Giới thiệu dự án

Thị trường thanh toán kỹ thuật số tại Việt Nam ghi nhận bước chuyển mình mạnh mẽ, đặc biệt sau những biến động của đại dịch COVID-19. Theo số liệu thống kê từ Ngân hàng Nhà nước Việt Nam và các tổ chức nghiên cứu thị trường tài chính (FinTech), tỷ lệ người tiêu dùng sử dụng thanh toán di động tại Việt Nam đã tăng vọt từ 37% lên 61%, thuộc nhóm tăng trưởng cao nhất khu vực Đông Nam Á. Số lượng giao dịch qua kênh điện thoại di động đạt mức tăng trưởng ấn tượng từ 124% đến 125% cả về số lượng lẫn giá trị. Trong hệ sinh thái hơn 39 tổ chức trung gian thanh toán được cấp phép, top 5 đơn vị dẫn đầu (bao gồm MoMo, ZaloPay, ViettelPay, VNPay, ShopeePay) chiếm lĩnh đến 95% tổng thị phần giao dịch. Trong đó, MoMo (thuộc Công ty Cổ phần Dịch vụ Di động Trực tuyến - M-Service) khẳng định vị thế siêu ứng dụng hàng đầu với mạng lưới hơn 5.000 điểm giao dịch tài chính (OTC) và phục vụ hàng chục triệu người dùng trên toàn quốc.

Mặc dù thị trường tiềm năng, các doanh nghiệp FinTech vẫn đối mặt với bài toán lớn về tỷ lệ chuyển đổi từ nhận thức sang ý định sử dụng thực tế của phân khúc thế hệ trẻ (Gen Z). Sinh viên là nhóm khách hàng nhạy bén với công nghệ, sở hữu tần suất giao dịch trực tuyến cao nhưng lại có độ trung thành thấp và rất nhạy cảm về trải nghiệm người dùng cũng như tính bảo mật thông tin. Đồ án "Nghiên cứu các nhân tố ảnh hưởng đến ý định sử dụng ví điện tử MoMo của sinh viên HUTECH" thuộc ngành Kinh doanh Thương mại (Khoa Tài chính - Thương mại, Trường Đại học Công nghệ TP.HCM) được thực hiện nhằm giải quyết các khoảng trống nghiên cứu thực nghiệm này.

Mục tiêu nghiên cứu

  1. Xác định các nhân tố cốt lõi: Hệ thống hóa và xác lập các biến độc lập tác động đến ý định sử dụng ví điện tử MoMo dựa trên sự giao thoa của các lý thuyết hành vi kinh điển.
  2. Đo lường mức độ tác động: Định lượng hóa trọng số ảnh hưởng của từng nhân tố thông qua các chỉ số thống kê toán học (Hệ số hồi quy chuẩn hóa $\beta$, hệ số tương quan Pearson $r$).
  3. Đề xuất hàm ý quản trị: Xây dựng giải pháp kỹ thuật, chính sách bảo mật và chiến lược phát triển sản phẩm giúp MoMo tối ưu hóa trải nghiệm khách hàng sinh viên.

Phương pháp tiếp cận và Phạm vi

  • Phương pháp tiếp cận: Kết hợp nghiên cứu định tính (thảo luận nhóm tập trung, hiệu chỉnh thang đo sơ bộ với mẫu thử $N=50$) và nghiên cứu định lượng quy mô lớn ($N=184$ quan sát hợp lệ).
  • Phạm vi nghiên cứu: Sinh viên đang theo học tại Trường Đại học Công nghệ TP.HCM (HUTECH); dữ liệu sơ cấp được thu thập trong khung thời gian từ tháng 02/2022 đến tháng 05/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường ví điện tử tại Việt Nam hiện chia thành hai mô hình tích hợp chính: ví điện tử độc lập phát triển thành siêu ứng dụng (Super App) như MoMo và ví điện tử tích hợp sẵn trong hệ sinh thái thương mại điện tử hoặc mạng xã hội như ZaloPay hay ShopeePay.

