Khóa luận yếu tố AI và an toàn thông tin ngân hàng số - Học viện Ngân hàng

Khóa luận quản trị kinh doanh nghiên cứu tác động của an toàn thông tin, AI và machine learning đến ý định dùng ngân hàng số tại Việt Nam.

• Tác giả: Tống Nguyên Việt Anh
• Người hướng dẫn: PGS. Phạm Thu Trang
• Trường học: Học viện Ngân hàng
• Chuyên ngành: Quản trị kinh doanh
• Đề tài: Đo lường yếu tố an toàn thông tin, trí tuệ nhân tạo (AI) và công nghệ học máy (ML) ảnh hưởng tới ý định sử dụng dịch vụ ngân hàng số (digital banking) của các ngân hàng thương mại tại Việt Nam. Một góc nhìn từ “Công ước Hà Nội” về tài chính trực tuyến
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2025
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng quan về ảnh hưởng của AI ML và an toàn thông tin đến ngân hàng số

Ngân hàng số phát triển mạnh tại Việt Nam nhưng gặp thách thức từ an toàn thông tin, trí tuệ nhân tạo (AI) và học máy (ML). Các yếu tố này quyết định sự tin tưởng của khách hàng. AI và ML cải thiện dịch vụ nhưng cũng tăng nguy cơ rủi ro. An toàn thông tin trở thành yếu tố quyết định cho sự chấp nhận dịch vụ ngân hàng số. Nghiên cứu tập trung vào mối quan hệ giữa ba yếu tố này và ý định sử dụng dịch vụ. Kết quả sẽ giúp các ngân hàng xây dựng chiến lược an toàn hiệu quả.

1.1. Vai trò của trí tuệ nhân tạo và học máy trong ngân hàng số

AI và ML cải thiện trải nghiệm khách hàng qua chatbot, phân tích hành vi giao dịch và dự đoán nhu cầu. Chúng tăng hiệu suất nhưng cũng tạo ra rủi ro như lỗ hổng bảo mật. Ngân hàng cần cân bằng giữa tính tiện lợi và an toàn. Khách hàng mong đợi dịch vụ nhanh chóng nhưng lo ngại về bảo mật dữ liệu. AI và ML giúp phát hiện gian lận nhưng cũng mở rộng diện tích tấn công.

1.2. Thách thức an toàn thông tin trong chuyển đổi số ngân hàng

An toàn thông tin là yếu tố cản trở sự phát triển của ngân hàng số. Khách hàng lo ngại về việc rò rỉ thông tin cá nhân. Các vụ hack và gian lận gia tăng khiến sự tin tưởng giảm. Ngân hàng cần đầu tư vào hệ thống bảo mật và giáo dục khách hàng. Sự kết hợp giữa AI và an toàn thông tin là giải pháp tối ưu. Các ngân hàng phải tuân thủ các tiêu chuẩn quốc tế về bảo mật.

II. Phân tích yếu tố an toàn thông tin AI và ML ảnh hưởng đến ý định sử dụng

Nghiên cứu sử dụng mô hình TRA và Fishbein-Ajzen để phân tích. An toàn thông tin ảnh hưởng trực tiếp đến thái độ khách hàng. AI và ML tạo sự tiện lợi nhưng cũng gây lo ngại. Khách hàng có thái độ tích cực khi nhận thấy lợi ích vượt qua rủi ro. Các yếu tố như nhận thức, thái độ và chuẩn mực chủ quan quyết định ý định sử dụng. Nghiên cứu tập trung vào ba yếu tố chính: an toàn thông tin, AI và ML.

2.1. Mô hình lý thuyết TRA và Fishbein Ajzen trong nghiên cứu

Mô hình TRA cho thấy thái độ quyết định hành vi. Fishbein-Ajzen bổ sung yếu tố nhận thức và chuẩn mực. Khách hàng có thái độ tích cực khi tin rằng dịch vụ mang lại lợi ích. AI và ML cải thiện trải nghiệm nhưng cũng tạo ra lo ngại về bảo mật. Nghiên cứu sử dụng hai mô hình để phân tích mối quan hệ giữa ba yếu tố và ý định sử dụng. Kết quả sẽ chỉ ra yếu tố nào ảnh hưởng mạnh nhất.

2.2. Đặc điểm của khách hàng ngân hàng số tại Việt Nam

Khách hàng ngân hàng số tại Việt Nam chủ yếu là người trẻ và có trình độ học vấn cao. Họ có nhu cầu sử dụng dịch vụ nhanh chóng và tiện lợi. Tuy nhiên, lo ngại về an toàn thông tin vẫn là vấn đề lớn. AI và ML giúp cải thiện dịch vụ nhưng cũng tăng nguy cơ rủi ro. Nghiên cứu tập trung vào nhóm khách hàng này để đánh giá ảnh hưởng của ba yếu tố. Kết quả sẽ giúp ngân hàng xây dựng chiến lược phù hợp.

III. Giải pháp và phương pháp đo lường yếu tố ảnh hưởng

Đo lường sử dụng phương pháp khảo sát và phân tích thống kê. Bảng câu hỏi bao gồm các yếu tố an toàn thông tin, AI và ML. Phương pháp TRA và Fishbein-Ajzen được áp dụng để phân tích. Nghiên cứu sử dụng mẫu khách hàng ngân hàng số tại Hà Nội. Kết quả sẽ chỉ ra yếu tố nào ảnh hưởng mạnh nhất đến ý định sử dụng. Các giải pháp bao gồm cải thiện an toàn thông tin, giáo dục khách hàng và tối ưu hóa AI và ML.

3.1. Phương pháp khảo sát và phân tích dữ liệu

Phương pháp khảo sát được sử dụng để thu thập dữ liệu từ khách hàng. Bảng câu hỏi bao gồm các yếu tố như an toàn thông tin, AI và ML. Phương pháp phân tích thống kê được áp dụng để đánh giá mối quan hệ giữa ba yếu tố và ý định sử dụng. Nghiên cứu sử dụng mẫu khách hàng ngân hàng số tại Hà Nội. Kết quả sẽ chỉ ra yếu tố nào ảnh hưởng mạnh nhất đến hành vi sử dụng dịch vụ.

