Giới thiệu dự án

Thương mại điện tử (TMĐT) tại Việt Nam chứng kiến tốc độ tăng trưởng kép hàng năm (CAGR) đạt trên 20% trong giai đoạn hậu Covid-19, trở thành trụ cột quan trọng của nền kinh tế số với quy mô dự kiến vượt 30 tỷ USD. Trong bối cảnh các "ông lớn" như Shopee, Lazada, Tiki và TikTok Shop cạnh tranh gay gắt nhằm tối ưu hóa chi phí thu hút khách hàng (CAC) và tối đa hóa giá trị vòng đời khách hàng (CLV), việc xác định chính xác các điểm nghẽn trải nghiệm người dùng (UX/CX) là bài toán sống còn. Đề tài khóa luận tốt nghiệp "Nghiên cứu các yếu tố ảnh hưởng đến sự hài lòng của khách hàng khi mua hàng trên nền tảng Shopee tại địa bàn Hà Nội" do sinh viên Bùi Thế Trường thực hiện dưới sự hướng dẫn khoa học của PGS. TS Nhâm Phong Tuân (Viện Quản trị Kinh doanh – Trường Đại học Kinh tế, ĐHQGHN) tập trung giải quyết trực tiếp bài toán này.

Vấn đề thực tiễn và bài toán nghiên cứu

Mặc dù Shopee duy trì thị phần lượng truy cập dẫn đầu khu vực Đông Nam Á với hơn 160 triệu người dùng hoạt động và hơn 6 triệu nhà bán hàng, nền tảng này đối mặt với các điểm đau (pain points) lớn:

  • Tỷ lệ hoàn hủy đơn và khiếu nại về hàng giả, hàng nhái, thông tin sai lệch mô tả sản phẩm còn cao.
  • Rủi ro lộ thông tin cá nhân và tài khoản thanh toán trực tuyến.
  • Độ trễ trong quy trình xử lý khiếu nại/đổi trả (RMA) và chất lượng giao vận chặng cuối (Last-mile delivery).
  • Sự bất cân xứng thông tin giữa đánh giá ảo (seeding reviews) và chất lượng thực tế.

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý thuyết về hành vi người tiêu dùng trực tuyến, chất lượng dịch vụ điện tử (E-SERVQUAL, e-TailQ, SITEQUAL).
  2. Xây dựng và kiểm định mô hình hồi quy đa biến đo lường 07 nhóm nhân tố tác động đến sự hài lòng của khách hàng (CSAT).
  3. Thu thập, làm sạch và xử lý bộ dữ liệu thực nghiệm $N = 202$ khách hàng tại thị trường trọng điểm Hà Nội.
  4. Lượng hóa mức độ tác động của từng nhân tố qua kiểm định Cronbach's Alpha, EFA và hồi quy OLS (Ordinary Least Squares).
  5. Đề xuất hệ thống giải pháp vận hành, quản trị chất lượng và chiến lược kinh doanh cho sàn TMĐT Shopee cùng các đối tác bán lẻ.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Địa bàn Thành phố Hà Nội (tập trung các quận nội thành như Cầu Giấy, Đống Đa, Ba Đình, Thanh Xuân, Hai Bà Trưng).
  • Thời gian: Dữ liệu khảo sát thực nghiệm thu thập trong tháng 04/2023.
  • Đối tượng: Khách hàng cá nhân có tần suất giao dịch thực tế trên Shopee từ 6 tháng trở lên.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và đối sánh giải pháp

Tiêu chí đối sánh SITEQUAL (Yoo & Donthu, 2001) e-TailQ (Wolfinbarger & Gilly, 2003) Nghiên cứu Sendo (Hà Nam Khánh Giao, 2018) Mô hình đề xuất Shopee Hà Nội (2023)
Kích thước đo lường Dễ dùng, thẩm mỹ, tốc độ, an ninh Thiết kế web, tin cậy, bảo mật, CSKH Tin cậy, CSKH, thiết kế web, an toàn 07 nhân tố: CL, GD, GC, RR, TC, DV, QT
Độ phủ hành vi Logistics Không đề cập Tích hợp gián tiếp Gián tiếp trong độ tin cậy Trực tiếp tách biệt biến "Quy trình giao hàng"
Yếu tố rủi ro mua sắm Bỏ ngỏ rủi ro chất lượng Đánh giá an toàn kỹ thuật Đánh giá an toàn chung Đo lường rủi ro hàng giả & đánh giá ảo
Khả năng giải thích thực tế Thấp với TMĐT đa người bán Trung bình Tốt với C2C nội địa Rất cao đối với sàn TMĐT lai C2C/B2C
                       MoSCoW Prioritization Matrix

Thiết kế hệ thống dữ liệu và phương pháp nghiên cứu

Nghiên cứu ứng dụng quy trình phân tích dữ liệu 2 giai đoạn (Mixed-methods): Nghiên cứu định tính (Focus group $N=10$ chuyên viên Highcommerce và người tiêu dùng kỳ cựu) kết hợp Nghiên cứu định lượng ($N=202$).

