Giới thiệu dự án

Thị trường bia Việt Nam ghi nhận tốc độ tăng trưởng vượt bậc trong hơn một thập kỷ qua, với sản lượng tiêu thụ chiếm tới 95% tổng sản lượng đồ uống có cồn toàn quốc và vượt mốc 4,5 tỷ lít/năm (dẫn đầu khối ASEAN). Thành phố Hồ Chí Minh (TP.HCM) đóng vai trò là đầu tàu kinh tế và trung tâm tiêu thụ bia sôi động nhất cả nước nhờ quy mô dân số lớn, thu nhập bình quân đầu người cao và cơ cấu nhân khẩu học trẻ. Tuy nhiên, sự cạnh tranh gay gắt giữa các tập đoàn đa quốc gia (Heineken, Carlsberg, Sapporo, AB InBev) và doanh nghiệp nội địa (SABECO, HABECO) đặt ra bài toán phức tạp về tối ưu hóa nguồn lực tiếp thị và dự báo hành vi người dùng.

flowchart LR
    A[Bối cảnh thị trường TP.HCM] --> B[Khoảng trống nhận thức hành vi]
    B --> C[Mô hình định lượng 5 nhân tố]
    C --> D[Phân tích SPSS & Hồi quy OLS]
    D --> E[Chiến lược Marketing 4P tối ưu]

Vấn đề nghiên cứu thực tiễn

Các doanh nghiệp ngành đồ uống (FMCG - Fast Moving Consumer Goods) đối mặt với 3 điểm nghẽn (pain points) lớn:

  • Phân bổ ngân sách Marketing thiếu trọng tâm: Chi tiêu lớn cho chiêu thị và quảng cáo nhưng không định lượng được hệ số tác động biên tới quyết định mua thực tế.
  • Biến động trong cảm nhận giá và chất lượng: Người tiêu dùng đô thị ngày càng quan tâm đến nồng độ cồn an toàn, nguồn gốc tự nhiên và thiết kế bao bì hiện đại thay vì chỉ chú trọng vào yếu tố giá rẻ.
  • Độ phủ kênh phân phối: Tắc nghẽn trong việc tối ưu hóa mạng lưới điểm bán lẻ (On-premise và Off-premise) tại các đô thị đặc thù.

Mục tiêu của dự án

  1. Hệ thống hóa: Xác định và lượng hóa 05 nhóm nhân tố ảnh hưởng đến ý định mua sản phẩm bia của khách hàng tại TP.HCM.
  2. Kiểm định mô hình: Đo lường độ tin cậy của thang đo (Cronbach’s Alpha $\ge 0.70$) và kiểm định cấu trúc nhân tố khám phá (EFA với Eigenvalue $\ge 1.0$, Tổng phương sai trích $\ge 50%$).
  3. Mô hình hóa hồi quy: Xây dựng phương trình hồi quy tuyến tính bội OLS để xác định mức độ tác động chuẩn hóa ($\beta$) của từng biến độc lập.
  4. Phân tích khác biệt: Kiểm định sự khác biệt có ý nghĩa thống kê về ý định mua giữa các nhóm nhân khẩu học qua kiểm định Independent Samples T-test và One-way ANOVA ($p\text{-value} < 0.05$).
  5. Đề xuất hàm ý: Chuyển hóa kết quả kinh tế lượng thành hệ thống giải pháp quản trị doanh nghiệp ứng dụng thực tế.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp: Kết hợp quy trình nghiên cứu hỗn hợp (Mixed-method Research Design): Nghiên cứu định tính hiệu chỉnh thang đo ($N = 10$) kết hợp nghiên cứu định lượng sơ bộ ($N = 50$) và chính thức ($N = 300$).
  • Chỉ số đo lường: Hệ số $R^2$ hiệu chỉnh đạt từ $50% - 65%$, hệ số phóng đại phương sai $\text{VIF} < 2.0$ (loại trừ hiện tượng đa cộng tuyến).
  • Phạm vi & Giới hạn: Tập trung vào người tiêu dùng cá nhân tại TP.HCM trong giai đoạn thu thập dữ liệu Quý III-IV/2022; sử dụng phương pháp chọn mẫu phi xác suất thuận tiện.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và đối sánh giải pháp

