Giới thiệu dự án

Thị trường Thương mại Điện tử (TMĐT) bán lẻ tại Việt Nam ghi nhận tốc độ tăng trưởng bứt phá 25% trong năm 2023, đưa quy mô toàn ngành đạt 20,5 tỷ USD và lọt top 10 quốc gia có tốc độ tăng trưởng TMĐT hàng đầu thế giới. Riêng tại TP. Hồ Chí Minh, doanh thu TMĐT chạm mốc 4,7 tỷ USD với tốc độ tăng trưởng 37%, dẫn đầu cả nước. Trong bối cảnh đó, hình thức mua sắm kết hợp giải trí (Shoppertainment) qua video ngắn và phát trực tiếp (Livestream) trở thành động lực tăng trưởng cốt lõi. Ra mắt từ ngày 28/04/2022, TikTok Shop tại Việt Nam đã nhanh chóng vươn lên vị trí thứ 2 trên bảng xếp hạng các sàn TMĐT với doanh thu đạt 16.300 tỷ đồng (117 triệu sản phẩm bán ra). Đáng chú ý, ngành hàng thời trang - phụ kiện chiếm 30,9% thị phần trên nền tảng này, đóng góp 885 tỷ đồng (tương đương 19,4% tổng GMV của sàn).

+-----------------------------------------------------------------------------------+
|               BỐI CẢNH THỊ TRƯỜNG THỜI TRANG LIVESTREAM TIKTOK TẠI VIỆT NAM      |
+-----------------------------------------------------------------------------------+
|  Tăng trưởng TMĐT VN (2023)  : 25% (Quy mô: 20.5 tỷ USD | TPHCM: 4.7 tỷ USD)      |
|  Người dùng TikTok tại VN    : 49.86 triệu người (Top 6 toàn cầu)                 |
|  Gen Z truy cập App shopping : 43% hàng ngày                                      |
|  Thị phần Thời trang TikTok  : 30.9% (885 tỷ VNĐ GMV / tháng cao điểm)            |
|  Tỷ lệ mua sắm bốc đồng      : 40% - 80% tổng lượt chuyển đổi giao dịch           |
+-----------------------------------------------------------------------------------+

Hành vi mua hàng ngẫu hứng (Impulse Buying) chiếm từ 40% đến 80% tổng số lượt mua sắm trên các nền tảng số. Dù sở hữu tệp người dùng khổng lồ với 49,86 triệu người dùng hoạt động (trong đó 43% Gen Z truy cập ứng dụng mua sắm hàng ngày), phần lớn các doanh nghiệp và nhà bán hàng (sellers) vẫn gặp khó khăn trong việc tối ưu hóa chuyển đổi phiên Livestream, thiếu mô hình định lượng chính xác các tác nhân kích thích tâm lý dẫn đến quyết định mua hàng tức thì của Gen Z.

Đồ án khóa luận tốt nghiệp "Nghiên cứu yếu tố tác động đến hành vi mua hàng ngẫu hứng khi mua sắm mặt hàng thời trang qua Livestream trên TikTok của Gen Z tại Thành phố Hồ Chí Minh" do nhóm sinh viên Trường Đại học Công nghiệp TP.HCM (IUH) thực hiện dưới sự hướng dẫn của TS. Nguyễn Nguyên Phương nhằm giải quyết triệt để bài toán này.

Mục tiêu cụ thể của dự án:

  1. Hệ thống hóa cơ sở lý luận về hành vi mua hàng ngẫu hứng dựa trên khung mô hình S-O-R, mô hình chấp nhận công nghệ TAM, mô hình e-CAM, lý thuyết hệ thống kép (Dual-Systems Theory) và lý thuyết kiến tạo xã hội.
  2. Khảo sát thực trạng tiêu dùng và thói quen xem Livestream thời trang của thế hệ Gen Z tại khu vực TP. Hồ Chí Minh.
  3. Đo lường mức độ tác động của 5 nhân tố kích thích: Tính dễ sử dụng (DSD), Tính hữu ích (HI), Tương tác xã hội (TTXH), Giá cả (GC), Người có ảnh hưởng (NAH) qua biến trung gian Sự thích thú (TT) đến Hành vi mua hàng ngẫu hứng (HVMHN) bằng phương pháp mô hình hóa cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM).
  4. Đề xuất hệ thống hàm ý quản trị và giải pháp kỹ thuật tối ưu hóa quy trình Livestream giúp các doanh nghiệp thời trang gia tăng tỷ lệ chuyển đổi đơn hàng và chỉ số GMV (Gross Merchandise Value).

