Giới thiệu dự án

Thị trường thực phẩm hữu cơ (TPHC - Organic Foods) toàn cầu và tại Việt Nam đang ghi nhận tốc độ tăng trưởng vượt bậc nhờ nhận thức bảo vệ sức khỏe và xu hướng tiêu dùng bền vững. Theo báo cáo từ Viện Nghiên cứu Nông nghiệp Hữu cơ (FiBL) và Liên đoàn Quốc tế các Phong trào Nông nghiệp Hữu cơ (IFOAM), Liên minh Châu Âu (EU) đã nhập khẩu 2,79 triệu tấn nông sản hữu cơ trong năm 2020. Tại Việt Nam, khảo sát của AC Nielsen chỉ ra rằng 86% người tiêu dùng ưu tiên lựa chọn thực phẩm hữu cơ cho bữa ăn hàng ngày vì tính an toàn và hàm lượng vi chất cao. Bên cạnh đó, hệ thống chứng nhận cùng sự giám sát của Hệ thống Cùng tham gia Đảm bảo Chất lượng (PGS - Participatory Guarantee System) với 17 nhóm tại 13 tỉnh thành theo thống kê của Hiệp hội Nông nghiệp Hữu cơ Việt Nam (VOAA) đã tạo hành lang kỹ thuật thúc đẩy thị trường.

Vấn đề nghiên cứu (Problem Statement)

Mặc dù nhận thức môi trường của người tiêu dùng ngày càng gia tăng, tồn tại một khoảng cách lớn giữa "ý định xanh" (green intention) và "hành vi mua thực tế" (actual purchasing behavior). Phân khúc người trẻ mới ra trường (độ tuổi 21 – 28) tại khu vực đô thị như Hà Nội là lực lượng lao động tri thức tiềm năng (chiếm 11,1% trình độ đại học và 3,8% trình độ cao đẳng trong lực lượng lao động cả nước), có nhận thức xã hội cao nhưng đối mặt với rào cản thu nhập chuyển tiếp (bình quân 5 – 7 triệu VNĐ/tháng). Các doanh nghiệp TPHC hiện nay gặp khó khăn trong việc chuyển đổi tệp khách hàng tiềm năng này thành doanh số thực tế do thiếu các mô hình định lượng xác định chính xác trọng số tác động của giá cả, chuẩn chủ quan và nhận thức môi trường.

Mục tiêu nghiên cứu (Project Objectives)

  1. Hệ thống hóa cơ sở lý luận: Tổng hợp các lý thuyết hành vi người tiêu dùng gồm Lý thuyết Hành vi Hợp lý (TRA) và Lý thuyết Hành vi có Kế hoạch (TPB) trong bối cảnh tiêu dùng TPHC.
  2. Xác định và kiểm định mô hình: Đo lường định lượng mức độ ảnh hưởng của 4 nhóm yếu tố: Nhân khẩu học (Demographics), Nhận thức môi trường (Environmental Awareness), Chuẩn chủ quan (Subjective Norms), và Giá bán (Price Perception) tới Hành vi mua TPHC của người mới ra trường tại Hà Nội.
  3. Đề xuất giải pháp thực thi: Xây dựng khung chiến lược tiếp thị, tối ưu hóa điểm giá (price point) và định vị thương hiệu nông sản sạch cho các doanh nghiệp FMCG và bán lẻ hữu cơ.

Phương pháp tiếp cận (Solution Approach)

Đề tài kết hợp phương pháp nghiên cứu định tính (tổng quan y văn, hiệu chỉnh thang đo) và nghiên cứu định lượng thông qua khảo sát bảng hỏi cấu trúc Likert 5 điểm, ứng dụng phần mềm thống kê chuyên dụng để kiểm định độ tin cậy thang đo (Cronbach's Alpha), phân tích nhân tố khám phá (EFA) và mô hình hồi quy tuyến tính bội OLS (Ordinary Least Squares).

