Giới thiệu dự án

Thị trường nước uống đóng chai tại Việt Nam, đặc biệt là khu vực đô thị có mật độ dân cư tập trung cao như Thành phố Hồ Chí Minh, đang chứng kiến sự tăng trưởng vượt bậc trong phân khúc tiêu dùng nhanh (FMCG). Theo báo cáo thống kê từ VIRAC (2021), ngành nước tinh khiết đóng chai chiếm tới 41% tổng sản lượng nước giải khát tiêu thụ nội địa. Khảo sát của Vietnam Report cũng chỉ ra rằng hơn 50% người tiêu dùng sẵn sàng gia tăng ngân sách cho các sản phẩm đồ uống có lợi cho sức khỏe, tăng cường hệ miễn dịch và đảm bảo vệ sinh dịch tễ sau đại dịch COVID-19. Tuy nhiên, các doanh nghiệp sản xuất và phân phối đang đối mặt với bài toán tối ưu hóa chuỗi cung ứng, cạnh tranh gay gắt từ các thương hiệu nội địa và đa quốc gia, cùng sự biến động phức tạp trong tâm lý và quyết định mua của khách hàng.

Đề tài "Nghiên cứu giải pháp gia tăng lượng tiêu thụ nước tinh khiết đóng chai tại Thành phố Hồ Chí Minh" (Chuyên ngành Quản trị Kinh doanh, Mã chuyên ngành: 52340101) được thực hiện nhằm giải quyết bài toán cốt lõi: Làm thế nào để lượng hóa các nhân tố thuộc Marketing-Mix (4P) kết hợp với các biến tâm lý xã hội (Chuẩn chủ quan, Ý định mua) tác động trực tiếp và gián tiếp đến Hành vi mua thực tế của người tiêu dùng, từ đó xây dựng các quyết sách quản trị chuẩn xác.

graph LR
    A["Tác nhân kích thích<br/>(4P Marketing-Mix)"] --> C["Hộp đen ý thức<br/>(Ý định mua - YD)"]
    B["Ảnh hưởng xã hội<br/>(Chuẩn chủ quan - CQ)"] --> C
    C --> D["Hành vi tiêu thụ<br/>(Hành vi mua - HV)"]
    A --> D

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xác định và phân tích các yếu tố môi trường vi mô (khách hàng, đối thủ, sản phẩm thay thế, trung gian) và vĩ mô (nhân khẩu học, kinh tế, công nghệ, chính trị) ảnh hưởng đến ngành nước tinh khiết đóng chai tại TP.HCM.
  2. Thiết lập mô hình cấu trúc tuyến tính tích hợp lý thuyết Marketing-Mix (4P), Thuyết hành động hợp lý (TRA), Thuyết hành vi dự định (TPB) và Mô hình hành vi ngẫu hứng (SOR).
  3. Đo lường, kiểm định độ tin cậy và giá trị hội tụ của thang đo thông qua công cụ phân tích dữ liệu thống kê chuyên sâu.
  4. Xác định trọng số tác động (hệ số Beta chuẩn hóa) của các yếu tố trực tiếp và gián tiếp đến hành vi mua.
  5. Đề xuất hệ thống hàm ý quản trị khả thi, định hướng chiến lược phân phối, định giá, truyền thông và bao bì sản phẩm nhằm gia tăng sản lượng tiêu thụ.

Phạm vi nghiên cứu tập trung vào người tiêu dùng sinh sống, học tập và làm việc tại TP.HCM, thực hiện khảo sát sơ cấp trên tập mẫu $N = 550$ (thu về $533$ mẫu hợp lệ, sau sàng lọc còn $443$ mẫu đạt chuẩn phân tích định lượng). Dữ liệu thứ cấp được tổng hợp trong giai đoạn 2016–2021.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng mô hình định lượng nâng cao, việc đánh giá các phương pháp tiếp cận và mô hình nghiên cứu hiện hành là bước bắt buộc để xác định khoảng trống nghiên cứu (gap analysis).

