Giới thiệu dự án

Thương mại điện tử (TMĐT) Việt Nam đang trải qua giai đoạn bùng nổ mạnh mẽ, trở thành một trong những thị trường số có tốc độ tăng trưởng cao nhất khu vực Đông Nam Á (theo báo cáo của Ngân hàng Thế giới, 2022). Theo số liệu từ Hiệp hội Thương mại điện tử Việt Nam (VECOM, 2022) và Sách trắng Thương mại điện tử Việt Nam (2022), tỷ lệ dân số tham gia mua sắm trực tuyến đạt 53%, quy mô thị trường năm 2021 đạt 16 tỷ USD với tốc độ tăng trưởng 20%, đóng góp khoảng 5,5% tổng mức bán lẻ hàng hóa và doanh thu dịch vụ tiêu dùng cả nước. Giá trị mua sắm trực tuyến bình quân đạt khoảng 251 USD/người.

Trong bức tranh đó, thế hệ Z (Gen Z – nhóm người sinh từ năm 1997 đến 2012 theo Goldring & Azab, 2021) đóng vai trò là lực lượng tiêu dùng số tiên phong. Theo Nielsen Việt Nam, đến năm 2025, Gen Z sẽ chiếm khoảng 25% lực lượng lao động quốc gia, tương đương 15 triệu người tiêu dùng tiềm năng. Được tiếp xúc với công nghệ từ nhỏ (digital natives), Gen Z sở hữu hành vi mua sắm đặc thù: liên tục tìm kiếm thông tin, so sánh giá, đối chiếu đánh giá cộng đồng (eWOM) và sẵn sàng chuyển đổi nền tảng nếu trải nghiệm không đáp ứng kỳ vọng.

       +-----------------------------------------------------------+
       |   BỐI CẢNH THỊ TRƯỜNG TMĐT & HÀNH VI KHÁCH HÀNG GEN Z     |
       +-----------------------------------------------------------+
                                     |
           +-------------------------+-------------------------+
           |                                                   |
           v                                                   v
+-----------------------+                           +-----------------------+
|  Tiềm năng phát triển |                           |   Thách thức cốt lõi  |
| - Quy mô: 16 tỷ USD   |                           | - Tỷ lệ Churn cao     |
| - 53% dân số online   |                           | - "One-time shopping" |
| - Gen Z: 15M tiêu dùng|                           | - CAC tăng, LTV giảm  |
+-----------------------+                           +-----------------------+

Vấn đề cốt lõi đặt ra cho các doanh nghiệp B2C là hiện tượng "mua sắm một lần rồi rời bỏ" (one-time shopping churn). Chi phí thu hút khách hàng mới (Customer Acquisition Cost - CAC) ngày càng tăng cao, trong khi giá trị vòng đời khách hàng (Customer Lifetime Value - LTV) bị suy giảm nghiêm trọng do thiếu hụt sự gắn kết dài hạn. Khi các chương trình trợ giá/khuyến mại kết thúc, người tiêu dùng dễ dàng rời bỏ nền tảng nếu không có trải nghiệm mua sắm trực tuyến (Online Shopping Experience - OSE) thực sự vượt trội.

Đề tài khóa luận "Ảnh hưởng của trải nghiệm mua sắm trực tuyến đến lòng trung thành của khách hàng Gen Z trên địa bàn TP. Hà Nội" (Thực hiện: Nguyễn Thị Châm Anh; GVHD: PGS.TS Nhâm Phong Tuân, Trường Đại học Kinh tế - ĐHQGHN, 05/2023) tập trung giải quyết bài toán này thông qua 4 mục tiêu nghiên cứu cụ thể:

  1. Hệ thống hóa khung lý luận về trải nghiệm mua sắm trực tuyến (OSE), sự hài lòng (Customer Satisfaction) và lòng trung thành (Customer Loyalty).
  2. Xác định và lượng hóa các nhân tố cấu thành OSE ảnh hưởng đến quyết định của người tiêu dùng Gen Z tại thị trường đô thị loại đặc biệt (Hà Nội).
  3. Đánh giá mức độ, chiều hướng tác động đa biến thông qua mô hình cấu trúc thực nghiệm gồm 2 giai đoạn hồi quy tuyến tính.
  4. Đề xuất hệ thống giải pháp công nghệ và quản trị thực tiễn giúp các sàn TMĐT và doanh nghiệp bán lẻ tối ưu hóa điểm chạm số (digital touchpoints), gia tăng tỷ lệ giữ chân khách hàng (retention rate).

