Giới thiệu dự án

Trong kỷ nguyên kinh tế số và sự bùng nổ của cuộc Cách mạng Công nghiệp 4.0, các kênh truyền thông trực tuyến đóng vai trò huyết mạch trong chiến lược mở rộng thị trường và xây dựng thương hiệu doanh nghiệp. Theo các báo cáo kinh tế số tại Việt Nam, hơn 98% người dùng Internet thường xuyên sử dụng các công cụ tìm kiếm và mạng xã hội để tra cứu thông tin trước khi ra quyết định tiêu dùng. Website không chỉ đóng vai trò là kênh hiển thị thông tin tĩnh mà đã phát triển thành một hệ thống tiếp thị tích hợp (Inbound Marketing Hub), nơi tối ưu hóa chuyển đổi từ lưu lượng truy cập (Traffic) thành khách hàng thực tế.

+-----------------------------------------------------------------------------------+
|                            BỐI CẢNH NGHIÊN CỨU TẠI CÔNG TY TNHH TOS              |
|                                                                                   |
|  [Đặc thù Doanh nghiệp]           [Thực trạng Kênh Website]       [Vấn đề Cốt lõi] |
|  - Agency chuyên sâu SEO          - Lưu lượng New Users lớn       - Khách quay lại |
|  - Cạnh tranh trực tiếp cao       - Tỷ lệ chuyển đổi chưa tối ưu     thấp           |
|  - Phụ thuộc Organic Search       - Tương tác Share còn yếu       - Cần chuẩn hóa  |
|                                                                     phễu AISAS     |
+-----------------------------------------------------------------------------------+

1. Bối cảnh và Vấn đề Nghiên cứu (Problem Statement)

Công ty TNHH TOS (TopOnSeek) là doanh nghiệp chuyên cung cấp giải pháp Tối ưu hóa Công cụ Tìm kiếm (Search Engine Optimization - SEO) và Content Marketing tại Việt Nam. Dù sở hữu lưu lượng truy cập ban đầu từ người dùng mới khá ấn tượng nhờ thứ hạng từ khóa cao trên trang kết quả tìm kiếm (SERP), phân tích dữ liệu website giai đoạn 2018–2020 cho thấy hai điểm nghẽn nghiêm trọng:

  • Tỷ lệ khách hàng quay lại (Returning Visitors) thấp: Website chưa giữ chân được người dùng sau lần truy cập đầu tiên, dẫn đến lãng phí tài nguyên thu hút ban đầu.
  • Đứt gãy hành trình chuyển đổi: Khách hàng dừng lại ở bước đọc thông tin nhưng tỷ lệ thực hiện hành động liên hệ (Action) và chia sẻ bài viết (Share) chưa tương xứng với lưu lượng truy cập tổng thể.

2. Mục tiêu Nghiên cứu (Project Objectives)

  1. Hệ thống hóa cơ sở lý luận: Làm rõ các mô hình hành vi người tiêu dùng kỹ thuật số (AIDA, AIDMA, eMICA, AISAS) và các chỉ số đo lường hiệu quả truyền thông website.
  2. Đánh giá thực trạng đa chiều: Phân tích dữ liệu vận hành website thực tế của TOS giai đoạn 2018–2020 kết hợp đo lường định lượng trên tập người dùng thực tế.
  3. Kiểm định mô hình đo lường: Xác định mức độ ảnh hưởng của 5 nhân tố trong mô hình AISAS (Chú ý, Quan tâm, Tìm kiếm, Hành động, Chia sẻ) đến cảm nhận hiệu quả truyền thông tổng thể qua hệ số hồi quy chuẩn hóa.
  4. Đề xuất giải pháp kỹ thuật và nội dung: Xây dựng hệ thống giải pháp tối ưu On-page, cấu trúc Content Marketing và nâng cao tỷ lệ tương tác chuyển đổi cho website TOS.

3. Phương pháp Tiếp cận và Phạm vi (Solution Approach & Scope)

  • Phương pháp tiếp cận: Ứng dụng mô hình hành vi AISAS (Attention - Interest - Search - Action - Share) do Dentsu phát triển, kết hợp công cụ phân tích thống kê chuyên sâu trên phần mềm SPSS v20.0 (Cronbach's Alpha, EFA, One-Sample T-Test, Hồi quy đa biến).
  • Phạm vi không gian & thời gian: Dữ liệu thứ cấp thu thập tại Công ty TNHH TOS giai đoạn 2018–2020; dữ liệu khảo sát sơ cấp thu thập từ tháng 01/2021 đến tháng 04/2021 với kích thước mẫu $n = 115$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Sự chuyển dịch từ mô hình truyền thông một chiều sang môi trường tương tác đa chiều đòi hỏi các doanh nghiệp phải cập nhật mô hình đánh giá hành vi khách hàng phù hợp với kỷ nguyên số:

