Giới thiệu dự án

Sự bùng nổ của cuộc Cách mạng Công nghiệp 4.0 và làn sóng chuyển đổi số hậu đại dịch COVID-19 đã tái định hình căn bản phương thức giao dịch tài chính tại Việt Nam. Theo thống kê từ Ngân hàng Nhà nước và các tổ chức nghiên cứu thị trường (IDC, 2020), tốc độ tăng trưởng thanh toán không dùng tiền mặt đạt trên 50%/năm. Tuy nhiên, tại các trung tâm kinh tế lớn như Thành phố Hồ Chí Minh, thực trạng ứng dụng dịch vụ ngân hàng số vẫn tồn tại sự chênh lệch lớn: trong số 80% khách hàng cá nhân đăng ký dịch vụ ngân hàng điện tử, chỉ có khoảng 76% thực sự kích hoạt và duy trì sử dụng ứng dụng di động như VietinBank iPay (Anh Hồng et al., 2021). Khoảng 24% khách hàng còn lại vẫn duy trì thói quen giao dịch truyền thống tại quầy do rào cản tâm lý và kỹ thuật.

Vấn đề cốt lõi (Problem Statement) nằm ở chỗ: Mặc dù ứng dụng ngân hàng di động mang lại tiện ích vượt trội, các ngân hàng thương mại – đặc biệt là Ngân hàng TMCP Công Thương Việt Nam (VietinBank) – đang đối mặt với sự cạnh tranh khốc liệt và khó khăn trong việc tối ưu hóa tỷ lệ chuyển đổi người dùng. Khách hàng gặp phải các điểm nghẽn (pain points) như: e ngại rủi ro bảo mật thông tin và an toàn tài khoản, chi phí giao dịch tiềm ẩn, giao diện phức tạp đối với người dùng không am hiểu công nghệ, và sự đứt gãy trải nghiệm khi bảo trì hệ thống.

Đồ án/khóa luận tốt nghiệp tập trung giải quyết bài toán trên thông qua 3 mục tiêu cụ thể:

  1. Xác định và lượng hóa các nhân tố nền tảng tác động đến ý định sử dụng dịch vụ VietinBank iPay của khách hàng cá nhân tại khu vực TP. Hồ Chí Minh.
  2. Đo lường mức độ tác động của từng nhân tố thông qua mô hình kinh tế lượng và kiểm định thống kê đa biến trên phần mềm IBM SPSS Statistics 20.0.
  3. Đề xuất hệ thống giải pháp công nghệ và hàm ý quản trị nhằm tối ưu hóa tỷ lệ chấp nhận dịch vụ, giảm thiểu rủi ro vận hành và mở rộng thị phần ngân hàng số.

Giải pháp tiếp cận dựa trên sự kết hợp giữa Mô hình Chấp nhận Công nghệ (Technology Acceptance Model - TAM của Davis, 1989) và Thuyết Hành động Hợp lý (Theory of Reasoned Action - TRA của Ajzen & Fishbein, 1975). Bằng cách bổ sung hai biến đặc thù là Cảm nhận Thương hiệu (Brand Perception) và Cảm nhận Rủi ro (Perceived Risk), mô hình mang lại độ khớp thực nghiệm cao, phản ánh chính xác hành vi người dùng tại thị trường tài chính đang phát triển.

Kết quả kỳ vọng của nghiên cứu là xây dựng bộ trọng số hồi quy chuẩn hóa ($\beta$), xác lập độ tin cậy thang đo (Cronbach's Alpha $\ge 0.70$), kiểm định giá trị hội tụ và phân biệt qua phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA với KMO $> 0.70$), từ đó cung cấp căn cứ định lượng giúp VietinBank tái cấu trúc tính năng ứng dụng, nâng cao hệ số hài lòng người dùng (CSAT) và tối ưu hóa chi phí thu hút khách hàng (CAC).

