Bối cảnh và vấn đề nghiên cứu
Trong bối cảnh cách mạng công nghiệp lần thứ tư và sự chuyển dịch mạnh mẽ sang chuyển đổi số trong lĩnh vực tài chính, các ngân hàng thương mại phải xử lý khối lượng giao dịch và thông tin khổng lồ từ khách hàng mỗi ngày. Việc tự động hóa các quy trình chăm sóc khách hàng bằng trí tuệ nhân tạo (AI) đã trở thành xu thế dẫn đầu nhằm tối ưu hóa chi phí vận hành và rút ngắn thời gian phản hồi. Chatbot xuất hiện như một công cụ hỗ trợ giao tiếp trực tuyến bằng ngôn ngữ tự nhiên, đóng vai trò như một trợ lý ảo phục vụ 24/7.
Theo các số liệu thực tế được tác giả trích dẫn:
- Báo cáo của Conversocial (2020) chỉ ra rằng 71% người tiêu dùng sẵn lòng sử dụng chatbot nếu công nghệ này cải thiện trải nghiệm dịch vụ, và 41% tin tưởng chatbot mang lại dịch vụ khách hàng tốt hơn, hiệu quả hơn.
- Nghiên cứu của Drift (2020) ghi nhận 87,2% người tiêu dùng có trải nghiệm trung lập hoặc tích cực với chatbot, trong khi tỷ lệ tiêu cực chỉ chiếm 12,8%. Việc ứng dụng chatbot làm kênh truyền thông thương hiệu đã tăng trưởng 92% kể từ năm 2019; đồng thời, 24,9% người mua hàng đã sử dụng chatbot để tương tác với doanh nghiệp vào năm 2020 (tăng từ mức 13% của năm 2019).
Tại Việt Nam, Ngân hàng Thương mại Cổ phần (TMCP) Việt Nam Thịnh Vượng (VPBank) là một trong những định chế tài chính thương mại cổ phần có lịch sử phát triển từ năm 1993, sở hữu mạng lưới gồm 230 điểm giao dịch (61 chi nhánh, 166 phòng giao dịch tính đến năm 2020). Nhằm nâng cao chất lượng phục vụ, VPBank đã triển khai hệ thống chatbot trên nền tảng mạng xã hội (Facebook Fanpage) và tích hợp vào các kênh số hóa như ứng dụng di động VPBank NEO. Hệ thống được thiết lập để thực hiện các nghiệp vụ như chào hỏi, hướng dẫn đăng ký tài khoản, giới thiệu các loại thẻ tín dụng, giải quyết tra soát giao dịch lỗi hoặc kết nối với nhân viên tư vấn. Tuy nhiên, do công nghệ này mới đưa vào vận hành tại các chi nhánh địa phương, phản ứng và mức độ chấp nhận thực tế của khách hàng khi tương tác với ngôn ngữ tự nhiên tự động vẫn là bài toán cần được lượng hóa cụ thể. Do đó, tác giả đã lựa chọn đề tài: "Sự chấp nhận sử dụng của khách hàng đối với chatbot của Ngân hàng Thương mại Cổ phần Việt Nam Thịnh Vượng", khảo sát trực tiếp tại Chi nhánh Huế.
Mục tiêu nghiên cứu được xác định cụ thể trong văn bản bao gồm:
- Mục tiêu chung: Tìm hiểu và đánh giá sự chấp nhận sử dụng của khách hàng đối với chatbot của Ngân hàng TMCP Việt Nam Thịnh Vượng; từ đó đề xuất các giải pháp nâng cao mức độ chấp nhận và hiệu quả giao tiếp qua chatbot.
- Mục tiêu cụ thể:
- Thứ nhất: Hệ thống hóa những vấn đề lý luận và thực tiễn liên quan đến hệ thống Chatbot trong lĩnh vực dịch vụ.
- Thứ hai: Đánh giá mức độ chấp nhận sử dụng của khách hàng đối với cuộc hội thoại với Chatbot tại đơn vị nghiên cứu.
- Thứ ba: Đưa ra những đề xuất và giải pháp nhằm gia tăng sự chấp nhận sử dụng chatbot, giúp ngân hàng hoàn thiện hệ thống công nghệ.
Đối tượng và phạm vi nghiên cứu:
- Đối tượng nghiên cứu: Sự chấp nhận sử dụng của khách hàng đối với Chatbot tại Ngân hàng TMCP Việt Nam Thịnh Vượng.
