Chấp nhận và sử dụng ứng dụng bidv smartbanking của khách hàng cá nhân tại thành phố hồ chí minh góc nhìn từ mô hình utaut 3

Khám phá sự chấp nhận và sử dụng ứng dụng BIDV SmartBanking tại TP.HCM qua mô hình UTAUT 3, mang đến cái nhìn sâu sắc về hành vi khách hàng.

• Tác giả: Trần Nguyễn Hà Thanh
• Người hướng dẫn: TS. Nguyễn Trung Hiếu
• Trường học: Trường Đại Học Ngân Hàng TP. Hồ Chí Minh
• Chuyên ngành: Tài Chính – Ngân Hàng
• Đề tài: Chấp Nhận Và Sử Dụng Ứng Dụng BIDV SmartBanking Của Khách Hàng Cá Nhân Tại Thành Phố Hồ Chí Minh: Góc Nhìn Từ Mô Hình UTAUT-3
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU ĐỀ TÀI
• 1.1. Lý do chọn đề tài
• 1.2. Mục tiêu của đề tài
• 1.3. Câu hỏi nghiên cứu
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.4.1. Đối tượng nghiên cứu
• 1.4.2. Phạm vi nghiên cứu
• 1.5. Phương pháp nghiên cứu
• 2. CHƯƠNG 2: MÔ HÌNH VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 2.1. Quy trình nghiên cứu
• 2.2. Phát triển giả thuyết nghiên cứu và mô hình nghiên cứu đề xuất
• 2.2.1. Phát triển các giả thuyết nghiên cứu
• 2.2.2. Mô hình nghiên cứu đề xuất
• 2.3. Thiết kế bản câu hỏi khảo sát
• 2.4. Đặc điểm của mẫu nghiên cứu
• 2.5. Phương pháp phân tích dữ liệu nghiên cứu
• 2.5.1. Kiểm định độ tin cậy thang đo bằng hệ số Cronbach’s Alpha
• 2.5.2. Phân tích nhân tố khám phá (EFA)
• 2.5.3. Phân tích nhân tố khẳng định (CFA) và mô hình cấu trúc tuyến tính (SEM)
• 3. CHƯƠNG 3: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
• 3.1. Kiểm định độ tin cậy bằng Cronbach’s Alpha
• 3.2. Phân tích nhân tố khám phá (EFA)
• 3.2.1. Phân tích EFA với các biến độc lập
• 3.2.2. Phân tích EFA với các biến phụ thuộc
• 3.3. Phân tích nhân tố khẳng định (CFA)
• 3.4. Mô hình cấu trúc tuyến tính (SEM)
• 3.5. Kiểm định mô hình
• 3.5.1. Kiểm định các mối quan hệ của mô hình nghiên cứu
• 3.5.2. Kiểm định Bootstrap và mối quan hệ trung gian
• 3.5.3. Kiểm định mô hình nghiên cứu với các biến tương tác
• 3.6. Thảo luận kết quả nghiên cứu
• 4. CHƯƠNG 4: KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ
• 4.1. Hàm ý quản trị
• 4.2. Hạn chế của nghiên cứu
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Nghiên Cứu Chấp Nhận Ứng Dụng BIDV SmartBanking

Nghiên cứu này tập trung vào việc phân tích các yếu tố ảnh hưởng đến việc chấp nhận và sử dụng ứng dụng BIDV SmartBanking tại TP. Hồ Chí Minh. BIDV SmartBanking là một ứng dụng ngân hàng điện tử tiên tiến, kết hợp giữa Internet Banking và Mobile Banking, mang lại nhiều tiện ích cho người dùng. Việc nghiên cứu này không chỉ giúp hiểu rõ hơn về hành vi của khách hàng mà còn hỗ trợ BIDV trong việc phát triển ứng dụng phù hợp với nhu cầu của người tiêu dùng.

1.1. Lý do chọn đề tài nghiên cứu

Sự phát triển nhanh chóng của công nghệ ngân hàng điện tử đã tạo ra nhu cầu cao về các ứng dụng như BIDV SmartBanking. Nghiên cứu này nhằm tìm hiểu các yếu tố tác động đến sự chấp nhận của khách hàng tại TP. Hồ Chí Minh.

1.2. Mục tiêu của nghiên cứu

Mục tiêu chính là xác định các yếu tố ảnh hưởng đến hành vi chấp nhận và sử dụng ứng dụng BIDV SmartBanking, từ đó đưa ra các khuyến nghị cho ngân hàng.

II. Vấn đề và Thách thức trong việc Chấp Nhận Ứng Dụng BIDV SmartBanking

Mặc dù BIDV SmartBanking đã thu hút được một lượng lớn người dùng, nhưng vẫn còn nhiều thách thức trong việc nâng cao tỷ lệ chấp nhận. Các vấn đề như độ tin cậy của ứng dụng, sự hiểu biết của khách hàng về tính năng và lợi ích của ứng dụng là những yếu tố cần được xem xét.

2.1. Độ tin cậy và bảo mật của ứng dụng

Khách hàng thường lo ngại về vấn đề bảo mật khi sử dụng ứng dụng ngân hàng điện tử. Việc đảm bảo an toàn thông tin là yếu tố quan trọng để tăng cường sự chấp nhận.

2.2. Sự hiểu biết của khách hàng về tính năng

Nhiều khách hàng chưa hiểu rõ về các tính năng của BIDV SmartBanking, điều này ảnh hưởng đến quyết định sử dụng ứng dụng của họ.

III. Phương pháp Nghiên cứu và Mô hình UTAUT 3

Nghiên cứu này sử dụng mô hình UTAUT-3 để phân tích các yếu tố ảnh hưởng đến việc chấp nhận và sử dụng ứng dụng BIDV SmartBanking. Mô hình này bao gồm các yếu tố như kỳ vọng hiệu quả, ảnh hưởng xã hội, và điều kiện thuận lợi.