Tiêu chí Mô hình AIDMA (1920) Mô hình AIDA (1898/1925) Mô hình eMICA (2000) Mô hình AISAS (2004 - Nghiên cứu áp dụng)
Luồng thông tin Tuyến tính 1 chiều ($A \to I \to D \to M \to A$) Tuyến tính 1 chiều ($A \to I \to D \to A$) Đa tầng thương mại ($1 \to 2 \to 3$) Phi tuyến tính, 2 vòng lặp ($A \to I \to S \to A \to S$)
Yếu tố tương tác số Không có (Môi trường truyền thống) Không có Có (Tương tác Web cơ bản) Rất mạnh (Tích hợp Search & Social Sharing)
Phù hợp SEO/Content Kém Kém Trung bình Rất cao (Tối ưu điểm chạm tìm kiếm và lan truyền)
Nhược điểm Coi người dùng bị động, bỏ qua Search Bỏ qua bước tra cứu độc lập Chỉ đánh giá mức độ số hóa kỹ thuật Đòi hỏi hệ thống theo dõi đa kênh phức tạp 
Mô hình AISAS trong môi trường Website:
[Attention: SEO Top / Ads] ---> [Interest: Content / UX UI]
                                       |
                                       v
[Share: Backlink / Social] <--- [Action: Form / Call] <--- [Search: On-site / Off-site]

Thiết kế hệ thống đo lường và khảo sát

Hệ thống đánh giá hiệu quả truyền thông được thiết kế theo cấu trúc phân tầng:

graph TD
    A[Dữ liệu Khảo sát Khách hàng n=115] --> B[Tiền xử lý & Làm sạch Dữ liệu]
    B --> C[Kiểm định Thang đo Cronbach's Alpha]
    C --> D[Phân tích Nhân tố Khám phá EFA]
    D --> E[Kiểm định One-Sample T-Test vs Mu=4.0]
    D --> F[Mô hình Hồi quy Đa biến SPSS v20]
    F --> G[Bộ Giải pháp Tối ưu Hóa Truyền thông Website]

Công nghệ và Thang đo nghiên cứu

  • Hệ quản trị nội dung (CMS): WordPress 5.x kết hợp nền tảng máy chủ Nginx/Apache, tối ưu hóa tốc độ tải trang (PageSpeed < 2.5s) và cấu trúc liên kết chuẩn SEO.
  • Hệ thống phân tích dữ liệu: Google Analytics (GA), Google Search Console (GSC) và IBM SPSS Statistics v20.0.
  • Thiết kế thang đo: Sử dụng thang đo Likert 5 mức độ ($1$: Rất không đồng ý $\to 5$: Rất đồng ý) đo lường 5 nhân tố của mô hình AISAS gồm 20 biến quan sát chuẩn hóa.
{
  "@context": "https://schema.org",
  "@type": "WebSite",
  "name": "TOS SEO Agency",
  "url": "https://toponseek.com",
  "potentialAction": {
    "@type": "SearchAction",
    "target": "https://toponseek.com/?s={search_term_string}",
    "query-input": "required name=search_term_string"
  }
}

Phương pháp nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình kết hợp định tính và định lượng (Mixed-Methods):

  1. Nghiên cứu định tính: Phỏng vấn sâu chuyên gia ($n=5$) gồm trưởng bộ phận nội dung, kỹ sư SEO và khách hàng doanh nghiệp nhằm hiệu chỉnh các biến quan sát trong thang đo AISAS.
  2. Xác định cỡ mẫu định lượng: Áp dụng công thức tính kích thước mẫu ngẫu nhiên theo độ lệch chuẩn trung bình: $$n = \frac{Z^2 \times \sigma^2}{e^2}$$ Với độ tin cậy $95%$ ($Z = 1.96$), độ lệch chuẩn ước lượng $\sigma = 0.27$, sai số cho phép $e = 0.05$: $$n = \frac{(1.96)^2 \times (0.27)^2}{(0.05)^2} \approx 112.04 \implies \text{Quy chuẩn chọn mẫu thực tế: } n = 115$$
  3. Quy trình phân tích dữ liệu:
    • Kiểm tra độ tin cậy thang đo (Cronbach's Alpha $> 0.7$, Corrected Item-Total Correlation $> 0.3$).
    • Phân tích nhân tố khám phá EFA ($KMO \ge 0.5$, Bartlett's Test $Sig. < 0.05$, Factor Loading $> 0.5$).
    • Kiểm định One-Sample T-Test so sánh với giá trị kiểm định $\mu = 4.0$ (Mức độ đồng ý).
    • Mô hình hồi quy tuyến tính đa biến: $Y = \beta_0 + \beta_1 A + \beta_2 I + \beta_3 S + \beta_4 Ac + \beta_5 Sh + \epsilon$.

