Giới thiệu dự án

Trong bối cảnh chuyển đổi số quốc gia và sự bùng nổ của truyền thông xã hội tại Việt Nam, các nền tảng mạng xã hội đã trở thành kênh tiếp cận thông tin chủ đạo của thế hệ trẻ. Theo thống kê của DataReportal (2023), Việt Nam có hơn 70 triệu người dùng mạng xã hội, trong đó Facebook chiếm tỷ lệ thâm nhập trên 70% dân số và là nền tảng hoạt động sôi nổi nhất của thế hệ Gen Z (sinh từ năm 1997 đến 2012). Tuy nhiên, công tác bảo tồn, xúc tiến và truyền bá các giá trị văn hóa - lịch sử tại các di tích truyền thống đang đối mặt với nguy cơ tụt hậu do phương thức truyền thông một chiều, khô cứng và thiếu tính tương tác.

Vấn đề cốt lõi (Problem Statement) nằm ở chỗ: Các ban quản lý di tích lịch sử và cơ quan xúc tiến văn hóa - du lịch tại Hà Nội chưa tối ưu hóa được các đặc tính tương tác đa chiều của mạng xã hội Facebook để chuyển hóa sự quan tâm trực tuyến thành ý định và hành vi tham quan thực tế của Gen Z. Sự đứt gãy giữa thông điệp truyền thống và hành vi tiêu dùng nội dung số của giới trẻ tạo ra rào cản lớn trong việc thu hút khách tham quan thế hệ mới.

                  [KÍCH THÍCH (Stimulus)]                      [CHỦ THỂ (Organism)]            [PHẢN HỒI (Response)]
       +---------------------------------------------+     +--------------------------+     +--------------------------+
       | Hoạt động SMM trên Facebook:                |     |                          |     |                          |
       | - Tính tương tác (Interactivity - INT)      |     | Cảm nhận & Đánh giá      |     | Ý định tham quan         |
       | - Tính cung cấp thông tin (Informativeness) | --> | của Gen Z                | --> | Di tích lịch sử          |
       | - Tính giải trí (Entertainment - ENT)       |     | (Giá trị cảm nhận,       |     | tại Hà Nội               |
       | - Tính nắm bắt xu hướng (Trendiness - TRE)  |     | Niềm tin thương hiệu)    |     | (Travel Intention - TVI) |
       | - Sự tin cậy (Trust - TRS)                  |     |                          |     |                          |
       +---------------------------------------------+     +--------------------------+     +--------------------------+

Mục tiêu nghiên cứu của dự án được xác định cụ thể:

  1. Hệ thống hóa cơ sở lý luận về Social Media Marketing (SMM) trên nền tảng Facebook trong lĩnh vực du lịch di sản văn hóa.
  2. Xây dựng và kiểm định mô hình định lượng đánh giá mức độ tác động của 5 nhân tố kích thích (Tính tương tác, Tính cung cấp thông tin, Tính giải trí, Tính nắm bắt xu hướng, Sự tin cậy) đến ý định tham quan di tích lịch sử.
  3. Đo lường chính xác trọng số ảnh hưởng ($\beta$) của từng nhân tố qua phân tích thống kê đa biến.
  4. Đề xuất hệ thống giải pháp Marketing số thực tiễn giúp các ban quản lý di tích tối ưu tỷ lệ chuyển đổi ý định tham quan.

Phương pháp tiếp cận giải pháp dựa trên mô hình lý thuyết kích thích - chủ thể - phản hồi (Stimulus - Organism - Response: S-O-R) kết hợp phương pháp nghiên cứu hỗn hợp (Mixed Methods): nghiên cứu định tính qua phỏng vấn sâu ($n=7$) và nghiên cứu định lượng qua khảo sát diện rộng bằng bảng hỏi Likert 5 điểm, xử lý dữ liệu với phần mềm SPSS Statistics 25.

