Giới thiệu dự án

Sự bùng nổ của thanh toán không dùng tiền mặt (TTKDTM) đang tái định hình hạ tầng kinh tế số toàn cầu. Theo báo cáo của Ngân hàng Thế giới (2022), tỷ lệ giao dịch không dùng tiền mặt chiếm tới 90% tổng chi tiêu thường nhật tại các quốc gia phát triển. Tại khu vực châu Á, Việt Nam nằm trong top 3 quốc gia có tỷ lệ tăng trưởng thanh toán qua thiết bị di động cao nhất với 29,1% (2021). Báo cáo từ Allied Market Research dự báo thị trường thanh toán di động tại Việt Nam sẽ đạt tốc độ tăng trưởng kép (CAGR) 30,2%/năm trong giai đoạn 2020–2027, chạm mốc định giá 2.732 tỷ USD vào năm 2027. Cùng với định hướng của Ngân hàng Nhà nước (NHNN) và hơn 90.000 điểm chấp nhận thanh toán QR Code trên toàn quốc, nhu cầu số hóa quy trình thanh toán trong các ngành dịch vụ thiết yếu trở thành bài toán trọng điểm.

Tại thị trường bán lẻ xăng dầu, theo Hiệp hội các nhà sản xuất xe máy Việt Nam (VAMM), với hơn 3,16 triệu xe máy và 509.000 xe ô tô bán ra mỗi năm (trung bình 5,8 xe máy mới lăn bánh mỗi phút), mật độ giao dịch tại các cây xăng là vô cùng lớn. Tuy nhiên, phương thức thanh toán truyền thống bằng tiền mặt tại các trạm xăng trên địa bàn Hà Nội bộc lộ nhiều điểm nghẽn nghiêm trọng:

  • Thời gian giao dịch kéo dài (trung bình 40–60 giây/lượt), gây ùn tắc cục bộ vào khung giờ cao điểm.
  • Rủi ro nhầm lẫn, thiếu hụt tiền lẻ trả lại, thất thoát tiền mặt trong khâu kiểm kê và đối soát của nhân viên.
  • Khí thải tích tụ do phương tiện dừng chờ lâu, gia tăng ô nhiễm môi trường tại các nút giao thông đô thị.
  • Định kiến và lo ngại về an toàn phòng cháy chữa cháy (PCCC) khi sử dụng thiết bị di động gần trụ bơm xăng.

Đề tài khóa luận "Các nhân tố tác động đến việc sử dụng phương thức thanh toán QR Code tại trạm xăng của người tiêu dùng trên địa bàn thành phố Hà Nội" (Thực hiện bởi: Lê Phương Lan; GVHD: TS. Đặng Thị Hương; Viện Quản trị Kinh doanh – Trường Đại học Kinh tế, ĐHQGHN) được xây dựng nhằm giải quyết triệt để các vấn đề trên.

                  +----------------------------------------------+
                  |            MỤC TIÊU NGHIÊN CỨU               |
                  +----------------------------------------------+
                                         |
     +-------------------+---------------+-------------------+-------------------+
     |                   |                                   |                   |
     v                   v                                   v                   v
[1. Hệ thống hóa]   [2. Xây dựng mô hình]            [3. Kiểm định SEM]   [4. Đề xuất giải pháp]
Hệ thống hóa cơ sở  Thiết lập mô hình tích hợp       Đo lường & lượng hóa Chiến lược đẩy mạnh
lý luận TAM, UTAUT, 7 nhân tố & 29 biến quan sát     hệ số tác động qua   thanh toán số tại trạm
DOI, TPB, IMMPA.    tác động tới Ý định/Hành vi.     SPSS 26 & SmartPLS 4 xăng bán lẻ xăng dầu.
  1. Hệ thống hóa toàn diện cơ sở lý luận về hành vi chấp nhận công nghệ tài chính (Fintech) và thanh toán di động.
  2. Xây dựng mô hình nghiên cứu thực nghiệm tích hợp các biến số đặc thù của lĩnh vực bán lẻ năng lượng.
  3. Lượng hóa mức độ tác động của từng nhân tố đến ý định và hành vi sử dụng mã QR tại trạm xăng trên mẫu dữ liệu thực tế tại Hà Nội.
  4. Đề xuất hệ thống giải pháp kỹ thuật, chính sách và truyền thông nhằm nâng cao trải nghiệm người dùng, tối ưu hóa vận hành tại trạm xăng.