Implementation và kết quả

Quy trình phân tích dữ liệu trên SPSS v20

Quy trình xử lý số liệu được tự động hóa qua tập lệnh thống kê mô tả và phân tích định lượng:

# Mô phỏng quy trình kiểm định Cronbach's Alpha và Hồi quy Đa biến (Python/SPSS Logic)
import numpy as np
import pandas as pd
import statsmodels.api as sm

def calculate_cronbach_alpha(df_items):
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    alpha = (k / (k - 1)) * (1 - item_vars.sum() / total_var)
    return alpha

# Pipeline hồi quy tuyến tính
def run_linear_regression(X, y):
    X = sm.add_constant(X)
    model = sm.OLS(y, X).fit()
    return model.summary()

Kết quả kiểm định thống kê và thực nghiệm

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha) & Phân tích EFA

Toàn bộ 5 nhóm nhân tố thuộc mô hình AISAS đều đạt độ tin cậy thống kê cao với hệ số tương quan biến - tổng thỏa mãn điều kiện loại biến rác:

Nhóm nhân tố Số biến quan sát Hệ số Cronbach's Alpha Hệ số KMO Kiểm định Bartlett (Sig.) Tổng phương sai trích (%)
Chú ý (Attention - A) 4 0.824 0.781 0.000 64.21%
Quan tâm (Interest - I) 4 0.856 0.812 0.000 68.15%
Tìm kiếm (Search - S) 4 0.841 0.795 0.000 66.40%
Hành động (Action - Ac) 4 0.798 0.743 0.000 61.80%
Chia sẻ (Share - Sh) 4 0.815 0.760 0.000 63.55%

2. Kiểm định One-Sample T-Test (Giá trị kiểm định Test Value = 4.0)

Kết quả kiểm định chỉ ra rằng mức độ cảm nhận trung bình của người dùng đối với các biến quan sát thuộc giai đoạn "Attention" và "Search" đạt điểm đánh giá cao ($Mean > 4.0, Sig. > 0.05$), trong khi các biến thuộc giai đoạn "Action" và "Share" có giá trị trung bình thấp hơn đáng kể ($Mean < 3.8, Sig. < 0.05$). Điều này chứng minh lỗ hổng truyền thông nằm ở tầng cuối của phễu chuyển đổi.

Mức độ Đánh giá Trung bình (Thang điểm 5.0):
Attention (Chú ý)  : [#######################-----] 4.12/5.00 (Đạt chuẩn)
Interest (Quan tâm): [#####################-------] 3.95/5.00 (Khá)
Search (Tìm kiếm)  : [#######################-----] 4.18/5.00 (Tốt)
Action (Hành động) : [##################----------] 3.52/5.00 (Cần tối ưu)
Share (Chia sẻ)    : [###############-------------] 3.10/5.00 (Điểm nghẽn)

3. Kết quả phân tích hồi quy đa biến

Mô hình hồi quy đạt mức độ phù hợp cao với $R^2 = 0.642$ ($R^2 \text{ hiệu chỉnh} = 0.625$), không vi phạm hiện tượng đa cộng tuyến ($VIF < 2.0$ cho tất cả các biến):

$$\text{Hiệu quả truyền thông} = 0.285 \times \text{Search} + 0.241 \times \text{Interest} + 0.218 \times \text{Attention} + 0.186 \times \text{Action} + 0.142 \times \text{Share}$$

  • Hệ số $F = 39.124$ ($Sig. = 0.000$): Mô hình có ý nghĩa thống kê ở mức $99%$.
  • Nhân tố Tìm kiếm (Search) ($\beta = 0.285$) và Quan tâm (Interest) ($\beta = 0.241$) có tác động mạnh nhất đến đánh giá hiệu quả truyền thông website của khách hàng.

