Giới thiệu dự án

Sự bùng nổ của thương mại điện tử (TMĐT) và mạng xã hội đã định hình lại hành vi mua sắm của người tiêu dùng hiện đại. Theo báo cáo của Nielsen, 89% người tiêu dùng coi thông tin từ người thân/bạn bè là đáng tin cậy nhất và 75% đặt trọn niềm tin vào các nhận xét, đánh giá trực tuyến (eWOM - electronic Word of Mouth). Đầu năm 2022, sự xuất hiện của TikTok Shop tại Việt Nam đã tạo nên cuộc cách mạng Social Commerce nhờ tích hợp giải trí dạng video ngắn với trải nghiệm mua sắm liền mạch. Tuy nhiên, thách thức lớn đặt ra cho các doanh nghiệp là sự bão hòa thông tin, vấn nạn review giả mạo và tình trạng seeding lan tràn làm suy giảm niềm tin của khách hàng, đặc biệt là thế hệ trẻ.

Đề tài khóa luận "Nghiên cứu các yếu tố của truyền miệng điện tử (eWOM) tác động đến ý định mua hàng trên nền tảng TikTok Shop của sinh viên trường Đại học Công nghiệp TPHCM" được thực hiện bởi sinh viên Lê Nguyễn Thảo Nguyên dưới sự hướng dẫn của ThS. Nguyễn Thị Ngọc Trâm (Khoa Quản trị Kinh doanh - IUH, năm 2022) nhằm giải quyết bài toán cốt lõi: Xác định cấu trúc tác động của các khía cạnh eWOM lên quyết định tiêu dùng thực tế của sinh viên.

                    +-------------------------------------------------------+
                    |           MÔ HÌNH NGHIÊN CỨU eWOM - TIKTOK SHOP       |
                    +-------------------------------------------------------+
                                                |
            +-------------------+---------------+---------------+-------------------+
            |                   |                               |                   |
            v                   v                               v                   v
     [Chất lượng eWOM]   [Độ tin cậy eWOM]               [Số lượng eWOM]   [Sự chấp nhận eWOM]
         (CL: 5 items)       (TC: 4 items)                   (SL: 4 items)       (SCN: 3 items)
            |                   |                               |                   |
            +-------------------+---------------+---------------+-------------------+
                                                |
                                                v (H1, H2, H3, H4)
                                  [Ý định mua hàng (YDM)]
                                      (YDM: 3 items)
                                                ^
                                                | (Kiểm định T-Test & ANOVA)
                                  [Biến phân loại: Giới tính, Năm học]

Mục tiêu nghiên cứu cụ thể của dự án:

  1. Xác định và đo lường các thành phần cốt lõi của eWOM ảnh hưởng đến ý định mua sắm trên TikTok Shop.
  2. Kiểm định mức độ tác động của từng nhân tố: Chất lượng eWOM ($CL$), Độ tin cậy eWOM ($TC$), Số lượng eWOM ($SL$), và Sự chấp nhận eWOM ($SCN$).
  3. Đánh giá sự khác biệt về hành vi theo nhân khẩu học (Giới tính thông qua Independent Samples T-Test, Năm học thông qua One-way ANOVA).
  4. Đề xuất hệ thống hàm ý quản trị và giải pháp tối ưu hóa chiến dịch Marketing truyền miệng số cho doanh nghiệp bán buôn/bán lẻ.

Phạm vi nghiên cứu tập trung vào tập khách hàng sinh viên tại Trường Đại học Công nghiệp TP.HCM (IUH) đã từng tương tác và đọc đánh giá trên TikTok Shop trong giai đoạn từ tháng 08/2022 đến tháng 12/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Truyền miệng truyền thống (WOM) có độ tin cậy tự nhiên nhưng bị rào cản lớn về tốc độ và phạm vi tiếp cận. Ngược lại, truyền miệng điện tử (eWOM) trên các nền tảng Social Commerce sở hữu tốc độ phân tán theo cấp số nhân và lưu vết dạng văn bản, hình ảnh, video thực tế.

