Giới thiệu dự án

Sự bùng nổ của kỷ nguyên truyền thông số và sự chuyển dịch hành vi tiêu dùng của thế hệ Gen Z đã làm suy giảm đáng kể hiệu quả của các hình thức quảng cáo truyền thống. Theo báo cáo thường niên từ HubSpot, hơn 88% nhà tiếp thị toàn cầu khẳng định video là định dạng truyền thông mang lại tỷ lệ hoàn vốn (ROI - Return on Investment) và mức độ tương tác cao nhất. Tại Việt Nam, nhóm người tiêu dùng trẻ tuổi, đặc biệt là sinh viên đại học, tiếp xúc với môi trường kỹ thuật số từ 4–6 giờ mỗi ngày nhưng có xu hướng chủ động bỏ qua (Skip Ads) hoặc sử dụng các công cụ chặn quảng cáo đối với các nội dung mang tính thương mại trực diện.

Thách thức cốt lõi (Problem Statement) đặt ra cho các doanh nghiệp ngành công nghiệp thời trang và công nghệ may là: Làm thế nào để chuyển đổi từ quảng cáo xâm nhập (Intrusive Advertising) sang quảng cáo giải trí tự nhiên (Branded Entertainment), nhằm tác động sâu sắc vào tâm lý tiêu dùng mà không tạo ra rào cản phòng vệ tâm lý ở nhóm khách hàng sinh viên? Điển hình cho bước chuyển mình thành công này là thương hiệu Biti’s Hunter thông qua chiến lược Product Placement (PPL) và tài trợ video ca nhạc (Music Video - MV) kết hợp với các nghệ sĩ hàng đầu. Tuy nhiên, thị trường thời trang Việt Nam vẫn thiếu vắng các mô hình định lượng đánh giá tác động đa chiều từ MV quảng cáo đến từng tầng nấc tâm lý: Nhận thức (Cognitive), Cảm xúc (Affective) và Hành vi mua sắm (Conative).

Đồ án tốt nghiệp chuyên ngành Công nghệ may tại Trường Đại học Sư phạm Kỹ thuật TP.HCM (HCMUTE) với đề tài: “Nghiên cứu ảnh hưởng của quảng cáo qua video ca nhạc đến tâm lý tiêu dùng của sinh viên Đại học Sư phạm Kỹ thuật TPHCM đối với dòng sản phẩm Biti’s Hunter” (SVTH: Đỗ Nguyễn Kim Dương, Đinh Nguyễn Thiên Trúc; GVHD: Th.S Hoàng Anh) được xây dựng nhằm giải quyết bài toán trên.

Mục tiêu nghiên cứu cụ thể của dự án:

  1. Hệ thống hóa cơ sở lý luận về tâm lý tiêu dùng, các chức năng tâm lý của quảng cáo thương mại (truyền đạt, kích thích, giáo dục, tiết kiệm, thúc đẩy) và các định dạng quảng cáo video trực tuyến.
  2. Đo lường và phân tích định lượng mức độ ảnh hưởng của chuỗi MV quảng cáo điển hình (Lạc trôi - Sơn Tùng M-TP, Đi để trở về - Soobin Hoàng Sơn) đến nhận thức thương hiệu của sinh viên.
  3. Đánh giá sự chuyển biến cảm xúc (sự đồng cảm, lòng trung thành, mức độ yêu thích thương hiệu) và tương quan của chúng tới quyết định chi tiêu thực tế.
  4. Đề xuất khung giải pháp chiến lược (Framework) ứng dụng MV ca nhạc trong truyền thông tiếp thị dành riêng cho các doanh nghiệp, startup thời trang và may mặc.

Phạm vi nghiên cứu tập trung vào khách hàng sinh viên tại HCMUTE – đại diện tiêu biểu cho phân khúc khách hàng trẻ có tri thức, nhạy bén công nghệ và có thói quen tiêu dùng thời trang năng động.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi hình thức Branded Music Video bùng nổ, các nhãn hàng thời trang và may mặc tại Việt Nam chủ yếu dựa vào ba kênh tiếp thị chính: Quảng cáo truyền hình truyền thống (TVC), Quảng cáo hiển thị tĩnh (Display/Banner Ads trên Social Media) và Tiếp thị qua người ảnh hưởng tĩnh (KOL Flatlay/Photo Post). Bảng so sánh dưới đây phân tích ưu và nhược điểm của các giải pháp hiện tại:

Phương thức tiếp thị Ưu điểm cốt lõi Nhược điểm & Rào cản Tỷ lệ duy trì chú ý (Retention Rate) Khả năng khơi gợi cảm xúc
TVC Truyền thống (15s - 30s) Độ phủ sóng đại chúng rộng, tạo độ tin cậy ban đầu cao Chi phí phát sóng khung giờ vàng đắt đỏ; khách hàng trẻ ít xem truyền hình Thấp (< 25% với Gen Z) Trung bình (Bị giới hạn thời lượng)
Display/Banner Ads (Mạng xã hội) Định hướng đối tượng (Targeting) chính xác, chi phí khởi điểm linh hoạt Tỷ lệ tương tác tự nhiên giảm mạnh; bị chặn bởi phần mềm AdBlock Rất thấp (< 5% lướt qua) Thấp (Thông điệp một chiều)
Branded Music Video (PPL/MV) Kết hợp âm nhạc + hình ảnh + cốt truyện; khả năng lan tỏa Viral tự nhiên Chi phí sản xuất cao; rủi ro khủng hoảng truyền thông từ nghệ sĩ đại diện Rất cao (> 70% xem hết bài) Rất cao (Đồng điệu cảm xúc sâu sắc)

Áp dụng phương pháp phân loại yêu cầu MoSCoW trong thiết kế giải pháp nghiên cứu tâm lý tiêu dùng:

  • Must-have (Bắt buộc phải có): Bộ công cụ khảo sát chuẩn hóa theo thang đo Likert 5 mức độ; quy trình kiểm định độ tin cậy dữ liệu; phân tích hồi quy tương quan giữa yếu tố MV và quyết định mua hàng.
  • Should-have (Nên có): Phân khúc chi tiết dữ liệu giữa sinh viên năm đầu (năm 1-2) và sinh viên năm cuối (năm 3-4); so sánh tương quan giữa khối ngành kỹ thuật và ngoài kỹ thuật.
  • Could-have (Có thể có): Mô hình hóa đường cong suy giảm nhận thức thương hiệu sau chiến dịch MV.
  • Won't-have (Chưa thực hiện ở giai đoạn này): Phân tích phản hồi cảm xúc sinh trắc học thời gian thực (Eye-tracking/EEG).

Thiết kế hệ thống nghiên cứu và đo lường

Hệ thống nghiên cứu được thiết kế theo cấu trúc xử lý dữ liệu 4 tầng nhằm đảm bảo tính khách quan và khoa học:

Technology Stack và công cụ phân tích:

  • Nền tảng thu thập dữ liệu: Google Forms API với kiểm soát phân quyền tài khoản sinh viên nhằm tránh trùng lặp mẫu.
  • Công cụ thống kê chuyên dụng: IBM SPSS Statistics phiên bản 26.0 (sử dụng phân tích thống kê mô tả, kiểm định Chi-Square, Cronbach’s Alpha, phân tích nhân tố khám phá EFA).
  • Môi trường lập trình mở rộng: Python 3.10.12, thư viện Pandas 2.1.4 (quản lý cấu trúc bảng dữ liệu), SciPy 1.11.4 và Statsmodels 0.14.1 (tính toán các chỉ số kinh tế lượng).

Cấu trúc dữ liệu và mô hình đo lường (Data Schema): Dữ liệu được tổ chức dưới dạng ma trận bảng $N \times M$ gồm các nhóm biến chính:

  1. Biến nhân khẩu học (Demographics): Giới tính (Nominal), Khóa học/Năm học (Ordinal: Năm 1, 2, 3, 4), Khối ngành đào tạo (Binary: Kỹ thuật vs Ngoài kỹ thuật).
  2. Biến nhận thức (Cognitive Variables - COG): Mức độ nhận diện sản phẩm Biti’s Hunter qua MV, khả năng nhớ thuộc tính công nghệ giày (Scale 1–5).
  3. Biến cảm xúc (Affective Variables - AFF): Mức độ yêu mến thông điệp, sự gắn kết với giai điệu, cảm xúc tích cực đối với hình ảnh nghệ sĩ (Scale 1–5).
  4. Biến hành vi (Conative Variables - CON): Tần suất tìm kiếm thông tin sau khi xem MV, ý định mua sắm thực tế, hành vi giới thiệu cho bạn bè (Scale 1–5).