Tiêu chí Phương pháp kinh nghiệm truyền thống Hồi quy tuyến tính đa biến (OLS Regression) Mô hình cấu trúc tuyến tính (SEM - Structural Equation Modeling)
Cơ sở dữ liệu Trực giác, dữ liệu doanh số quá khứ Dữ liệu khảo sát độc lập từng biến Khung lý thuyết đa tầng, biến tiềm ẩn (Latent constructs)
Xử lý biến trung gian Không hỗ trợ Phải tách thành nhiều phương trình rời rạc Ước lượng đồng thời hiệu ứng trực tiếp, gián tiếp và toàn phần
Sai số đo lường (Measurement Error) Bỏ qua hoàn toàn Giả định không có sai số trong biến độc lập Tách biệt và kiểm soát sai số đo lường cho từng chỉ báo
Độ chính xác dự báo Thấp ($< 40%$) Trung bình ($R^2 \approx 50% - 60%$) Cao ($R^2 > 70%$, kiểm soát đa cộng tuyến hoàn hảo) 
                              GAP ANALYSIS

Phân tích yêu cầu nghiên cứu và ứng dụng quản trị theo mô hình MoSCoW:

  • Must-have: Đo lường độ tin cậy Cronbach's Alpha $> 0.70$; Phân tích nhân tố khám phá EFA (KMO $> 0.5$, Bartlett's Test $p < 0.05$); Kiểm định mô hình CFA và SEM bằng các chỉ số phù hợp ($CMIN/df < 3.0$, $GFI > 0.90$, $CFI > 0.90$, $RMSEA < 0.08$).
  • Should-have: Phân tách rạch ròi hiệu ứng tác động trực tiếp (Direct Effect) và gián tiếp (Indirect Effect) của từng biến 4P lên Hành vi mua (HV).
  • Could-have: Xây dựng ma trận SWOT kết hợp giải pháp Marketing thực thi theo phân khúc độ tuổi và kênh bán lẻ hiện đại (Vending machine, Convenience store).
  • Won't-have: Nghiên cứu không mở rộng sang phân khúc đồ uống có cồn hoặc nước ngọt có gas.

Thiết kế hệ thống mô hình định lượng

Hệ thống phân tích cấu trúc bao gồm 6 nhóm biến độc lập/tiền đề, 1 biến trung gian và 1 biến phụ thuộc cuối cùng:

flowchart TD
    SP["Sản phẩm (SP)<br/>[6 chỉ báo]"] -->|Gián tiếp| YD["Ý định mua (YD)<br/>[Biến trung gian]"]
    TL["Tiện lợi (TL)<br/>[1 chỉ báo]"] -->|Gián tiếp| YD
    CQ["Chuẩn chủ quan (CQ)<br/>[3 chỉ báo]"] -->|Điều chỉnh| YD
    PP["Phân phối (PP)<br/>[4 chỉ báo]"] -->|Song song| YD
    PP -->|Trực tiếp| HV["Hành vi mua (HV)<br/>[Biến phụ thuộc]"]
    GC["Giá cả (GC)<br/>[5 chỉ báo]"] -->|Trực tiếp| HV
    TM["Xúc tiến thương mại (TM)<br/>[7 chỉ báo]"] -->|Trực tiếp| HV
    YD -->|Kích hoạt| HV

Technology Stack:

  • Thống kê mô tả, Cronbach's Alpha, EFA: IBM SPSS Statistics v20.0 / v26.0.
  • Mô hình hóa phương trình cấu trúc (CFA & SEM): IBM SPSS Amos v20.0 / v24.0.
  • Mã hóa và tiền xử lý dữ liệu: Microsoft Excel 365, Python v3.10 (pandas, numpy, semopy).

Mô hình cấu trúc toán học của hệ thống SEM được xác định: $$\eta = \mathbf{B}\eta + \mathbf{\Gamma}\xi + \zeta$$ $$y = \mathbf{\Lambda}_y\eta + \epsilon$$ $$x = \mathbf{\Lambda}_x\xi + \delta$$

Trong đó:

  • $\xi = [\text{SP}, \text{TL}, \text{GC}, \text{PP}, \text{TM}, \text{CQ}]^T$ là vector các biến tiềm ẩn ngoại sinh.
  • $\eta = [\text{YD}, \text{HV}]^T$ là vector các biến tiềm ẩn nội sinh.
  • $\mathbf{B}, \mathbf{\Gamma}$ là các ma trận hệ số đường dẫn (Path Coefficients).
  • $\zeta, \epsilon, \delta$ là các vector sai số ngẫu nhiên (Measurement/Structural errors).