Kết quả kỳ vọng bao gồm: Bộ chỉ số đánh giá thang đo chuẩn hóa đạt độ tin cậy Cronbach's Alpha $\ge 0.70$, chỉ số KMO $\ge 0.50$, phương sai trích $\ge 50%$, xây dựng phương trình hồi quy tuyến tính giải thích trên $50%$ biến thiên ý định tham quan ($R^2 > 0.50$), và khung hướng dẫn thực thi chiến dịch Facebook Marketing chuyên biệt cho di tích lịch sử Hà Nội.

Phạm vi nghiên cứu tập trung vào đối tượng Gen Z đang sinh sống, học tập và làm việc trên địa bàn TP. Hà Nội, tiếp cận các nội dung di tích lịch sử trên Facebook trong giai đoạn từ tháng 03/2023 đến tháng 04/2023. Nghiên cứu không mở rộng sang các nền tảng video ngắn (TikTok, YouTube Shorts) và không bao quát các nhóm khách du lịch quốc tế hoặc thế hệ lớn tuổi hơn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Truyền thông xúc tiến di tích lịch sử truyền thống và các chiến dịch số hóa sơ khai hiện bộc lộ nhiều điểm nghẽn về khả năng tạo sự kết nối với người dùng trẻ.

Tiêu chí so sánh Marketing truyền thống (Pano, Tờ rơi, Báo in) Marketing số thế hệ cũ (Website tĩnh, Cổng DVC) Mô hình Social Media Marketing đề xuất (Facebook S-O-R)
Tính tương tác 1 chiều, thụ động, không có phản hồi tức thì Tương tác biểu mẫu đơn tuyến, độ trễ cao Tương tác đa chiều real-time (Comment, Share, Inbox chatbot)
Tính cung cấp thông tin Giới hạn dung lượng, khó cập nhật biến động Thông tin hành chính, thiếu trải nghiệm người dùng Thông tin trực quan, cập nhật liên tục (bài viết, infographics, lịch sự kiện)
Tính giải trí Rất thấp, mang tính giáo điều, cứng nhắc Thấp, thuần túy lưu trữ tư liệu số Cao (Short-form video, minigame, lồng ghép visual storytelling)
Bắt nhịp xu hướng Độ trễ 1-3 tháng theo quy trình phê duyệt Chậm cập nhật, cấu trúc cứng Rất nhanh (Bắt trend meme văn hóa, hashtag viral, sự kiện Gen Z)
Đo lường hiệu quả Khảo sát thủ công, sai số cao, tốn kém Log truy cập web đơn thuần Đo lường chi tiết: CTR, Engagement Rate, Conversion Rate ý định

Yêu cầu giải pháp theo ma trận phân loại MoSCoW:

  • Must-have: Đo lường chính xác độ tin cậy và giá trị hội tụ của 5 nhóm nhân tố SMM; mô hình hồi quy đạt ý nghĩa thống kê ($p < 0.05$).
  • Should-have: Tích hợp quy trình xử lý dữ liệu tự động từ bảng hỏi sang SPSS/Python Analytics; ma trận tương quan Pearson giữa các biến quan sát.
  • Could-have: Kịch bản xây dựng nội dung tương tác (interactive content playbook) theo từng cụm di tích (Hoàng thành Thăng Long, Văn Miếu - Quốc Tử Giám, Nhà tù Hỏa Lò).
  • Won't-have: Tích hợp hệ thống bán vé điện tử trực tiếp trên nền tảng Facebook trong phạm vi đồ án này.

Thiết kế hệ thống

Kiến trúc luồng xử lý dữ liệu và mô hình hóa tác động được thiết kế theo cấu trúc pipeline phân tích thống kê đa tầng:

Technology Stack và Công cụ nghiên cứu:

  • Statistical Analytics Engine: IBM SPSS Statistics Version 25.0 (Build 25.0.0.0).
  • Alternative Open-source Pipeline: Python v3.10.12 kết hợp các thư viện pandas (v2.0.3), numpy (v1.24.3), statsmodels (v0.14.0), factor_analyzer (v0.5.0), pingouin (v0.5.3).
  • Data Collection Platform: Google Forms Cloud Infrastructure kết hợp bảo mật danh tính người tham gia.
  • Psychometric Framework: Thang đo khoảng Likert 5 bậc (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).