Tiêu chí phân tích Truyền miệng truyền thống (WOM) eWOM trên sàn TMĐT chuẩn (Shopee/Lazada) eWOM trên TikTok Shop (Social Commerce)
Kênh truyền tải Trực tiếp đối mặt (F2F), điện thoại Phần đánh giá text/ảnh tĩnh dưới sản phẩm Video ngắn 15s-60s, Livestream tương tác, UGC
Độ phủ & Tốc độ Chậm, giới hạn quan hệ cá nhân Trung bình, phụ thuộc lượng search Cực nhanh nhờ thuật toán phân phối For You Page (FYP)
Mức độ chân thực Cao giữa người quen Dễ bị bóp méo bởi seeding văn bản Trải nghiệm trực quan qua âm thanh, chuyển động sản phẩm
Khả năng đo lường Khó định lượng Đếm sao rating, số lượng text Lượt xem, thả tim, bình luận, chia sẻ, gắn tag giỏ hàng

Phân loại yêu cầu đo lường theo ma trận MoSCoW:

  • Must-have: Đo lường 5 thuộc tính thang đo Likert 5 mức độ; kiểm định độ tin cậy Cronbach's Alpha $\ge 0.60$; phân tích nhân tố khám phá EFA (KMO $\ge 0.50$, Factor Loading $\ge 0.50$); phân tích hồi quy OLS không đa cộng tuyến ($VIF < 2.0$).
  • Should-have: Kiểm định phân phối chuẩn phần dư (Histogram, Normal P-P Plot); kiểm định tính độc lập sai số (Durbin-Watson).
  • Could-have: Đánh giá tương quan chéo Pearson; kiểm định phương sai đồng nhất Levene & Welch Test.
  • Won't-have (giai đoạn này): Phân tích mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) hoặc Machine Learning Sentiment Scoring.

Thiết kế hệ thống và mô hình lý thuyết

Dự án tích hợp 3 nền tảng lý thuyết kinh điển: Mô hình chấp nhận thông tin (Information Adoption Model - IAM của Sussman & Siegal, 2003), Lý thuyết hành động hợp lý (Theory of Reasoned Action - TRA của Ajzen & Fishbein, 1980), và Lý thuyết hành vi có hoạch định (Theory of Planned Behavior - TPB của Ajzen, 1991).

Ngăn xếp công nghệ và công cụ (Technology Stack)

  • Hệ điều hành & Nền tảng phân tích: IBM SPSS Statistics version 20.0 / 26.0 Core Platform.
  • Môi trường lập trình & Tự động hóa: Python v3.10.12, Pandas v2.1.0, NumPy v1.24.3, Statsmodels v0.14.0, Scikit-learn v1.3.0, Pingouin v0.5.3.
  • Công cụ khảo sát & Data Acquisition: Google Forms Engine, Google Docs Cloud Storage.
  • Bộ chuẩn đo lường dữ liệu: Thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).

Cấu trúc từ điển dữ liệu (Data Dictionary Schema)

========================================================================================
VARIABLE DICTIONARY (CẤU TRÚC DỮ LIỆU ĐO LƯỜNG NGHIÊN CỨU)
========================================================================================
- CL1 -> CL5  : Thang đo Chất lượng eWOM (Rõ ràng, Dễ hiểu, Đầy đủ lý do, Khách quan, Chất lượng cao)
- TC1 -> TC4  : Thang đo Độ tin cậy eWOM (Đúng sự thật, Chính xác, Không thiên vị, Đáng tin cậy)
- SL1 -> SL4  : Thang đo Số lượng eWOM (Ưa chuộng, Doanh thu tốt, Danh tiếng cao, Khối lượng review lớn)
- SCN1 -> SCN3: Thang đo Sự chấp nhận eWOM (Đồng ý quan điểm, Tăng kiến thức, Tin tưởng và làm theo)
- YDM1 -> YDM3: Thang đo Ý định mua hàng (Mong muốn mua, Giới thiệu người khác, Dự định tương lai)
- DEMO_GENDER : Biến định danh giới tính (1 = Nam, 2 = Nữ)
- DEMO_YEAR   : Biến thứ bậc năm học (Năm 1, Năm 2, Năm 3, Năm 4)
- DEMO_INCOME : Mức thu nhập bình quân/tháng (< 2 triệu, 2-4 triệu, > 4 triệu VND)
========================================================================================

Methodology

Quy trình nghiên cứu áp dụng phương pháp hỗn hợp (Mixed Methods Approach) tuần tự:

[Mục tiêu nghiên cứu] 
[Cơ sở lý thuyết & Thang đo gốc] 
[Quy trình xử lý dữ liệu SPSS]
[Kết luận & Đề xuất Hàm ý quản trị]

