Giới thiệu dự án
Theo thống kê của Ngân hàng Nhà nước Việt Nam (SBV), xu hướng thanh toán không dùng tiền mặt tăng trưởng vượt bậc với tỷ lệ giao dịch qua kênh số đạt trên 50% tổng lượng giao dịch bán lẻ. Tuy nhiên, tỷ lệ thâm nhập thẻ tín dụng (credit card penetration rate) tại các đô thị loại một ngoài Hà Nội và TP. Hồ Chí Minh, điển hình như TP. Đà Nẵng, vẫn đối mặt với rào cản tâm lý tiêu dùng tiền mặt, e ngại về chi phí phát sinh và nhận thức rủi ro an ninh thông tin. Đề tài "Nghiên cứu các nhân tố ảnh hưởng đến quyết định sử dụng thẻ tín dụng của khách hàng cá nhân tại Ngân hàng TMCP Sài Gòn Thương Tín (Sacombank) – Chi nhánh Sông Hàn" giải quyết bài toán cốt lõi trong việc định lượng các động lực và rào cản hành vi của khách hàng, tạo cơ sở thực nghiệm cho chiến lược chuyển đổi số bán lẻ ngân hàng.
Problem statement của nghiên cứu tập trung vào ba điểm nghẽn (pain points) chính:
- Tỷ lệ kích hoạt và duy trì thẻ thấp: Khoảng cách lớn giữa tỷ lệ sở hữu thẻ danh nghĩa và tỷ lệ phát sinh giao dịch thực tế hàng tháng.
- Rào cản chi phí và nhận thức rủi ro: Khách hàng cá nhân thường e ngại các loại phí tiềm ẩn (phí thường niên, lãi suất quá hạn, phí rút tiền mặt lên đến 4%) và lo ngại lỗ hổng bảo mật thông tin thẻ.
- Sự phân hóa nhân khẩu học: Hiệu quả tiếp cận sản phẩm thẻ tín dụng chưa đồng đều giữa các nhóm tuổi, trình độ học vấn và mức thu nhập tại địa bàn TP. Đà Nẵng.
Mục tiêu nghiên cứu được xác định cụ thể:
- Hệ thống hóa cơ sở lý luận về hành vi chấp nhận dịch vụ tài chính cá nhân dựa trên sự tích hợp các mô hình hành vi hiện đại.
- Xây dựng và kiểm định thang đo định lượng các nhân tố tác động đến quyết định sử dụng thẻ tín dụng tại Sacombank Chi nhánh Sông Hàn.
- Ước lượng mức độ tác động tương đối ($\beta$) của từng nhân tố và kiểm định sự khác biệt có ý nghĩa thống kê giữa các nhóm nhân khẩu học.
- Đề xuất hệ thống giải pháp quản trị bán lẻ và chính sách sản phẩm nhằm nâng cao thị phần phát hành thẻ và mức độ gắn kết của khách hàng.
Nghiên cứu tiếp cận bằng phương pháp kết hợp mô hình tích hợp chấp nhận công nghệ và thuyết hành vi hoạch định (C-TAM-TPB), bổ sung hai biến số tài chính đặc thù: Độ tin cậy của khách hàng (Trust - TC) và Chi phí liên quan (Perceived Cost - CP). Phương pháp này khắc phục nhược điểm của mô hình TPB truyền thống (vốn bỏ qua tính năng kỹ thuật công nghệ) và mô hình TAM (bỏ qua áp lực xã hội và kiểm soát nguồn lực).