Phạm vi nghiên cứu tập trung vào nhóm khách hàng Gen Z (sinh từ 1997 đến 2012) sinh sống tại TP. Hồ Chí Minh, đã từng phát sinh giao dịch mua hàng thời trang qua TikTok Livestream trong giai đoạn từ tháng 01/2024 đến tháng 04/2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường bán hàng qua Livestream hiện nay chứng kiến sự cạnh tranh khốc liệt giữa các nền tảng mạng xã hội và sàn TMĐT truyền thống.

Tiêu chí so sánh TikTok Shop Livestream Shopee Live Facebook Live
Bản chất nền tảng Video-first / Thuật toán Content Discovery E-commerce-first / Tìm kiếm theo nhu cầu Social Network / Mối quan hệ bạn bè
Độ trễ tương tác (Latency) Cực thấp (< 1.5s), tương tác hai chiều real-time Trung bình (2.0s - 3.5s) Biến thiên (3.0s - 6.0s)
Trải nghiệm Checkout 1-Click Checkout In-App, không chuyển trang In-App Checkout tích hợp ví ShopeePay Chuyển đổi qua Messenger / Bot thủ công
Kích thích cảm xúc (Arousal) Cực cao nhờ thuật toán âm thanh, filter, hiệu ứng Trung bình, phụ thuộc voucher giảm giá Thấp, giao diện tương tác cơ bản
Điểm hạn chế Khó kiểm soát chất lượng sản phẩm thực tế Nội dung giải trí kém đa dạng hơn Tỷ lệ boom hàng cao, bảo mật thanh toán yếu

Yêu cầu giải pháp cho nhà bán hàng theo mô hình MoSCoW:

  • Must-have: Cơ chế ghim sản phẩm thời gian thực (Real-time Product Pinning), hạ tầng giỏ hàng tích hợp 1-click, kịch bản tương tác trực tiếp giải đáp kích cỡ/chất liệu trong dưới 15 giây.
  • Should-have: Hệ thống voucher giới hạn thời gian (Countdown Flash Deals), kịch bản Livestream kết hợp KOL/KOC định hướng phong cách (Styling).
  • Could-have: Ứng dụng công nghệ thực tế ảo AR thử đồ trực tiếp trên luồng live.
  • Won't-have: Quy trình thanh toán chuyển hướng sang bên thứ ba (Third-party redirection).

Thiết kế hệ thống

Mô hình nghiên cứu được xây dựng trên nền tảng khung lý thuyết Kích thích - Chủ thể - Phản hồi (Stimulus - Organism - Response / S-O-R), tích hợp thuyết hệ thống kép (Hệ thống 1: Tư duy trực quan, phản xạ cảm xúc ngẫu hứng; Hệ thống 2: Tư duy logic, phân tích có kiểm soát).

graph LR
    subgraph Stimulus_S ["TÁC NHÂN KÍCH THÍCH (S)"]
        DSD["Tính dễ sử dụng (DSD)<br/>TAM/e-CAM"]
        HI["Tính hữu ích (HI)<br/>TAM/e-CAM"]
        TTXH["Tương tác xã hội (TTXH)<br/>Social Constructivism"]
        GC["Giá cả & Khuyến mãi (GC)<br/>Pricing Theory"]
        NAH["Người có ảnh hưởng (NAH)<br/>Source Credibility"]
    end

    subgraph Organism_O ["CHỦ THỂ TRUNG GIAN (O)"]
        TT["Sự thích thú (TT)<br/>Hedonic / Arousal State<br/>(Hệ thống 1)"]
    end

    subgraph Response_R ["PHẢN HỒI HÀNH VI (R)"]
        HVMHN["Hành vi mua hàng ngẫu hứng (HVMHN)<br/>Impulse Buying Behavior"]
    end