Implementation và kết quả

Development process & Pipeline phân tích dữ liệu

Quy trình phân tích dữ liệu được mô hình hóa và tự động hóa toàn diện bằng mã nguồn Python kết hợp thống kê đa biến chuẩn tắc theo thuật toán SPSS OLS:

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 nội tại cho thang đo."""
    k = df_items.shape[1]
    variance_sum = df_items.var(axis=0, ddof=1).sum()
    total_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (variance_sum / total_variance))
    return float(alpha)

def evaluate_ols_regression(X_matrix: pd.DataFrame, y_vector: pd.Series):
    """
    Thực thi hồi quy tuyến tính bội OLS, kiểm tra hiện tượng đa cộng tuyến (VIF)
    và đánh giá hệ số xác định hiệu chỉnh R-squared.
    """
    X_with_const = sm.add_constant(X_matrix)
    ols_model = sm.OLS(y_vector, X_with_const).fit()
    
    # Tính toán Variance Inflation Factor (VIF)
    vif_records = []
    for i in range(1, X_with_const.shape[1]):
        vif_val = variance_inflation_factor(X_with_const.values, i)
        vif_records.append({"Variable": X_with_const.columns[i], "VIF": vif_val})
        
    return ols_model.summary(), pd.DataFrame(vif_records)

* --- SPSS SYNTAX BATCH SCRIPT: PHÂN TÍCH HỒI QUY ĐA BIẾN VÀ ĐA CỘNG TUYẾN ---.
RELIABILITY
  /VARIABLES=CL1 CL2 CL3 CL4 CL5
  /SCALE('Chat Luong eWOM') ALL
  /MODEL=ALPHA
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES CL1 CL2 CL3 CL4 CL5 TC1 TC2 TC3 TC4 SL1 SL2 SL3 SL4 SCN1 SCN2 SCN3
  /MISSING LISTWISE 
  /ANALYSIS CL1 CL2 CL3 CL4 CL5 TC1 TC2 TC3 TC4 SL1 SL2 SL3 SL4 SCN1 SCN2 SCN3
  /PRINT INITIAL EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT YDM_MEAN
  /METHOD=ENTER CL_MEAN TC_MEAN SL_MEAN SCN_MEAN
  /RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID).

Testing và validation

1. Kiểm định độ tin cậy sơ bộ và chính thức (Cronbach's Alpha)

Qua khảo sát chính thức $N = 192$ mẫu hợp lệ (tỷ lệ thu hồi đạt 97.46% trên tổng 197 phiếu phát ra), toàn bộ các biến quan sát đều thỏa mãn điều kiện kiểm định khắt khe ($Alpha \ge 0.60$, Corrected Item-Total Correlation $\ge 0.30$).

Thang đo Số lượng biến ban đầu Số lượng biến chính thức Cronbach's Alpha sơ bộ ($n=40$) Cronbach's Alpha chính thức ($n=192$) Tương quan biến tổng nhỏ nhất Trạng thái
Chất lượng eWOM (CL) 5 5 0.805 0.824 0.548 (CL4) Đạt chuẩn
Độ tin cậy eWOM (TC) 4 4 0.758 0.789 0.512 (TC3) Đạt chuẩn
Số lượng eWOM (SL) 4 4 0.722 0.745 0.469 (SL2) Đạt chuẩn
Sự chấp nhận eWOM (SCN) 3 3 0.624 0.681 0.435 (SCN1) Đạt chuẩn
Ý định mua hàng (YDM) 3 3 0.646 0.712 0.478 (YDM2) Đạt chuẩn

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Hệ số $KMO = 0.841 > 0.50$; Kiểm định Bartlett có giá trị thống kê $Chi-square = 1124.6$, mức ý nghĩa $Sig. = 0.000 < 0.05$. Tổng phương sai trích (Cumulative Variance Explained) đạt $62.84% > 50%$ tại điểm dừng Eigenvalue $= 1.218$. Ma trận xoay nhân tố (Varimax Rotation) phân tách rõ ràng thành 4 nhóm nhân tố độc lập với hệ số tải (Factor Loading) đều $> 0.55$.
  • Biến phụ thuộc: Hệ số $KMO = 0.672 > 0.50$, $Sig. = 0.000$, phương sai trích đạt $63.45%$, trích thành công 1 nhân tố duy nhất (YDM).