3.2. Các giải pháp cải thiện an toàn thông tin và sử dụng AI ML

Các giải pháp bao gồm cải thiện hệ thống bảo mật, giáo dục khách hàng và tối ưu hóa AI và ML. Ngân hàng cần đầu tư vào công nghệ bảo mật và đào tạo nhân viên. Giáo dục khách hàng về an toàn thông tin là yếu tố quan trọng. AI và ML cần được sử dụng một cách an toàn và hiệu quả. Các giải pháp này sẽ giúp tăng sự tin tưởng của khách hàng và cải thiện dịch vụ ngân hàng số.

IV. Kết luận và ứng dụng trong thực tế

Nghiên cứu chỉ ra rằng an toàn thông tin, AI và ML ảnh hưởng mạnh đến ý định sử dụng dịch vụ ngân hàng số. Khách hàng có thái độ tích cực khi nhận thấy lợi ích vượt qua rủi ro. Các giải pháp bao gồm cải thiện an toàn thông tin và tối ưu hóa AI và ML. Kết quả nghiên cứu có thể áp dụng trong thực tế để xây dựng chiến lược phát triển ngân hàng số. Ngân hàng cần đầu tư vào công nghệ bảo mật và giáo dục khách hàng.

4.1. Ứng dụng kết quả nghiên cứu trong chiến lược ngân hàng số

Kết quả nghiên cứu có thể áp dụng để xây dựng chiến lược phát triển ngân hàng số. Ngân hàng cần đầu tư vào công nghệ bảo mật và tối ưu hóa AI và ML. Giáo dục khách hàng về an toàn thông tin là yếu tố quan trọng. Chiến lược này sẽ giúp tăng sự tin tưởng của khách hàng và cải thiện dịch vụ ngân hàng số. Các ngân hàng có thể áp dụng kết quả nghiên cứu để xây dựng chiến lược phù hợp với thị trường Việt Nam.

4.2. Gợi ý cho các ngân hàng thương mại về phát triển dịch vụ số

Các ngân hàng thương mại nên đầu tư vào công nghệ bảo mật và tối ưu hóa AI và ML. Giáo dục khách hàng về an toàn thông tin là yếu tố quan trọng. Chiến lược phát triển dịch vụ số cần cân nhắc giữa tiện lợi và an toàn. Các ngân hàng có thể áp dụng kết quả nghiên cứu để xây dựng chiến lược phù hợp. Điều này sẽ giúp tăng sự tin tưởng của khách hàng và cải thiện dịch vụ ngân hàng số tại Việt Nam.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

1. Lý do chọn đề tài và bối cảnh thực tiễn

Sự phát triển của khoa học công nghệ đã tác động mạnh mẽ đến các ngành dịch vụ và công nghiệp (Nguyen, Dang, & Nguyen, 2016; Werthner & Klein, 1999). Các dịch vụ ngân hàng và trung gian tài chính trên nền tảng số ngày càng trở nên phổ biến, mang lại biên lợi nhuận trên 43% cho hệ thống ngân hàng (Statebank, 2019). Theo Guru và cộng sự (2003), khoảng 80% khách hàng duy trì sử dụng dịch vụ nếu ngân hàng cung cấp nền tảng số hóa.

Tại Việt Nam, ngân hàng số ghi nhận tốc độ tăng trưởng nhanh. Theo thống kê của Ngân hàng Nhà nước Việt Nam tính đến tháng 4/2018, có 94% ngân hàng trong nước tiến hành chuyển đổi số, trong đó 42% tổ chức tín dụng xác định ngân hàng số là chiến lược kinh doanh cốt lõi. Giai đoạn 2018–2023, thanh toán qua ngân hàng di động đạt mức tăng trưởng 144%/năm, vượt trội so với mức tăng 40% của các phương thức thanh toán truyền thống.

Tuy nhiên, môi trường trực tuyến tiềm ẩn nhiều rủi ro phi cá nhân. Vấn đề an toàn thông tin (Information Safety) đóng vai trò quyết định trong việc giảm thiểu sự không chắc chắn và xây dựng lòng tin ban đầu của người dùng (McKnight, Choudhury, & Kacmar, 2002; Afshan & Sharif, 2016). Song song đó, việc ứng dụng Trí tuệ nhân tạo (AI) và Công nghệ học máy (ML) đang phát triển mạnh mẽ nhằm cá nhân hóa dịch vụ và hỗ trợ giám sát, phát hiện bất thường an ninh mạng (Chan và cộng sự, 2019; Prentice và cộng sự, 2021).

Ở bình diện quốc tế, tội phạm mạng ước tính gây thiệt hại cho kinh tế toàn cầu khoảng 8.000 tỷ USD năm 2023 và dự báo chạm mốc 10.500 tỷ USD vào năm 2025 (World Bank, 2024). Công ước Liên Hợp Quốc về Tội phạm mạng ("Công ước Hà Nội") ra đời, tạo lập khuôn khổ pháp lý toàn cầu đầu tiên sau hơn 20 năm nhằm thiết lập cơ chế hợp tác 24/7 trong phòng ngừa tội phạm số. Xuất phát từ bối cảnh đó, đề tài "Đo lường yếu tố an toàn thông tin, trí tuệ nhân tạo (AI) và công nghệ học máy (ML) ảnh hưởng tới ý định sử dụng dịch vụ ngân hàng số (digital banking) của các ngân hàng thương mại tại Việt Nam. Một góc nhìn từ “Công ước Hà Nội” về tài chính trực tuyến" được thực hiện.

2. Mục tiêu nghiên cứu

• Mục tiêu tổng quát: Kiểm định sự tác động của các yếu tố an toàn thông tin, trí tuệ nhân tạo (AI) và công nghệ học máy (ML) tới ý định sử dụng dịch vụ ngân hàng số của các ngân hàng thương mại tại Việt Nam dưới góc nhìn của "Công ước Hà Nội".
• Mục tiêu cụ thể 1: Phân tích, đánh giá và kiểm định vai trò của "An toàn thông tin" (phân phối qua các biến Nhận thức tính hữu ích, Nhận thức dễ sử dụng, Rủi ro được nhận thức, Nhận thức về sự tin tưởng) tới "Thái độ đối với dịch vụ", từ đó kiểm định tác động của "Thái độ đối với dịch vụ" tới "Ý định đối với dịch vụ".
• Mục tiêu cụ thể 2: Phân tích, đánh giá tác động của biến "Ứng dụng AI & ML" tới "Ý định đối với dịch vụ"; kiểm định vai trò điều tiết của biến "Chính sách bảo mật" và biến "Lo ngại về quyền riêng tư" đối với mối quan hệ từ "Thái độ đối với dịch vụ" đến "Ý định đối với dịch vụ".
• Mục tiêu cụ thể 3: Đề xuất hệ thống giải pháp, kiến nghị cho công tác quản trị và phát triển dịch vụ ngân hàng số tại các NHTM Việt Nam (đặc biệt tại Techcombank) dựa trên kết quả khảo sát và nội dung phòng chống tội phạm tài chính của "Công ước Hà Nội".

