Giới thiệu dự án

Trong kỷ nguyên Cách mạng Công nghiệp 4.0 và chuyển đổi số ngành ngân hàng, dịch vụ Mobile Banking đã trở thành trụ cột chiến lược quyết định năng lực cạnh tranh của các Ngân hàng Thương mại Cổ phần (NHTM). Theo thống kê của Ngân hàng Nhà nước Việt Nam (NHNN), tính đến năm 2023, toàn hệ thống đã có hơn 30 NHTM triển khai giải pháp Mobile Banking chính thức, phục vụ hàng chục triệu người dùng với tốc độ tăng trưởng giao dịch số đạt trên 30%/năm.

Tại Ngân hàng Thương mại Cổ phần Công Thương Việt Nam (VietinBank) nói chung và Chi nhánh VietinBank Bình Thuận nói riêng, ứng dụng VietinBank iPay Mobile được định vị là sản phẩm trọng tâm nhằm tối ưu hóa chi phí vận hành (OPEX), giảm tải cho mạng lưới phòng giao dịch truyền thống và cá nhân hóa trải nghiệm tài chính cho khách hàng cá nhân (KHCN).

+-----------------------------------------------------------------------+
|                    BỐI CẢNH DỰ ÁN MOBILE BANKING                      |
|                                                                       |
|  +---------------------+   +---------------------+   +-------------+  |
|  |     NHNN (2023)     |   |   VietinBank iPay   |   | Bình Thuận  |  |
|  | >30 NHTM Số hóa     |-->| Tích hợp eKYC, OTT, |-->| Địa bàn đặc |  |
|  | Tăng trưởng >30%/năm|   | Quản trị tài chính  |   | thù ven biển|  |
|  +---------------------+   +---------------------+   +-------------+  |
+-----------------------------------------------------------------------+

Tuy nhiên, tại địa bàn tỉnh Bình Thuận – khu vực có sự phân hóa địa lý giữa đô thị ven biển, vùng nông thôn và miền núi – quá trình số hóa dịch vụ tài chính đối mặt với nhiều rào cản đặc thù. Vấn đề đặt ra là:

  • Hạ tầng viễn thông/Internet tại khu vực ngoại thành và nông thôn còn chưa đồng đều, gây gián đoạn kết nối.
  • Khách hàng thiếu kiến thức công nghệ, nảy sinh tâm lý e ngại về rủi ro bảo mật thông tin và an toàn tài khoản.
  • Rào cản nhận thức về chi phí vận hành dịch vụ số và sự gắn bó lâu năm với thói quen giao dịch tiền mặt tại quầy.

Đề tài khóa luận tập trung giải quyết bài toán: Xác định và lượng hóa các yếu tố tác động đến quyết định sử dụng dịch vụ Mobile Banking của khách hàng cá nhân tại VietinBank Bình Thuận, từ đó thiết lập căn cứ khoa học cho chiến lược công nghệ và tiếp thị số.

Mục tiêu dự án

  1. Xác định các yếu tố cốt lõi: Khám phá và chuẩn hóa hệ thống 6 yếu tố ảnh hưởng trực tiếp đến hành vi chấp nhận dịch vụ Mobile Banking tại địa bàn.
  2. Đo lường và lượng hóa mức độ tác động: Ứng dụng quy trình phân tích định lượng (Cronbach's Alpha, EFA, OLS Regression) trên tập mẫu $N=186$ để kiểm định mức độ tương quan và trọng số tác động của từng nhân tố.
  3. Đề xuất giải pháp thực thi: Thiết lập khung khuyến nghị kỹ thuật và vận hành cho VietinBank nhằm gia tăng tỷ lệ kích hoạt và sử dụng thường xuyên (retention rate).

Phương pháp tiếp cận và Phạm vi

  • Khung lý thuyết tích hợp: Kế thừa và mở rộng từ Mô hình Chấp nhận Công nghệ (TAM - Technology Acceptance Model), Thuyết Hành vi có Kế hoạch (TPB), Thuyết Hành động Hợp lý (TRA) và Mô hình Thống nhất Chấp nhận và Sử dụng Công nghệ (UTAUT).
  • Phạm vi khảo sát: Thu thập dữ liệu thực nghiệm trong 3 tuần (01/02/2024 – 20/02/2024) tại Chi nhánh VietinBank Bình Thuận với 186 mẫu hợp lệ đạt chuẩn thống kê.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường bán lẻ tài chính tỉnh Bình Thuận, các kênh giao dịch tài chính bao gồm: quầy giao dịch vật lý, Internet Banking trên trình duyệt web và ứng dụng Native Mobile Banking (VietinBank iPay).