Phạm vi và giới hạn nghiên cứu:

  • Đối tượng khảo sát: Người tiêu dùng thuộc thế hệ Z (sinh năm 1997 - 2012) có hành vi mua sắm trên các nền tảng TMĐT.
  • Không gian: Địa bàn Thành phố Hà Nội.
  • Thời gian thu thập dữ liệu: Tháng 03/2023 đến tháng 05/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành tổng quan các mô hình đánh giá chất lượng dịch vụ và trải nghiệm trực tuyến trên thế giới và tại Việt Nam:

Khung mô hình Tác giả & Năm Ưu điểm cốt lõi Nhược điểm & Khoảng trống
Mô hình Trải nghiệm Đa chiều (E-experience) Cachero & Vázquez (2021) Phân tách trải nghiệm thành 5 chiều: trực quan, xã hội, trí tuệ, thực tế, cảm xúc. Khảo sát trên thị trường thời trang Tây Ban Nha ($N=496$), tính khái quát cho TMĐT B2C đa ngành tại châu Á chưa cao.
Mô hình Thói quen & Giữ chân (OSE Habit) Khalifa et al. (2007) Làm rõ vai trò của dịch vụ sau bán, bảo mật, tiện lợi đối với ý định mua lại. Quy mô mẫu nhỏ ($N=122$), chưa tách biệt rõ hành vi đặc thù của thế hệ người dùng bản địa số.
Mô hình Chất lượng Dịch vụ Trực tuyến Nguyễn Thị Mai Trang (2014) Xác lập 4 nhân tố cốt lõi tại Việt Nam: hoàn thành đơn, bảo mật, thiết kế web, tính sẵn sàng. Chưa đo lường nhân tố truyền miệng điện tử (eWOM/Review) - yếu tố then chốt với Gen Z.
Mô hình Logistics TMĐT Gen Z Phan Tấn Lực (2021) Đào sâu vào khâu giao vận, đóng gói và giá cả cảm nhận tại Hà Nội ($N=791$). Chỉ tập trung vào khâu logistics, chưa bao quát toàn diện trải nghiệm giao diện và bảo mật.

Từ phân tích khoảng trống (Gap Analysis), nghiên cứu phân loại các yêu cầu xây dựng mô hình trải nghiệm khách hàng theo khung MoSCoW:

  • Must Have (Bắt buộc): Đo lường tính dễ sử dụng (Ease of Use), Hoàn thành đơn hàng (Fulfillment), Bảo mật thanh toán (Security).
  • Should Have (Nên có): Tích hợp Đánh giá của khách hàng (eWOM/Reviews) và Khả năng cung cấp danh mục sản phẩm (Assortment & Value).
  • Could Have (Có thể có): Đo lường chất lượng Dịch vụ hỗ trợ khách hàng tức thì qua Chatbot/Live chat.
  • Won't Have (Chưa thực hiện ở giai đoạn này): Đo lường các biến điều tiết phức tạp như nhân khẩu học sâu hoặc phân tích tâm lý học thần kinh.

Thiết kế hệ thống

Mô hình nghiên cứu thực nghiệm đề xuất gồm 6 biến độc lập thuộc OSE, 1 biến trung gian và 1 biến phụ thuộc:

[ TÍNH DỄ SỬ DỤNG (SD) ] --------(H1: +)--------+
[ ĐÁNH GIÁ KHÁCH HÀNG (DG) ] ----(H2: +)-------+
[ BẢO MẬT THÔNG TIN (BM) ] -----(H3: +)-------+---> [ SỰ HÀI LÒNG ] ---(H7: +)---> [ LÒNG TRUNG THÀNH ]
[ HOÀN THÀNH ĐƠN HÀNG (HT) ] ---(H4: +)-------+        (HL)                            (TT)
[ DỊCH VỤ KHÁCH HÀNG (CS) ] ----(H5: +)-------+
[ KHẢ NĂNG CUNG CẤP (DU) ] -----(H6: +)-------+

Technology Stack và công cụ phân tích dữ liệu:

  • Nền tảng thu thập dữ liệu sơ cấp: Google Workspace Forms API (bảo đảm tính toàn vẹn, giới hạn mỗi người trả lời 1 lần).
  • Xử lý tiền kỳ và làm sạch dữ liệu: Microsoft Excel 365 (lọc straight-lining, missing values, mã hóa biến).
  • Phần mềm phân tích thống kê định lượng: IBM SPSS Statistics v22.0 (kiểm định Cronbach’s Alpha, EFA, Multiple Linear Regression, ANOVA).
  • Môi trường đối chiếu thuật toán: Python 3.10 (sử dụng thư viện pandas, scipy.stats, statsmodels, pingouin).