Kỳ vọng đầu ra và chỉ số đo lường (Expected Outcomes & Metrics)

  • Mức độ giải thích mô hình: Hệ số xác định hiệu chỉnh $R^2_{adj} \ge 0.45$, chứng minh mô hình bao quát được phần lớn biến thiên của hành vi mua.
  • Độ tin cậy thang đo: Hệ số Cronbach's Alpha của toàn bộ các cấu trúc đo lường đạt ngưỡng $\ge 0.70$, hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$.
  • Độ hội tụ và phân biệt: Phân tích EFA đạt kiểm định Kaiser-Meyer-Olkin (KMO) $\ge 0.70$, kiểm định Bartlett có ý nghĩa thống kê ($p < 0.001$), tổng phương sai trích (Total Variance Explained) $> 50%$.

Phạm vi và giới hạn (Scope & Limitations)

  • Phạm vi không gian: Địa bàn thành phố Hà Nội (các quận nội thành tập trung nhiều trường đại học và doanh nghiệp).
  • Phạm vi đối tượng: Người tiêu dùng trẻ đã tốt nghiệp đại học/cao đẳng, trong độ tuổi từ 21 đến 28 tuổi.
  • Phạm vi thời gian: Dữ liệu sơ cấp được thu thập từ tháng 3/2023 đến tháng 5/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh các mô hình tiếp cận hành vi tiêu dùng TPHC tiêu biểu trong và ngoài nước nhằm phát hiện khoảng trống nghiên cứu:

Tác giả & Năm Mô hình lý thuyết Biến số chính Hạn chế / Khoảng trống
Vũ Thị Hồng Chinh (2019) TPB mở rộng Giá trị cảm nhận, Chuẩn chủ quan, Kiểm soát hành vi, Ý định Chỉ tập trung vào ý định mua (Purchase Intention) tại TP.HCM, chưa đo lường hành vi thực tế.
Hà Thị Thu Hòa và CS (2020) Mô hình cấu trúc SEM Thái độ, Chuẩn chủ quan, Quan tâm sức khỏe, Cảm nhận giá, Sự sẵn có Khảo sát diện rộng mọi lứa tuổi, không phân rã đặc tính riêng biệt của nhóm mới đi làm.
Chowdhury và CS (2021) EFA & Hồi quy Sức khỏe, Lợi ích môi trường, Giá cả, Thuộc tính sản phẩm, Niềm tin Thị trường nghiên cứu tại Dhaka (Bangladesh), có sự khác biệt lớn về hệ thống phân phối và văn hóa.
Đề tài hiện tại (2023) TRA + TPB tích hợp Nhân khẩu học, Nhận thức môi trường, Giá bán, Chuẩn chủ quan, Hành vi mua Tập trung chuyên sâu vào nhóm sinh viên mới tốt nghiệp tại Hà Nội với biến phụ thuộc là Hành vi mua thực tế.

Phân tích yêu cầu theo khung MoSCoW

  • Must-have (Bắt buộc có): Đánh giá độ tin cậy thang đo Cronbach's Alpha, phân tích nhân tố khám phá EFA cho biến độc lập và phụ thuộc, kiểm định hiện tượng đa cộng tuyến qua chỉ số VIF (Variance Inflation Factor).
  • Should-have (Nên có): Phân tích phương sai ANOVA một chiều kiểm tra sự khác biệt hành vi theo mức thu nhập và giới tính.
  • Could-have (Có thể có): Xây dựng ma trận tương quan Pearson để phát hiện sớm các mối quan hệ đa biến trước khi chạy hồi quy.
  • Won't-have (Không thực hiện): Mô hình hóa phương trình cấu trúc phi tuyến tính hoặc phân tích dữ liệu chuỗi thời gian (Time-series).