- Đối tượng điều tra: Khách hàng cá nhân đã từng tham gia cuộc hội thoại, tương tác với Chatbot của VPBank.
- Phạm vi không gian: Khảo sát tại Ngân hàng TMCP Việt Nam Thịnh Vượng - Chi nhánh Huế (địa chỉ: số 35 Lý Thường Kiệt, phường Phú Nhuận, thành phố Huế, tỉnh Thừa Thiên Huế).
- Phạm vi thời gian: Số liệu thứ cấp về tổ chức và kết quả kinh doanh thu thập trong giai đoạn 2019 – 2021; số liệu sơ cấp thông qua điều tra bảng hỏi thực hiện từ tháng 10/2022 đến tháng 12/2022.
- Phạm vi nội dung: Tập trung vào các nhân tố tâm lý, nhận thức công nghệ và rủi ro tác động đến hành vi chấp nhận sử dụng dịch vụ hội thoại tự động.
Cơ sở lý thuyết và phương pháp
Khóa luận xây dựng nền tảng lý luận dựa trên các mô hình hành vi tiếp nhận công nghệ đã được thừa nhận rộng rãi:
- Lý thuyết Hành động Hợp lý (Theory of Reasoned Action - TRA) của Fishbein và Ajzen (1975).
- Lý thuyết Hành vi Kế hoạch (Theory of Planned Behavior - TPB) của Ajzen (1991).
- Mô hình Chấp nhận Công nghệ (Technology Acceptance Model - TAM) của Davis (1989), Davis và cộng sự (1993), Venkatesh và cộng sự (2000), với hai khái niệm then chốt là Nhận thức tính hữu ích (Perceived Usefulness - PU) và Nhận thức tính dễ sử dụng (Perceived Ease of Use - PEOU).
- Định nghĩa về hành vi chấp nhận sử dụng dịch vụ công nghệ theo Đào Trung Kiên (2015), xác định đây là hành động sử dụng thực tế cùng cam kết duy trì nhận thức sử dụng dịch vụ.
Về bản chất công nghệ, văn bản tổng hợp các định nghĩa học thuật của IBM (2022), Shweta và Kelly (2022), Jia (2003), Khanna (2015) và Bansal & Khan (2018), làm rõ chatbot là chương trình máy tính mô phỏng tương tác hội thoại của con người dựa trên trí tuệ nhân tạo (AI) và công nghệ Xử lý ngôn ngữ tự nhiên (NLP - Natural Language Processing). Cấu trúc kỹ thuật gồm ba khối chức năng: Translator (dịch yêu cầu của người dùng sang dữ liệu máy tính), Processor (bộ xử lý logic và truy xuất thông tin), và Respondent (đóng gói kết quả trả lời về giao diện hội thoại). Về phân loại trí thông minh, tác giả tham chiếu phân loại của Dmytro Durach (2019) gồm: Chatbot theo kịch bản dạng nút bấm (Buttons/Menu), Chatbot nhận dạng từ khóa (Intent & Entity), và Chatbot học máy theo ngữ cảnh (Contextual AI/ML).
Dựa trên TAM mở rộng và tổng quan các nghiên cứu thực nghiệm tiền lệ (Dowling, 1994; Dabholkar & Bagozzi, 2002; Bauer, 1960; Yang & cộng sự, 2015; Trivedi, 2019; Richad & cộng sự, 2019), tác giả đề xuất mô hình nghiên cứu gồm 5 biến độc lập tác động đến 1 biến phụ thuộc thông qua 5 giả thuyết:
- Giả thuyết H1: Tính hữu ích cảm nhận có mối quan hệ cùng chiều (+) với sự chấp nhận sử dụng chatbot.
- Giả thuyết H2: Cảm nhận tính dễ sử dụng có mối quan hệ cùng chiều (+) với sự chấp nhận sử dụng chatbot.
- Giả thuyết H3: Sự hấp dẫn cảm nhận có mối quan hệ cùng chiều (+) với sự chấp nhận sử dụng chatbot.
- Giả thuyết H4: Nhận thức rủi ro có mối quan hệ ngược chiều (-) với sự chấp nhận sử dụng chatbot.
- Giả thuyết H5: Thái độ hướng đến sử dụng có mối quan hệ cùng chiều (+) với sự chấp nhận sử dụng chatbot.