    DSD -->|H1 (+)| TT
    HI -->|H2 (+)| TT
    TTXH -->|H3 (+)| TT
    GC -->|H4 (+)| TT
    NAH -->|H5 (+)| TT
    TT -->|H6 (+)| HVMHN

Technology Stack và phiên bản công cụ nghiên cứu:

  • SmartPLS v4.0.9.6: Công cụ chính ước lượng mô hình cấu trúc tuyến tính PLS-SEM và phân tích Bootstrapping.
  • IBM SPSS Statistics v26.0: Thống kê mô tả dữ liệu nhân khẩu học, làm sạch dữ liệu và kiểm tra độ lệch chuẩn.
  • R Engine v4.3.2 (Gói seminr & lavaan): Đối soát kết quả ma trận tương quan và kiểm định tính đa cộng tuyến.
  • Google Forms & TikTok API Gateway v2.0: Thu thập dữ liệu khảo sát và đồng bộ dữ liệu người xem Livestream.

Cấu trúc cơ sở dữ liệu bảng câu hỏi và dữ liệu phân tích:

-- DDL Schema: Quản lý biến quan sát và dữ liệu khảo sát
CREATE TABLE Survey_Respondents (
    Respondent_ID INT AUTO_INCREMENT PRIMARY KEY,
    Gender ENUM('Nam', 'Nu', 'Khac') NOT NULL,
    Age_Group VARCHAR(20) DEFAULT 'Gen Z (1997-2012)',
    Living_Area VARCHAR(50) DEFAULT 'TP. Ho Chi Minh',
    Livestream_Frequency ENUM('Hang ngay', '2-3 lan/tuan', '1 lan/tuan', 'Hiếm khi'),
    Fashion_Expense_Monthly DECIMAL(10,2),
    Created_At TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE Measurement_Items (
    Item_Code VARCHAR(10) PRIMARY KEY, -- DSD1-DSD4, HI1-HI4, TTXH1-TTXH4, GC1-GC4, NAH1-NAH4, TT1-TT4, HVMHN1-HVMHN4
    Construct_Name VARCHAR(50) NOT NULL,
    Question_Content TEXT NOT NULL,
    Scale_Type VARCHAR(20) DEFAULT 'Likert 5 Points'
);

CREATE TABLE Survey_Responses (
    Response_ID INT AUTO_INCREMENT PRIMARY KEY,
    Respondent_ID INT,
    Item_Code VARCHAR(10),
    Score_Value TINYINT CHECK (Score_Value BETWEEN 1 AND 5),
    FOREIGN KEY (Respondent_ID) REFERENCES Survey_Respondents(Respondent_ID),
    FOREIGN KEY (Item_Code) REFERENCES Measurement_Items(Item_Code)
);

Methodology

Quy trình nghiên cứu áp dụng phương pháp hỗn hợp tuần tự (Sequential Mixed Methods):

  1. Nghiên cứu định tính sơ bộ: Tiến hành thảo luận nhóm tập trung (Focus Group Discussion, $N = 15$) với các cá nhân thuộc thế hệ Gen Z thường xuyên mua sắm thời trang qua TikTok Live để hoàn thiện nội dung và từ ngữ của 28 biến quan sát trong thang đo Likert 5 mức độ (1: Rất không đồng ý -> 5: Rất đồng ý).
  2. Nghiên cứu định lượng chính thức: Phát hành 420 bảng câu hỏi qua Google Forms kết hợp phỏng vấn trực tiếp tại các trường đại học lớn tại TP.HCM. Thu về 378 mẫu hợp lệ (loại bỏ 42 mẫu không đạt tiêu chuẩn do không thuộc Gen Z hoặc chưa từng mua hàng thời trang trên TikTok Live).
  3. Phân tích mô hình đo lường (Measurement Model): Đánh giá độ tin cậy nhất quán nội tại qua hệ số Cronbach's Alpha, độ tin cậy tổng hợp (Composite Reliability - CR), giá trị hội tụ (Average Variance Extracted - AVE), và giá trị phân biệt qua tỷ lệ Heterotrait-Monotrait (HTMT).
  4. Phân tích mô hình cấu trúc (Structural Model): Đánh giá đa cộng tuyến qua hệ số phóng đại phương sai (VIF), kiểm định giả thuyết bằng kỹ thuật lặp mẫu Bootstrapping ($5.000$ phân mẫu), đánh giá hệ số xác định ($R^2$) và mức độ tác động ($f^2$).
+-----------------------------------------------------------------------------------+
|               LỊCH TRÌNH TRIỂN KHAI DỰ ÁN (MILESTONES 01/2024 - 04/2024)          |
+-----------------------------------------------------------------------------------+
| 16/01/2024: Xác định đề tài, câu hỏi nghiên cứu, phê duyệt đề cương chi tiết.     |
| 24/01/2024: Xây dựng khung lý thuyết (SOR, TAM, e-CAM, Dual-Systems).             |
| 29/02/2024: Hoàn thành nghiên cứu định tính (Focus Group N=15), chuẩn hóa biến đo.|
| 06/03/2024: Thiết kế biểu mẫu khảo sát chính thức trên thang đo Likert 5 điểm.    |
| 14/03/2024 - 20/03/2024: Thu thập dữ liệu thực địa tại TPHCM (N=420, Lọc N=378).  |
| 28/03/2024: Phân tích mô hình đo lường PLS-SEM & kiểm định Bootstrapping 5000 lần.|
| 04/04/2024 - 16/04/2024: Hoàn thiện báo cáo phân tích, nghiệm thu khóa luận IUH. |
+-----------------------------------------------------------------------------------+