Đổi mới và đóng góp

  1. Chuẩn hóa khung đánh giá định lượng cho Agency SEO: Khác với các nghiên cứu định tính truyền thống về giao diện website (như nghiên cứu tại ĐH Centria), đề tài tích hợp dữ liệu hành vi thực tế trên Google Analytics với kiểm định kinh tế lượng EFA/Hồi quy, tạo ra mô hình đánh giá 5 bước có thể lượng hóa chính xác.
  2. Khắc phục điểm mù của các mô hình tuyến tính cũ: Nghiên cứu chỉ ra rằng đối với dịch vụ B2B SEO/Marketing, người dùng không chuyển đổi trực tiếp từ $Interest \to Action$ (như AIDA), mà dành hơn $65%$ thời gian ở pha $Search$ nội bộ để đối chiếu case study và bảng giá trước khi đưa ra quyết định liên hệ.
  3. Đóng góp chỉ số tối ưu thực thi: Xác định tỷ lệ tối ưu giữa Content Thông tin (Giáo dục kiến thức) và Content Tiện ích (Template/Công cụ tính toán SEO), nâng cao khả năng tạo liên kết tự nhiên (Natural Backlinks) và thúc đẩy hành vi Share.
So sánh hiệu quả trước và sau khi áp dụng mô hình đánh giá AISAS:
+------------------------+---------------------+----------------------+
| Chỉ số Vận hành        | Giai đoạn 2018-2020 | Mục tiêu Tối ưu Hóa  |
+------------------------+---------------------+----------------------+
| Bounce Rate            | 68.4%               | < 45.0% (-23.4%)     |
| Returning Visitor Rate | 12.6%               | > 28.0% (+15.4%)     |
| Avg. Time on Page      | 1m 15s              | > 3m 00s (+140%)     |
| Conversion Rate (Form) | 1.1%                | > 3.2% (+190%)       |
+------------------------+---------------------+----------------------+

Ứng dụng thực tế và triển khai

Giải pháp kỹ thuật và nội dung theo mô hình AISAS tại TOS

                 CHIẾN LƯỢC TRIỂN KHAI TỐI ƯU THEO PHỄU AISAS
+-----------------------------------------------------------------------------+
| [A] ATTENTION: Tối ưu Rich Snippets, On-page SEO Title, Tốc độ tải Core Web |
| [I] INTEREST : Xây dựng Topic Cluster, Infographics, Tích hợp Video Demo   |
| [S] SEARCH   : Bộ lọc tìm kiếm thông minh, Gợi ý bài viết liên quan (Recom) |
| [Ac] ACTION  : Tối ưu Form Lead 3 trường, Sticky CTA, Báo giá tự động       |
| [Sh] SHARE   : Nút Social Share nổi, Tặng Ebook/Audit Tool khi chia sẻ      |
+-----------------------------------------------------------------------------+
  1. Giai đoạn Chú ý (Attention):
    • Tối ưu hóa cấu trúc Heading (H1, H2, H3), Meta Title/Description chứa từ khóa mục tiêu có Intent rõ ràng.
    • Ứng dụng Schema Markup (Article, FAQPage, Organization) để gia tăng tỷ lệ CTR trên SERP.
  2. Giai đoạn Quan tâm (Interest):
    • Triển khai mô hình bài viết Pillar - Cluster (Bài viết trụ cột và các cụm bài viết vệ tinh).
    • Đa dạng hóa định dạng nội dung: Bổ sung biểu đồ trực quan (Infographics), case studies thực tế của TOS nhằm tăng thời gian On-page.
  3. Giai đoạn Tìm kiếm (Search):
    • Nâng cấp tính năng tìm kiếm nội bộ (On-site Search Engine) với tính năng tự động gợi ý từ khóa liên quan.
    • Xây dựng bảng mục lục tự động (Table of Contents) giúp người dùng điều hướng nhanh đến nội dung cần tra cứu.
  4. Giai đoạn Hành động (Action):
    • Tối ưu giao diện nút Kêu gọi hành động (Call to Action - CTA), gắn cố định (Sticky CTA) ở chân trang hoặc thanh bên.
    • Đơn giản hóa form đăng ký tư vấn dịch vụ SEO (giảm từ 7 trường thông tin xuống còn 3 trường cốt lõi: Tên, Số điện thoại/Email, URL Website).
  5. Giai đoạn Chia sẻ (Share):
    • Tích hợp thanh chia sẻ mạng xã hội (Facebook, LinkedIn, Zalo) tương thích trên thiết bị di động.
    • Triển khai cơ chế tặng tài liệu chuyên sâu (SEO Guidelines/Checklists) khi người dùng thực hiện thao tác chia sẻ bài viết.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Kích thước mẫu khảo sát $n = 115$ được thu thập theo phương pháp thuận tiện trong khoảng thời gian ngắn (01/2021 - 04/2021), do đó tính đại diện tổng thể có thể chịu ảnh hưởng cục bộ.
  • Hạn chế công nghệ đo lường: Nghiên cứu chủ yếu khai thác dữ liệu từ Universal Analytics và khảo sát tĩnh, chưa tích hợp công cụ đo lường hành vi trực quan theo thời gian thực (Heatmap, Session Recording).
  • Hướng phát triển đề xuất:
    • Tích hợp nền tảng Google Analytics 4 (GA4) kết hợp BigQuery để phân tích chuỗi sự kiện người dùng (Event-driven Analytics).
    • Ứng dụng mô hình máy học (Machine Learning Clustering) để phân khúc khách hàng tự động theo hành vi tương tác trên website TOS.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                        MA TRẬN GIÁ TRỊ CÁC BÊN HƯỞNG LỢI                      |
+----------------------+--------------------------------------------------------+
| Đối tượng            | Giá trị và Lợi ích định lượng mang lại                 |
+----------------------+--------------------------------------------------------+
| 🎓 Sinh viên / Học giả| Tài liệu chuẩn mực về ứng dụng kinh tế lượng (SPSS) vào|
|                      | giải quyết bài toán Marketing số thực tế.              |
+----------------------+--------------------------------------------------------+
| 💻 Kỹ sư Web / SEOers| Khung kỹ thuật On-page, cấu trúc Schema.org và phương   |
|                      | pháp tối ưu luồng chuyển đổi người dùng chuẩn AISAS.   |
+----------------------+--------------------------------------------------------+
| 🏢 Doanh nghiệp TOS  | Bộ giải pháp khắc phục điểm nghẽn chuyển đổi, giảm     |
|                      | Bounce rate và nâng cao hiệu suất đầu tư truyền thông. |
+----------------------+--------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống đo lường AISAS trên website là gì?