Cấu trúc dữ liệu và từ điển biến (Data Dictionary): Tổng cộng 28 biến quan sát đo lường trên thang đo Likert 5 mức độ ($1$: Hoàn toàn không đồng ý $\rightarrow$ $5$: Hoàn toàn đồng ý):

  • SD (Ease of Use): SD1 (Dễ sử dụng), SD2 (Dễ tìm thông tin), SD3 (Giao diện thân thiện).
  • DG (Customer Reviews): DG1 (Cho phép đánh giá), DG2 (Cho phép chia sẻ), DG3 (Hỗ trợ quyết định).
  • BM (Security): BM1 (An toàn thông tin cá nhân), BM2 (An toàn thẻ ngân hàng), BM3 (Rủi ro giao dịch thấp), BM4 (Tính năng bảo mật tốt).
  • HT (Order Fulfillment): HT1 (Kích thước chuẩn), HT2 (Chất lượng đúng mô tả), HT3 (Giao nhanh đúng hẹn), HT4 (Giao dịch không lỗi).
  • CS (Customer Service): CS1 (Dịch vụ tốt), CS2 (Dễ liên hệ đa kênh), CS3 (Chính sách đổi trả minh bạch).
  • DU (Store Offering): DU1 (Giá cả hợp lý), DU2 (Giá trị tương xứng số tiền), DU3 (Đa dạng lựa chọn).
  • HL (Satisfaction - Mediator): HL1 (Hài lòng giao dịch gần nhất), HL2 (Hài lòng trải nghiệm tổng thể), HL3 (Hài lòng quy trình thanh toán), HL4 (Hài lòng khâu đổi trả/hỗ trợ).
  • TT (Loyalty - Dependent): TT1 (Dự định mua lại), TT2 (Giới thiệu cho người thân), TT3 (Ưu tiên cùng 1 trang web), TT4 (Lựa chọn đầu tiên).

Methodology

Nghiên cứu ứng dụng quy trình tiếp cận chuẩn mực 10 bước trong kinh tế lượng ứng dụng:

[1. Bài toán & Mục tiêu] 
         v
[2. Tổng quan lý thuyết] 
         v
[3. Nghiên cứu định tính (Chuyên gia)] 
         v
[4. Thiết kế bảng hỏi Likert 5] 
         v
[5. Xác định cỡ mẫu (n >= 5m)] 
         v
[6. Khảo sát sơ cấp (Google Forms)] 
         v
[7. Làm sạch dữ liệu (N = 149)] 
         v
[8. Cronbach's Alpha (CA >= 0.7)] 
         v
[9. Phân tích EFA (KMO, Bartlett, TVE)] 
         v
[10. Hồi quy đa biến & Kiểm định VIF]

Quy tắc xác định cỡ mẫu tối thiểu:

  1. Theo Comrey (1973) và Hair et al. (2006) đối với EFA: $N \ge 5m = 5 \times 28 = 140$ mẫu ($m$ là số biến quan sát).
  2. Theo Tabachnick & Fidell (1996) đối với hồi quy đa biến: $N \ge 50 + 8k = 50 + 8 \times 6 = 98$ mẫu ($k$ là số biến độc lập). $\rightarrow$ Cỡ mẫu thực tế thu thập: 168 mẫu; sau khi làm sạch loại bỏ phiếu không đạt tiêu chuẩn, cỡ mẫu chính thức đạt $N = 149$, hoàn toàn thỏa mãn các ngưỡng lý thuyết.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được xây dựng dưới dạng module hóa, ứng dụng công thức tính toán toán học chính xác:

  1. Kiểm định độ tin cậy Cronbach's Alpha ($\alpha$): $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Điều kiện: $\alpha \ge 0.6$ (thang đo chấp nhận được), Corrected Item-Total Correlation $\ge 0.3$.

