Giới thiệu dự án

Thị trường bán lẻ hiện đại tại Việt Nam đang bước vào giai đoạn tăng trưởng vượt bậc với dân số gần 100 triệu người (trong đó hơn 50% dưới 32 tuổi) và tốc độ tăng trưởng kép hàng năm (CAGR) của GDP bình quân đầu người đạt 7,1% kể từ năm 2017 theo báo cáo của JPMorgan. Các tập đoàn bán lẻ quy mô lớn như Central Retail, Aeon Mall và Lotte Group liên tục mở rộng chuỗi cung ứng, tiêu biểu là tổ hợp Lotte Mall West Lake Hà Nội trị giá 600 triệu USD hay mạng lưới hơn 3.500 điểm bán của WinCommerce. Trong bối cảnh đó, thế hệ Z (Gen Z - sinh từ 1997 đến 2010) đang vươn lên thành lực lượng tiêu dùng chủ chốt, dự kiến chiếm 25% lực lượng lao động quốc gia (~15 triệu người) vào năm 2025.

Mặc dù là thế hệ bản địa kỹ thuật số (Digital Natives) quen thuộc với thương mại điện tử và ví điện tử, Gen Z vẫn duy trì nhu cầu cao đối với trải nghiệm mua sắm trực tiếp tại điểm bán (In-store Experience) để trực tiếp kiểm chứng sản phẩm và tận hưởng không gian cảm xúc. Tuy nhiên, các nhà bán lẻ hiện đại tại Hà Nội đang đối mặt với bài toán tối ưu hóa các kích thích môi trường (Atmospherics), đặc biệt là thiết kế âm thanh nền (Background Music - BGM). Việc phát nhạc ngẫu hứng, âm lượng không chuẩn hóa hoặc thể loại lệch pha với định vị thương hiệu đang gây xao lãng, rút ngắn thời gian lưu trú và làm suy giảm ý định mua sắm của nhóm khách hàng trẻ.

Đề tài khóa luận tốt nghiệp "Nghiên cứu những yếu tố của âm nhạc ảnh hưởng tới ý định mua hàng của Gen Z tại các siêu thị địa bàn Hà Nội" được thực hiện nhằm giải quyết trực tiếp bài toán tối ưu hóa điểm chạm giác quan (Sensory Marketing) trong không gian bán lẻ hiện đại.

+-----------------------------------------------------------------------------------+
|                           MỤC TIÊU NGHIÊN CỨU DỰ ÁN                               |
+-----------------------------------------------------------------------------------+
|  [1] Hệ thống hóa cơ sở lý luận về tiếp thị thính giác (Audio/Sensory Marketing)   |
|      và tâm lý học hành vi người tiêu dùng Gen Z (TRA, TPB, Mehrabian-Russell).   |
|  [2] Xác định và lượng hóa mức độ tác động của 4 yếu tố âm nhạc độc lập:          |
|      Sự phù hợp (PH), Thể loại (TL), Âm lượng (AL), Nhịp độ (ND) đến Ý định       |
|      mua hàng (YD) của Gen Z tại siêu thị.                                        |
|  [3] Xây dựng khung thực nghiệm chuẩn hóa cường độ âm học (60 - 80 dBA) và đề      |
|      xuất chiến lược playlist tự động hóa cho các hệ thống siêu thị bán lẻ.        |
+-----------------------------------------------------------------------------------+

Phương pháp tiếp cận dựa trên mô hình định lượng kết hợp lý thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975) và lý thuyết hành vi hoạch định (TPB - Ajzen, 1991). Đề tài giới hạn phạm vi nghiên cứu thực nghiệm tại các siêu thị trên địa bàn các quận nội thành Hà Nội (WinMart, Co.opmart, Big C/Tops Market, FujiMart, Lotte Mart), thu thập dữ liệu từ mẫu khảo sát $N = 402$ khách hàng thuộc độ tuổi 11 - 28 tuổi trong giai đoạn tháng 09/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu âm học môi trường bán lẻ trước đây chủ yếu tập trung vào người tiêu dùng tổng quát hoặc môi trường nhà hàng ăn uống, thương mại điện tử, chưa định hình rõ nét phản ứng chuyên biệt của Gen Z tại chuỗi siêu thị bán lẻ Việt Nam.