Tiêu chí đối sánh Mô hình Sweeney & Soutar (2001) Mô hình Hoàng Văn Thành (2018) Mô hình đề xuất (Cường, 2022)
Cơ sở lý thuyết Thuyết Giá trị tiêu dùng (PERVAL) Thuyết Hành vi có kế hoạch (TPB) Kết hợp TPB, 4P Mix & Brand Equity
Biến quan sát 19 biến (Chất lượng, Cảm xúc, Xã hội, Giá) 6 biến (Thái độ, Chuẩn chủ quan, Phân phối...) 28 biến (CL: 6, GC: 5, CT: 4, TH: 4, PP: 4, YD: 5)
Phạm vi địa lý Quốc tế (Thị trường chung) Thị trường Hà Nội Thị trường đô thị trọng điểm TP.HCM
Ưu điểm Đánh giá sâu giá trị cảm nhận Đo lường tốt chuẩn chủ quan Tối ưu hóa sâu cho ngành FMCG đô thị
Nhược điểm Thiếu biến Mật độ phân phối (Place) Bỏ qua biến Nhận diện thương hiệu Cần mở rộng mẫu liên vùng trong tương lai

Yêu cầu hệ thống đo lường (MoSCoW)

  • Must-have: Thang đo Likert 5 bậc; kiểm định độ tin cậy Cronbach's Alpha; phân tích EFA trích xuất Varimax; hồi quy tuyến tính OLS.
  • Should-have: Kiểm định sâu ANOVA phân tích sự khác biệt theo độ tuổi, giới tính, mức thu nhập hàng tháng.
  • Could-have: Tự động hóa pipeline tiền xử lý và trực quan hóa dữ liệu qua Python/R.
  • Won't-have: Mô hình cấu trúc tuyến tính SEM-PLS phức hợp (giữ nguyên phạm vi xử lý SPSS 20.0 chuẩn mực cho bậc cử nhân).

Thiết kế hệ sinh thái công nghệ xử lý dữ liệu

Kiến trúc từ điển dữ liệu (Data Dictionary Schema)

[Mô hình đo lường 6 cấu trúc (Constructs)]

Implementation và kết quả

Quy trình phân tích dữ liệu (Analytics Pipeline)

Quy trình xử lý dữ liệu trải qua 4 giai đoạn nghiêm ngặt:

  1. Lọc dữ liệu: Loại bỏ quan sát ngoại lai (outliers), mã hóa thang đo Likert sang số nguyên $[1, 5]$.
  2. Kiểm tra đơn biến: Đánh giá phân phối chuẩn qua Skewness/Kurtosis, kiểm định Item-Total Correlation.
  3. Phân tích EFA: Sử dụng phương pháp Principal Axis Factoring / Principal Components với phép xoay vuông góc Varimax.
  4. Xây dựng mô hình OLS: Ước lượng hệ số hồi quy, kiểm định đa cộng tuyến qua hệ số Tolerance và VIF.
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. Pipeline kiểm định KMO và Bartlett's Sphericity
def validate_efa_suitability(df_items):
    chi_square, p_value = calculate_bartlett_sphericity(df_items)
    kmo_all, kmo_model = calculate_kmo(df_items)
    print(f"[Bartlett's Test] Chi-Square: {chi_square:.3f}, p-value: {p_value:.5f}")
    print(f"[KMO Measure of Sampling Adequacy]: {kmo_model:.3f}")
    return kmo_model >= 0.5 and p_value < 0.05

# 2. Pipeline ước lượng mô hình hồi quy tuyến tính OLS đa biến
def fit_ols_regression(X, y):
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    print(model.summary())
    return model

Cú pháp lệnh SPSS tương đương thực thi trong đề tài:

* Kiem dinh do tin cay thang do Cronbach Alpha cho nhan to Chat Luong (CL).
RELIABILITY
  /VARIABLES=CL1 CL2 CL3 CL4 CL5 CL6
  /SCALE('Chat Luong') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

* Phan tich nhan to kham pha EFA voi phep xoay Varimax.
FACTOR
  /VARIABLES CL1 CL2 CL3 CL4 CL5 CL6 GC1 GC2 GC3 GC4 GC5 CT1 CT2 CT3 CT4 TH1 TH2 TH3 TH4 PP1 PP2 PP3 PP4
  /MISSING LISTWISE 
  /ANALYSIS CL1 CL2 CL3 CL4 CL5 CL6 GC1 GC2 GC3 GC4 GC5 CT1 CT2 CT3 CT4 TH1 TH2 TH3 TH4 PP1 PP2 PP3 PP4
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

* Phan tich hoi quy tuyen tinh boi OLS.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /DEPENDENT YD
  /METHOD=ENTER CL GC CT TH PP.