Tiêu chí so sánh Giao dịch tại quầy (Traditional Counter) Internet Banking (Web Browser) Mobile Banking (VietinBank iPay App)
Tính khả dụng (Availability) Giờ hành chính (8h00 - 16h30) 24/7 (Phụ thuộc PC/Laptop) 24/7 tức thời trên thiết bị di động
Độ trễ xử lý (Latency) 15 - 45 phút/giao dịch 1 - 3 phút/giao dịch Dưới 5 giây (Real-time OTP/Biometrics)
Chi phí giao dịch (OPEX) Cao (Nhân sự, in ấn, mặt bằng) Trung bình (Máy chủ, bảo trì web) Rất thấp (Tự động hóa hoàn toàn)
Rào cản tiếp cận Di chuyển địa lý, chờ đợi Cần kỹ năng máy tính, thiết bị cồng kềnh Cần smartphone có kết nối 4G/Wi-Fi
Tính năng mở rộng Tư vấn trực tiếp Thanh toán, chuyển khoản cơ bản Đóng/mở tài khoản vay, eKYC, bảo hiểm, QR-Pay

Phân tích cạnh tranh (Competitor Comparison)

  • Vietcombank Digibank: Thế mạnh hệ sinh thái thanh toán lớn, giao diện tối giản nhưng chính sách phí duy trì dịch vụ trước đây từng tạo rào cản.
  • Agribank E-Mobile Banking: Độ phủ chi nhánh rộng khắp nông thôn Bình Thuận, nhưng tính năng chuyên sâu và tốc độ tối ưu UX/UI trên app còn hạn chế.
  • VietinBank iPay: Cung cấp tính năng quản lý tài chính toàn diện (tất toán vay trực tuyến, cảnh báo đăng nhập thiết bị lạ qua OTT/SMS, mua bảo hiểm), tạo lợi thế cạnh tranh về chức năng.

Phân loại yêu cầu người dùng (MoSCoW Prioritization)

  • Must-have (Bắt buộc): Đăng nhập sinh trắc học (Vân tay/FaceID), chuyển tiền Napas 24/7, xác thực bảo mật 2 lớp Soft OTP, truy vấn số dư và sao kê real-time.
  • Should-have (Cần có): Mở sổ tiết kiệm online tích hợp lãi suất bậc thang, tất toán khoản vay online, thanh toán hóa đơn tự động (Điện, Nước, Viễn thông).
  • Could-have (Có thể thêm): Mua bảo hiểm trực tuyến, đổi mật khẩu lần đầu tự động, đặt vé máy bay/khách sạn/xem phim.
  • Won't-have (Tạm thời chưa triển khai): Giao dịch tài sản số/tiền mã hóa, các nghiệp vụ bảo lãnh quốc tế phức tạp cho KHCN.

Thiết kế hệ thống

Kiến trúc giải pháp nghiên cứu và hệ thống xử lý dữ liệu được thiết kế thành luồng pipeline khép kín từ thu thập dữ liệu người dùng, tiền xử lý (data preprocessing), phân tích thống kê đa biến đến suy diễn mô hình kinh tế lượng.

+-----------------------------------------------------------------------------------+
|               KIẾN TRÚC LUỒNG DỮ LIỆU VÀ MÔ HÌNH PHÂN TÍCH SPSS                   |
|                                                                                   |
|  [Khách hàng KHCN]                                                                |
+-----------------------------------------------------------------------------------+

Technology Stack & Versioning

  • Phần mềm phân tích dữ liệu: IBM SPSS Statistics version 20.0 (Core Engine cho kiểm định Cronbach's Alpha, EFA, OLS Regression, ANOVA, Independent Samples T-Test).
  • Thu thập & Tiền xử lý dữ liệu: Google Forms Engine kết hợp Python 3.10 (Thư viện pandas 2.1.0, statsmodels 0.14.0 phục vụ xác thực đối chứng).
  • Nền tảng mục tiêu khảo sát: Ứng dụng VietinBank iPay Mobile Client (iOS v5.4.x / Android v5.4.x), tích hợp chuẩn mã hóa TLS 1.3 và eKYC AI-driven.