  2. Mô hình Hồi quy Tuyến tính Đa biến:

  • Mô hình 1 (Đo lường Sự hài lòng): $$HL = \beta_0 + \beta_1 SD + \beta_2 DG + \beta_3 BM + \beta_4 HT + \beta_5 CS + \beta_6 DU + \varepsilon_1$$
  • Mô hình 2 (Đo lường Lòng trung thành): $$TT = \gamma_0 + \gamma_1 HL + \varepsilon_2$$

Đoạn mã Python minh họa quy trình kiểm định toán học tương đương cấu hình chạy trên SPSS 22.0:

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

def evaluate_linear_regression(df: pd.DataFrame, independent_vars: list, dependent_var: str):
    """
    Thực thi hồi quy OLS đa biến, trích xuất hệ số Beta chuẩn hóa,
    kiểm định F, R-squared hiệu chỉnh và hệ số phóng đại phương sai (VIF).
    """
    X = df[independent_vars]
    y = df[dependent_var]
    
    # Chuẩn hóa Z-score để tính Standardized Beta
    X_std = (X - X.mean()) / X.std()
    y_std = (y - y.mean()) / y.std()
    
    X_const = sm.add_constant(X_std)
    model = sm.OLS(y_std, X_const).fit()
    
    # Tính VIF kiểm tra hiện tượng đa cộng tuyến
    vif_data = pd.DataFrame()
    vif_data["Variable"] = independent_vars
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

# Mapping dữ liệu thực nghiệm N = 149
# model_hl_summary, vif_hl = evaluate_linear_regression(df, ['SD', 'DG', 'BM', 'HT', 'CS', 'DU'], 'HL')

Testing và validation

1. Thống kê mô tả đặc tính mẫu ($N = 149$)

  • Giới tính: Nữ chiếm đa số với $65,77%$ ($98$ người), Nam chiếm $34,23%$ ($51$ người).
  • Độ tuổi: Tập trung chủ yếu ở nhóm $19 - 22$ tuổi ($46,31%$) và nhóm $23 - 26$ tuổi ($33,56%$). Nhóm $16 - 18$ tuổi chiếm $13,42%$, nhóm $11 - 15$ tuổi chiếm $6,71%$.
  • Nghề nghiệp: Học sinh, sinh viên chiếm tỷ trọng cao nhất ($32,89%$), Nhân viên văn phòng ($20,38%$), Lao động phổ thông ($16,11%$), Làm việc tự do ($14,77%$), Cán bộ công chức ($5,37%$).
  • Thu nhập hàng tháng: Nhóm $5 - 8$ triệu đồng ($26,17%$), trên $10$ triệu đồng ($23,49%$), $8 - 10$ triệu đồng ($21,48%$), dưới $2$ triệu đồng ($19,46%$), $2 - 5$ triệu đồng ($9,40%$).
  • Tần suất mua hàng/tháng: $2 - 4$ lần/tháng chiếm tỷ lệ lớn nhất ($48,32%$), trên $4$ lần/tháng ($33,56%$), dưới $1$ lần/tháng ($18,12%$).

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

Tất cả 8 thang đo đều đạt độ tin cậy cao, không có biến quan sát nào bị loại do hệ số tương quan biến - tổng (Corrected Item - Total Correlation) đều vượt ngưỡng $0,30$:

Thang đo / Nhân tố Số biến quan sát Hệ số Cronbach's Alpha ($\alpha$) Tương quan biến tổng nhỏ nhất Đánh giá kỹ thuật
Tính dễ sử dụng (SD) 3 $0,812$ $0,618$ Rất tốt ($\alpha > 0,8$)
Đánh giá của khách hàng (DG) 3 $0,795$ $0,592$ Tốt ($\alpha > 0,7$)
Bảo mật (BM) 4 $0,841$ $0,635$ Rất tốt ($\alpha > 0,8$)
Hoàn thành đơn đặt hàng (HT) 4 $0,828$ $0,611$ Rất tốt ($\alpha > 0,8$)
Dịch vụ khách hàng (CS) 3 $0,789$ $0,578$ Tốt ($\alpha > 0,7$)
Khả năng cung cấp của CH (DU) 3 $0,805$ $0,604$ Rất tốt ($\alpha > 0,8$)
Sự hài lòng (HL - Trung gian) 4 $0,836$ $0,622$ Rất tốt ($\alpha > 0,8$)
Lòng trung thành (TT - Phụ thuộc) 4 $0,854$ $0,657$ Rất tốt ($\alpha > 0,8$)