3.1. Mô hình UTAUT 3 và các yếu tố chính

Mô hình UTAUT-3 được phát triển để đánh giá các yếu tố tác động đến hành vi sử dụng công nghệ, bao gồm kỳ vọng hiệu quả và ảnh hưởng xã hội.

3.2. Phương pháp thu thập dữ liệu

Dữ liệu được thu thập thông qua khảo sát trực tuyến với khách hàng sử dụng ứng dụng BIDV SmartBanking tại TP. Hồ Chí Minh.

IV. Kết quả Nghiên cứu và Ứng dụng Thực tiễn

Kết quả nghiên cứu cho thấy các yếu tố như kỳ vọng hiệu quả và ảnh hưởng xã hội có tác động tích cực đến hành vi chấp nhận và sử dụng ứng dụng BIDV SmartBanking. Những phát hiện này có thể giúp BIDV cải thiện dịch vụ và tăng cường sự hài lòng của khách hàng.

4.1. Phân tích kết quả khảo sát

Kết quả khảo sát cho thấy 70% người dùng cảm thấy hài lòng với các tính năng của ứng dụng, nhưng vẫn còn nhiều người chưa sử dụng hết các tính năng.

4.2. Ứng dụng thực tiễn từ kết quả nghiên cứu

BIDV có thể sử dụng các kết quả này để điều chỉnh chiến lược marketing và phát triển ứng dụng, nhằm thu hút thêm người dùng.

V. Kết luận và Tương lai của Nghiên cứu về BIDV SmartBanking

Nghiên cứu này đã chỉ ra rằng việc chấp nhận và sử dụng ứng dụng BIDV SmartBanking phụ thuộc vào nhiều yếu tố khác nhau. Tương lai của nghiên cứu có thể mở rộng ra các ứng dụng ngân hàng điện tử khác và các mô hình lý thuyết tương tự.

5.1. Tóm tắt các phát hiện chính

Các yếu tố như kỳ vọng hiệu quả và điều kiện thuận lợi là những yếu tố chính ảnh hưởng đến hành vi sử dụng ứng dụng.

5.2. Đề xuất cho nghiên cứu trong tương lai

Nghiên cứu có thể mở rộng ra các lĩnh vực khác như ngân hàng số và các ứng dụng tài chính khác để có cái nhìn tổng quan hơn về hành vi người tiêu dùng.

Nội dung chính

Giới thiệu dự án

Thị trường tài chính – ngân hàng toàn cầu và Việt Nam đang chứng kiến làn sóng chuyển đổi số mạnh mẽ. Theo số liệu từ Ngân hàng Nhà nước Việt Nam, thanh toán không dùng tiền mặt và các giao dịch qua kênh số (Mobile Banking, Internet Banking) liên tục tăng trưởng với tốc độ trên 40-50% mỗi năm. Nắm bắt xu thế này, Ngân hàng Thương mại Cổ phần Đầu tư và Phát triển Việt Nam (BIDV) đã chính thức hợp nhất hai nền tảng Internet Banking và Mobile Banking thành một hệ thống số duy nhất mang tên BIDV SmartBanking vào ngày 20/03/2021. Tính đến ngày 30/09/2023, ứng dụng đã thu hút hơn 12.5 triệu người dùng cá nhân, chiếm khoảng 70% tổng số khách hàng cá nhân của BIDV.

                  +----------------------------------------------+
                  |              BIDV SmartBanking               |
                  |     (Hợp nhất Internet & Mobile Banking)     |
                  +-----------------------+----------------------+
                                          |
                      Khảo sát thực nghiệm (N = 294)
                                          |
     +------------------------------------+------------------------------------+
     |                                                                         |
+----+--------------------------------+                   +--------------------+-------------------+
|     Mô hình định lượng UTAUT-3      |                   |    Mục tiêu tối ưu hóa & Quản trị     |
| (PE, EE, SI, PV, FC, HM, HB, PI)    |                   | (Giao diện, Bảo mật, Zero-fee, AI)    |
+-------------------------------------+                   +---------------------------------------+

Mặc dù quy mô người dùng tăng trưởng vượt bậc, các tổ chức tài chính vẫn đối mặt với bài toán lớn về rào cản hành vi:

• Tỷ lệ người dùng tải ứng dụng nhưng chỉ thực hiện các giao dịch cơ bản hoặc bỏ dở thao tác do trở ngại về trải nghiệm người dùng (UX/UI).
• Sự khác biệt về tâm lý chấp nhận công nghệ giữa các nhóm khách hàng trẻ yêu thích đổi mới sáng tạo và nhóm khách hàng truyền thống quan ngại về an toàn bảo mật.
• Sự thiếu đồng nhất trong các y văn nghiên cứu trước đây về mức độ tác động của các nhân tố như Ảnh hưởng xã hội (Social Influence) và Điều kiện thuận lợi (Facilitating Conditions) đối với ngành ngân hàng số.

Dự án khóa luận tốt nghiệp "Chấp nhận và sử dụng ứng dụng BIDV SmartBanking của khách hàng cá nhân tại Thành phố Hồ Chí Minh: Góc nhìn từ mô hình UTAUT-3" được triển khai nhằm giải quyết triệt để các vấn đề trên thông qua 4 mục tiêu cụ thể:

1. Hệ thống hóa cơ sở lý thuyết và xây dựng khung mô hình nghiên cứu mở rộng UTAUT-3 (Unified Theory of Acceptance and Use of Technology 3) tích hợp biến Sự đổi mới sáng tạo cá nhân (Personal Innovativeness - PI).
2. Thu thập và làm sạch bộ dữ liệu thực nghiệm gồm 294 mẫu hợp lệ từ khách hàng cá nhân sử dụng BIDV SmartBanking tại TP. Hồ Chí Minh.
3. Kiểm định thang đo và đánh giá định lượng mức độ tác động của từng nhân tố đến Ý định chấp nhận (Behavioral Intention - BI) và Hành vi sử dụng thực tế (Use Behavior - UB) bằng mô hình cấu trúc tuyến tính (Structural Equation Modeling - SEM).
4. Cung cấp hệ thống giải pháp và hàm ý quản trị giúp BIDV tối ưu hóa thiết kế ứng dụng, tinh chỉnh chiến lược truyền thông và gia tăng tỷ lệ duy trì khách hàng (retention rate).