Cấu trúc lược đồ dữ liệu khảo sát (Database / Data Schema)

CREATE TABLE Survey_Respondents (
    respondent_id INT PRIMARY KEY AUTO_INCREMENT,
    gender ENUM('Nam', 'Nu') NOT NULL,
    age_group ENUM('18-25', '25-35', '35-50', '>50') NOT NULL,
    education ENUM('THPT_tro_xuong', 'Trung_cap_Cao_dang', 'Dai_hoc', 'Sau_dai_hoc') NOT NULL,
    occupation ENUM('Hoc_sinh_Sinh_vien', 'Nhan_vien_van_phong', 'Kinh_doanh', 'Cong_nhan', 'Khac') NOT NULL,
    monthly_income ENUM('<5M', '5M-10M', '10M-20M', '>20M') NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE Survey_Metrics (
    metric_id INT PRIMARY KEY AUTO_INCREMENT,
    respondent_id INT,
    SD1 TINYINT CHECK(SD1 BETWEEN 1 AND 5),
    SD2 TINYINT CHECK(SD2 BETWEEN 1 AND 5),
    SD3 TINYINT CHECK(SD3 BETWEEN 1 AND 5),
    HI1 TINYINT CHECK(HI1 BETWEEN 1 AND 5),
    HI2 TINYINT CHECK(HI2 BETWEEN 1 AND 5),
    HI3 TINYINT CHECK(HI3 BETWEEN 1 AND 5),
    CP1 TINYINT CHECK(CP1 BETWEEN 1 AND 5),
    CP2 TINYINT CHECK(CP2 BETWEEN 1 AND 5),
    CP3 TINYINT CHECK(CP3 BETWEEN 1 AND 5),
    RR1 TINYINT CHECK(RR1 BETWEEN 1 AND 5),
    RR2 TINYINT CHECK(RR2 BETWEEN 1 AND 5),
    RR3 TINYINT CHECK(RR3 BETWEEN 1 AND 5),
    XH1 TINYINT CHECK(XH1 BETWEEN 1 AND 5),
    XH2 TINYINT CHECK(XH2 BETWEEN 1 AND 5),
    XH3 TINYINT CHECK(XH3 BETWEEN 1 AND 5),
    HA1 TINYINT CHECK(HA1 BETWEEN 1 AND 5),
    HA2 TINYINT CHECK(HA2 BETWEEN 1 AND 5),
    HA3 TINYINT CHECK(HA3 BETWEEN 1 AND 5),
    QD1 TINYINT CHECK(QD1 BETWEEN 1 AND 5),
    QD2 TINYINT CHECK(QD2 BETWEEN 1 AND 5),
    QD3 TINYINT CHECK(QD3 BETWEEN 1 AND 5),
    QD4 TINYINT CHECK(QD4 BETWEEN 1 AND 5),
    FOREIGN KEY (respondent_id) REFERENCES Survey_Respondents(respondent_id)
);

Methodology

Nghiên cứu ứng dụng quy trình 2 giai đoạn chuẩn mực kết hợp định tính và định lượng:

[Khung lý thuyết: TAM, TPB, UTAUT]
[Giai đoạn Định lượng: Phát 190 phiếu khảo sát (Google Forms)]
[Lọc sạch dữ liệu: Thu về N=186 phiếu hợp lệ (Tỷ lệ 97.89%)]
[Kiểm định độ tin cậy: Cronbach's Alpha (Ngưỡng α >= 0.7, CITC >= 0.3)]
[Phân tích nhân tố khám phá EFA: Trích xuất Principal Components, Varimax]
[Kiểm định Tương quan Pearson & Hồi quy OLS: Đánh giá R2, F-test, VIF, Beta]
[Kiểm định khác biệt: Independent T-Test & One-Way ANOVA]

Quản trị rủi ro và Đảm bảo chất lượng (QA Metrics)

  • Rủi ro sai lệch mẫu (Sampling Bias): Khảo sát thu thập đa dạng nhóm ngành (Công sở 29.6%, Kinh doanh 25.8%, Công nhân 14.5%, HSSV 17.2%) trên diện rộng tại Bình Thuận.
  • Rủi ro khuyết tật mô hình: Kiểm soát hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai $\text{VIF} \le 2.0$, tự tương quan phần dư qua chỉ số Durbin-Watson ($1 < d < 3$), và phương sai sai số thay đổi bằng hệ số tương quan hạng Spearman ($\text{Sig.} > 0.05$).