3. Nhiệm vụ nghiên cứu

1. Hệ thống hóa cơ sở lý luận, mô hình nghiên cứu và các nội dung pháp lý liên quan của "Công ước Hà Nội".
2. Xây dựng mô hình, hoàn thiện thang đo, tiến hành phân tích độ tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá (EFA), phân tích nhân tố khẳng định (CFA), mô hình cấu trúc tuyến tính (SEM) và kỹ thuật Bootstrapping kiểm định tác động điều tiết.
3. Đo lường, đánh giá mức độ ảnh hưởng của An toàn thông tin, AI & ML tới ý định sử dụng ngân hàng số.
4. Đề xuất khuyến nghị quản trị cho NHTM Việt Nam, Techcombank và các cơ quan quản lý nhà nước.

4. Câu hỏi nghiên cứu

1. Yếu tố "An toàn thông tin" tác động tới "Thái độ đối với dịch vụ" của khách hàng cá nhân tại các ngân hàng thương mại Việt Nam như thế nào?
2. Sự phân phối của "An toàn thông tin" thể hiện qua các biến "Nhận thức tính hữu ích", "Nhận thức dễ sử dụng", "Rủi ro được nhận thức", "Nhận thức về sự tin tưởng" tác động như thế nào đến khách hàng?
3. Biến "Ứng dụng AI & ML" tác động trực tiếp đến "Ý định đối với dịch vụ" ngân hàng số như thế nào?
4. Vai trò điều tiết của "Chính sách bảo mật" và "Lo ngại về quyền riêng tư" thể hiện ra sao trong mối quan hệ giữa "Thái độ đối với dịch vụ" và "Ý định đối với dịch vụ"?

5. Đối tượng và phạm vi nghiên cứu

• Đối tượng nghiên cứu: Các nhân tố ảnh hưởng tới ý định sử dụng dịch vụ ngân hàng số của khách hàng cá nhân tại các NHTM Việt Nam.
• Đối tượng khảo sát: Khách hàng cá nhân đã, đang và sẽ sử dụng dịch vụ ngân hàng truyền thống hoặc có ý định sử dụng ngân hàng số.
• Phạm vi không gian: Các ngân hàng thương mại tại Việt Nam, nghiên cứu thực tế tập trung vào Ngân hàng TMCP Kỹ Thương Việt Nam (Techcombank).
• Phạm vi thời gian: Dữ liệu thứ cấp tổng hợp chủ yếu trong giai đoạn 2000–2024; dữ liệu sơ cấp được thu thập từ tháng 02/2025 đến tháng 03/2025.

---

Cơ sở lý thuyết và phương pháp nghiên cứu

1. Khung lý thuyết và mô hình ứng dụng

Đề tài tích hợp các nền tảng lý thuyết hành vi và chấp nhận công nghệ:

• Thuyết hành động hợp lý (TRA - Theory of Reasoned Action): Fishbein & Ajzen (1975), Davis và cộng sự (1989), xác định thái độ và chuẩn chủ quan quyết định ý định hành vi.
• Mô hình chấp nhận công nghệ (TAM - Technology Acceptance Model): Davis (1989), giải thích hành vi chấp nhận dựa trên Nhận thức tính hữu ích (PU) và Nhận thức dễ sử dụng (PEU).
• Lý thuyết hành vi có kế hoạch (TPB - Theory of Planned Behavior): Ajzen (1991), bổ sung yếu tố kiểm soát hành vi cảm nhận.
• Lý thuyết giá trị tiêu dùng (Consumption Value Theory): Phân tích giá trị lợi ích nhận được trong giao dịch số.
• Mô hình kế thừa: Mô hình nghiên cứu thực nghiệm của Nguyen và cộng sự (2020).
• Khung pháp lý quốc tế: Công ước Liên Hợp Quốc về Tội phạm mạng ("Công ước Hà Nội").

Ký hiệu	Tên biến tiếng Việt	Tên biến tiếng Anh	Vai trò trong mô hình
IS	An toàn thông tin	Information safety	Biến tiền đề bậc cao
PU	Nhận thức tính hữu ích	Perceived usefulness	Biến trung gian / phân phối
PEU	Nhận thức dễ sử dụng	Perceived ease of use	Biến trung gian / phân phối
PR	Rủi ro được nhận thức	Perceived risk	Biến trung gian / phân phối
PT	Nhận thức về sự tin tưởng	Perceived trust	Biến trung gian / phân phối
ATS	Thái độ đối với dịch vụ	Attitude toward service	Biến trung gian
AI & ML	Ứng dụng AI và Machine Learning	Applications of AI & ML	Biến độc lập tác động trực tiếp
PP	Chính sách bảo mật	Privacy policy	Biến điều tiết (Moderator)
PC	Lo ngại về quyền riêng tư	Privacy concerns	Biến điều tiết (Moderator)
UI	Ý định đối với dịch vụ	Use intention	Biến phụ thuộc

2. Phương pháp nghiên cứu

Khóa luận áp dụng phương pháp nghiên cứu hỗn hợp (kết hợp định tính và định lượng):

• Nghiên cứu định tính:
  • Tổng hợp, phân tích các tài liệu học thuật trong và ngoài nước (2000–2024).
  • Phỏng vấn nhóm sơ bộ (Focus Group) với 10 đáp viên, chia làm 2 nhóm (5 người/nhóm), triển khai qua hình thức phỏng vấn trực tiếp và trực tuyến qua Zoom để kiểm tra mức độ rõ ràng của các phát biểu, hoàn thiện bảng hỏi.
• Nghiên cứu định lượng:
  • Khảo sát bằng bảng câu hỏi cấu trúc theo thang đo Likert.
  • Tổng số mẫu thu thập: 471 phiếu (trực tiếp và trực tuyến).
  • Sau khi loại bỏ 39 phiếu không đạt yêu cầu, mẫu hợp lệ đưa vào xử lý là N = 432 mẫu.
• Công cụ và kỹ thuật phân tích:
  • Phần mềm SPSS 26: Thống kê mô tả mẫu, kiểm định độ tin cậy thang đo (Cronbach's Alpha, tương quan biến - tổng CITC), phân tích nhân tố khám phá (EFA), phân tích hồi quy biến điều tiết (MMR) bằng kỹ thuật Bootstrapping.
  • Phần mềm AMOS 24: Phân tích nhân tố khẳng định (CFA) nhằm kiểm tra độ hội tụ và độ phân biệt, kiểm định mô hình cấu trúc tuyến tính (SEM), đánh giá các chỉ số phù hợp mô hình (Chi-square/df, GFI, CFI, RMSEA) và kiểm định hiệu ứng trung gian.

