Giới thiệu dự án

Thị trường gọi xe công nghệ (Ride-Hailing Services) tại Việt Nam chứng kiến tốc độ tăng trưởng kép hàng năm (CAGR) đạt trên 28% trong giai đoạn 2018–2022. Tại các đô thị lớn như TP. Hồ Chí Minh, xe máy chiếm hơn 85% tổng lưu lượng phương tiện cá nhân, biến dịch vụ xe ôm công nghệ (như GrabBike, Gojek, Be) thành phương thức di chuyển thiết yếu hàng ngày của hàng triệu sinh viên đại học.

+-------------------------------------------------------------------------+
|                  BỐI CẢNH THỊ TRƯỜNG XE ÔM CÔNG NGHỆ                    |
|  - CAGR thị trường Ride-hailing VN: > 28%/năm                           |
|  - Tỷ lệ xe máy tại đô thị: ~85% lưu lượng giao thông                   |
|  - Đối tượng nòng cốt: > 80% sinh viên sử dụng ứng dụng di động         |
+-------------------------------------------------------------------------+

Tuy nhiên, bài toán tối ưu hóa trải nghiệm khách hàng (Customer Experience - CX) trong phân khúc sinh viên đối mặt với nhiều rào cản:

  • Độ nhạy cảm về giá (Price Sensitivity) cực cao trong bối cảnh lạm phát và phụ phí giờ cao điểm.
  • Yêu cầu khắt khe về an toàn dữ liệu cá nhân lẫn an toàn giao thông trên các cung đường phức tạp.
  • Sự chuyển dịch nhanh chóng giữa các nền tảng gọi xe khi không có chương trình giữ chân khách hàng (Customer Retention) hiệu quả.
                  +-----------------------------+
                  |    VẤN ĐỀ CỦA SINH VIÊN     |
                  +--------------+--------------+
                                 |
         +-----------------------+-----------------------+
         |                       |                       |
+--------v--------+     +--------v--------+     +--------v--------+
|  Độ nhạy giá    |     | Rủi ro an toàn  |     | Trải nghiệm UX  |
|  Phụ phí cao    |     | Lộ info cá nhân |     | Tài xế huỷ cuốc |
|  Mã giảm giá ảo |     | Lái xe ẩu       |     | Giao diện lag   |
+-----------------+     +-----------------+     +-----------------+

Mục tiêu nghiên cứu

  1. Xác định các nhân tố cấu thành: Nhận diện và chuẩn hóa các nhân tố thuộc chất lượng dịch vụ ảnh hưởng đến sự hài lòng của sinh viên Trường Đại học Công nghệ TP.HCM (HUTECH).
  2. Đo lường mức độ tác động: Định lượng trọng số và cường độ tác động của từng nhân tố độc lập (An toàn, Giá tiền, Thương hiệu, Dịch vụ) lên biến phụ thuộc (Sự hài lòng) bằng mô hình hồi quy OLS (Ordinary Least Squares).
  3. Đề xuất hàm ý quản trị: Cung cấp khuyến nghị chiến lược giúp các doanh nghiệp E-Commerce và Ride-Hailing tối ưu hóa trải nghiệm người dùng, giữ chân khách hàng trẻ tuổi.

Phương pháp tiếp cận và kết quả kỳ vọng

Nghiên cứu áp dụng quy trình kết hợp định tính (phỏng vấn sâu $N=20$) và định lượng thực nghiệm ($N=101$ sinh viên hợp lệ). Kết quả được kiểm định qua hệ số tin cậy Cronbach's Alpha ($\ge 0.7$), phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA, KMO $= 0.837$) và hồi quy tuyến tính đa biến nhằm đạt mức độ giải thích phương sai trích trên $64.074%$.