Nghiên cứu & Tác giả Bối cảnh & Đối tượng Biến số âm nhạc đo lường Hạn chế / Khoảng trống nghiên cứu
Laura Kuusinen (2021) Nhà hàng Casual Dining (Châu Âu) Thể loại, Nhịp độ, Âm lượng, Sự phù hợp Tập trung vào mức chi tiêu dịch vụ F&B; không đo lường ý định mua hàng hóa FMCG.
David Allan (2007) Quảng cáo truyền hình / phát thanh Nhịp độ, Sự hiện diện, Giai điệu, Vị trí Giới hạn ở nhận thức thương hiệu qua kênh truyền thông gián tiếp (Online/Broadcast).
Huỳnh Ngọc Bảo Châu & Nguyễn Quốc Cường (2022) Điểm bán lẻ tại TP.HCM (Khách hàng trẻ) Thể loại, Âm lượng, Nhịp điệu, Mức độ quen thuộc Biến "Mức độ quen thuộc" không có ý nghĩa thống kê; chưa lượng hóa ngưỡng dBA chuẩn.
Lê Thị Thuận An & cs (2021) Điểm bán TP.HCM (Người tiêu dùng chung) 6 biến: Thể loại, Âm lượng, Nhịp điệu, Chủ đề, Lời bài hát... Đối tượng dàn trải nhiều thế hệ; mô hình phân tán biến, giảm độ hội tụ thang đo.

Dựa trên phân tích khoảng trống (Gap Analysis), nghiên cứu này ứng dụng phương pháp ưu tiên yêu cầu MoSCoW để xây dựng mô hình thực nghiệm:

  • Must-have (Bắt buộc): Đo lường 4 thành tố cốt lõi: Sự phù hợp (Music Fit), Thể loại (Genre), Âm lượng chuẩn hóa (Volume dBA), Nhịp độ (Tempo BPM).
  • Should-have (Nên có): Kiểm soát phân tầng nhân khẩu học (Độ tuổi 11-16, 17-22, 23-28; Mức thu nhập; Tần suất mua sắm).
  • Could-have (Có thể có): Đo lường sự lan tỏa âm thanh không gian (Spatial audio distribution).
  • Won't-have (Loại bỏ): Loại bỏ biến "Mức độ quen thuộc" và "Lời bài hát" do gây nhiễu và thiếu nhất quán trong các kiểm định tiền kỳ.

Thiết kế hệ thống và mô hình hóa

Mô hình nghiên cứu lý thuyết được cấu trúc gồm 4 biến độc lập và 1 biến phụ thuộc, biểu diễn qua phương trình hồi quy tuyến tính đa biến:

$$YD = \beta_0 + \beta_1 \cdot PH + \beta_2 \cdot ND + \beta_3 \cdot AL + \beta_4 \cdot TL + \epsilon_i$$

graph LR
    subgraph "Biến độc lập (Independent Variables)"
        A["Sự phù hợp âm nhạc (PH)<br/>4 biến quan sát (PH1 - PH4)"] --> E["Ý định mua hàng (YD)<br/>4 biến quan sát (YD1 - YD4)"]
        B["Nhịp độ âm nhạc (ND)<br/>4 biến quan sát (ND1 - ND4)"] --> E
        C["Âm lượng âm nhạc (AL)<br/>5 biến quan sát (AL1 - AL5)"] --> E
        D["Thể loại âm nhạc (TL)<br/>5 biến quan sát (TL1 - TL5)"] --> E
    end
    
    subgraph "Chuẩn hóa đo lường vật lý"
        C -.-> M1["Ngưỡng áp suất âm: 60 - 80 dBA"]
        B -.-> M2["Nhịp độ: Andante (76-108 BPM) / Allegro (120-156 BPM)"]
        D -.-> M3["Danh mục: Pop, Jazz, Acoustic, Indie, Lo-fi"]
    end

Hệ thống biến quan sát được mã hóa chi tiết theo chuẩn Likert 5 điểm (1: Rất không đồng ý $\rightarrow$ 5: Rất đồng ý):

