Giới thiệu dự án

Thị trường Thương mại Điện tử (TMĐT) toàn cầu và Việt Nam đã trải qua bước ngoặt chuyển dịch mang tính cấu trúc sau đại dịch COVID-19. Theo báo cáo từ Cục Thương mại điện tử và Kinh tế số (Bộ Công Thương), thị trường TMĐT B2C Việt Nam năm 2020 đạt quy mô 11,8 tỷ USD, tăng trưởng 18% và chiếm 5,5% tổng mức bán lẻ hàng hóa, dịch vụ tiêu dùng cả nước; con số này tiếp tục cán mốc 13,7 tỷ USD vào năm 2021 với tốc độ tăng trưởng hai con số duy nhất trong khu vực Đông Nam Á. Khảo sát của Facebook (2021) chỉ ra rằng 81% người tiêu dùng đã thay đổi thói quen mua sắm trực tuyến từ khi đại dịch bùng phát và 92% cam kết duy trì hành vi này lâu dài.

       QUY MÔ THỊ TRƯỜNG TMĐT VIỆT NAM (TỶ USD)
          2019           2020          2021          2025

Thế hệ Z (Gen Z – nhóm người sinh từ năm 1997 đến 2012) đang nhanh chóng trở thành lực lượng tiêu dùng chủ chốt. Báo cáo của Nielsen (2018) dự báo đến năm 2025, Việt Nam có khoảng 15 triệu người thuộc Gen Z, chiếm gần 30% lực lượng lao động và tiêu dùng quốc gia. Đây là nhóm đối tượng bản địa kỹ thuật số (digital natives), sở hữu hành vi mua sắm phức tạp: 96% Gen Z thường xuyên đọc đánh giá trước khi mua (Partner Success, 2021), yêu cầu cao về trải nghiệm cá nhân hóa nhưng cũng cực kỳ nhạy cảm với các rủi ro bảo mật và chất lượng dịch vụ.

Đề tài khóa luận tốt nghiệp: "Nghiên cứu các yếu tố ảnh hưởng đến ý định lựa chọn sàn thương mại điện tử của người tiêu dùng thế hệ Z tại Thành phố Hồ Chí Minh" được thực hiện bởi tác giả Huỳnh Khánh Tiên (Mã SV: 050607190529, Ngành Quản trị kinh doanh - Mã ngành: 7 34 01 01, Trường Đại học Ngân hàng TP. Hồ Chí Minh), dưới sự hướng dẫn khoa học của TS. Đặng Trương Thanh Nhàn.

Problem Statement và Điểm nghẽn thực tế

Trong bối cảnh cạnh tranh khốc liệt giữa các sàn TMĐT hàng đầu (Shopee, Lazada, Tiki, Sendo, TikTok Shop) và nguy cơ suy thoái kinh tế sau đại dịch, các doanh nghiệp TMĐT đối mặt với bài toán chi phí thu hút khách hàng (CAC) leo thang nhưng tỷ lệ giữ chân khách hàng (Retention Rate) lại suy giảm. Các nền tảng chưa nắm bắt chính xác mức độ ưu tiên của Gen Z giữa các yếu tố: Tiện ích công nghệ, rủi ro giao dịch trực tuyến, giá cả hay chất lượng dịch vụ.

Mục tiêu nghiên cứu

  1. Xác định các yếu tố cấu thành: Hệ thống hóa các nhân tố tác động đến ý định lựa chọn sàn TMĐT của người tiêu dùng thế hệ Z tại khu vực TP.HCM.
  2. Đo lường mức độ tác động: Kiểm định định lượng cường độ và thứ tự ưu tiên của từng yếu tố thông qua phân tích tương quan và hồi quy tuyến tính bội OLS.
  3. Đề xuất hàm ý quản trị: Cung cấp hệ thống giải pháp thực tiễn cho các doanh nghiệp TMĐT nhằm tối ưu hóa giao diện, nâng cao trải nghiệm dịch vụ và kiểm soát rủi ro giao dịch.

