Giới thiệu dự án

Thương mại điện tử (E-Commerce) tại Việt Nam đang chứng kiến sự chuyển dịch mang tính bước ngoặt từ mô hình mua sắm truyền thống sang thương mại xã hội (Social Commerce). Theo báo cáo thị trường, TikTok đã vươn lên thành nền tảng giải trí và mua sắm tích hợp với hơn 12 triệu người dùng tại Việt Nam, mở ra kênh tiêu thụ tiềm năng cho các doanh nghiệp bán lẻ. Sự ra đời của tính năng TikTok Shop vào năm 2022 đã trực tiếp giải quyết sự bất tiện khi khách hàng phải chuyển đổi qua lại giữa mạng xã hội và các sàn thương mại trung gian như Shopee hay Lazada.

Tuy nhiên, thị trường thương mại điện tử dành cho giới trẻ (Gen Z - độ tuổi từ 18 đến 28) tại Thành phố Hồ Chí Minh đang đối mặt với nhiều rào cản tâm lý: sự e ngại về bảo mật dữ liệu thanh toán cá nhân, rủi ro hàng giả/hàng lỗi, sự tràn lan thông tin quảng cáo gây phiền toái, và độ tin cậy của các đánh giá trực tuyến. Để tối ưu hóa tỷ lệ chuyển đổi đơn hàng và xây dựng chiến lược kinh doanh bền vững trên nền tảng mạng xã hội, việc nghiên cứu định lượng các nhân tố tác động đến hành vi tiêu dùng là yêu cầu cấp thiết.

Khóa luận tốt nghiệp chuyên ngành Quản trị kinh doanh tại Trường Đại học Ngân hàng TP. Hồ Chí Minh với đề tài "Các nhân tố ảnh hưởng đến ý định mua sắm trực tuyến trên ứng dụng Tiktokshop của giới trẻ tại Thành phố Hồ Chí Minh" (Tác giả: Trần Cẩm Tú; GVHD: TS. Phạm Thị Hoa) được triển khai nhằm giải quyết trọn vẹn bài toán này.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận: Tổng hợp các mô hình hành vi người tiêu dùng, Thuyết Hành động Hợp lý (TRA - Theory of Reasoned Action), Thuyết Hành vi Dự định (TPB - Theory of Planned Behavior), và Mô hình Chấp nhận Công nghệ (TAM - Technology Acceptance Model).
  2. Xác định các nhân tố ảnh hưởng: Xây dựng mô hình 5 nhân tố độc lập: Tính bảo mật (BM), Giảm thiểu rủi ro (RR), Tính giải trí (GT), Truyền miệng điện tử (TM - e-WOM), và Thiết kế trang web/giao diện mua sắm (TK).
  3. Đo lường và kiểm định định lượng: Thu thập 320 mẫu khảo sát hợp lệ từ Gen Z tại TP.HCM, thực hiện kiểm định độ tin cậy thang đo Cronbach's Alpha, Phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis), kiểm định tương quan Pearson và mô hình hồi quy tuyến tính đa biến (Multiple Linear Regression) bằng phần mềm SPSS v20.0.
  4. Đề xuất hàm ý quản trị: Cung cấp giải pháp kinh doanh thực tiễn, tối ưu giao diện bán hàng, quản trị rủi ro thanh toán và kích thích hiệu ứng e-WOM nhằm tăng doanh số trên TikTok Shop.

Phạm vi và giới hạn nghiên cứu

  • Đối tượng khảo sát: Người tiêu dùng trẻ (Gen Z) trong độ tuổi từ 18–28 tuổi tại khu vực TP. Hồ Chí Minh.
  • Thời gian thực hiện: Dữ liệu sơ cấp được thu thập từ ngày 08/05/2023 đến 31/05/2023.
  • Giới hạn kỹ thuật: Nghiên cứu áp dụng phương pháp chọn mẫu thuận tiện phi xác suất với quy mô $N = 320$, tập trung phân tích ý định hành vi (Purchase Intention) thay vì hành vi giao dịch thực tế dài hạn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi TikTok Shop xuất hiện, thị trường thương mại điện tử Việt Nam bị chi phối bởi các nền tảng thương mại điện tử truyền thống. Dưới đây là bảng so sánh các giải pháp mua sắm trực tuyến hiện có:

Tiêu chí so sánh Sàn E-Commerce truyền thống (Shopee, Lazada, Tiki) Mạng xã hội truyền thống (Facebook, Instagram) Nền tảng TikTok Shop (Social Commerce)
Trải nghiệm mua sắm Tìm kiếm chủ động theo từ khóa, danh mục Nhắn tin riêng (Inbox), giao dịch thủ công Xem video ngắn/Livestream giải trí, bấm mua tức thì
Tích hợp thanh toán Tích hợp cổng thanh toán trực tiếp, ví điện tử Chuyển khoản ngân hàng hoặc COD thủ công Tích hợp thanh toán đa kênh (Thẻ, Ví, COD) trong app
Mức độ tương tác (e-WOM) Đánh giá dạng văn bản/ảnh tĩnh dưới sản phẩm Bình luận bài viết, hội nhóm Review trực quan qua video ngắn, KOC/KOL livestream
Rủi ro trải nghiệm Chênh lệch giữa ảnh mẫu và hàng nhận Nguy cơ lừa đảo cao do thiếu trung gian xử lý Chính sách hoàn tiền, trả hàng được quản lý tập trung
Tính giải trí Thấp (chỉ tập trung vào giao dịch) Trung bình (chia sẻ hình ảnh/trạng thái) Rất cao (thuật toán phân phối video theo sở thích)

Phân loại nhu cầu theo mô hình MoSCoW

  • Must-have (Bắt buộc phải có): Độ an toàn thông tin thanh toán (BM), cơ chế bảo vệ khách hàng khi giao dịch lỗi (RR), hệ thống giỏ hàng và đặt hàng tích hợp 1 chạm (TK).
  • Should-have (Nên có): Nội dung quảng cáo/review mang tính giải trí không gây phiền toái (GT), hệ thống đánh giá video từ người mua trước (TM).
  • Could-have (Có thể có): Tính năng cá nhân hóa gợi ý mã giảm giá tự động khi đang xem Livestream.
  • Won't-have (Tạm thời chưa xét): Giao dịch mua sắm xuyên biên giới B2B phức tạp.

Thiết kế hệ thống nghiên cứu

Nền tảng lý thuyết và Giả thuyết nghiên cứu

Mô hình nghiên cứu kế thừa từ Mô hình Chấp nhận Công nghệ TAM (Davis, 1989) kết hợp với Thuyết Giá trị Quảng cáo (Ducoffe, 1996) và Lý thuyết e-WOM (Hennig-Thurau et al., 2004):

  • Giả thuyết $H_1$: Tính bảo mật (BM) có tác động cùng chiều (+) đến Ý định mua sắm trực tuyến (YD).
  • Giả thuyết $H_2$: Giảm thiểu rủi ro (RR) có tác động cùng chiều (+) đến Ý định mua sắm trực tuyến (YD).
  • Giả thuyết $H_3$: Tính giải trí (GT) có tác động cùng chiều (+) đến Ý định mua sắm trực tuyến (YD).
  • Giả thuyết $H_4$: Truyền miệng điện tử (TM) có tác động cùng chiều (+) đến Ý định mua sắm trực tuyến (YD).
  • Giả thuyết $H_5$: Thiết kế trang web/ứng dụng (TK) có tác động cùng chiều (+) đến Ý định mua sắm trực tuyến (YD).

Bảng cấu trúc thang đo Likert 5 điểm

Thang đo được thiết kế theo chuẩn 5 mức độ: (1) Rất không đồng ý, (2) Không đồng ý, (3) Trung lập, (4) Đồng ý, (5) Rất đồng ý.