+-------------------------------------------------------------------------+
|                    QUY TRÌNH & KẾT QUẢ KỲ VỌNG                          |
|  [Định tính N=20] -> [Định lượng N=101] -> [Cronbach's Alpha & EFA]     |
|               -> [Hồi quy OLS] -> [Mô hình tối ưu]                      |
|  * KMO: 0.837  * Phương sai trích: 64.074%  * VIF < 10 (Không đa cộng) |
+-------------------------------------------------------------------------+

Phạm vi và giới hạn

Nghiên cứu tập trung vào đối tượng sinh viên HUTECH tại khu vực TP. Hồ Chí Minh trong khung thời gian khảo sát thực nghiệm từ tháng 02/2022 đến tháng 03/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh trực tiếp các mô hình đánh giá chất lượng dịch vụ truyền thống với mô hình nghiên cứu ứng dụng cho xe ôm công nghệ:

Tiêu chí Mô hình SERVQUAL (Parasuraman, 1988) Mô hình TAM (Davis, 1989) Mô hình Nghiên cứu Đề xuất
Số biến quan sát 22 biến (5 chiều) 12 biến (2 chiều chính) 20 biến quan sát (4 chiều độc lập + 1 phụ thuộc)
Tính ứng dụng Dịch vụ truyền thống tổng quát Chấp nhận công nghệ số Chuyên biệt hóa cho E-Commerce & Ride-Hailing
Độ nhạy giá & An toàn Không tách riêng giá thành chiều đơn Bỏ qua yếu tố an toàn vật lý Đo lường chi tiết An toàn ($A$) và Giá tiền ($B$)
Độ phức tạp tính toán Trung bình ($\text{Gap} = P - E$) Thấp (Hồi quy đơn giản) Cao (EFA Principal Component + Varimax + OLS)

Phân loại yêu cầu theo mô hình MoSCoW

  • Must-have: Thang đo chuẩn hóa Likert 5 mức độ; kiểm tra hệ số Cronbach's Alpha $> 0.6$; kiểm định KMO và Barlett's Test ($p < 0.05$).
  • Should-have: Phân tích ma trận xoay Varimax với Factor Loading $> 0.5$; loại trừ hiện tượng đa cộng tuyến (VIF $< 10$).
  • Could-have: Kiểm tra sự khác biệt nhân khẩu học bằng ANOVA và Independent Samples T-test.
  • Won't-have (giai đoạn này): Mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM).

Thiết kế hệ thống

Kiến trúc luồng xử lý và phân tích dữ liệu nghiên cứu kinh tế lượng ứng dụng:

graph TD
    A["Thu thập dữ liệu khảo sát (Google Forms/Docs N=101)"] --> B["Tiền xử lý & Làm sạch dữ liệu (Excel/Pandas)"]
    B --> C["Kiểm định độ tin cậy thang đo (Cronbach's Alpha >= 0.7)"]
    C --> D["Phân tích nhân tố khám phá EFA (PCA + Varimax)"]
    D --> E["Kiểm định KMO (0.837) & Barlett's Test (p=0.000)"]
    E --> F["Mô hình Hồi quy Tuyến tính Đa biến (OLS)"]
    F --> G["Kiểm định giả định phần dư & Đa cộng tuyến (VIF)"]
    G --> H["Báo cáo chiến lược Quản trị & Tối ưu CX"]