Cấu trúc từ điển dữ liệu (Data Schema / Variable View):

CREATE TABLE Survey_Dataset (
    Respondent_ID INT PRIMARY KEY AUTO_INCREMENT,
    Gender ENUM('Nam', 'Nu') NOT NULL,
    Age_Group ENUM('<18', '18-22', '23-26') NOT NULL,
    Education ENUM('Duoi_THPT', 'THPT', 'DaiHoc_CaoDang', 'SauDaiHoc') NOT NULL,
    Income_Level ENUM('ChuaCo', '<3M', '3M-5M', '5M-10M', '>10M') NOT NULL,
    -- Thang do Tinh tuong tac (Interactivity: INT1 - INT5)
    INT1 TINYINT CHECK (INT1 BETWEEN 1 AND 5),
    INT2 TINYINT CHECK (INT2 BETWEEN 1 AND 5),
    INT3 TINYINT CHECK (INT3 BETWEEN 1 AND 5),
    INT4 TINYINT CHECK (INT4 BETWEEN 1 AND 5),
    INT5 TINYINT CHECK (INT5 BETWEEN 1 AND 5),
    -- Thang do Tinh cung cap thong tin (Informativeness: INF1 - INF4)
    INF1 TINYINT CHECK (INF1 BETWEEN 1 AND 5),
    INF2 TINYINT CHECK (INF2 BETWEEN 1 AND 5),
    INF3 TINYINT CHECK (INF3 BETWEEN 1 AND 5),
    INF4 TINYINT CHECK (INF4 BETWEEN 1 AND 5),
    -- Thang do Tinh giai tri (Entertainment: ENT1 - ENT5)
    ENT1 TINYINT CHECK (ENT1 BETWEEN 1 AND 5),
    ENT2 TINYINT CHECK (ENT2 BETWEEN 1 AND 5),
    ENT3 TINYINT CHECK (ENT3 BETWEEN 1 AND 5),
    ENT4 TINYINT CHECK (ENT4 BETWEEN 1 AND 5),
    ENT5 TINYINT CHECK (ENT5 BETWEEN 1 AND 5),
    -- Thang do Tinh nam bat xu huong (Trendiness: TRE1 - TRE3)
    TRE1 TINYINT CHECK (TRE1 BETWEEN 1 AND 5),
    TRE2 TINYINT CHECK (TRE2 BETWEEN 1 AND 5),
    TRE3 TINYINT CHECK (TRE3 BETWEEN 1 AND 5),
    -- Thang do Su tin cay (Trust: TRS1 - TRS4)
    TRS1 TINYINT CHECK (TRS1 BETWEEN 1 AND 5),
    TRS2 TINYINT CHECK (TRS2 BETWEEN 1 AND 5),
    TRS3 TINYINT CHECK (TRS3 BETWEEN 1 AND 5),
    TRS4 TINYINT CHECK (TRS4 BETWEEN 1 AND 5),
    -- Bien phu thuoc: Y dinh tham quan (Travel Intention: TVI1 - TVI5)
    TVI1 TINYINT CHECK (TVI1 BETWEEN 1 AND 5),
    TVI2 TINYINT CHECK (TVI2 BETWEEN 1 AND 5),
    TVI3 TINYINT CHECK (TVI3 BETWEEN 1 AND 5),
    TVI4 TINYINT CHECK (TVI4 BETWEEN 1 AND 5),
    TVI5 TINYINT CHECK (TVI5 BETWEEN 1 AND 5)
);

Methodology

Nghiên cứu ứng dụng quy trình phân tích định lượng tiêu chuẩn kết hợp vòng lặp kiểm tra chất lượng dữ liệu:

  • Giai đoạn 1 (Nghiên cứu sơ bộ): Phỏng vấn sâu chuyên gia và đại diện Gen Z ($n=7$) để hiệu chỉnh thang đo và từ ngữ bảng hỏi.
  • Giai đoạn 2 (Thu thập dữ liệu): Khảo sát trực tuyến ngẫu nhiên phân tầng đối với người trẻ từ 18-26 tuổi tại Hà Nội.
  • Giai đoạn 3 (Xử lý thống kê): Làm sạch dữ liệu, kiểm định độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá EFA (phép trích Principal Axis Factoring / Principal Component Analysis, phép xoay Varimax), phân tích tương quan Pearson và ước lượng mô hình hồi quy đa biến OLS.

Kế hoạch kiểm soát rủi ro phương pháp luận:

  • Rủi ro sai lệch chọn mẫu (Sampling Bias): Kiểm soát qua các câu hỏi gạn lọc đầu bảng hỏi (Screening Questions) nhằm loại bỏ đáp viên không sử dụng Facebook hoặc không thuộc nhóm tuổi Gen Z.
  • Rủi ro phương sai chung (Common Method Bias): Đảm bảo tính bảo mật và xáo trộn ngẫu nhiên các phát biểu trong bảng khảo sát.

Implementation và kết quả

Development process

Quá trình phân tích thực nghiệm được thực thi qua 4 giai đoạn cụ thể:

  1. Làm sạch dữ liệu: Loại bỏ các phiếu trả lời có độ lệch chuẩn bằng 0 (chọn cùng 1 mức điểm cho tất cả câu hỏi) hoặc thời gian hoàn thành dưới 60 giây.
  2. Kiểm định độ tin cậy thang đo (Cronbach's Alpha): Tiêu chuẩn loại biến khi hệ số tương quan biến - tổng (Corrected Item - Total Correlation) $< 0.30$ và hệ số Cronbach's Alpha tổng thể $< 0.70$.
  3. Phân tích EFA: Xác định tính hợp lệ của nhân tố dựa trên hệ số Kaiser-Meyer-Olkin ($0.5 \le \text{KMO} \le 1.0$), kiểm định Bartlett có ý nghĩa thống kê ($p < 0.001$), Eigenvalue $> 1.0$, tổng phương sai trích (Cumulative %) $> 50%$, và hệ số tải nhân tố (Factor Loading) $> 0.50$.
  4. Mô hình hóa hồi quy đa biến: Thiết lập phương trình hồi quy tuyến tính mẫu:

$$TVI = \beta_0 + \beta_1 \cdot INT + \beta_2 \cdot INF + \beta_3 \cdot ENT + \beta_4 \cdot TRE + \beta_5 \cdot TRS + \epsilon$$

Đoạn mã phân tích thống kê tự động hóa tương đương triển khai bằng Python (Open-source Statistical Engine):

import pandas as pd
import pingouin as pg
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Đọc dữ liệu khảo sát
df = pd.read_csv("survey_genz_facebook_marketing.csv")

# 2. Kiểm định độ tin cậy Cronbach's Alpha cho thang đo Tính tương tác (INT)
int_items = df[['INT1', 'INT2', 'INT3', 'INT4', 'INT5']]
alpha_int, ci_int = pg.cronbach_alpha(data=int_items)
print(f"Cronbach's Alpha (Tính tương tác - INT): {alpha_int:.4f}")

# 3. Tính điểm đại diện cho các biến nghiên cứu
df['INT_Mean'] = int_items.mean(axis=1)
df['INF_Mean'] = df[['INF1', 'INF2', 'INF3', 'INF4']].mean(axis=1)
df['ENT_Mean'] = df[['ENT1', 'ENT2', 'ENT3', 'ENT4', 'ENT5']].mean(axis=1)
df['TRE_Mean'] = df[['TRE1', 'TRE2', 'TRE3']].mean(axis=1)
df['TRS_Mean'] = df[['TRS1', 'TRS2', 'TRS3', 'TRS4']].mean(axis=1)
df['TVI_Mean'] = df[['TVI1', 'TVI2', 'TVI3', 'TVI4', 'TVI5']].mean(axis=1)

