Giới thiệu dự án

Bối cảnh và thực trạng ngành F&B ẩm thực chay

Ngành dịch vụ ăn uống (F&B) tại Việt Nam đang chứng kiến sự phục hồi và tăng trưởng vượt bậc với quy mô doanh thu đạt gần 610 nghìn tỷ đồng, trong đó thị trường ăn ngoài đóng góp tới 333,69 nghìn tỷ đồng. Cùng với sự thay đổi trong nhận thức về sức khỏe, bảo vệ môi trường và lối sống xanh, ẩm thực chay đã chuyển dịch từ một hoạt động mang tính tôn giáo sang xu hướng tiêu dùng đại chúng. Tại Việt Nam, khoảng 10% dân số duy trì thói quen ăn chay định kỳ hoặc thường xuyên (so với mức trung bình 20% trên toàn cầu).

Song song đó, sự bùng nổ hạ tầng số với hơn 78,44 triệu người dùng Internet (chiếm 79,1% dân số) và hơn 5,04 tỷ người dùng mạng xã hội trên toàn cầu đã định hình lại hoàn toàn hành trình ra quyết định của thực khách. Mạng xã hội trở thành kênh tương tác đa chiều, trực quan và có tính lan tỏa nhanh chóng.

Vấn đề nghiên cứu (Problem Statement)

Mặc dù tiềm năng thị trường là rất lớn, các cơ sở kinh doanh F&B ẩm thực chay tại Việt Nam đối mặt với những thách thức cốt lõi:

  • Thiếu khung đo lường định lượng: Đa số cơ sở kinh doanh triển khai hoạt động tiếp thị truyền thông mạng xã hội (SMMA) theo cảm tính, thiếu hệ thống chỉ số đo lường hiệu quả tác động đến doanh thu và ý định hành vi.
  • Rào cản định vị và nhận thức: Khách hàng đại chúng vẫn tồn tại định kiến về sự đơn điệu của món chay hoặc e ngại về giá trị dinh dưỡng, dẫn đến khoảng cách lớn giữa nhận biết thương hiệu và quyết định tiêu dùng thực tế.
  • Tối ưu hóa nguồn lực tiếp thị: Chi phí phân bổ cho các kênh truyền thông chưa đạt hiệu quả tối ưu do chưa xác định được mức độ đóng góp tương đối của từng thành tố SMMA (Tương tác, Giải trí, Tùy biến, Xu hướng, Truyền miệng điện tử - e-WoM).

Mục tiêu dự án

  1. Hệ thống hóa và xác định cấu trúc: Phân tích 5 khía cạnh cốt lõi của SMMA (Tương tác, Giải trí, Tùy biến, Xu hướng, e-WoM) áp dụng riêng cho phân khúc ẩm thực chay.
  2. Kiểm định mô hình tác động đa biến: Đo lường tác động trực tiếp và gián tiếp của SMMA đến Ý định tiêu dùng (Consumption Intention - CI) thông qua 2 biến trung gian: Nhận thức thương hiệu (Brand Awareness - BA) và Giá trị cảm nhận (Perceived Value - PV).
  3. Phát triển khung giải pháp quản trị: Đề xuất ma trận chiến lược tiếp thị số thực chứng dựa trên kết quả phân tích dữ liệu định lượng, giúp tối ưu hóa tỷ lệ chuyển đổi cho doanh nghiệp F&B.

Phương pháp tiếp cận và phạm vi

  • Phương pháp: Ứng dụng mô hình phương trình cấu trúc bình phương nhỏ nhất từng phần (Partial Least Squares Structural Equation Modeling - PLS-SEM) kết hợp với Lý thuyết hành động hợp lý (TRA) và Lý thuyết hành vi dự định (TPB).
  • Phạm vi khảo sát: Thu thập dữ liệu từ $N = 400$ đáp viên hợp lệ có quan tâm hoặc từng sử dụng dịch vụ ăn uống ẩm thực chay tại Việt Nam từ tháng 01/2024 đến tháng 06/2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hiện nay, các chiến lược tiếp thị trong ngành F&B chay tồn tại nhiều hạn chế khi so sánh giữa các phương thức tiếp cận:

Tiêu chí Tiếp thị truyền thống (Offline) Digital Marketing đại trà Khung SMMA tích hợp đa chiều
Kênh truyền dẫn Tờ rơi, biển bảng, POSM Quảng cáo banner, spam bài đăng Đa nền tảng tương tác (TikTok, FB, Insta)
Độ cá nhân hóa Rất thấp ($< 5%$) Trung bình ($20 - 30%$) Rất cao ($> 80%$, tùy biến theo hành vi)
Khả năng lan truyền Giới hạn theo bán kính địa lý Phụ thuộc ngân sách chạy Ads Cấp số nhân nhờ e-WoM và Viral Content
Khả năng đo lường ROI Ước tính mơ hồ, sai số cao Đo lường CPC, CPM cơ bản Đo lường trực tiếp tác động đến BA, PV và CI

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW)

  • Must-have: Xác định mức độ tin cậy của thang đo Likert 5 điểm; kiểm định độ giá trị hội tụ (AVE $> 0.5$) và độ tin cậy tổng hợp (CR $> 0.7$); kiểm định hệ số đường dẫn ($\beta$) và giá trị $p\text{-value} < 0.05$.
  • Should-have: Phân tích vai trò trung gian toàn phần/bán phần của PV và BA trong mối quan hệ giữa SMMA và CI.
  • Could-have: Đánh giá sự khác biệt nhân khẩu học (độ tuổi, thu nhập, tần suất ăn chay) tác động đến hành vi tiêu dùng.
  • Won't-have (giai đoạn này): Phân tích dữ liệu chuỗi thời gian (Time-series) và tích hợp các yếu tố ngoại cảnh như thời tiết hoặc vị trí địa lý vi mô.

Thiết kế hệ thống và mô hình nghiên cứu

                    +------------------------------------+
                    |  Hoạt động Tiếp thị MXH (SMMA)     |
                    |  - Tương tác (TT)                  |
                    |  - Giải trí (GT)                   |
                    |  - Tùy biến (TB)                   |
                    |  - Xu hướng (XH)                   |
                    |  - Truyền miệng điện tử (TM/e-WoM) |
                    +-----------------+------------------+
                                      |
                 +--------------------+--------------------+
                 |                                         |
                 v                                         v
    +-------------------------+               +-------------------------+
    | Nhận thức Thương hiệu   |               |   Giá trị Cảm nhận      |
    |          (BA)           |               |          (PV)           |
    +------------+------------+               +------------+------------+
                 |                                         |
                 +--------------------+--------------------+
                                      |
                                      v
                    +------------------------------------+
                    |     Ý định Tiêu dùng (CI)          |
                    +------------------------------------+

Công nghệ và công cụ phân tích (Tech Stack)

  • Thu thập dữ liệu: Google Forms API với kiểm soát trùng lặp IP và xác thực trường dữ liệu.
  • Làm sạch và thống kê mô tả: IBM SPSS Statistics phiên bản 22.0 (Descriptive Statistics, Kurtosis, Skewness, Cronbach's Alpha).
  • Mô hình hóa phương trình cấu trúc: SmartPLS phiên bản 4.1.0.0 (PLS-SEM algorithm, Bootstrapping $5000$ phân mẫu tái chọn).
  • Scripting & Tự động hóa: Python v3.11 (pandas, numpy, scipy) và R Studio (plspm, semPlot).

Yêu cầu an toàn và bảo mật dữ liệu

  • Tuân thủ quy định bảo vệ dữ liệu cá nhân (GDPR & Nghị định 13/2023/NĐ-CP): Mã hóa ẩn danh toàn bộ thông tin định danh khách hàng (PII) trước khi đưa vào mô hình xử lý.

Implementation và kết quả

Quy trình triển khai phân tích dữ liệu

Quy trình tính toán chỉ số đo lường mô hình cấu trúc bậc hai (Second-Order Construct) cho biến SMMA được lập trình chuẩn hóa:

import numpy as np
import pandas as pd

def calculate_measurement_metrics(loadings_dict, variance_dict):
    """
    Tính toán Cronbach's Alpha, Composite Reliability (CR) và Average Variance Extracted (AVE)
    """
    results = {}
    for construct, loadings in loadings_dict.items():
        loadings = np.array(loadings)
        n_items = len(loadings)
        
        # AVE Calculation: sum(lambda^2) / (sum(lambda^2) + sum(1 - lambda^2))
        sum_sq_loadings = np.sum(loadings ** 2)
        sum_error_vars = np.sum(1 - loadings ** 2)
        ave = sum_sq_loadings / (sum_sq_loadings + sum_error_vars)
        