Technology Stack và Thông số Kỹ thuật

  • Công cụ phân tích định lượng: IBM SPSS Statistics Version 22.0 / Python 3.10 (Thư viện pandas v1.5.3, statsmodels v0.14.0, scikit-learn v1.2.2).
  • Thu thập dữ liệu: Google Forms API / REST Endpoint (JSON Data Interchange).
  • Lưu trữ dữ liệu: SQLite / PostgreSQL 15 cho bảng cấu trúc khảo sát.
-- Schema lưu trữ dữ liệu khảo sát nghiên cứu định lượng
CREATE TABLE survey_responses (
    response_id VARCHAR(36) PRIMARY KEY,
    student_year INT NOT NULL CHECK (student_year BETWEEN 1 AND 5),
    gender VARCHAR(10) NOT NULL,
    usage_frequency VARCHAR(20) NOT NULL,
    a1_driver_info INT CHECK (a1_driver_info BETWEEN 1 AND 5),
    a2_route_safety INT CHECK (a2_route_safety BETWEEN 1 AND 5),
    a3_data_security INT CHECK (a3_data_security BETWEEN 1 AND 5),
    a4_cancel_anomaly INT CHECK (a4_cancel_anomaly BETWEEN 1 AND 5),
    b1_price_affordability INT CHECK (b1_price_affordability BETWEEN 1 AND 5),
    b2_price_stability INT CHECK (b2_price_stability BETWEEN 1 AND 5),
    b3_price_transparency INT CHECK (b3_price_transparency BETWEEN 1 AND 5),
    b4_promotion_discount INT CHECK (b4_promotion_discount BETWEEN 1 AND 5),
    c1_brand_reputation INT CHECK (c1_brand_reputation BETWEEN 1 AND 5),
    c2_word_of_mouth INT CHECK (c2_word_of_mouth BETWEEN 1 AND 5),
    c3_pr_communication INT CHECK (c3_pr_communication BETWEEN 1 AND 5),
    c4_ad_visibility INT CHECK (c4_ad_visibility BETWEEN 1 AND 5),
    d1_epayment_support INT CHECK (d1_epayment_support BETWEEN 1 AND 5),
    d2_loyalty_rewards INT CHECK (d2_loyalty_rewards BETWEEN 1 AND 5),
    d3_food_delivery INT CHECK (d3_food_delivery BETWEEN 1 AND 5),
    d4_rental_intercity INT CHECK (d4_rental_intercity BETWEEN 1 AND 5),
    e_satisfaction_score DECIMAL(3,2) NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Methodology

+-------------------------------------------------------------------------+
|                  TIMELINE VÀ MILESTONES NGHIÊN CỨU                      |
|                                                                         |
|  Giai đoạn 1 (Tuần 1-2): Nghiên cứu định tính & Pilot test (N=20)       |
|  Giai đoạn 2 (Tuần 3-4): Thu thập dữ liệu diện rộng (N=169, Hợp lệ=101)  |
|  Giai đoạn 3 (Tuần 5):   Xử lý số liệu, Cronbach's Alpha, EFA trên SPSS  |
|  Giai đoạn 4 (Tuần 6):   Hồi quy OLS, Kiểm định giả định P-P Plot, VIF   |
|  Giai đoạn 5 (Tuần 7):   Viết báo cáo & Đóng gói giải pháp quản trị     |
+-------------------------------------------------------------------------+

Đảm bảo chất lượng dữ liệu (Quality Assurance) được thực thi nghiêm ngặt qua 2 vòng lọc: loại bỏ phiếu khảo sát thẳng hàng (Straight-lining responses) và kiểm định tương quan biến - tổng ($r_{item-total} > 0.30$).

Implementation và kết quả

Development Process

Quá trình phân tích kinh tế lượng và mô hình hóa dữ liệu được chuẩn hóa dưới dạng thuật toán phân tích OLS đa biến:

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

# Thuật toán tính toán Cronbach's Alpha
def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1).sum()
    total_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (item_variances / total_variance))
    return float(alpha)

# Pipeline phân tích Hồi quy Tuyến tính Đa biến
def execute_econometric_regression(df: pd.DataFrame):
    # Khai báo các biến độc lập (X) và biến phụ thuộc (Y)
    independent_vars = ['Safety', 'Price', 'Brand', 'Service']
    X = df[independent_vars]
    y = df['Satisfaction']
    
    # Thêm hằng số a0 vào mô hình
    X_with_const = sm.add_constant(X)
    
    # Ước lượng mô hình bằng phương pháp OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # Kiểm định Đa cộng tuyến (Variance Inflation Factor - VIF)
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data, model.params

Phương trình toán học của mô hình hồi quy đa biến tổng quát: $$Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \varepsilon$$

Trong đó:

  • $Y$: Mức độ hài lòng của sinh viên khi sử dụng dịch vụ xe ôm công nghệ.
  • $X_1$: Nhân tố An toàn (Safety - biến $A_1 \rightarrow A_4$).
  • $X_2$: Nhân tố Giá tiền (Price - biến $B_1 \rightarrow B_4$).
  • $X_3$: Nhân tố Thương hiệu (Brand - biến $C_1 \rightarrow C_4$).
  • $X_4$: Nhân tố Dịch vụ tích hợp (Service - biến $D_1 \rightarrow D_4$).
  • $\beta_1, \beta_2, \beta_3, \beta_4$: Hệ số hồi quy chuẩn hóa (Standardized Beta Coefficients).
  • $\varepsilon$: Sai số ngẫu nhiên của mô hình (Residuals).

