Giới thiệu dự án
Trong bối cảnh thị trường truyền thông tiếp thị (Marketing Communications) hiện đại, các hình thức quảng cáo truyền thống đang dần suy giảm hiệu lực do hiện tượng quá tải thông tin. Báo cáo Event Marketing Benchmarks & Trends của Bizzabo chỉ ra rằng các doanh nghiệp dẫn đầu thị trường đang phân bổ ngân sách tiếp thị cho các sự kiện trực tiếp cao gấp 1,7 lần mức trung bình, trong đó 33% chuyên gia tiếp thị dành ít nhất 21% tổng ngân sách cho hoạt động tài trợ (Sponsorship) và trưng bày thương hiệu. Trên quy mô toàn cầu, các tập đoàn đa quốc gia như Unilever chi hàng tỷ USD hàng năm (ước tính 8,5 tỷ USD theo Statista) cho các chiến dịch truyền thông tích hợp bao gồm tài trợ sự kiện.
Tuy nhiên, bài toán tối ưu hóa chi phí đầu tư tài trợ (Sponsorship ROI) vẫn là thách thức lớn đối với các nhà quản trị thương hiệu. Đa số doanh nghiệp tại Việt Nam chỉ tập trung ngân sách cho giai đoạn tiền sự kiện (Pre-event promotion) mà thiếu các khung đo lường thực nghiệm về sự chuyển dịch nhận thức của khách hàng mục tiêu sau sự kiện.
Khóa luận tốt nghiệp chuyên ngành Truyền thông Marketing tại Trường Đại học Tài chính – Marketing (UFM) của tác giả Nguyễn Hoàng Phúc, dưới sự hướng dẫn của ThS. Đặng Huỳnh Phương, tập trung giải quyết bài toán: "Nghiên cứu các yếu tố tác động đến mức độ nhận biết thương hiệu của người tham gia đối với tổ chức tài trợ sự kiện".
KHUNG MỤC TIÊU NGHIÊN CỨU
+-----------------------------------------------------------------------------+
| 1. Xác định hệ thống nhân tố tác động đến Mức độ nhận biết thương hiệu |
| (Brand Awareness) từ hoạt động tài trợ sự kiện. |
| 2. Đo lường định lượng mức độ tác động (Hệ số Beta chuẩn hóa) của từng |
| nhân tố thông qua mô hình hồi quy tuyến tính bội trên phần mềm SPSS 26.0.|
| 3. Kiểm định sự khác biệt nhận thức theo các biến nhân khẩu học |
| (Gender, Age, Occupation, Income, Event Frequency). |
| 4. Đề xuất hệ thống hàm ý quản trị và giải pháp thực thi cho doanh nghiệp. |
+-----------------------------------------------------------------------------+
- Phạm vi không gian: Địa bàn Thành phố Hồ Chí Minh (TP.HCM).
- Phạm vi thời gian: Thu thập và phân tích dữ liệu thực nghiệm giai đoạn 2020 – 2022.
- Đối tượng khảo sát: Người tiêu dùng cá nhân đã trực tiếp tham gia các sự kiện văn hóa, thể thao, giải trí, thương mại có nhà tài trợ.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Hoạt động tài trợ sự kiện đóng vai trò như một liên kết chiến lược nhằm chuyển giao hình ảnh (Image Transfer) và tăng cường tài sản thương hiệu (Brand Equity). Dưới đây là bảng phân tích so sánh các giải pháp tiếp cận truyền thông thương hiệu hiện hành:
| Phương thức truyền thông |
Ưu điểm cốt lõi |
Nhược điểm / Rủi ro |
Chi phí & Khả năng đo lường |
| Quảng cáo truyền thông đại chúng (Mass Media Ads) |
Phủ sóng diện rộng nhanh, tần suất tiếp cận cao. |
Người dùng có xu hướng lờ đi (Ad Fatigue), khó tạo liên kết cảm xúc sâu. |
Chi phí cố định rất cao; Đo lường chuyển đổi thực tế khó khăn. |
| Tiếp thị qua người ảnh hưởng (KOL/KOC) |
Độ tin cậy theo phân khúc ngách, tương tác hai chiều. |
Rủi ro khủng hoảng danh tiếng cá nhân; thông điệp dễ bị thương mại hóa quá mức. |
Chi phí biến đổi linh hoạt; Đo lường qua tương tác kỹ thuật số. |
| Tài trợ sự kiện thực tế (Event Sponsorship) |
Tiếp xúc trực tiếp (Experiential Marketing), gia tăng niềm tin và thiện cảm tự nhiên. |
Khó kiểm soát hoàn toàn thông điệp tại hiện trường; cạnh tranh nhận thức giữa nhiều nhà tài trợ. |
Chi phí tài trợ cố định + kích hoạt (Activation); Đo lường qua mô hình nhận biết thương hiệu chuyên sâu. |
Dựa trên nguyên lý ưu tiên yêu cầu MoSCoW, hệ thống chỉ số đo lường của đề tài được phân bổ:
- Must-have (Bắt buộc): Đo lường Thái độ đối với nhà tài trợ, Sự chân thành của nhà tài trợ, Ý thích cá nhân với sự kiện, Hình ảnh sự kiện, Mức độ nhận biết thương hiệu.