---

Nội dung chính theo từng chương

CHƯƠNG 1: CƠ SỞ LÝ LUẬN ĐO LƯỜNG CÁC YẾU TỐ AN TOÀN THÔNG TIN, TRÍ TUỆ NHÂN TẠO (AI) VÀ CÔNG NGHỆ HỌC MÁY (ML) ẢNH HƯỞNG TỚI Ý ĐỊNH SỬ DỤNG NGÂN HÀNG SỐ (DIGITAL BANKING) CỦA CÁC NGÂN HÀNG THƯƠNG MẠI TẠI VIỆT NAM. MỘT GÓC NHÌN TỪ “CÔNG ƯỚC HÀ NỘI” VỀ TÀI CHÍNH TRỰC TUYẾN

• Cơ sở lý luận về An toàn thông tin (IS): Khái niệm an toàn thông tin gắn liền với khả năng kiểm soát, bảo vệ dữ liệu cá nhân trước các nguy cơ xâm nhập trái phép (Smith et al., 1996; Westin, 1970). Tác giả hệ thống hóa 5 mối đe dọa an toàn thông tin chủ yếu: (1) Trộm cắp danh tính; (2) Lừa đảo qua mạng (Phishing); (3) Lừa đảo bằng cuộc gọi thoại (Vishing) chiếm đoạt mã OTP; (4) Gian lận thẻ ATM/POS qua thiết bị Skimming; (5) Phần mềm độc hại (SpyEye, Zeus) sử dụng tệp Web Inject.
• Lý luận về Trí tuệ nhân tạo (AI) và Học máy (ML): Phân biệt khái niệm AI (McCarthy, 1956 - phân loại thành AI mạnh và AI yếu) và ML (Stanford, 2016). Khẳng định vai trò của Chatbot, Video Call, nhận diện sinh trắc học và các thuật toán phát hiện gian lận trong nâng cao trải nghiệm và phòng ngừa tấn công mạng (Chan et al., 2019; Pleshakova et al., 2024).
• Thái độ, Chính sách bảo mật và Lo ngại quyền riêng tư: Định nghĩa Thái độ (ATS) dựa trên TRA/TPB; Chính sách bảo mật (PP) qua các nguyên tắc xác thực, mã hóa RSA 128 bit, tường lửa; Lo ngại quyền riêng tư (PC) theo mô hình 5 thành tố của Smith et al. (1996) và hướng dẫn của FTC.
• Nội dung và ý nghĩa của "Công ước Hà Nội": Phân tích 5 trụ cột của Công ước LHQ về Tội phạm mạng đối với người dân toàn cầu: (1) Ứng phó hiểm họa mạng khi có 67,4% dân số dùng Internet (WB, 2023); (2) Thúc đẩy mạng lưới hợp tác điều tra điện tử 24/7 xuyên quốc gia; (3) Bảo vệ trẻ em trên không gian mạng; (4) Hỗ trợ, bồi thường cho nạn nhân; (5) Thiết lập chiến lược phòng ngừa chủ động.
• Tổng quan nghiên cứu: Tổng kết 11 công trình tiêu biểu trong nước (Phạm Thị Huyền, 2022; Nguyễn Đẵng Hải Yến và cs, 2024; Nguyễn Minh Loan và cs, 2023; Đoàn Văn Huệ & Bùi Thị Thùy Dương, 2017; Hà Nam Khánh Giao, 2022; Trần Thị Thanh Nga, 2022; Trần Thị Thắng và cs, 2022; Hoàng Hải Yến & Trần Thị Kiều Chi, 2024; Trần Kim Thoa, 2023; Nguyễn Văn Thủy, 2023...) và các nghiên cứu quốc tế (Kumar và cs, 2023; Byrne Kaulu và cs, 2024; Anouze & Alamro, 2020; Mohammed và cs, 2023; Panditharathna và cs, 2024; Demirel và cs, 2024; Ridho và cs, 2024; Tantawi và cs, 2023; Noreen và cs, 2023).

CHƯƠNG 2: MÔ HÌNH VÀ GIẢ THUYẾT NGHIÊN CỨU

• Mô hình nghiên cứu đề xuất: Thiết lập cấu trúc quan hệ tác động đa tầng. An toàn thông tin chi phối các nhận thức PU, PEU, PR, PT; các nhận thức này định hình Thái độ đối với dịch vụ (ATS). Biến ATS cùng biến Ứng dụng AI & ML tác động đến Ý định đối với dịch vụ (UI).
• Xây dựng giả thuyết nghiên cứu: Đề xuất hệ thống các giả thuyết kiểm định tác động trực tiếp, tác động trung gian của ATS và vai trò điều tiết của Chính sách bảo mật (PP) cùng Lo ngại quyền riêng tư (PC) lên mối quan hệ giữa ATS và UI.
• Quy trình xây dựng thang đo: Thiết kế 11 bảng thang đo chi tiết (từ Bảng 2.1 đến Bảng 2.11) tương ứng với từng cấu trúc biến quan sát: An toàn thông tin, Nhận thức tính hữu ích, Nhận thức dễ sử dụng, Rủi ro được nhận thức, Nhận thức về sự tin tưởng, Thái độ đối với dịch vụ, Ứng dụng AI & ML, Ý định đối với dịch vụ, Lo ngại về quyền riêng tư, và Chính sách bảo mật.
• Phương pháp thu thập và quy trình phân tích: Mô tả chi tiết các bước thu thập 471 mẫu, làm sạch còn 432 mẫu; quy trình phân tích dữ liệu hai bước qua SPSS 26 và AMOS 24.

CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU

• Tổng quan về Techcombank và thực trạng dịch vụ số: Phân tích cơ cấu tổ chức, bộ máy quản lý và thực trạng ứng dụng dịch vụ ngân hàng số, triển khai AI/ML trong vận hành và chăm sóc khách hàng tại Ngân hàng TMCP Kỹ Thương Việt Nam.
• Thống kê mô tả mẫu nghiên cứu: Phân tích cơ cấu mẫu khảo sát N = 432 theo các tiêu chí nhân khẩu học.
• Kiểm định độ tin cậy và cấu trúc thang đo:
  • Kiểm định hệ số tin cậy Cronbach’s Alpha cho toàn bộ các thang đo thành phần (Bảng 3.2).
  • Phân tích nhân tố khám phá EFA, trích xuất ma trận xoay các nhân tố (Bảng 3.3).
  • Phân tích nhân tố khẳng định CFA, kiểm tra mức độ hội tụ và giá trị phân biệt của các khái niệm nghiên cứu (Bảng 3.4).
• Kiểm định mô hình cấu trúc và giả thuyết:
  • Đánh giá độ phù hợp của mô hình SEM (các chỉ số CMIN/df, GFI, CFI, RMSEA).
  • Kết quả kiểm định tác động trực tiếp qua 2 lần phân tích (Bảng 3.5 và Bảng 3.6).
  • Kết quả kiểm định tác động trung gian của Thái độ đối với dịch vụ (Bảng 3.7).
  • Kiểm định vai trò điều tiết của biến Chính sách bảo mật (PP) trong mối quan hệ ATS -> UI (Bảng 3.8).
  • Kiểm định vai trò điều tiết của biến Lo ngại về quyền riêng tư (PC) trong mối quan hệ ATS -> UI (Bảng 3.9).
  • Tổng hợp kết quả chấp nhận/bác bỏ các giả thuyết nghiên cứu (Bảng 3.10).

CHƯƠNG 4: THẢO LUẬN KẾT QUẢ NGHIÊN CỨU VÀ ĐƯA RA KIẾN NGHỊ ĐỀ XUẤT

• Thảo luận kết quả: Đối chiếu kết quả kiểm định mô hình với các nghiên cứu thực nghiệm trong và ngoài nước; giải thích nguyên nhân tâm lý, hành vi của khách hàng trong bối cảnh an ninh mạng phức tạp tại Việt Nam.
• Khuyến nghị cho các Ngân hàng thương mại: Đẩy mạnh áp dụng công nghệ bảo mật nhiều lớp, nâng cấp hạ tầng sinh trắc học, quản lý chặt chẽ rủi ro từ các đối tác cung cấp dịch vụ bên thứ ba.
• Giải pháp phát triển ngân hàng số cho Techcombank: Nâng cấp tính năng AI/ML (tối ưu hóa Chatbot, tự động hóa phát hiện giao dịch bất thường), minh bạch hóa chính sách bảo mật để gia tăng lòng tin và tỷ lệ CASA.
• Khuyến nghị cho Chính phủ và các cơ quan hữu quan: Thúc đẩy thực thi nội dung Công ước Hà Nội, hoàn thiện hành lang pháp lý về bảo vệ dữ liệu cá nhân, thiết lập cơ chế điều tra tội phạm tài chính mạng xuyên quốc gia 24/7.
• Đóng góp của đề tài, hạn chế và định hướng nghiên cứu tiếp theo: Trình bày các giá trị lý luận, thực tiễn và xác định giới hạn nghiên cứu.

---

Kết quả và đóng góp

1. Kết quả chính

• Xác định rõ vai trò tiền đề của yếu tố An toàn thông tin (IS) trong việc định hình nhận thức của khách hàng (Tính hữu ích PU, Tính dễ sử dụng PEU, Rủi ro cảm nhận PR và Lòng tin PT), qua đó tác động mạnh mẽ đến Thái độ đối với dịch vụ (ATS).
• Chứng minh Ứng dụng AI & ML có tác động tích cực trực tiếp đến Ý định đối với dịch vụ (UI), khẳng định việc tự động hóa và thông minh hóa quy trình ngân hàng số là động lực thu hút người dùng mới.
• Khẳng định vai trò trung gian của Thái độ đối với dịch vụ (ATS) trong việc chuyển hóa các nhận thức an toàn thành hành vi sử dụng thực tế.
• Kiểm định thành công vai trò điều tiết của Chính sách bảo mật (PP) (tăng cường mối quan hệ tích cực từ ATS đến UI) và Lo ngại về quyền riêng tư (PC) (làm suy giảm hoặc biến đổi mức độ tác động từ ATS đến UI).

2. Giải pháp và kiến nghị

• Đối với Ngân hàng TMCP Kỹ Thương Việt Nam (Techcombank) và các NHTM:
  • Đầu tư công nghệ phòng vệ: Ứng dụng các giao thức mã hóa tiên tiến (RSA 128 bit trở lên), nâng cấp tường lửa, bảo vệ hệ thống trước mã độc web-inject và khai thác lỗ hổng.
  • Khai thác AI/ML an toàn: Ứng dụng mô hình học máy để phân tích hành vi bất thường, ngăn chặn gian lận giao dịch thẻ và OTP theo thời gian thực; nâng cao chất lượng phản hồi tự nhiên của Chatbot.
  • Minh bạch hóa chính sách: Truyền thông rõ ràng, dễ hiểu về chính sách thu thập, lưu trữ, xử lý dữ liệu và cơ chế đền bù rủi ro cho khách hàng cá nhân.
• Đối với Chính phủ và cơ quan quản lý:
  • Nội luật hóa và áp dụng hiệu quả tinh thần của "Công ước Hà Nội" vào hệ thống pháp luật an ninh mạng quốc gia.
  • Xây dựng trung tâm điều phối và phản ứng nhanh 24/7 về tội phạm tài chính trực tuyến, kết nối giữa Ngân hàng Nhà nước, Bộ Công an và các tổ chức tài chính.