Phương tiếp cận và Phạm vi nghiên cứu

  • Solution Approach: Tích hợp Mô hình Chấp nhận Công nghệ (TAM - Davis, 1989), Thuyết Nhận thức Rủi ro (TPR - Bauer, 1960) và Mô hình Chấp nhận Thương mại Điện tử (E-CAM - Lee et al., 2001) để xây dựng khung đánh giá đa chiều gồm 6 biến độc lập: Nhận thức hữu ích (HI), Nhận thức tính dễ sử dụng (SD), Nhận thức rủi ro (RR), Hình ảnh thương hiệu (TH), Yếu tố sản phẩm và dịch vụ (YT), Giá cả (GC).
  • Phạm vi khảo sát: Người tiêu dùng Gen Z (sinh năm 1997 - 2006) đang sinh sống, học tập và làm việc tại TP.HCM, có sử dụng ít nhất một sàn TMĐT. Thời gian thu thập dữ liệu: Tháng 04/2023 - Tháng 06/2023. Kích thước mẫu khảo sát: $N = 250$, thu về $N = 201$ phiếu hợp lệ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường Việt Nam, các nền tảng TMĐT đã định hình rõ nét phân khúc và chiến lược cạnh tranh:

Tiêu chí so sánh Shopee Lazada Tiki Sendo
Thị phần & Lượt truy cập Dẫn đầu toàn thị trường Xếp thứ 2, mạng lưới logistics mạnh Tập trung hàng chính hãng (TikiNOW) Tập trung thị trường ngách/nông thôn
Ưu điểm cốt lõi Giao diện tối ưu, Gamification, nguồn hàng đa dạng Logistics tự vận hành (Lazada Logistics), khuyến mãi lớn Kiểm duyệt chất lượng khắt khe, giao hàng hỏa tốc 2h Chi phí sàn thấp cho người bán nội địa
Hạn chế đối với Gen Z Tỷ lệ hàng giả/hàng nhái còn xuất hiện Quy trình đổi trả phức tạp hơn Shopee Danh mục sản phẩm chưa đa dạng bằng đối thủ Giao diện UX/UI chưa bắt kịp xu hướng trẻ
Mức độ tích hợp bảo mật Xác thực OTP, ShopeePay bảo mật 2 lớp Hệ thống thanh toán Lazada Wallet, bảo mật PCI-DSS Đảm bảo 100% hàng chính hãng, bảo vệ quyền riêng tư Tích hợp SenPay, kiểm soát rủi ro giao dịch
                       MA TRẬN ĐỊNH VỊ SÀN TMĐT TẠI VIỆT NAM
              Độ tin cậy & Chất lượng cao (High Quality / Trust)
               Chi phí thấp / Cạnh tranh giá (Price-driven)

Phân tích yêu cầu theo khung MoSCoW đối với Sàn TMĐT hướng tới Gen Z:

  • Must have (Bắt buộc có): Hệ thống bảo vệ dữ liệu cá nhân (chống leak số điện thoại, địa chỉ); danh mục hàng hóa đa dạng; hiển thị đánh giá xác thực từ người mua trước (social proof).
  • Should have (Nên có): Quy trình thanh toán không tiền mặt mượt mà (Apple Pay, MoMo, ZaloPay); giao diện tìm kiếm thông minh bằng hình ảnh; chính sách hoàn tiền/đổi trả trong 7–15 ngày.
  • Could have (Có thể có): Tính năng livestream bán hàng tương tác cao, chatbot tư vấn tự động 24/7, minigame nhận voucher.
  • Won't have (Tạm thời loại bỏ): Các thủ tục xác minh tài khoản rườm rà, giao diện nhiều bước gây đứt gãy luồng thanh toán (checkout drop-off).

Thiết kế mô hình nghiên cứu và Khung đo lường

Khung lý thuyết tích hợp được thiết kế để lượng hóa hành vi người dùng qua các biến quan sát đo lường trên thang đo Likert 5 mức độ ($1 = \text{Rất không đồng ý}$ đến $5 = \text{Rất đồng ý}$).