- Should-have (Cần có): Đo lường Trạng thái sự kiện (Quy mô/Tầm vóc), Hình ảnh doanh nghiệp tài trợ, Phân tích phương sai ANOVA nhân khẩu học.
- Could-have (Có thể mở rộng): Đo lường biến điều tiết Mức độ phù hợp nhận thức (Perceived Fit) và Trải nghiệm thương hiệu trước đây.
- Won't-have (Không thực hiện trong phạm vi này): Theo dõi hành vi mua hàng trực tiếp dài hạn (Longitudinal Purchase Tracking).
Thiết kế hệ thống
Mô hình nghiên cứu định lượng được xây dựng dựa trên sự kế thừa và điều chỉnh từ Thang đo Đánh giá Hoạt động Tài trợ SES (Sponsorship Evaluation Scale) của Speed & Thompson (2000), kết hợp mô hình của Sema Alay (2010), Nguyễn Đình Toàn (2018) và Nisal Gunawardane (2020).
MÔ HÌNH HỒI QUY ĐỀ XUẤT
+-------------------------------+
| Trạng thái sự kiện (TT) |---+
+-------------------------------+ |
+-------------------------------+ |
| Ý thích cá nhân (YT) |---+
+-------------------------------+ |
+-------------------------------+ | +-----------------------------+
| Hình ảnh sự kiện (HS) |---+------>| MỨC ĐỘ NHẬN BIẾT |
+-------------------------------+ | | THƯƠNG HIỆU NHÀ TÀI TRỢ (NB)|
+-------------------------------+ | +-----------------------------+
| Sự chân thành tài trợ (CT) |---+ | - Top of Mind (Cao nhất) |
+-------------------------------+ | | - Spontaneous Awareness |
+-------------------------------+ | | - Helped Brand Awareness |
| Hình ảnh nhà tài trợ (HA) |---+ +-----------------------------+
+-------------------------------+ |
+-------------------------------+ |
| Thái độ với nhà tài trợ (TD) |---+
+-------------------------------+
Công nghệ và công cụ xử lý dữ liệu:
- IBM SPSS Statistics 26.0: Thực hiện thống kê mô tả, kiểm định độ tin cậy thang đo (Cronbach's Alpha), Phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis), Phân tích tương quan Pearson, Hồi quy tuyến tính bội (Multiple Linear Regression), Independent Samples T-Test và One-Way ANOVA.
- Google Forms API: Thu thập bảng hỏi trực tuyến được mã hóa theo thang đo khoảng Likert 5 mức độ (1 = Hoàn toàn không đồng ý, 5 = Hoàn toàn đồng ý).
- Ngôn ngữ bổ trợ (Python 3.10 / Pandas / Statsmodels): Dùng để kiểm tra chéo độ chính xác ma trận hiệp phương sai và đa cộng tuyến.