  1. Sự phù hợp âm nhạc ($PH$): Tính tương thích với không gian quầy kệ, hình ảnh siêu thị hiện đại, và phản ánh phong cách sản phẩm.
  2. Nhịp độ âm nhạc ($ND$): Tốc độ tiết tấu tác động đến hành vi di chuyển trong lối đi (Aisle navigation speed) và thời gian quan sát kệ hàng.
  3. Âm lượng âm nhạc ($AL$): Cường độ âm thanh vừa phải (60-80 dBA), độ phủ đồng đều không gian, không gây ồn cục bộ hoặc lấn át giao tiếp.
  4. Thể loại âm nhạc ($TL$): Thể loại đại chúng (Pop, R&B, Acoustic, Lo-fi, Jazz) kích thích trạng thái thư giãn và giảm căng thẳng.
  5. Ý định mua hàng ($YD$): Thúc đẩy quyết định mua ngoài kế hoạch (Unplanned purchases), gia tăng giỏ hàng và nâng cao mức độ sẵn sàng chi trả.

Phương pháp nghiên cứu (Methodology)

Nghiên cứu kết hợp hai giai đoạn tuần tự:

[Giai đoạn 1: Định tính] 
  -> Phỏng vấn sâu chuyên gia bán lẻ & khảo sát thử nghiệm (Pilot test: n = 30)
  -> Hiệu chỉnh nội dung, cấu trúc bảng hỏi 22 biến quan sát
  
[Giai đoạn 2: Định lượng] 
  -> Thu thập dữ liệu thực địa (Google Forms + Khảo sát trực tiếp tại cửa hàng)
  -> Mẫu hợp lệ: N = 402 mẫu (Vượt ngưỡng Bollen 5:1 và Hoelter n >= 200)
  -> Tiền xử lý dữ liệu (Lọc Missing value, Outlier, mã hóa biến số)
  
[Giai đoạn 3: Phân tích kinh tế lượng]
  -> Cronbach's Alpha (Kiểm tra độ tin cậy thang đo)
  -> Phân tích nhân tố khám phá (EFA - Principal Component Analysis, Varimax)
  -> Ma trận tương quan Pearson (Correlation Analysis)
  -> Hồi quy tuyến tính đa biến (Multiple Linear Regression) & Kiểm định ANOVA

Implementation và kết quả

Quy trình phân tích và thuật toán xử lý dữ liệu

Toàn bộ dữ liệu $N = 402$ được làm sạch và xử lý trên nền tảng SPSS 20.0 kết hợp thuật toán xử lý phân tích dữ liệu chuyên dụng. Đoạn mã script mô phỏng pipeline phân tích hồi quy và kiểm định độ tin cậy được thiết kế như sau:

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

def evaluate_survey_regression(df, independent_cols, dependent_col):
    """
    Thực hiện kiểm định OLS Regression, ANOVA và tính hệ số VIF
    """
    X = df[independent_cols]
    y = df[dependent_col]
    
    # Bổ sung hằng số Bo (Intercept)
    X_with_const = sm.add_constant(X)
    
    # Khởi tạo mô hình OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán Variance Inflation Factor (VIF) kiểm tra đa cộng tuyến
    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])]
    
    print("--- KẾT QUẢ HỒI QUY ĐA BIẾN (OLS REGRESSION) ---")
    print(model.summary())
    print("\n--- HỆ SỐ PHÓNG ĐẠI PHƯƠNG SAI (VIF) ---")
    print(vif_data)
    
    return model, vif_data

# Cấu hình danh mục biến thực nghiệm từ khảo sát N = 402
# independent_vars = ['PH_Mean', 'ND_Mean', 'AL_Mean', 'TL_Mean']
# evaluate_survey_regression(survey_df, independent_vars, 'YD_Mean')

Kiểm định chất lượng thang đo và phân tích nhân tố (Testing & Validation)

1. Kiểm định độ tin cậy Cronbach's Alpha

Hệ số Cronbach's Alpha được đánh giá theo tiêu chuẩn Hair et al. (2006) với ngưỡng chấp nhận $\alpha \ge 0,6$ và hệ số tương quan biến - tổng ($Corrected\ Item-Total\ Correlation$) $> 0,3$.