Kết quả kiểm định thống kê và Benchmarks thực nghiệm

[MÔ HÌNH HỒI QUY TỔNG QUÁT ĐÃ HIỆU CHỈNH]
YD = β0 + β1*CL + β2*TH + β3*PP + β4*CT + β5*GC + e

Kết quả chuẩn hóa thực nghiệm (Normalized Regression Equation):
YD = 0.324*CL + 0.286*TH + 0.198*PP + 0.142*CT + 0.095*GC
pie title Tỷ trọng tác động tương đối của các nhân tố đến Ý định mua (YD)
    "Chất lượng (CL)" : 31
    "Thương hiệu (TH)" : 27
    "Mật độ phân phối (PP)" : 19
    "Chiêu thị (CT)" : 14
    "Giá cả (GC)" : 9
  • Chất lượng thang đo (Cronbach's Alpha):
    • Tất cả 5 thang đo độc lập và 1 thang đo phụ thuộc đều đạt $\alpha \in [0.782, 0.891]$, không có biến quan sát nào có tương quan biến - tổng $< 0.30$.
  • Phân tích EFA:
    • Hệ số $\text{KMO} = 0.842 > 0.50$, kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.05$.
    • 5 nhân tố được trích tại $\text{Eigenvalue} = 1.218 > 1.0$, tổng phương sai trích (Total Variance Explained) đạt $62.45% > 50%$, hệ số tải nhân tố (Factor Loadings) của toàn bộ 23 biến đều vượt ngưỡng $0.55$.
  • Kết quả hồi quy & Phân tích phương sai ANOVA:
    • Hệ số xác định hiệu chỉnh $R^2_{\text{Adjusted}} = 0.548$ (mô hình giải thích $54.8%$ sự biến thiên của ý định mua).
    • Kiểm định $F = 72.41$ với $p\text{-value} = 0.000 < 0.001$, loại trừ hiện tượng tự tương quan ($\text{Durbin-Watson} = 1.892 \in [1.5, 2.5]$) và đa cộng tuyến ($\text{VIF}_{\max} = 1.412 < 2.0$).
  • Kiểm định ANOVA nhân khẩu học:
    • Giới tính ($p = 0.002 < 0.05$) và Mức thu nhập ($p = 0.014 < 0.05$) tạo nên sự khác biệt có ý nghĩa thống kê đối với ý định mua; trong khi Tình trạng hôn nhân không cho thấy sự khác biệt đáng kể ($p > 0.05$).

Đổi mới và đóng góp

  1. Hiệu chỉnh thang đo định tính chuyên biệt cho TP.HCM: Khác với các nghiên cứu trước đây (như nghiên cứu của Nguyễn Thị Như Quỳnh 2017 tại Vinh hay Hoàng Văn Thành 2018 tại Hà Nội), nghiên cứu này thực hiện thảo luận nhóm chuyên sâu ($N = 10$) loại bỏ biến hình thức gây nhiễu (biến "hạn sử dụng" do nhận thức nồng độ cồn khử khuẩn của người dùng, biến "hình thức khuyến mãi chung chung") để tinh gọn còn 23 biến độc lập có độ tin cậy vượt trội.
  2. Khẳng định sự áp đảo của Chất lượng và Thương hiệu: Trái ngược với giả định truyền thống rằng bia là sản phẩm nhạy cảm về giá trong thời kỳ lạm phát, nghiên cứu chứng minh hệ số $\beta_{\text{Chất lượng}} = 0.324$ và $\beta_{\text{Thương hiệu}} = 0.286$ chiếm tới $58%$ tổng trọng số tác động, cao gấp hơn 3 lần so với nhân tố Giá cả ($\beta_{\text{Giá cả}} = 0.095$).
  3. Mô hình hóa kênh phân phối đô thị: Chứng minh thực nghiệm biến Mật độ phân phối ($\beta = 0.198, p < 0.01$) là biến động lực trung gian thúc đẩy chuyển đổi từ nhu cầu tức thời thành hành vi mua thực tế tại các điểm bán lẻ gần khu dân cư.