Tiêu chí so sánh MoMo (M-Service) ZaloPay (VNG) ShopeePay (Sea Group)
Mô hình kiến trúc Super App độc lập, đa dịch vụ tài chính Tích hợp chặt chẽ trong OTT Zalo Tích hợp sâu vào sàn TMĐT Shopee
Hệ sinh thái dịch vụ Chuyển tiền, hóa đơn, tài chính vi mô, game Chuyển tiền P2P qua chat, thanh toán hóa đơn Ưu đãi mã giảm giá mua sắm sàn TMĐT
Ưu điểm cốt lõi Mạng lưới đối tác rộng khắp, UX tối ưu Tiện lợi trong chia sẻ giao dịch nhóm Khuyến mãi chéo cực lớn từ sàn TMĐT
Nhược điểm chính Dung lượng app nặng, giao diện nhiều tính năng Hệ sinh thái dịch vụ ngoài Zalo hạn chế Phụ thuộc lớn vào lưu lượng sàn Shopee

Áp dụng phương pháp phân tích yêu cầu MoSCoW đối với giải pháp ví điện tử cho sinh viên:

  • Must-have (Bắt buộc phải có): Xác thực đa tầng (OTP/Sinh trắc học), liên kết 40+ ngân hàng nội địa Napas, chuyển tiền P2P không phí, thanh toán mã VietQR/MoMo QR tức thì.
  • Should-have (Nên có): Tính năng tự động nhắc nhở và thanh toán học phí, tích hợp chia tiền hóa đơn nhóm (Split Bill), bảo mật chuẩn quốc tế PCI-DSS Level 1.
  • Could-have (Có thể có): Các chương trình Gamification nuôi thú ảo, săn voucher tích điểm Loyalty, liên kết các dịch vụ tài chính sinh viên (ví trả sau, bảo hiểm học đường).
  • Won't-have (Chưa ưu tiên): Các gói đầu tư chứng khoán phái sinh phức tạp hoặc thanh toán quốc tế bằng ngoại tệ rủi ro cao.

Thiết kế hệ thống và Khung lý thuyết

Mô hình nghiên cứu được xây dựng trên sự tích hợp của bốn nền tảng lý thuyết: Thuyết hành động hợp lý (TRA - Theory of Reasoned Action), Thuyết hành vi dự định (TPB - Theory of Planned Behavior), Mô hình chấp nhận công nghệ (TAM - Technology Acceptance Model) và Mô hình chấp nhận - sử dụng công nghệ (UTAUT - Unified Theory of Acceptance and Use of Technology).

Công nghệ và Thang đo nghiên cứu

  • Môi trường phân tích: SPSS Statistics 22.0 / Python 3.10 (scikit-learn, statsmodels, factor_analyzer).
  • Thang đo lường: Thang đo khoảng Likert 5 điểm chuẩn (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) gồm 21 biến quan sát chia đều cho 5 cấu trúc khái niệm độc lập.
  • Tiêu chuẩn kiểm định thống kê:
    • Hệ số tin cậy Cronbach's Alpha $\ge 0.60$, tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.
    • Phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis): Hệ số $0.5 \le \text{KMO} \le 1.0$, Sig kiểm định Bartlett $< 0.05$, Tổng phương sai trích (Total Variance Explained) $\ge 50%$, Hệ số tải nhân tố (Factor Loading) $\ge 0.50$, Điểm dừng Eigenvalue $> 1.0$.
    • Hồi quy tuyến tính đa biến OLS: Không vi phạm hiện tượng đa cộng tuyến với hệ số phóng đại phương sai $\text{VIF} < 10$ (hoặc Tolerance $> 0.1$).

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình 4 giai đoạn chuẩn mực trong phân tích định lượng kinh tế:

  • Quản lý rủi ro mẫu: Sai số chọn mẫu phi xác suất (thuận tiện) được kiểm soát bằng cách mở rộng cỡ mẫu ($N=184$, vượt xa công thức tính mẫu tối thiểu của Green (1991): $n = 50 + 8k = 50 + 8 \times 5 = 90$ mẫu).
  • Đảm bảo chất lượng dữ liệu (QA): Thực hiện loại bỏ triệt để các phản hồi thiếu logic, kiểm tra phân phối chuẩn qua đồ thị Normal P-P Plot và biểu đồ tần số phần dư chuẩn hóa (Standardized Residual Histogram).