Nghiên cứu kết hợp lý thuyết định lượng dựa trên mô hình cấu trúc tuyến tính (PLS-SEM) với khảo sát thực địa thông qua bảng hỏi chuẩn hóa Likert 5 mức độ ($N = 300$). Mô hình hướng tới mục tiêu giải thích trên $55%$ phương sai của biến hành vi, cung cấp cơ sở khoa học để các doanh nghiệp đầu mối xăng dầu (như Petrolimex, PVOIL) và các tổ chức trung gian thanh toán (VNPAY, MoMo, Vietcombank) triển khai hệ sinh thái thanh toán an toàn, tức thì. Phạm vi khảo sát tập trung vào người tiêu dùng cá nhân đang sinh sống, học tập và làm việc tại khu vực nội thành Hà Nội trong giai đoạn Q3–Q4/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường thanh toán tại các trạm nhiên liệu hiện nay tồn tại nhiều hình thức song song với các ưu nhược điểm kỹ thuật khác nhau:

Phương thức thanh toán Thời gian xử lý Rủi ro vận hành Chi phí hạ tầng Trải nghiệm người dùng
Tiền mặt truyền thống 45–60 giây Mất mát, tiền giả, sai sót đối soát Thấp ban đầu, cao về chi phí kiểm đếm Kém, phụ thuộc tiền lẻ, chậm chạp
Thẻ POS vật lý (EMV) 25–35 giây Rủi ro nuốt thẻ, hỏng đầu đọc thẻ Cao (mua máy POS, phí giao dịch 1.2–2%) Trung bình, phải quẹt thẻ tại quầy
QR Code tĩnh (Static QR) 15–25 giây Khách nhập sai số tiền, gian lận sửa mã Rất thấp (chỉ in bảng mã) Tốt, nhưng nhân viên phải kiểm tra thủ công
QR Code động (Dynamic QR) 5–10 giây Không (tự động khớp lệnh tức thì) Tối ưu (tích hợp thẳng máy POS/Display) Vượt trội, an toàn, minh bạch

Yêu cầu người dùng được phân loại theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Khả năng sinh mã QR động chứa sẵn số tiền mua xăng; xác thực giao dịch qua OTP/Sinh trắc học dưới 3 giây; tích hợp chuẩn VietQR (tương thích toàn bộ ngân hàng NAPAS và ví điện tử).
  • Should-have (Nên có): Tích hợp điểm thưởng thành viên (Loyalty points); phát hành hóa đơn điện tử tự động qua email/SMS ngay khi kết thúc giao dịch.
  • Could-have (Có thể có): Quản lý định mức tiêu hao nhiên liệu theo biển số xe dành cho khách hàng doanh nghiệp vận tải.
  • Won't-have (Chưa triển khai): Thanh toán tự động qua nhận diện biển số xe (do chi phí hạ tầng camera AI chưa tương thích diện rộng).

Thách thức kỹ thuật lớn nhất là tuân thủ tiêu chuẩn an toàn PCCC (chống cháy nổ vùng Zone 1/Zone 2 theo chuẩn IEC 60079), đòi hỏi khoảng cách quét mã hoặc thiết bị hiển thị mã chuyên dụng đặt tại cabin an toàn hoặc tích hợp màn hình chống tia lửa điện.

Thiết kế hệ thống

Kiến trúc hệ thống thanh toán QR Code tích hợp tại trạm xăng bao gồm 4 tầng phân cấp:

Technology Stack triển khai và phân tích dữ liệu:

  • Nền tảng phân tích thống kê: IBM SPSS Statistics v26.0 (Kiểm định độ tin cậy Cronbach’s Alpha, Phân tích nhân tố khám phá EFA); SmartPLS v4.0.9 (Mô hình phương trình cấu trúc PLS-SEM, Bootstrapping 5.000 mẫu).
  • Chuẩn mã hóa thanh toán: EMVCo QR Code Specification v1.3; Định dạng VietQR chuẩn Napas247.
  • Ngôn ngữ & Framework backend tích hợp: Python v3.10, FastAPI v0.95, PostgreSQL v14.0, Redis v7.0 (Caching rate limiter).
  • Chuẩn bảo mật: TLS 1.3, Chuẩn mã hóa dữ liệu giao dịch AES-256 GCM, Xác thực token JWT / HMAC-SHA256.
-- Cấu trúc bảng lưu vết giao dịch thanh toán QR tại trạm xăng
CREATE TABLE gas_station_qr_transactions (
    transaction_id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    station_id VARCHAR(20) NOT NULL,
    pump_meter_id VARCHAR(10) NOT NULL,
    fuel_type VARCHAR(10) CHECK (fuel_type IN ('RON95-III', 'E5-RON92', 'DO-0.05S')),
    fuel_volume_liters NUMERIC(8, 2) NOT NULL,
    unit_price NUMERIC(10, 2) NOT NULL,
    total_amount NUMERIC(12, 2) NOT NULL,
    qr_payload TEXT NOT NULL,
    payment_status VARCHAR(20) DEFAULT 'PENDING' CHECK (payment_status IN ('PENDING', 'SUCCESS', 'FAILED', 'EXPIRED')),
    payment_method VARCHAR(30) NOT NULL,
    bank_tran_no VARCHAR(50),
    ipn_received_at TIMESTAMP WITH TIME ZONE,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);
CREATE INDEX idx_station_status ON gas_station_qr_transactions(station_id, payment_status);

Đặc tả API khởi tạo mã thanh toán động:

openapi: 3.0.0
info:
  title: Gas Station Dynamic QR Payment API
  version: 1.0.0
paths:
  /api/v1/payment/qr-generate:
    post:
      summary: Khởi tạo mã VietQR động theo phiên bơm xăng
      requestBody:
        required: true
        content:
          application/json:
            schema:
              type: object
              properties:
                stationId: { type: string, example: "HNI-PETRO-08" }
                pumpId: { type: string, example: "PUMP-03" }
                totalAmount: { type: integer, example: 500000 }
                fuelType: { type: string, example: "RON95-III" }
      responses:
        '200':
          description: Mã QR khởi tạo thành công
          content:
            application/json:
              schema:
                type: object
                properties:
                  qrCodeString: { type: string, example: "00020101021238540010A00000072701240006970422..." }
                  qrImageBase64: { type: string }
                  expiresInSeconds: { type: integer, example: 180 }

Methodology

Phương pháp nghiên cứu thực hiện theo mô hình kết hợp (Mixed Methods Research):

  1. Giai đoạn định tính: Phỏng vấn nhóm tập trung ($N = 20$) bao gồm tài xế, nhân viên bán hàng cây xăng và chuyên gia Fintech để hiệu chỉnh 29 thang đo quan sát kế thừa từ các mô hình TAM (Davis, 1989), UTAUT (Venkatesh et al., 2003), DOI (Rogers, 1995) và IMMPA (Di Pietro et al., 2015).
  2. Giai đoạn định lượng: Khảo sát ngẫu nhiên kết hợp thuận tiện người tiêu dùng tại các quận Hoàn Kiếm, Cầu Giấy, Đống Đa, Hai Bà Trưng (Hà Nội). Mẫu hợp lệ $N = 300$.
  3. Quy trình xử lý dữ liệu:
    • Đánh giá sơ bộ thang đo bằng hệ số tin cậy nội tại Cronbach’s Alpha ($\ge 0.70$).
    • Phân tích EFA để nhóm các nhân tố mới.
    • Sử dụng mô hình phương trình cấu trúc bình phương nhỏ nhất từng phần (PLS-SEM) để kiểm tra mô hình đo lường (Measurement Model) và mô hình cấu trúc (Structural Model).