Thang đo 23 biến quan sát:

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình kết hợp hai giai đoạn:

  1. Nghiên cứu định tính: Nghiên cứu tài liệu thứ cấp, thảo luận nhóm chuyên gia cùng giảng viên hướng dẫn để điều chỉnh các biến quan sát phù hợp với bối cảnh ứng dụng di động TikTok Shop.
  2. Nghiên cứu định lượng:
    • Quy mô mẫu: Theo quy tắc của Nguyễn Đình Thọ (2013) và Hair et al. (2010), kích thước mẫu tối thiểu phải gấp 5 lần tổng số biến quan sát: $N_{\text{min}} = 5 \times 23 = 115$ quan sát. Tác giả đã thu thập $N = 320$ bảng trả lời hợp lệ, thỏa mãn điều kiện phân tích cấu trúc phức tạp.
    • Xử lý dữ liệu: Kiểm định độ tin cậy thang đo (Cronbach's Alpha $> 0.6$, tương quan biến tổng $> 0.3$), Phân tích EFA (Hệ số $KMO \ge 0.5$, kiểm định Bartlett $p < 0.05$, Tổng phương sai trích $> 50%$, Factor Loading $> 0.5$), Hồi quy tuyến tính đa biến, phân tích phương sai ANOVA và kiểm định đa cộng tuyến thông qua hệ số VIF (Variance Inflation Factor).

Implementation và kết quả

Quy trình xử lý và Thuật toán phân tích dữ liệu

Toàn bộ dữ liệu khảo sát từ Google Forms được làm sạch, mã hóa và phân tích thông qua SPSS v20.0 và kiểm chứng thuật toán bằng mã nguồn Python thống kê tương đương.

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

# Khởi tạo mô hình kiểm định hồi quy tuyến tính đa biến
def run_econometric_pipeline(df, independent_vars, dependent_var):
    """
    Quy trình kiểm định mô hình hồi quy OLS và kiểm tra đa cộng tuyến (VIF)
    Mô hình: YD = beta_0 + beta_1*BM + beta_2*RR + beta_3*GT + beta_4*TM + beta_5*TK + e
    """
    X = df[independent_vars]
    y = df[dependent_var]
    X_with_const = sm.add_constant(X)
    
    # 1. Ước lượng mô hình Ordinary Least Squares (OLS)
    model = sm.OLS(y, X_with_const).fit()
    
    # 2. Kiểm định hiện tượng đa cộng tuyến (Multicollinearity) qua hệ số VIF
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

# Công thức kiểm định phân tích phương sai ANOVA (F-Test)
# F = [ESS / (k - 1)] / [RSS / (n - k)]
# Trong đó: ESS = Explained Sum of Squares, RSS = Residual Sum of Squares

Phương trình hồi quy tổng quát của mô hình: $$YD_i = \beta_0 + \beta_1 BM_i + \beta_2 RR_i + \beta_3 GT_i + \beta_4 TM_i + \beta_5 TK_i + U_i$$

Công thức tính hệ số tin cậy Cronbach's Alpha: $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

Thống kê mô tả mẫu nghiên cứu ($N = 320$)

  • Cơ cấu giới tính: Nữ chiếm đa số với 67.3% (216 người), Nam chiếm 32.7% (104 người).
  • Phân bổ độ tuổi: Nhóm 18–23 tuổi chiếm 51.3% (164 người); nhóm 23–28 tuổi chiếm 48.7% (156 người).
  • Mức độ nhận diện nền tảng: 97.5% (312 người) đã từng nghe qua hoặc sử dụng TikTok Shop; chỉ 2.5% chưa từng biết đến.
  • Tỷ lệ chuyển đổi đơn hàng: 93.9% (297 người) đã từng đặt hàng thành công trên ứng dụng.
  • Tần suất mua sắm trong tháng gần nhất:
    • 1–3 lần: 37.9% (120 người)
    • 3–5 lần: 30.0% (96 người)
    • 5–7 lần: 15.6% (50 người)
    • Trên 7 lần: 16.5% (54 người)

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Dữ liệu xử lý trên phần mềm SPSS cho thấy toàn bộ 5 thang đo biến độc lập và 1 thang đo biến phụ thuộc đều đạt chuẩn kiểm định ($\alpha > 0.60$ và hệ số tương quan biến - tổng Corrected Item-Total Correlation $> 0.30$):