Implementation và kết quả

Quy trình phân tích dữ liệu và Thuật toán

Dữ liệu khảo sát sơ cấp được chuẩn hóa và thực thi kiểm định thông qua đoạn mã cấu hình phân tích thống kê toán học tương đương trên môi trường Python/SPSS:

import numpy as np
import pandas as pd
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_bartlett_sphericity, calculate_kmo
import statsmodels.api as sm

# 1. Kiểm định KMO và Bartlett Test
def verify_dataset(df_features):
    chi_square_value, p_value = calculate_bartlett_sphericity(df_features)
    kmo_all, kmo_model = calculate_kmo(df_features)
    print(f"KMO Measure: {kmo_model:.3f} | Bartlett's Test p-value: {p_value:.5f}")
    return kmo_model >= 0.5 and p_value < 0.05

# 2. Trích xuất nhân tố khám phá EFA (Principal Component Analysis với phép quay Varimax)
def run_efa(df_features, n_factors=5):
    fa = FactorAnalyzer(n_factors=n_factors, rotation="varimax", method="principal")
    fa.fit(df_features)
    loadings = pd.DataFrame(fa.loadings_, index=df_features.columns)
    eigenvalues, _ = fa.get_eigenvalues()
    var_explained = fa.get_factor_variance()
    return loadings, eigenvalues[:n_factors], var_explained

# 3. Ước lượng mô hình hồi quy đa biến OLS
def fit_ols_model(X, y):
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    print(model.summary())
    return model

Kết quả kiểm định và Đo lường độ tin cậy

Quá trình thu thập thu về 200 phiếu, sau bước sàng lọc còn 184 bảng khảo sát hợp lệ (loại 16 bảng của đáp viên chưa từng trải nghiệm ví điện tử). Tỷ lệ đáp viên nữ chiếm 69,1% ($N=111$), nam chiếm 30,9% ($N=73$). Nhóm tuổi 20 chiếm tỷ trọng lớn nhất với 50,0% ($N=97$). Hạn mức giao dịch dưới 5 triệu đồng/tháng chiếm ưu thế tuyệt đối với 83,5% ($N=164$).

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

Tất cả 5 nhóm biến độc lập đều đạt tiêu chuẩn độ tin cậy cao ($\alpha > 0.70$), các biến quan sát đều có hệ số tương quan biến - tổng lớn hơn 0.30:

Biến tiềm ẩn Số biến quan sát Cronbach's Alpha ($\alpha$) Biến quan sát có tương quan biến - tổng thấp nhất Biến quan sát có tương quan biến - tổng cao nhất
Nhận thức hữu ích (PU) 5 0.728 PU2 (0.441) PU1 (0.622)
Nhận thức dễ sử dụng (PEU) 4 0.737 PEU4 (0.445) PEU1 (0.624)
Nhận thức riêng tư - Bảo mật (SP) 4 0.791 SP1 (0.568) SP3 (0.647)
Ảnh hưởng xã hội (SI) 4 0.754 SI2 (0.561) SI3 (0.696)
Niềm tin vào ví MoMo (TR) 4 0.814 TR3 (0.622) TR4 (0.641)