Phạm vi nghiên cứu không gian tập trung vào khách hàng cá nhân tại TP. Đà Nẵng giao dịch với Sacombank Chi nhánh Sông Hàn; phạm vi thời gian thu thập dữ liệu sơ cấp thực hiện trong quý 1/2023 với dữ liệu thứ cấp giai đoạn 2020 – 2022. Giới hạn nghiên cứu bao gồm phương pháp chọn mẫu thuận tiện và tính đặc thù của thị trường tiêu dùng miền Trung.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Tại thị trường bán lẻ Đà Nẵng, các ngân hàng thương mại cổ phần (NHTM) cạnh tranh gay gắt về danh mục thẻ quốc tế (Visa, Mastercard, JCB, UnionPay). Việc phân tích các giải pháp nghiên cứu và mô hình hóa hành vi trước đây cho thấy các ưu/nhược điểm rõ rệt:
| Giải pháp / Mô hình |
Ưu điểm |
Hạn chế |
Điểm cải tiến của đề tài |
| TPB thuần túy (Ajzen, 1991) |
Đo lường tốt chuẩn chủ quan và nhận thức kiểm soát |
Thiếu biến số về trải nghiệm công nghệ số và tiện ích thực tế |
Bổ sung biến Nhận thức hữu ích (TAM) |
| TAM thuần túy (Davis, 1989) |
Đo lường chính xác tính hữu ích và dễ sử dụng |
Không giải thích được áp lực từ người thân/xã hội và rào cản tài chính |
Tích hợp thêm Chuẩn chủ quan và Chi phí |
| Mô hình nghiên cứu thực tiễn |
Đưa nhiều biến đơn lẻ (chính sách, bảo mật, tiện ích) |
Dễ bị đa cộng tuyến, thiếu tính chặt chẽ về mặt cấu trúc lý thuyết |
Tinh gọn 5 nhóm biến chuẩn hóa C-TAM-TPB |
Phân tích yêu cầu bài toán quản trị dịch vụ thẻ theo ma trận MoSCoW:
- Must-have (Bắt buộc): Xác thực độ tin cậy thang đo (Cronbach's Alpha $\ge 0.70$), phân tích nhân tố khám phá (EFA với KMO $\ge 0.50$, Total Variance Explained $> 50%$), phương trình hồi quy OLS không vi phạm đa cộng tuyến (VIF $< 2$).
- Should-have (Cần có): Kiểm định ANOVA và kiểm định sau ANOVA (Welch test/Post-hoc) đối với các nhóm biến định danh (nhóm tuổi, thu nhập, thời gian dùng).
- Could-have (Nên có): Tích hợp phân tích bảng cân đối kế toán và báo cáo kết quả hoạt động kinh doanh Sacombank Sông Hàn giai đoạn 2020 – 2022 để đối chiếu thực tế.
- Won't-have (Không thực hiện): Không xây dựng mô hình học máy (Machine Learning) dự đoán rủi ro nợ xấu tự động trong phạm vi khóa luận tốt nghiệp này.
Thiết kế hệ thống và công cụ phân tích
Hệ thống xử lý và phân tích dữ liệu thực nghiệm được thiết kế theo tiêu chuẩn định lượng thống kê đa biến:
- Công cụ thống kê chính: IBM SPSS Statistics version 26.0 (64-bit Edition), tương thích bộ thư viện phân tích tương đương trên Python (
statsmodels v0.14.0, factor_analyzer v0.5.0, scikit-learn v1.3.0).
- Khung thang đo: Thang đo Likert 5 mức độ (1 = Hoàn toàn không đồng ý, 5 = Hoàn toàn đồng ý) được chuẩn hóa từ các công trình quốc tế và trong nước.
- Tiêu chuẩn xử lý dữ liệu:
- Làm sạch dữ liệu: Loại bỏ missing values, kiểm tra outliers bằng Mahalanobis distance.
- Phân tích tương quan: Ma trận Pearson Correlation Matrix để sàng lọc hiện tượng tương quan đơn trước khi chạy hồi quy.
- Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai (Variance Inflation Factor - VIF) và Tolerance.
Methodology
Phương pháp nghiên cứu tuân thủ quy trình hỗn hợp (Mixed-Methods):
- Giai đoạn định tính: Phỏng vấn sâu 05 chuyên gia tín dụng bán lẻ tại Sacombank và thảo luận nhóm 10 khách hàng mục tiêu để hiệu chỉnh nội dung các biến quan sát, đảm bảo tính giá trị nội dung (Content Validity).