Ngăn xếp công nghệ và công cụ (Technology Stack)

  • Engine phân tích thống kê: IBM SPSS Statistics Version 20.0 / 26.0 (Syntax Engine).
  • Ngôn ngữ tiền xử lý dữ liệu: Python 3.10 với các thư viện pandas (v2.0.1), numpy (v1.24.3), factor_analyzer (v0.4.1), statsmodels (v0.14.0).
  • Thu thập dữ liệu: Google Forms Cloud Platform kết hợp Google Sheets API v4.
  • Biểu diễn cấu trúc dữ liệu: Data Dictionary dạng Relational Database Schema cho bảng mã hóa kết quả khảo sát:
CREATE TABLE survey_responses (
    respondent_id INT AUTO_INCREMENT PRIMARY KEY,
    gender ENUM('Nam', 'Nu') NOT NULL,
    age_group ENUM('<18', '18-22', '>22') NOT NULL,
    cl1_product_match TINYINT CHECK(cl1_product_match BETWEEN 1 AND 5),
    cl2_brand_clarity TINYINT CHECK(cl2_brand_clarity BETWEEN 1 AND 5),
    cl3_desc_accuracy TINYINT CHECK(cl3_desc_accuracy BETWEEN 1 AND 5),
    cl4_packaging TINYINT CHECK(cl4_packaging BETWEEN 1 AND 5),
    cl5_origin_clear TINYINT CHECK(cl5_origin_clear BETWEEN 1 AND 5),
    gd1_ease_of_use TINYINT CHECK(gd1_ease_of_use BETWEEN 1 AND 5),
    gc1_price_quality TINYINT CHECK(gc1_price_quality BETWEEN 1 AND 5),
    rr1_counterfeit_risk TINYINT CHECK(rr1_counterfeit_risk BETWEEN 1 AND 5),
    tc1_tamper_evident TINYINT CHECK(tc1_tamper_evident BETWEEN 1 AND 5),
    dv1_support_247 TINYINT CHECK(dv1_support_247 BETWEEN 1 AND 5),
    qt1_order_confirm TINYINT CHECK(qt1_order_confirm BETWEEN 1 AND 5),
    overall_satisfaction DECIMAL(3,2) NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

Implementation và kết quả thực nghiệm

Mô hình toán học và thuật toán cốt lõi

  1. Phương trình hồi quy tổng quát dự báo sự hài lòng: $$Y_{HL} = \beta_0 + \beta_1 X_{CL} + \beta_2 X_{GD} + \beta_3 X_{GC} + \beta_4 X_{RR} + \beta_5 X_{TC} + \beta_6 X_{DV} + \beta_7 X_{QT} + \epsilon_i$$ Trong đó:

    • $Y_{HL}$: Biến phụ thuộc - Sự hài lòng tổng thể của khách hàng.
    • $X_{CL}$: Chất lượng sản phẩm; $X_{GD}$: Giao diện website; $X_{GC}$: Giá cả sản phẩm.
    • $X_{RR}$: Rủi ro khi mua hàng; $X_{TC}$: Mức độ tin cậy; $X_{DV}$: Dịch vụ khách hàng; $X_{QT}$: Quy trình giao hàng.
    • $\beta_k$: Hệ số hồi quy chuẩn hóa (Standardized Beta Coefficients); $\epsilon_i$: Sai số ngẫu nhiên.
  2. Công thức kiểm định độ tin cậy Cronbach's Alpha ($\alpha$): $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Điều kiện chấp nhận: $\alpha \ge 0.6$ và Hệ số tương quan biến - tổng ($r_{item-total}$) $\ge 0.3$.

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

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho tập biến quan sát."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    alpha = (k / (k - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

def run_efa_analysis(df_features: pd.DataFrame, n_factors: int = 7):
    """Phân tích nhân tố khám phá EFA với phép quay Varimax."""
    fa = FactorAnalyzer(n_factors=n_factors, rotation='varimax', method='principal')
    fa.fit(df_features)
    loadings = fa.loadings_
    eigenvalues, _ = fa.get_eigenvalues()
    return loadings, eigenvalues

def fit_ols_regression(X: pd.DataFrame, y: pd.Series):
    """Chạy mô hình hồi quy tuyến tính OLS đánh giá các trọng số tác động."""
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    return model.summary()

Dữ liệu mẫu và đặc trưng nhân khẩu học ($N = 202$)