Thang đo nghiên cứu sử dụng thang đo Likert 5 mức độ (từ 1: Hoàn toàn không đồng ý đến 5: Hoàn toàn đồng ý) với hệ thống biến quan sát được mã hóa cụ thể:
| Nhóm nhân tố |
Mã biến |
Nội dung biến quan sát trích xuất từ bảng hỏi |
Nguồn tham chiếu |
| Sự hữu ích (SHI) |
SHI1 |
Sử dụng hệ thống Chatbot giúp tôi tương tác nhanh chóng và tiết kiệm thời gian |
Davis và cộng sự (1989), Dabholkar và Bagozzi (2002) |
|
SHI2 |
Tôi tìm thấy các thông tin hữu ích thông qua chatbot |
|
|
SHI3 |
Tôi cảm thấy Chatbot tiện lợi |
|
|
SHI4 |
Chatbot là hệ thống đưa ra các câu trả lời nhanh |
|
|
SHI5 |
Chatbot giúp tôi giải quyết các câu hỏi nhanh chóng |
|
| Tính dễ sử dụng (DSD) |
DSD1 |
Cách thức sử dụng Chatbot không khó |
Davis và cộng sự (1989), Dabholkar và Bagozzi (2002) |
|
DSD2 |
Tôi cảm thấy thao tác dễ dàng |
|
|
DSD3 |
Chatbot giúp tôi tương tác dễ dàng, nhanh chóng |
|
|
DSD4 |
Tôi không cần hiểu về công nghệ để sử dụng chatbot |
|
|
DSD5 |
Ngôn ngữ trên chatbot giống với ngôn ngữ của tôi |
|
| Thái độ (TD) |
TD1 |
Việc nhận thông tin từ chatbot không phải là ý tưởng hay |
Davis và cộng sự (1989), Dabholkar và Bagozzi (2002) |
|
TD2 |
Tôi sẵn sàng sử dụng chatbot khi có thể |
|
|
TD3 |
Tôi thích ý tưởng sử dụng chatbot để tiếp cận thông tin |
|
|
TD4 |
Sử dụng chatbot là ý tưởng hay |
|
| Rủi ro cảm nhận (RR) |
RR1 |
Tôi không đủ tin tưởng chatbot |
Trivedi (2019) |
|
RR2 |
Tôi cảm thấy không an toàn khi cung cấp các thông tin về tài khoản ngân hàng của mình với chatbot |
|
|
RR3 |
Tôi cảm thấy sử dụng Chatbot lộ thông tin của mình |
|
|
RR4 |
Tôi cảm thấy chatbot lấy thông tin của mình vào mục đích khác |
|
| Mức độ hấp dẫn (HD) |
HD1 |
Tôi cảm thấy sử dụng Chatbot rất thú vị |
Dabholkar và Bagozzi (2002) |
|
HD2 |
Tương tác với Chatbot thoải mái, dễ dàng đối với tôi |
|
|
HD3 |
Tôi thấy giao diện của chatbot phù hợp |
|
|
HD4 |
Tôi nghĩ Chatbot là công nghệ mới |
|
|
HD5 |
Cách sử dụng chatbot rất lôi cuốn đối với tôi |
|
| Mức độ chấp nhận (CN) |
CN1 |
Khách hàng sử dụng chatbot để cập nhật thông tin và giao dịch |
Richad, Vivensius, Sfenrianto và Emil R. Kaburuan (2019) |
|
CN2 |
Có khả năng khách hàng sẽ sử dụng chatbot |
|
|
CN3 |
Khách hàng sẽ không giới thiệu chatbot cho người khác (nghịch đảo) |
|
|
CN4 |
Khách hàng mong đợi luôn có thể sử dụng chatbot |
|
Phương pháp lấy mẫu và phân tích kỹ thuật:
- Xác định cỡ mẫu: Áp dụng tiêu chuẩn phân tích nhân tố khám phá EFA của Hair và cộng sự (1998), tỷ lệ tối thiểu là 5 quan sát cho 1 biến đo lường và cỡ mẫu không được dưới 100. Với quy mô 20 – 25 biến quan sát ban đầu, số mẫu tối thiểu cần đạt là $25 \times 5 = 125$ mẫu.