Ứng dụng thực tế và triển khai

Ma trận hành động chiến lược (Strategic 4P Action Matrix)

graph TD
    A[Chiến lược FMCG Bia TP.HCM] --> B[Chất lượng 32.4%]
    A --> C[Thương hiệu 28.6%]
    A --> D[Phân phối 19.8%]
    A --> E[Chiêu thị & Giá 23.7%]
    
    B --> B1[Chuẩn hóa độ đắng IBU & Hương vị Malt]
    B --> B2[Cải tiến bao bì lon Sleek/Chai nhôm giữ nhiệt]
    
    C --> C1[Tài trợ sự kiện âm nhạc & Thể thao giới trẻ]
    C --> C2[Định vị thông điệp Uống có trách nhiệm]
    
    D --> D1[Gia tăng độ phủ Modern Trade & E-commerce]
    D --> D2[Tối ưu tuyến cung ứng General Trade điểm bán lẻ]
    
    E --> E1[Truyền thông OOH & Digital Performance]
    E --> E2[Định giá theo phân khúc giá trị Value-based]

Lộ trình triển khai doanh nghiệp (Implementation Roadmap)

Giai đoạn 1 (Tháng 1 - Tháng 2): R&D & Audit hệ thống

Giai đoạn 2 (Tháng 3 - Tháng 4): Tái cấu trúc Trade Marketing & Phân phối

Giai đoạn 3 (Tháng 5 - Tháng 6): Integrated Marketing Communications (IMC)
  • Phân tích chi phí - lợi ích (ROI Projections): Tái cơ cấu 25% ngân sách từ chiết khấu giá trực tiếp sang nâng cấp hình ảnh thương hiệu và phủ sóng kênh phân phối ước tính giúp nâng cao biên lợi nhuận ròng thêm 4.5% và cải thiện tỷ lệ nhận diện thương hiệu hàng đầu (Top-of-mind) lên 18% trong vòng 6 tháng.

Hạn chế và hướng phát triển

  • Phương pháp lấy mẫu: Mẫu khảo sát $N = 300$ được chọn theo phương pháp thuận tiện phi xác suất tại khu vực TP.HCM, có thể chưa bao phủ đồng đều giữa các quận ngoại thành (Củ Chi, Cần Giờ, Hóc Môn).
  • Phạm vi mô hình: Chưa đo lường biến kiểm soát vĩ mô như tác động của Nghị định 100/2019/NĐ-CP (quy định xử phạt nồng độ cồn) và các giai đoạn biến động sau đại dịch Covid-19.
  • Hướng nghiên cứu tiếp theo:
    • Mở rộng quy mô mẫu đa trung tâm ($N \ge 1000$) so sánh liên vùng (Hà Nội - Đà Nẵng - TP.HCM - Cần Thơ).
    • Ứng dụng mô hình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích các biến trung gian (Sự hài lòng, Niềm tin thương hiệu) và biến điều tiết (Độ tuổi, Tần suất sử dụng bia).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp luận nghiên cứu định lượng, thiết kế thang đo Likert, và quy trình phân tích SPSS toàn diện từ Cronbach's Alpha, EFA đến Hồi quy OLS và ANOVA.
  • Chuyên viên phân tích dữ liệu & Marketers: Nhận được bộ khung chỉ số đánh giá trọng số tác động của từng thuộc tính sản phẩm, hỗ trợ xây dựng mô hình dự báo doanh số FMCG chính xác hơn.
  • Doanh nghiệp sản xuất & phân phối bia: Có cơ sở dữ liệu định lượng tin cậy để điều chỉnh chiến lược 4P, cắt giảm chi phí khuyến mãi lãng phí và tập trung nguồn lực vào phát triển chất lượng cốt lõi và chuỗi cung ứng.
  • Nhà nghiên cứu khoa học: Kế thừa bộ thang đo 28 biến quan sát đã được kiểm định độ giá trị hội tụ và giá trị phân biệt tại thị trường đô thị Đông Nam Á.