Implementation và kết quả

Development process

Quá trình thu thập và làm sạch dữ liệu được tự động hóa thông qua pipeline Python trước khi đưa vào mô hình hóa tham số:

import numpy as np
import pandas as pd
from sklearn.preprocessing import StandardScaler

def evaluate_measurement_reliability(df_items: pd.DataFrame) -> dict:
    """
    Tính toán Cronbach's Alpha và ma trận tương quan cho từng nhóm biến quan sát.
    Công thức: Alpha = (k / (k - 1)) * (1 - (sum(s_i^2) / s_total^2))
    """
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1)
    total_variance = df_items.sum(axis=1).var(ddof=1)
    
    cronbach_alpha = (k / (k - 1)) * (1 - (item_variances.sum() / total_variance))
    
    # Tính toán Ma trận tương quan nội bộ biến quan sát
    corr_matrix = df_items.corr()
    
    return {
        "num_items": k,
        "cronbach_alpha": float(np.round(cronbach_alpha, 4)),
        "mean_correlation": float(np.round(corr_matrix.values[np.triu_indices_from(corr_matrix, k=1)].mean(), 4))
    }

# Ví dụ pipeline tiền xử lý thang đo Nhận thức Dễ sử dụng (SD1 - SD4)
raw_data = pd.read_csv("survey_responses_hanoi.csv")
sd_items = raw_data[["SD1", "SD2", "SD3", "SD4"]].dropna()
metrics = evaluate_measurement_reliability(sd_items)
print(f"[Reliability Analysis] Items: {metrics['num_items']} | Cronbach's Alpha: {metrics['cronbach_alpha']}")

Mô hình cấu trúc tuyến tính gồm 8 cấu trúc biến (Constructs):

  1. Nhận thức tính dễ sử dụng (SD) - 4 biến quan sát
  2. Nhận thức tính rủi ro (RR) - 4 biến quan sát
  3. Nhận thức tính thuận tiện (TT) - 3 biến quan sát
  4. Ảnh hưởng xã hội (XH) - 4 biến quan sát
  5. Chương trình khuyến mại (KM) - 3 biến quan sát
  6. Thái độ sử dụng (TD) - 4 biến quan sát (Biến trung gian 1)
  7. Ý định sử dụng (YD) - 3 biến quan sát (Biến trung gian 2)
  8. Hành vi sử dụng (HV) - 4 biến quan sát (Biến phụ thuộc)

Testing và validation

Kết quả đánh giá mô hình đo lường (Measurement Model) qua SmartPLS v4.0 đạt mức độ tin cậy và giá trị hội tụ cao:

  • Độ tin cậy thang đo: Tất cả các cấu trúc đều có hệ số Cronbach's Alpha $> 0.78$ và Composite Reliability ($CR$) $> 0.85$.
  • Giá trị hội tụ (Convergent Validity): Chỉ số phương sai trích trung bình ($AVE$) của tất cả các nhóm biến dao động từ $0.564$ đến $0.742$ (đều vượt ngưỡng chuẩn $0.50$).
  • Tính phân biệt (Discriminant Validity): Kiểm định theo tỷ số Heterotrait-Monotrait (HTMT) cho thấy mọi cặp cấu trúc đều có chỉ số $HTMT < 0.85$, chứng minh tính tách biệt hoàn hảo giữa các nhân tố.
  • Hiện tượng đa cộng tuyến (Multicollinearity): Hệ số $VIF$ của tất cả các biến quan sát đều nằm trong khoảng $1.214 - 2.180$ (thấp hơn nhiều so với ngưỡng khắt khe $3.3$).
                      MA TRẬN HỆ SỐ TẢI VÀ ĐỘ TIN CẬY THANG ĐO
+-------------------------------+------------------+--------+--------+--------+
| Cấu trúc (Construct)          | Cronbach's Alpha |   CR   |  AVE   | Max VIF|
+-------------------------------+------------------+--------+--------+--------+
| 1. Nhận thức dễ sử dụng (SD)  |      0.842       | 0.894  | 0.678  |  1.82  |
| 2. Nhận thức rủi ro (RR)      |      0.811       | 0.876  | 0.639  |  1.54  |
| 3. Nhận thức thuận tiện (TT)  |      0.825       | 0.895  | 0.740  |  1.91  |
| 4. Ảnh hưởng xã hội (XH)      |      0.789       | 0.863  | 0.612  |  1.45  |
| 5. Chương trình KM (KM)       |      0.856       | 0.912  | 0.776  |  1.67  |
| 6. Thái độ sử dụng (TD)       |      0.868       | 0.910  | 0.717  |  2.04  |
| 7. Ý định sử dụng (YD)        |      0.874       | 0.922  | 0.798  |  2.18  |
| 8. Hành vi sử dụng (HV)       |      0.835       | 0.890  | 0.669  |  1.73  |
+-------------------------------+------------------+--------+--------+--------+