Thang đo nhân tố Ký hiệu Số biến quan sát Hệ số Cronbach's Alpha Đánh giá thang đo
Tính bảo mật BM 4 0.828 Độ tin cậy rất tốt, các biến BM1-BM4 đều có tương quan $> 0.30$
Giảm thiểu rủi ro RR 5 0.812 Độ tin cậy cao, thang đo RR1-RR5 phản ánh chuẩn xác
Tính giải trí GT 3 0.623 Đạt yêu cầu tin cậy đối với nghiên cứu khám phá ($> 0.60$)
Truyền miệng điện tử TM 3 0.665 Đạt chuẩn tin cậy, các biến TM1-TM3 có ý nghĩa thống kê
Thiết kế trang web/app TK 4 0.722 Độ tin cậy tốt, biến TK1-TK4 phân hóa rõ ràng
Ý định mua sắm (Biến phụ thuộc) YD 4 0.673 Đạt chuẩn kiểm định cho mô hình hồi quy

Kết quả Phân tích nhân tố khám phá (EFA) và Hồi quy

  • Kiểm định EFA biến độc lập: Hệ số $KMO = 0.785$ ($0.5 \le KMO \le 1$), kiểm định Bartlett có giá trị Sig. $= 0.000 < 0.05$, chứng minh ma trận tương quan giữa các biến là có ý nghĩa. Tổng phương sai trích (Total Variance Explained) đạt trên $55.4%$, các hệ số tải nhân tố (Factor Loading) đều vượt ngưỡng $0.50$, không có hiện tượng biến tải chéo.
  • Phân tích hồi quy và ANOVA: Giá trị $F$-statistic đạt mức ý nghĩa Sig. $= 0.000$, bác bỏ giả thuyết $H_0$, khẳng định mô hình hồi quy tuyến tính xây dựng là hoàn toàn phù hợp với tập dữ liệu thực tế. Hệ số $R^2$ hiệu chỉnh (Adjusted R-Square) giải thích được phần lớn sự biến thiên của Ý định mua sắm (YD).
  • Kiểm định hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai $VIF < 2.0$ trên tất cả các biến, chứng minh không có hiện tượng đa cộng tuyến giữa các biến độc lập.

Đổi mới và đóng góp

Đóng góp học thuật và khoảng trống tri thức

  1. Lấp đầy khoảng trống nghiên cứu Social Commerce thế hệ mới: Khác với các công trình trước đây chỉ tập trung vào sàn E-Commerce truyền thống (Shopee/Lazada), nghiên cứu này là một trong những công trình tiên phong lượng hóa hành vi người dùng trên nền tảng kết hợp Short-form Video và E-Commerce (TikTok Shop) tại Việt Nam.
  2. Mô hình hóa tích hợp đa lý thuyết: Kết hợp thành công mô hình chấp nhận công nghệ (TAM) với lý thuyết truyền thông e-WOM và giá trị giải trí (Entertainment Value), chứng minh rằng trong Social Commerce, cảm xúc giải trí và tương tác cộng đồng đóng vai trò then chốt không kém các yếu tố kỹ thuật.

So sánh với các nghiên cứu tiền nhiệm

Công trình nghiên cứu Phạm vi & Phương pháp Các nhân tố tác động chính Điểm khác biệt & Đóng góp mới của đồ án này
Nguyễn Thị Mai Trang (2014) $N = 354$, E-Commerce truyền thống tại TP.HCM Thiết kế website, Bảo mật, Hoàn tất đơn hàng Mở rộng sang Social Commerce; bổ sung yếu tố video giải trí và truyền miệng điện tử KOC
Tạ Văn Thành (2021) Khảo sát Gen Z mua sắm E-Commerce tổng quát Tính hữu ích, Niềm tin, Cảm nhận rủi ro, Tâm lý an toàn Lượng hóa cụ thể trên hệ sinh thái TikTok Shop; chứng minh vai trò tích hợp thanh toán 1-chạm
Nguyễn Đình Yến Oanh & Quách Lý Xuân An (2018) $N = 557$, Quảng cáo trực tuyến ĐBSCL Danh tiếng, Tính giải trí, Giá trị cảm nhận Ứng dụng trực tiếp vào luồng mua hàng tức thì (Instant In-app Purchase) thay vì chỉ đo lường thái độ