Methodology

Quy trình nghiên cứu áp dụng mô hình lai kết hợp phương pháp nghiên cứu định tính (Qualitative - tổng hợp tài liệu, phỏng vấn sâu chuyên gia) và phương pháp nghiên cứu định lượng (Quantitative - khảo sát số liệu thực chứng):

Để kiểm soát rủi ro sai số chọn mẫu (Sampling Bias), nghiên cứu áp dụng phương pháp lấy mẫu phân tầng theo tỷ lệ khoa ngành và năm học. Quy trình đảm bảo chất lượng dữ liệu (QA) loại bỏ hoàn toàn các phiếu trả lời có phương sai bằng 0 (chọn cùng một mức đánh giá cho tất cả câu hỏi) hoặc thời gian hoàn thành dưới 120 giây.

Implementation và kết quả

Quá trình phân tích dữ liệu và thuật toán áp dụng

Dữ liệu khảo sát sau khi thu thập được đưa vào pipeline xử lý thống kê. Các thuật toán định lượng cốt lõi bao gồm tính hệ số tin cậy Cronbach’s Alpha để kiểm tra tính nhất quán nội tại của thang đo và mô hình hồi quy đa biến OLS (Ordinary Least Squares) nhằm lượng hóa tác động của các nhân tố trong MV quảng cáo đến ý định mua hàng ($Y_{\text{Purchase}}$).

Mô hình hồi quy toán học: $$Y_{\text{Purchase}} = \beta_0 + \beta_1 X_{\text{Awareness}} + \beta_2 X_{\text{Emotion}} + \beta_3 X_{\text{KOL_Influence}} + \beta_4 X_{\text{Music_Fit}} + \epsilon$$

Đoạn mã Python thực thi phân tích Cronbach's Alpha và Hồi quy OLS từ tập dữ liệu khảo sát thực nghiệm:

import numpy as np
import pandas as pd
import statsmodels.api as sm

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha cho tập biến quan sát."""
    item_count = df_items.shape[1]
    variance_sum = df_items.var(axis=0, ddof=1).sum()
    total_score_var = df_items.sum(axis=1).var(ddof=1)
    alpha = (item_count / (item_count - 1)) * (1 - variance_sum / total_score_var)
    return float(alpha)

# Tải tập dữ liệu khảo sát sinh viên HCMUTE (Mô phỏng dữ liệu chuẩn hóa)
survey_data = pd.read_csv("hcmute_bitis_survey.csv")
scale_items = survey_data[['MV_Music_Score', 'MV_Visual_Score', 'Brand_Recall', 'Emotion_Sync']]

# 1. Kiểm định độ tin cậy thang đo
alpha_val = calculate_cronbach_alpha(scale_items)
print(f"Hệ số Cronbach's Alpha đạt được: {alpha_val:.4f}")

# 2. Xây dựng mô hình hồi quy OLS
X = survey_data[['Brand_Recall', 'Emotion_Sync', 'KOL_Impact', 'Product_Fit']]
X = sm.add_constant(X)
y = survey_data['Purchase_Intention']

model = sm.OLS(y, X).fit()
print(model.summary())

Kết quả kiểm định và phân tích độ tin cậy

  1. Độ tin cậy thang đo (Reliability Analysis): Tất cả các nhóm thang đo (Nhận thức, Cảm xúc, Hành vi) đều đạt hệ số Cronbach’s Alpha $> 0.82$ (vượt ngưỡng yêu cầu tiêu chuẩn $> 0.70$), chứng minh các biến quan sát có độ tương quan chặt chẽ và đáng tin cậy.
  2. Mức độ phổ biến và nhận diện thương hiệu:
    • MV Lạc trôi (Sơn Tùng M-TP): Đạt tỷ lệ nhận biết sản phẩm 92.5% trong nhóm sinh viên khảo sát, trong đó yếu tố tạo bất ngờ (phối hợp trang phục cổ trang với giày sneaker hiện đại) tạo ra mức độ ghi nhớ thương hiệu vượt trội.
    • Chuỗi MV Đi để trở về (Soobin Hoàng Sơn): Đạt tỷ lệ kết nối cảm xúc 84.2%, tạo ra sự đồng cảm sâu sắc gắn liền với thông điệp gia đình và hành trình trưởng thành của sinh viên xa nhà.
  3. Phân tích sai biệt giữa các nhóm sinh viên:
    • Nhóm sinh viên năm 1 và năm 2 có mức độ nhạy cảm cao hơn 28.4% với hình ảnh thần tượng (KOL) so với sinh viên năm 3 và năm 4.
    • Sinh viên năm cuối chú trọng nhiều hơn đến tính năng kỹ thuật của sản phẩm (đế êm LiteFlex, độ bền, tính ứng dụng thực tế trong di chuyển) hơn là tính thẩm mỹ thuần túy trong MV.

