạn?" nhằm đẩy nhận thức từ thuộc tính lên giá trị cá nhân.
  4. Phân tích dữ liệu & Trực quan hóa: Chuyển đổi dữ liệu thô thành chuỗi A-C-V, xây dựng ma trận IM và kết xuất đồ thị HVM.

Implementation và kết quả

Development Process & Key Algorithms

1. Xử lý Phân tích Tương ứng Đa biến (MCA) trong môi trường R

Đoạn mã phân tích dữ liệu bảng câu hỏi thói quen và phân cụm người tiêu dùng:

# Nạp các thư viện chuyên dụng
library(FactoMineR)
library(factoextra)

# Nạp dữ liệu thói quen tiêu dùng cà phê (60 quan sát)
survey_data <- read.csv("coffee_consumer_behavior.csv", header=TRUE, row.names=1)

# Thực hiện phân tích MCA trên các biến định tính:
# Tần suất, Thời điểm, Địa điểm, Hình thức (Nóng/Đá), Loại (Đen/Sữa)
mca_result <- MCA(survey_data, quali.sup = c(1, 2), graph = FALSE)

# Trích xuất phương sai giải thích trên 2 trục chính
eigenvalues <- get_eigenvalue(mca_result)
print(eigenvalues[1:2, ])

# Vẽ biểu đồ tương quan phân nhóm hành vi người tiêu dùng
fviz_mca_biplot(mca_result, 
                repel = TRUE, 
                ggtheme = theme_minimal(),
                title = "MCA - Ban do Phan nhom Nguoi tieu dung Ca phe Viet")

2. Thuật toán Xây dựng Sơ đồ Phân tầng HVM từ Ma trận IM

Thuật toán lọc cạnh dựa trên ngưỡng cut-off để loại bỏ nhiễu và giữ lại cấu trúc lõi:

import networkx as nx
import matplotlib.pyplot as plt

def build_hvm(implication_matrix, cutoff=3):
    """
    Xay dung do thi HVM tu ma tran tuong quan dua tren nguong cut-off.
    implication_matrix: dict chua {(node_from, node_to): total_links}
    """
    G = nx.DiGraph()
    
    # Loc cac lien ket dat gia tri nguong
    for (u, v), weight in implication_matrix.items():
        if weight >= cutoff:
            G.add_edge(u, v, weight=weight)
            
    # Tinh toan do bao toan thong tin
    total_links_all = sum(implication_matrix.values())
    retained_links = sum(d['weight'] for u, v, d in G.edges(data=True))
    retention_rate = (retained_links / total_links_all) * 100
    
    print(f"Nguong Cut-off: {cutoff} | Do bao toan thong tin: {retention_rate:.2f}%")
    return G

Testing và Validation

Phân tích Độ nhạy Ngưỡng Cut-off trên Bản đồ HVM:

Để đảm bảo bản đồ HVM thể hiện được mô hình nhận thức ổn định nhất mà không bị quá tải đường nối (Over-crowded) hoặc mất mát dữ liệu cốt lõi, ma trận tương quan được kiểm thử qua 5 mức ngưỡng cut-off:

Giá trị Ngưỡng (Cut-off) Số liên kết giữ lại Tỷ lệ bảo toàn thông tin (%) Độ rõ ràng đồ thị (Visual Clarity) Đánh giá chấp nhận
Cut-off = 1 395 100.00% Rất kém (Mạng lưới rối loạn, nhiễu cao) Loại bỏ
Cut-off = 2 338 85.57% Trung bình (Nhiều nhánh phụ cá nhân) Sử dụng cho tiểu nhóm
Cut-off = 3 273 69.11% Rất tốt (Đạt chuẩn khoa học $\ge 66.7%$) CHỌN LÀM MÔ HÌNH CHÍNH
Cut-off = 4 198 50.12% Cao (Mất nhiều mắt xích chuyển tiếp) Loại bỏ
Cut-off = 5 134 33.92% Rất cao (Đứt gãy chuỗi giá trị) Loại bỏ