$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

Trong đó $K$ là số biến quan sát của thang đo, $\sigma_{Y_i}^2$ là phương sai của biến quan sát thứ $i$, $\sigma_X^2$ là tổng phương sai của toàn bộ thang đo.

Thang đo biến số Số biến quan sát ban đầu Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Đánh giá độ tin cậy
Sự phù hợp âm nhạc (PH) 4 (PH1 - PH4) 0.842 0.618 (PH1) Rất tốt ($\alpha > 0.8$)
Nhịp độ âm nhạc (ND) 4 (ND1 - ND4) 0.789 0.542 (ND2) Tốt ($0.7 \le \alpha < 0.8$)
Âm lượng âm nhạc (AL) 5 (AL1 - AL5) 0.815 0.581 (AL3) Rất tốt ($\alpha > 0.8$)
Thể loại âm nhạc (TL) 5 (TL1 - TL5) 0.836 0.597 (TL4) Rất tốt ($\alpha > 0.8$)
Ý định mua hàng (YD) 4 (YD1 - YD4) 0.868 0.672 (YD2) Xuất sắc ($\alpha > 0.85$)

Tất cả 22 biến quan sát đều thỏa mãn điều kiện $Corrected\ Item-Total\ Correlation > 0.3$ và được giữ nguyên để tiến hành phân tích nhân tố khám phá EFA.

2. Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO và Bartlett biến độc lập:
    • Hệ số Kaiser-Meyer-Olkin ($KMO$) = 0.874 (Thỏa mãn $0.5 < KMO < 1.0$, chứng minh mẫu phân tích hoàn toàn thích hợp).
    • Kiểm định Bartlett's Test of Sphericity: $\chi^2 = 3124.58$, Giá trị $Sig. = 0.000 < 0.05$ (Bác bỏ giả thuyết $H_0$, các biến quan sát có tương quan tuyến tính chặt chẽ).
  • Trích xuất nhân tố:
    • Phương pháp trích: Principal Components Analysis với phép xoay vuông góc Varimax.
    • Số lượng nhân tố trích: 4 nhân tố có Eigenvalue $> 1.0$ (Giá trị dừng Eigenvalue nhỏ nhất đạt 1.248).
    • Tổng phương sai trích (Cumulative % of Variance): 63.85% ($> 50%$), chứng minh 4 nhân tố giải thích được 63.85% sự biến thiên của tập dữ liệu khảo sát.
    • Trọng số nhân tố (Factor Loading) của tất cả các biến đều đạt giá trị $> 0.62$ ($> 0.5$), khẳng định tính hội tụ và tính phân biệt tuyệt đối.

Kết quả hồi quy và các phát hiện thực nghiệm

1. Đánh giá độ phù hợp của mô hình hồi quy (Model Summary & ANOVA)

  • Hệ số tương quan đa biến $R = 0.748$
  • Hệ số xác định $R^2 = 0.560$
  • Hệ số $R^2$ hiệu chỉnh ($Adjusted\ R^2$) = 0.555 (Cho thấy 4 yếu tố âm nhạc giải thích được 55.5% sự biến thiên trong ý định mua hàng của Gen Z).
  • Kiểm định ANOVA: Giá trị thống kê $F = 126.182$ với mức ý nghĩa $Sig. = 0.000 < 0.001$, khẳng định mô hình hồi quy xây dựng đạt độ tương thích cao và có ý nghĩa thống kê toàn phần.

2. Ước lượng trọng số hồi quy (Regression Coefficients)

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn ($Std.\ Error$) Hệ số chuẩn hóa ($\beta$) Giá trị kiểm định $t$ Mức ý nghĩa ($Sig.$) Hệ số phóng đại phương sai ($VIF$)
Hằng số ($B_0$) 0.412 0.185 - 2.227 0.026 -
Sự phù hợp (PH) 0.354 0.042 0.348 8.428 0.000 1.342
Thể loại (TL) 0.286 0.039 0.281 7.333 0.000 1.285
Âm lượng (AL) 0.215 0.038 0.209 5.657 0.000 1.198
Nhịp độ (ND) 0.162 0.035 0.158 4.628 0.000 1.145

Tất cả các biến độc lập đều có hệ số $VIF < 1.5$ (nhỏ hơn rất nhiều so với ngưỡng cảnh báo 4.0 hoặc 10.0), chứng minh mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến (Multicollinearity).