Methodology

Quy trình nghiên cứu áp dụng phương pháp tiếp cận chuẩn mực qua hai giai đoạn:

  • Giai đoạn 1 (Nghiên cứu sơ bộ): Xây dựng bảng hỏi sơ bộ dựa trên thang đo quốc tế Likert 5 mức độ (1: Hoàn toàn không đồng ý đến 5: Hoàn toàn đồng ý), phỏng vấn thử nghiệm để tinh chỉnh ngữ nghĩa tiếng Việt.
  • Giai đoạn 2 (Nghiên cứu chính thức): Khảo sát trực tuyến qua biểu mẫu chuẩn hóa trong thời gian 20/10/2021 đến 05/11/2021.
  • Chiến lược kiểm soát rủi ro: Loại bỏ phản hồi đơn điệu (Straight-lining), kiểm tra phương sai chung (Common Method Bias) thông qua kiểm định đơn nhân tố của Harman.

Implementation và kết quả

Development process & Code Snippet

Dữ liệu khảo sát từ 443 mẫu được làm sạch và xử lý thông qua pipeline phân tích thống kê. Dưới đây là đoạn mã Python chuẩn hóa sử dụng thư viện semopy để tái hiện mô hình ước lượng cấu trúc SEM:

import numpy as np
import pandas as pd
import semopy
from semopy import Model

# 1. Tải và tiền xử lý tập dữ liệu khảo sát (N=443)
data = pd.read_csv("water_consumption_hcmc_n443.csv")

# 2. Định nghĩa cấu trúc mô hình đo lường và mô hình cấu trúc
sem_specification = """
    # Measurement Model (Mô hình đo lường)
    SP =~ SP1 + SP2 + SP3 + SP4 + SP5 + SP6
    TL =~ TL1
    GC =~ GC1 + GC2 + GC3 + GC4 + GC5
    PP =~ PP1 + PP2 + PP3 + PP4
    TM =~ TM1 + TM2 + TM3 + TM4 + TM5 + TM6 + TM7
    CQ =~ CQ1 + CQ2 + CQ3
    YD =~ YD1 + YD2 + YD3
    HV =~ HV1 + HV2 + HV3

    # Structural Model (Mô hình cấu trúc)
    YD ~ SP + TL + PP + CQ
    HV ~ GC + PP + TM + YD
"""

# 3. Khởi tạo và khớp mô hình SEM bằng Maximum Likelihood Estimation (MLE)
model = Model(sem_specification)
fit_results = model.fit(data)

# 4. Xuất các trọng số hồi quy chuẩn hóa (Standardized Regression Weights)
estimates = model.inspect(mode="list", std_est=True)
print(estimates[estimates["op"].isin(["~", "=~"])])

Testing và validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả các thang đo đều thỏa mãn điều kiện Cronbach's Alpha $> 0.70$ và tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$. Lưu ý kỹ thuật: Trong quá trình phân tích, biến TL2 ("Sản phẩm nước tinh khiết đóng chai giúp thỏa mãn nhanh cơn khát") có tương quan biến - tổng thấp ($< 0.30$) nên đã được loại bỏ để đảm bảo tính nhất quán nội tại của nhân tố Tiện lợi.

Thang đo Số biến quan sát ban đầu Số biến quan sát giữ lại Hệ số Cronbach's Alpha Đánh giá
Sản phẩm (SP) 6 6 (SP1 - SP6) 0.864 Rất tốt
Tiện lợi (TL) 2 1 (TL1) Đạt chuẩn đơn biến Chấp nhận
Giá cả (GC) 5 5 (GC1 - GC5) 0.842 Tốt
Phân phối (PP) 4 4 (PP1 - PP4) 0.819 Tốt
Xúc tiến thương mại (TM) 7 7 (TM1 - TM7) 0.887 Rất tốt
Chuẩn chủ quan (CQ) 3 3 (CQ1 - CQ3) 0.798 Tốt
Ý định mua (YD) 3 3 (YD1 - YD3) 0.835 Tốt
Hành vi mua (HV) 3 3 (HV1 - HV3) 0.851 Tốt

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số $\text{KMO} = 0.892$ ($> 0.50$), kiểm định Bartlett có giá trị thống kê Chi-Square $= 4821.36$, $p\text{-value} = 0.000 < 0.05$.
  • Tổng phương sai trích (Total Variance Explained) $= 65.48%$ ($> 50%$), tất cả các hệ số tải nhân tố (Factor Loadings) đều đạt giá trị $> 0.55$, trích xuất thành công 8 nhóm nhân tố rõ rệt không bị xáo trộn cấu trúc.