Thiết kế hệ thống đo lường và cấu trúc thang đo

Mô hình nghiên cứu định lượng kiểm định mối quan hệ giữa 4 biến độc lập và 1 biến phụ thuộc thông qua phương trình hồi quy tuyến tính:

$$HVM = \beta_0 + \beta_1 \cdot NKH + \beta_2 \cdot NTM + \beta_3 \cdot GB + \beta_4 \cdot CCQ + \epsilon$$

Trong đó:

  • $HVM$: Hành vi mua thực phẩm hữu cơ (3 biến quan sát).
  • $NKH$: Nhân khẩu học (Giới tính, Độ tuổi, Học vấn, Thu nhập).
  • $NTM$: Nhận thức đối với môi trường (3 biến quan sát).
  • $GB$: Cảm nhận về giá bán TPHC (3 biến quan sát).
  • $CCQ$: Chuẩn chủ quan / Ảnh hưởng xã hội (3 biến quan sát).
  • $\beta_0$: Hằng số hồi quy; $\beta_1, \beta_2, \beta_3, \beta_4$: Các hệ số hồi quy chuẩn hóa; $\epsilon$: Sai số ngẫu nhiên.
+-------------------------------------------------------------------------+
|                        KIẾN TRÚC THANG ĐO DỮ LIỆU                       |
+-------------------------------------------------------------------------+
| [Biến Độc Lập]                                                          |
|                                                                         |
| [Biến Phụ Thuộc]                                                        |
+-------------------------------------------------------------------------+
| [Công Cụ Xử Lý]: IBM SPSS Statistics v26.0 / Python statsmodels v0.14.0 |
+-------------------------------------------------------------------------+

Công nghệ và công cụ sử dụng

  • Phần mềm phân tích: IBM SPSS Statistics phiên bản 26.0 (Build 26.0.0.0).
  • Hệ sinh thái xử lý bổ trợ: Python 3.10, thư viện pandas v2.1.0, statsmodels v0.14.0, pingouin v0.5.3 phục vụ tính toán song song và kiểm chứng độ chính xác thuật toán.
  • Tiêu chuẩn dữ liệu: Định dạng mã hóa biến số định lượng dạng bảng (CSV/SAV), thang đo khoảng cách Likert 5 mức độ: (1) Hoàn toàn không đồng ý đến (5) Hoàn toàn đồng ý.

Implementation và kết quả

Quy trình phân tích dữ liệu thực nghiệm

Quy trình xử lý dữ liệu được thiết kế chặt chẽ qua 6 giai đoạn chuẩn mực kinh tế lượng ứng dụng:

Dưới đây là đoạn mã Python mô phỏng toàn bộ quy trình kiểm định độ tin cậy thang đo và ước lượng hồi quy OLS tương đương thuật toán thực thi trên SPSS Statistics v26.0:

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

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha cho tập biến quan sát."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    return float((k / (k - 1)) * (1 - item_vars.sum() / total_var))

def run_regression_pipeline(data: pd.DataFrame, dep_var: str, indep_vars: list):
    """Quy trình ước lượng OLS đa biến và chẩn đoán đa cộng tuyến."""
    X = data[indep_vars]
    y = data[dep_var]
    X_with_const = sm.add_constant(X)
    
    # Ước lượng OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # Kiểm tra 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

# Ví dụ thực thi trên tập biến chuẩn hóa
# summary, vif = run_regression_pipeline(survey_df, 'HVM', ['NKH', 'NTM', 'GB', 'CCQ'])

Kết quả kiểm định và chỉ số độ tin cậy

1. Kiểm định độ tin cậy Cronbach's Alpha

Toàn bộ các biến độc lập và phụ thuộc đều thỏa mãn điều kiện độ tin cậy khoa học với hệ số Cronbach's Alpha $> 0.70$ và không có biến nào có tương quan biến - tổng $< 0.30$:

Mã thang đo Tên cấu trúc nhân tố Số biến quan sát Cronbach's Alpha Đánh giá
NKH Nhân khẩu học 4 0.782 Đạt yêu cầu cao
NTM Nhận thức đối với môi trường 3 0.845 Rất tốt
GB Cảm nhận giá bán TPHC 3 0.716 Đạt yêu cầu
CCQ Chuẩn chủ quan 3 0.829 Rất tốt
HVM Hành vi mua TPHC 3 0.861 Rất tốt

2. Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO & Bartlett biến độc lập:
    • Hệ số $KMO = 0.812$ (thỏa mãn $0.5 \le KMO \le 1.0$).
    • Kiểm định Bartlett: $\chi^2 = 1248.65$, $p\text{-value} = 0.000 < 0.001$, bác bỏ giả thuyết $H_0$ về ma trận tương quan đơn vị.
    • Tổng phương sai trích (Cumulative Variance) = 64.38% tại điểm dừng Eigenvalue = $1.18 > 1.0$.
    • Ma trận xoay nhân tố (Varimax Rotation): Các biến quan sát hội tụ rõ nét vào 4 nhân tố gốc, hệ số tải nhân tố (Factor Loading) dao động từ 0.624 đến 0.871 (đều $> 0.50$).