Implementation và kết quả

Development Process & Data Execution

Dữ liệu thô từ 186 khách hàng được nạp vào hệ thống để thực hiện chuỗi xử lý thống kê theo kịch bản chuẩn. Dưới đây là cú pháp thuật toán kiểm định trên SPSS Syntax và tương đương trên nền tảng Python:

# Tái lập thuật toán định lượng: Cronbach's Alpha & OLS Regression
import pandas as pd
import numpy as np
import statsmodels.api as sm

def calculate_cronbach_alpha(df_items):
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    alpha = (k / (k - 1)) * (1 - (item_vars.sum() / total_var))
    return alpha

# Pipeline kiểm định giả thuyết mô hình
# Biến độc lập: SD (Nhận thức dễ sử dụng), HI (Hữu ích), CP (Chi phí), 
#               RR (Rủi ro), XH (Ảnh hưởng xã hội), HA (Hình ảnh ngân hàng)
# Biến phụ thuộc: QD (Quyết định sử dụng)

# X = df[['SD', 'HI', 'CP', 'RR', 'XH', 'HA']]
# y = df['QD']
# X = sm.add_constant(X)
# model = sm.OLS(y, X).fit()
# print(model.summary())

SPSS Syntax trích xuất hệ số tải nhân tố (EFA):

FACTOR
  /VARIABLES SD1 SD2 SD3 HI1 HI2 HI3 CP1 CP2 CP3 RR1 RR2 RR3 XH1 XH2 XH3 HA1 HA2 HA3
  /MISSING LISTWISE 
  /ANALYSIS SD1 SD2 SD3 HI1 HI2 HI3 CP1 CP2 CP3 RR1 RR2 RR3 XH1 XH2 XH3 HA1 HA2 HA3
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

Testing và validation

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

Toàn bộ 6 thang đo biến độc lập và 1 thang đo biến phụ thuộc gồm 22 biến quan sát đều vượt qua ngưỡng kiểm định khắt khe ($\alpha > 0.70$ và Corrected Item-Total Correlation $> 0.30$).

Thang đo nhân tố Ký hiệu Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến-tổng nhỏ nhất (CITC Min) Đánh giá
Nhận thức dễ sử dụng SD 3 0.771 0.559 (SD1) Đạt chuẩn tốt
Nhận thức sự hữu ích HI 3 0.822 0.650 (HI1) Đạt chuẩn rất tốt
Nhận thức chi phí CP 3 0.771 0.551 (CP1) Đạt chuẩn tốt
Nhận thức rủi ro RR 3 0.803 0.612 (RR1) Đạt chuẩn rất tốt
Ảnh hưởng xã hội XH 3 0.866 0.687 (XH1) Đạt chuẩn xuất sắc
Hình ảnh ngân hàng HA 3 0.840 0.672 (HA1) Đạt chuẩn rất tốt
Quyết định sử dụng QD 4 0.815 0.582 (QD1) Đạt chuẩn rất tốt

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Hệ số Kaiser-Meyer-Olkin: $\text{KMO} = 0.685$ ($0.5 \le \text{KMO} \le 1.0$).
    • Kiểm định Bartlett: $\text{Approx. Chi-Square} = 1432.86$, $\text{Sig.} = 0.000 < 0.05$ (Các biến quan sát có tương quan tuyến tính chặt chẽ).
    • Trích xuất 6 nhân tố với $\text{Eigenvalues} > 1.353$.
    • Tổng phương sai trích (Total Variance Explained): 77.049% ($> 50%$), giải thích được hơn $77%$ biến thiên dữ liệu.
    • Hệ số tải nhân tố (Factor Loadings) của toàn bộ các biến quan sát đều $\ge 0.712$ ($> 0.50$).
  • Biến phụ thuộc (QD):
    • $\text{KMO} = 0.662$, Kiểm định Bartlett $\text{Sig.} = 0.000$, $\text{Eigenvalue} = 1.824$.
    • Phương sai trích đạt 45.600%, hội tụ thành 1 nhân tố duy nhất.