3. Kiểm định thang đo qua mô hình CFA & cấu trúc tuyến tính SEM

Các chỉ số độ phù hợp của mô hình tổng thể (Goodness-of-Fit) đều đạt các ngưỡng tiêu chuẩn khắt khe:

  • Chi-Square/df ($\text{CMIN}/df$) = $1.682 \le 3.0$ (Tuyệt đối phù hợp).
  • Goodness of Fit Index ($\text{GFI}$) = $0.918 > 0.90$.
  • Tucker-Lewis Index ($\text{TLI}$) = $0.946 > 0.90$.
  • Comparative Fit Index ($\text{CFI}$) = $0.955 > 0.90$.
  • Root Mean Square Error of Approximation ($\text{RMSEA}$) = $0.039 < 0.08$.

Kết quả đạt được

Hệ thống chỉ số ước lượng từ mô hình hồi quy cấu trúc tuyến tính SEM (Standardized Regression Weights):

Mối quan hệ cấu trúc (Path) Tác động Hệ số chuẩn hóa ($\beta$) P-value Kết luận giả thuyết
$\text{Sản phẩm (SP)} \rightarrow \text{Ý định (YD)}$ Gián tiếp tới HV +0.284 $0.000$ Chấp nhận $H_1$
$\text{Tiện lợi (TL)} \rightarrow \text{Ý định (YD)}$ Gián tiếp tới HV +0.196 $0.002$ Chấp nhận $H_2$
$\text{Chuẩn chủ quan (CQ)} \rightarrow \text{Ý định (YD)}$ Gián tiếp tới HV +0.241 $0.000$ Chấp nhận $H_6$
$\text{Phân phối (PP)} \rightarrow \text{Ý định (YD)}$ Gián tiếp tới HV +0.215 $0.001$ Chấp nhận $H_4a$
$\text{Ý định (YD)} \rightarrow \text{Hành vi mua (HV)}$ Trực tiếp +0.362 $0.000$ Chấp nhận $H_7$
$\text{Giá cả (GC)} \rightarrow \text{Hành vi mua (HV)}$ Trực tiếp +0.228 $0.000$ Chấp nhận $H_3$
$\text{Xúc tiến thương mại (TM)} \rightarrow \text{Hành vi mua (HV)}$ Trực tiếp +0.315 $0.000$ Chấp nhận $H_5$
$\text{Phân phối (PP)} \rightarrow \text{Hành vi mua (HV)}$ Trực tiếp +0.187 $0.003$ Chấp nhận $H_4b$ 
Tổng hợp cơ chế tác động:
- Tác động TRỰC TIẾP mạnh nhất đến Hành vi mua: Ý định mua (β = 0.362) > Xúc tiến thương mại (β = 0.315) > Giá cả (β = 0.228) > Phân phối (β = 0.187).
- Tác động GIÁN TIẾP: Sản phẩm (SP), Tiện lợi (TL), Phân phối (PP) và Chuẩn chủ quan (CQ) thúc đẩy mạnh mẽ Ý định mua (YD) trước khi chuyển đổi thành Hành vi mua (HV).

Đổi mới và đóng góp

  1. Đột phá mô hình tích hợp: Khác biệt hoàn toàn với các nghiên cứu đơn tuyến tính trước đây, mô hình đã dung hợp thành công ma trận 4P của Kotler với các yếu tố hành vi của Ajzen (TPB) và Mehrabian-Russell (SOR), phân định chính xác điểm chạm trực tiếp và điểm chạm gián tiếp qua cơ chế kích hoạt tâm lý.
  2. So sánh với các nghiên cứu đối chuẩn:
    • So với nghiên cứu của Nguyễn Thúy Quỳnh Loan & Phan Minh Nhựt (2010): Nghiên cứu trước chỉ ra thương hiệu là nhân tố mạnh nhất nhưng chưa làm rõ cơ chế phân phối đa kênh; nghiên cứu hiện tại chứng minh Phân phối (Place) có tác động kép (vừa trực tiếp $\beta = 0.187$, vừa gián tiếp $\beta = 0.215$).
    • So với nghiên cứu của Trần Thị Loan (2014): Nghiên cứu cũ chỉ đạt phương sai giải thích $60.5%$; mô hình SEM hiện tại nâng tổng phương sai giải thích của hành vi mua lên $68.4%$ (tăng cải thiện độ khớp dữ liệu tương đương $13.05%$).
    • So với Trần Thị Kiều Mộng Trinh (2020): Thêm biến điều chỉnh Chuẩn chủ quan (CQ) với hệ số $\beta = 0.241$, làm sáng tỏ áp lực nhóm tham khảo đối với hành vi tiêu dùng sản phẩm an toàn sức khỏe tại đô thị lớn.
  3. Đóng góp học thuật và thực tiễn: Cung cấp bộ thang đo chuẩn hóa đã qua kiểm định CFA/SEM cho ngành đồ uống đóng chai tại thị trường Việt Nam thời kỳ hậu dịch tễ.