Phạm vi nghiên cứu giới hạn ở đối tượng khách hàng cá nhân đang sinh sống, học tập và làm việc tại TP. Hồ Chí Minh trong giai đoạn khảo sát tháng 5 - tháng 6 năm 2024, với cỡ mẫu hợp lệ đạt 154 quan sát (đáp ứng điều kiện cỡ mẫu tối thiểu $N \ge 5 \times 23 = 115$ theo tiêu chuẩn của Hair et al., 1998).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Sự tiến hóa của ngân hàng di động trải qua ba hình thái kỹ thuật chính: Hệ thống tin nhắn ngắn (SMS Banking), Ứng dụng nền web di động (Mobile Web), và Ứng dụng độc lập trên thiết bị thông minh (Mobile Client Application).

Tiêu chí kỹ thuật SMS Banking (Giai đoạn 1) Mobile Web Banking (Giai đoạn 2) Mobile Client App - iPay (Giai đoạn 3)
Giao thức truyền dữ liệu GSM SMS Text (SMPP) HTTP/HTTPS (Web Browser) RESTful API / gRPC over TLS 1.3
Độ trễ xử lý (Latency) 5.000ms - 15.000ms 1.500ms - 3.000ms < 200ms
Mức độ bảo mật Mã hóa thấp, dễ bị SIM Swap SSL/TLS, phụ thuộc trình duyệt Mã hóa 2 lớp, Smart OTP, Sinh trắc học FIDO2
Khả năng tương thích UX Văn bản giới hạn 160 ký tự Phụ thuộc kích thước màn hình Tối ưu hóa native cho iOS/Android, UI mượt mà
Tính năng mở rộng Tra cứu số dư, biến động SMS Chuyển khoản cơ bản, xem sao kê Hệ sinh thái eKYC, QR Pay, Đầu tư, Tiết kiệm

Trên thị trường ngân hàng số tại TP. Hồ Chí Minh, VietinBank iPay cạnh tranh trực tiếp với VCB Digibank (Vietcombank) và BIDV SmartBanking. Mặc dù VietinBank đi đầu trong việc tích hợp công nghệ định danh điện tử (Electronic Know Your Customer - eKYC) từ đầu năm 2021, áp lực cạnh tranh về độ mượt mà của giao diện và chi phí dịch vụ đòi hỏi ngân hàng phải liên tục cập nhật công nghệ.

         BẢNG MA TRẬN YÊU CẦU NGƯỜI DÙNG THEO PHƯƠNG PHÁP MOSCOW

Rào cản kỹ thuật lớn nhất nằm ở việc tích hợp hệ thống Core Banking cũ (Legacy Core System) với các cổng API Microservices hiện đại, dẫn đến một số thời điểm bảo trì gây gián đoạn phiên giao dịch.

Thiết kế hệ thống

Kiến trúc giải pháp nghiên cứu và phân tích dữ liệu ứng dụng được xây dựng theo mô hình phân tầng chặt chẽ:

Tech Stack tiêu chuẩn phục vụ xử lý và triển khai giải pháp:

  • Phần mềm phân tích dữ liệu: IBM SPSS Statistics phiên bản 20.0, Python 3.10 (thư viện pandas, statsmodels, seaborn).
  • Nền tảng ứng dụng di động: Microservices Architecture, Spring Boot 3.2.x, Flutter 3.19 (hoặc Native iOS Swift 5.9 / Android Kotlin 1.9).
  • Cơ sở dữ liệu: Oracle Database 19c Enterprise Edition kết hợp Redis Cache cho phiên giao dịch tốc độ cao.
  • Tiêu chuẩn bảo mật: PCI-DSS Level 1, mã hóa dữ liệu RSA-2048 bit và AES-256 bit, xác thực sinh trắc học đạt chuẩn FIDO2.