Hệ thống mã hóa dữ liệu 33 biến quan sát:
| Mã thang đo |
Khái niệm nghiên cứu |
Số biến quan sát |
Nguồn gốc kế thừa |
| TT (TT1 - TT4) |
Trạng thái sự kiện (Event Status/Scale) |
4 |
Sema Alay (2010), Phỏng vấn định tính |
| YT (YT1 - YT4) |
Ý thích cá nhân đối với sự kiện (Personal Liking) |
4 |
Sema Alay (2010), Speed & Thompson (2000) |
| HS (HS1 - HS4) |
Hình ảnh sự kiện (Event Image) |
4 |
Nguyễn Đình Toàn (2018) |
| CT (CT1 - CT5) |
Sự chân thành của nhà tài trợ (Sponsor Sincerity) |
5 |
Sema Alay (2010), Speed & Thompson (2000) |
| HA (HA1 - HA6) |
Hình ảnh của nhà tài trợ (Sponsor Corporate Image) |
6 |
Speed & Thompson (2000) |
| TD (TD1 - TD6) |
Thái độ đối với nhà tài trợ (Attitude toward Sponsor) |
6 |
Sema Alay (2010), Nguyễn Đình Toàn (2018) |
| NB (NB1 - NB4) |
Mức độ nhận biết thương hiệu (Brand Awareness) |
4 |
Sema Alay (2010), Keller (1993) |
Methodology
Quy trình nghiên cứu kết hợp (Mixed Methods Research) được chuẩn hóa qua 7 bước:
[B7: Báo cáo & Đề xuất Hàm ý quản trị]
- Đánh giá rủi ro & Kiểm soát sai số:
- Sai số mẫu phi xác suất: Sử dụng phương pháp lấy mẫu thuận tiện nhưng đa dạng hóa đối tượng theo các nhóm nhân khẩu học tại TP.HCM (độ tuổi, thu nhập, nghề nghiệp, giới tính).
- Hiện tượng đa cộng tuyến (Multicollinearity): Kiểm soát chặt chẽ qua hệ số phóng đại phương sai (VIF < 2,0).
- Độ tin cậy nội tại: Sử dụng ngưỡng loại trừ biến có hệ số tương quan biến - tổng ($r_{it} < 0,3$) và hệ số Cronbach's Alpha tổng thể ($\alpha < 0,6$).
Implementation và kết quả
Development process
Quá trình phân tích định lượng triển khai tuần tự các thuật toán thống kê trên phần mềm SPSS 26.0:
-
Thuật toán kiểm định hệ số tin cậy Cronbach's Alpha:
$$\alpha = \frac{k}{k-1} \left( 1 - \frac{\sum_{i=1}^k \sigma_{y_i}^2}{\sigma_x^2} \right)$$
Tiêu chuẩn chấp nhận: $\alpha \ge 0,60$; Tương quan biến - tổng ($Corrected\ Item-Total\ Correlation$) $\ge 0,30$.
-
Phân tích nhân tố khám phá (EFA):
- Trích xuất nhân tố bằng phương pháp Principal Axis Factoring với phép xoay vuông góc Varimax.
- Điều kiện chấp thuận: Hệ số $0,5 \le KMO \le 1,0$; Kiểm định Bartlett có mức ý nghĩa $Sig. < 0,05$; Tổng phương sai trích ($Total\ Variance\ Explained$) $\ge 50%$; Hệ số tải nhân tố ($Factor\ Loading$) $\ge 0,50$; Giá trị đặc trưng ($Eigenvalue$) $\ge 1,0$.
-
Mô hình hồi quy tuyến tính đa biến (OLS Regression):
$$NB = \beta_0 + \beta_1 TT + \beta_2 YT + \beta_3 HS + \beta_4 CT + \beta_5 HA + \beta_6 TD + \epsilon$$
Đoạn mã cú pháp SPSS Syntax và cấu trúc phân tích dữ liệu tương đương:
* 1. Kiem dinh do tin cay thang do Cronbachs Alpha.
RELIABILITY
/VARIABLES=TD1 TD2 TD3 TD4 TD5 TD6
/SCALE('Attitude Toward Sponsor') ALL
/MODEL=ALPHA
/STATISTICS=DESCRIPTIVE SCALE
/SUMMARY=TOTAL.
* 2. Phan tich Nhan to Kham pha EFA cho cac bien doc lap.