Ứng dụng thực tế và triển khai

Bộ giải pháp hàm ý quản trị (Managerial Implications)

                            CHIẾN LƯỢC 4P + CQ TỐI ƯU
  1. Tối ưu hóa Chiến dịch Xúc tiến thương mại (Promotion - Trọng số $\beta = 0.315$):
    • Đẩy mạnh quảng cáo đa kênh (Social Media, OOH, Digital Banner) nhấn mạnh quy trình xử lý nước RO, khử khuẩn Ozone/UV.
    • Minh bạch hóa các chương trình khuyến mãi quét mã QR trúng thưởng, tặng quà tích điểm.
  2. Chiến lược Phân phối đa tầng (Place - Tác động kép $\beta_{\text{tổng}} = 0.265$):
    • Triển khai mạng lưới máy bán hàng tự động tại các trường đại học, bệnh viện, tòa nhà văn phòng và khu công nghiệp tại TP.HCM.
    • Hợp tác chặt chẽ với các chuỗi siêu thị mini (WinMart+, Co.op Food) và cửa hàng tiện lợi 24/7.
  3. Chính sách Định giá tâm lý (Price - $\beta = 0.228$):
    • Giữ mức giá ổn định trong khoảng 5.000 VNĐ (chai 500ml) đến 10.000 VNĐ (chai 1.5L), áp dụng chiết khấu khi mua theo thùng/lốc.
  4. Cải tiến Bao bì và Tính tiện lợi (Product & Convenience):
    • Thiết kế thân chai nhỏ gọn, vừa vặn khay đựng trên ô tô/xe máy, sử dụng nhựa rPET tái chế thân thiện môi trường để kích thích Chuẩn chủ quan tích cực.

Kế hoạch và Lộ trình triển khai (Roadmap)

Giai đoạn 1 (Q1 - 3 tháng): R&D & Thiết kế bao bì rPET, chuẩn hóa tem nhãn QR
Giai đoạn 2 (Q2 - 3 tháng): Mở rộng 500 điểm phân phối mới + Lắp 100 máy bán hàng tự động
Giai đoạn 3 (Q3 - 3 tháng): Chạy chiến dịch IMC "Nước sạch sống xanh" trên social media
Giai đoạn 4 (Q4 - 3 tháng): Đo lường ROI, tối ưu hóa chuỗi cung ứng và tỷ lệ chuyển đổi

Ước tính hiệu quả kinh tế (Cost-Benefit & ROI Projection):

  • Ngân sách đầu tư triển khai: ~850.000.000 VNĐ (Bao gồm kênh truyền thông, trade marketing, chiết khấu đại lý).
  • Tăng trưởng sản lượng tiêu thụ kỳ vọng: $+18% - 25%$ trong 12 tháng.
  • Thời gian thu hồi vốn (ROI Breakeven): 6 đến 9 tháng.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Phương pháp chọn mẫu thuận tiện phi xác suất thực hiện trực tuyến trong bối cảnh giãn cách dịch bệnh có thể chưa bao phủ toàn diện nhóm người tiêu dùng cao tuổi ($> 60$ tuổi) hoặc cư dân vùng ven.
  • Biến quan sát bị lược bỏ: Biến TL2 bị loại bỏ do tương quan biến - tổng thấp, cho thấy nhận thức "giải khát nhanh" chưa phản ánh trọn vẹn khái niệm "tiện lợi" của bao bì.
  • Hướng nghiên cứu tương lai:
    1. Ứng dụng mô hình PLS-SEM (Partial Least Squares) kết hợp Machine Learning (Random Forest / XGBoost) để phân loại phân khúc khách hàng tiềm năng.
    2. Bổ sung các biến ngoại sinh mới: "Ý thức bảo vệ môi trường", "Sự sẵn lòng chi trả cho bao bì sinh học phân hủy".
    3. Mở rộng phạm vi lấy mẫu liên tỉnh (Hà Nội, Đà Nẵng, Cần Thơ) để so sánh phương sai đa nhóm (Multi-group Analysis - MGA).

Đối tượng hưởng lợi

                                  BENEFICIARY MATRIX

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật phần mềm tối thiểu để chạy lại mô hình định lượng này là gì?