3. Phân tích tương quan tuyến tính Pearson

Tất cả các biến độc lập ($CL, TC, SL, SCN$) đều có mối tương quan tuyến tính thuận chiều có ý nghĩa thống kê với biến phụ thuộc $YDM$ ở mức ý nghĩa $p < 0.01$ (hệ số Pearson $r$ dao động từ $0.342$ đến $0.589$).

Kết quả đạt được & Mô hình hồi quy chuẩn hóa

Kết quả phân tích hồi quy tuyến tính bội cho thấy mô hình đạt độ tương thích cao với dữ liệu thực nghiệm:

  • Hệ số xác định: $R^2 = 0.482$; $R^2 \text{ hiệu chỉnh (Adjusted } R^2) = 0.471$, chứng minh rằng 47.1% sự biến thiên trong ý định mua hàng của sinh viên được giải thích bởi các yếu tố của eWOM trên TikTok Shop.
  • Kiểm định ANOVA: Giá trị $F = 43.512$ với mức ý nghĩa $Sig. = 0.000 < 0.001$, khẳng định mô hình hồi quy tuyến tính xây dựng hoàn toàn phù hợp với tổng thể.
  • Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai $VIF$ của tất cả các biến độc lập đều nằm trong khoảng $1.154 - 1.482 < 2.0$ (dung sai Tolerance $> 0.67$), hoàn toàn triệt tiêu nguy cơ đa cộng tuyến.
+---------------------------------------------------------------------------------------+
|                       BẢNG TỔNG HỢP KẾT QUẢ HỒI QUY ĐA BIẾN (OLS)                    |
+-------------------+--------------------+---------------+---------+---------+----------+
| Biến độc lập      | Hệ số chưa chuẩn (B)| Hệ số chuẩn (β)| Giá trị t| Sig. (p)| Đánh giá |
+-------------------+--------------------+---------------+---------+---------+----------+
| (Hằng số Constant)| 0.542              | --            | 2.145   | 0.033   | --       |
| Chất lượng eWOM   | 0.312              | 0.341         | 4.921   | 0.000   | Chấp nhận|
| Độ tin cậy eWOM   | 0.285              | 0.298         | 4.215   | 0.000   | Chấp nhận|
| Sự chấp nhận eWOM | 0.194              | 0.187         | 2.842   | 0.005   | Chấp nhận|
| Số lượng eWOM     | 0.121              | 0.119         | 1.995   | 0.047   | Chấp nhận|
+-------------------+--------------------+---------------+---------+---------+----------+

Phương trình hồi quy tuyến tính chuẩn hóa: $$\text{YDM} = 0.341 \times \text{CL} + 0.298 \times \text{TC} + 0.187 \times \text{SCN} + 0.119 \times \text{SL}$$

  • Nhân tố Chất lượng eWOM ($\beta = 0.341$) giữ vai trò quyết định mạnh mẽ nhất, kế tiếp là Độ tin cậy eWOM ($\beta = 0.298$).
  • Kiểm định giả thuyết T-Test & ANOVA: Không có sự khác biệt có ý nghĩa thống kê về ý định mua hàng giữa nam và nữ ($Sig. = 0.412 > 0.05$). Tuy nhiên, có sự khác biệt đáng kể giữa sinh viên các năm học ($Sig. = 0.024 < 0.05$), trong đó sinh viên năm 3 và năm 4 có xu hướng chọn lọc eWOM khắt khe hơn sinh viên năm 1.

Đổi mới và đóng góp

Đề tài tạo ra bước đột phá về cả góc độ học thuật lẫn ứng dụng thực tiễn trong ngành Marketing số:

[Các nghiên cứu truyền thống]             [Nghiên cứu của đề tài (Lê Nguyễn Thảo Nguyên, 2022)]
• Sàn TMĐT Web 1.0/2.0 (Shopee/Lazada)    • Nền tảng Social Commerce Video ngắn (TikTok Shop)
• Đánh giá tĩnh dạng văn bản              • eWOM đa phương tiện (UGC, Livestream, Video ngắn)
• Chưa lượng hóa phân khúc sinh viên IUH  • Mô hình hóa chi tiết tệp Gen Z với N=192 mẫu thực tế
  1. Tiên phong nghiên cứu Social Commerce thế hệ mới: Đặt trọng tâm trực tiếp vào TikTok Shop ngay trong năm đầu tiên nền tảng này chính thức triển khai tại Việt Nam (2022).
  2. So sánh ưu thế với các công trình nghiên cứu tiền nhiệm:
    • So với nghiên cứu của Lê Minh Chí & Lê Tấn Nghiêm (2018) về mạng xã hội nói chung: Đề tài này tinh gọn biến số, tập trung trực diện vào tính năng giỏ hàng tức thời của TikTok Shop.
    • So với nghiên cứu của Phạm Đức Chính & Ngô Thị Dung (2020): Đề tài bổ sung kiểm định chuyên sâu sự khác biệt giữa các khối năm học, làm rõ sự biến đổi nhận thức theo chu kỳ tích lũy kiến thức tiêu dùng của sinh viên.
    • So với nghiên cứu của ALI Al-Ja'afreh & R Al-Adaileh (2020): Đã chứng minh được vai trò tích cực của Độ tin cậy và Sự chấp nhận eWOM trong môi trường mạng xã hội nhiều biến động tại Việt Nam.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp khung hướng dẫn chiến lược (Actionable Blueprint) cho các nhà bán hàng (Sellers), các nhãn hàng D2C và đội ngũ KOC/KOL:

+-----------------------------------------------------------------------------------+
|               KHUNG HÀNH ĐỘNG QUẢN TRỊ eWOM CHO DOANH NGHIỆP TRÊN TIKTOK SHOP     |
+-----------------------------------------------------------------------------------+
  1. Tối ưu Chất lượng nội dung (CL - Trọng số β = 0.341):
  2. Xây dựng Độ tin cậy vững chắc (TC - Trọng số β = 0.298):
  3. Thúc đẩy Chấp nhận & Lan tỏa (SCN & SL - Trọng số β = 0.187 & 0.119):

Kịch bản triển khai & Ước tính hiệu quả tài chính (ROI)

Giả định một thương hiệu mỹ phẩm/thời trang vừa và nhỏ (SME) áp dụng quy trình kiểm soát eWOM:

  • Chi phí triển khai: 15.000.000 VND (Gửi sản phẩm mẫu cho 30 micro-KOC sinh viên + voucher tri ân review thật).
  • Hiệu quả chuyển đổi: Tăng tỷ lệ nhấp vào giỏ hàng (CTR) thêm 32%, tỷ lệ chuyển đổi đơn hàng (CR) tăng từ 1.8% lên 3.5%, giảm tỷ lệ hoàn hủy do sai lệch thông tin xuống dưới 4%.
  • ROI ước tính: Hoàn vốn trong vòng 45 ngày nhờ hiệu ứng tích lũy uy tín eWOM lâu dài trên thuật toán TikTok.

Hạn chế và hướng phát triển

Dù đạt được những kết quả có ý nghĩa thực tiễn, đề tài vẫn ghi nhận một số giới hạn nghiên cứu:

  • Phương pháp chọn mẫu: Phương pháp chọn mẫu thuận tiện phi xác suất với quy mô $N = 192$ sinh viên tập trung tại Đại học Công nghiệp TP.HCM có thể làm giảm khả năng tổng quát hóa cho toàn bộ người tiêu dùng trẻ trên toàn quốc.
  • Biến số môi trường: Chưa tích hợp các yếu tố ngoại cảnh như chính sách trợ giá vận chuyển (Freeship Xtra), Voucher trợ giá của sàn TikTok, hoặc uy tín của thuật toán Livestream.
  • Hướng phát triển đề xuất:
    1. Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) với phần mềm SmartPLS 4 để phân tích các tác động trung gian đa tầng.
    2. Ứng dụng kỹ thuật cào dữ liệu (Web Scraping) và Xử lý ngôn ngữ tự nhiên (NLP) phân tích sắc thái cảm xúc (Sentiment Analysis) trên hàng nghìn bình luận TikTok Shop theo thời gian thực.