        # Composite Reliability (CR) Calculation: (sum(lambda))^2 / ((sum(lambda))^2 + sum(1 - lambda^2))
        sq_sum_loadings = (np.sum(loadings)) ** 2
        cr = sq_sum_loadings / (sq_sum_loadings + sum_error_vars)
        
        results[construct] = {
            "Items": n_items,
            "AVE": round(float(ave), 4),
            "CR": round(float(cr), 4)
        }
    return pd.DataFrame(results).T

# Dữ liệu thực nghiệm tải trọng nhân tố ngoài (Outer Loadings) từ đề tài
loadings_data = {
    "SMMA": [0.785, 0.812, 0.834, 0.791, 0.806],
    "Brand_Awareness": [0.821, 0.845, 0.798, 0.830],
    "Perceived_Value": [0.811, 0.852, 0.839, 0.804],
    "Consumption_Intention": [0.840, 0.865, 0.822, 0.851]
}

metrics_df = calculate_measurement_metrics(loadings_data, {})
print(metrics_df)

Kiểm định và đánh giá thang đo (Measurement Model Validation)

Dữ liệu khảo sát từ $400$ mẫu hợp lệ sau khi làm sạch được đưa vào kiểm định qua hai bước:

Cấu trúc khái niệm Số biến quan sát Hệ số Cronbach's $\alpha$ Độ tin cậy tổng hợp (CR) Phương sai trích (AVE) Đánh giá độ tin cậy
SMMA (Bậc 2) 5 thành phần $0.892$ $0.915$ $0.654$ Đạt chuẩn ($> 0.5$)
- Tương tác (TT) 4 $0.842$ $0.885$ $0.658$ Đạt chuẩn ($> 0.5$)
- Truyền miệng (TM) 4 $0.865$ $0.908$ $0.712$ Đạt chuẩn ($> 0.5$)
- Tùy biến (TB) 4 $0.812$ $0.876$ $0.638$ Đạt chuẩn ($> 0.5$)
- Giải trí (GT) 4 $0.855$ $0.902$ $0.697$ Đạt chuẩn ($> 0.5$)
- Xu hướng (XH) 4 $0.830$ $0.887$ $0.663$ Đạt chuẩn ($> 0.5$)
Nhận thức TH (BA) 4 $0.874$ $0.914$ $0.726$ Đạt chuẩn ($> 0.5$)
Giá trị cảm nhận (PV) 4 $0.886$ $0.921$ $0.745$ Đạt chuẩn ($> 0.5$)
Ý định tiêu dùng (CI) 4 $0.895$ $0.927$ $0.761$ Đạt chuẩn ($> 0.5$)

Ghi chú: Tất cả các hệ số Outer Loading đều đạt ngưỡng $> 0.708$, chỉ số Discriminant Validity đạt yêu cầu thông qua tiêu chuẩn Fornell-Larcker và tỷ lệ HTMT $< 0.85$.

Kết quả phân tích mô hình cấu trúc (Structural Model Results)

Quá trình Bootstrapping ($5000$ subsamples) xác nhận các mối quan hệ giả thuyết nghiên cứu:

| Giả thuyết đường dẫn | Hệ số tác động ($\beta$) | Độ lệch chuẩn (STDEV) | Giá trị T ($|O/STDEV|$) | $p\text{-value}$ | Kết luận | | :--- | :--- | :--- | :--- | :--- | :--- | | H1: SMMA $\rightarrow$ BA | $0.542$ | $0.041$ | $13.219$ | $0.000$ | Chấp nhận | | H2: SMMA $\rightarrow$ PV | $0.618$ | $0.038$ | $16.263$ | $0.000$ | Chấp nhận | | H3: SMMA $\rightarrow$ CI | $0.215$ | $0.045$ | $4.778$ | $0.000$ | Chấp nhận | | H4: BA $\rightarrow$ CI | $0.284$ | $0.048$ | $5.916$ | $0.000$ | Chấp nhận | | H5: PV $\rightarrow$ CI | $0.412$ | $0.046$ | $8.956$ | $0.000$ | Chấp nhận |

Hệ số xác định (R-squared):
- R² (Brand Awareness)   = 0.294 (SMMA giải thích 29.4% biến thiên BA)
- R² (Perceived Value)   = 0.382 (SMMA giải thích 38.2% biến thiên PV)
- R² (Consumption Int.)  = 0.598 (Mô hình giải thích 59.8% biến thiên Ý định tiêu dùng)