Testing và Validation

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

  • Chỉ số KMO: Đạt $0.837 > 0.5$, chứng minh quy mô mẫu hoàn toàn thích hợp cho phân tích nhân tố.
  • Kiểm định Bartlett's: Giá trị Chi-Square $= 684.410$, bậc tự do $df = 120$ với mức ý nghĩa $Sig. = 0.000 < 0.05$.
  • Tổng phương sai trích (Cumulative Variance Explained): Đạt $64.074% > 50%$, toàn bộ 4 nhân tố rút trích đều có giá trị $Eigenvalues > 1.0$.
+-------------------------------------------------------------------------+
|                  KẾT QUẢ PHÂN TÍCH EFA & ĐỘ TIN CẬY                     |
|  - KMO Measure of Sampling Adequacy: 0.837                              |
|  - Bartlett's Test of Sphericity: Chi-Square = 684.410 (p = 0.000)      |
|  - Total Variance Explained: 64.074%                                    |
|  - All Factor Loadings > 0.50 | All Corrected Item-Total Corr > 0.30    |
+-------------------------------------------------------------------------+

2. Kiểm định các giả định của mô hình hồi quy

  • Đa cộng tuyến (Multicollinearity): Hệ số phóng đại phương sai (VIF) của các biến dao động trong khoảng $1.1 \le \text{VIF} \le 1.8$, nhỏ hơn rất nhiều so với ngưỡng 10, chứng tỏ không có hiện tượng đa cộng tuyến.
  • Phân phối chuẩn của phần dư: Biểu đồ Histogram và Normal P-P Plot cho thấy đường phân phối chuẩn có giá trị trung bình phần dư xấp xỉ 0 ($\text{Mean} = 4.98 \times 10^{-16}$) và độ lệch chuẩn $\text{Std. Dev.} = 0.980 \approx 1$. Phương sai phần dư không đổi (Homoscedasticity).
          KIỂM ĐỊNH PHÂN PHỐI CHUẨN PHẦN DƯ (P-P PLOT)
Expected Cum Prob
 1.0 |                                      * (Điểm thực nghiệm)
     |                                   * /  (Đường chéo 45 độ)
     |                                * /
     |                             * /
 0.5 |                          * /
     |                       * /
     |                    * /
     |                 * /
 0.0 +-----------------------------------------
     0.0                     0.5             1.0  Observed Cum Prob

Kết quả đạt được

Hồi quy OLS xác định hệ số Beta chuẩn hóa, phản ánh thứ tự ưu tiên tác động đến sự hài lòng của sinh viên:

Thứ hạng Nhân tố độc lập Hệ số Beta chuẩn hóa ($\beta$) Mức ý nghĩa ($p$-value) VIF Đánh giá tác động
1 Dịch vụ tích hợp ($D$) 0.264 $p < 0.01$ 1.34 Tác động mạnh nhất
2 Giá cả & Khuyến mãi ($B$) 0.255 $p < 0.01$ 1.42 Tác động thứ hai
3 An toàn & Bảo mật ($A$) 0.248 $p < 0.01$ 1.28 Tác động thứ ba
4 Thương hiệu & PR ($C$) 0.183 $p < 0.05$ 1.19 Tác động thứ tư

Phương trình hồi quy chuẩn hóa thực nghiệm: $$Y = 0.264 \cdot \text{Dịch vụ} + 0.255 \cdot \text{Giá tiền} + 0.248 \cdot \text{An toàn} + 0.183 \cdot \text{Thương hiệu}$$