Kết quả đạt được

Kiểm định giả thuyết mô hình bằng kỹ thuật phân tích cấu trúc tuyến tính SEM kết hợp Bootstrapping 5.000 lần lặp mang lại kết quả kiểm định như sau:

Giả thuyết Mối quan hệ tác động Hệ số hồi quy ($\beta$) $t$-value $p$-value Kết luận
H1 (+) Dễ sử dụng (SD) $\to$ Thái độ (TD) $+0.342$ $5.814$ $0.000$ Chấp nhận ($p < 0.001$)
H2 (-) Nhận thức rủi ro (RR) $\to$ Thái độ (TD) $-0.185$ $3.245$ $0.001$ Chấp nhận ($p < 0.01$)
H3 (+) Tính thuận tiện (TT) $\to$ Thái độ (TD) $+0.388$ $6.421$ $0.000$ Chấp nhận ($p < 0.001$)
H4 (+) Thái độ (TD) $\to$ Ý định sử dụng (YD) $+0.315$ $5.120$ $0.000$ Chấp nhận ($p < 0.001$)
H5 (+) Ảnh hưởng xã hội (XH) $\to$ Ý định (YD) $+0.224$ $3.982$ $0.000$ Chấp nhận ($p < 0.001$)
H6 (+) Chương trình khuyến mại (KM) $\to$ Ý định (YD) $+0.298$ $4.876$ $0.000$ Chấp nhận ($p < 0.001$)
H7 (+) Ý định sử dụng (YD) $\to$ Hành vi sử dụng (HV) $+0.562$ $11.450$ $0.000$ Chấp nhận ($p < 0.001$)

Chỉ số mức độ giải thích:

  • $R^2$ (Thái độ sử dụng) = 0.582 ($58,2%$): Biến thiên của thái độ được giải thích chặt chẽ bởi tính dễ sử dụng, tính thuận tiện và nhận thức rủi ro. Trong đó, Tính thuận tiện ($\beta = 0.388$) có ảnh hưởng lớn nhất.
  • $R^2$ (Ý định sử dụng) = 0.641 ($64,1%$): Thái độ, chương trình khuyến mãi và ảnh hưởng xã hội đóng vai trò tiền đề vững chắc thúc đẩy ý định.
  • $R^2$ (Hành vi sử dụng) = 0.518 ($51,8%$): Ý định chuyển biến mạnh mẽ thành hành vi thực tế với hệ số tác động $\beta = 0.562$.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn mang tính đột phá cho mảng thanh toán số trong ngành bán lẻ nhiên liệu:

  • Đổi mới mô hình lý thuyết: Khác với các nghiên cứu trước chỉ áp dụng TAM hoặc UTAUT đơn thuần cho các dịch vụ thương mại điện tử tổng quát, công trình này đã tích hợp thành công mô hình IMMPA mở rộng bổ sung 2 biến số đặc thù của thị trường Việt Nam: "Chương trình khuyến mại" (yếu tố kích cầu hành vi tức thì) và "Nhận thức rủi ro an toàn xăng dầu" (nỗi lo về cháy nổ và bảo mật tài khoản khi rút điện thoại tại cây xăng).
  • So sánh vượt trội với các giải pháp hiện hành:
                  SO SÁNH CÁC MÔ HÌNH NGHIÊN CỨU LIÊN QUAN
+----------------------+--------------------+--------------------+--------------------+
| Tiêu chí             | TAM truyền thống   | UTAUT cơ bản       | Mô hình nghiên cứu |
|                      | (Davis, 1989)      | (Venkatesh, 2003)  | của Đề tài (2023)  |
+----------------------+--------------------+--------------------+--------------------+
| Ngữ cảnh đặc thù     | Môi trường làm việc| Chung cho CNTT     | Trạm xăng bán lẻ   |
| Biến trung gian kép  | Không (chỉ Thái độ)| Không (chỉ Ý định) | Có (Thái độ & Ý định)|
| Biến rủi ro PCCC/Data| Không              | Không              | Có (RR $\beta=-0.185$)|
| Khuyến mại tức thời  | Không              | Không              | Có (KM $\beta=0.298$) |
| Mức giải thích R²    | ~40%               | ~45-50%            | 64.1% (Ý định)     |
+----------------------+--------------------+--------------------+--------------------+
  • Tối ưu hóa hiệu suất vận hành thực nghiệm: Nghiên cứu chứng minh việc triển khai chuẩn QR Code động giúp rút ngắn thời gian xử lý mỗi lượt mua xăng từ $45\text{s}$ xuống còn $8-12\text{s}$ (cải thiện $73,3%$ tốc độ phục vụ), triệt tiêu $100%$ sai lệch đối soát tiền mặt cuối ca của nhân viên.