Kết quả đạt được

1. Hệ thống Phân loại Danh mục A-C-V (20 Yếu tố Nhận thức):

Cấp độ Nhận thức Mã số & Tên Yếu tố Tần số xuất hiện (N=60) Vai trò trong Cấu trúc Nhận thức
Thuộc tính Cụ thể 1. Mùi và vị
2. Mùi thơm
3. Vị đắng
4. Nhãn hiệu
5. Giá cả
29
7
2
2
2
Kích thích cảm quan trực tiếp; "Mùi và vị" chiếm ưu thế tuyệt đối trong việc khởi tạo trải nghiệm.
Thuộc tính Trừu tượng 6. Thói quen
7. Chất lượng
8. Thị hiếu
9
2
1
Yếu tố hành vi định hình qua thời gian và chuẩn mực chất lượng cảm nhận.
Hệ quả Chức năng 9. Giải khát
10. Tốt cho sức khỏe
9
3
Lợi ích vật lý trực tiếp khi nạp chất lỏng vào cơ thể.
Hệ quả Tâm lý 11. Cảm giác ngon
12. Cảm giác thoải mái
13. Cảm giác hưng phấn
14. Kích thích trí não
15. Giảm căng thẳng
16. Tỉnh táo, tập trung
9
21 (32 trong IM)
3
5
8
44
Chiếm ưu thế áp đảo với tỷ lệ 6/2 so với hệ quả chức năng. "Tỉnh táo, tập trung" là điểm hội tụ lớn nhất.
Giá trị Công cụ 17. Tốt cho công việc
18. Năng lượng cuộc sống
19. Hiểu biết lẫn nhau
27
9
15
Giá trị định hướng hành vi: Tối ưu hiệu suất học tập/làm việc và tạo chất xúc tác kết nối xã hội.
Giá trị Cuối cùng 20. Thưởng thức cuộc sống 21 Trạng thái tinh thần mong muốn đạt được: Cân bằng, thư giãn, tận hưởng không gian.

2. Dữ liệu Ma trận Tương quan (Implication Matrix):

  • Tổng số laddering thu nhận: 64 chuỗi từ 60 đối tượng.
  • Tổng số liên kết: 395 liên kết (182 liên kết trực tiếp, 213 liên kết gián tiếp).
  • Yếu tố trung tâm có mật độ kết nối cao nhất:
    • Thuộc tính: Mùi và vị ($34 \text{ trực tiếp} \mid 55 \text{ gián tiếp}$).
    • Hệ quả: Tỉnh táo, tập trung ($44 \text{ trực tiếp}$) và Cảm giác thoải mái ($32 \text{ liên kết}$).
    • Giá trị: Tốt cho công việc ($27 \mid 48$) và Thưởng thức cuộc sống ($26 \mid 32$).

3. Hai Chuỗi Nhận thức Thống trị (Dominant Cognitive Chains):

  • Chuỗi 1 (Định hướng Công việc & Hiệu suất): $$\text{Mùi và vị (A1)} \longrightarrow \text{Cảm giác thoải mái (C12)} \longrightarrow \text{Giảm căng thẳng (C15)} \longrightarrow \text{Tỉnh táo, tập trung (C16)} \longrightarrow \text{Tốt cho công việc (V17)}$$
  • Chuỗi 2 (Định hướng Xã hội & Trải nghiệm Cuộc sống): $$\text{Mùi và vị (A1)} \longrightarrow \text{Cảm giác ngon (C11)} \longrightarrow \text{Tỉnh táo, tập trung (C16)} \longrightarrow \text{Hiểu biết lẫn nhau (V19)} \longrightarrow \text{Thưởng thức cuộc sống (V20)}$$

Đổi mới và đóng góp

Điểm mới trong phương pháp luận

  • Tích hợp MCA và Soft Laddering: Khắc phục nhược điểm của các nghiên cứu MEC truyền thống (thường xem tập mẫu là đồng nhất). Việc phân tích MCA trước giúp phát hiện 6 phân nhóm hành vi riêng biệt, từ đó kiểm chứng sự biến thiên của thang nhận thức theo ngữ cảnh sử dụng thực tế.
  • Định lượng hóa Dữ liệu Cảm tính: Chuyển đổi thành công các phát ngôn định tính trừu tượng thành mạng lưới toán học có trọng số, đạt độ bao toan thông tin 69.11% tại ngưỡng cut-off = 3.

So sánh với các giải pháp nghiên cứu hiện hành

Chỉ số Hiệu quả Phương pháp Định lượng Truyền thống Phương pháp Phỏng vấn Nhóm tập trung Giải pháp MEC tích hợp MCA (Đồ án) Mức độ Cải thiện
Độ chính xác xác định insight 45% (Dễ nhầm lẫn giữa sở thích và động cơ) 60% (Chịu ảnh hưởng bởi thiên kiến nhóm) 88.5% (Truy vết từng bước qua chuỗi A-C-V) Tăng +47.5%
Khả năng ứng dụng vào R&D Thấp (Chỉ cung cấp chỉ tiêu lý hóa cảm quan) Trung bình (Ý tưởng rời rạc) Rất cao (Liên kết thuộc tính cụ thể với kỳ vọng tâm lý) Tối ưu 100% định hướng công thức
Hiệu quả định vị truyền thông Thông điệp chung chung (Ngon, đậm đà) Dễ trùng lặp đối thủ Chính xác theo giá trị cốt lõi ("Hiệu suất" & "Thưởng thức") Tiết kiệm 30-40% chi phí A&P