Kết quả đạt được

Thống kê cơ cấu mẫu thực nghiệm ($N=186$)

  • Giới tính: Nữ chiếm ưu thế với $55.9%$ (104 người), Nam chiếm $44.1%$ (82 người).
  • Độ tuổi: Nhóm 25 – 35 tuổi chiếm tỷ trọng cao nhất ($36.0% - 67\text{ người}$), tiếp đến là nhóm 18 – 25 tuổi ($24.2%$) và 35 – 50 tuổi ($23.1%$).
  • Trình độ học vấn: Đại học chiếm áp đảo $46.2%$ (86 người), Cao đẳng/Trung cấp chiếm $23.1%$, Sau đại học $17.7%$.
  • Thu nhập: Nhóm thu nhập trung bình khá từ 10 – 20 triệu VNĐ/tháng chiếm tỷ lệ lớn nhất ($31.0%$), tiếp theo là nhóm 5 – 10 triệu VNĐ/tháng ($29.0%$).

Kiểm định mô hình hồi quy OLS và Giả thuyết nghiên cứu

Phương trình hồi quy tuyến tính chuẩn hóa có dạng: $$\text{QD} = \beta_0 + \beta_1 \text{SD} + \beta_2 \text{HI} + \beta_3 \text{CP} + \beta_4 \text{XH} + \beta_5 \text{HA} + e$$

Giả thuyết Mối quan hệ kỳ vọng Tác động thực nghiệm ($\beta$ chuẩn hóa) Mức ý nghĩa ($p$-value) Kết luận kiểm định
H1: Nhận thức dễ sử dụng (SD) Dương (+) $\beta = +0.245$ $p = 0.000 < 0.05$ Chấp nhận
H2: Nhận thức sự hữu ích (HI) Dương (+) $\beta = +0.288$ $p = 0.000 < 0.05$ Chấp nhận (Tác động mạnh nhất)
H3: Nhận thức chi phí (CP) Dương (+) $\beta = +0.162$ $p = 0.012 < 0.05$ Chấp nhận
H4: Nhận thức rủi ro (RR) Âm (-) Không có ý nghĩa thống kê $p = 0.312 > 0.05$ Bác bỏ
H5: Ảnh hưởng xã hội (XH) Dương (+) $\beta = +0.210$ $p = 0.001 < 0.05$ Chấp nhận
H6: Hình ảnh ngân hàng (HA) Dương (+) $\beta = +0.194$ $p = 0.003 < 0.05$ Chấp nhận 
+-----------------------------------------------------------------------+
|                    TRỌNG SỐ TÁC ĐỘNG CỦA CÁC YẾU TỐ                   |
|                                                                       |
|  [Hữu ích - HI]        ████████████████████████████ (β = 0.288)       |
|  [Dễ sử dụng - SD]     ████████████████████████ (β = 0.245)           |
|  [Ảnh hưởng XH - XH]   ████████████████████ (β = 0.210)               |
|  [Hình ảnh NH - HA]    ██████████████████ (β = 0.194)                 |
|  [Chi phí - CP]        ███████████████ (β = 0.162)                    |
|  [Rủi ro - RR]         ░░░░ (Không có ý nghĩa p > 0.05)               |
+-----------------------------------------------------------------------+

Phát hiện quan trọng: Yếu tố Nhận thức sự hữu ích (HI) ($\beta = 0.288$) và Nhận thức dễ sử dụng (SD) ($\beta = 0.245$) đóng vai trò quyết định hàng đầu. Ngược lại, Nhận thức rủi ro (RR) không thể hiện tác động tiêu cực có ý nghĩa thống kê trong mẫu khảo sát này, chứng minh uy tín thương hiệu VietinBank và hạ tầng bảo mật sinh trắc học đã tạo được niềm tin vững chắc cho người dùng địa phương.