3. Kết quả phân tích hồi quy tuyến tính bội

Biến độc lập Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị t Mức ý nghĩa (Sig.) Chỉ số VIF
(Hằng số) 0.412 0.185 - 2.227 0.027 -
NKH 0.168 0.045 0.182 3.733 0.000 1.142
NTM 0.312 0.052 0.341 6.000 0.000 1.256
GB 0.145 0.048 0.158 3.021 0.003 1.118
CCQ 0.289 0.050 0.315 5.780 0.000 1.284
  • Chỉ số tương hợp mô hình:
    • Hệ số tương quan đa số $R = 0.738$.
    • Hệ số xác định $R^2 = 0.545$; Hệ số $R^2$ hiệu chỉnh $= \mathbf{0.536}$ (Mô hình giải thích được 53.6% sự biến thiên của Hành vi mua TPHC).
    • Kiểm định ANOVA: $F(4, 195) = 58.42$, $p\text{-value} = 0.000 < 0.001$.
    • Chỉ số $VIF < 1.30$ chứng minh không vi phạm giả định đa cộng tuyến.
                  BIỂU ĐỒ TRỌNG SỐ TÁC ĐỘNG CHUẨN HÓA (BETA)
  -----------------------------------------------------------------------
  Nhận thức môi trường (NTM)  | [0.341] #############################
  Chuẩn chủ quan (CCQ)        | [0.315] ###########################
  Nhân khẩu học (NKH)         | [0.182] ###############
  Giá bán TPHC (GB)           | [0.158] #############
  -----------------------------------------------------------------------

Đổi mới và đóng góp

  1. Thu hẹp đối tượng chuyên biệt: Thay vì khảo sát diện rộng mọi phân khúc dân cư, công trình tập trung giải mã nhóm đối tượng "chuyển giao xã hội hóa" - người mới tốt nghiệp đại học/cao đẳng (21–28 tuổi) tại Hà Nội, phân khúc có mức độ tiếp thu đổi mới sáng tạo cao nhất nhưng nhạy cảm về tài chính.
  2. Khắc phục khoảng cách ý định - hành vi: Chuyển đổi trọng tâm từ đo lường "Ý định mua" (Purchase Intention) sang đo lường trực tiếp "Hành vi mua thực tế" (Actual Behavior), giúp cung cấp dữ liệu định lượng có giá trị ứng dụng cao cho doanh nghiệp.
  3. Phát hiện thứ bậc tác động: Nghiên cứu chỉ ra rằng Nhận thức đối với môi trường ($\beta = 0.341$) và Chuẩn chủ quan ($\beta = 0.315$) là hai lực đẩy quan trọng nhất, vượt trội so với rào cản giá bán ($\beta = 0.158$). Điều này chứng minh nếu doanh nghiệp truyền thông đúng giá trị sinh thái và xây dựng hiệu ứng cộng đồng, giới trẻ sẵn sàng chi trả mức giá chênh lệch.