# 4. Phân tích hồi quy tuyến tính đa biến (OLS Regression)
X = df[['INT_Mean', 'INF_Mean', 'ENT_Mean', 'TRE_Mean', 'TRS_Mean']]
X_with_const = sm.add_constant(X)
y = df['TVI_Mean']

ols_model = sm.OLS(y, X_with_const).fit()
print(ols_model.summary())

# 5. Kiểm tra hiện tượng đa cộng tuyến qua hệ số phóng đại phương sai (VIF)
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(vif_data)

Cú pháp SPSS Syntax chuẩn hóa cho quy trình phân tích:

* Kiem dinh do tin cay Cronbach's Alpha cho cac thang do.
RELIABILITY
  /VARIABLES=INT1 INT2 INT3 INT4 INT5
  /SCALE('Interactivity Scale') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

* Phan tich nhan to kham pha EFA bien doc lap.
FACTOR
  /VARIABLES INT1 INT2 INT3 INT4 INT5 INF1 INF2 INF3 INF4 ENT1 ENT2 ENT3 ENT4 ENT5 TRE1 TRE2 TRE3 TRS1 TRS2 TRS3 TRS4
  /MISSING LISTWISE 
  /ANALYSIS INT1 INT2 INT3 INT4 INT5 INF1 INF2 INF3 INF4 ENT1 ENT2 ENT3 ENT4 ENT5 TRE1 TRE2 TRE3 TRS1 TRS2 TRS3 TRS4
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

* Phan tich hoi quy tuyen tinh boi.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT TVI_Mean
  /METHOD=ENTER INT_Mean INF_Mean ENT_Mean TRE_Mean TRS_Mean.

Testing và validation

Kết quả kiểm định chất lượng các biến quan sát và mô hình đo lường đạt độ tin cậy cao:

  • Độ tin cậy thang đo: Tất cả các thang đo đều có hệ số Cronbach's Alpha đạt từ $0.785$ đến $0.892$ (đều vượt ngưỡng $0.70$). Tương quan biến - tổng nhỏ nhất là $0.412 > 0.30$.
  • Kiểm định EFA: Hệ số KMO đạt $0.846 > 0.50$, kiểm định Bartlett có giá trị thống kê $\chi^2 = 1845.62$ với $p = 0.000 < 0.001$. Tổng phương sai trích đạt $62.38% > 50%$, toàn bộ hệ số tải nhân tố đều nằm trong khoảng $0.615 - 0.842 > 0.50$.
  • Kiểm định đa cộng tuyến: Hệ số VIF của toàn bộ 5 biến độc lập đều nhỏ hơn $1.65$ (nằm dưới ngưỡng báo động $2.0$), khẳng định không xảy ra hiện tượng đa cộng tuyến nghiêm trọng.

Kết quả đạt được

Bảng tổng hợp trọng số tác động của các nhân tố SMM đến ý định tham quan di tích lịch sử của Gen Z:

Nhân tố độc lập (Constructs) Ký hiệu Hệ số $\beta$ chuẩn hóa Giá trị $t$-statistic Mức ý nghĩa ($p$-value) Hệ số VIF Kết luận giả thuyết
Tính tương tác (Interactivity) INT 0.312 5.842 0.000 1.341 Chấp nhận H1 ($p < 0.001$)
Tính giải trí (Entertainment) ENT 0.268 4.956 0.000 1.412 Chấp nhận H3 ($p < 0.001$)
Tính cung cấp thông tin (Informativeness) INF 0.195 3.782 0.000 1.289 Chấp nhận H2 ($p < 0.001$)
Sự tin cậy (Trust) TRS 0.182 3.514 0.001 1.315 Chấp nhận H5 ($p < 0.01$)
Tính nắm bắt xu hướng (Trendiness) TRE 0.145 2.890 0.004 1.204 Chấp nhận H4 ($p < 0.01$)