Hệ thống yêu cầu máy tính chạy hệ điều hành Windows 10/11 hoặc macOS, cài đặt bộ đôi IBM SPSS Statistics (phiên bản $\ge 20.0$) và IBM SPSS Amos (phiên bản $\ge 20.0$) hoặc môi trường Python 3.8+ có cài đặt các thư viện pandas, numpy, semopy, statsmodels.

2. Làm thế nào để giải quyết bài toán kích thước mẫu khi mở rộng nghiên cứu sang các tỉnh thành khác?

Theo quy tắc kinh nghiệm của Hair et al. (2014), kích thước mẫu tối thiểu cho phân tích EFA/CFA phải gấp ít nhất 5 đến 10 lần tổng số biến quan sát ($N_{\text{min}} = 5 \times 32 = 160$). Khi áp dụng mô hình SEM phức tạp, cỡ mẫu khuyến nghị là $N \ge 300 - 500$ mẫu hợp lệ cho mỗi vùng địa lý để đảm bảo tính chuẩn của phân phối đa biến.

3. Làm sao để tích hợp kết quả mô hình SEM này vào hệ thống ERP/CRM của doanh nghiệp?

Dữ liệu trọng số Beta từ mô hình SEM có thể được nạp trực tiếp vào mô-đun phân tích khách hàng (Customer Analytics) trong CRM. Bằng cách gán trọng số điểm cho các hành vi tương tác với chiến dịch xúc tiến (TM), mức độ nhạy cảm giá (GC) và tần suất ghé thăm điểm bán (PP), hệ thống CRM có thể tính toán điểm tiềm năng mua hàng (Purchase Propensity Score) tự động cho từng khách hàng.

4. Chi phí nghiên cứu và thời gian hoàn vốn (ROI Timeline) được tính toán như thế nào?

Chi phí thực hiện khảo sát và phân tích dữ liệu chuyên sâu dao động từ 30 – 50 triệu VNĐ. Khi doanh nghiệp áp dụng các hàm ý quản trị để tái cấu trúc kênh phân phối và tối ưu hóa ngân sách tiếp thị số, mức tăng trưởng doanh thu dự kiến đạt $15% - 25%$, giúp thu hồi toàn bộ chi phí nghiên cứu và triển khai trong vòng 6 đến 9 tháng.

5. Tại sao yếu tố "Chuẩn chủ quan" lại không tác động trực tiếp đến "Hành vi mua"?

Theo nền tảng Thuyết hành vi dự định (TPB - Ajzen, 1991), các yếu tố chuẩn mực xã hội và ý kiến tham khảo từ người thân, bạn bè tác động trước hết vào việc hình thành Thái độ và Ý định mua (YD) trong tâm trí. Khi ý định đạt đến ngưỡng quyết định nhất định kết hợp với các điều kiện thúc đẩy bên ngoài (Giá cả, Khuyến mãi tại điểm bán), nó mới chuyển hóa thành Hành vi mua (HV) thực tế.

Kết luận

Công trình nghiên cứu đã giải quyết trọn vẹn các mục tiêu khoa học và thực tiễn đặt ra:

  • Chứng minh và lượng hóa thành công mối quan hệ đa tầng giữa chiến lược Marketing-Mix (4P), Chuẩn chủ quan (CQ), Ý định mua (YD) và Hành vi tiêu dùng thực tế (HV) đối với sản phẩm nước tinh khiết đóng chai tại TP.HCM.
  • Xác định rõ ràng: Ý định mua ($\beta = 0.362$), Xúc tiến thương mại ($\beta = 0.315$) và Giá cả ($\beta = 0.228$) là 3 động lực trực tiếp mạnh nhất; trong khi Sản phẩm ($\beta = 0.284$) và Chuẩn chủ quan ($\beta = 0.241$) giữ vai trò then chốt trong việc thúc đẩy ý định tiêu dùng.
  • Mang lại giá trị ứng dụng cao cho các doanh nghiệp FMCG trong việc phân bổ ngân sách tiếp thị, thiết kế bao bì chuẩn công thái học và phủ rộng mạng lưới điểm bán lẻ hiện đại.

Các nhà quản trị và chuyên viên tiếp thị có thể ứng dụng ngay bộ khung mô hình và hệ thống hàm ý quản trị này để tối ưu hóa chiến lược kinh doanh, thúc đẩy thị phần và nâng cao lượng tiêu thụ sản phẩm nước tinh khiết đóng chai một cách bền vững.