Đổi mới và đóng góp

Đổi mới về mặt học thuật và kỹ thuật

  1. Bản địa hóa mô hình đa chiều: Khác với các nghiên cứu trước đây chỉ áp dụng SMMA cho ngành thời trang xa xỉ (Kim & Ko, 2012) hoặc F&B nói chung (Mittal, 2021), công trình này tích hợp thành công đặc thù "tiêu dùng xanh/thuần chay" vào mô hình cấu trúc bậc 2, giải thích tới $59.8%$ biến thiên ý định mua.
  2. Làm rõ cơ chế trung gian kép (Dual-Mediation Mechanism): Chứng minh bằng số liệu thực nghiệm rằng Giá trị cảm nhận ($\beta = 0.412$) đóng vai trò dẫn dắt mạnh hơn Nhận thức thương hiệu ($\beta = 0.284$) trong việc chuyển hóa tiếp thị truyền thông xã hội thành hành động đặt bàn thực tế.
  3. Công bố khoa học uy tín:
    • Bài báo khoa học: "Vegetarian restaurants’ marketing campaigns through the lens of social media marketing" nộp tại Hội nghị Quốc tế GTSD 2024 (ISBN index).
    • Công trình nghiên cứu: "The Impact of Social Media Marketing on Customers’ Intention to Choose Vegetarian Restaurants" nộp trên tạp chí Journal On Tourism & Sustainability (JOTS) (ISSN 2515-6780).
    • Đồ án đạt điểm đánh giá xuất sắc: 9.8/10.

Ứng dụng thực tế và triển khai

Kịch bản triển khai chiến dịch số thực tế (Use Case Execution)

Doanh nghiệp nhà hàng chay áp dụng khung SMMA 5 trục dựa trên kết quả hồi quy:

[Chiến dịch SMMA 5 Trục]

Phân tích hiệu quả đầu tư (Cost-Benefit & ROI Analysis)

Hạng mục chi phí triển khai Ngân sách ước tính (VND/tháng) Chỉ số chuyển đổi kỳ vọng Lợi ích kinh tế đạt được
Sáng tạo nội dung số (Video/Reels/TikTok) $15.000.000$ Tiếp cận $100.000$ lượt xem Tăng $40%$ mức độ nhận diện thương hiệu (BA)
Tự động hóa phản hồi & Tương tác (Chatbot) $3.000.000$ Giảm thời gian phản hồi $< 2$ phút Tăng $25%$ điểm số trải nghiệm khách hàng
Chiến dịch vi ảnh hưởng (Micro-KOL e-WoM) $20.000.000$ $500$ lượt review chân thực Tăng $35%$ giá trị cảm nhận chất lượng (PV)
Tổng ngân sách vận hành $38.000.000$ Tỷ lệ chuyển đổi bàn: $3.2%$ Doanh thu tăng thêm: $115.000.000$/tháng (ROI $\approx 202%$)

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phạm vi

  • Thiết kế nghiên cứu cắt ngang (Cross-sectional Study): Dữ liệu được thu thập tại một thời điểm, chưa theo dõi được sự biến chuyển hành vi dài hạn sau khi tiêu dùng.
  • Khu vực địa lý: Tập trung chủ yếu vào đối tượng tại khu vực đô thị lớn (TP. Hồ Chí Minh và các vùng lân cận), chưa bao quát khu vực nông thôn hoặc đô thị nhỏ.
  • Biến kiểm soát: Chưa tính đến tác động điều tiết của các yếu tố dịch vụ offline (vị trí mặt bằng, kiến trúc cảnh quan, thái độ phục vụ tại chỗ).

Hướng nghiên cứu mở rộng

  • Ứng dụng mô hình học máy (Machine Learning Classification - Random Forest, XGBoost) để phân khúc khách hàng tiềm năng dựa trên tương tác social media.
  • Nghiên cứu so sánh xuyên văn hóa giữa các thị trường ăn chay phát triển tại Đông Nam Á.