- Phương pháp thu thập dữ liệu: Chọn mẫu ngẫu nhiên thuận tiện từ tập hợp khách hàng đã giao dịch và sử dụng chatbot tại VPBank Chi nhánh Huế. Tác giả thực hiện khảo sát trực tiếp tại sảnh giao dịch bằng mã QR dẫn đến biểu mẫu Google Forms, kết hợp in dự phòng 50 phiếu điều tra giấy đối với các trường hợp không có thiết bị kết nối mạng.
- Kỹ thuật xử lý số liệu trên phần mềm SPSS 20:
- Thống kê mô tả: Phân tích tần số, tỷ lệ phần trăm cơ cấu mẫu khảo sát.
- Kiểm định độ tin cậy thang đo: Sử dụng hệ số Cronbach's Alpha (chấp nhận khi $\ge 0,6$) và hệ số tương quan biến - tổng (Corrected Item-Total Correlation $\ge 0,3$).
- Phân tích nhân tố khám phá (EFA): Áp dụng phép quay Varimax, kiểm tra điều kiện chỉ số Kaiser-Meyer-Olkin ($0,5 < \text{KMO} < 1$), kiểm định Bartlett có ý nghĩa thống kê ($\text{Sig.} \le 0,05$), tổng phương sai trích (Total Variance Explained $\ge 50%$) và giá trị Eigenvalue $\ge 1$.
- Phân tích tương quan Pearson: Đánh giá độ chặt chẽ của mối quan hệ tuyến tính giữa các biến định lượng.
- Phân tích hồi quy tuyến tính bội (Enter Method): Mô hình hóa hàm phụ thuộc $Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_n X_n$, kiểm tra hệ số xác định $R^2$ hiệu chỉnh và mức ý nghĩa qua kiểm định ANOVA.
- Kiểm định phi tham số và ANOVA một chiều: Kiểm định phương sai đồng nhất Levene, kiểm định Welch và phân tích sâu Post Hoc để so sánh sự khác biệt theo các nhóm nhân khẩu học.
Nội dung chính theo từng chương
Chương 1: Cơ sở khoa học của vấn đề nghiên cứu
Chương này tập trung hoàn thiện cơ sở lý luận và tổng kết thực tiễn về ứng dụng chatbot:
- Trình bày lịch sử phát triển của chatbot qua các giai đoạn then chốt: khởi đầu từ Eliza (Joseph Weizenbaum mô phỏng nhà trị liệu tâm lý Rogeria), Chatbot Parry (Colby tại Stanford AI Lab mô phỏng bệnh nhân), Jabberwacky (thuật toán tự học theo tương tác), ALICE (dựa trên AIML của Richard Wallace, đoạt giải Loebner các năm 2000, 2001); giai đoạn bùng nổ trợ lý cá nhân ảo 2010 – 2016 (Siri, Google Now, Alexa, Cortana, Google Assistant); và giai đoạn phát triển đa nền tảng nhắn tin từ sau hội nghị F8 năm 2016 khi Facebook ra mắt Messenger Platform cùng các đối thủ cạnh tranh như WeChat (Trung Quốc với Xiaoice từ 2013), LINE, Telegram, WhatsApp.
- Phân tích ưu nhược điểm của chatbot đối với doanh nghiệp và người dùng: Đối với khách hàng, chatbot giúp xóa bỏ thời gian chờ đợi, dễ truy cập trên ứng dụng sẵn có và tăng tính cá nhân hóa; đối với doanh nghiệp, công cụ này giúp cắt giảm chi phí nhân sự tổng đài, mở rộng năng lực giao tiếp đồng thời, nâng tỷ lệ mở thông báo (đạt từ 85% đến 90%). Tuy nhiên, các hạn chế lớn bao gồm rào cản thích ứng tâm lý của người dùng, sự thiếu thốn về tính linh hoạt trong tình huống phức tạp, và đặc biệt là rủi ro về quyền riêng tư, an toàn dữ liệu khách hàng theo nhận định của Darius Zumstein (2017).
- Tổng thuật thực tiễn ứng dụng AI và chatbot trong ngành ngân hàng tại Việt Nam: Điển hình như Shinhanbank Việt Nam (hợp tác với Zalo vào tháng 6/2018 cung cấp tính năng tra cứu số dư, mở thẻ, vay vốn); TPBank (ra mắt trợ lý ảo T'Aio trên Facebook Fanpage từ tháng 7/2017 với tốc độ phản hồi dưới 5 giây); VietABank (triển khai chatbot tư vấn lãi suất, biểu phí, quy trình mở thẻ 24/7); và VPBank (tích hợp trợ lý ảo trên hệ sinh thái đa kênh: Tổng đài, ứng dụng di động VPBank NEO, cổng thông tin vpbank.vn, Facebook và Zalo).