- Giai đoạn định lượng sơ bộ: Khảo sát thử nghiệm mẫu nhỏ ($N = 30$) để kiểm tra độ nhạy và tính rõ ràng của từ ngữ trong bảng hỏi.
- Giai đoạn định lượng chính thức: Phát bảng hỏi cấu trúc trực tiếp và trực tuyến, thu về mẫu hợp lệ $N > 300$, đáp ứng quy tắc kinh nghiệm của Bollen (1989) và Hair et al. (2014) với tỷ lệ tối thiểu 5 mẫu cho 1 biến quan sát ($5 \times 27 = 135$).
Quy trình nghiên cứu định lượng (Timeline & Milestones):
Tuần 1-2: Tổng quan tài liệu, thiết kế mô hình C-TAM-TPB
Tuần 3-4: Nghiên cứu định tính, hiệu chỉnh thang đo Likert
Tuần 5-7: Thu thập dữ liệu thực địa tại Sacombank Sông Hàn (N=302)
Tuần 8-9: Xử lý SPSS v26 (Cronbach's Alpha, EFA, OLS Regression, ANOVA)
Tuần 10-12: Thảo luận kết quả, xây dựng hàm ý quản trị và giải pháp
Implementation và kết quả
Development process & Statistical Algorithms
Mô hình hồi quy tuyến tính bội được triển khai dưới dạng toán học tổng quát:
$$QD = \beta_0 + \beta_1 TC + \beta_2 SN + \beta_3 PU + \beta_4 PBC + \beta_5 CP + \epsilon$$
Trong đó:
- $QD$: Biến phụ thuộc - Quyết định sử dụng thẻ tín dụng.
- $TC, SN, PU, PBC, CP$: Các biến độc lập đại diện cho Độ tin cậy, Chuẩn chủ quan, Nhận thức hữu ích, Nhận thức kiểm soát, và Chi phí liên quan.
- $\beta_i$: Các hệ số hồi quy riêng phần (chưa chuẩn hóa và chuẩn hóa).
- $\epsilon$: Sai số ngẫu nhiên của mô hình ($E(\epsilon) = 0, \text{Var}(\epsilon) = \sigma^2$).
Thuật toán tính hệ số tin cậy nội tại Cronbach's Alpha:
$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2} \right)$$
Đoạn mã Python thực thi quy trình phân tích định lượng tương đương SPSS syntax:
import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity
# 1. Load dataset khảo sát khách hàng Sacombank
df = pd.read_csv("sacombank_credit_card_survey.csv")
features = ['TC_mean', 'SN_mean', 'PU_mean', 'PBC_mean', 'CP_mean']
target = 'QD_mean'
# 2. Kiểm định KMO và Bartlett Test cho EFA
kmo_all, kmo_model = calculate_kmo(df[features])
chi_square_value, p_value = calculate_bartlett_sphericity(df[features])
print(f"KMO Measure: {kmo_model:.3f} | Bartlett p-value: {p_value:.5f}")
# 3. Phân tích nhân tố khám phá EFA (Principal Component Analysis with Varimax)
fa = FactorAnalyzer(n_factors=5, rotation="varimax", method="principal")
fa.fit(df[features])
print("Factor Loadings:\n", pd.DataFrame(fa.loadings_, index=features))
# 4. Ước lượng Hồi quy tuyến tính OLS (Ordinary Least Squares)
X = sm.add_constant(df[features])
y = df[target]
ols_model = sm.OLS(y, X).fit()
# In kết quả tóm tắt hồi quy OLS
print(ols_model.summary())
Testing và validation
Kết quả phân tích thống kê định lượng trên tập mẫu dữ liệu khảo sát chính thức ($N = 302$ mẫu hợp lệ) cho thấy mô hình đạt độ tương thích cao với các tiêu chuẩn kiểm định học thuật:
- Kiểm định độ tin cậy Cronbach's Alpha: Tất cả các thang đo thành phần đều có hệ số $\alpha \ge 0.768$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều $> 0.30$, không có biến quan sát nào bị loại.