Technology Stack và Công cụ xử lý dữ liệu:

  • Phần mềm phân tích thống kê: IBM SPSS Statistics phiên bản 25.0 (v25.0).
  • Thu thập dữ liệu: Google Forms API kết nối Google Sheets tự động tiền xử lý dữ liệu.
  • Tiêu chuẩn kiểm định thống kê:
    • Độ tin cậy Cronbach's Alpha: Hệ số tổng $\alpha \ge 0.70$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.
    • Phân tích Nhân tố Khám phá (EFA): Hệ số KMO ($0.5 \le \text{KMO} \le 1.0$), kiểm định Bartlett có giá trị $p < 0.001$, Tổng phương sai trích (Total Variance Explained) $> 50%$, Hệ số tải nhân tố (Factor Loading) $\ge 0.50$.
    • Mô hình hồi quy tuyến tính OLS: Đánh giá qua hệ số $R^2$, $R^2$ hiệu chỉnh, kiểm định $F$ (ANOVA) có $\text{Sig.} < 0.05$, hệ số phóng đại phương sai $\text{VIF} < 2.0$ (loại trừ hiện tượng đa cộng tuyến).

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình kết hợp hai giai đoạn (Mixed-methods):

       QUY TRÌNH PHƯƠNG PHÁP NGHIÊN CỨU 2 GIAI ĐOẠN

Ma trận đánh giá rủi ro và giải pháp khắc phục (Risk Assessment & Mitigation):

Rủi ro phương pháp luận Mức độ Hậu quả Giải pháp xử lý kỹ thuật
Sai lệch mẫu khảo sát (Sampling Bias) Cao Mẫu tập trung quá mức vào 1 độ tuổi Phân tầng mẫu thảo luận (THPT, ĐH, người đi làm); kiểm soát độ tuổi từ 1997-2006
Biến rác / Phương sai chung (CMV) Trung bình Thang đo không phản ánh đúng ý niệm Thử nghiệm định tính $n=7$, loại bỏ các phát biểu gây hiểu nhầm trước khi gửi $N=250$
Đa cộng tuyến (Multicollinearity) Trung bình Ước lượng hồi quy OLS bị sai lệch Kiểm tra ma trận tương quan Pearson và chỉ số $\text{VIF} < 2.0$ trên SPSS

Implementation và kết quả

Quy trình xử lý và Thuật toán tính toán

Mô hình hồi quy tuyến tính bội dự kiến có dạng: $$YD = \beta_0 + \beta_1 \cdot YT + \beta_2 \cdot TH + \beta_3 \cdot HI + \beta_4 \cdot RR + \beta_5 \cdot SD + \beta_6 \cdot GC + \epsilon$$

Trong đó:

  • $YD$: Biến phụ thuộc (Ý định lựa chọn sàn TMĐT).
  • $YT, TH, HI, RR, SD, GC$: Các biến độc lập đã chuẩn hóa.
  • Hệ số tin cậy nội tại Cronbach's Alpha được tính theo công thức: $$\alpha = \frac{k}{k-1} \left( 1 - \frac{\sum_{i=1}^k \sigma_{y_i}^2}{\sigma_x^2} \right)$$

Đoạn mã phân tích dữ liệu tương đương được xây dựng bằng Python (sử dụng thư viện pandas v2.0 và statsmodels v0.14) để tái hiện quy trình tính toán trên SPSS v25:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Tải và làm sạch tập dữ liệu khảo sát N=201
df = pd.read_csv("ecommerce_genz_hcmc_survey.csv")

# 2. Định nghĩa danh sách các biến độc lập và biến phụ thuộc
independent_vars = ['YT_mean', 'TH_mean', 'HI_mean', 'RR_mean', 'SD_mean', 'GC_mean']
dependent_var = 'YD_mean'

X = df[independent_vars]
y = df[dependent_var]
X_with_const = sm.add_constant(X)

# 3. Chạy mô hình hồi quy tuyến tính OLS ban đầu
model_initial = sm.OLS(y, X_with_const).fit()

# Kiểm tra p-value của biến Giá cả (GC): Nếu p > 0.05 -> Loại bỏ biến
if model_initial.pvalues['GC_mean'] > 0.05:
    print(f"Loại biến GC do không có ý nghĩa thống kê (p-value = {model_initial.pvalues['GC_mean']:.4f} > 0.05)")
    independent_vars_refined = ['YT_mean', 'TH_mean', 'HI_mean', 'RR_mean', 'SD_mean']
    X_refined = sm.add_constant(df[independent_vars_refined])
    model_final = sm.OLS(y, X_refined).fit()
    print(model_final.summary())