Thiết kế cấu trúc bảng dữ liệu (Database Schema) phục vụ việc lưu trữ phản hồi và đánh giá hành vi:

-- Schema lưu trữ mẫu khảo sát người dùng iPay
CREATE TABLE tbl_survey_response (
    response_id VARCHAR(36) PRIMARY KEY,
    user_age_group VARCHAR(20) NOT NULL,
    education_level VARCHAR(50) NOT NULL,
    monthly_income VARCHAR(50) NOT NULL,
    survey_timestamp TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    is_valid BOOLEAN DEFAULT TRUE
);

-- Schema lưu trữ các biến đo lường Likert (1-5)
CREATE TABLE tbl_survey_measurements (
    measurement_id SERIAL PRIMARY KEY,
    response_id VARCHAR(36) REFERENCES tbl_survey_response(response_id),
    -- Biến Thương hiệu (TH1 - TH4)
    th_score NUMERIC(3,2) CHECK (th_score BETWEEN 1.00 AND 5.00),
    -- Biến Tiện ích (TI1 - TI4)
    ti_score NUMERIC(3,2) CHECK (ti_score BETWEEN 1.00 AND 5.00),
    -- Biến Dễ sử dụng (SD1 - SD4)
    sd_score NUMERIC(3,2) CHECK (sd_score BETWEEN 1.00 AND 5.00),
    -- Biến Chi phí (CP1 - CP4)
    cp_score NUMERIC(3,2) CHECK (cp_score BETWEEN 1.00 AND 5.00),
    -- Biến Rủi ro (RR1 - RR4)
    rr_score NUMERIC(3,2) CHECK (rr_score BETWEEN 1.00 AND 5.00),
    -- Biến Phụ thuộc: Ý định sử dụng (QD1 - QD3)
    qd_intent_score NUMERIC(3,2) CHECK (qd_intent_score BETWEEN 1.00 AND 5.00)
);

Đặc tả API Endpoint kiểm tra độ sẵn sàng định danh người dùng (eKYC Verification):

  • URI: POST /api/v2/user/ekyc/verify-session
  • Request Headers: Authorization: Bearer <JWT>, Content-Type: application/json
  • Request Body Payload:
{
  "sessionId": "ekyc-7f8a9b0c-2024",
  "clientDeviceId": "iOS-iPhone15ProMax-UUID",
  "biometricPayload": {
    "livenessVerified": true,
    "confidenceScore": 0.987,
    "documentType": "CCCD_CHIP"
  }
}
  • Response (200 OK):
{
  "statusCode": 200,
  "statusMessage": "SUCCESS",
  "data": {
    "userId": "VTB98127394",
    "accountStatus": "ACTIVE",
    "transactionLimit": 500000000,
    "securityTier": "FIDO2_TIER_3"
  }
}

Methodology

Phương pháp nghiên cứu kết hợp hai giai đoạn:

  1. Nghiên cứu định tính: Lược khảo các công trình kinh điển (Davis 1989; Fishbein & Ajzen 1975; Luarn & Lin 2005) kết hợp tham vấn chuyên gia ngành ngân hàng để chuẩn hóa 23 biến quan sát phù hợp với bối cảnh số của VietinBank.
  2. Nghiên cứu định lượng: Khảo sát diện rộng thông qua kỹ thuật chọn mẫu thuận tiện (Convenience Sampling). Dữ liệu được xử lý qua pipeline thống kê nghiêm ngặt:

$$\text{Pipeline: Raw Data} \xrightarrow{\text{Cleaning}} \text{Cronbach's }\alpha \xrightarrow{\text{Filter}} \text{EFA Extraction} \xrightarrow{\text{Components}} \text{Pearson Correlation} \xrightarrow{\text{Significance}} \text{OLS Regression}$$

Kế hoạch triển khai (Project Timeline) được thực hiện trong 8 tuần:

  • Tuần 1 - 2: Tổng quan lý thuyết, xác định mô hình nghiên cứu và lập thang đo sơ bộ.
  • Tuần 3: Khảo sát thử nghiệm ($n=30$), tinh chỉnh bảng hỏi Likert 5 mức.
  • Tuần 4 - 5: Phát bảng hỏi chính thức ($N=200$), thu thập và làm sạch dữ liệu ($N=154$).
  • Tuần 6: Phân tích Cronbach's Alpha, EFA, Hồi quy OLS và kiểm định ANOVA trên SPSS.
  • Tuần 7 - 8: Đánh giá kết quả, viết báo cáo luận văn và xây dựng ma trận khuyến nghị kỹ thuật.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được xây dựng dưới dạng thuật toán mô hình hóa toán học. Phương trình hồi quy tuyến tính đa biến giả định có dạng:

$$QD = \beta_0 + \beta_1 TH + \beta_2 TI + \beta_3 SD + \beta_4 CP + \beta_5 RR + \varepsilon$$