- Kiểm định EFA:
- Hệ số KMO (Kaiser-Meyer-Olkin) đạt $0.842 > 0.50$, khẳng định quy mô mẫu hoàn toàn thích hợp cho phân tích nhân tố.
- Kiểm định Bartlett's Test of Sphericity có giá trị thống kê $\chi^2 = 1845.26$ với $p\text{-value} = 0.000 < 0.05$, chứng minh các biến quan sát có tương quan tuyến tính với nhau.
- Tổng phương sai trích (Total Variance Explained) đạt $63.85% > 50%$, với 5 nhân tố rút trích có Eigenvalue $> 1.15$.
- Ma trận xoay nhân tố (Rotated Component Matrix) cho thấy tất cả các trọng số nhân tố (Factor Loadings) đều đạt giá trị từ $0.584$ đến $0.841 > 0.50$.
+-----------------------------------------------------------------------------------+
| MODEL FIT METRICS SUMMARY (SPSS v26 / Python OLS) |
+-----------------------------------------------------------------------------------+
| R = 0.742 | R-Square = 0.551 | Adjusted R-Square = 0.543 | Std. Error = 0.412 |
| ANOVA: F-statistic = 72.584, Sig. = 0.000 (Mô hình hồi quy có ý nghĩa thống kê) |
| Durbin-Watson = 1.912 (Không có hiện tượng tự tương quan bậc nhất) |
+-----------------------------------------------------------------------------------+
Kết quả đạt được
Bảng kết quả hồi quy bội ước lượng tác động của các nhân tố đến quyết định sử dụng thẻ tín dụng:
| Biến độc lập |
Ký hiệu |
Hệ số $\beta$ chuẩn hóa |
$t$-statistic |
$p$-value (Sig.) |
VIF |
Kết luận giả thuyết |
| Nhận thức hữu ích |
PU |
$+0.362$ |
$6.842$ |
$0.000$ |
$1.241$ |
Chấp nhận H3 (+) |
| Độ tin cậy của KH |
TC |
$+0.248$ |
$4.915$ |
$0.000$ |
$1.185$ |
Chấp nhận H1 (+) |
| Chuẩn chủ quan |
SN |
$+0.194$ |
$3.821$ |
$0.000$ |
$1.152$ |
Chấp nhận H2 (+) |
| Nhận thức kiểm soát |
PBC |
$+0.158$ |
$3.112$ |
$0.002$ |
$1.210$ |
Chấp nhận H4 (+) |
| Chi phí liên quan |
CP |
$-0.185$ |
$-3.745$ |
$0.000$ |
$1.094$ |
Chấp nhận H5 (-) |
Kiểm định ANOVA và Welch Test về sự khác biệt nhân khẩu học:
- Nhóm tuổi: Có sự khác biệt có ý nghĩa thống kê ($p = 0.001 < 0.05$). Nhóm khách hàng trẻ từ 22 – 35 tuổi có xu hướng chấp nhận thẻ tín dụng cao hơn đáng kể nhờ sự am hiểu công nghệ.
- Thu nhập hàng tháng: Khách hàng có thu nhập trên 15 triệu VNĐ/tháng có điểm trung bình quyết định sử dụng ($\bar{X} = 4.12$) cao hơn nhóm thu nhập dưới 8 triệu VNĐ ($\bar{X} = 3.05$) với $p = 0.000$.
- Trình độ học vấn: Nhóm có trình độ Đại học/Sau đại học có mức độ nhận thức rủi ro thấp hơn và đánh giá cao tính hữu ích của thẻ tín dụng.