2. Kết quả phân tích nhân tố khám phá (EFA)

  • Chỉ số KMO: Đạt 0.878 (thỏa mãn điều kiện $0.5 < \text{KMO} < 1.0$), chứng minh kích thước mẫu hoàn toàn tương thích với phân tích nhân tố.
  • Kiểm định Bartlett: Giá trị thống kê có mức ý nghĩa $\text{Sig.} = 0.000 < 0.05$, bác bỏ giả thuyết $H_0$ (các biến không có tương quan trong tổng thể).
  • Tổng phương sai trích: Đạt 59.872% ($> 50%$), giải thích được gần 60% biến thiên của tập dữ liệu gốc.
  • Eigenvalue đại diện: Nhân tố thứ 5 đạt giá trị dừng 1.020 ($> 1.0$).
  • Hệ số tải nhân tố (Factor Loading): Dao động từ 0.506 (PU5) đến 0.788 (TR3), tất cả đều vượt ngưỡng ý nghĩa thực tiễn 0.50.
Ma trận nhân tố xoay (Rotated Component Matrix):
Factor 1 (Niềm tin - TR):             TR3 (0.788), TR4 (0.756), TR1 (0.714), TR2 (0.689)
Factor 2 (Riêng tư/Bảo mật - SP):     SP2 (0.765), SP3 (0.765), SP4 (0.706), SP1 (0.635)
Factor 3 (Hữu ích - PU):              PU4 (0.778), PU1 (0.750), PU2 (0.664), PU3 (0.643), PU5 (0.506)
Factor 4 (Dễ sử dụng - PEU):          PEU3 (0.702), PEU4 (0.694), PEU2 (0.631), PEU1 (0.562)
Factor 5 (Ảnh hưởng xã hội - SI):     SI2 (0.701), SI1 (0.691), SI3 (0.647), SI4 (0.616)

3. Kết quả phân tích tương quan Pearson

Tất cả các biến độc lập đều có mối quan hệ tương quan tuyến tính thuận chiều, có ý nghĩa thống kê ở mức tin cậy 99% ($\text{Sig.} < 0.01$) đối với biến phụ thuộc Ý định sử dụng ví MoMo ($Y$):

  • PU (Nhận thức hữu ích): $r = 0.654$ (Tương quan mạnh nhất)
  • SI (Ảnh hưởng xã hội): $r = 0.565$
  • TR (Niềm tin vào ví MoMo): $r = 0.554$
  • PEU (Nhận thức dễ sử dụng): $r = 0.505$
  • SP (Nhận thức riêng tư - bảo mật): $r = 0.470$

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn quan trọng, phản ánh chính xác các đặc trưng tâm lý và hành vi của người dùng thuộc phân khúc sinh viên đại học trong thời kỳ chuyển đổi số:

  1. Hiệu chỉnh khung lý thuyết tiếp nhận công nghệ: Thay vì chỉ áp dụng đơn lẻ mô hình TAM hay UTAUT, đề tài đã tích hợp thành công cấu trúc Niềm tin thương hiệu (TR - $\alpha = 0.814$)Nhận thức riêng tư/bảo mật (SP - $\alpha = 0.791$) vào bối cảnh tài chính trực tuyến, tạo nên một mô hình giải thích toàn diện đạt phương sai trích gần 60%.
  2. Khám phá sự dịch chuyển trong thứ tự ưu tiên:
    • So với nghiên cứu của Alwan Sri Kustono et al. (2020) tại Indonesia (nhấn mạnh tính dễ sử dụng), nghiên cứu này chứng minh Tính hữu ích ($r = 0.654$)Ảnh hưởng xã hội ($r = 0.565$) mới là hai động lực chi phối mạnh nhất quyết định cài đặt và duy trì ví MoMo của sinh viên.
    • So với nghiên cứu của Phan Trọng Nhân et al. (2020) (nhận định an ninh thông tin ít tác động đến giới trẻ), kết quả định lượng thực tế tại HUTECH khẳng định yếu tố bảo mật thông tin cá nhân (SP3, Mean = 3.35) là biến có điểm đồng thuận cao nhất trong nhóm nhận thức an toàn.
  3. Định lượng hóa giá trị thực nghiệm: Đưa ra bộ chỉ số thống kê minh bạch, cung cấp bằng chứng cho thấy sinh viên đánh giá cao tính năng tiết kiệm thời gian (PU2, Mean = 3.42) và kỳ vọng doanh nghiệp luôn đặt lợi ích người dùng lên hàng đầu (TR4, Mean = 2.95).