Chỉ số đánh giá độ phù hợp của mô hình tổng thể:

  • Hệ số xác định đa biến $R^2 = 0.584$; Hệ số $R^2$ hiệu chỉnh (Adjusted $R^2$) = $0.573$.
  • Kiểm định ANOVA: $F = 54.729$, $p = 0.000 < 0.001$, chứng minh mô hình hồi quy tuyến tính phù hợp hoàn toàn với tập dữ liệu khảo sát thực nghiệm.
  • Ý nghĩa định lượng: 5 yếu tố Marketing trên Facebook giải thích được $58.4%$ sự biến thiên trong ý định tham quan di tích lịch sử của Gen Z tại TP. Hà Nội, trong đó Tính tương tác ($\beta = 0.312$) và Tính giải trí ($\beta = 0.268$) đóng vai trò chi phối mạnh mẽ nhất.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mới mẻ cả về mặt lý luận khoa học lẫn ứng dụng thực tiễn trong ngành tiếp thị di sản:

  1. Thu hẹp khoảng trống học thuật về Tourism Marketing di sản cho Gen Z: Các nghiên cứu trước đây (như Han, 2014; Choedon & Lee, 2020; Bùi Thành Khoa và cộng sự, 2021) chủ yếu tập trung vào thương mại điện tử, mỹ phẩm hoặc hàng tiêu dùng nhanh (FMCG). Đồ án này là một trong những công trình tiên phong lượng hóa hành vi của Gen Z đối với không gian văn hóa - di tích lịch sử tại Việt Nam thông qua lăng kính mô hình S-O-R.
  2. Phát hiện vai trò đột phá của Tính tương tác & Giải trí: Khác với góc nhìn truyền thống cho rằng du khách quan tâm nhiều nhất đến khối lượng thông tin lịch sử, nghiên cứu chỉ ra Gen Z chỉ hình thành ý định tham quan khi thông tin được truyền tải qua các hình thức tương tác hai chiều và nội dung mang tính giải trí, trực quan hóa cao (chiếm hơn $58%$ tổng trọng số mô hình).
  3. Mô hình định lượng chuẩn hóa tái sử dụng cao: Khung thang đo 26 biến quan sát đã được làm sạch và kiểm định thực nghiệm có thể ứng dụng trực tiếp cho các đề tài phân tích hành vi du lịch trên các mạng xã hội khác.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, hệ thống giải pháp Marketing Facebook được cấu trúc theo 5 trụ cột tương ứng với trọng số tác động:

                                  CHIẾN LƯỢC FACEBOOK MARKETING CHO DI TÍCH LỊCH SỬ
  +--------------------+--------------------+--------------------+--------------------+--------------------+
  |   TÍNH TƯƠNG TÁC   |   TÍNH GIẢI TRÍ    |    TÍNH THÔNG TIN  |    SỰ TIN CẬY      |    BẮT NHỊP TREND  |
  |     (Trọng số 1)   |     (Trọng số 2)   |     (Trọng số 3)   |     (Trọng số 4)   |     (Trọng số 5)   |
  +--------------------+--------------------+--------------------+--------------------+--------------------+
  | - Auto-inbox 24/7  | - Short video/Reels| - Infographic giá vé| - Tích xanh Page  | - Meme lịch sử     |
  | - Minigame quà tặng| - Storytelling hài | - Bản đồ di tích   | - Link nguồn sử liệu| - Hashtag thử thách|
  | - Poll bình chọn   | - Visual 3D cổ phục| - Lịch mở cửa số   | - Reviewers uy tín | - Livestream trend |
  +--------------------+--------------------+--------------------+--------------------+--------------------+

Lộ trình triển khai 4 giai đoạn cho Ban Quản lý Di tích (Ví dụ tại Nhà tù Hỏa Lò, Hoàng thành Thăng Long):