Trong đó: $QD$ là Ý định sử dụng; $TH$ là Cảm nhận Thương hiệu; $TI$ là Cảm nhận Tiện ích; $SD$ là Cảm nhận Dễ sử dụng; $CP$ là Cảm nhận Chi phí; $RR$ là Cảm nhận Rủi ro; $\beta_i$ là các hệ số hồi quy riêng phần; $\varepsilon$ là sai số ngẫu nhiên.

Đoạn mã Python thực thi kiểm định mô hình hồi quy và phân tích đa cộng tuyến (VIF):

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

# Tải tập dữ liệu 154 mẫu khảo sát đã làm sạch
df = pd.read_csv("vietinbank_ipay_survey_154.csv")

# Danh sách các biến độc lập và biến phụ thuộc
independent_vars = ['TH', 'TI', 'SD', 'CP', 'RR']
X = df[independent_vars]
y = df['QD']

# Thêm hệ số tự do (Constant)
X_with_const = sm.add_constant(X)

# Khởi tạo và khớp mô hình hồi quy OLS
model = sm.OLS(y, X_with_const).fit()

# Kiểm định hiện tượng đa cộng tuyến bằng 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])]

print(model.summary())
print("\n--- Variance Inflation Factors (VIF) ---")
print(vif_data)

Testing và validation

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

Điều kiện chấp nhận: Hệ số Cronbach's Alpha $\ge 0.60$ và hệ số tương quan biến tổng (Corrected Item-Total Correlation) $\ge 0.30$.

Nhóm biến quan sát Số lượng biến Cronbach's Alpha Tương quan biến tổng nhỏ nhất Kết luận
Cảm nhận Thương hiệu (TH) 4 0.864 0.652 (TH1) Đạt chuẩn rất tốt
Cảm nhận Sự tiện ích (TI) 4 0.821 0.584 (TI3) Đạt chuẩn rất tốt
Cảm nhận Tính dễ sử dụng (SD) 4 0.849 0.612 (SD2) Đạt chuẩn rất tốt
Cảm nhận về Chi phí (CP) 4 0.785 0.521 (CP4) Đạt chuẩn tốt
Cảm nhận về Rủi ro (RR) 4 0.812 0.576 (RR2) Đạt chuẩn rất tốt
Ý định sử dụng (QD) 3 0.887 0.724 (QD1) Đạt chuẩn rất tốt

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số KMO (Kaiser-Meyer-Olkin): Đạt $0.842 > 0.50$, chứng minh quy mô mẫu hoàn toàn thích hợp cho phân tích nhân tố.
  • Kiểm định Bartlett: Giá trị thống kê $\chi^2 = 1845.62$ với mức ý nghĩa $Sig. = 0.000 < 0.05$, bác bỏ giả thuyết $H_0$ (các biến không tương quan).
  • Tổng phương sai trích (Total Variance Explained): Đạt $66.78% > 50%$, 5 nhân tố rút trích giải thích được $66.78%$ độ biến thiên của dữ liệu tại Eigenvalue $= 1.24 > 1.0$.
  • Hệ số tải nhân tố (Factor Loading): Tất cả các biến quan sát đều có trọng số tải $> 0.55$, hội tụ chính xác vào 5 nhóm nhân tố ban đầu sau phép xoay Varimax.
       BIỂU ĐỒ HỘI TỤ PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA FACTOR LOADING)

Kết quả đạt được

Kết quả ước lượng mô hình hồi quy tuyến tính đa biến trên 154 mẫu hợp lệ:

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.) Hệ số VIF
(Hằng số / Constant) 0.421 0.185 — 2.276 0.024 —
Thương hiệu (TH) 0.354 0.048 0.382 7.375 0.000 1.284
Dễ sử dụng (SD) 0.248 0.045 0.265 5.511 0.000 1.341
Tiện ích (TI) 0.198 0.042 0.214 4.714 0.000 1.215
Chi phí (CP) 0.132 0.039 0.142 3.385 0.001 1.156
Rủi ro (RR) -0.108 0.036 -0.118 -3.000 0.003 1.182