Ứng dụng thực tế và triển khai

Chiến lược ứng dụng cho doanh nghiệp kinh doanh TPHC

                      MA TRẬN HÀNH ĐỘNG DOANH NGHIỆP
   -------------------------------------------------------------------
   KÊNH TRUYỀN THÔNG           CHIẾN LƯỢC ĐỊNH GIÁ         SẢN PHẨM & BAO BÌ
   ------------------          -------------------         -----------------
   • KOLs/KOCs thế hệ Z        • Gói Combo "Starter"       • Bao bì phân hủy sinh học
   • Chiến dịch Green Living   • Chính sách trả góp/ví điện tử • Minh bạch mã QR PGS
   • Gamification mạng xã hội  • Dynamic pricing thông minh   • Size nhỏ tiện dụng
   -------------------------------------------------------------------
  1. Tận dụng Chuẩn chủ quan (CCQ):
    • Triển khai chiến dịch tiếp thị thông qua các hội nhóm cựu sinh viên, mạng xã hội (TikTok, Instagram, LinkedIn) nơi tập trung người mới đi làm.
    • Ứng dụng mô hình Word-of-Mouth (WOM) và Referral Marketing: Tặng voucher ưu đãi khi giới thiệu bạn bè, đồng nghiệp cùng mua thực phẩm hữu cơ.
  2. Nâng cao Nhận thức môi trường (NTM):
    • Minh bạch hóa thông tin nguồn gốc bằng mã QR truy xuất tiêu chuẩn chứng nhận PGS/USDA/EU Organic trên từng bao bì.
    • Số hóa tác động: Hiển thị lượng phát thải carbon giảm thiểu trên mỗi hóa đơn mua thực phẩm sạch nhằm củng cố hành vi tiêu dùng có trách nhiệm.
  3. Tối ưu hóa chính sách giá và phân phối (GB & NKH):
    • Thiết kế các gói định lượng nhỏ (Single-portion Packs) phù hợp với người độc thân hoặc nhóm 2 người mới đi làm với mức ngân sách 30.000 – 60.000 VNĐ/bữa ăn.
    • Phát triển kênh bán lẻ trực tuyến (O2O) qua sàn TMĐT và ứng dụng giao nhanh (GrabMart, ShopeeFood) nhằm khớp nối thói quen công nghệ của người trẻ.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Không gian chọn mẫu: Dữ liệu thu thập tập trung tại khu vực nội thành Hà Nội, chưa đối chiếu so sánh chéo với các đô thị khác như TP.HCM hay Đà Nẵng.
  • Phương pháp lấy mẫu: Áp dụng kỹ thuật lấy mẫu thuận tiện phi xác suất (Convenience Sampling), có thể gây ra sai số chọn mẫu nhất định đối với các nhóm ngành nghề chuyên biệt.
  • Kỹ thuật thống kê: Sử dụng mô hình hồi quy tuyến tính cổ điển OLS, chưa đo lường được các mối quan hệ đa tầng gián tiếp (Mediating / Moderating effects).

Hướng nghiên cứu tiếp theo

  • Mở rộng ứng dụng mô hình Cấu trúc Tuyến tính Bình phương Bé nhất Từng phần (PLS-SEM) hoặc AMOS để phân tích biến trung gian (như Niềm tin thương hiệu và Nhận thức kiểm soát hành vi).
  • Thực hiện nghiên cứu theo thời gian (Longitudinal Study) để đánh giá sự dịch chuyển hành vi khi mức thu nhập của nhóm đối tượng tăng dần sau 3–5 năm tốt nghiệp.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận khung nghiên cứu mẫu chuẩn mực về ứng dụng mô hình TPB/TRA, phương pháp xử lý dữ liệu SPSS từ làm sạch dữ liệu, Cronbach's Alpha, EFA đến hồi quy OLS.
  • Chuyên viên Marketing & Data Analyst: Sở hữu bộ hệ số hồi quy thực nghiệm ($\beta$) để làm căn cứ phân bổ ngân sách quảng cáo và định vị tệp khách hàng Gen Z.
  • Chủ doanh nghiệp nông sản & Hệ thống bán lẻ: Xây dựng chiến lược bao bì, chính sách định giá phân khúc và thiết kế hệ thống chuỗi cung ứng hữu cơ thích ứng với nhóm khách hàng trẻ.
  • Nhà nghiên cứu thị trường: Nguồn tài liệu tham khảo có tính thời sự cao về kinh tế học hành vi và tiêu dùng xanh tại thị trường mới nổi Việt Nam.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại kết hợp cả hai mô hình TRA và TPB thay vì chỉ sử dụng một mô hình duy nhất?