# 4. Kiểm tra đa cộng tuyến (VIF)
vif_data = pd.DataFrame()
vif_data["Feature"] = independent_vars_refined
vif_data["VIF"] = [variance_inflation_factor(df[independent_vars_refined].values, i) 
                   for i in range(len(independent_vars_refined))]
print("\nChỉ số VIF của các biến độc lập:\n", vif_data)

Kết quả kiểm định thống kê chi tiết

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả các thang đo sơ bộ đều đạt độ tin cậy cao sau khi loại bỏ các biến có tương quan biến - tổng không đạt:

  • Thang đo Sản phẩm & Dịch vụ (YT): $\alpha = 0.842$ (5 biến quan sát).
  • Thang đo Hình ảnh thương hiệu (TH): $\alpha = 0.815$ (4 biến quan sát).
  • Thang đo Nhận thức hữu ích (HI): $\alpha = 0.798$ (4 biến quan sát).
  • Thang đo Nhận thức rủi ro (RR): Sau khi tinh chỉnh ở lần 2, đạt $\alpha = 0.786$ (4 biến quan sát).
  • Thang đo Nhận thức tính dễ sử dụng (SD): $\alpha = 0.762$ (4 biến quan sát).
  • Thang đo Giá cả (GC): $\alpha = 0.745$ (3 biến quan sát).
  • Thang đo Ý định lựa chọn (YD): $\alpha = 0.831$ (3 biến quan sát).

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Hệ số $\text{KMO} = 0.812$ ($> 0.5$), kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.001$. Phép trích Principal Component Analysis với phép xoay Varimax đã trích được các nhân tố có Eigenvalue $> 1.0$, tổng phương sai trích đạt $58.46% > 50%$. Tất cả các trọng số Factor Loading đều đạt chuẩn $> 0.55$.
  • Biến phụ thuộc (YD): Trích thành công 1 nhân tố duy nhất, $\text{KMO} = 0.714$, $\text{Sig.} = 0.000$, phương sai trích đạt $68.21%$.
                       TRỌNG SỐ TÁC ĐỘNG (STANDARDIZED BETA)
                                0.0        0.1        0.2        0.3

3. Phân tích hồi quy và Kiểm định giả thuyết

Bảng tổng hợp kết quả kiểm định mô hình hồi quy đa biến:

Giả thuyết Mối quan hệ kỳ vọng Hệ số $\beta$ chuẩn hóa Giá trị $t$ Mức ý nghĩa (Sig.) Kết luận kiểm định
H1: Nhận thức hữu ích (HI) $(+) \to YD$ $+0.198$ $3.124$ $0.002 < 0.05$ Chấp nhận H1
H2: Tính dễ sử dụng (SD) $(+) \to YD$ $+0.105$ $2.018$ $0.045 < 0.05$ Chấp nhận H2
H3: Nhận thức rủi ro (RR) $(-) \to YD$ $-0.142$ $-2.451$ $0.015 < 0.05$ Chấp nhận H3
H4: Hình ảnh thương hiệu (TH) $(+) \to YD$ $+0.276$ $4.239$ $0.000 < 0.05$ Chấp nhận H4
H5: Yếu tố SP & Dịch vụ (YT) $(+) \to YD$ $+0.384$ $5.892$ $0.000 < 0.05$ Chấp nhận H5 (Mạnh nhất)
H6: Giá cả (GC) $(+) \to YD$ $+0.041$ $0.628$ $0.531 > 0.05$ Bác bỏ H6 (Loại khỏi mô hình)

Mô hình hồi quy chuẩn hóa cuối cùng: $$YD = 0.384 \cdot YT + 0.276 \cdot TH + 0.198 \cdot HI - 0.142 \cdot RR + 0.105 \cdot SD$$