FACTOR
/VARIABLES TT1 TT2 TT3 TT4 YT1 YT2 YT3 YT4 HS1 HS2 HS3 HS4 CT1 CT2 CT3 CT4 CT5 HA1 HA2 HA3 HA4 HA5 HA6 TD1 TD2 TD3 TD4 TD5 TD6
/MISSING LISTWISE
/ANALYSIS TT1 TT2 TT3 TT4 YT1 YT2 YT3 YT4 HS1 HS2 HS3 HS4 CT1 CT2 CT3 CT4 CT5 HA1 HA2 HA3 HA4 HA5 HA6 TD1 TD2 TD3 TD4 TD5 TD6
/PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PAF
/ROTATION VARIMAX
/METHOD=CORRELATION.
* 3. Phan tich Hoi quy tuyen tinh boi.
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT F_NB
/METHOD=ENTER F_TD F_YT F_CT F_HS.
Đoạn mã xử lý và kiểm định chéo bằng Python (Statsmodels):
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor
# Load cleaned survey data (N = 424)
df = pd.read_csv("event_sponsorship_data.csv")
# Compute composite construct scores (mean of items)
df['F_TD'] = df[['TD1', 'TD2', 'TD3', 'TD4', 'TD5', 'TD6']].mean(axis=1)
df['F_YT'] = df[['YT1', 'YT2', 'YT3', 'YT4']].mean(axis=1)
df['F_CT'] = df[['CT1', 'CT2', 'CT3', 'CT4', 'CT5']].mean(axis=1)
df['F_HS'] = df[['HS1', 'HS2', 'HS3', 'HS4']].mean(axis=1)
df['F_NB'] = df[['NB1', 'NB2', 'NB3', 'NB4']].mean(axis=1)
X = df[['F_TD', 'F_YT', 'F_CT', 'F_HS']]
X_with_const = sm.add_constant(X)
y = df['F_NB']
# Fit Ordinary Least Squares regression model
model = sm.OLS(y, X_with_const).fit()
print(model.summary())
# Check Multicollinearity (VIF)
vif_data = pd.DataFrame()
vif_data["feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]
print(vif_data)
Testing và validation
Kết quả kiểm định chất lượng bộ dữ liệu thực nghiệm ($N = 424$ mẫu hợp lệ):
- Độ tin cậy Cronbach's Alpha: Tất cả 7 thang đo đều đạt chuẩn tin cậy cao ($\alpha > 0,78$). Không có biến quan sát nào bị loại vì tương quan biến - tổng đều lớn hơn $0,45$.
- Kiểm định EFA:
- Biến độc lập: Chỉ số $KMO = 0,892$ ($p = 0,000 < 0,05$ trong kiểm định Bartlett). Tổng phương sai trích đạt $62,45% > 50%$ tại điểm dừng Eigenvalues $= 1,185$. Trích xuất được các nhóm nhân tố rõ ràng.
- Biến phụ thuộc (Nhận biết thương hiệu): $KMO = 0,815$, Phương sai trích đạt $68,12%$, tải nhân tố các mục NB1-NB4 đều $> 0,75$.
Kết quả đạt được
Phân tích hồi quy tuyến tính bội xác định được 4 nhân tố có ý nghĩa thống kê ($p < 0,05$) tác động trực tiếp cùng chiều đến Mức độ nhận biết thương hiệu của người tham gia sự kiện. Hai nhân tố Trạng thái sự kiện (TT) và Hình ảnh của nhà tài trợ (HA) không đạt mức ý nghĩa thống kê trong mô hình tổng thể.
| Biến độc lập |
Ký hiệu |
Hệ số hồi quy chưa chuẩn hóa (B) |
Sai số chuẩn (Std. Error) |
Hệ số hồi quy chuẩn hóa ($\beta$) |
Giá trị t |
Mức ý nghĩa ($Sig.$) |
Hệ số VIF |
| (Hằng số) |
Constant |
0,214 |
0,118 |
- |
1,814 |
0,070 |
- |
| Thái độ đối với nhà tài trợ |
F_TD |
0,382 |
0,035 |
0,395 |
10,914 |
0,000 |
1,324 |
| Ý thích cá nhân đối với sự kiện |
F_YT |
0,245 |
0,032 |
0,268 |
7,656 |
0,000 |
1,286 |
| Sự chân thành của nhà tài trợ |
F_CT |
0,189 |
0,031 |
0,204 |
6,097 |
0,000 |
1,195 |
| Hình ảnh sự kiện |
F_HS |
0,142 |
0,029 |
0,158 |
4,896 |
0,000 |
1,142 |
Phương trình hồi quy chuẩn hóa:
$$\widehat{NB} = 0,395 \times TD + 0,268 \times YT + 0,204 \times CT + 0,158 \times HS$$
Chỉ số thống kê mô hình:
- Hệ số xác định $R^2 = 0,548$; $R^2$ hiệu chỉnh $= 0,544$ (Mô hình giải thích được $54,4%$ sự biến thiên của mức độ nhận biết thương hiệu).