Đổi mới và đóng góp

So sánh với các nghiên cứu thực nghiệm tiền nhiệm

Yếu tố & Chỉ số Nghiên cứu này (VietinBank Bình Thuận, 2024) Ngô Đức Chiến (2022, NHTM Đà Nẵng) Mamun et al. (2023, Bangladesh) Bùi Văn Thụy et al. (2021, ACB Đồng Nai)
Kích thước mẫu ($N$) $N = 186$ $N = 291$ $N = 630$ $N = 341$
Phương pháp phân tích EFA, OLS Regression, ANOVA EFA, OLS Regression EFA, KMO, Reliability Binary Logistic Regression
Tổng phương sai trích 77.049% 68.420% 65.110% N/A (Logistic)
Tác động của Rủi ro (RR) Không có ý nghĩa ($p>0.05$) Tác động ngược chiều Tác động ngược chiều Không có ý nghĩa
Yếu tố ảnh hưởng lớn nhất Hữu ích (HI - $\beta=0.288$) Dễ sử dụng & Rủi ro Chi phí & Lợi thế Hiệu quả & Thương hiệu

Giá trị đóng góp khoa học và thực tiễn

  1. Lấp đầy khoảng trống nghiên cứu (Research Gap): Cung cấp bộ dữ liệu thực nghiệm đầu tiên về hành vi chấp nhận Mobile Banking tại thị trường tài chính tỉnh Bình Thuận – vùng kinh tế ven biển đang trong giai đoạn chuyển mình về hạ tầng số.
  2. Chuẩn hóa thang đo thực nghiệm: Tinh chỉnh 22 biến quan sát thích ứng với hệ sinh thái ứng dụng ngân hàng số hiện đại (tích hợp thanh toán QR, mở tài khoản trực tuyến eKYC, quản lý khoản vay).
  3. Ý nghĩa quản trị: Chứng minh rằng khách hàng ưu tiên tính hữu dụng và sự tinh gọn thao tác hơn là lo ngại về rủi ro bảo mật truyền thống.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng (Real-World Use Cases)

  • Use Case 1: Tối ưu thanh toán cho tiểu thương và hộ kinh doanh ven biển: Triển khai mã VietQR tĩnh/động tích hợp tài khoản thanh toán VietinBank iPay, nhận biến động số dư qua OTT miễn phí thay vì SMS có phí.
  • Use Case 2: Số hóa quản lý khoản vay cho ngư dân và nông dân: Cho phép người vay vốn nông nghiệp/kinh tế biển theo dõi dư nợ, trả nợ gốc/lãi định kỳ và tất toán online trực tiếp trên app mà không cần vượt quãng đường xa đến phòng giao dịch.
+-----------------------------------------------------------------------------------+
|               LỘ TRÌNH TRIỂN KHAI 4 GIAI ĐOẠN (ROADMAP 2024 - 2025)               |
|                                                                                   |
+-----------------------------------------------------------------------------------+

Phân tích Hiệu quả Đầu tư (Cost-Benefit & ROI Estimates)

  • Giảm tải quầy giao dịch: Dự kiến chuyển dịch $40%$ lượng giao dịch nộp/rút/chuyển tiền thường lệ từ quầy sang iPay.
  • Tiết kiệm chi phí vận hành (OPEX): Giảm chi phí in ấn hóa đơn chứng từ giấy và giảm tải thời gian phục vụ của giao dịch viên trung bình từ 15 phút xuống dưới 2 phút/giao dịch tổng thể.
  • Gia tăng số dư tiền gửi không kỳ hạn (CASA): Đẩy mạnh CASA nhờ trải nghiệm ứng dụng mượt mà, giữ chân dòng tiền nhàn rỗi trong tài khoản thanh toán.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Phương pháp chọn mẫu: Phương pháp chọn mẫu thuận tiện phi xác suất ($N=186$) có thể chưa phản ánh bao quát $100%$ các phân khúc khách hàng tại vùng sâu, vùng xa của tỉnh Bình Thuận.
  • Phạm vi không gian: Nghiên cứu giới hạn trong phạm vi khách hàng của VietinBank, chưa mở rộng đối sánh chéo đa ngân hàng tại khu vực Nam Trung Bộ.

Định hướng mở rộng

  • Ứng dụng mô hình cấu trúc tuyến tính PLS-SEM (Partial Least Squares Structural Equation Modeling) để phân tích các biến trung gian (Thái độ, Sự tin tưởng).
  • Mở rộng cỡ mẫu lên $N \ge 500$ trên toàn cụm chi nhánh Duyên hải Nam Trung Bộ.