Đổi mới và đóng góp
Nghiên cứu mang lại các đóng góp học thuật và thực tiễn mang tính hệ thống so với các công trình trước đây tại thị trường tài chính Việt Nam:
So sánh đối sánh với các công trình nghiên cứu tiền nhiệm
| Tiêu chí so sánh |
Nghiên cứu Vương Đức Hoàng Quân & Trịnh Hoàng Nam (2017) |
Nghiên cứu Phan Thị Diễm Nhật (2021) |
Đề tài Sacombank Chi nhánh Sông Hàn (2023) |
| Phạm vi & Đối tượng |
Khách hàng nhận lương qua tài khoản toàn quốc |
Khách hàng Vietcombank Đông Đồng Nai |
Khách hàng cá nhân Sacombank TP. Đà Nẵng |
| Mô hình lý thuyết |
TPB + TAM (4 nhân tố) |
Mô hình mở rộng TMĐT (4 nhân tố) |
Tích hợp C-TAM-TPB + Chi phí + Độ tin cậy (5 nhân tố) |
| Hệ số xác định ($R^2$) |
$48.2%$ |
$51.6%$ |
$\mathbf{55.1%}$ |
| Đặc thù biến chi phí |
Không phân tách độc lập |
Gộp chung vào chính sách ngân hàng |
Phân tích độc lập biến Chi phí ($\beta = -0.185$) |
| Kiểm định nhân khẩu |
Thống kê mô tả cơ bản |
Kiểm định One-Way ANOVA |
Kiểm định phương sai đồng nhất Levene + Welch Test |
Đóng góp thực tiễn cho ngành Ngân hàng bán lẻ
- Về mặt kỹ thuật định lượng: Chuẩn hóa bộ thang đo 27 biến quan sát phản ánh đúng bối cảnh hành vi tiêu dùng thanh toán không dùng tiền mặt trong kỷ nguyên số.
- Về mặt quản trị: Chứng minh rằng Nhận thức hữu ích ($\beta = 0.362$) và Độ tin cậy ($\beta = 0.248$) là hai đòn bẩy then chốt thúc đẩy người dùng mở và duy trì thẻ tín dụng, trong khi Chi phí liên quan ($\beta = -0.185$) đóng vai trò rào cản cản trở cần được hóa giải qua cấu trúc sản phẩm linh hoạt.
Ứng dụng thực tế và triển khai
Dựa trên kết quả định lượng thực nghiệm, ngân hàng Sacombank Chi nhánh Sông Hàn có thể triển khai hệ thống giải pháp 4 trụ cột nhằm tối ưu hóa danh mục thẻ tín dụng:
Kịch bản ứng dụng thực tế (Real-world Use Cases)
- Use Case 1 - Onboarding tự động nhóm khách hàng trẻ (Gen Z & Millennials): Tích hợp quy trình eKYC trên ứng dụng Sacombank Pay, phê duyệt hạn mức tín dụng tức thì dựa trên luồng tiền luân chuyển tài khoản mà không yêu cầu hồ sơ chứng minh thu nhập phức tạp, tăng nhận thức kiểm soát ($PBC$).
- Use Case 2 - Tối ưu hóa chính sách phí (Fee Restructuring): Áp dụng chương trình hoàn phí thường niên trọn đời khi đạt doanh số chi tiêu tối thiểu 3 triệu VNĐ trong 30 ngày đầu tiên; miễn lãi lên đến 55 ngày cho tất cả các dòng thẻ Classic, Platinum và Signature nhằm giảm thiểu rào cản chi phí ($CP$).
- Use Case 3 - Bảo vệ giao dịch số chủ động (Active Security Management): Triển khai tính năng khóa/mở thẻ tức thì, bật/tắt thanh toán trực tuyến quốc tế và tạo thẻ ảo một lần (Virtual Card) ngay trên ứng dụng di động để củng cố độ tin cậy ($TC$).