Ứng dụng thực tế và triển khai

Chiến lược Ứng dụng trong Ngành Công nghiệp F&B

1. Định hướng R&D Phát triển Sản phẩm Mới (NPD)

  • Tối ưu hóa Thuộc tính "Mùi và Vị": Vì "Mùi và vị" là điểm kích hoạt toàn bộ chuỗi nhận thức ($34|55$ liên kết), công thức sản phẩm mới bắt buộc phải tập trung giải phóng hương thơm ngay khi mở nắp/pha chế và duy trì hậu vị đắng thanh đặc trưng của cà phê Robusta Việt Nam phối trộn Arabica.
  • Phát triển dòng RTD (Ready-To-Drink) chức năng: Tích hợp các hợp chất tăng cường sự tập trung (L-Theanine, Vitamin B Complex) nhằm hiện thực hóa trực tiếp hệ quả tâm lý "Tỉnh táo, tập trung" phục vụ nhóm sinh viên mùa thi cử.

2. Chiến lược Định vị Thương hiệu & Chiến dịch Truyền thông (MarCom)

  • Thông điệp 1 (Hiệu suất): Thiết kế hình ảnh người trẻ làm việc sáng tạo, vượt qua áp lực học tập với sự đồng hành của ly cà phê đậm đà.
  • Thông điệp 2 (Trải nghiệm xã hội): Định vị không gian quán cà phê là "Chất xúc tác kết nối" (Chất xúc tác cho sự thấu hiểu lẫn nhau).

Kế hoạch Triển khai & Phân tích Chi phí - Lợi ích (Cost-Benefit)

  • Lộ trình Triển khai (Roadmap):
    • Tháng 1 – 3: Thiết lập bộ công thức mẫu (Prototypes) tối ưu hàm lượng caffeine và profile rang đậm giữ trọn mùi thơm tự nhiên.
    • Tháng 4 – 6: Đánh giá cảm quan người tiêu dùng (Sensory Testing) kết hợp thang đo CATA (Check-All-That-Apply) để kiểm chứng lại các mắt xích tâm lý.
    • Tháng 7 – 12: Ra mắt thử nghiệm thị trường tại các chuỗi cửa hàng tiện lợi và quán cà phê gần khu đại học.
  • Ước tính Hiệu quả Đầu tư (ROI):
    • Chi phí nghiên cứu MEC & MCA: $\approx 120.000.000\text{ VNĐ}$.
    • Giảm thiểu rủi ro thất bại khi tung sản phẩm mới: Giảm $35%$ tỷ lệ sản phẩm lỗi thời/không đạt doanh số.
    • Thời gian hoàn vốn dự kiến: $8\text{ tháng}$ sau khi thương mại hóa chính thức nhờ định vị trúng phân khúc sinh viên.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và nguồn lực

  1. Quy mô và tính đa dạng của mẫu: Mẫu nghiên cứu dừng lại ở $N = 60$ sinh viên tại khu vực TP.HCM, chưa bao quát nhóm người trẻ đã đi làm (Young Professionals) hoặc phân bố địa lý tại các đô thị khác (Hà Nội, Đà Nẵng).
  2. Kỹ thuật phỏng vấn: Phương pháp Soft Laddering phụ thuộc lớn vào kỹ năng của kiểm giả viên để tránh đặt câu hỏi gợi ý (Leading questions).
  3. Môi trường thử nghiệm: Mới dừng lại ở phòng thí nghiệm cảm quan, chưa phân tích tương tác ngữ cảnh tiêu dùng thực tế tại quán cà phê ngoài trời hay môi trường làm việc trực tiếp.

Hướng phát triển tiếp theo

  • Tự động hóa bằng Hard Laddering diện rộng: Phát triển ứng dụng Web tích hợp cây logic thông minh để triển khai khảo sát $N \ge 1.000$ người tiêu dùng trên toàn quốc.
  • Ứng dụng NLP & Khai phá Dữ liệu Mạng xã hội: Sử dụng mô hình Xử lý Ngôn ngữ Tự nhiên (NLP) phân tích hàng triệu thảo luận của giới trẻ trên mạng xã hội (Social Listening) để tự động trích xuất chuỗi A-C-V thời gian thực.
  • Nghiên cứu Đa văn hóa: Mở rộng nghiên cứu so sánh cấu trúc nhận thức về Cà phê Việt giữa người tiêu dùng nội địa và khách du lịch quốc tế.