Câu hỏi thường gặp

1. Kích thước mẫu N = 300 có đảm bảo độ tin cậy thống kê cho mô hình EFA và Hồi quy không?

Hoàn toàn đảm bảo. Theo tiêu chuẩn của Hair et al. (2009), kích thước mẫu tối thiểu cho EFA là $N \ge 5 \times x$ ($5 \times 28 = 140$ mẫu). Theo Tabachnick & Fidell (1991), mẫu tối thiểu cho hồi quy bội là $N \ge 50 + 8m$ ($50 + 8 \times 5 = 90$ mẫu). Do đó, quy mô mẫu $N = 300$ hợp lệ gấp hơn 2 lần chuẩn tối thiểu, đảm bảo sức mạnh thống kê (Statistical Power) $> 0.80$.

2. Làm thế nào để kiểm soát và loại trừ hiện tượng đa cộng tuyến trong mô hình?

Trong quá trình hồi quy, hệ số phóng đại phương sai (Variance Inflation Factor - VIF) của tất cả các biến độc lập đều nằm trong khoảng $1.150 - 1.412$ (thấp hơn nhiều so với ngưỡng cảnh báo $2.0$ hoặc $5.0$). Đồng thời, hệ số Tolerance $> 0.70$, khẳng định các biến độc lập không có hiện tượng tương quan tuyến tính chéo gây sai lệch ước lượng.

3. Tại sao biến "Giá cả" lại có trọng số tác động thấp nhất trong mô hình?

Kết quả kiểm định hồi quy cho thấy $\beta_{\text{Giá cả}} = 0.095$ ($p < 0.05$). Điều này phản ánh thu nhập bình quân và mức sống tại TP.HCM ở mức cao; người tiêu dùng coi bia là thức uống trải nghiệm, giao tiếp xã hội và thư giãn, do đó sẵn sàng chi trả cao hơn cho các sản phẩm có chất lượng ổn định và thương hiệu uy tín thay vì ưu tiên giá rẻ.

4. Quy trình xử lý khi một biến quan sát có hệ số tương quan biến - tổng nhỏ hơn 0.30 là gì?

Nếu biến quan sát có $\text{Corrected Item-Total Correlation} < 0.30$, biến đó được coi là biến rác (không đo lường cùng cấu trúc khái niệm với các biến còn lại) và sẽ bị loại bỏ tuần tự, sau đó tiến hành chạy lại phân tích Cronbach's Alpha cho đến khi tất cả các biến còn lại đều thỏa mãn điều kiện.

5. Doanh nghiệp có thể tích hợp mô hình nghiên cứu này vào hệ thống CRM/BI như thế nào?

Doanh nghiệp có thể số hóa thang đo thành bộ chỉ số khảo sát mức độ hài lòng định kỳ (CSAT/NPS survey) tích hợp trực tiếp trên ứng dụng khách hàng thân thiết hoặc hệ thống DMS (Distribution Management System), sử dụng thuật toán hồi quy để chấm điểm tiềm năng mua sắm của từng phân khúc khách hàng theo thời gian thực.


Kết luận

Đề tài "Nghiên cứu các nhân tố ảnh hưởng đến ý định mua sản phẩm bia của khách hàng tại Thành phố Hồ Chí Minh" đã giải quyết trọn vẹn các mục tiêu nghiên cứu thông qua phương pháp luận khoa học chặt chẽ. Kết quả định lượng chứng minh Chất lượng ($\beta = 0.324$)Thương hiệu ($\beta = 0.286$) là hai trụ cột chi phối mạnh mẽ nhất đến quyết định tiêu dùng, tiếp theo là Mật độ phân phối ($\beta = 0.198$), Chiêu thị ($\beta = 0.142$)Giá cả ($\beta = 0.095$). Các phát hiện này cung cấp luận cứ kinh tế lượng vững chắc giúp các nhà quản trị FMCG tối ưu hóa chiến lược định vị, nâng cao năng lực cạnh tranh và phát triển bền vững tại thị trường đồ uống Việt Nam.