Phân tích chi phí - lợi ích (Cost-Benefit Analysis) & Lộ trình thực hiện
Lộ trình triển khai chiến lược phát triển thẻ tín dụng (12 tháng):
[Q1] Tái cấu trúc gói phí thường niên & chuẩn hóa tài liệu tư vấn minh bạch
[Q2] Nâng cấp tính năng quản lý chi tiêu cá nhân trên Sacombank Pay
[Q3] Triển khai chiến dịch truyền thông "Trải nghiệm không tiền mặt" tại Đà Nẵng
[Q4] Đánh giá hiệu quả, đo lường tỷ lệ churn rate và tăng trưởng doanh số thẻ
Dự phóng hiệu quả tài chính:
- Tăng trưởng số lượng thẻ phát hành: Dự kiến tăng $25 - 30%$ số lượng thẻ kích hoạt mới hàng năm tại địa bàn TP. Đà Nẵng.
- Tối ưu doanh thu phí ngoài lãi (Non-interest income): Doanh thu từ phí chiết khấu thanh toán ĐVCNT (interchange fee ~ 1.5 - 2%) và phí giao dịch quốc tế bù đắp hoàn toàn chi phí khuyến mãi ban đầu trong vòng 18 tháng (ROI ước tính đạt $145%$).
Hạn chế và hướng phát triển
Nghiên cứu thừa nhận một số giới hạn phương pháp luận và đề xuất định hướng mở rộng:
- Phương pháp chọn mẫu thuận tiện: Mẫu khảo sát tập trung tại TP. Đà Nẵng nên tính đại diện chưa bao quát toàn bộ thị trường miền Trung hoặc vùng nông thôn.
- Biến thiên tâm lý theo chu kỳ kinh tế: Nghiên cứu thực hiện trong bối cảnh lạm phát và lãi suất có sự biến động sau đại dịch, có thể ảnh hưởng đến mức độ nhạy cảm chi phí của người tiêu dùng.
- Hướng nghiên cứu tiếp theo:
- Áp dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để kiểm tra các mối quan hệ trung gian (mediating effects) và điều tiết (moderating effects) phức tạp hơn.
- Ứng dụng các thuật toán phân loại học máy như Random Forest hoặc XGBoost trên tập dữ liệu lớn (Big Data) giao dịch thẻ ngân hàng thực tế để dự đoán hành vi rời bỏ (churn prediction) và chấm điểm tín dụng hành vi (behavioral credit scoring).
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học: Tiếp cận khung phương pháp luận nghiên cứu định lượng chuẩn mực, cách kết hợp mô hình C-TAM-TPB và quy trình xử lý dữ liệu SPSS/Python từ A đến Z.
- Chuyên viên phân tích dữ liệu & Nhà phát triển Fintech: Hiểu rõ các biến số tâm lý người dùng để thiết kế trải nghiệm sản phẩm số (UX/UI) và hệ thống scoring phê duyệt hạn mức thẻ tự động.
- Ngân hàng thương mại (Sacombank & NHTM khác): Ứng dụng trực tiếp hệ thống giải pháp chính sách phí, chiến lược truyền thông xã hội và quản trị an toàn thông tin để gia tăng thị phần thẻ bán lẻ.
- Nhà nghiên cứu kinh tế & xã hội học: Nguồn trích dẫn thực nghiệm đáng tin cậy về hành vi tài chính tiêu dùng tại khu vực kinh tế trọng điểm miền Trung Việt Nam.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và công cụ cần thiết để tái lập nghiên cứu này là gì?
Cần máy tính cá nhân cấu hình tối thiểu 4GB RAM, cài đặt phần mềm IBM SPSS Statistics version 22.0 trở lên (hoặc môi trường Python 3.9+ với các thư viện pandas, statsmodels, factor_analyzer, seaborn). Dữ liệu đầu vào cần được mã hóa dưới dạng file .sav hoặc .csv.