Các chỉ số thống kê của mô hình tổng thể:

  • Hệ số xác định $R^2$: $0.625$; $R^2$ hiệu chỉnh (Adjusted $R^2$): $0.612$. Mô hình giải thích được $61.2%$ sự biến thiên của ý định sử dụng VietinBank iPay.
  • Kiểm định ANOVA: Giá trị $F = 49.38$ với $Sig. = 0.000$, khẳng định mô hình hồi quy xây dựng có ý nghĩa thống kê cao.
  • Hiện tượng đa cộng tuyến: Hệ số $VIF$ của tất cả các biến đều nằm trong khoảng $1.156 - 1.341 < 2.0$, chứng minh không xảy ra hiện tượng đa cộng tuyến.
  • Phần dư: Biểu đồ P-P Plot và kiểm định Durbin-Watson ($d = 1.942 \approx 2.0$) xác nhận phần dư phân phối chuẩn và không có tự tương quan bậc nhất.
                    MỨC ĐỘ TÁC ĐỘNG CỦA CÁC NHÂN TỐ (BETA)

Đổi mới và đóng góp

Nghiên cứu tạo ra các đóng góp khoa học và thực tiễn mang tính đột phá so với các công trình trước đây:

                            SO SÁNH MÔ HÌNH NGHIÊN CỨU
  1. Lượng hóa vai trò áp đảo của Thương hiệu ngân hàng ($\beta = 0.382$): Trong lĩnh vực tài chính di động, uy tín thương hiệu của ngân hàng quốc doanh (VietinBank) là mỏ neo niềm tin quan trọng nhất, vượt qua cả yếu tố Tiện ích ($\beta = 0.214$). Đây là điểm khác biệt lớn so với các nghiên cứu tại các thị trường phát triển vốn xem Tiện ích là nhân tố số một (Luarn & Lin, 2005).
  2. Xác thực tác động kìm hãm của Cảm nhận rủi ro ($\beta = -0.118$): Cung cấp bằng chứng thực nghiệm rằng rủi ro bảo mật thông tin và mất tiền do lỗi hệ thống làm giảm trực tiếp xác suất chuyển đổi số của người dùng.
  3. Hiệu quả giải thích cao hơn: Mô hình đạt $R^2 = 61.2%$, cao hơn đáng kể so với mức $51.4%$ của Nguyễn Thế Phương (2014) và $48.2%$ của Nguyễn Văn Hớn (2021), khẳng định độ bao quát của cấu trúc 5 nhân tố.

Ứng dụng thực tế và triển khai

Dựa trên kết quả thực nghiệm, một lộ trình tối ưu hóa giải pháp công nghệ cho ứng dụng VietinBank iPay được đề xuất:

                  LỘ TRÌNH TRIỂN KHAI NÂNG CẤP KỸ THUẬT (2024 - 2025)

Phân tích hiệu quả kinh tế và vận hành (ROI & Cost-Benefit Analysis):

  • Giảm chi phí vận hành tại quầy (Cost-to-Serve): Chi phí một giao dịch qua Mobile App thấp hơn 85% so với giao dịch tại quầy ($0.10$$ so với $1.20$$/giao dịch).
  • Tăng chỉ số giữ chân khách hàng (Retention Rate): Dự kiến tăng tỷ lệ người dùng active từ $76%$ lên $88%$ sau khi đơn giản hóa giao diện (giải quyết nhân tố Dễ sử dụng $\beta = 0.265$).
  • Điểm hòa vốn công nghệ: Thời gian thu hồi vốn đầu tư nâng cấp hạ tầng Microservices và FIDO2 ước tính trong 14 tháng nhờ tăng trưởng phí dịch vụ giá trị gia tăng và số dư CASA (Current Account Savings Account).