Phạm vi nghiên cứu tập trung vào khách hàng cá nhân tại địa bàn kinh tế trọng điểm TP. Hồ Chí Minh trong giai đoạn thu thập dữ liệu từ 23/03/2024 đến 30/03/2024.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường Việt Nam, BIDV SmartBanking cạnh tranh trực tiếp với các ứng dụng ngân hàng số thuộc nhóm Big 4 và các ngân hàng thương mại cổ phần bán lẻ hàng đầu như VCB Digibank (Vietcombank) và Techcombank Mobile.

Tiêu chí phân tích	BIDV SmartBanking	VCB Digibank	Techcombank Mobile
Nền tảng kiến trúc	Hợp nhất đa kênh (Omni-channel)	Hợp nhất đa kênh số	Native App tối ưu hóa cao
Hệ sinh thái tiện ích	Đa dạng (Tài chính, Hóa đơn, Vé máy bay, Mua sắm VNShop)	Toàn diện (Đầu tư, Tiết kiệm, Bảo hiểm)	Tập trung tài chính cá nhân & Loyalty
Chi phí dịch vụ	Miễn phí chuyển tiền, duy trì dịch vụ (Gói B-Free)	Miễn phí chuyển khoản, phí biến động SMS	Miễn phí giao dịch trọn gói
Giao diện & Cá nhân hóa	Tùy biến ảnh đại diện, giao diện theo mùa lễ hội	Giao diện hiện đại, tinh gọn	Tối giản, tập trung vào thói quen chi tiêu
Khả năng tiếp cận công nghệ	Phù hợp đa dạng phân khúc từ cơ bản đến nâng cao	Hướng đến tệp khách hàng văn phòng, trung lưu	Hướng mạnh đến thế hệ trẻ (Gen Z, Millennials)

Áp dụng phương pháp phân loại yêu cầu người dùng theo mô hình MoSCoW:

• Must have: Tính năng chuyển tiền Napas 24/7 tức thì, đăng nhập sinh trắc học (Face ID/Vân tay), xác thực an toàn Smart OTP, thanh toán QR Code.
• Should have: Quản lý tài chính cá nhân thông minh, báo cáo dòng tiền, tiết kiệm gửi góp trực tuyến sinh lời linh hoạt.
• Could have: Đặt vé giải trí, mua sắm online tích điểm, cá nhân hóa chủ đề giao diện (Custom themes).
• Won't have (trong phạm vi khảo sát): Giao dịch tài sản số phi tập trung, vay thấu chi tức thì vượt hạn mức tín dụng cá nhân chưa định danh.

Thách thức kỹ thuật lớn nhất là duy trì tính ổn định hạ tầng (Core Banking API), đảm bảo tốc độ phản hồi < 1.5 giây trong các khung giờ cao điểm và bảo vệ tuyệt đối dữ liệu giao dịch của hơn 12.5 triệu người dùng.

Thiết kế hệ thống

Mô hình nghiên cứu được cấu trúc dựa trên khung lý thuyết UTAUT-3 mở rộng từ nghiên cứu gốc của Venkatesh et al. (2003, 2012) và Farooq et al. (2017), bao gồm 8 biến độc lập tác động đến 2 biến phụ thuộc, được kiểm soát bởi các biến nhân khẩu học.

graph LR
    PE[Kỳ vọng hiệu quả - PE] --> BI[Ý định chấp nhận - BI]
    EE[Kỳ vọng nỗ lực - EE] --> BI
    SI[Ảnh hưởng xã hội - SI] --> BI
    HM[Động lực thụ hưởng - HM] --> BI
    PV[Giá trị giá cả - PV] --> BI
    FC[Điều kiện thuận lợi - FC] --> BI
    FC --> UB[Hành vi sử dụng - UB]
    HB[Thói quen - HB] --> BI
    HB --> UB
    PI[Sự đổi mới sáng tạo - PI] --> BI
    PI --> UB
    BI --> UB

Technology Stack và công cụ phân tích kỹ thuật:

• Phân tích dữ liệu & Mô hình hóa: IBM SPSS Statistics phiên bản 26.0 (thống kê mô tả, kiểm định độ tin cậy, EFA) và IBM SPSS AMOS phiên bản 24.0 (phân tích nhân tố khẳng định CFA, kiểm định mô hình SEM và Bootstrap).
• Môi trường xử lý dữ liệu bổ trợ: Python 3.10 với các thư viện pandas, numpy, statsmodels phục vụ tiền xử lý và trực quan hóa dữ liệu.
• Cơ sở dữ liệu lưu trữ khảo sát: MySQL 8.0 với mô hình thực thể quan hệ chuẩn hóa.

-- Thiết kế lược đồ cơ sở dữ liệu lưu trữ dữ liệu khảo sát và đo lường
CREATE TABLE tbl_respondent (
    respondent_id INT AUTO_INCREMENT PRIMARY KEY,
    gender VARCHAR(10) NOT NULL,
    age_group VARCHAR(20) NOT NULL,
    experience_years VARCHAR(20) NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE tbl_survey_response (
    response_id INT AUTO_INCREMENT PRIMARY KEY,
    respondent_id INT,
    item_code VARCHAR(10) NOT NULL,
    likert_score TINYINT CHECK (likert_score BETWEEN 1 AND 5),
    FOREIGN KEY (respondent_id) REFERENCES tbl_respondent(respondent_id)
);

Methodology

Nghiên cứu áp dụng quy trình định lượng kết hợp 5 giai đoạn:

1. Nghiên cứu định tính sơ bộ: Phỏng vấn trực tiếp $1:1$ với 20 khách hàng cá nhân tại TP.HCM nhằm hiệu chỉnh từ ngữ và đảm bảo tính tường minh của thang đo Likert 5 mức độ.
2. Thiết kế công cụ thu thập: Bộ câu hỏi gồm 38 biến quan sát chuẩn hóa từ các nghiên cứu quốc tế uy tín (Venkatesh et al., Daka & Phiri, Fatahudin).
3. Thu thập dữ liệu thực địa: Triển khai khảo sát trực tuyến qua bảng câu hỏi từ 23/03/2024 đến 30/03/2024; thu về 311 phản hồi, lọc sạch còn 294 mẫu hợp lệ (tỷ lệ hợp lệ 94.5%).
4. Phân tích định lượng:
   • Kiểm định độ tin cậy thang đo bằng hệ số Cronbach's Alpha ($\ge 0.70$).
   • Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) với phép trích Principal Axis Factoring và phép quay Promax.
   • Phân tích nhân tố khẳng định (Confirmatory Factor Analysis - CFA) kiểm tra tính đơn hướng, giá trị hội tụ và giá trị phân biệt.
   • Kiểm định mô hình cấu trúc tuyến tính SEM và ước lượng Bootstrap với 2.000 mẫu lặp lại.
5. Đánh giá rủi ro: Kiểm soát hiện tượng phương sai chung (Common Method Bias) bằng phương pháp Harman's Single Factor Test và kiểm tra đa cộng tuyến với chỉ số VIF < 3.3.

---

Implementation và kết quả

Development process

Quá trình tiền xử lý và ước lượng mô hình được tự động hóa qua kịch bản kiểm định dữ liệu nghiêm ngặt.

import pandas as pd
import numpy as np

def validate_survey_dataset(df_raw):
    """
    Hàm làm sạch dữ liệu khảo sát và tính toán độ tin cậy sơ bộ
    """
    # 1. Loại bỏ các dòng thiếu dữ liệu hoặc đánh dấu trùng lặp
    df_clean = df_raw.dropna().drop_duplicates()
    
    # 2. Kiểm tra tính hợp lệ của thang đo Likert [1 - 5]
    likert_cols = [c for c in df_clean.columns if c.startswith(('PE', 'EE', 'SI', 'PV', 'FC', 'HM', 'HB', 'PI', 'BI', 'UB'))]
    valid_range = df_clean[likert_cols].apply(lambda x: x.between(1, 5)).all(axis=1)
    df_filtered = df_clean[valid_range]
    
    # 3. Tính điểm trung bình cho từng cấu trúc lý thuyết
    constructs = ['PE', 'EE', 'SI', 'PV', 'FC', 'HM', 'HB', 'PI', 'BI', 'UB']
    for const in constructs:
        sub_cols = [c for c in likert_cols if c.startswith(const)]
        df_filtered[f'{const}_Mean'] = df_filtered[sub_cols].mean(axis=1)
        
    return df_filtered

# Áp dụng cho bộ dữ liệu thực nghiệm 294 mẫu BIDV SmartBanking

Testing và validation

Kết quả phân tích thống kê định lượng trên SPSS và AMOS đạt chuẩn nghiêm ngặt:

1. Độ tin cậy thang đo (Cronbach's Alpha):

   • Kỳ vọng hiệu quả (PE - 4 biến): $\alpha = 0.868$, tương quan biến - tổng nhỏ nhất $= 0.672 > 0.3$.
   • Kỳ vọng nỗ lực (EE - 4 biến): $\alpha = 0.845$, tương quan biến - tổng nhỏ nhất $= 0.621 > 0.3$.
   • Ảnh hưởng xã hội (SI - 3 biến): $\alpha = 0.812$.
   • Giá trị giá cả (PV - 3 biến): $\alpha = 0.830$.
   • Điều kiện thuận lợi (FC - 4 biến): $\alpha = 0.795$.
   • Sự đổi mới sáng tạo cá nhân (PI - 4 biến): $\alpha = 0.854$.
   • Ý định chấp nhận (BI - 3 biến): $\alpha = 0.882$.
   • Hành vi sử dụng (UB - 3 biến): $\alpha = 0.839$.

2. Chỉ số tương thích mô hình CFA và SEM:

   • $CMIN/DF = 1.642 \le 3.0$ (Mô hình đạt độ tương thích cao với dữ liệu thị trường).
   • $CFI = 0.948 \ge 0.90$, $TLI = 0.941 \ge 0.90$ (Chỉ số phù hợp so sánh tối ưu).
   • $GFI = 0.892$, $AGFI = 0.865$.
   • $RMSEA = 0.047 \le 0.08$ (Sai số xấp xỉ căn quân phương cực nhỏ, thể hiện độ khớp lý tưởng).

                      KẾT QUẢ KIỂM ĐỊNH MÔ HÌNH SEM
                      
   [PE] (β = 0.285, p < 0.001) ----+
   [SI] (β = 0.214, p < 0.001) ----|
   [EE] (β = 0.186, p = 0.002) ----+---> [BI] (β = 0.412, p < 0.001) ---+
   [PV] (β = 0.158, p = 0.008) ----|                                     |
   [FC] (β = 0.132, p = 0.021) ----|                                     v
   [PI] (β = 0.118, p = 0.034) ----+                             [HÀNH VI SỬ DỤNG]
                                                                        ^
   [FC] (β = 0.245, p < 0.001) -----------------------------------------|
   [HB] (β = 0.198, p = 0.003) -----------------------------------------|
   [PI] (β = 0.142, p = 0.015) -----------------------------------------+

Kết quả đạt được

• Kiểm định giả thuyết tác động đến Ý định chấp nhận ($BI$): Kỳ vọng hiệu quả ($PE$) tác động mạnh nhất ($\beta = 0.285$), tiếp theo là Ảnh hưởng xã hội ($SI$, $\beta = 0.214$), Kỳ vọng nỗ lực ($EE$, $\beta = 0.186$), Giá trị giá cả ($PV$, $\beta = 0.158$), Điều kiện thuận lợi ($FC$, $\beta = 0.132$) và Sự đổi mới sáng tạo cá nhân ($PI$, $\beta = 0.118$).
• Kiểm định giả thuyết tác động đến Hành vi sử dụng ($UB$): Ý định chấp nhận ($BI$) giữ vai trò quyết định lớn nhất ($\beta = 0.412$), tiếp đến là Điều kiện thuận lợi ($FC$, $\beta = 0.245$), Thói quen ($HB$, $\beta = 0.198$) và Tính đổi mới sáng tạo ($PI$, $\beta = 0.142$).
• Vai trò của biến điều tiết: Kiểm định biến tương tác chỉ ra Độ tuổi, Giới tính và Kinh nghiệm không có vai trò điều tiết có ý nghĩa thống kê ($p > 0.05$), phản ánh BIDV SmartBanking đã trở nên thân thiện và phổ quát với mọi nhóm khách hàng đô thị.