Chương 2: Sự chấp nhận sử dụng của khách hàng đối với cuộc hội thoại chatbot của Ngân hàng TMCP Việt Nam Thịnh Vượng
Chương 2 phản ánh chi tiết thực trạng cơ sở nghiên cứu và các kết quả phân tích định lượng:
- Giới thiệu tổ chức: VPBank Chi nhánh Huế được thành lập theo Quyết định số 77-2004/QĐ-HĐQT ngày 06/10/2004 của Hội đồng Quản trị VPBank, chính thức hoạt động từ ngày 07/01/2005. Chi nhánh quản lý 5 phòng giao dịch trực thuộc tại Thừa Thiên Huế gồm: Đông Ba (thành lập 18/12/2006 tại 165 Trần Hưng Đạo), Mai Thúc Loan (06/09/2007 tại 91 Mai Thúc Loan), Vỹ Dạ (06/04/2006 tại 228 Nguyễn Sinh Cung), Bến Ngự (09/12/2011 tại 66 Trần Thúc Nhẫn), và Phú Hội (17/12/2010 tại 39 Nguyễn Thái Học). Cơ cấu quản trị vận hành theo mô hình trực tuyến - chức năng đứng đầu là Giám đốc khu vực.
- Nguồn lực lao động chi nhánh: Số liệu bảng 2.1 ghi nhận tổng số lao động biến động tăng dần từ 60 người (năm 2019) lên 62 người (năm 2020, tăng 3,3%) và đạt 65 người (năm 2021, tăng 4,8%). Về cơ cấu giới tính, tỷ lệ lao động nam chiếm 56,7% (2019), 53,2% (2020), 53,8% (2021); tỷ lệ lao động nữ chiếm 43,3% (2019), 46,8% (2020), 46,2% (2021). Về trình độ học vấn, nhân sự có bằng đại học duy trì chủ đạo với 81,7% (49 người năm 2019), 82,3% (51 người năm 2020), 81,5% (53 người năm 2021); trình độ cao đẳng ổn định ở mức 3 người qua cả 3 năm; bậc phổ thông dao động từ 8 đến 9 người (12,9% - 13,8%).
| Chỉ tiêu phân loại |
Năm 2019 (SL) |
Năm 2019 (%) |
Năm 2020 (SL) |
Năm 2020 (%) |
Năm 2021 (SL) |
Năm 2021 (%) |
So sánh 2020/2019 (+/-) |
So sánh 2020/2019 (%) |
So sánh 2021/2020 (+/-) |
So sánh 2021/2020 (%) |
| Tổng số lao động |
60 |
100,0 |
62 |
100,0 |
65 |
100,0 |
+2 |
+3,3 |
+3 |
+4,8 |
| Giới tính |
|
|
|
|
|
|
|
|
|
|
| - Nam |
34 |
56,7 |
33 |
53,2 |
35 |
53,8 |
-1 |
-2,9 |
+2 |
+6,1 |
| - Nữ |
26 |
43,3 |
29 |
46,8 |
30 |
46,2 |
+3 |
+11,5 |
+1 |
+3,4 |
| Trình độ học vấn |
|
|
|
|
|
|
|
|
|
|
| - Đại học |
49 |
81,7 |
51 |
82,3 |
53 |
81,5 |
+2 |
+4,1 |
+2 |
+3,9 |
| - Cao đẳng |
3 |
5,0 |
3 |
4,8 |
3 |
4,6 |
0 |
0,0 |
0 |
0,0 |
| - Phổ thông |
8 |
13,3 |
8 |
12,9 |
9 |
13,8 |
0 |
0,0 |
+1 |
+12,5 |
- Kết quả kiểm định thống kê và mô hình đo lường:
- Tập hợp thang đo ban đầu bao gồm 27 biến quan sát thuộc 5 biến độc lập và 4 biến quan sát thuộc 1 biến phụ thuộc.