Ứng dụng thực tế và triển khai

Dựa trên kết quả đo lường định lượng, nhóm nghiên cứu xây dựng lộ trình thực thi giải pháp và hàm ý quản trị dành riêng cho đội ngũ phát triển sản phẩm MoMo:

Kế hoạch hành động cụ thể theo nhóm nhân tố

1. Nâng cao Nhận thức hữu ích (Tác động mạnh nhất, $r = 0.654$)

  • Hành động: Tích hợp trực tiếp cổng thanh toán học phí, lệ phí ký túc xá và tiền giáo trình của trường HUTECH vào danh mục thanh toán dịch vụ công trên MoMo.
  • Tính năng mở rộng: Nâng cấp thuật toán Auto-billing Reminder nhằm tự động quét và cảnh báo các khoản phí dịch vụ sinh hoạt (tiền trọ, điện nước, cước 4G/5G) định kỳ hàng tháng.

2. Tận dụng mạng lưới Ảnh hưởng xã hội ($r = 0.565$)

  • Hành động: Triển khai các gói khuyến mãi nhóm mang tính tương tác cao (như chia tiền ăn uống qua mã QR nhóm, tặng mã giảm giá dịch vụ Grab/Be/ShopeeFood khi chuyển tiền P2P cho bạn cùng lớp).
  • Gamification: Mở rộng chương trình "Đại sứ MoMo Campus", tài trợ các câu lạc bộ học thuật và phong trào tình nguyện của sinh viên để gia tăng mức độ phủ sóng tự nhiên.

3. Củng cố Niềm tin và Nhận thức bảo mật ($r = 0.554$ và $r = 0.470$)

  • Hành động: Tối ưu hóa giao diện xác thực sinh trắc học (FaceID / Fingerprint) để giảm thiểu độ trễ giao dịch xuống dưới 1 giây mà vẫn đảm bảo tính an toàn tuyệt đối.
  • Truyền thông minh bạch: Định kỳ gửi báo cáo bảo mật và cung cấp các chính sách bồi hoàn rủi ro gian lận trực tuyến rõ ràng nhằm xóa bỏ tâm lý e ngại bị rò rỉ dữ liệu thẻ ngân hàng liên kết.

Hạn chế và hướng phát triển

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

  • Hạn chế về cỡ mẫu và phạm vi: Nghiên cứu áp dụng phương pháp lấy mẫu thuận tiện tại một trường đại học duy nhất, chưa thể đại diện hoàn toàn cho tổng thể sinh viên trên toàn địa bàn TP.HCM và cả nước.
  • Hạn chế về kỹ thuật phân tích: Đề tài dừng lại ở phân tích EFA và hồi quy OLS trên phần mềm SPSS, chưa áp dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để kiểm định đồng thời các biến trung gian và biến điều tiết (Moderating variables) như thói quen tiêu dùng, giới tính hay mức thu nhập hàng tháng.
  • Bài học kinh nghiệm: Cần xây dựng hệ thống câu hỏi gài bẫy kiểm tra độ tập trung (Attention Check Questions) trong Google Form để nâng cao chất lượng dữ liệu thô ngay từ khâu thu thập.

Đối tượng hưởng lợi

  • Sinh viên khối ngành Kinh tế & FinTech: Tiếp cận tài liệu tham khảo hoàn chỉnh về phương pháp luận nghiên cứu định lượng, nắm bắt quy trình kiểm định thang đo từ Cronbach's Alpha, EFA đến Hồi quy OLS trên SPSS và Python.
  • Doanh nghiệp cung ứng dịch vụ trung gian thanh toán (MoMo, ZaloPay, VNPay): Nắm bắt dữ liệu thị trường thực tế, hiểu rõ rào cản tâm lý của sinh viên để thiết kế các chiến dịch truyền thông và gói sản phẩm phù hợp.
  • Giảng viên và các nhà nghiên cứu: Sở hữu một bộ thang đo chuẩn hóa gồm 21 biến quan sát đã qua kiểm định độ tin cậy nội tại và tính đơn hướng, sẵn sàng tái sử dụng cho các công trình nghiên cứu mở rộng trong tương lai.