Đối tượng hưởng lợi

+----------------------------------------------------------------------------------+
|                             ĐỐI TƯỢNG HƯỞNG LỢI                                  |
|                                                                                  |
+----------------------------------------------------------------------------------+
  • Sinh viên & Học viên chuyên ngành Kinh tế/FinTech: Tài liệu tham khảo toàn diện về phương pháp luận nghiên cứu định lượng, bộ mã SPSS Syntax và quy trình chuẩn hóa thang đo 22 items.
  • Kỹ sư phát triển sản phẩm (Product Managers / FinTech Developers): Hiểu rõ trọng số hành vi khách hàng ($\beta_{\text{HI}} = 0.288$, $\beta_{\text{SD}} = 0.245$) để ưu tiên tối ưu hóa hiệu năng và thiết kế luồng trải nghiệm người dùng (UX/UI Flows) tối giản.
  • Ban Lãnh đạo VietinBank Chi nhánh Bình Thuận: Bằng chứng định lượng xác thực để xây dựng chiến lược truyền thông, gói ưu đãi phí và phân bổ nhân sự tiếp thị tập trung vào nhóm khách hàng hạt nhân từ 25 – 35 tuổi.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để vận hành hệ thống phân tích định lượng của đồ án?

Phần mềm IBM SPSS Statistics version 20.0 trở lên trên hệ điều hành Windows 10/11 hoặc macOS; hoặc môi trường Python 3.8+ cài đặt sẵn các thư viện khoa học dữ liệu pandas, numpy, statsmodels, scikit-learn.

2. Vì sao biến Nhận thức rủi ro (RR) lại không có ý nghĩa thống kê trong mô hình?

Kết quả kiểm định cho thấy giá trị $p\text{-value} = 0.312 > 0.05$. Điều này chứng minh rằng tại VietinBank Bình Thuận, khách hàng đã có sự tin tưởng cao vào thương hiệu quốc doanh của ngân hàng và các tính năng xác thực sinh trắc học hiện đại, khiến yếu tố rủi ro không còn là rào cản ngăn cản quyết định sử dụng.

3. Tỷ lệ giải thích $R^2$ và chỉ số KMO đạt được có đủ độ tin cậy khoa học không?

Chỉ số $\text{KMO} = 0.685$ thỏa mãn điều kiện $0.5 \le \text{KMO} \le 1.0$; Kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.05$; Tổng phương sai trích đạt $77.049% > 50%$. Toàn bộ chỉ số đều chứng minh mô hình đạt độ giá trị và độ tin cậy khoa học cao.

4. Chi phí triển khai giải pháp thúc đẩy Mobile Banking tại chi nhánh gồm những gì?

Chi phí chính bao gồm: kinh phí truyền thông số địa phương, chi phí in ấn tài liệu hướng dẫn/mã QR tại quầy, và chi phí đào tạo nghiệp vụ cho đội ngũ tư vấn viên số tại các phòng giao dịch.

5. Khuyến nghị quan trọng nhất cho VietinBank Bình Thuận là gì?

Tập trung cải tiến giao diện VietinBank iPay theo hướng "One-Touch Banking" (Tối đa 3 thao tác cho một giao dịch chuyển tiền/thanh toán), đồng thời đẩy mạnh truyền thông truyền miệng (Social Influence - $\beta = 0.210$) thông qua các chương trình giới thiệu người dùng nhận thưởng (Referral Program).

Kết luận

Công trình nghiên cứu đã hoàn thành toàn diện các mục tiêu học thuật và thực tiễn đề ra. Bằng việc kết hợp chặt chẽ giữa khung lý thuyết kinh tế số (TAM, TPB, UTAUT) và phương pháp phân tích định lượng chuẩn mực ($N=186$), nghiên cứu đã chỉ ra 5 động lực tích cực chi phối quyết định sử dụng VietinBank iPay: Nhận thức sự hữu ích ($\beta = 0.288$), Nhận thức dễ sử dụng ($\beta = 0.245$), Ảnh hưởng xã hội ($\beta = 0.210$), Hình ảnh ngân hàng ($\beta = 0.194$) và Nhận thức chi phí ($\beta = 0.162$).

Đây là cơ sở dữ liệu và căn cứ khoa học trực tiếp giúp VietinBank Bình Thuận chuyển đổi mô hình kinh doanh theo chiều sâu, nâng cao chỉ số gắn kết khách hàng số và bứt phá thị phần tài chính bán lẻ trong giai đoạn 2024 – 2030.