Ứng dụng thực tế và triển khai

Kịch bản triển khai cho doanh nghiệp bán lẻ và KOCs

                       CHIẾN LƯỢC TRIỂN KHAI DOANH NGHIỆP
 • Minh bạch chính sách         • Video review ngắn <60s       • Khuyến khích review
   hoàn tiền/đổi trả 100%         lồng ghép giải trí             nhận voucher
 • Tích hợp cổng thanh          • Livestream tương tác         • Tối ưu liên kết giỏ
   toán chuẩn PCI-DSS             thực tế sản phẩm               hàng màu vàng (Yellow Cart)
  1. Quản trị Tính bảo mật và Rủi ro (Tác động cốt lõi):
    • Doanh nghiệp phải công khai chứng chỉ bảo mật thanh toán, chuẩn hóa quy trình đóng gói và chính sách đồng kiểm hàng trước khi nhận ($RR_3$).
    • Cam kết bảo mật dữ liệu định danh khách hàng, không chia sẻ thông tin số điện thoại/địa chỉ cho bên thứ ba ngoài đơn vị vận chuyển chính thức của TikTok Shop ($BM_2$).
  2. Tối ưu hóa Tính giải trí (Shoppertainment):
    • Không triển khai quảng cáo bán hàng thuần túy; áp dụng định dạng video ngắn (Short-form video) thời lượng 30–60 giây mang tính hài hước, tình huống thực tế hoặc hướng dẫn sử dụng (Tutorial) để gia tăng chỉ số giữ chân người xem ($GT_3$).
  3. Khai thác hiệu ứng Lan truyền điện tử (e-WOM Strategy):
    • Xây dựng chương trình "Affiliate Marketing" liên kết với mạng lưới micro-KOCs uy tín.
    • Thiết lập cơ chế tặng Voucher/Điểm tích lũy cho khách hàng quay video unbox và để lại đánh giá 5 sao kèm hình ảnh thực tế trên gian hàng ($TM_1, TM_2$).
  4. Tối ưu trải nghiệm giao diện và luồng đặt hàng (UI/UX):
    • Tối ưu hóa gian hàng Showcase: phân loại danh mục sản phẩm trực quan, cập nhật mô tả chi tiết và hình ảnh chuẩn tỷ lệ khung hình di động (9:16) giúp khách hàng chốt đơn trong dưới 3 thao tác nhấp ($TK_1, TK_2$).

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Phạm vi địa lý: Mẫu nghiên cứu ($N=320$) chỉ tập trung tại TP. Hồ Chí Minh, chưa bao quát thị trường tiêu dùng tại Hà Nội, Đà Nẵng hay khu vực nông thôn.
  • Phương pháp lấy mẫu: Áp dụng chọn mẫu thuận tiện phi xác suất (Convenience Sampling), có thể tiềm ẩn sai số đại diện nhất định cho toàn bộ thế hệ Gen Z Việt Nam.
  • Độ bao phủ biến số: Mô hình tập trung vào 5 nhân tố chính; chưa tính đến các biến điều tiết (Moderating variables) như Giới tính, Thu nhập hàng tháng, hoặc Tần suất xem Livestream.

Hướng nghiên cứu tiếp theo

  • Mở rộng quy mô mẫu lên $N \ge 1,000$ trên phạm vi toàn quốc và phân tích đa nhóm (Multi-group Analysis - MGA).
  • Ứng dụng mô hình Phương trình Cấu trúc Tuyến tính (PLS-SEM hoặc CB-SEM) bằng phần mềm SmartPLS để đo lường các mối quan hệ tác động gián tiếp và biến trung gian.
  • Khảo sát sự khác biệt hành vi giữa các ngành hàng đặc thù: Thời trang/Mỹ phẩm so với Đồ điện tử/Gia dụng.

Đối tượng hưởng lợi

                 GIÁ TRỊ MANG LẠI CHO CÁC NHÓM ĐỐI TƯỢNG
Tham khảo mẫu Khung đo lường                    Chiến lược      Tối ưu luồng
khóa luận &   thang đo e-WOM                   tăng trưởng      UI/UX & thanh
SPSS chuẩn    & Shoppertainment                doanh thu TikShop toán an toàn
  • Sinh viên khối ngành Kinh tế/Marketing: Cung cấp tài liệu tham khảo chuẩn mực về cấu trúc khóa luận định lượng, quy trình xử lý SPSS, kiểm định Cronbach's Alpha và phân tích EFA.
  • Nhà nghiên cứu học thuật: Cung cấp bộ thang đo đã được kiểm định độ tin cậy đối với mô hình thương mại xã hội tại thị trường mới nổi.
  • Doanh nghiệp & Nhà bán hàng (Merchants): Nắm bắt chính xác tâm lý Gen Z để phân bổ ngân sách quảng cáo hợp lý giữa KOC review và tối ưu chính sách đổi trả giảm rủi ro.
  • Nhà phát triển nền tảng công nghệ (Developers/Product Managers): Dữ liệu thực nghiệm chứng minh tầm quan trọng của tốc độ tải trang, luồng thanh toán 1 chạm và tính năng bảo vệ quyền riêng tư người dùng.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và dữ liệu để triển khai mô hình kiểm định này là gì?