---

Đổi mới và đóng góp

Đổi mới về mặt lý thuyết và phương pháp luận

Nghiên cứu tiên phong áp dụng mô hình thế hệ mới UTAUT-3 (Farooq et al., 2017) trong bối cảnh ứng dụng ngân hàng số hợp nhất tại thị trường Việt Nam, so sánh trực diện hiệu quả dự báo với các khung lý thuyết kinh điển:

Khung mô hình	Số lượng biến cấu trúc	Khả năng giải thích $R^2$ (Ý định)	Khả năng giải thích $R^2$ (Hành vi)	Phạm vi giải thích bối cảnh
TAM (Davis, 1989)	2 (PU, PEOU)	~ 40% - 48%	~ 35%	Giới hạn trong môi trường tổ chức
UTAUT-2 (Venkatesh, 2012)	7 (PE, EE, SI, FC, HM, PV, HB)	~ 58% - 64%	~ 45%	Bối cảnh người tiêu dùng tổng quát
UTAUT-3 (Đề tài ứng dụng)	8 (+ Personal Innovativeness - PI)	69.4%	54.8%	Chuyên sâu cho công nghệ số đột phá & Fintech

Đóng góp thực tiễn cho ngành ngân hàng

1. Lượng hóa vai trò của Sự đổi mới sáng tạo cá nhân (PI): Chứng minh tính tò mò và sẵn sàng thử nghiệm tính năng mới của người dùng đóng góp trực tiếp 14.2% vào hành vi sử dụng thường xuyên.
2. Khẳng định tính vượt trội của Kỳ vọng hiệu quả (PE): Khách hàng đánh giá cao nhất tốc độ giao dịch tức thì, quản lý dòng tiền 24/7 và tính chuẩn xác của các dịch vụ số.
3. Hiệu chỉnh chiến lược truyền thông xã hội (SI): Khẳng định sức lan tỏa từ gia đình, bạn bè và mạng xã hội là động lực lớn thứ hai thúc đẩy người dùng mới cài đặt và kích hoạt ứng dụng.

---

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Cases)

• Use Case 1: Tối ưu hành trình thanh toán dịch vụ công và hóa đơn thiết yếu: Người dùng quét hóa đơn tiền điện/nước hoặc nộp thuế điện tử chỉ trong 3 bước chạm, tự động trích nợ định kỳ và nhận báo cáo ngân sách hàng tháng.
• Use Case 2: Tiết kiệm tích lũy và đầu tư vi mô thông minh: Cho phép làm tròn số dư giao dịch mua sắm để tự động chuyển vào tài khoản tiền gửi tích lũy linh hoạt với lãi suất hấp dẫn.

Kế hoạch triển khai quản trị cho BIDV

Lộ trình 4 giai đoạn nâng cấp và phát triển BIDV SmartBanking:

Pha 1: Tối ưu UI/UX & Giảm độ phức tạp (EE)          [Tháng 1 - Tháng 3]
├── Tinh gọn luồng giao dịch chuyển tiền/thanh toán về dưới 3 thao tác
└── Nâng cấp công nghệ OCR và xác thực sinh trắc học FIDO2

Pha 2: Đẩy mạnh truyền thông lan tỏa & Zero-fee (SI & PV) [Tháng 4 - Tháng 6]
├── Triển khai chương trình 'Mời bạn bè - Nhận thưởng kép' trên mạng xã hội
└── Cam kết duy trì chính sách miễn phí thường niên và miễn phí chuyển khoản

Pha 3: Tối ưu hạ tầng & Trợ lý ảo AI (FC & PI)      [Tháng 7 - Tháng 9]
├── Tích hợp Trợ lý ảo AI hỗ trợ tìm kiếm tính năng bằng giọng nói
└── Nâng cấp băng thông API Core Banking, đảm bảo thời gian phản hồi < 1 giây

Pha 4: Cá nhân hóa trải nghiệm & Hình thành thói quen (HB) [Tháng 10 - Tháng 12]
├── Gợi ý giao dịch định kỳ thông minh theo thói quen đầu tháng
└── Tích hợp hệ sinh thái giải trí, vé xem phim, đặt phòng khách sạn trọn gói

Phân tích chi phí - lợi ích (Cost-Benefit Analysis)

• Chi phí dự kiến: Đầu tư hạ tầng Cloud, bảo mật sinh trắc học và chiến dịch truyền thông: ~ 15 - 20 tỷ VNĐ.
• Lợi ích kinh tế:
  • Giảm thiểu 35-40% khối lượng giao dịch tại quầy, tiết kiệm chi phí vận hành chi nhánh hàng trăm tỷ đồng mỗi năm.
  • Tăng số dư tiền gửi không kỳ hạn (CASA) thêm 15-20% nhờ dòng tiền nhàn rỗi trong tài khoản thanh toán cá nhân.
  • Thời gian hoàn vốn đầu tư (ROI) ước tính: 14 - 18 tháng.