- Kiểm định $F = 126,85$ với $Sig. = 0,000$ khẳng định mô hình hồi quy hoàn toàn phù hợp với dữ liệu thực tế.
- Tất cả hệ số $VIF < 1,4$ chứng minh mô hình không vi phạm hiện tượng đa cộng tuyến.
Kết quả kiểm định khác biệt nhân khẩu học:
- Independent Samples T-Test theo Giới tính: Không có sự khác biệt có ý nghĩa thống kê giữa Nam và Nữ về mức độ nhận biết thương hiệu ($Sig. Levene > 0,05$; $Sig. T-test = 0,412 > 0,05$).
- One-Way ANOVA theo Độ tuổi và Nghề nghiệp: Nhóm độ tuổi trẻ (Gen Z, 18 - 25 tuổi) và sinh viên/nhân viên văn phòng trẻ có mức độ ghi nhớ thương hiệu nhà tài trợ và sự nhạy cảm với tính chân thành cao hơn có ý nghĩa thống kê so với các nhóm tuổi khác ($p < 0,05$).
Đổi mới và đóng góp
Bảng so sánh đóng góp học thuật
| Tiêu chí |
Sema Alay (2010) |
Nisal Gunawardane (2020) |
Nguyễn Đình Toàn (2018) |
Nguyễn Hoàng Phúc (2022) [Đề tài này] |
| Bối cảnh nghiên cứu |
Sự kiện thể thao quốc tế tại Thổ Nhĩ Kỳ. |
Tài trợ sự kiện thể thao tại Sri Lanka. |
Sự kiện âm nhạc & thể thao tại Việt Nam. |
Tổng hợp sự kiện văn hóa, giải trí, thể thao tại TP.HCM. |
| Cỡ mẫu phân tích |
$N = 852$ |
$N = 488$ |
$N = 568$ |
$N = 424$ |
| Công cụ xử lý |
SPSS (SES Framework) |
SPSS (Multiple Regression) |
SPSS 22.0 & AMOS 20.0 (SEM) |
SPSS 26.0 (EFA, Regression, T-Test, ANOVA) |
| Nhân tố tác động mạnh nhất |
Sự phù hợp (Fit) & Thái độ |
Thái độ với nhà tài trợ ($\beta = 0,401$) |
Khía cạnh chức năng sự kiện ($\beta = 0,323$) |
Thái độ với nhà tài trợ ($\beta = 0,395$) |
| Đóng góp mới |
Mở rộng mô hình SES sang thị trường mới nổi. |
Xác định vai trò của sở thích cá nhân. |
Làm rõ cơ chế chuyển giao hình ảnh đa chiều. |
Khẳng định "Sự chân thành" ($\beta = 0,204$) vượt trội hơn quy mô sự kiện thuần túy. |
Những phát hiện đổi mới chính
- Bác bỏ giả định về quy mô sự kiện: Trạng thái sự kiện (quy mô lớn hay quốc tế) không tự động chuyển hóa thành nhận biết thương hiệu nếu người tham dự không có thái độ tích cực hoặc cảm nhận được sự chân thành.
- Vai trò then chốt của "Sự chân thành" (Sponsor Sincerity): Người tiêu dùng tại Việt Nam, đặc biệt là giới trẻ, có phản ứng nhận thức vượt trội đối với các nhà tài trợ có trách nhiệm xã hội, phi thương mại hóa thuần túy (đạt $\beta = 0,204$).
- Cơ chế gắn kết thông qua "Ý thích cá nhân": Mức độ quan tâm và sự hào hứng của cá nhân đối với sự kiện là chất xúc tác mạnh mẽ thúc đẩy khả năng ghi nhớ thương hiệu tự nhiên (Spontaneous Awareness).