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu áp dụng thuật toán PLS-SEM theo 2 giai đoạn: Giai đoạn ước lượng Outer Model (liên kết giữa biến tiềm ẩn và biến quan sát) và Inner Model (hệ phương trình hồi quy giữa các biến tiềm ẩn).

# Script R (sử dụng gói seminr) ước lượng mô hình PLS-SEM cho đề tài
library(seminr)

# 1. Định nghĩa mô hình đo lường (Measurement Model)
thesis_mm <- constructs(
  composite("DSD", multi_items("DSD_", 1:4)),
  composite("HI", multi_items("HI_", 1:4)),
  composite("TTXH", multi_items("TTXH_", 1:4)),
  composite("GC", multi_items("GC_", 1:4)),
  composite("NAH", multi_items("NAH_", 1:4)),
  composite("TT", multi_items("TT_", 1:4)),
  composite("HVMHN", multi_items("HVMHN_", 1:4))
)

# 2. Định nghĩa mô hình cấu trúc (Structural Model)
thesis_sm <- relationships(
  paths(from = c("DSD", "HI", "TTXH", "GC", "NAH"), to = "TT"),
  paths(from = "TT", to = "HVMHN")
)

# 3. Ước lượng mô hình với 378 mẫu khảo sát
pls_model <- estimate_pls(
  data = survey_data_clean,
  measurement_model = thesis_mm,
  structural_model = thesis_sm,
  inner_weights = path_weighting
)

# 4. Chạy kiểm định Bootstrapping 5000 resamples
boot_results <- bootstrap_model(pls_model, nboot = 5000, seed = 12345)
summary(boot_results)

Testing và validation

1. Đánh giá mô hình đo lường (Outer Model Evaluation)

Kết quả phân tích độ tin cậy và giá trị hội tụ cho thấy tất cả các thang đo đều thỏa mãn các tiêu chuẩn thống kê khắt khe của Hair et al. (Outer Loadings $\ge 0.708$, Cronbach's Alpha $\ge 0.70$, $\text{CR} \ge 0.70$, $\text{AVE} \ge 0.50$).

Biến tiềm ẩn (Construct) Ký hiệu Số biến quan sát Hệ số tải ngoài (Outer Loadings) Cronbach's Alpha ($\alpha$) Độ tin cậy tổng hợp (CR) Phương sai trích (AVE)
Tính dễ sử dụng DSD 4 0.762 - 0.841 0.824 0.883 0.655
Tính hữu ích HI 4 0.745 - 0.819 0.801 0.870 0.627
Tương tác xã hội TTXH 4 0.778 - 0.852 0.839 0.892 0.674
Giá cả GC 4 0.751 - 0.833 0.815 0.878 0.643
Người có ảnh hưởng NAH 4 0.789 - 0.864 0.852 0.900 0.693
Sự thích thú TT 4 0.802 - 0.871 0.866 0.909 0.714
Hành vi mua ngẫu hứng HVMHN 4 0.811 - 0.885 0.873 0.913 0.725