2. Làm thế nào để giải quyết hiện tượng đa cộng tuyến trong mô hình hồi quy thẻ tín dụng?
Trong nghiên cứu này, hiện tượng đa cộng tuyến được kiểm soát bằng cách kiểm tra ma trận hệ số tương quan Pearson trước khi chạy OLS và theo dõi chỉ số VIF trong bảng kết quả hồi quy. Toàn bộ các biến độc lập đều có hệ số VIF dao động từ $1.094$ đến $1.241$ (nhỏ hơn nhiều so với ngưỡng cảnh báo $2.0$), khẳng định không có hiện tượng đa cộng tuyến vi phạm giả định OLS.
3. Mô hình C-TAM-TPB có thể áp dụng cho các sản phẩm Fintech khác không?
Hoàn toàn có thể. Mô hình C-TAM-TPB với việc bổ sung các biến đặc thù (Độ tin cậy, Chi phí, Rủi ro cảm nhận) là khung phân tích chuẩn mực có thể áp dụng hiệu quả cho các dịch vụ: Ví điện tử (e-Wallets), Mua trước trả sau (BNPL - Buy Now Pay Later), Ngân hàng số thuần túy (Neobanks) và Ứng dụng đầu tư chứng khoán vi mô.
4. Chi phí duy trì và cập nhật nghiên cứu định lượng định kỳ là bao nhiêu?
Chi phí nghiên cứu định kỳ chủ yếu bao gồm chi phí thu thập mẫu khảo sát (trực tiếp và online survey sampling) và nhân sự phân tích dữ liệu, ước tính khoảng 15 - 30 triệu VNĐ cho mỗi đợt khảo sát quy mô $N = 500$ mẫu định kỳ 6 tháng/lần tại ngân hàng.
5. Điểm khác biệt lớn nhất giữa thẻ tín dụng Sacombank so với các đối thủ tại Đà Nẵng là gì?
Sacombank sở hữu lợi thế lớn về thời gian miễn lãi tối đa lên đến 55 ngày (so với 45 ngày của phần lớn ngân hàng khác), mạng lưới POS phủ rộng và ứng dụng Sacombank Pay tích hợp đa tiện ích. Tuy nhiên, rào cản chính là mức độ nhận biết của người dùng về chính sách tích điểm đổi quà và bảo mật chip EMV không tiếp xúc (Contactless) cần được đẩy mạnh truyền thông hơn nữa.
Kết luận
Khóa luận tốt nghiệp của tác giả Thân Minh Nhật đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra, chứng minh tính chặt chẽ về mặt học thuật và giá trị ứng dụng thực tiễn cao cho ngành ngân hàng bán lẻ:
- Thành tựu định lượng: Xác thực thành công mô hình tích hợp C-TAM-TPB giải thích được $55.1%$ sự biến thiên trong quyết định sử dụng thẻ tín dụng của khách hàng cá nhân tại Sacombank Chi nhánh Sông Hàn.
- Thứ tự tác động thực nghiệm: Xác định rõ mức độ ưu tiên ảnh hưởng: Nhận thức hữu ích ($\beta = 0.362$) > Độ tin cậy ($\beta = 0.248$) > Chuẩn chủ quan ($\beta = 0.194$) > Chi phí liên quan ($\beta = -0.185$) > Nhận thức kiểm soát ($\beta = 0.158$).
- Giá trị quản trị kinh doanh: Cung cấp cơ sở thực nghiệm vững chắc để Ban Giám đốc Sacombank Sông Hàn tối ưu hóa chính sách phí thường niên, nâng cấp trải nghiệm quản lý thẻ trên Sacombank Pay và cá nhân hóa chiến dịch tiếp thị theo từng phân khúc nhân khẩu học tại TP. Đà Nẵng.
Đề tài là tài liệu tham khảo giá trị cho các sinh viên, chuyên viên phân tích tài chính và nhà quản trị ngân hàng trong hành trình thúc đẩy thanh toán không dùng tiền mặt và số hóa dịch vụ tài chính cá nhân tại Việt Nam.