Ứng dụng thực tế và triển khai
Khung chiến lược triển khai tài trợ cho doanh nghiệp
LỘ TRÌNH TRIỂN KHAI TÀI TRỢ 4 GIAI ĐOẠN
+-----------------------------------------------------------------------------------+
| Giai đoạn 1: Đánh giá & Lựa chọn (Pre-Event Audit) |
| - Lọc sự kiện dựa trên chỉ số "Ý thích cá nhân" của tệp khách hàng mục tiêu. |
| - Đảm bảo hình ảnh sự kiện (HS) tương thích với định vị cốt lõi của thương hiệu. |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| Giai đoạn 2: Thiết kế thông điệp Chân thành (Sincerity-Driven Messaging) |
| - Hạn chế quảng cáo bán hàng thô; đẩy mạnh thông điệp hỗ trợ cộng đồng/nghệ thuật.|
| - Minh bạch hóa vai trò đồng hành phát triển sự kiện. |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| Giai đoạn 3: Kích hoạt trải nghiệm tại chỗ (On-site Brand Activation) |
| - Xây dựng các điểm chạm tương tác (Interactive Touchpoints) tạo thái độ tích cực.|
| - Tích hợp nhận diện Top-of-Mind thông qua trải nghiệm thực tế ảo/minigame. |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
| Giai đoạn 4: Đo lường & Tối ưu hóa hậu sự kiện (Post-Event Measurement) |
| - Thực hiện khảo sát đo lường 4 chỉ số (TD, YT, CT, HS) trong vòng 72 giờ. |
| - Tính toán Sponsorship ROI và tối ưu ngân sách cho các mùa kế tiếp. |
+-----------------------------------------------------------------------------------+
Phân tích hiệu quả kinh tế (Cost-Benefit & ROI)
Đo lường hiệu quả tài trợ được chuẩn hóa thông qua mô hình giá trị tương đương truyền thông và tỷ suất nhận biết thương hiệu:
$$\text{Sponsorship Brand Lift Score (SBLS)} = \frac{\Delta \text{Brand Recall Post-Event}}{\text{Total Cost of Sponsorship & Activation}} \times 100$$
Doanh nghiệp áp dụng chiến lược tập trung vào thái độ tích cực và tính chân thành có thể gia tăng mức độ nhận biết thương hiệu được hỗ trợ (Helped Recall) lên $35% - 45%$, đồng thời tiết kiệm $20% - 30%$ chi phí quảng cáo nhắc lại so với các chiến dịch tài trợ chỉ thuần túy gắn logo bảng biển.
Hạn chế và hướng phát triển
- Hạn chế về phương pháp lấy mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện phi xác suất tại khu vực địa lý TP.HCM, chưa bao quát được sự khác biệt văn hóa - hành vi giữa các vùng miền khác tại Việt Nam.
- Hạn chế về thiết kế nghiên cứu: Sử dụng dữ liệu cắt ngang (Cross-sectional data) tại một thời điểm, chưa theo dõi sự suy giảm trí nhớ thương hiệu theo thời gian (Memory Decay over Time).
- Hướng phát triển học thuật:
- Ứng dụng mô hình Cấu trúc Tuyến tính Bình phương bé nhất từng phần (PLS-SEM) hoặc CB-SEM qua phần mềm SmartPLS/AMOS để kiểm định vai trò trung gian và điều tiết chuyên sâu.
- Tích hợp thêm các biến số mới: Trải nghiệm số hóa (Digital Event Experience), Sự gắn kết thương hiệu trên mạng xã hội (Social Media Engagement).
Đối tượng hưởng lợi
- Sinh viên & Học viên chuyên ngành Marketing/Kinh tế: Nắm bắt phương pháp luận nghiên cứu định lượng chuẩn mực, cách thức xây dựng thang đo Likert, quy trình phân tích EFA và hồi quy đa biến trên SPSS 26.0.
- Nhà quản trị tiếp thị (Brand/Event Managers): Sở hữu cơ sở dữ liệu định lượng để ra quyết định lựa chọn gói tài trợ, chuyển dịch ngân sách từ quảng cáo thô sang tài trợ trải nghiệm mang tính chân thành.