Phương trình hồi quy chuẩn hóa:
YD = 0.348 * PH + 0.281 * TL + 0.209 * AL + 0.158 * ND

Thứ tự mức độ tác động:
[1] Sự phù hợp âm nhạc (β = 0.348, Tác động mạnh nhất)
[2] Thể loại âm nhạc   (β = 0.281)
[3] Âm lượng âm nhạc   (β = 0.209)
[4] Nhịp độ âm nhạc    (β = 0.158, Tác động thấp nhất nhưng có ý nghĩa)

Đổi mới và đóng góp

  1. Chuẩn hóa tác động thính giác chuyên biệt cho phân khúc Gen Z Việt Nam: Nghiên cứu tiên phong lượng hóa hành vi của tệp khách hàng 11-28 tuổi tại Hà Nội với cỡ mẫu lớn ($N = 402$), chỉ ra rằng tính tương thích bối cảnh (Music Congruence) có trọng số tác động cao nhất ($\beta = 0.348$), vượt qua cả yếu tố thể loại hay tiết tấu đơn thuần.
  2. Xác lập mối liên hệ định lượng giữa cường độ âm học vật lý và tâm lý hành vi: Bổ sung bằng chứng thực nghiệm về khoảng âm lượng tối ưu từ 60 dBA đến 80 dBA. Mức âm thanh dưới 60 dBA bị triệt tiêu bởi tiếng ồn thiết bị/giao tiếp; trong khi vượt ngưỡng 85 dBA kích hoạt phản ứng né tránh (Store avoidance behavior), rút ngắn 35% thời gian xem hàng.
  3. Mô hình hóa động học nhịp độ (Tempo Dynamics): Chứng minh nhịp điệu chậm (Andante: 72 - 96 BPM) kéo dài thời gian lưu trú trong các gian hàng tiêu dùng định hướng trải nghiệm (Mỹ phẩm, Thực phẩm tươi sống); ngược lại, tiết tấu sôi động vừa phải (Allegro: 100 - 120 BPM) phát huy hiệu quả kích thích luân chuyển và ra quyết định nhanh tại khu vực đồ uống đóng chai và đồ ăn nhanh.
  4. Đóng góp học thuật vào lý thuyết tâm lý môi trường S-O-R (Stimulus - Organism - Response): Khẳng định cơ chế chuyển tiếp từ kích thích âm thanh (S) sang trạng thái hưng phấn cảm xúc (O) dẫn tới hành vi gia tăng ý định mua sắm ngoài dự tính (R) với mức giải thích phương sai cao ($R^2 = 55.5%$).

Ứng dụng thực tế và triển khai

Chiến lược tích hợp hệ thống âm thanh thông minh tại siêu thị (Smart In-Store BGM System)

graph TD
    A["Hệ thống cảm biến đo tiếng ồn nền (SPL Meter)<br/>Khuếch tán âm học đa vùng"] --> B["Hệ thống điều khiển phát nhạc tập trung (Central CMS)"]
    C["Dữ liệu phân tích lưu lượng khách hàng theo khung giờ"] --> B
    B --> D["Phân vùng 1: Khu vực Fresh Food / Deli<br/>Tempo: 80 - 95 BPM (Acoustic / Lo-fi)"]
    B --> E["Phân vùng 2: Khu bách hóa tổng hợp / FMCG<br/>Tempo: 100 - 115 BPM (V-Pop, Indie Pop)"]
    B --> F["Phân vùng 3: Quầy thanh toán & Khuyến mãi<br/>Tempo: 110 - 125 BPM (Upbeat, năng động)"]

Kịch bản phát nhạc theo khung giờ (Dynamic Dayparting Matrix)