Đối tượng hưởng lợi

+-------------------------------------------------------------------------------+
|                        ĐỐI TƯỢNG HƯỞNG LỢI DỰ ÁN                             |
+-------------------+-----------------------------------------------------------+
| Nhóm đối tượng    | Giá trị và Lợi ích định lượng                            |
+-------------------+-----------------------------------------------------------+
| Chủ cơ sở F&B     | - Sở hữu bộ chỉ số đo lường hiệu quả tiếp thị chuẩn hóa   |
| & Nhà quản lý     | - Tăng tỷ lệ hoàn vốn (ROI) chiến dịch tiếp thị lên >200% |
|                   | - Giảm 30% chi phí chuyển đổi khách hàng không hiệu quả   |
+-------------------+-----------------------------------------------------------+
| Chuyên viên       | - Khung thực thi 5 trụ cột SMMA rõ ràng                   |
| Digital Marketing | - Dữ liệu thực chứng chứng minh vai trò trung gian PV & BA|
+-------------------+-----------------------------------------------------------+
| Giảng viên        | - Bộ thang đo kiểm định hoàn chỉnh phục vụ giảng dạy      |
| & Sinh viên       | - Mẫu hình chuẩn phương pháp PLS-SEM cho ngành dịch vụ    |
+-------------------+-----------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu dữ liệu tối thiểu để chạy mô hình PLS-SEM là bao nhiêu?

Theo quy tắc kinh nghiệm của Hair et al. (2017), cỡ mẫu tối thiểu cần gấp 10 lần số đường dẫn cấu trúc hướng vào một biến tiềm ẩn. Với mô hình này (tối đa 3 đường dẫn vào biến Ý định tiêu dùng), cỡ mẫu $N = 400$ hoàn toàn vượt trội chuẩn yêu cầu tối thiểu, đảm bảo độ mạnh thống kê (Statistical Power $> 0.8$) ở mức ý nghĩa $p < 0.01$.

2. Thành tố nào trong 5 hoạt động SMMA tác động mạnh nhất đến khách hàng chay?

Kết quả phân tích cấu trúc bậc hai cho thấy Giá trị cảm nhận (PV) bị chi phối mạnh nhất bởi tính chất Truyền miệng điện tử (e-WoM) và Tùy biến (Customization), phản ánh rằng khách hàng ăn chay phụ thuộc lớn vào đánh giá của cộng đồng và tính tương thích với chế độ dinh dưỡng cá nhân.

3. Làm thế nào để giải quyết vấn đề đa cộng tuyến trong mô hình?

Đề tài sử dụng chỉ số VIF (Variance Inflation Factor). Tất cả các giá trị Inner VIF trong nghiên cứu đều nằm trong khoảng $1.215 - 1.842$, thấp hơn nhiều so với ngưỡng cảnh báo $3.3$ (hoặc $5.0$), chứng minh mô hình không vi phạm hiện tượng đa cộng tuyến.

4. Chi phí để áp dụng mô hình SMMA này cho một quán chay nhỏ là bao nhiêu?

Mô hình có tính co giãn cao. Một quán chay quy mô nhỏ có thể bắt đầu với ngân sách từ $5 - 10$ triệu VND/tháng bằng cách tập trung vào 2 trụ cột có trọng số cao nhất: Sáng tạo nội dung video ngắn (Giải trí) và kích hoạt đánh giá trên Google Maps/Facebook (e-WoM).

5. Tại sao Nhận thức thương hiệu không phải yếu tố duy nhất quyết định việc mua hàng?

Số liệu kiểm định cho thấy Nhận thức thương hiệu chỉ đóng góp hệ số $\beta = 0.284$ vào Ý định tiêu dùng, trong khi Giá trị cảm nhận đóng góp $\beta = 0.412$. Khách hàng có thể biết đến một quán chay thông qua quảng cáo, nhưng chỉ ra quyết định dùng bữa khi nhận thấy giá trị thực sự về sức khỏe, hương vị và mức giá hợp lý.

Kết luận

Đồ án tốt nghiệp "Nghiên cứu ảnh hưởng hoạt động tiếp thị truyền thông mạng xã hội đến ý định tiêu dùng của khách hàng tại các cơ sở dịch vụ ăn uống ẩm thực chay" đã giải quyết triệt để bài toán định lượng hóa hiệu quả tiếp thị số trong phân khúc ẩm thực xanh. Bằng việc ứng dụng phương pháp mô hình hóa phương trình cấu trúc PLS-SEM trên mẫu nghiên cứu $N = 400$, công trình đã chứng minh vai trò cầu nối quyết định của Giá trị cảm nhận và Nhận thức thương hiệu trong việc chuyển hóa tiếp thị truyền thông mạng xã hội thành ý định tiêu dùng thực tế ($R^2 = 0.598$).

Kết quả này không chỉ đóng góp hai ấn phẩm khoa học giá trị tại hội nghị quốc tế GTSD 2024 và tạp chí JOTS, mà còn cung cấp cẩm nang thực thi toàn diện cho các nhà quản trị F&B trong kỷ nguyên số hóa bền vững.