---

Hạn chế và hướng phát triển

1. Hạn chế mẫu nghiên cứu: Mẫu khảo sát $N=294$ được thu thập theo phương pháp thuận tiện tại địa bàn TP.HCM, chưa bao quát hoàn toàn vùng nông thôn hoặc các tỉnh thành có điều kiện hạ tầng công nghệ khác biệt.
2. Giới hạn biến số: Chưa tích hợp sâu các biến về Rủi ro cảm nhận (Perceived Risk) và Nhận thức bảo mật thông tin (Perceived Security) - những yếu tố ngày càng quan trọng trong thời đại tấn công mạng gia tăng.
3. Hướng mở rộng tương lai:
   • Mở rộng quy mô khảo sát liên tỉnh thành với kỹ thuật lấy mẫu phân tầng ngẫu nhiên ($N \ge 1.000$).
   • Kết hợp mô hình hỗn hợp UTAUT-3 với Lý thuyết phù hợp nhiệm vụ - công nghệ (Task-Technology Fit - TTF).
   • Ứng dụng Machine Learning phân nhóm hành vi người dùng (Customer Clustering) để cá nhân hóa tính năng tự động.

---

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------+
|                             ĐỐI TƯỢNG HƯỞNG LỢI                             |
+------------------------------------+----------------------------------------+
| SINH VIÊN & HỌC VIÊN CAO HỌC       | ĐỘI NGŨ PHÁT TRIỂN & FINTECH           |
| - Tài liệu mẫu phân tích SEM/AMOS  | - Insight tối ưu hóa UI/UX             |
| - Khung đo lường Likert chuẩn hóa  | - Tiêu chuẩn kiến trúc Omni-channel    |
+------------------------------------+----------------------------------------+
| BAN LÃNH ĐẠO NGÂN HÀNG BIDV        | CỘNG ĐỒNG NGHIÊN CỨU KHOA HỌC          |
| - Căn cứ dữ liệu định hình chiến   | - Minh chứng thực nghiệm mô hình       |
|   lược bán lẻ và giữ chân khách    |   UTAUT-3 tại thị trường mới nổi       |
+------------------------------------+----------------------------------------+

• Sinh viên & Học viên: Cung cấp case study thực nghiệm bài bản từ khâu thiết kế câu hỏi, xử lý Cronbach's Alpha, EFA, CFA đến kiểm định SEM.
• Kỹ sư sản phẩm & UI/UX Designer: Nắm bắt các điểm chạm trải nghiệm (Touchpoints) then chốt mà người dùng quan tâm để giảm tải thao tác phức tạp.
• Nhà quản trị ngân hàng: Sở hữu cơ sở khoa học để phân bổ ngân sách tiếp thị số, tập trung vào kênh truyền miệng (Word-of-Mouth) và duy trì lợi thế gói dịch vụ chi phí 0 đồng.

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu trên thiết bị di động để vận hành mượt mà BIDV SmartBanking là gì?

Ứng dụng tương thích với hệ điều hành Android từ phiên bản 7.0 trở lên và iOS từ phiên bản 12.0 trở lên. Thiết bị cần có camera tối thiểu 5MP hỗ trợ eKYC và cảm biến vân tay/Face ID để kích hoạt xác thực sinh trắc học chuẩn FIDO2.

2. Mô hình nghiên cứu kiểm soát sai lệch mẫu và hiện tượng phương sai chung (Common Method Bias) như thế nào?

Nghiên cứu sử dụng kiểm định đơn nhân tố Harman (Harman's Single Factor Test). Kết quả cho thấy phương sai giải thích của nhân tố đầu tiên đạt < 40% (dưới ngưỡng cảnh báo 50%), chứng minh dữ liệu thu thập không bị sai lệch phương pháp nghiêm trọng.

3. Tại sao các biến điều tiết Độ tuổi, Giới tính và Kinh nghiệm không có ý nghĩa thống kê trong nghiên cứu này?

Do BIDV SmartBanking đã trải qua giai đoạn phổ cập hóa cao tại TP.HCM (đạt 70% thị phần khách hàng cá nhân), giao diện ứng dụng được đồng nhất đa kênh trực quan, khiến rào cản về tuổi tác hay giới tính bị xóa nhòa trong việc tiếp cận dịch vụ.

4. Chi phí duy trì và các gói dịch vụ của BIDV SmartBanking có thực sự tạo ra lợi thế cạnh tranh?

Có. Chính sách miễn phí trọn đời giao dịch chuyển tiền trong và ngoài hệ thống, miễn phí quản lý tài khoản theo các gói B-Free giúp nâng cao điểm số Giá trị giá cả ($PV$, $\beta = 0.158$), là động lực thúc đẩy người dùng gắn bó dài hạn.

5. Kết quả phân tích của đề tài có thể áp dụng cho các ngân hàng khác không?

Khung mô hình UTAUT-3 và thang đo chuẩn hóa trong nghiên cứu có tính tổng quát hóa cao, hoàn toàn có thể tái sử dụng để đánh giá hành vi khách hàng đối với các ứng dụng ngân hàng số khác tại Việt Nam như Vietcombank, VietinBank hay MBBank.

---

Kết luận

Công trình nghiên cứu "Chấp nhận và sử dụng ứng dụng BIDV SmartBanking của khách hàng cá nhân tại Thành phố Hồ Chí Minh: Góc nhìn từ mô hình UTAUT-3" đã hoàn thành xuất sắc các mục tiêu học thuật và ứng dụng thực tiễn đề ra. Bằng việc lượng hóa chính xác 12 giả thuyết nghiên cứu qua mô hình cấu trúc tuyến tính SEM trên 294 mẫu khảo sát thực nghiệm, đề tài đã chỉ rõ Kỳ vọng hiệu quả ($PE$) và Ý định chấp nhận ($BI$) là những mắt xích trọng yếu nhất định hình hành vi sử dụng ngân hàng số.

Kết quả nghiên cứu cung cấp cơ sở dữ liệu vững chắc để BIDV tiếp tục tối ưu hóa hành trình trải nghiệm người dùng, đẩy mạnh cá nhân hóa dịch vụ bằng trí tuệ nhân tạo và giữ vững vị thế dẫn đầu trong kỷ nguyên tài chính số tại Việt Nam.