Hạn chế và hướng phát triển

Dù đạt được nhiều phát hiện quan trọng, đề tài vẫn tồn tại một số giới hạn:

  • Giới hạn không gian và quy mô mẫu: Cỡ mẫu 154 quan sát tập trung tại TP. Hồ Chí Minh với phương pháp chọn mẫu thuận tiện có thể chưa phản ánh đầy đủ hành vi của khách hàng tại các vùng nông thôn hoặc các tỉnh thành khác.
  • Mô hình tĩnh: Mô hình hồi quy tuyến tính đa biến (OLS) chỉ phản ánh mối quan hệ một chiều tại một thời điểm (Cross-sectional data), chưa đánh giá được tác động trung gian của biến Thái độ (Attitude).

Hướng phát triển tiếp theo:

  1. Ứng dụng mô hình Cấu trúc Tuyến tính (Structural Equation Modeling - SEM / PLS-SEM) trên phần mềm SmartPLS 4 để kiểm định vai trò biến trung gian và điều tiết.
  2. Tích hợp dữ liệu lớn (Big Data Telemetry) từ nhật ký tương tác người dùng (Event Logs) để phân tích hành vi thời gian thực thay vì chỉ dựa vào bảng hỏi khảo sát.

Đối tượng hưởng lợi

                           MA TRẬN GIÁ TRỊ HƯỞNG LỢI

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để thiết bị di động chạy mượt mà ứng dụng VietinBank iPay là gì?

Thiết bị cần cài đặt hệ điều hành tối thiểu từ iOS 13.0 trở lên hoặc Android 8.0 trở lên, hỗ trợ camera tối thiểu 8MP phục vụ eKYC và phần cứng có tính năng Secure Enclave / TEE để lưu trữ khóa sinh trắc học.

2. Mô hình nghiên cứu kiểm soát hiện tượng sai lệch dữ liệu và đa cộng tuyến như thế nào?

Nghiên cứu kiểm định chỉ số VIF (Variance Inflation Factor). Tất cả các biến đều có $VIF < 1.35$ (thấp hơn nhiều so với ngưỡng cảnh báo 2.0 hoặc 5.0), đồng thời giá trị Tolerance $> 0.70$, khẳng định không có sự trùng lắp thông tin giữa các biến giải thích.

3. Làm thế nào để giải quyết rào cản Cảm nhận Rủi ro ($\beta = -0.118$) của khách hàng?

Ngân hàng cần tích hợp xác thực sinh trắc học FIDO2 không mật khẩu, thông báo biến động số dư tức thời qua OTT App thay vì SMS, và cung cấp chính sách bảo hiểm giao dịch gian lận tự động cho người dùng số.

4. Chi phí dịch vụ có còn là rào cản lớn đối với người dùng iPay không?

Với hệ số $\beta = 0.142$, Chi phí vẫn có tác động tích cực khi ngân hàng duy trì chính sách miễn phí chuyển tiền và phí duy trì tài khoản (gói tài khoản 0 phí). Khách hàng sẵn sàng chấp nhận các chi phí giá trị gia tăng nếu chất lượng dịch vụ tương xứng.

5. Kết quả này có thể áp dụng cho các ngân hàng thương mại khác tại Việt Nam không?

Có thể áp dụng tốt cho nhóm ngân hàng Big 4 (Vietcombank, BIDV, Agribank) do có sự tương đồng về định vị thương hiệu và tệp khách hàng cá nhân rộng lớn.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc việc xây dựng mô hình định lượng đánh giá các nhân tố ảnh hưởng đến ý định sử dụng VietinBank iPay với độ tin cậy cao ($R^2 = 61.2%$). Kết quả phân tích khẳng định trật tự tác động: Cảm nhận Thương hiệu ($\beta = 0.382$) > Tính dễ sử dụng ($\beta = 0.265$) > Sự tiện ích ($\beta = 0.214$) > Chi phí ($\beta = 0.142$) > Tính rủi ro ($\beta = -0.118$).

Đây là minh chứng khoa học rõ nét cho thấy: để dẫn đầu cuộc đua chuyển đổi số ngân hàng, các tổ chức tài chính không chỉ cần phát triển tính năng mà phải lấy uy tín thương hiệu và trải nghiệm đơn giản, an toàn của người dùng làm trọng tâm phát triển công nghệ.