3. Đóng góp của nghiên cứu

• Về mặt lý luận: Khóa luận kết hợp thành công các mô hình TRA, TAM, TPB với các lý thuyết về rủi ro và giá trị tiêu dùng; bổ sung đồng thời hai biến điều tiết (Chính sách bảo mật và Lo ngại quyền riêng tư) cùng biến công nghệ mới nổi (AI & ML) dưới góc nhìn pháp lý của Công ước Hà Nội.
• Về mặt thực tiễn: Cung cấp bộ dữ liệu thực nghiệm 432 mẫu tại Việt Nam, mang lại căn cứ khoa học cho các nhà quản trị ngân hàng trong việc hoạch định chiến lược chuyển đổi số an toàn, bảo vệ thương hiệu và duy trì lòng trung thành của khách hàng.

---

Hạn chế và hướng nghiên cứu tiếp

1. Hạn chế của nghiên cứu

• Phạm vi mẫu: Dữ liệu khảo sát thực hiện với 432 khách hàng cá nhân tại Việt Nam, tập trung nghiên cứu điển hình tại Techcombank, chưa bao quát toàn bộ các nhóm khách hàng tổ chức/doanh nghiệp hoặc toàn bộ hệ thống các định chế tài chính khác.
• Thời gian khảo sát: Dữ liệu sơ cấp được thu thập trong khoảng thời gian ngắn (từ tháng 02/2025 đến tháng 03/2025), mang tính chất nghiên cứu cắt ngang (cross-sectional), chưa đo lường được sự biến động nhận thức theo thời gian dài.
• Sự thay đổi công nghệ: Tốc độ phát triển của AI, ML và các thủ đoạn tội phạm mạng diễn ra nhanh chóng, có thể tạo ra các yếu tố tác động mới chưa được phản ánh hết trong mô hình.

2. Hướng nghiên cứu tiếp theo

• Mở rộng quy mô mẫu sang nhiều tỉnh/thành phố và phân tầng đa dạng hơn giữa các nhóm ngân hàng thương mại cổ phần, ngân hàng quốc doanh và ngân hàng số thuần túy.
• Tiến hành các nghiên cứu theo chuỗi thời gian (longitudinal study) để đánh giá sự thay đổi trong ý định sử dụng của khách hàng khi các quy định pháp lý quốc tế (như Công ước Hà Nội) đi vào thực thi đầy đủ.
• Nghiên cứu sâu hơn về từng ứng dụng kỹ thuật chuyên biệt của AI/ML (như AI tạo sinh, mô hình mạng nơ-ron đối kháng) đối với quản trị rủi ro bảo mật thông tin.

---

Giá trị tham khảo

• Đối tượng thụ hưởng:
  • Sinh viên, học viên cao học chuyên ngành Quản trị Kinh doanh, Quản trị Marketing, Tài chính - Ngân hàng, Công nghệ tài chính (Fintech) và Hệ thống thông tin quản lý.
  • Các chuyên viên nghiên cứu thị trường, nhà quản trị sản phẩm số và chuyên gia an toàn thông tin tại các ngân hàng thương mại và tổ chức tài chính.
• Nội dung giá trị tham khảo:
  • Bộ công cụ thang đo 11 biến số đã được hiệu chỉnh định tính và kiểm định định lượng đạt chuẩn.
  • Quy trình phân tích dữ liệu đa bước chặt chẽ: từ EFA, CFA (AMOS 24), SEM đến phân tích hồi quy điều tiết bằng Bootstrapping (SPSS 26).
  • Phương pháp luận kết hợp giữa khung pháp lý quốc tế ("Công ước Hà Nội") với các mô hình hành vi kinh tế - quản trị tiếp thị.

---

Câu hỏi thường gặp

1. "Công ước Hà Nội" được đề cập trong khóa luận có vai trò gì đối với đề tài nghiên cứu?
"Công ước Hà Nội" (Công ước Liên Hợp Quốc về Tội phạm mạng) là khuôn khổ pháp lý toàn cầu đầu tiên sau hơn 20 năm về tội phạm mạng. Trong khóa luận, văn kiện này được tác giả sử dụng làm lăng kính pháp lý và thực tiễn để giải thích mức độ cấp thiết của an toàn thông tin, đồng thời là cơ sở đề xuất các khuyến nghị phòng chống tội phạm tài chính trực tuyến cho hệ thống ngân hàng thương mại tại Việt Nam.

2. Mô hình nghiên cứu của khóa luận dựa trên những lý thuyết nền tảng nào?
Khóa luận tích hợp các khung lý thuyết: Thuyết hành động hợp lý (TRA), Mô hình chấp nhận công nghệ (TAM), Thuyết hành vi có kế hoạch (TPB), Lý thuyết giá trị tiêu dùng và mô hình nghiên cứu kế thừa của Nguyen và cộng sự (2020).

3. Khóa luận thu thập và xử lý bao nhiêu mẫu khảo sát?
Tác giả đã thu thập tổng cộng 471 phiếu khảo sát (trực tiếp và trực tuyến). Sau khi loại bỏ 39 phiếu không đạt yêu cầu, mẫu nghiên cứu chính thức bao gồm 432 phiếu hợp lệ được đưa vào phân tích thống kê trên SPSS 26 và AMOS 24.

4. Hai biến điều tiết trong mô hình nghiên cứu là gì và chúng tác động vào mối quan hệ nào?
Hai biến điều tiết là "Chính sách bảo mật" (Privacy policy - PP) và "Lo ngại về quyền riêng tư" (Privacy concerns - PC). Cả hai biến này tham gia điều tiết mối quan hệ tác động từ "Thái độ đối với dịch vụ" (ATS) tới "Ý định đối với dịch vụ" (UI).