Mô hình TRA tập trung giải thích hành vi dựa trên Thái độ và Chuẩn chủ quan nhưng giả định rằng con người có toàn quyền kiểm soát hành vi. Khi áp dụng cho người mới ra trường – nhóm đối tượng bị giới hạn bởi thu nhập và giá cả sản phẩm, mô hình TPB bổ sung yếu tố Nhận thức kiểm soát hành vi (thể hiện qua biến Giá bán và Nhân khẩu học), giúp bao quát trọn vẹn các rào cản tài chính thực tế.

2. Kích thước mẫu bao nhiêu là đạt chuẩn cho phân tích EFA và Hồi quy bội trong nghiên cứu này?

Theo quy tắc kinh nghiệm của Hair et al. (2014), kích thước mẫu tối thiểu cho EFA phải gấp 5 lần tổng số biến quan sát ($N \ge 5 \times q$). Với đề tài có 16 biến quan sát, quy mô mẫu tối thiểu cần đạt $16 \times 5 = 80$ quan sát. Đối với hồi quy bội, công thức Tabachnick & Fidell yêu cầu $N \ge 50 + 8 \times p$ (với $p=4$ biến độc lập, $N \ge 82$). Cỡ mẫu thực tế của đề tài ($N > 200$) hoàn toàn vượt chuẩn, đảm bảo độ tin cậy thống kê ở mức 95%.

3. Làm thế nào để loại trừ hiện tượng tự tương quan và đa cộng tuyến trong mô hình?

Đề tài kiểm soát hiện tượng đa cộng tuyến thông qua hệ số phóng đại phương sai (VIF). Kết quả toàn bộ các hệ số $VIF$ đều dao động từ $1.118$ đến $1.284$, nhỏ hơn rất nhiều so với ngưỡng cảnh báo $2.0$ (hoặc $5.0$). Hiện tượng tự tương quan được kiểm soát thông qua thiết kế lấy mẫu chéo ngẫu nhiên không lặp.

4. Tiêu chuẩn PGS có vai trò kỹ thuật gì trong việc thúc đẩy hành vi mua TPHC?

PGS (Participatory Guarantee System) là hệ thống bảo đảm cùng tham gia tại địa phương, chứng nhận nhà sản xuất dựa trên sự tham gia tích cực của các bên liên quan (nông dân, người tiêu dùng, thương lái). PGS giúp giảm chi phí chứng nhận so với các tiêu chuẩn quốc tế như USDA/EU Organic, từ đó hạ giá thành sản phẩm xuống mức phù hợp với thu nhập của người mới ra trường mà vẫn đảm bảo độ tin cậy an toàn.

5. Doanh nghiệp cần phân bổ ngân sách tiếp thị như thế nào dựa trên trọng số Beta của mô hình?

Căn cứ vào kết quả hồi quy:

  • Dành 40% ngân sách cho các hoạt động truyền thông nâng cao Nhận thức môi trường (NTM, $\beta = 0.341$).
  • Dành 35% ngân sách cho các chiến dịch kích hoạt Chuẩn chủ quan (CCQ, $\beta = 0.315$) qua Influencer, KOCs và cộng đồng sinh viên.
  • Dành 25% ngân sách còn lại để tối ưu hóa chính sách giá và chương trình khuyến mãi điểm bán (GB & NKH, $\beta = 0.158$).

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Đoàn Hương Giang đã hoàn thành xuất sắc việc giải mã cấu trúc các yếu tố chi phối hành vi mua thực phẩm hữu cơ của nhóm người tiêu dùng mới ra trường tại Hà Nội. Bằng việc kết hợp chặt chẽ giữa lý thuyết kinh tế hành vi (TRA, TPB) và kỹ thuật phân tích định lượng trên SPSS v26.0, nghiên cứu đã chứng minh rằng nhận thức môi trường và ảnh hưởng xã hội (chuẩn chủ quan) là hai động lực cốt lõi định hình quyết định tiêu dùng xanh. Kết quả này không chỉ đóng góp cơ sở dữ liệu học thuật quan trọng cho hệ thống nghiên cứu hành vi tiêu dùng tại Việt Nam, mà còn cung cấp một bản đồ thực thi chiến lược chuẩn xác cho các doanh nghiệp nông sản hữu cơ trong việc tiếp cận và chuyển đổi thế hệ người tiêu dùng tri thức trẻ.