  • Giai đoạn 1 (Tháng 1-2 - Chuẩn hóa nền tảng số): Đăng ký huy hiệu xác minh (Blue Tick) Facebook; thiết lập Fanpage chuyên nghiệp; cài đặt luồng phản hồi tự động (Messenger Automation) với độ trễ phản hồi $< 2$ phút.
  • Giai đoạn 2 (Tháng 3-4 - Đột phá nội dung tương tác & giải trí): Sản xuất chuỗi nội dung Storytelling "Kể chuyện lịch sử bằng ngôn ngữ Gen Z", ứng dụng hình thức định dạng Facebook Reels với thời lượng 30-60 giây; lồng ghép các yếu tố giải trí nhẹ nhàng, trang phục lịch sử 3D.
  • Giai đoạn 3 (Tháng 5-6 - Xúc tiến chiến dịch lan tỏa xu hướng): Khởi động các cuộc thi ảnh "Check-in cổ phục tại di tích", tạo hashtag phong trào (User-Generated Content - UGC) thu hút học sinh, sinh viên trên địa bàn thành phố.
  • Giai đoạn 4 (Tháng 7 trở đi - Tối ưu hóa chuyển đổi & Đo lường): Tích hợp nút đặt vé/đăng ký tour tham quan đêm; đo lường tỷ lệ chuyển đổi từ tương tác số sang lượng vé bán thực tế tại cổng.

Hiệu quả kinh tế - xã hội dự kiến:

  • Tăng trưởng tỷ lệ tiếp cận tự nhiên (Organic Reach) của Fanpage di tích lên $150-200%$ trong vòng 6 tháng.
  • Nâng cao tỷ lệ chuyển đổi ý định thành hành vi tham quan thực tế của học sinh, sinh viên thêm $25-35%$, đóng góp vào nguồn thu tái đầu tư bảo tồn di sản.

Hạn chế và hướng phát triển

Dù đạt được các kết quả thực nghiệm có ý nghĩa khoa học, đề tài vẫn tồn tại một số giới hạn nhất định:

  • Khu vực địa lý: Mẫu nghiên cứu mới dừng lại ở phạm vi địa bàn Hà Nội, chưa phản ánh đầy đủ đặc điểm hành vi của Gen Z tại các đô thị khác như TP. Hồ Chí Minh hay Đà Nẵng.
  • Phạm vi nền tảng: Đề tài chỉ tập trung khai thác mạng xã hội Facebook. Trong khi đó, hành vi tiêu thụ nội dung số của Gen Z đang có xu hướng dịch chuyển mạnh sang TikTok và Instagram.
  • Quy mô mẫu: Cỡ mẫu nghiên cứu ở mức trung bình, chưa thực hiện phân tích đa nhóm (Multi-group Analysis) theo các phân khúc thu nhập và giới tính khác nhau.

Hướng phát triển tiếp theo:

  1. Mở rộng mô hình nghiên cứu đa nền tảng (Omni-channel Social Media), so sánh mức độ ảnh hưởng giữa Facebook Reels và TikTok Video đối với hành vi du lịch văn hóa.
  2. Ứng dụng mô hình phương trình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) kết hợp phần mềm SmartPLS 4.0 để phân tích sâu các biến trung gian (như Giá trị cảm nhận, Nhận thức thương hiệu).

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Marketing/Du lịch: Tiếp cận một tài liệu nghiên cứu ứng dụng mẫu mực kết hợp chặt chẽ giữa lý thuyết hành vi người tiêu dùng (S-O-R) và kỹ thuật phân tích định lượng SPSS chuẩn mực.
  • Chuyên viên Digital Marketing & Content Creator: Sở hữu bộ insight định lượng chính xác về tâm lý tiếp nhận thông điệp lịch sử của thế hệ Gen Z, từ đó thiết kế các chiến dịch nội dung chạm đúng thị hiếu.
  • Ban Quản lý Di tích & Cơ quan Văn hóa - Du lịch: Nhận được bộ giải pháp thực thi chi tiết, có cơ sở khoa học để tái cấu trúc kênh truyền thông số với ngân sách tối ưu và hiệu quả cao.
  • Các nhà nghiên cứu ứng dụng: Có thể kế thừa thang đo chuẩn hóa 26 biến quan sát cho các nghiên cứu mở rộng trong lĩnh vực tiếp thị di sản văn hóa phi vật thể và du lịch bền vững.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai bộ phân tích dữ liệu của đồ án?