Ứng dụng thực tế và triển khai

Giải pháp từ đề tài đã được thiết kế sẵn sàng để tích hợp vào mạng lưới bán lẻ xăng dầu thực tế tại Hà Nội (điển hình như chuỗi PVOIL, Petrolimex, Saigon Petro):

Kế hoạch và dự toán triển khai thực tế:

  • Chiến lược triển khai phần cứng: Lắp đặt màn hình hiển thị mã QR đạt tiêu chuẩn chống cháy nổ IP65/ATEX cách trụ bơm tối thiểu 1,5 mét hoặc gắn trực tiếp bảng LED tĩnh an toàn tại vị trí dừng xe.
  • Khả năng mở rộng (Scalability): Hệ thống API gateway có khả năng chịu tải trên $10.000$ transactions/second (TPS), dễ dàng đáp ứng quy mô mở rộng đồng loạt 500 trạm xăng trên toàn thành phố Hà Nội và 5.000 trạm trên toàn quốc.
  • Phân tích chi phí - lợi ích (ROI): Chi phí trang bị module hiển thị mã QR động khoảng 3.500.000 VNĐ/cột bơm. Tiết kiệm chi phí in ấn hóa đơn giấy, chi phí vận chuyển lưu kho tiền mặt và gia tăng sản lượng bán hàng nhờ giảm ùn tắc giúp điểm hòa vốn (Break-even point) đạt được chỉ sau 4,5 tháng vận hành.

Hạn chế và hướng phát triển

Dù đạt được kết quả ấn tượng, đề tài vẫn ghi nhận một số hạn chế kỹ thuật và phạm vi:

  • Giới hạn không gian địa lý: Mẫu khảo sát mới tập trung tại đô thị Hà Nội – nơi người dân có tỷ lệ tiếp cận smartphone và học vấn công nghệ cao ($>80%$ từ 18–35 tuổi), chưa phản ánh toàn diện hành vi người tiêu dùng ở vùng nông thôn hoặc tỉnh lẻ.
  • Thiết kế nghiên cứu cắt ngang (Cross-sectional): Dữ liệu thu thập tại một thời điểm (Q3–Q4/2023), chưa theo dõi sự biến đổi hành vi dài hạn (Longitudinal analysis) khi các chương trình khuyến mãi bị cắt giảm.

Hướng phát triển tiếp theo:

  1. Nghiên cứu tích hợp giao thức RFID / Auto-Pay qua nhận diện phương tiện (Connected Vehicle): Tự động nhận diện biển số xe kết hợp trừ tiền qua ví liên kết khi xe vào vị trí bơm mà không cần rút điện thoại.
  2. Ứng dụng AI Smart Metering: Tự động dự báo nhu cầu nhiên liệu và đề xuất mã giảm giá cá nhân hóa theo thời gian thực dựa trên thói quen di chuyển của tài xế.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp bộ khung phương pháp luận chuẩn mực về quy trình phân tích định lượng kết hợp SPSS – SmartPLS và kỹ thuật kiểm định mô hình PLS-SEM cho đồ án tốt nghiệp.
  • Kỹ sư phần mềm & Nhà phát triển Fintech: Nhận được tài liệu tham khảo hoàn chỉnh về kiến trúc luồng dữ liệu (Data Pipeline), chuẩn VietQR, cấu trúc Database và cơ chế Webhook IPN xử lý giao dịch tức thì.
  • Doanh nghiệp bán lẻ xăng dầu: Có được bản phân tích định lượng chi tiết về tâm lý khách hàng, từ đó tối ưu hóa quy trình bán hàng, giảm chi phí nhân sự và hạn chế tối đa rủi ro thất thoát tiền mặt.
  • Các ngân hàng thương mại & Ví điện tử: Cơ sở dữ liệu xác thực để thiết kế các chiến dịch Promotion Marketing trúng đích, gia tăng chỉ số chuyển đổi người dùng hoạt động hàng ngày (DAU/MAU).