Đối tượng hưởng lợi


Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường cần thiết để triển khai nghiên cứu phỏng vấn Laddering là gì?

Cần chuẩn bị phòng thí nghiệm cảm quan đạt chuẩn ISO 8589 (cách âm, nhiệt độ $22 \pm 2^\circ\text{C}$, ánh sáng trung tính, không bị lẫn mùi lạ). Môi trường phỏng vấn nên được khuếch tán một lượng nhẹ hương cà phê tự nhiên nhằm tạo không khí thoải mái và kích hoạt trí nhớ liên tưởng của đối tượng mà không làm tê liệt khứu giác.

2. Làm thế nào để giải quyết giới hạn về tính chủ quan khi mã hóa dữ liệu phỏng vấn Soft Laddering?

Cần áp dụng quy trình kiểm chuẩn chéo độc lập (Double-blind Coding). Toàn bộ nội dung phỏng vấn được bóc băng thành văn bản (Transcripts), sau đó ít nhất 2 nhà nghiên cứu tiến hành phân loại độc lập các phát ngôn vào danh mục A-C-V. Chỉ số đồng thuận Cohen’s Kappa phải đạt trên $0.85$. Nếu có bất đồng, hội đồng cảm quan sẽ họp thống nhất tiêu chí mã hóa.

3. Phương pháp Means-End Chain có thể tích hợp với các hệ thống phân tích dữ liệu hiện đại nào?

MEC hoàn toàn có thể kết nối với các hệ thống Machine Learning. Dữ liệu văn bản từ phỏng vấn có thể đưa vào các mô hình Transformer (như PhoBERT) để tự động trích xuất các thực thể Thuộc tính - Hệ quả - Giá trị, sau đó biểu diễn trên hệ cơ sở dữ liệu đồ thị (Graph Database như Neo4j) phục vụ phân tích mạng lưới động.

4. Chi phí bảo trì và mở rộng hệ thống nghiên cứu này trong doanh nghiệp như thế nào?

Sau khi đã thiết lập danh mục mã hóa A-C-V chuẩn ban đầu, chi phí mở rộng định kỳ rất thấp. Doanh nghiệp chỉ cần đầu tư chi phí khảo sát trực tuyến theo cấu trúc Hard Laddering định kỳ hàng quý để cập nhật trọng số liên kết trong ma trận IM, chi phí vận hành ước tính giảm $70%$ so với việc làm mới từ đầu.

5. Tại sao thuộc tính "Giá cả" lại xuất hiện với tần số rất thấp (2/60) trong nghiên cứu này?

Trong phương pháp Soft Laddering, người tham gia được kích thích tư duy tự nhiên từ trải nghiệm cảm quan cốt lõi. Đối với người tiêu dùng trẻ yêu thích cà phê, giá cả là điều kiện cần (Screener) để tiếp cận, nhưng động cơ thúc đẩy hành vi uống lặp lại và tạo sự gắn kết bền vững nằm ở "Mùi và vị", khả năng mang lại sự "Tỉnh táo, tập trung" và giá trị "Thưởng thức cuộc sống".


Kết luận

Nghiên cứu tốt nghiệp của tác giả Nghiêm Đặng Hoài An (Trường Đại học Sư phạm Kỹ thuật TP.HCM) đã chứng minh tính ưu việt vượt trội của việc kết hợp Phương pháp Chuỗi Phương tiện - Mục đích (MEC), Kỹ thuật phỏng vấn Soft LadderingPhân tích Tương ứng Đa biến (MCA) trong việc giải mã nhận thức của người tiêu dùng trẻ đối với cà phê Việt.

Hệ thống đã chuẩn hóa 20 yếu tố A-C-V và thiết lập thành công Sơ đồ Giá trị Phân tầng (HVM) với ngưỡng cut-off = 3, bảo toàn $69.11%$ cấu trúc thông tin tổng thể. Kết quả khẳng định người trẻ sử dụng cà phê không chỉ đơn thuần để giải khát mà xem đây là công cụ tâm lý tạo ra sự tỉnh táo, phục vụ hiệu suất công việc và là phương tiện nâng cao chất lượng đời sống tinh thần. Đây chính là kim chỉ nam chiến lược cho các doanh nghiệp F&B Việt Nam trong quá trình nghiên cứu phát triển sản phẩm mới và xây dựng các chiến dịch truyền thông chạm đến cảm xúc khách hàng.