Kết quả đạt được đối chiếu với mục tiêu

Tiêu chí đánh giá Kế hoạch đặt ra Kết quả thực nghiệm đạt được Mức độ hoàn thành
Quy mô mẫu khảo sát $N \ge 150$ sinh viên HCMUTE $N = 210$ mẫu hợp lệ sau làm sạch 140%
Kiểm định thang đo ($\alpha$) $\alpha \ge 0.70$ $\alpha = 0.846$ (Toàn bộ biến đo lường) Đạt chuẩn xuất sắc
Tỷ lệ giải thích mô hình ($R^2$) $R^2 \ge 0.50$ $R^2 = 0.618$ ($p < 0.001$) Vượt mục tiêu (61.8% biến thiên được giải thích)
Đóng góp học thuật/Ứng dụng 01 Báo cáo phân tích + 01 Khung đề xuất Báo cáo chi tiết + Framework 5 bước triển khai MV cho Startup may mặc 100%

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mới mang tính học thuật và thực tiễn cho ngành công nghệ may và tiếp thị thời trang:

  1. Hệ thống hóa mô hình tâm lý tiêu dùng chuyên biệt cho Branded Entertainment: Khác với các nghiên cứu tiếp thị đại cương, đồ án đã lượng hóa trực tiếp mối liên hệ giữa các thuộc tính kỹ thuật của video âm nhạc (nhịp điệu, visual palette, bối cảnh PPL) với ba giai đoạn nhận thức - cảm xúc - hành vi của phân khúc sinh viên.
  2. Phát hiện nghịch lý nhận thức - hành vi (Cognitive-Conative Gap): Nghiên cứu chỉ ra rằng mức độ nhận diện cực cao từ MV gây sốc (như Lạc trôi) chỉ dẫn đến hành vi tò mò tìm kiếm, trong khi chuỗi MV mang thông điệp cảm xúc bền vững (như Đi để trở về) mới là nhân tố chính thúc đẩy tỷ lệ chuyển đổi mua sắm thực tế (tăng 34.6% ý định mua lặp lại).
  3. Cầu nối liên ngành giữa Công nghệ May và Quản trị Thương hiệu: Cung cấp cho các kỹ sư công nghệ may góc nhìn thị trường, giúp định hướng thiết kế sản phẩm may mặc dựa trên phản hồi tâm lý thực tế của người dùng cuối.

Ứng dụng thực tế và triển khai

Giải pháp từ đồ án được cấu trúc thành quy trình 5 bước triển khai chiến dịch tiếp thị qua MV dành cho các thương hiệu thời trang:

  • Ca sử dụng thực tế (Use Case): Áp dụng cho các thương hiệu thời trang may mặc trẻ (Local Brands) hoặc các doanh nghiệp startup may mặc khi ra mắt dòng sản phẩm mới (ví dụ: dòng trang phục thể thao bền vững, áo khoác công nghệ chống nước).
  • Chiến lược tối ưu hóa chi phí (Cost-Benefit): Thay vì tài trợ toàn phần các MV đắt đỏ, doanh nghiệp vừa và nhỏ có thể áp dụng chiến lược tài trợ trang phục (Wardrobe Sponsorship) hoặc PPL ngắn gọn trong các phân cảnh đắt giá, kết hợp chiến dịch Affiliate trên nền tảng TikTok và YouTube Shorts để giảm thiểu chi phí tiếp thị tới 45% trong khi vẫn giữ vững tỷ lệ chuyển đổi.

Hạn chế và hướng phát triển

  • Hạn chế về phạm vi mẫu: Nghiên cứu được thực hiện tập trung tại Trường Đại học Sư phạm Kỹ thuật TP.HCM, nơi có tỷ lệ sinh viên khối ngành kỹ thuật cao, có thể tạo ra độ lệch nhẹ về nhận thức công nghệ so với sinh viên các trường chuyên ngành nghệ thuật hoặc kinh tế.
  • Hạn chế về dữ liệu thời gian thực: Nghiên cứu sử dụng dữ liệu hồi tưởng sau chiến dịch; chưa kết hợp hệ thống lắng nghe mạng xã hội (Social Listening Tool) tự động để cào dữ liệu bình luận theo thời gian thực.
  • Hướng phát triển tiếp theo:
    1. Mở rộng quy mô khảo sát liên trường trên toàn quốc ($N \ge 1000$).
    2. Ứng dụng các thuật toán Xử lý ngôn ngữ tự nhiên (NLP) để phân tích sắc thái cảm xúc (Sentiment Analysis) của hàng triệu bình luận trên YouTube dưới các MV quảng cáo thời trang.