- Quá trình phân tích độ tin cậy Cronbach's Alpha và phân tích nhân tố khám phá EFA đã phát hiện và loại bỏ 11 biến quan sát không đáp ứng yêu cầu (tương quan biến - tổng < 0,3 hoặc tải chéo không đạt chuẩn). Thang đo sau hiệu chỉnh còn lại 16 biến quan sát, quy tụ vào 4 nhóm nhân tố đại diện:
- Sự hữu ích cảm nhận (SHI)
- Mức độ hấp dẫn (HD)
- Rủi ro cảm nhận (RR)
- Sự chấp nhận (CN - Biến phụ thuộc)
- Kết quả phân tích hồi quy tuyến tính bội cho thấy có 3 nhóm nhân tố tác động có ý nghĩa thống kê đến sự chấp nhận sử dụng chatbot của khách hàng, sắp xếp theo mức độ ảnh hưởng từ cao xuống thấp: (1) Mức độ hấp dẫn cảm nhận, (2) Rủi ro cảm nhận (tác động ngược chiều), và (3) Sự hữu ích cảm nhận.
- Phân tích phương sai một chiều (ANOVA, Levene, Welch và Post Hoc) xác định sự khác biệt về mức độ đánh giá và chấp nhận chatbot giữa các nhóm đối tượng khách hàng khi phân loại theo tiêu chí độ tuổi, mức thu nhập và ngành nghề công tác.
Chương 3: Đề xuất một số giải pháp nhằm nâng cao sự chấp nhận sử dụng của khách hàng đối với chatbot của Ngân hàng TMCP Việt Nam Thịnh Vượng
Dựa trên kết quả hồi quy và định hướng chuyển đổi số tại VPBank Chi nhánh Huế, tác giả đề xuất 4 nhóm giải pháp kỹ thuật và dịch vụ:
- Giải pháp liên quan đến mức độ hấp dẫn khi sử dụng chatbot: Nâng cấp giao diện trực quan, tối ưu hóa kịch bản đối thoại thân thiện, mang tính cá nhân hóa cao; cải tiến tốc độ và độ linh hoạt của phản hồi để kích thích trải nghiệm tích cực.
- Giải pháp liên quan đến rủi ro: Xây dựng chính sách bảo mật thông tin minh bạch, bổ sung các lớp mã hóa bảo vệ thông tin tài khoản ngân hàng khi khách hàng tương tác qua mạng xã hội; thiết lập cơ chế cảnh báo và chuyển giao tác vụ tài chính nhạy cảm sang giao dịch viên con người.
- Giải pháp liên quan đến sự hữu ích: Mở rộng năng lực xử lý tự động của chatbot đối với các nghiệp vụ thường gặp (tra cứu số dư, tiến độ mở thẻ, biểu phí, cảnh báo giao dịch thẻ lỗi trên ứng dụng VPBank NEO), đảm bảo độ chính xác tuyệt đối của nội dung tư vấn.
- Giải pháp liên quan đến tính dễ sử dụng: Thiết kế luồng hội thoại đơn giản, các nút thao tác chọn nhanh rõ ràng, hỗ trợ ngôn ngữ tự nhiên tiếng Việt chuẩn xác để phục vụ hiệu quả cho cả nhóm khách hàng lớn tuổi hoặc ít am hiểu về công nghệ.
Kết quả và đóng góp
Nghiên cứu mang lại các kết quả định lượng cụ thể và hàm ý thực tiễn đối với hoạt động ứng dụng ngân hàng số:
- Kết quả định lượng then chốt: Thang đo nghiên cứu đã được kiểm định chặt chẽ từ 27 biến độc lập ban đầu, qua tinh lọc thực nghiệm đã loại bỏ 11 biến quan sát không đạt độ tin cậy để xác lập mô hình cô đọng gồm 16 biến quan sát thuộc 4 nhóm nhân tố. Mô hình hồi quy khẳng định sự chấp nhận sử dụng chatbot của khách hàng tại VPBank Chi nhánh Huế chịu sự chi phối của 3 nhân tố, trong đó Mức độ hấp dẫn có ảnh hưởng tích cực mạnh nhất, kế tiếp là Rủi ro cảm nhận (tác động cản trở, ngược chiều), và sau cùng là Sự hữu ích cảm nhận.
- Đóng góp về mặt lý luận và thực tiễn: Khóa luận đã kiểm chứng sự phù hợp của mô hình TAM mở rộng trong phân khúc dịch vụ chăm sóc khách hàng tự động tại thị trường cấp tỉnh (Thừa Thiên Huế) - nơi người dùng có đặc tính tâm lý và thói quen công nghệ khác biệt so với các đại đô thị. Nghiên cứu cung cấp bức tranh số liệu xác thực về nhân sự, kết quả kinh doanh và thực trạng tiếp nhận trí tuệ nhân tạo của ngân hàng thương mại.