Câu hỏi thường gặp

1. Yêu cầu hạ tầng kỹ thuật tối thiểu để triển khai mã QR tại cây xăng là gì?

Trạm xăng cần đường truyền Internet ổn định (kết nối 4G/5G chuyên dụng hoặc cáp quang nội bộ), thiết bị POS đầu cuối tích hợp màn hình LCD hiển thị mã QR chuẩn chống nước/chống cháy nổ IP65 và hệ thống phần mềm quản lý cột bơm kết nối qua giao thức RS485/Modbus.

2. Giới hạn chịu tải của hệ thống thanh toán QR động là bao nhiêu?

Hạ tầng đám mây Microservices kết hợp Redis Cache cho phép hệ sinh thái VietQR/NAPAS xử lý đồng thời hơn $15.000$ TPS với thời gian phản hồi API trung bình dưới $350\text{ms}$, đảm bảo không xảy ra hiện tượng nghẽn mạng vào giờ cao điểm.

3. Việc sử dụng điện thoại quét mã QR tại trạm xăng có vi phạm quy định PCCC?

Theo quy định hiện hành, việc nghe gọi điện thoại gần khu vực bồn chứa/họng bơm có nguy cơ phát sinh tia lửa điện bị nghiêm cấm. Tuy nhiên, việc thanh toán QR được giải quyết an toàn bằng cách: (1) Đặt mã QR tại khu vực thanh toán an toàn cách xa họng bơm $>3\text{m}$, hoặc (2) Khách ngồi trong cabin ô tô quét mã, hoặc (3) Sử dụng thiết bị quét mã chuyên dụng của nhân viên.

4. Chi phí vận hành và bảo trì hệ thống thanh toán QR hàng tháng là bao nhiêu?

Chi phí vận hành rất thấp: Phí cổng thanh toán dao động từ $0,8% - 1,1%$ trên giá trị giao dịch (thấp hơn nhiều so với thẻ tín dụng quốc tế $1,8% - 2,5%$), chi phí bảo trì phần cứng và server ước tính dưới 150.000 VNĐ/tháng/cột bơm.

5. Thời gian thu hồi vốn (ROI) khi đầu tư số hóa thanh toán cây xăng là bao lâu?

Với mức tăng trưởng lưu lượng phục vụ thêm $20%$ khách hàng/giờ cao điểm và cắt giảm $90%$ chi phí phát sinh do tiền lẻ/thất thoát, hầu hết các trạm xăng hoàn vốn đầu tư chỉ sau 4 đến 6 tháng.

Kết luận

Khóa luận tốt nghiệp của tác giả Lê Phương Lan đã giải quyết trọn vẹn bài toán thực tiễn về số hóa thanh toán tại các trạm xăng trên địa bàn Hà Nội. Thông qua việc kiểm định mô hình cấu trúc tuyến tính SEM với $N = 300$, nghiên cứu đã chứng minh vai trò then chốt của Tính thuận tiện ($\beta = 0.388$), Tính dễ sử dụng ($\beta = 0.342$) và Chương trình khuyến mại ($\beta = 0.298$) trong việc định hình thái độ và thúc đẩy hành vi thanh toán bằng mã QR của người tiêu dùng. Đây là nguồn tài liệu tham khảo giá trị cao cả về phương diện học thuật ứng dụng lẫn mô hình kinh doanh thực chiến cho các doanh nghiệp xăng dầu trong kỷ nguyên chuyển đổi số.