5. Ngân hàng nào được tác giả lựa chọn để nghiên cứu thực tế và đưa ra giải pháp cụ thể?
Tác giả lựa chọn Ngân hàng Thương mại Cổ phần Kỹ Thương Việt Nam (Techcombank) làm trường hợp phân tích điển hình về thực trạng cung cấp dịch vụ ngân hàng số và ứng dụng công nghệ AI/ML.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Tống Nguyên Việt Anh đã hệ thống hóa và kiểm định thành công mô hình tác động của An toàn thông tin, Trí tuệ nhân tạo (AI) và Học máy (ML) tới Ý định sử dụng dịch vụ ngân hàng số tại Việt Nam. Thông qua phương pháp nghiên cứu hỗn hợp với cỡ mẫu định lượng N = 432, đề tài đã làm rõ vai trò trung gian của thái độ và sự điều tiết của chính sách bảo mật cũng như lo ngại quyền riêng tư. Dưới góc nhìn từ "Công ước Hà Nội", công trình cung cấp hệ thống giải pháp quản trị thực tiễn có giá trị cho Ngân hàng TMCP Kỹ Thương Việt Nam (Techcombank) và các ngân hàng thương mại trong việc tối ưu hóa dịch vụ số và nâng cao an toàn tài chính trực tuyến.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: CƠ SỞ LÝ LUẬN ĐO LƯỜNG CÁC YẾU TỐ AN TOÀN THÔNG TIN, TRÍ TUỆ NHÂN TẠO (AI) VÀ CÔNG NGHỆ HỌC MÁY (ML) ẢNH HƯỞNG TỚI Ý ĐỊNH SỬ DỤNG NGÂN HÀNG SỐ (DIGITAL BANKING) CỦA CÁC NGÂN HÀNG THƯƠNG MẠI TẠI VIỆT NAM. MỘT GÓC NHÌN TỪ “CÔNG ƯỚC HÀ NỘI” VỀ TÀI CHÍNH TRỰC TUYẾN. An toàn thông tin Khái niệm an toàn thông tin được nhiều học giả quan tâm, trong nghiên cứu này, tác giả sẽ làm rõ khái niệm này dựa trên cơ sở là những nghiên cứu của các tác giả đi trước đã đạt được sự thống nhất cao cũng như nêu ra các mối đe dọa an toàn thông tin trong môi trường ngân hàng số. An toàn thông tin được định nghĩa là khả năng kiểm soát hoặc bảo mật thông tin của khách hàng khi sử dụng dịch vụ (Fortes & Rita, 2016; Westin, 1970).

An toàn thông tin là thông tin cá nhân của khách hàng được bảo vệ trong hệ thống (Smith, Milberg, & Burke, 1996). Khách hàng luôn lo lắng rằng thông tin riêng tư của họ có thể bị khai thác và sử dụng cho các mục đích khác nhau mà họ không được thông báo, và thông tin được cho là đến từ thông tin nhà cung cấp chia sẻ hoặc bị đánh cắp trên hệ thống (Fortes & Rita, 2016). Vấn đề an toàn thông tin vẫn là một thách thức đáng kể ở Việt Nam nói riêng và đang phát triển cả về mức độ phức tạp và đa dạng. Những tiến bộ và tiến trình trong công nghệ nhằm đưa xã hội tiến tới kỷ nguyên số cũng làm tăng nguy cơ bị tội phạm mạng.

An toàn thông tin giữ một vai trò vô cùng quan trọng trong bối cảnh các cuộc tấn công mạng tinh vi đang diễn ra, chủ yếu trong lĩnh vực ngân hàng. An toàn thông tin được coi là một yế tố quan trọng để bảo vệ và đảm bảo an toàn cho cả người tiêu dùng và chủ sở hữu (Al-Alawi và cộng sự, 2023; Stanikzai và Shah, 2021). Theo Akintoye và cộng sự (2022) an toàn thông tin là một loạt các hoạt động và thực hành được hình thành nhằm mục đích đảm bảo bảo vệ dữ liệu, thông tin mạng cá nhân và tổ chức khỏi mọi mối đe dọa có thể xảy ra, dù là từ bên trong hay bên ngoài. Về mặt ngân hàng số, Austin-Olowo và cộng sự (2023) lưu ý rằng an toàn thông tin là khái niệm bảo vệ các dịch vụ ngân hàng số và giao dịch trực tuyến khỏi nghịch cảnh và nguy hiểm, chẳng hạn như tiết lộ thông tin khách hàng, trộm cắp hoặc gián đoạn dịch vụ mà nó cung cấp.

An toàn thông tin có tầm quan trọng sống còn và thị trường lao động của 12 lĩnh vực này đã trải qua nhiều thay đổi trong những năm qua. Bảo vệ an toàn thông tin là cần thiết trong lĩnh vực ngân hàng số hóa năng động (Al-Alawi và cộng sự, 2023). Bất chấp những lợi thế sẵn có về sự phát triển khoa học công nghệ, khái niệm về mối đe dọa an toàn thông tin đóng vai trò quan trọng trong việc áp dụng và duy trì công nghệ (Kimani và cộng sự, 2019; Tyagi, 2019). Do đó, kiến thức ngày càng tăng về các mối đe dọa an toàn thông tin được coi là động lực có khả năng điều chỉnh nhận thức của khách hàng đối với việc chấp nhận sử dụng dịch vụ và duy trì công nghệ mới (Jibril và cộng sự, 2020).

*Các mối đe dọa an toàn thông tin trong ngân hàng số Lưu ý rằng các mối đe dọa an toàn thông tin lớn nhất ảnh hưởng đến ngân hàng trực tuyến và giao dịch trực tuyến bao gồm phần mềm độc hại, giả mạo, dữ liệu không được mã hóa, dữ liệu bị xâm phạm và bên thứ ba không an toàn (Austin-Olowo và cộng sự, 2023). Lừa đảo số xác minh ngân hàng, lừa đảo qua mạng, trộm cắp thẻ ngân hàng và trộm cắp trên mạng/gian lận ngân hàng là những loại mối đe dọa an ninh mạng nổi bật nhất trong ngành ngân hàng (Wang và cộng sự, 2020). Thứ nhất, trộm cắp danh tính là một chiến thuật phổ biến của tội phạm mạng liên quan đến việc sử dụng thông tin cá nhân của người khác một cách gian lận, thường nhắm vào các dịch vụ ngân hàng trực tuyến. Tội phạm mạng có thể khai thác thông tin bị đánh cắp cho các hoạt động như mở tài khoản ngân hàng, lấy thẻ tín dụng hoặc khoản vay và gian lận truy cập vào các phúc lợi của nhà nước (Sabillon và cộng sự, 2017).

Thứ hai, lừa đảo qua mạng và vishing liên quan đến việc gửi email không mong muốn tới khách hàng ngân hàng, yêu cầu họ nhập thông tin đăng nhập vào các trang web giả mạo, thường đóng giả là trang web hợp pháp (Al-Khater và cộng sự, 2020; Aljeaid và cộng sự, 2020). Thứ ba, vishing, một phương pháp gian lận sử dụng các cuộc gọi thoại lừa đảo, được tội phạm mạng sử dụng để lấy thông tin tài chính của khách hàng sử dụng dịch vụ ngân hàng trực tuyến (Haidar và cộng sự, 2017). Phương pháp này đặc biệt đáng lo ngại ở Việt Nam, nơi những kẻ lừa đảo thường sử dụng các chiêu trò lừa đảo qua mạng và OTP để gian lận kỹ thuật số và thẻ (SABRIC, 2022). Thứ tư, gian lận thẻ ATM/thẻ ghi nợ/thẻ tín dụng liên quan đến việc sử dụng máy skimming được đặt kín đáo trên bàn phím ATM hoặc POS.