Đổi mới và đóng góp

  1. Phát hiện thực nghiệm đột phá về Yếu tố Giá cả đối với Gen Z: Khác với các nghiên cứu trước đây tại thị trường đại chúng, biến Giá cả (GC) không có ý nghĩa thống kê ($\text{Sig.} = 0.531 > 0.05$) trong việc định hình ý định chọn sàn của Gen Z tại TP.HCM. Điều này chứng minh Gen Z không chọn sàn chỉ vì giá rẻ; họ ưu tiên sự đa dạng của sản phẩm, uy tín thương hiệu và tính tiện dụng của dịch vụ.
  2. Xác lập vai trò dẫn dắt của Yếu tố Sản phẩm & Dịch vụ ($\beta = 0.384$): Khẳng định chất lượng hàng hóa, tính đa dạng của danh mục và chính sách hỗ trợ sau bán hàng là đòn bẩy quan trọng nhất, chiếm tỷ trọng tác động lớn hơn cả hình ảnh thương hiệu và công nghệ.
  3. So sánh tương quan với các công trình nghiên cứu tiền nhiệm:
Tiêu chí so sánh Nghiên cứu này (Huỳnh Khánh Tiên, 2023) Nghiên cứu của Cường & Toàn (2019) Nghiên cứu của Liên & Trang (2021) Nghiên cứu của Sahel et al. (2018)
Bối cảnh khảo sát Sau đại dịch COVID-19 & suy thoái kinh tế Trước đại dịch (2019) Trong đại dịch COVID-19 (2021) Thị trường đang phát triển (Bangladesh)
Đối tượng mục tiêu Người tiêu dùng Gen Z tại TP.HCM Người tiêu dùng online chung Người dân TP.HCM trong giãn cách Quan điểm nhà bán lẻ điện tử
Yếu tố tác động mạnh nhất Sản phẩm & Dịch vụ ($\beta = 0.384$) Nhận thức hữu ích Nhận thức tính hữu ích Tính dễ sử dụng (trọng số AHP 45%)
Tác động của Giá cả Không có ý nghĩa thống kê ($p > 0.05$) Tác động dương có ý nghĩa Không xét riêng biến giá Chi phí là biến thứ yếu
Tác động của Rủi ro Tác động âm ($\beta = -0.142$) Tác động âm Tác động tiêu cực mạnh Xếp hạng ưu tiên thứ 2

Ứng dụng thực tế và triển khai

Dựa trên trọng số hồi quy chuẩn hóa $\beta$, chiến lược phát triển nền tảng TMĐT hướng đến Gen Z cần được phân bổ nguồn lực theo tỷ lệ tương ứng:

1. Chiến lược Sản phẩm và Dịch vụ (Trọng số 38.4% - Ưu tiên hàng đầu)

  • Đa dạng hóa danh mục hàng hóa ngách: Tích hợp các thương hiệu thời trang local brand, mỹ phẩm thuần chay (cruelty-free), đồ công nghệ thông minh phù hợp gu tiêu dùng của Gen Z.
  • Chuẩn hóa quy trình hoàn tất đơn hàng (Fulfillment): Rút ngắn thời gian xử lý đơn; nâng cấp chính sách cho phép đồng kiểm khi nhận hàng nhằm xóa bỏ rào cản tâm lý e ngại hàng kém chất lượng.

2. Chiến lược Định vị Thương hiệu (Trọng số 27.6%)

  • Tiếp thị qua KOC/KOL vi mô (Micro-influencers): Gen Z tin tưởng các đánh giá chân thực từ cộng đồng sáng tạo nội dung trên TikTok/Instagram hơn là quảng cáo truyền thống của sàn.
  • Tăng cường trách nhiệm xã hội (CSR): Thúc đẩy các chiến dịch đóng gói bằng vật liệu tái chế, bảo vệ môi trường – yếu tố tác động trực tiếp đến thiện cảm thương hiệu của Gen Z.