3. Phân tích nhân tố khám phá (EFA)

Quá trình trích xuất nhân tố bằng phương pháp Principal Components Analysis với phép xoay Varimax:

  • Kiểm định KMO (Kaiser-Meyer-Olkin): Đạt $0,832 > 0,5$, chứng minh quy mô mẫu hoàn toàn thích hợp cho phân tích nhân tố.
  • Kiểm định Bartlett’s Test of Sphericity: Giá trị thống kê $\chi^2$ đạt ý nghĩa thống kê cao ($p\text{-value} = 0,000 < 0,001$), bác bỏ giả thuyết $H_0$ về ma trận tương quan đồng nhất.
  • Tổng phương sai trích (Total Variance Explained - TVE): Đạt $64,82% > 50%$, nghĩa là 6 nhân tố trích xuất giải thích được gần $65%$ biến thiên của dữ liệu.
  • Hệ số tải nhân tố (Factor Loading): Tất cả các biến quan sát đều có hệ số tải hội tụ $\ge 0,55$, phân tách rõ ràng trên từng nhóm nhân tố mà không xảy ra hiện tượng tải chéo (cross-loading).

Kết quả đạt được

Phân tích giá trị trung bình điểm đánh giá ($M$) theo khoảng chia khoảng cách Likert ($Width = 0,8$):

1.00 ---------- 1.80 ---------- 2.60 ---------- 3.40 ---------- 4.20 ---------- 5.00
[ Hoàn toàn KĐY ] [  Không đồng ý ] [  Bình thường ] [    Đồng ý    ] [ Hoàn toàn ĐY ]
  1. Khả năng cung cấp của cửa hàng (DU): Điểm trung bình cao nhất ($M = 4,04 \div 4,32$). Người dùng Gen Z đánh giá rất cao sự đa dạng danh mục và sự tương xứng giữa giá thành và giá trị sản phẩm.
  2. Hoàn thành đơn đặt hàng (HT): Đạt mức đánh giá rất cao ($M = 4,13 \div 4,29$). Độ chính xác của hàng hóa và tốc độ giao vận là tiêu chí cốt lõi giữ chân khách hàng.
  3. Tính dễ sử dụng (SD): Đạt mức tốt ($M = 3,94 \div 4,15$). Giao diện trực quan và bộ lọc tìm kiếm hỗ trợ tối đa trải nghiệm người dùng.
  4. Dịch vụ khách hàng (CS) & Bảo mật (BM): Đạt mức đồng ý ổn định ($M = 3,89 \div 4,11$ và $M = 3,89 \div 3,94$).
  5. Đánh giá của khách hàng (DG): Đạt mức ($M = 3,87 \div 3,98$).

Kết quả kiểm định mô hình hồi quy:

  • Cả 6 giả thuyết $H_1 \rightarrow H_6$ đều được chấp nhận ở mức ý nghĩa thống kê $p < 0,05$, tác động dương đến Sự hài lòng ($HL$).
  • Giả thuyết $H_7$ được chấp nhận ($p < 0,001$), chứng minh Sự hài lòng là tiền đề trực tiếp thúc đẩy Lòng trung thành ($TT$).
  • Hệ số phóng đại phương sai $VIF < 2,0$ trên toàn bộ các biến độc lập, khẳng định không xảy ra hiện tượng đa cộng tuyến.

Đổi mới và đóng góp

  1. Hệ thống hóa khung OSE đa chiều cho thế hệ Gen Z: Đề tài đã tích hợp thành công biến số Đánh giá của khách hàng (eWOM) và Khả năng cung cấp của cửa hàng vào cấu trúc OSE truyền thống. So với nghiên cứu của Nguyễn Thị Mai Trang (2014) chỉ tập trung vào 4 khía cạnh kỹ thuật giao diện/vận hành, nghiên cứu này bổ sung khía cạnh tương tác xã hội số - một yếu tố mang tính quyết định với tâm lý mua sắm của Gen Z.
  2. So sánh tương quan với các công trình tiền nhiệm:
    • So với Phan Tấn Lực (2021) (chỉ phân tích logistics và giá), nghiên cứu chứng minh rằng dịch vụ khách hàng tức thời (Live Chat/CSKH) và tính an toàn bảo mật có mức độ đóng góp tương đương vào sự hài lòng tổng thể.
    • So với Cachero & Vázquez (2021) (nghiên cứu tại Tây Ban Nha), kết quả tại Hà Nội cho thấy Gen Z Việt Nam có độ nhạy cảm cao hơn với độ chính xác của thông tin mô tả sản phẩm và thời gian giao hàng thực tế.
  3. Đóng góp về mặt phương pháp luận: Ứng dụng quy trình phân tích 2 cấp (Two-stage Regression Approach), vừa kiểm soát biến trung gian Sự hài lòng, vừa đo lường trực tiếp sự chuyển hóa từ thái độ sang hành vi trung thành lặp lại (Repurchase & Word-of-Mouth Intention).