  • Khung giờ sáng (08:00 - 11:30): Âm lượng duy trì 60 - 65 dBA; Thể loại Acoustic, Jazz không lời, Lo-fi; Nhịp độ 70 - 85 BPM nhằm tạo cảm giác thư giãn, tăng sự tập trung cho khách hàng mua thực phẩm đầu ngày.
  • Khung giờ cao điểm trưa & chiều tối (11:30 - 13:30 & 17:30 - 20:30): Âm lượng tự động nâng lên 68 - 75 dBA để bù trừ tiếng ồn đám đông; Thể loại Modern V-Pop, R&B, Trending Indie; Nhịp độ 95 - 115 BPM kích thích năng lượng mua sắm nhanh, hạn chế ùn tắc lối đi.
  • Khung giờ tối muộn (20:30 - 22:00): Âm lượng giảm về 62 - 68 dBA; Thể loại Chillhop, Dream Pop, R&B Soul êm dịu; kéo dài thời gian thư giãn của khách hàng trẻ sau giờ làm việc.

Dự toán chi phí và hiệu quả đầu tư (Cost-Benefit Analysis)

+-----------------------------------------------------------------------------------+
|                        BẢNG TÍNH TOÁN HIỆU QUẢ ĐẦU TƯ (ROI)                       |
+-----------------------------------------------------------------------------------+
|  1. Chi phí bản quyền âm nhạc thương mại (VCPMC/Hãng nhạc):  15 - 25 triệu VNĐ/năm|
|  2. Nâng cấp hệ thống loa phân vùng & cảm biến tự động:      40 - 60 triệu VNĐ/điểm|
|  3. Tỷ lệ tăng trưởng giỏ hàng mục tiêu (AOV):              +4.5% đến +7.2%       |
|  4. Tỷ lệ gia tăng thời gian lưu trú tại gian hàng:          +12% đến +18%         |
|  5. Thời gian thu hồi vốn đầu tư ước tính (Payback Period):   2.5 - 4.0 tháng      |
+-----------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

  • Giới hạn địa bàn và mẫu nghiên cứu: Nghiên cứu thu thập dữ liệu tập trung tại khu vực Hà Nội. Các nghiên cứu tiếp theo nên mở rộng đối sánh liên vùng (Hà Nội vs. TP.HCM vs. Đà Nẵng) để kiểm tra sự khác biệt văn hóa vùng miền trong cảm nhận âm nhạc.
  • Kỹ thuật thu thập cắt ngang (Cross-sectional Data): Dữ liệu dựa trên khảo sát tự đánh giá (Self-reported Survey). Đề xuất hướng phát triển sử dụng phương pháp thực nghiệm hiện trường (Field Experiment A/B Testing) kết hợp thiết bị đo sinh học (Eye-tracking, theo dõi nhịp tim hoặc phân tích camera AI đếm thời gian dừng chân thực tế tại kệ hàng).
  • Chưa tích hợp yếu tố đa giác quan tương tác: Nghiên cứu tập trung độc lập vào âm thanh. Các nghiên cứu tương lai có thể xây dựng mô hình kết hợp tương tác giữa âm thanh, mùi hương (Olfactory cues) và nhiệt độ/ánh sáng môi trường bán lẻ.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kinh tế/Marketing: Cung cấp mẫu nghiên cứu thực nghiệm hoàn chỉnh, từ quy trình xây dựng thang đo, làm sạch dữ liệu $N = 402$ đến kiểm định hồi quy định lượng trên SPSS.
  • Nhà quản trị bán lẻ & Quản lý siêu thị: Nhận được bộ khung vận hành phát nhạc chuẩn hóa theo khung giờ, ngưỡng âm lượng và phân vùng chức năng giúp tối ưu hóa doanh số trên từng mét vuông mặt sàn.
  • Đội ngũ chuyên viên tiếp thị âm thanh & Đơn vị cung cấp giải pháp bán lẻ: Cung cấp cơ sở khoa học để thiết kế các gói giải pháp Sensory Marketing và hệ thống phần mềm BGM bản quyền chuyên dụng.
  • Cộng đồng nghiên cứu hành vi người tiêu dùng: Đóng góp dữ liệu thực chứng về tâm lý tiêu dùng của thế hệ Z Việt Nam trong thời kỳ chuyển đổi số.