3. Tối ưu Công nghệ & Giảm thiểu Rủi ro (Trọng số HI: 19.8%, RR: -14.2%, SD: 10.5%)

  • Mã hóa dữ liệu đầu cuối (End-to-End Encryption): Áp dụng tính năng ẩn số điện thoại người nhận trên phiếu giao hàng (shipping label) để ngăn chặn lộ thông tin và lừa đảo đơn hàng giả (brushing scam).
  • Cá nhân hóa trải nghiệm (AI-driven Recommendation Engine): Tối ưu thuật toán gợi ý sản phẩm theo thời gian thực (real-time intent) dựa trên lịch sử tìm kiếm và duyệt web của người dùng trẻ.
                  LỘ TRÌNH TRIỂN KHAI DOANH NGHIỆP THEO QUÝ

Hạn chế và hướng phát triển

  • Quy mô và phương pháp chọn mẫu: Mẫu khảo sát đạt $N = 201$ người tiêu dùng thế hệ Z tại TP.HCM theo phương pháp thuận tiện phi xác suất. Mặc dù đảm bảo kích thước mẫu tối thiểu theo quy tắc Green (1991) ($N \ge 50 + 8m = 50 + 8 \times 6 = 98$), khả năng khái quát hóa cho toàn bộ thế hệ Z trên toàn quốc còn hạn chế.
  • Độ bao phủ của mô hình: Biến Giá cả (GC) bị loại bỏ do không đạt mức ý nghĩa thống kê trong mẫu hiện tại; tuy nhiên, các khía cạnh về Giá trị cảm nhận (Perceived Value) hoặc Chi phí ẩn (phí ship, phụ phí sàn) có thể đóng vai trò trung gian cần được khám phá sâu hơn.
  • Hướng nghiên cứu tiếp theo:
    • Mở rộng phạm vi thu thập mẫu sang các đô thị loại I và II khác (Hà Nội, Đà Nẵng, Cần Thơ).
    • Ứng dụng mô hình Phương trình Cấu trúc Tuyến tính (SEM - Structural Equation Modeling) hoặc PLS-SEM với phần mềm SmartPLS 4 để đánh giá các mối quan hệ trung gian và điều tiết (Moderating variables) như Giới tính, Thu nhập và Tần suất mua sắm.

Đối tượng hưởng lợi

                               ĐỐI TƯỢNG HƯỞNG LỢI
 [SINH VIÊN & HỌC VIÊN]    [DOANH NGHIỆP & NHÀ BÁN]     [CÁC NHÀ PHÁT TRIỂN & UX]
 • Tham khảo phương pháp    • Tối ưu danh mục SP         • Cải thiện luồng checkout
 • Khung thang đo chuẩn     • Giảm chi phí CAC           • Bảo mật dữ liệu người dùng
 • Quy trình chạy SPSS 25   • Tăng CLV của Gen Z         • Tích hợp thanh toán tiện lợi
  • Sinh viên & Học viên chuyên ngành Kinh tế/Marketing: Nhận được tài liệu tham khảo hoàn chỉnh về quy trình nghiên cứu hành vi người tiêu dùng, từ thiết kế bảng hỏi Likert, thảo luận nhóm định tính đến quy trình xử lý dữ liệu chuẩn hóa trên SPSS v25.
  • Doanh nghiệp & Đơn vị kinh doanh TMĐT: Sở hữu bộ chỉ số thực nghiệm để phân bổ ngân sách tiếp thị: chuyển dịch trọng tâm từ "cuộc chiến đốt tiền khuyến mãi giá" sang "nâng cấp chất lượng dịch vụ, sản phẩm và uy tín thương hiệu".
  • Kỹ sư Hệ thống & Đội ngũ Thiết kế Trải nghiệm Sản phẩm (Product/UX Designers): Nắm bắt được các rào cản kỹ thuật khiến Gen Z rời bỏ nền tảng, từ đó ưu tiên phát triển các tính năng bảo mật giao dịch và tối giản hóa quy trình thanh toán.
  • Giới nghiên cứu học thuật: Cung cấp dữ liệu thực nghiệm cập nhật năm 2023 tại TP.HCM, làm cơ sở đối sánh cho các nghiên cứu tiếp theo về hành vi mua sắm trực tuyến của các phân khúc thế hệ mới (Gen Alpha).

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai khảo sát và phân tích mô hình nghiên cứu này là gì?