Đổi mới và đóng góp

  1. Chuẩn hóa cấu trúc vi mô cho đối tượng Gen Z/Sinh viên: Khác với các nghiên cứu tổng quát chỉ áp dụng khung đo SERVQUAL 5 khoảng cách, nghiên cứu này chứng minh đối với thế hệ người dùng trẻ, Dịch vụ tích hợp (thanh toán ví điện tử MoMo/ZaloPay, tích điểm đổi quà, giao đồ ăn/hàng hóa) đóng vai trò dẫn đầu ($\beta = 0.264$), vượt qua cả yếu tố nhạy cảm về giá ($\beta = 0.255$).
  2. Lượng hóa sự đánh đổi giữa An toàn và Giá cả: Nghiên cứu xác lập dữ liệu thực nghiệm cho thấy hệ số tác động của An toàn ($\beta = 0.248$) bám rất sát Giá cả ($\beta = 0.255$), bác bỏ giả định cho rằng sinh viên chỉ quan tâm đến giá rẻ mà bỏ qua kiểm tra lộ trình hay lý lịch tài xế.
+-------------------------------------------------------------------------+
|                  ĐÓNG GÓP HỌC THUẬT & THỰC TIỄN                         |
|  - Tái cấu trúc mô hình chất lượng dịch vụ đặc thù cho kinh tế số       |
|  - Chứng minh vai trò dẫn đầu của hệ sinh thái Super-App (Beta = 0.264)  |
|  - Bộ công cụ 20 biến quan sát có thể tái sử dụng cho các trường ĐH     |
+-------------------------------------------------------------------------+

Ứng dụng thực tế và triển khai

Chiến lược ứng dụng cho doanh nghiệp Ride-Hailing

graph LR
    subgraph "Trọng tâm Can thiệp"
        D_Act["Phát triển Dịch vụ (Beta: 0.264)"]
        B_Act["Tối ưu Giá (Beta: 0.255)"]
        A_Act["Nâng cao An toàn (Beta: 0.248)"]
        C_Act["Định vị Thương hiệu (Beta: 0.183)"]
    end
    
    subgraph "Giải pháp Công nghệ & Vận hành"
        D_Sol["Tích hợp Mini-App Ví điện tử & Loyalty Point"]
        B_Sol["Thuật toán Dynamic Pricing có trần giá trường học"]
        A_Sol["Nút SOS khẩn cấp & Xác thực sinh trắc học tài xế"]
        C_Sol["Chiến dịch Campus Ambassador & Viral Marketing"]
    end
    
    D_Act --> D_Sol
    B_Act --> B_Sol
    A_Act --> A_Sol
    C_Act --> C_Sol

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis)

  • Chi phí triển khai: Ước tính đầu tư tính năng Student-Tier Pack (trần giá giờ cao điểm gần khuôn viên trường học và tích điểm đổi bữa trưa): $15,000 - $25,000 USD/năm trên hệ thống hạ tầng ứng dụng sẵn có.
  • Dự phóng tăng trưởng (Scalability & Retention):
    • Giảm tỷ lệ rời bỏ dịch vụ (Churn Rate) của nhóm sinh viên từ $35%$ xuống dưới $18%$.
    • Tăng tần suất đặt cuốc bình quân (Ride Frequency) từ 2.4 cuốc/tuần lên 4.6 cuốc/tuần.
    • Tỷ suất hoàn vốn (ROI) dự kiến đạt $145%$ sau 9 tháng nhờ doanh thu gia tăng từ dịch vụ chéo (Food Delivery & Financial Services).

Hạn chế và hướng phát triển

  • Quy mô mẫu thực nghiệm: Kích thước mẫu khảo sát $N=101$ dù đáp ứng chuẩn tối thiểu cho EFA và OLS ($> 5 \times 20 = 100$), nhưng cần mở rộng lên $N \ge 500$ trên nhiều cụm đại học (ĐHQG TP.HCM, ĐH Kinh tế, ĐH Bách Khoa) để tăng tính đại diện.
  • Phương pháp phân tích nâng cao: Hướng nghiên cứu tiếp theo sẽ tích hợp phân tích đa nhóm (Multi-group Analysis - MGA) trên SmartPLS 4.0 và ứng dụng mô hình học máy (Random Forest / XGBoost) nhằm phân loại động mức độ hài lòng dựa trên dữ liệu telemetry thời gian thực (GPS, thời gian chờ cuốc).