- Các đơn vị tổ chức sự kiện (Event Organizers): Nâng cao năng lực thuyết phục nhà tài trợ (Sponsorship Pitching) bằng cách xây dựng các gói quyền lợi tập trung vào nâng cao thái độ và tương tác sâu của khán giả.
- Giới nghiên cứu học thuật: Nguồn tài liệu tham khảo thực nghiệm quý giá về bối cảnh tài trợ sự kiện tại thị trường đang phát triển như Việt Nam.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật và dữ liệu tối thiểu để chạy mô hình phân tích này là gì?
Cần cài đặt phần mềm IBM SPSS Statistics (phiên bản 20.0 trở lên, tối ưu trên 26.0). Cỡ mẫu tối thiểu theo quy tắc Hair et al. (1998) phải đạt $N \ge 5 \times k$ (với $k$ là tổng số biến quan sát; đối với 33 biến quan sát, mẫu tối thiểu là $165$, mẫu nghiên cứu $N=424$ hoàn toàn đạt chuẩn đại diện).
2. Vì sao nhân tố "Trạng thái sự kiện" (Quy mô/Tầm vóc) lại bị loại khỏi mô hình hồi quy cuối cùng?
Trong bối cảnh thực nghiệm tại TP.HCM, quy mô sự kiện hoành tráng không trực tiếp làm tăng nhận diện nhà tài trợ nếu sự hiện diện của thương hiệu bị lu mờ bởi quá nhiều đối thủ hoặc thiếu các hoạt động tương tác gắn kết cảm xúc trực tiếp với người tham dự.
3. Làm thế nào để doanh nghiệp đo lường "Sự chân thành của nhà tài trợ" trong thực tế?
Sử dụng thang đo 5 biến quan sát (CT1 - CT5), khảo sát người tham dự về nhận thức: Doanh nghiệp tài trợ vì sự phát triển của cộng đồng/bộ môn nghệ thuật hay chỉ vì mục tiêu bán hàng ngắn hạn. Điểm đánh giá trung bình $> 4,0/5,0$ phản ánh tính chân thành cao.
4. Doanh nghiệp có thể chuyển đổi mã phân tích từ SPSS sang các ngôn ngữ mã nguồn mở không?
Hoàn toàn có thể. Toàn bộ quy trình từ Cronbach's Alpha, EFA đến OLS Regression có thể được thực thi tự động hóa thông qua các thư viện Python như pingouin, factor_analyzer, statsmodels và scikit-learn hoặc ngôn ngữ R.
5. Chi phí kích hoạt tài trợ (Activation Cost) nên chiếm bao nhiêu phần trăm tổng ngân sách?
Thực tiễn ngành tiếp thị khuyến nghị tỷ lệ vàng $1:1$ hoặc $1:1,5$ (Tức chi 1 đồng cho quyền tài trợ - Rights Fee thì cần chi tương ứng 1 đến 1,5 đồng cho các hoạt động kích hoạt tại chỗ, minigame, truyền thông lan tỏa) để tối ưu hóa chỉ số Thái độ đối với nhà tài trợ (F_TD).
Kết luận
Đề tài khóa luận tốt nghiệp của tác giả Nguyễn Hoàng Phúc đã hệ thống hóa và kiểm định thành công mô hình thực nghiệm xác định các yếu tố tác động đến nhận biết thương hiệu qua tài trợ sự kiện tại TP.HCM. Kết quả chỉ ra 4 trụ cột cốt lõi: Thái độ đối với nhà tài trợ ($\beta = 0,395$), Ý thích cá nhân đối với sự kiện ($\beta = 0,268$), Sự chân thành của nhà tài trợ ($\beta = 0,204$) và Hình ảnh sự kiện ($\beta = 0,158$).
Nghiên cứu mang lại giá trị thực tiễn to lớn cho các nhà quản trị tiếp thị tại Việt Nam: Hoạt động tài trợ chỉ đạt hiệu quả cao nhất khi doanh nghiệp chuyển dịch từ tư duy "mua vị trí đặt logo" sang chiến lược "đồng kiến tạo giá trị cảm xúc và trách nhiệm xã hội chân thành" cùng người tham gia sự kiện.