Cần chuẩn bị tập dữ liệu khảo sát làm sạch tối thiểu $N = 115$ (khuyến nghị $\ge 300$), phần mềm thống kê IBM SPSS Statistics v20.0 trở lên hoặc thư viện Python (pandas, statsmodels, scipy). Thang đo phải được mã hóa theo dạng số nguyên Likert từ 1 đến 5.

2. Giới hạn quy mô mẫu $N = 320$ có đủ tin cậy cho toàn bộ thị trường không?

Mẫu $N = 320$ hoàn toàn đáp ứng tiêu chuẩn thống kê học thuật của Hair et al. ($N \ge 5 \times 23 = 115$). Tuy nhiên, để suy rộng cho toàn bộ người tiêu dùng Việt Nam, cần mở rộng kích thước mẫu ngẫu nhiên phân tầng tại nhiều tỉnh thành.

3. Làm thế nào để doanh nghiệp tích hợp hệ thống đo lường e-WOM vào TikTok Shop?

Doanh nghiệp có thể thiết lập hệ thống Social Listening để đo lường chỉ số cảm xúc (Sentiment Score), tỷ lệ tương tác (Engagement Rate) của các video gắn thẻ sản phẩm, đồng thời theo dõi tỷ lệ chuyển đổi đơn hàng từ từng mã KOC Affiliate.

4. Chi phí triển khai chiến lược bán hàng dựa trên kết quả nghiên cứu là bao nhiêu?

Chi phí linh hoạt tùy quy mô: Đối với gian hàng nhỏ, việc tối ưu UI/UX, mô tả sản phẩm và chính sách đổi trả gần như miễn phí (0 VNĐ). Đối với chiến dịch e-WOM thông qua Micro-KOCs, ngân sách dao động từ 5.000.000 – 30.000.000 VNĐ/tháng với tỷ suất hoàn vốn ROI kỳ vọng đạt $200% - 350%$.

5. Tại sao yếu tố "Bảo mật" và "Giảm thiểu rủi ro" lại có vai trò quyết định với Gen Z?

Mặc dù Gen Z am hiểu công nghệ, họ là nhóm khách hàng có độ nhạy cảm cao với các vụ rò rỉ dữ liệu và lừa đảo qua mạng. Khi mua sắm trên một ứng dụng giải trí như TikTok, rào cản tâm lý về việc lộ thẻ ngân hàng hoặc nhận hàng không đúng mô tả là nguyên nhân hàng đầu khiến họ hủy bỏ giỏ hàng.


Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Trần Cẩm Tú đã giải quyết xuất sắc bài toán nghiên cứu thực nghiệm về hành vi mua sắm thương mại xã hội của giới trẻ TP. Hồ Chí Minh trên ứng dụng TikTok Shop. Thông qua quy trình phân tích định lượng nghiêm ngặt ($N = 320$, Cronbach's Alpha $\ge 0.623$, $KMO = 0.785$, kiểm định hồi quy không vi phạm đa cộng tuyến), nghiên cứu đã chứng minh 5 trụ cột: Tính bảo mật, Giảm thiểu rủi ro, Tính giải trí, Truyền miệng điện tửThiết kế ứng dụng đều tác động tích cực cùng chiều đến ý định mua sắm của người tiêu dùng.

Kết quả này không chỉ mang giá trị học thuật hoàn chỉnh mà còn là cẩm nang thực thi chiến lược đắt giá cho các doanh nghiệp đang tìm kiếm sự tăng trưởng đột phá trên hệ sinh thái Social Commerce tại Việt Nam.