Ứng dụng thực tế và triển khai

+-------------------------------------------------------------------------------+
|             LỘ TRÌNH 4 GIAI ĐOẠN TỐI ƯU HÓA TRẢI NGHIỆM KHÁCH HÀNG GEN Z      |
+-------------------------------------------------------------------------------+

[ GIAI ĐOẠN 1: Q1 ] --> Chuẩn hóa UI/UX & Mobile Web Core Vitals (LCP < 2.5s)
         |
[ GIAI ĐOẠN 2: Q2 ] --> Xây dựng hệ sinh thái eWOM minh bạch & Video Reviews
         |
[ GIAI ĐOẠN 3: Q3 ] --> Tối ưu hóa Fulfillment & SLA giao vận (Same-day Delivery)
         |
[ GIAI ĐOẠN 4: Q4 ] --> Tự động hóa CSKH đa kênh (AI Chatbot 24/7 + Loyalty Club)

Kịch bản ứng dụng cụ thể

  1. Tối ưu hóa UI/UX và Tìm kiếm sản phẩm (Tính dễ sử dụng):
    • Rút gọn quy trình thanh toán (1-Click Checkout), tích hợp Apple Pay, Google Pay, MoMo, ZaloPay.
    • Ứng dụng ElasticSearch/AI Search cho phép tìm kiếm bằng hình ảnh và ngôn ngữ tự nhiên.
  2. Quản trị Social Proof & eWOM (Đánh giá khách hàng):
    • Thiết lập cơ chế xác thực "Đã mua hàng" (Verified Purchase), tặng điểm thưởng/voucher cho các đánh giá có kèm hình ảnh/video thực tế.
    • Chống gian lận seeding ảo bằng thuật toán phân tích hành vi và lọc tài khoản rác.
  3. Quản trị Chuỗi cung ứng và Hoàn thành đơn hàng:
    • Đồng bộ hóa tồn kho theo thời gian thực (Real-time Inventory Management), loại bỏ tình trạng hủy đơn do hết hàng.
    • Đảm bảo đúng cam kết thời gian giao hàng (SLA); đóng gói sản phẩm chuẩn hóa kèm quy trình đổi trả trong 7 ngày không cần lý do.
  4. Phân tích Hiệu quả Đầu tư (Cost-Benefit & ROI Analysis):
    • Giảm tỷ lệ bỏ giỏ hàng (Cart Abandonment Rate) từ $70%$ xuống dưới $50%$ nhờ tối ưu UX.
    • Tăng tỷ lệ mua lại (Repurchase Rate) lên $25 - 35%$, giúp giảm áp lực chi phí quảng cáo trả tiền (Paid Ads CAC), nâng cao biên lợi nhuận ròng.

Hạn chế và hướng phát triển

  • Quy mô và phương pháp chọn mẫu: Mẫu nghiên cứu ($N=149$) được thực hiện theo phương pháp thuận tiện phi xác suất trên địa bàn Hà Nội, tỷ lệ nữ giới chiếm ưu thế ($65,77%$), có thể tạo ra độ lệch nhất định khi khái quát hóa cho toàn bộ người tiêu dùng Gen Z cả nước.
  • Ràng buộc về thời gian: Khảo sát cắt ngang (Cross-sectional study) trong 3 tháng (03 - 05/2023), chưa đo lường được sự biến động hành vi tiêu dùng theo mùa vụ (ví dụ: các đợt Siêu Sale Mega Sale cuối năm).
  • Định hướng mở rộng:
    1. Mở rộng phạm vi thu thập mẫu liên tỉnh (Hà Nội, Đà Nẵng, TP.HCM) với quy mô $N \ge 500$.
    2. Ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để phân tích các biến điều tiết (Moderating variables) như Giới tính, Thu nhập hoặc Nhóm ngành hàng (Thời trang vs Điện tử gia dụng).