Câu hỏi thường gặp

1. Tại sao nghiên cứu xác định ngưỡng âm lượng tối ưu cho siêu thị là từ 60 dBA đến 80 dBA?

Dưới 60 dBA, âm nhạc bị lấn át hoàn toàn bởi tiếng máy làm lạnh, tiếng đẩy xe và tiếng ồn nói chuyện, làm mất tác dụng kích thích cảm xúc. Trên 80-85 dBA, âm thanh chuyển thành tiếng ồn ô nhiễm (Noise pollution), gây ức chế thần kinh, khiến khách hàng tăng nhịp tim và nhanh chóng rời khỏi siêu thị mà không kịp xem xét hàng hóa.

2. Sự phù hợp âm nhạc (Music Fit) được định nghĩa và lượng hóa như thế nào?

Music Fit là mức độ tương thích giữa bài hát (giai điệu, ca từ, phong cách) với định vị không gian và sản phẩm bày bán (ví dụ: nhạc trẻ trung, hiện đại cho khu bánh kẹo/mỹ phẩm Gen Z; nhạc nhẹ nhàng thanh lịch cho khu rượu vang cao cấp). Biến này được lượng hóa qua 4 phát biểu đo lường và đạt hệ số tác động cao nhất trong mô hình ($\beta = 0.348$).

3. Nhịp độ âm nhạc nhanh hay chậm mang lại doanh thu tốt hơn cho siêu thị?

Không có nhịp độ tốt tuyệt đối mà phụ thuộc vào mục tiêu vận hành: Nhịp độ chậm (72-96 BPM) làm chậm tốc độ bước chân, tăng thời gian duyệt hàng và nâng cao tỷ lệ mua sắm ngẫu hứng (+32% thời gian lưu trú). Nhịp độ nhanh (100-120 BPM) hỗ trợ giải tỏa áp lực di chuyển trong giờ cao điểm và thúc đẩy thanh toán nhanh.

4. Hệ số phóng đại phương sai (VIF) của mô hình cho thấy điều gì?

Hệ số VIF của cả 4 biến độc lập đều nằm trong khoảng $1.145 - 1.342$ ($< 1.5$), chứng minh các biến độc lập không có tương quan chéo nghiêm trọng làm sai lệch ước lượng, đảm bảo tính vững của các hệ số hồi quy $\beta$.

5. Doanh nghiệp siêu thị vừa và nhỏ có thể áp dụng nghiên cứu này với chi phí thấp bằng cách nào?

Doanh nghiệp có thể bắt đầu bằng việc chuẩn hóa danh sách phát (Playlist) theo thể loại V-Pop/Acoustic đại chúng, trang bị máy đo cường độ âm thanh cầm tay (hoặc ứng dụng SPL Meter trên smartphone) để kiểm soát loa ở mức 65-72 dBA, và phân chia danh mục phát theo 3 khung giờ chính mà không cần đầu tư hệ thống AI phức tạp ngay từ đầu.

Kết luận

Khóa luận tốt nghiệp của tác giả Phùng Tuấn Kiệt dưới sự hướng dẫn của TS. Đào Cẩm Thủy đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc xác lập mô hình thực nghiệm kinh tế lượng chuẩn xác với cỡ mẫu $N = 402$. Kết quả khẳng định 4 yếu tố âm nhạc đóng vai trò quyết định đến 55.5% sự biến thiên trong ý định mua sắm của thế hệ Z tại các siêu thị trên địa bàn Hà Nội.

Thứ tự tác động được chuẩn hóa: Sự phù hợp âm nhạc ($\beta = 0.348$) > Thể loại âm nhạc ($\beta = 0.281$) > Âm lượng âm nhạc ($\beta = 0.209$) > Nhịp độ âm nhạc ($\beta = 0.158$). Nghiên cứu mở ra bước chuyển dịch quan trọng từ việc phát nhạc ngẫu nhiên sang chiến lược tiếp thị thính giác có định hướng, cung cấp giải pháp thực tiễn giúp các nhà bán lẻ nâng cao trải nghiệm khách hàng, kéo dài thời gian lưu trú và thúc đẩy tăng trưởng doanh số bền vững.