Câu hỏi thường gặp

1. Kích thước mẫu N = 184 có đảm bảo độ tin cậy khoa học cho phân tích EFA không?

Hoàn toàn đảm bảo. Theo nguyên tắc kinh nghiệm của Hair et al. (2006), quy mô mẫu tối thiểu cho phân tích EFA là 100 mẫu. Xét theo công thức của Green (1991) dành cho hồi quy tuyến tính với $k=5$ biến độc lập: $n \ge 50 + 8 \times 5 = 90$ mẫu. Do đó, kích thước $N=184$ đáp ứng tốt mọi yêu cầu về độ mạnh thống kê.

2. Vì sao hệ số tương quan của "Nhận thức riêng tư - Bảo mật" (SP) lại thấp nhất trong 5 nhân tố?

Hệ số tương quan của SP đạt $r = 0.470$, vẫn mang ý nghĩa thống kê cao ($p < 0.01$). Điều này phản ánh thực tế sinh viên trẻ ngày nay mặc định các thương hiệu lớn như MoMo đã trang bị chuẩn bảo mật quốc tế cao cấp, do đó yếu tố này đóng vai trò như một "điều kiện cần", trong khi Tính hữu ích ($r = 0.654$) mới là "điều kiện đủ" trực tiếp thúc đẩy hành vi sử dụng.

3. MoMo cần làm gì để cải thiện điểm số ở biến "Giao diện rõ ràng và dễ hiểu" (PEU4)?

Trong khảo sát, biến PEU4 có điểm trung bình thấp nhất nhóm dễ sử dụng (Mean = 2.57). Để khắc phục, MoMo cần tái cấu trúc kiến trúc thông tin trên màn hình chính (Home Screen), cho phép người dùng tùy biến ẩn bớt các widget không cần thiết và tối ưu hóa chế độ "Lite Mode" dành riêng cho sinh viên chỉ có nhu cầu chuyển tiền và thanh toán cơ bản.

4. Mô hình này có thể áp dụng cho các ví điện tử khác như ZaloPay hay Viettel Money không?

Hoàn toàn có thể. Bộ thang đo 21 biến quan sát được xây dựng dựa trên các lý thuyết nền tảng chuẩn mực (TAM, UTAUT, TRA). Các nhà nghiên cứu chỉ cần hiệu chỉnh lại tên thương hiệu trong bảng câu hỏi để áp dụng phân tích cho bất kỳ nền tảng thanh toán số nào tại Việt Nam.

5. Tại sao cần thực hiện kiểm định Cronbach's Alpha trước khi chạy phân tích nhân tố khám phá EFA?

Kiểm định Cronbach's Alpha giúp loại bỏ các "biến rác" (những biến có tương quan biến - tổng $< 0.30$) không có sự đóng góp nội dung vào thang đo. Việc loại bỏ sớm các biến này giúp tránh việc hình thành các nhân tố giả hoặc làm sai lệch cấu trúc ma trận xoay trong phân tích EFA tiếp theo.


Kết luận

Đồ án "Nghiên cứu các nhân tố ảnh hưởng đến ý định sử dụng ví điện tử MoMo của sinh viên HUTECH" đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Thông qua quy trình phân tích định lượng chặt chẽ với sự hỗ trợ của phần mềm SPSS 22.0, nghiên cứu đã chứng minh cả 5 nhân tố: Nhận thức hữu ích, Ảnh hưởng xã hội, Niềm tin vào ví MoMo, Nhận thức dễ sử dụngNhận thức riêng tư - bảo mật đều có tác động tích cực cùng chiều đến ý định sử dụng dịch vụ của sinh viên.

Các phát hiện thực nghiệm không chỉ đóng góp thêm bằng chứng khoa học cho kho tàng nghiên cứu hành vi người tiêu dùng kỹ thuật số tại Việt Nam mà còn là cơ sở dữ liệu quý giá giúp ban lãnh đạo MoMo cũng như các doanh nghiệp FinTech xây dựng các giải pháp sản phẩm vượt trội, thúc đẩy tiến trình chuyển đổi sang một xã hội thanh toán không tiền mặt toàn diện và bền vững.