Đối tượng hưởng lợi

  • Sinh viên & Học viên Cao học: Tài liệu tham khảo chuẩn mực về quy trình triển khai nghiên cứu định lượng TMĐT, cấu trúc thang đo chuẩn hóa và phương pháp trình bày luận văn kinh tế.
  • Kỹ sư Phần mềm & UI/UX Designers: Định lượng rõ các tiêu chuẩn kỹ thuật người dùng mong muốn: tốc độ tải trang, luồng thanh toán liền mạch, kiến trúc hiển thị đánh giá cộng đồng minh bạch.
  • Chủ doanh nghiệp & Nhà bán hàng TMĐT: Bức tranh toàn cảnh về insight của khách hàng Gen Z, cung cấp căn cứ ra quyết định phân bổ ngân sách: đầu tư vào dịch vụ hậu mãi và trải nghiệm thay vì chỉ chạy đua khuyến mại giảm giá.
  • Nhà nghiên cứu thị trường: Khung phân tích thực nghiệm và bộ chỉ số tham chiếu về thị trường bán lẻ kỹ thuật số tại Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để một website TMĐT đáp ứng trải nghiệm mua sắm của Gen Z là gì?

Hệ thống cần đạt chuẩn Core Web Vitals (thời gian phản hồi LCP $< 2.5\text{s}$, độ trễ tương tác FID $< 100\text{ms}$), thiết kế theo chuẩn Mobile-First, hỗ trợ thanh toán không tiền mặt không chạm và tích hợp hệ thống bảo mật SSL/TLS cùng chuẩn mã hóa thẻ PCI-DSS.

2. Vì sao biến "Đánh giá của khách hàng" lại đóng vai trò quan trọng đặc thù đối với Gen Z?

Gen Z có mức độ hoài nghi quảng cáo truyền thống cao nhất trong các thế hệ. Họ dựa vào User-Generated Content (UGC) và các đánh giá khách quan của người mua trước để xác thực chất lượng trước khi chi tiêu.

3. Quy mô mẫu $N = 149$ có đủ độ tin cậy để chạy hồi quy đa biến không?

Theo tiêu chuẩn Green (1991) và Tabachnick & Fidell (1996), quy mô mẫu tối thiểu cho 6 biến độc lập là $50 + 8 \times 6 = 98$ mẫu. Theo tiêu chuẩn Hair et al. cho EFA ($5$ mẫu/biến quan sát lớn nhất trong nhóm), mẫu $149$ hoàn toàn thỏa mãn các điều kiện thống kê để đưa ra kết luận có ý nghĩa.

4. Doanh nghiệp vừa và nhỏ (SMEs) nên ưu tiên đầu tư vào nhân tố nào trước?

Nên ưu tiên vào Hoàn thành đơn hàng (HT) (đóng gói cẩn thận, mô tả đúng thực tế) và Tính dễ sử dụng (SD) (giao diện rõ ràng, phân loại sản phẩm tốt). Đây là 2 nhân tố có điểm trung bình kỳ vọng cao nhất từ phía khách hàng.

5. Chi phí tối ưu hóa trải nghiệm OSE có giúp tăng ROI thực tế không?

Có. Duy trì một khách hàng hiện tại có chi phí rẻ hơn từ 5 đến 7 lần so với tìm kiếm khách hàng mới. Tăng tỷ lệ giữ chân khách hàng thêm $5%$ có thể gia tăng lợi nhuận từ $25%$ đến $95%$ (theo Harvard Business Review).

Kết luận

Khóa luận đã giải quyết trọn vẹn mục tiêu nghiên cứu: chứng minh tác động tương hỗ giữa 6 thành phần của trải nghiệm mua sắm trực tuyến (Tính dễ sử dụng, Đánh giá của khách hàng, Bảo mật thông tin, Hoàn thành đơn hàng, Dịch vụ khách hàng, Khả năng cung cấp) đến Sự hài lòng, từ đó thúc đẩy Lòng trung thành của thế hệ người tiêu dùng Gen Z tại Hà Nội. Trong bối cảnh cạnh tranh TMĐT ngày càng khốc liệt, việc chuyển dịch trọng tâm từ "cạnh tranh bằng giá" sang "cạnh tranh bằng trải nghiệm toàn diện" là con đường duy nhất giúp doanh nghiệp xây dựng tệp khách hàng trung thành bền vững.