Trích đoạn nội dung tài liệu

Chương 1 đã đưa ra bối cảnh và những số liệu dẫn chứng về lý do tại sao tác giả lựa chọn đề tài "Chấp nhận và sử dụng ứng dụng BIDV SmartBanking của khách hàng cá nhân tại Thành phố Hồ Chí Minh: Góc nhìn từ mô hình UTAUT-3". Bắt đầu với một tổng quan về sự phát triển của ngân hàng số, từ đó có sự ra đời của BIDV SmartBanking. Từ lý do đó, khóa luận đưa ra những mục tiêu nghiên cứu, câu hỏi nghiên cứu và những đóng góp của đề tài nghiên cứu. Khóa luận bao gồm 5 chương, được thực hiện trong phạm vi TP.HCM với phương pháp nghiên cứu chính là định lượng.

CƠ SỞ LÝ LUẬN VỀ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN VIỆC CHẤP NHẬN VÀ SỬ DỤNG ỨNG DỤNG BIDV SMARTBANKING VÀ TỔNG QUAN NGHIÊN CỨU Chương 2 trình bày các khung lý thuyết, các khái niệm và định nghĩa liên quan đến việc chấp nhận và sử dụng ứng dụng BIDV SmartBanking của khách hàng cá nhân tại TP. Ngoài ra, chương này cũng sẽ giới thiệu tổng quan về các nghiên cứu đã được thực hiện trước đây liên quan đến đề tài. TỔNG QUAN LÝ THUYẾT 2. Giới thiệu ứng dụng ngân hàng điện tử trên thiết bị di động và BIDV SmartBanking Hoạt động ngân hàng truyền thống tốn rất nhiều thời gian và nguồn lực để làm hài lòng khách hàng và dẫn đến tác động không tốt đến hoạt động kinh doanh của ngân hàng.

Điều này cần phải được thay đổi thông qua việc tự động hóa một số quy trình bằng công nghệ khi giao dịch để không chỉ giúp giảm bớt gánh nặng cho nhân viên ngân hàng trong việc xử lý các giao dịch hàng ngày, mà còn nâng cao hiệu quả hoạt động và mức độ hài lòng của khách hàng ̣(Mustafa 2021). Không giống hoàn toàn với các dịch vụ ngân hàng điện tử khác như Internet Banking, công nghệ mới nổi này sử dụng phần mềm, thường được gọi là ứng dụng. Là một phần quan trọng của ngân hàng điện tử, ứng dụng ngân hàng di động là một kênh phân phối thay thế cho các giao dịch tài chính và phi tài chính truyền thống (Shaikh and Karjaluoto 2015). Thông qua đó, khách hàng có thể truy cập vào tài khoản ngân hàng của mình và thực hiện giao dịch 24/7 chỉ với thiết bị có kết nối Wifi hoặc dữ liệu di động (2G, 3G, 4G, 5G).

Ứng dụng có thể tải xuống từ trang web của ngân hàng, Google Play hoặc Apple Store (Chigori và ctg 2020). Ứng dụng ngân hàng điện tử trên thiết bị di động tạo điều kiện cho các ngân hàng có thể giảm thiểu chi phí vận hành và cải thiện dịch vụ, tối ưu hóa trải nghiệm dành cho khách hàng vì họ có thể giao dịch ở bất cứ đâu. Với sự tiện ích và các tính năng nổi bật đó, ứng dụng này đang ngày càng được sử dụng rộng rãi vì người dùng 8 smartphone đang mở rộng từng ngày. Theo Shaikh va Karjaluoto (2015), tính di động và linh hoạt của thiết bị di động đã làm tăng số lượng người dùng ở các quốc gia tiên tiến và đang phát triển, hơn nữa, số người sử dụng thiết bị di động có vai trò quan trọng trong việc triển khai ứng dụng ngân hàng điện tử.

Những điều trên cho thấy ứng dụng ngân hàng điện tử trên thiết bị di động đang ngày càng phổ biến và đã cung cấp những phương pháp để cải thiện chất lượng dịch vụ cho các ngân hàng, giúp xây dựng lòng trung thành của khách hàng nhằm duy trì lợi thế cạnh tranh. Khái niệm hành vi chấp nhận của người tiêu dùng Dương Thị Ngọc Ngân (2020) kết luận rằng hành vi chấp nhận sử dụng của người tiêu dùng “là những phản ứng của khách hàng dưới tác động của những kích thích bên ngoài và quá trình tâm lý bên trong diễn ra thông qua quá trình quyết định lựa chọn hàng hóa, dịch vụ”. Sự chấp nhận sử dụng cũng đồng nghĩa với việc chấp nhận công nghệ đó (Chen và Salmanian 2017). Thiếu sự chấp nhận của người dùng từ lâu đã là trở ngại cho sự thành công của các hệ thống thông tin mới (Gould và ctg 1991; Nickerson 1981).

Tuy nhiên, một trong những định nghĩa phổ biến hay được trích dẫn trong các nghiên cứu khác về hành vi chấp nhận của người tiêu dùng (Taherdoost 2018; Al Kurdi và ctg 2020; Nadal và ctg 2020) là định nghĩa trong nghiên cứu của Dillon và Morris (1996). Hai tác giả cho rằng sự chấp nhận là một hàm ý thái độ cá nhân ảnh hưởng đến sự lựa chọn của mọi người để thực hiện hay không thực hiện một hành vi cụ thể và dưới góc nhìn trong lĩnh vực công nghệ, sự chấp nhận sử dụng được minh họa là “sự sẵn lòng của một nhóm người dùng trong việc sử dụng công nghệ thông tin cho các nhiệm vụ được thiết kế để hỗ trợ”. Sự chấp nhận của người dùng được khái niệm hóa như một kết quả của quá trình tâm lý trong việc đưa ra quyết định về việc sử dụng công nghệ. Tóm lại hành vi chấp nhận của người tiêu dùng phản ánh ý định của người đó trong việc áp dụng và sử dụng một sản phẩm, dịch vụ hoặc công nghệ mới.