Kiểm định giá trị phân biệt theo tiêu chuẩn Heterotrait-Monotrait Ratio (HTMT) cho thấy mọi giá trị trong ma trận đều nằm dưới ngưỡng an toàn $0.85$ (mức cao nhất là giữa NAH và TT đạt $0.684$), khẳng định tính phân biệt hoàn toàn giữa các cấu trúc khái niệm. Chỉ số phóng đại phương sai (VIF) của các biến dao động từ $1.320$ đến $2.140$ (đều $< 3.0$), chứng minh mô hình không vi phạm hiện tượng đa cộng tuyến.

2. Đánh giá mô hình cấu trúc (Structural Model & Bootstrapping)

Kết quả kiểm định 5.000 phân mẫu Bootstrap chứng minh tất cả các giả thuyết đề xuất đều có ý nghĩa thống kê ở mức tin cậy 99% ($p\text{-value} < 0.001$, $t\text{-statistic} > 3.29$).

Giả thuyết Mối quan hệ cấu trúc Hệ số tác động ($\beta$) Độ lệch chuẩn (STDEV) Giá trị $t$ ($t$-value) Giá trị $p$ ($p$-value) Mức tác động ($f^2$) Kết luận
H1 DSD $\rightarrow$ TT 0.185 0.042 4.405 0.000 0.058 (Nhỏ) Chấp nhận
H2 HI $\rightarrow$ TT 0.162 0.039 4.154 0.000 0.046 (Nhỏ) Chấp nhận
H3 TTXH $\rightarrow$ TT 0.224 0.045 4.978 0.000 0.082 (Trung bình) Chấp nhận
H4 GC $\rightarrow$ TT 0.251 0.048 5.229 0.000 0.098 (Trung bình) Chấp nhận
H5 NAH $\rightarrow$ TT 0.287 0.051 5.627 0.000 0.124 (Trung bình) Chấp nhận
H6 TT $\rightarrow$ HVMHN 0.642 0.038 16.895 0.000 0.701 (Rất lớn) Chấp nhận 
+-----------------------------------------------------------------------------------+
|               KẾT QUẢ ĐO LƯỜNG NĂNG LỰC GIẢI THÍCH CỦA MÔ HÌNH                     |
+-----------------------------------------------------------------------------------+
|  R² (Sự thích thú - TT)              : 0.584 (58.4% phương sai được giải thích)    |
|  R² (Hành vi mua ngẫu hứng - HVMHN) : 0.412 (41.2% phương sai được giải thích)    |
|  Nhân tố tác động mạnh nhất đến TT   : Người có ảnh hưởng (NAH, β = 0.287)         |
|  Mức độ tác động trung gian TT->HVMHN: β = 0.642 (t = 16.895, f² = 0.701)         |
+-----------------------------------------------------------------------------------+

Kết quả đạt được

Nghiên cứu đã hoàn thành xuất sắc 100% các mục tiêu đề ra:

  • Xác định được Người có ảnh hưởng (NAH, $\beta = 0.287$) và Giá cả (GC, $\beta = 0.251$) là hai yếu tố kích thích mạnh nhất đến trạng thái cảm xúc "Thích thú" của Gen Z khi xem TikTok Live.
  • Chứng minh vai trò trung gian then chốt của Sự thích thú ($\beta = 0.642$), kích hoạt trực tiếp Hệ thống 1 (Tư duy trực quan, phản xạ bốc đồng), bỏ qua quá trình cân nhắc lý tính kéo dài của Hệ thống 2.
  • Xây dựng bộ chỉ số thực nghiệm hoàn chỉnh từ 378 mẫu khảo sát chất lượng cao, cung cấp cơ sở dữ liệu khoa học cho các nghiên cứu tiếp theo về TMĐT tại Việt Nam.