Các thiết bị này bí mật ghi lại thông tin chi tiết về thẻ và mã PIN khi khách hàng sử dụng chúng, cho phép kẻ gian đánh cắp tiền (Accenture, 2019; Chevers, 2019; 13 Acharya và Joshi, 2020). Thứ năm, phần mềm độc hại là mối đe dọa an toàn thông tin lớn mà tội phạm mạng sử dụng để truy cập trái phép vào tài khoản của người dùng và đánh cắp dữ liệu tài chính và dữ liệu nhạy cảm. Sự phát triển nhanh chóng của các thiết bị di động, chẳng hạn như điện thoại thông minh và máy tính bảng, đã dẫn đến sự phát triển ngày càng tăng của phần mềm độc hại (Haidar và cộng sự, 2017). Bên cạnh đó, tội phạm mạng đã phát triển một hệ thống tự động hóa gian lận ngân hàng trực tuyến hoạt động song song với các biến thể phần mềm độc hại như Spy Eye và Zeus.

Hệ thống này sử dụng các tệp Web Inject chứa mã JavaScript và Hypertext Markup Language để tự động hóa gian lận ngân hàng trực tuyến (Mooney và cộng sự, 2022). Sự phát triển này thể hiện xu hướng đáng báo động trong lĩnh vực hoạt động tội phạm mạng. Ngoài ra, việc các ngân hàng và tổ chức tài chính sử dụng các dịch vụ của bên thứ ba không đáng tin cậy có thể gây ra rủi ro mất an toàn thông tin đáng kể. Nếu các nhà cung cấp bên thứ ba này thiếu các biện pháp an ninh mạng mạnh mẽ, tin tặc có thể khai thác lỗ hổng của họ để đánh cắp tiền từ những cá nhân sử dụng hệ thống của bên thứ ba bị xâm phạm (Alzoubi và cộng sự, 2022).

Ứng dụng của trí tuệ nhân tạo (AI) và công nghệ học máy (ML) Trong thời đại công nghệ số lên ngôi, ứng dụng của trí tuệ nhân tạo (AI) và công nghệ học máy (ML) trở thành mối quan tâm trong nhiều lịch vực từ giải trí cho tới giáo dục hay tài chính, đặc biệt trong ngành ngân hàng. Dựa trên các nghiên cứu nổi bật trước đó, tác giả sẽ làm rõ định nghĩa ứng dụng của trí tuệ nhân tạo (AI) và công nghệ học máy (ML) trong môi trường ngân hàng số ở bài nghiên cứu này. Trí tuệ nhân tạo – Artificial Intelligence (AI) và Công nghệ máy học – Machine Learning (ML) là hai xu hướng công nghệ được phát triển mạnh mẽ trong thời gian gần đây. Các hãng công nghệ lớn như Google, Facebook, Amazon, Microsoft.

đều đầu tư rất lớn vào lĩnh vực này và đã tạo ra nhiều sản phẩm hữu ích phục vụ con người. Thuật ngữ “Trí tuệ nhân tạo” (Artificial Intelligence- AI) được McCarthy (1956) giới thiệu lần đầu tiên tại Hội nghị Dartmouth năm 1956. Có nhiều khái niệm về AI và chưa khái niệm Al nào được coi là hoàn chỉnh, tuy nhiên, theo phạm vi cơ bản của AI là một hệ thống/ chương trình có khả năng trí tuệ như khả năng tư duy, nhận thức hoặc thực hiện các nhiệm vụ đòi hỏi trí tuệ. Có 4 nhóm quan điểm chính về AI bao gồm: (1) Suy nghĩ giống người; (2) Hành động giống người; (3) Suy nghĩ có lý trí; (4) Hành động có lý trí.

Các 14 khái niệm cơ bản về AI được phân thành 2 trường phái chính: (1) AI mạnh: Có thể tạo ra thiết bị có trí thông minh và các chương trình máy tính thông minh hơn người; (2) AI yếu: Chương trình máy tính có thể mô phỏng các hành vi thông minh của con người. Có thể hiểu, AI định nghĩa và thể hiện mong muốn của con người, còn công nghệ máy học – Machine Learning lại là một trong những phương tiện giúp chúng ta đạt được mục tiêu ấy. Theo định nghĩa của đại học Stanford, 2016, ML là ngành khoa học máy tính nhằm xây dựng hệ thống có thể thực hiện các hành vi giống con người mà không cần lập trình rõ ràng cho từng hành vi cụ thể này. Ta cần AI để tạo ra các thiết bị thông minh, nhưng để chúng thật sự thông minh và ứng xử như con người, ta cần phải có ML.

Để hiểu rõ hơn, Nidhi Chappell, 2017; Giám đốc dự án học máy của Intel nhận định: "Trí tuệ nhân tạo, là định nghĩa làm thế nào để máy móc thông minh như con người. Còn công nghệ máy học là việc phát triển các giải thuật máy tính để giải quyết các bài toán đấy. Theo cách hiểu của tôi, AI là một ngành khoa học và ML là các thuật toán giúp máy móc thật sự có được các hành động thông minh. Nói cách khác, ML sự hiện thực hóa của AI".

Các ứng dụng được hỗ trợ bởi trí tuệ nhân tạo (AI) đã thu hút được nhiều sự chú ý trong những năm gần đây. Những tiến bộ trong học máy (ML) đang mang đến cho các nhà tiếp thị cơ hội mở rộng các sản phẩm và dịch vụ cung cấp và tăng cường sự tương tác của khách hàng bằng cách cung cấp mức độ hài lòng cao hơn cho khách hàng (Ghouri và cộng sự, 2022; Noor và cộng sự, 2022; Perez-Vega và cộng sự, 2021; Prentice và cộng sự 2019), điều này là cần thiết để giữ chân khách hàng (Cambra-Fierro và cộng sự, 2021; Huang và cộng sự 2021; Mozafari và cộng sự 2022).