Hệ thống cần tích hợp Google Analytics (GA4) để tracking custom events tương ứng với 5 giai đoạn: Pageview/Impression ($Attention$), Scroll depth $\ge 75%$ & Time on page $> 2\text{m}$ ($Interest$), Site Search query ($Search$), Lead Form submission ($Action$), Social Share click ($Share$).

2. Tại sao nhân tố "Chia sẻ (Share)" thường có điểm đánh giá trung bình thấp nhất?

Người dùng dịch vụ B2B thường có xu hướng tiêu thụ thông tin độc lập và ít chia sẻ bài viết chuyên môn lên trang cá nhân trừ khi nội dung cung cấp công cụ tiện ích độc quyền hoặc chính sách ưu đãi trực tiếp. Cần bổ sung các tài liệu chuyên ngành có giá trị cao để kích thích hành vi này.

3. Làm thế nào để giải quyết vấn đề khách truy cập cũ (Returning Visitors) chiếm tỷ lệ thấp?

Cần thiết lập hệ thống Email Marketing tự động hóa gửi bản tin cập nhật thuật toán SEO định kỳ, triển khai chiến dịch Re-targeting trên mạng hiển thị và phát triển chuỗi bài viết chuyên sâu dạng nhiều kỳ (Pillar Series) để tạo thói quen quay lại cho độc giả.

4. Chi phí triển khai và thời gian hoàn vốn (ROI) của mô hình này?

Chi phí tối ưu chủ yếu tập trung vào nhân sự Content Marketing và lập trình On-page (ước tính tối ưu trong 2–3 tháng). Doanh nghiệp có thể ghi nhận mức tăng trưởng $25 - 40%$ tỷ lệ chuyển đổi form liên hệ trong vòng 6 tháng, giúp rút ngắn thời gian hoàn vốn đầu tư Marketing.

5. Mô hình này có thể áp dụng cho các website thương mại điện tử (E-commerce) không?

Hoàn toàn có thể. Tuy nhiên, các chỉ số $Action$ trong E-commerce sẽ chuyển đổi từ "Điền form liên hệ" sang "Thêm vào giỏ hàng (Add to Cart)" và "Thanh toán thành công (Purchase Transaction)".

Kết luận

Đề tài "Ứng dụng mô hình AISAS trong đánh giá hiệu quả truyền thông qua website tại Công ty TNHH TOS" đã chứng minh tính đúng đắn và hiệu quả thực tiễn của việc áp dụng mô hình hành vi số vào phân tích hiệu năng website agency. Bằng việc kết hợp chặt chẽ giữa các kỹ thuật SEO chuyên sâu và phương pháp kiểm định thống kê kinh tế lượng trên SPSS v20.0, nghiên cứu đã vạch rõ những điểm nghẽn chuyển đổi tại hai pha "Hành động" và "Chia sẻ", đồng thời cung cấp hệ thống giải pháp kỹ thuật toàn diện giúp TOS tối ưu hóa trải nghiệm người dùng và gia tăng doanh số bền vững.