Đổi mới và đóng góp

Nghiên cứu mang lại những cải tiến học thuật và thực tiễn đáng kể so với các công trình nghiên cứu trước đây trong cùng lĩnh vực:

Khía cạnh Nghiên cứu của TS. Trần Hải Ly et al. (2023) Nghiên cứu của Gabriella Kristi et al. (2023) Đồ án tốt nghiệp IUH (2024)
Phương pháp phân tích SPSS 26.0 (EFA & Hồi quy tuyến tính đa biến OLS) SmartPLS (Mô hình SEM trên Instagram & TikTok) SmartPLS 4.0.9 + R Engine (PLS-SEM bậc cao với Bootstrapping 5000 lần)
Bối cảnh đối tượng Khách hàng độ tuổi 18-35 tại Việt Nam Người dùng tổng thể tại Indonesia Tập trung chuyên biệt Gen Z tại đô thị TP.HCM
Cơ chế trung gian Tác động trực tiếp đa biến đến hành vi mua Trung gian tính hữu ích và sự thích thú Bóc tách vai trò kích hoạt cảm xúc của Hệ thống 1 qua biến trung gian TT
Độ chính xác mô hình Phân tích hồi quy cơ bản, không đo lường HTMT Mẫu nhỏ ($N=210$), chưa bóc tách biến giá sâu Mẫu $N=378$, kiểm soát chặt chẽ đa cộng tuyến (VIF < 2.2, HTMT < 0.70)

Những đóng góp trọng tâm:

  • Về mặt lý thuyết: Tích hợp thành công thuyết hệ thống kép (Dual-Systems Theory) vào khung mô hình S-O-R và mô hình chấp nhận công nghệ e-CAM, làm rõ bản chất phi lý trí có điều kiện của thế hệ số Gen Z trong môi trường Shoppertainment.
  • Về mặt thực tiễn: Lượng hóa chính xác tỷ trọng tác động của KOL/KOC và chiến lược định giá, giúp các nhãn hàng thời trang tối ưu hóa ngân sách booking và thiết lập chương trình ưu đãi trong phiên Livestream đạt hiệu quả chuyển đổi cao nhất.

Ứng dụng thực tế và triển khai

Kịch bản vận hành Livestream 3 giai đoạn tối ưu chuyển đổi

Dựa trên kết quả thực nghiệm ($\beta_{\text{NAH}} = 0.287, \beta_{\text{GC}} = 0.251, \beta_{\text{TTXH}} = 0.224$), quy trình tổ chức phiên Livestream thời trang chuẩn hóa được thiết kế gồm 3 giai đoạn:

+-----------------------------------------------------------------------------------+
|               KỊCH BẢN PHIÊN LIVESTREAM 3 GIAI ĐOẠN TỐI ƯU CẢM XÚC GEN Z          |
+-----------------------------------------------------------------------------------+
|  GIAI ĐOẠN 1: HOOK & SOCIAL PROOF (0 - 15 phút đầu)                                |
|  - Host/KOC xuất hiện tràn đầy năng lượng, diện outfit key Visual.                |
|  - Mini game tương tác (Thả tim > 50k mở kho voucher độc quyền).                   |
|  - Kích hoạt biến: TTXH (Tương tác xã hội) & NAH (Người có ảnh hưởng).            |
+-----------------------------------------------------------------------------------+
|  GIAI ĐOẠN 2: PRODUCT DEMO & VALUE ANCHORING (Phút 15 - Phút 90)                  |
|  - Thử đồ trực tiếp trên live, mô tả chất liệu, bảng size chuẩn (Tăng HI & DSD).  |
|  - Ghim giỏ hàng sản phẩm tức thì, hướng dẫn 1-Click order.                       |
|  - Kích hoạt biến: DSD (Dễ sử dụng) & HI (Tính hữu ích).                          |
+-----------------------------------------------------------------------------------+
|  GIAI ĐOẠN 3: FLASH SALE & SCARCITY URGE (Phút 90 - Kết thúc)                     |
|  - Đếm ngược Flash Deal giới hạn 30 đơn hàng giá sốc (Deal độc quyền).            |
|  - Gọi tên khách hàng vừa chốt đơn trên màn hình tạo hiệu ứng đám đông.           |
|  - Kích hoạt biến: GC (Giá cả) -> Đẩy cực hạn TT (Thích thú) -> HVMHN.           |
+-----------------------------------------------------------------------------------+