  • Hệ thống cần trang bị máy tính chạy hệ điều hành Windows 10/11 hoặc macOS, phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên (khuyến nghị phiên bản 25.0 hoặc 28.0), hoặc môi trường lập trình Python 3.8+ cài đặt sẵn các thư viện statsmodels, pingouin, pandas.

2. Tại sao nghiên cứu lại chọn mô hình S-O-R thay vì mô hình TAM hay UTAUT?

  • Mô hình S-O-R (Stimulus - Organism - Response) đặc biệt tối ưu trong việc giải thích tác động của các kích thích môi trường bên ngoài (các đặc tính nội dung Marketing trên Facebook) đến trạng thái nhận thức/cảm xúc nội tại của người tiêu dùng, từ đó dẫn đến phản ứng hành vi (ý định tham quan), phù hợp hơn với bối cảnh tiếp thị trải nghiệm so với mô hình chấp nhận công nghệ thuần túy (TAM/UTAUT).

3. Khắc phục thế nào nếu thang đo không đạt độ tin cậy Cronbach's Alpha $\ge 0.70$?

  • Kiểm tra bảng Item-Total Statistics trong kết quả SPSS. Xác định các biến quan sát có hệ số Corrected Item-Total Correlation < 0.30 hoặc xem cột Cronbach's Alpha if Item Deleted. Tiến hành loại bỏ từng biến không đạt chuẩn theo thứ tự từ biến có tương quan thấp nhất và chạy lại phân tích cho đến khi hệ số Alpha tổng thể đạt yêu cầu.

4. Chi phí triển khai chiến lược Facebook Marketing cho một ban quản lý di tích là bao nhiêu?

  • Chiến lược đề xuất tập trung chủ yếu vào tối ưu hóa nội dung tự nhiên (Organic Content) và khai thác tương tác hai chiều, do đó chi phí chủ yếu phân bổ cho nhân sự sáng tạo nội dung (Content Creator) và thiết kế đồ họa cơ bản, không đòi hỏi ngân sách chạy quảng cáo trả phí (Paid Ads) quá lớn.

5. Làm thế nào để đo lường ROI của các hoạt động Marketing trên Facebook đối với di tích lịch sử?

  • Ban quản lý có thể tích hợp mã QR đặt tại các bài viết Facebook để người dùng quét mã nhận cẩm nang điện tử hoặc mã ưu đãi vé vào cổng; đồng thời thực hiện khảo sát nhanh tại quầy vé để đối chiếu tỷ lệ du khách biết đến di tích qua kênh Facebook.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra, khẳng định vai trò quan trọng của hoạt động Marketing trên nền tảng mạng xã hội Facebook trong việc định hình ý định tham quan di tích lịch sử của thế hệ Gen Z tại Hà Nội. Thông qua phương pháp luận chặt chẽ và các bằng chứng thực nghiệm rõ ràng, nghiên cứu chứng minh rằng Tính tương tác ($\beta = 0.312$) và Tính giải trí ($\beta = 0.268$) chính là hai đòn bẩy chủ đạo giúp chuyển hóa các giá trị lịch sử truyền thống thành nguồn cảm hứng trải nghiệm sống động cho giới trẻ. Kết quả này mở ra định hướng mới mẻ, hiệu quả cho công tác bảo tồn, phát huy di sản văn hóa dân tộc trong kỷ nguyên chuyển đổi số.