- Hệ thống giải pháp và kiến nghị:
- Đối với Ngân hàng Nhà nước: Cần sớm ban hành hành lang pháp lý, tiêu chuẩn an toàn bảo mật dữ liệu riêng biệt cho các giải pháp trí tuệ nhân tạo và xử lý ngôn ngữ tự nhiên trong hệ thống tài chính - ngân hàng.
- Đối với VPBank: Cần duy trì nguồn lực đầu tư nâng cấp hệ thống xử lý ngôn ngữ tự nhiên (NLP), đồng bộ luồng dữ liệu khách hàng giữa các kênh (Facebook, Zalo, Cổng thông tin, Tổng đài và ứng dụng VPBank NEO), đồng thời đẩy mạnh truyền thông bảo đảm an toàn dữ liệu để triệt tiêu tâm lý e ngại rủi ro của người sử dụng.
Hạn chế và hướng nghiên cứu tiếp
Khóa luận chỉ ra các giới hạn nghiên cứu xuất phát từ điều kiện thực địa:
- Phương pháp lấy mẫu: Nghiên cứu áp dụng kỹ thuật chọn mẫu ngẫu nhiên thuận tiện tại một địa bàn duy nhất là VPBank Chi nhánh Huế, do đó tính đại diện tổng thể cho toàn bộ khách hàng của VPBank trên cả nước chưa cao.
- Quy mô và phương thức thu thập: Giới hạn thời gian khảo sát sơ cấp (từ tháng 10 đến tháng 12 năm 2022) và hạn chế về thiết bị khiến việc điều tra phải kết hợp biểu mẫu Google Forms trực tuyến với 50 bản in giấy dự phòng, có thể gây ra sai số nhất định trong quá trình khách hàng tự điền câu hỏi.
- Biến động mô hình: Quá trình phân tích nhân tố khám phá EFA đã phải loại bỏ 11 biến quan sát, làm tiêu biến biến độc lập Cảm nhận tính dễ sử dụng và Thái độ so với mô hình giả thuyết đề xuất ban đầu.
- Hướng mở rộng nghiên cứu: Các nghiên cứu tiếp theo nên mở rộng địa bàn điều tra trên nhiều chi nhánh tại các tỉnh thành khác nhau; áp dụng phương pháp chọn mẫu phân tầng ngẫu nhiên; đồng thời bổ sung các biến số công nghệ mới như niềm tin công nghệ, nhận thức sự đồng cảm của AI hoặc chất lượng kết nối kỹ thuật.
Giá trị tham khảo
Bản khóa luận là tài liệu tham khảo hữu ích cho:
- Sinh viên và học viên cao học: Chuyên ngành Quản trị Kinh doanh, Marketing dịch vụ, Tài chính - Ngân hàng, Thương mại điện tử và Hệ thống thông tin quản lý đang thực hiện đề tài tốt nghiệp liên quan đến sự chấp nhận công nghệ, Fintech và hành vi khách hàng số.
- Hệ thống thang đo thực nghiệm: Bảng câu hỏi đo lường chi tiết 27 biến quan sát xây dựng trên cơ sở chuẩn hóa từ các học giả quốc tế (Davis, 1989; Dabholkar & Bagozzi, 2002; Trivedi, 2019; Richad và cộng sự, 2019) có thể được kế thừa trực tiếp cho các nghiên cứu về chatbot tại Việt Nam.
- Quy trình phân tích định lượng: Các bước xử lý số liệu chuẩn tắc từ phân tích mô tả nhân sự, kiểm định Cronbach's Alpha, phân tích EFA, hồi quy tuyến tính Enter, đến các kiểm định sâu ANOVA/Levene/Welch/Post Hoc trên SPSS 20 là quy trình mẫu cho các nghiên cứu định lượng ứng dụng.
Câu hỏi thường gặp
1. Khóa luận sử dụng mô hình lý thuyết gốc nào để xây dựng khung phân tích?
Nghiên cứu lấy Mô hình Chấp nhận Công nghệ (TAM) của Davis (1989) làm khung phân tích cốt lõi, kết hợp nền tảng Lý thuyết Hành động Hợp lý (TRA) và Lý thuyết Hành vi Kế hoạch (TPB). Tác giả mở rộng mô hình gốc bằng việc bổ sung hai biến số độc lập phù hợp với bối cảnh giao tiếp tự động là Sự hấp dẫn cảm nhận (Dabholkar & Bagozzi, 2002) và Rủi ro cảm nhận (Trivedi, 2019).