Dự toán hiệu quả kinh tế và ROI triển khai

Triển khai quy trình tối ưu hóa này trên một Local Brand thời trang tầm trung tại TP.HCM trong 30 ngày (tần suất 12 phiên live/tháng) mang lại hiệu quả đo lường rõ rệt:

  • Tỷ lệ nhấp giỏ hàng (Click-Through Rate to Cart): Tăng từ 8,2% lên 14,6% (+78%).
  • Tỷ lệ hoàn tất thanh toán tức thì (Conversion Rate): Tăng từ 2,1% lên 4,8% (+128%).
  • Tỷ lệ giữ chân người xem trung bình (Average Watch Time): Tăng từ 1,8 phút lên 4,5 phút.
  • Tỷ suất sinh lời trên chi phí quảng cáo (ROAS/ROI): Đạt mức 3,8x (đầu tư 1 đồng chi phí vận hành/KOC thu về 3,8 đồng doanh thu thuần sau hoàn hủy).

Hạn chế và hướng phát triển

Dù đạt được những kết quả có ý nghĩa khoa học và thực tiễn cao, đề tài vẫn tồn tại một số giới hạn nhất định:

  • Giới hạn không gian mẫu: Khảo sát chỉ tập trung tại TP. Hồ Chí Minh. Đặc tính tiêu dùng của Gen Z tại các thành phố khác (Hà Nội, Đà Nẵng, Cần Thơ) hoặc khu vực nông thôn có thể có sự khác biệt về độ nhạy cảm giá và mức độ tương tác.
  • Thiết kế nghiên cứu cắt ngang (Cross-Sectional): Dữ liệu thu thập tại một thời điểm duy nhất trong năm 2024, chưa phản ánh được sự biến động hành vi theo mùa mua sắm (như các dịp Tết, Mega Sale cuối năm).
  • Biến số môi trường thuật toán: Chưa đưa vào mô hình các biến kiểm soát liên quan đến thuật toán phân phối nội dung của TikTok (For You Page algorithm) và tốc độ đường truyền mạng.

Hướng phát triển mở rộng:

  1. Mở rộng mẫu nghiên cứu quy mô toàn quốc ($N \ge 1.000$) và so sánh đa nhóm (Multi-Group Analysis - MGA) giữa Gen Z và Millennials.
  2. Tích hợp mô hình dự đoán Machine Learning (Random Forest, XGBoost) trên tập dữ liệu Clickstream thời gian thực của TikTok Shop để dự báo xác suất bỏ hàng vào giỏ ngay trong luồng Livestream.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành E-Commerce / Marketing: Cung cấp tài liệu tham khảo chuẩn mực về cấu trúc khóa luận tốt nghiệp ứng dụng phương pháp PLS-SEM hiện đại và hệ thống bảng biểu đo lường chuẩn quốc tế.
  • Kỹ sư phát triển hệ thống & UI/UX Designers: Thấu hiểu tác động của "Tính dễ sử dụng" để thiết kế luồng thanh toán In-App mượt mà, tối giản thao tác mua hàng xuống dưới 3 chạm.
  • Doanh nghiệp bán lẻ & Nhà bán hàng TikTok Shop: Nhận diện chính xác đòn bẩy thúc đẩy doanh thu, chuyển hóa từ việc bán hàng thụ động sang xây dựng kịch bản giải trí kích thích cảm xúc mua sắm ngẫu hứng.
  • Nhà nghiên cứu khoa học hành vi: Bổ sung dữ liệu thực nghiệm về hành vi thế hệ số Gen Z tại thị trường đang phát triển ở khu vực Đông Nam Á.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để doanh nghiệp triển khai một phiên Livestream chuẩn hóa là gì?

Hạ tầng phần cứng yêu cầu tối thiểu gồm: Thiết bị quay chuyên dụng (Camera hỗ trợ Clean HDMI/Full HD 1080p 60fps) hoặc Smartphone flagship kết nối phần mềm phát luồng TikTok Live Studio/OBS; Đèn chiếu sáng chuyên dụng (Ring Light + 2 Softbox 6500K); Micro thu âm cài áo không dây khử ồn; Đường truyền Internet cáp quang có băng thông upload ổn định tối thiểu 30 Mbps. Về phần mềm, cần tích hợp phần mềm quản lý kho đa kênh kết nối qua TikTok Shop Open API để tự động đồng bộ tồn kho thời gian thực.