Cần cài đặt phần mềm IBM SPSS Statistics (phiên bản 22.0 trở lên, tối ưu trên bản v25.0) hoặc môi trường Python 3.8+ với các gói thư viện statsmodels, scikit-learnpandas. Bảng câu hỏi thu thập qua Google Forms cần thiết lập chế độ giới hạn 1 câu trả lời/tài khoản và bắt buộc điền đầy đủ mọi biến quan sát để tránh hiện tượng khuyết dữ liệu (missing values).

2. Tại sao biến "Giá cả" lại bị loại khỏi mô hình hồi quy của Gen Z?

Trong kết quả kiểm định hồi quy OLS, biến Giá cả có hệ số $\text{Sig.} = 0.531 > 0.05$, không đạt mức ý nghĩa thống kê chuẩn. Đối với thế hệ Z tại TP.HCM, mức giá giữa các sàn TMĐT hiện nay đã bão hòa và có tính tương đồng cao; sự khác biệt dẫn đến quyết định chọn sàn nằm ở tính sẵn có của mặt hàng độc quyền/chất lượng, độ uy tín của shop và tốc độ giao hàng, chứ không đơn thuần là giá bán niêm yết.

3. Làm thế nào để giải quyết rủi ro đa cộng tuyến khi phân tích dữ liệu khảo sát?

Trong nghiên cứu, hiện tượng đa cộng tuyến được kiểm soát thông qua hai bước: (1) Kiểm tra ma trận tương quan Pearson trước khi đưa vào hồi quy nhằm đảm bảo hệ số tương quan giữa các biến độc lập không vượt quá $0.7$; (2) Kiểm tra hệ số phóng đại phương sai $\text{VIF}$ trong bảng thông số hồi quy, đảm bảo tất cả $\text{VIF} < 2.0$ (thấp hơn nhiều so với ngưỡng cảnh báo $10.0$).

4. Sàn TMĐT quy mô vừa và nhỏ nên ưu tiên cải thiện yếu tố nào trước tiên?

Theo thứ tự trọng số chuẩn hóa $\beta$, doanh nghiệp nên tập trung $60%$ nguồn lực vào Yếu tố Sản phẩm & Dịch vụ ($\beta = 0.384$)Hình ảnh thương hiệu ($\beta = 0.276$). Cụ thể: Nâng cao chất lượng tư vấn, hỗ trợ đổi trả nhanh chóng và kiểm soát chặt chẽ nguồn hàng đối tác bán trên sàn.

5. Khung thời gian và chi phí ước tính để đo lường định kỳ sự hài lòng của Gen Z là bao nhiêu?

Một chu kỳ khảo sát định kỳ (Pulse Survey) nên được thực hiện 6 tháng/lần với chi phí dao động từ 15 - 30 triệu VND (nếu tự vận hành qua khảo sát online và phân tích nội bộ). Quy trình kéo dài từ 3–4 tuần: 1 tuần chuẩn bị và gửi form, 1 tuần thu thập $N \ge 300$ mẫu, 1–2 tuần xử lý số liệu và xuất báo cáo hàm ý quản trị.


Kết luận

Công trình khóa luận tốt nghiệp của tác giả Huỳnh Khánh Tiên đã đóng góp một khung nghiên cứu thực nghiệm chuẩn xác về hành vi lựa chọn sàn TMĐT của người tiêu dùng Gen Z tại TP.HCM trong kỷ nguyên hậu đại dịch. Kết quả phân tích định lượng trên 201 đối tượng khảo sát đã chứng minh: Yếu tố sản phẩm và dịch vụ giữ vai trò tiên quyết ($\beta = 0.384$), tiếp theo là Hình ảnh thương hiệu ($\beta = 0.276$), Nhận thức sự hữu ích ($\beta = 0.198$), Nhận thức rủi ro ($\beta = -0.142$) và Nhận thức tính dễ sử dụng ($\beta = 0.105$).

Phát hiện này mở ra góc nhìn chiến lược quan trọng cho các nhà quản trị TMĐT: Chuyển dịch trọng tâm kinh doanh từ cạnh tranh giá sang nâng tầm giá trị dịch vụ toàn diện, bảo vệ quyền riêng tư dữ liệu và xây dựng uy tín thương hiệu bền vững nhằm chinh phục trọn vẹn thế hệ người tiêu dùng số Gen Z.