Ý định 9 này được xem như là bước trung gian quan trọng giữa thái độ đối với sản phẩm hoặc công nghệ và hành vi sử dụng thực tế của người tiêu dùng. BIDV SmartBanking là một ứng dụng ngân hàng điện tử. Đây là một ứng dụng tiên tiến kết hợp hoàn hảo giữa các nền tảng giao dịch trực tuyến, vượt qua ranh giới truyền thống trước đây giữa Internet Banking và Mobile Banking. Ứng dụng cung cấp các tính năng hỗ trợ tài chính thông minh và cho phép người dùng thực hiện giao dịch trực tuyến.

Một trong những điểm mạnh của BIDV SmartBanking là tính linh hoạt và tiện lợi, cho phép người dùng thực hiện giao dịch mọi lúc, mọi nơi, chỉ cần có kết nối Internet. Ứng dụng cũng được tối ưu hóa để tương thích với cả hai hệ điều hành phổ biến là iOS và Android, đảm bảo mọi người dùng đều có thể truy cập và sử dụng dịch vụ một cách thuận lợi. Khái niệm hành vi sử dụng của người tiêu dùng Hành vi sử dụng của người tiêu dùng chính là sự kết hợp giữa ý định sử dụng và việc sử dụng thực tế. Sự sẵn sàng sử dụng công nghệ mới bao gồm nhận thức, kỳ vọng, ý định sử dụng và hành vi sử dụng thực tế, các yếu tố này giúp xác định hành vi sử dụng của người tiêu dùng (Davis và ctg 1989; Venkatesh và ctg 2003).

Hành vi sử dụng của người tiêu dùng có thể được hiểu là quyết định của một cá nhân dựa trên đánh giá và thái độ của họ đối với việc sử dụng sản phẩm hoặc dịch vụ công nghệ mới. Vì vậy hành vi sử dụng của người tiêu dùng chính là nhân tố then chốt để đánh giá sự thành công hay thất bại của một dự án hệ thống thông tin (Davis 1993). Tóm lại, hành vi sử dụng của người tiêu dùng là biểu hiện thực tế của việc áp dụng và sử dụng một sản phẩm, dịch vụ, hoặc công nghệ mới trong thực tế. Đây là giai đoạn cuối cùng trong quá trình chấp nhận sử dụng công nghệ, nơi người dùng không chỉ bày tỏ ý định sử dụng mà còn thực sự tích cực tương tác với công nghệ.

Lý thuyết chấp nhận và sử dụng công nghệ (UTAUT) Sự phát triển của thương mại điện tử và công nghệ số đã thúc đẩy việc áp dụng công nghệ mới trong các tổ chức, làm thay đổi cách thức kinh doanh và tối ưu hóa quy trình làm việc trong bối cảnh này (Verhoef và ctg 2021). Mặc dù việc đầu tư vào công nghệ thông tin mang lại những lợi ích như cải thiện năng suất cao hơn và giúp gia tăng sự hài lòng của khách hàng (Papagiannidis và Marikyan 2020), tỷ lệ đầu tư triển khai thành công của nó lại không mấy khả quan và thường mang lại lợi nhuận thấp (Davis 1989; Venkatesh và ctg 2003). Điều này dẫn đến sự quan tâm đặc biệt của cộng đồng nghiên cứu về việc chấp nhận công nghệ, với nhiều mô hình lý thuyết được phát triển nhằm hiểu rõ hơn về hành vi người dùng liên quan đến việc chấp nhận và sử dụng công nghệ (Davis 1989; Davis và ctg 1989; Moore và Benbasat 1991; Taylor và Todd 1995; Venkatesh và Davis 2000; Ajzen 1991). Tuy nhiên, các mô hình này đều có nguồn gốc từ nhiều lĩnh vực khác nhau, khiến việc áp dụng các mô hình lý thuyết này bị giới hạn trong một số bối cảnh nhất định.

Điều này dẫn đến việc cần một cách tiếp cận thống nhất kết hợp các biến từ nhiều góc độ và lĩnh vực đa dạng, giúp tăng khả năng áp dụng mô hình lý thuyết vào các bối cảnh khác nhau (Venkatesh và ctg 2003). Để cung cấp sự hiểu biết toàn diện về việc chấp nhận công nghệ, Venkatesh và ctg (2003) đặt mục tiêu phát triển một mô hình lý thuyết thống nhất về chấp nhận công nghệ bằng cách tích hợp các cấu trúc chính trong dự đoán ý định và hành vi sử dụng. Các tác giả đã lược khảo các mô hình lý thuyết, bao gồm Thuyết hành động hợp lý (Theory of Reasoned Action – TRA), Mô hình chấp nhận công nghệ (Technology Acceptance Model – TAM), Mô hình động cơ (Motivation Model – MM), Thuyết dự định hành vi (Theory of Planned Behavior – TPB), Mô hình kết hợp TAM và TPB (Model combining TAM and TPB – C-TAM-TPB), Mô hình sử dụng máy tính cá nhân (Model of PC Utilization – MPCU), Mô hình phổ biến sự đổi mới (Innovation Diffusion Theory – IDT) và Thuyết nhận thức xã hội (Social Cognitive Theory – SCT). Các tác giả đã rút ra những điểm tương đồng và khác biệt về mặt lý thuyết và bối cảnh giữa các lý thuyết chấp nhận công nghệ bắt nguồn từ ba dòng 11 nghiên cứu, bao gồm tâm lý xã hội, quản lý hệ thống thông tin và tâm lý học hành vi.

Trong đó, TRA, TPB và SCT đại diện cho tâm lý xã hội về hành vi cá nhân; TAM, C-TAM-TPB, IDT và MPCU giải thích việc chấp nhận công nghệ từ góc độ quản lý hệ thống thông tin; lý thuyết từ quan điểm tâm lý học hành vi - MM, được dùng để khám phá hành vi chấp nhận và sử dụng công nghệ thông qua động cơ người dùng. Việc so sánh thực nghiệm lý thuyết cho phép các tác giả phát triển một mô hình thống nhất, phản ánh tất cả các yếu tố quan trọng (Venktesh và ctg 2003).