Đối tượng hưởng lợi

  • Sinh viên: Tiếp cận dịch vụ di chuyển an toàn hơn, hưởng các gói cước ưu đãi minh bạch và hệ sinh thái tiện ích số tích hợp.
  • Lập trình viên & Kỹ sư Dữ liệu: Nắm bắt mô hình kiến trúc xử lý dữ liệu khảo sát và thuật toán hồi quy kinh tế lượng ứng dụng để tích hợp vào Data Pipeline của sản phẩm.
  • Doanh nghiệp vận tải công nghệ (Grab, Be, Gojek): Sở hữu bộ số liệu định lượng chuẩn xác về hành vi phân khúc khách hàng trẻ để thiết kế thuật toán Dynamic Pricing và Loyalty Program hiệu quả.
  • Nhà nghiên cứu kinh tế số: Bộ thang đo 20 biến quan sát đã chuẩn hóa độ tin cậy ($Cronbach's Alpha \ge 0.7$, $Variance = 64.074%$) làm tài liệu tham khảo cho các công trình nghiên cứu chuyên sâu tiếp theo.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai pipeline phân tích dữ liệu này là gì?

Hệ thống yêu cầu môi trường Python 3.8+ hoặc SPSS Statistics v20.0 trở lên, RAM tối thiểu 4GB, hỗ trợ các gói thư viện numpy, pandas, statsmodels, scipy để xử lý tập dữ liệu ma trận tương quan và kiểm định ANOVA/OLS.

2. Mô hình xử lý hiện tượng đa cộng tuyến (Multicollinearity) như thế nào?

Mô hình theo dõi chặt chẽ hai chỉ số: Hệ số dung nạp (Tolerance) và Hệ số phóng đại phương sai (VIF). Kết quả phân tích cho thấy $\text{VIF} < 2.0$, thấp hơn nhiều so với ngưỡng cảnh báo vi phạm ($\text{VIF} = 10$), khẳng định các biến độc lập không bị trùng lặp thông tin giải thích.

3. Có thể tích hợp bảng câu hỏi khảo sát trực tiếp vào ứng dụng gọi xe không?

Hoàn toàn khả thi. Bảng câu hỏi 20 biến quan sát có thể được cấu trúc hóa thành các Micro-Surveys (1-2 câu hỏi pop-up ngẫu nhiên sau khi hoàn thành chuyến đi) thông qua RESTful API, gửi dữ liệu dạng JSON về Server phân tích thời gian thực.

4. Chi phí duy trì và cập nhật mô hình định lượng này là bao nhiêu?

Chi phí vận hành gần như bằng 0 nếu sử dụng Open-Source Stack (Python/PostgreSQL). Doanh nghiệp chỉ cần tái chạy định kỳ hàng quý (Quarterly Batch Processing) để cập nhật lại hệ số Beta khi hành vi tiêu dùng của sinh viên thay đổi.

5. Tại sao nhân tố Dịch vụ ($\beta = 0.264$) lại có trọng số cao hơn Giá tiền ($\beta = 0.255$)?

Phân khúc sinh viên hiện đại (Gen Z) xem ứng dụng gọi xe là một nền tảng đa tiện ích (Super-App). Sự tiện lợi từ thanh toán không tiền mặt, tích điểm đổi voucher ăn uống và tốc độ điều phối tài xế đem lại giá trị thặng dư lớn hơn việc chỉ cạnh tranh thuần túy về giá cước.

Kết luận

Đồ án đã lượng hóa thành công các nhân tố chi phối sự hài lòng của sinh viên khi sử dụng dịch vụ xe ôm công nghệ với 4 trụ cột chính: Dịch vụ ($\beta = 0.264$), Giá cả ($\beta = 0.255$), An toàn ($\beta = 0.248$), và Thương hiệu ($\beta = 0.183$). Mô hình đạt độ tin cậy thống kê cao với phương sai giải thích đạt $64.074%$, mở ra cơ sở khoa học vững chắc giúp các nền tảng công nghệ số tối ưu trải nghiệm khách hàng và mở rộng thị phần bền vững.