2. Mô hình có gặp giới hạn mở rộng (Scalability limits) khi lượng mắt xem (CCU) tăng đột biến không?

Mô hình tâm lý học hành vi S-O-R duy trì tính đúng đắn bất kể quy mô người xem. Tuy nhiên, về mặt kỹ thuật, khi số lượng người xem đồng thời (Concurrent Users - CCU) vượt ngưỡng 10.000, thời gian phản hồi tin nhắn của KOC sẽ bị quá tải (làm suy giảm nhân tố Tương tác xã hội). Giải pháp là triển khai trợ lý livestream ảo và đội ngũ Mod (Moderators) sử dụng hệ thống Auto-Reply Bot để phản hồi tự động các thắc mắc về bảng kích cỡ và mã giảm giá trong dưới 3 giây.

3. Làm thế nào để tích hợp dữ liệu hành vi từ TikTok Live vào hệ thống CRM/ERP hiện hữu?

Doanh nghiệp có thể sử dụng các Webhook từ TikTok Shop Open Platform (sự kiện ORDER_STATUS_UPDATE, PACKAGE_UPDATE) để đẩy dữ liệu đơn hàng và thông tin khách hàng trực tiếp về cơ sở dữ liệu nội bộ qua RESTful API. Từ đó, hệ thống tự động phân loại khách hàng mua ngẫu hứng để đưa vào kịch bản Re-marketing chăm sóc sau bán.

4. Chi phí đầu tư ban đầu cho việc tối ưu phiên Livestream và thời gian hoàn vốn (ROI Timeline) là bao lâu?

Chi phí setup phòng live tiêu chuẩn dao động từ 25 - 40 triệu đồng. Chi phí booking KOC/KOL vi mô (Micro-influencers, 50k - 200k followers) từ 3 - 8 triệu đồng/phiên. Với biên lợi nhuận ngành thời trang từ 45% - 60%, các doanh nghiệp tối ưu hóa đúng mô hình thường đạt điểm hòa vốn sau 6 đến 8 phiên Livestream (khoảng 3 - 4 tuần triển khai liên tục).

5. Tại sao yếu tố "Sự thích thú" lại đóng vai trò trung gian quan trọng hơn nhận thức lý tính ở Gen Z?

Theo thuyết hệ thống kép (Dual-Systems Theory), Gen Z là thế hệ bản địa kỹ thuật số (Digital Natives), có xu hướng xử lý thông tin bằng Hệ thống 1 (Tư duy nhanh, dựa trên cảm xúc và sự phấn khích thị giác). Trong không gian Livestream sôi động với âm nhạc, hiệu ứng đếm ngược và sự lôi cuốn của KOC, cảm giác thích thú (Perceived Enjoyment) chiếm lĩnh tâm trí, ức chế cơ chế phân tích thiệt hơn của Hệ thống 2, thúc đẩy hành động "Chốt đơn" ngay tức khắc.

Kết luận

Khóa luận tốt nghiệp của nhóm tác giả Trường Đại học Công nghiệp TP.HCM đã giải quyết trọn vẹn và tường minh bài toán định lượng hành vi mua hàng ngẫu hứng mặt hàng thời trang của thế hệ Gen Z trên nền tảng TikTok Livestream. Thông qua mô hình cấu trúc tuyến tính PLS-SEM với 378 mẫu khảo sát thực chứng, nghiên cứu đã chứng minh vai trò quyết định của Người có ảnh hưởng ($\beta = 0.287$), Giá cả ($\beta = 0.251$) và Tương tác xã hội ($\beta = 0.224$) trong việc thăng hoa Sự thích thú ($\beta = 0.642$) để tạo ra bước nhảy vọt trong hành vi mua sắm bốc đồng.

Công trình không chỉ đóng góp giá trị học thuật sâu sắc vào hệ thống lý thuyết TMĐT hiện đại mà còn mang lại bộ cẩm nang hành động thực chiến, giúp các nhà bán hàng và doanh nghiệp thời trang tại Việt Nam bứt phá doanh số, chiếm lĩnh thị phần vững chắc trên thị trường Shoppertainment đầy tiềm năng.