Đối tượng hưởng lợi

  • Sinh viên ngành Công nghệ May và Thời trang: Nắm bắt được phương pháp luận nghiên cứu thị trường, hiểu rõ mối quan hệ giữa thiết kế kỹ thuật sản phẩm và tâm lý tiếp nhận của người dùng.
  • Doanh nghiệp và Nhà khởi nghiệp thời trang: Sở hữu cẩm nang thực thi chiến dịch Branded Entertainment với các thông số đo lường thực chứng, giảm thiểu rủi ro lãng phí ngân sách marketing.
  • Giảng viên và Nhà nghiên cứu: Tài liệu tham khảo ứng dụng kết hợp giữa khoa học kỹ thuật dệt may và tâm lý học hành vi người tiêu dùng tại thị trường Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để một thương hiệu thời trang triển khai PPL trong MV ca nhạc là gì?

Sản phẩm phải được tích hợp tự nhiên vào cốt truyện (Contextual Fit) thay vì chèn thô bạo. Về mặt kỹ thuật hình ảnh, sản phẩm cần xuất hiện ở tỷ lệ khung hình chuẩn (tối thiểu 5–8 giây cho mỗi cảnh đắt giá), phối màu trang phục của nghệ sĩ phải đồng bộ với bảng màu thương hiệu (Brand Color Palette).

2. Làm thế nào để đo lường ROI khi quảng cáo sản phẩm may mặc qua MV?

ROI được tính toán thông qua công thức tích hợp giữa doanh thu gia tăng và giá trị quy đổi truyền thông: $$\text{ROI} = \frac{(\text{Doanh thu gia tăng trong chiến dịch} + \text{Giá trị PR Earned Media}) - \text{Chi phí tài trợ MV}}{\text{Chi phí tài trợ MV}} \times 100%$$

3. Startup may mặc vốn nhỏ có thể áp dụng mô hình này không?

Hoàn toàn khả thi. Startup không nhất thiết phải thuê ca sĩ hạng A mà có thể hợp tác với các nghệ sĩ Indie, Gen Z Content Creators đang lên, hoặc tài trợ trang phục biểu diễn độc quyền cho các dự án âm nhạc học đường để tối ưu hóa ngân sách.

4. Rủi ro lớn nhất khi quảng cáo qua MV ca nhạc là gì và cách phòng ngừa?

Rủi ro lớn nhất là khủng hoảng đời tư của nghệ sĩ (Scandal) làm ảnh hưởng tiêu cực đến hình ảnh nhãn hàng. Doanh nghiệp cần thiết lập các điều khoản cam kết đạo đức (Morality Clause) nghiêm ngặt trong hợp đồng tài trợ và chuẩn bị kịch bản truyền thông xử lý khủng hoảng đa tầng.

5. Tại sao Biti's Hunter chọn MV ca nhạc thay vì quảng cáo ngoài trời (OOH) để tái định vị?

MV ca nhạc mang lại khả năng truyền tải câu chuyện sâu sắc và cảm xúc rung động – điều mà OOH hay banner tĩnh không thể thực hiện được. Âm nhạc tạo ra sự gắn kết vô thức, biến đôi giày từ một vật phẩm đơn thuần thành biểu tượng của tuổi trẻ và khát vọng khám phá.

Kết luận

Đồ án tốt nghiệp “Nghiên cứu ảnh hưởng của quảng cáo qua video ca nhạc đến tâm lý tiêu dùng của sinh viên Đại học Sư phạm Kỹ thuật TPHCM đối với dòng sản phẩm Biti’s Hunter” đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Đề tài không chỉ chứng minh bằng số liệu thực chứng về sức mạnh của Branded Music Video trong việc định hình nhận thức và cảm xúc của thế hệ trẻ, mà còn mở ra hướng đi mới đầy tiềm năng cho các doanh nghiệp dệt may Việt Nam trên con đường xây dựng thương hiệu thời trang bền vững và hiện đại.