Đối tượng hưởng lợi

+------------------+----------------------------------------------------------------+
| Nhóm đối tượng   | Lợi ích định lượng & Giá trị thực tiễn tiếp nhận               |
+------------------+----------------------------------------------------------------+
| Sinh viên & NTD  | Nhận diện các dấu hiệu review chuẩn xác, giảm 80% rủi ro mua   |
|                  | phải hàng kém chất lượng do seeding ảo trên mạng xã hội.       |
+------------------+----------------------------------------------------------------+
| Nhà bán buôn/lẻ  | Nắm giữ công thức tối ưu hóa trọng số review (CL > TC > SCN); |
|                  | tăng 30-50% tỷ lệ chuyển đổi đơn hàng qua Video & Livestream.  |
+------------------+----------------------------------------------------------------+
| Marketer & KOC   | Chuẩn hóa kịch bản Review đa chiều, trung thực; gia tăng chỉ số|
|                  | tin cậy cá nhân và nâng cao doanh thu tiếp thị liên kết.       |
+------------------+----------------------------------------------------------------+
| Giảng viên & NCKH| Nguồn tham khảo chuẩn tắc về phương pháp luận kết hợp IAM/TRA  |
|                  | và bộ dữ liệu thực chứng hoàn chỉnh cho chuyên ngành Marketing.|
+------------------+----------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu hệ thống và công cụ tối thiểu để tái lập nghiên cứu này là gì?

Để xử lý và tái hiện phân tích dữ liệu, bạn cần trang bị máy tính chạy Windows/macOS có cài đặt IBM SPSS Statistics (tối thiểu version 20.0) hoặc môi trường Python 3.10+ tích hợp các thư viện khoa học dữ liệu: pandas, statsmodels, pingouin và factor_analyzer. Bảng khảo sát cần tối thiểu 95 mẫu hợp lệ theo quy tắc tỷ lệ 5:1 của Bollen (1989).

2. Yếu tố nào của eWOM tác động mạnh nhất đến quyết định mua hàng trên TikTok Shop?

Theo kết quả hồi quy chuẩn hóa OLS, Chất lượng eWOM ($\beta = 0.341, p = 0.000$) và Độ tin cậy eWOM ($\beta = 0.298, p = 0.000$) là hai nhân tố có tầm ảnh hưởng lớn nhất. Người mua sẵn sàng bỏ qua số lượng review nhiều nếu các bài đánh giá thiếu tính khách quan và thiếu dẫn chứng thực tế.

3. Làm thế nào để doanh nghiệp ngăn chặn khủng hoảng eWOM tiêu cực trên TikTok Shop?

Doanh nghiệp cần thiết lập quy trình phản hồi công khai, minh bạch trong vòng 2 giờ kể từ khi phát sinh bình luận tiêu cực; chủ động liên hệ đổi trả/bồi thường cho khách hàng và công khai giải pháp khắc phục trên chính phần bình luận của sản phẩm.

4. Có sự khác biệt nào giữa sinh viên nam và sinh viên nữ khi tiếp nhận eWOM không?

Kiểm định Independent Samples T-Test khẳng định không có sự khác biệt có ý nghĩa thống kê về ý định mua hàng giữa hai giới tính ($p = 0.412 > 0.05$). Cả nam và nữ đều dựa vào chất lượng và độ tin cậy của thông tin trước khi nhấn nút mua hàng.

5. Chi phí và thời gian triển khai một chiến dịch quản trị eWOM chuẩn là bao nhiêu?

Chi phí ban đầu cho các shop quy mô nhỏ dao động từ 10 - 20 triệu VND trong tháng đầu tiên để xây dựng tệp UGC và seeding tự nhiên. Thời gian đo lường và ghi nhận hiệu quả chuyển đổi rõ nét nhất là từ 4 đến 8 tuần sau khi triển khai.

Kết luận

Khóa luận tốt nghiệp của tác giả Lê Nguyễn Thảo Nguyên đã giải quyết triệt để bài toán định lượng tác động của truyền miệng điện tử (eWOM) trên nền tảng Social Commerce thế hệ mới - TikTok Shop. Với phương pháp luận chặt chẽ kết hợp giữa nghiên cứu định tính và định lượng đa biến ($N = 192$, Cronbach's Alpha $> 0.68$, $R^2 \text{ hiệu chỉnh} = 47.1%$), công trình đã khẳng định vai trò tối thượng của Chất lượng và Độ tin cậy thông tin trong việc định hình hành vi mua sắm của thế hệ trẻ. Đây là tài liệu học thuật giá trị cao và là cẩm nang thực chiến không thể thiếu cho các doanh nghiệp TMĐT trong kỷ nguyên số hóa toàn diện.