2. Quy mô mẫu khảo sát được tính toán theo tiêu chuẩn nào và cách thức thu thập dữ liệu sơ cấp ra sao?
Dựa trên nguyên tắc định lượng của Hair và cộng sự (1998) yêu cầu tối thiểu 5 mẫu cho 1 biến quan sát và quy mô tối thiểu không dưới 100 mẫu, tác giả tính toán số mẫu cần thiết là $25 \times 5 = 125$ mẫu cho bảng hỏi sơ bộ. Phương pháp thu thập dữ liệu là ngẫu nhiên thuận tiện tại sảnh VPBank Chi nhánh Huế bằng mã QR dẫn đến biểu mẫu Google Forms trực tuyến, có dự phòng 50 phiếu in trên giấy cho khách hàng gặp trở ngại về thiết bị số.
3. Kết quả phân tích nhân tố khám phá (EFA) và hồi quy đã sàng lọc các biến số như thế nào?
Từ tập hợp 27 biến quan sát thuộc 5 biến độc lập và 4 biến quan sát thuộc biến phụ thuộc ban đầu, quy trình kiểm định Cronbach's Alpha và EFA đã loại bỏ 11 biến quan sát không đạt yêu cầu. Mô hình rút gọn còn 16 biến quan sát thuộc 4 nhóm. Phân tích hồi quy xác nhận có 3 nhóm nhân tố ảnh hưởng có ý nghĩa thống kê đến sự chấp nhận theo thứ tự: Mức độ hấp dẫn cảm nhận (mạnh nhất), Rủi ro cảm nhận (tác động tiêu cực), và Sự hữu ích cảm nhận.
4. Cơ cấu nguồn nhân lực của VPBank Chi nhánh Huế giai đoạn 2019 – 2021 biến động ra sao?
Theo số liệu bảng 2.1, quy mô nhân sự chi nhánh tăng đều qua các năm: 60 lao động (2019), 62 lao động (2020, tăng 3,3%) và 65 lao động (2021, tăng 4,8%). Trình độ đại học chiếm tỷ trọng áp đảo và ổn định (81,7% năm 2019; 82,3% năm 2020; 81,5% năm 2021). Cơ cấu giới tính duy trì cân bằng hợp lý giữa các mảng tín dụng và giao dịch viên, với tỷ lệ nam dao động từ 53,2% - 56,7% và nữ từ 43,3% - 46,8%.
5. Khóa luận đã khảo sát thực tế việc ứng dụng chatbot tại những ngân hàng thương mại nào ở Việt Nam?
Trong phần cơ sở thực tiễn, văn bản khảo cứu cụ thể 4 ngân hàng thương mại: Shinhanbank Việt Nam (kết nối Zalo tháng 6/2018), TPBank (trợ lý ảo T'Aio trên Facebook Fanpage từ tháng 7/2017), VietABank (chatbot tư vấn 24/7 trên Fanpage), và VPBank (trợ lý ảo đa kênh trên Tổng đài, ứng dụng di động VPBank NEO, website vpbank.vn, Facebook và Zalo).
Kết luận
Khóa luận tốt nghiệp của tác giả Ngô Viết Minh Quang đã hệ thống hóa toàn diện các lý thuyết về hành vi tiếp nhận công nghệ và bức tranh thực tế về việc ứng dụng trí tuệ nhân tạo chatbot trong ngành ngân hàng thương mại tại Việt Nam. Thông qua phương pháp khảo sát định lượng xử lý trên SPSS 20 tại VPBank Chi nhánh Huế, nghiên cứu đã chứng minh thực nghiệm rằng Mức độ hấp dẫn cảm nhận, Rủi ro cảm nhận và Sự hữu ích cảm nhận là ba nhân tố quyết định đến sự chấp nhận sử dụng chatbot của khách hàng. Các giải pháp đề xuất từ kết quả hồi quy cung cấp căn cứ thực tiễn giúp ban lãnh đạo chi nhánh và hệ thống ngân hàng cải tiến công nghệ hội thoại tự động, nâng cao chất lượng dịch vụ khách hàng số.