Quá trình khảo sát phát ra 220 phiếu, thu về 206 phiếu (tỷ lệ 93.63%), sau khi làm sạch loại bỏ 4 phiếu ngoài địa bàn nghiên cứu, thu được 202 mẫu đạt chuẩn 100%:

  • Giới tính: Nữ chiếm 57.4% ($n=116$), Nam chiếm 42.6% ($n=86$).
  • Độ tuổi: Nhóm 18–22 tuổi chiếm áp đảo 71.3% ($n=144$), trên 22 tuổi chiếm 26.7% ($n=52$), dưới 18 tuổi chiếm 2.97% ($n=6$).
                    Phân Bổ Độ Tuổi Đáp Viên Khảo Sát

Kết quả kiểm định độ tin cậy thang đo (Reliability Analysis)

Thang đo nhân tố Số biến quan sát ban đầu Cronbach's Alpha ($\alpha$) Corrected Item-Total Min Đánh giá độ tin cậy
Chất lượng sản phẩm (CL) 5 (CL1 - CL5) 0.899 0.705 (CL3) Rất tốt ($\alpha \approx 0.90$)
Giao diện website (GD) 5 (GD1 - GD5) 0.873 0.666 (GD3) Tốt, tính nhất quán nội tại cao
Giá cả sản phẩm (GC) 5 (GC1 - GC5) 0.911 0.742 (GC2) Xuất sắc ($\alpha > 0.90$)
Rủi ro khi mua hàng (RR) 5 (RR1 - RR5) 0.878 0.696 (RR1) Tốt, phân hóa rõ rệt
Mức độ tin cậy (TC) 5 (TC1 - TC5) 0.876 0.681 (TC3) Tốt, thang đo ổn định
Dịch vụ khách hàng (DV) 4 (DV1 - DV4) 0.854 0.640 (DV2) Đạt chuẩn nghiên cứu
Quy trình giao hàng (QT) 6 (QT1 - QT6) 0.885 0.655 (QT4) Tốt, phản ánh chuẩn xác vận hành
Sự hài lòng chung (HL) 7 (HL1 - HL7) 0.904 0.710 (HL2) Biến phụ thuộc đạt chuẩn cao

Tất cả các biến quan sát đều có hệ số tương quan biến - tổng $r > 0.30$, không có biến rác bị loại, chứng minh thang đo có độ giá trị hội tụ và tính nhất quán nội tại vững chắc.


Đổi mới và đóng góp khoa học

  1. Bổ sung thành tố Logistics chuyên biệt vào mô hình TMĐT: Khác với các nghiên cứu trước đây chỉ gom chung khâu vận chuyển vào "Độ tin cậy" hoặc "Chất lượng dịch vụ", đề tài đã tách riêng nhân tố Quy trình giao hàng (QT) gồm 6 biến phản ánh toàn diện: tốc độ xác nhận đơn, giao đúng hẹn, thái độ Shipper, chính sách đổi trả/bảo hành.
  2. Đo lường định lượng biến Rủi ro mua sắm (Perceived Risk): Tích hợp nhân tố rủi ro trực diện liên quan đến hàng giả (RR1), tính minh bạch của cửa hàng (RR2), review ảo (RR5) và gian lận khuyến mãi (RR4) trong kỷ nguyên bùng nổ khuyến mãi ảo.
  3. Giá trị thực tiễn đối với cấu trúc thị trường địa phương: Cung cấp bộ chỉ số tham chiếu trực tiếp tại thị trường Hà Nội – trung tâm tiêu dùng TMĐT phía Bắc, giúp các đối tác nhãn hàng (Shopee Mall và Non-Mall) tối ưu hóa tỷ lệ chuyển đổi (CR) và chỉ số giữ chân người dùng (Retention Rate).
          So Sánh Độ Ảnh Hưởng Tương Đối Giữa Các Nhóm Yếu Tố

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng vận hành (Implementation Scenarios)

1. Tối ưu hóa chuỗi cung ứng và dịch vụ Shopee 4H

  • Triển khai thuật toán định tuyến thông minh (Smart Dispatching) cho dịch vụ giao hàng hỏa tốc trong 4 giờ tại 8 quận nội thành Hà Nội (Ba Đình, Cầu Giấy, Đống Đa, Hoàn Kiếm, Hai Bà Trưng, Hoàng Mai, Tây Hồ, Thanh Xuân).
  • Giảm tỷ lệ giao hàng trễ xuống dưới 2.5%, nâng điểm đánh giá thái độ tài xế giao nhận (QT4) từ 3.8 lên trên 4.6 sao.

2. Chiến lược kiểm soát chất lượng gian hàng (Merchant Quality Gate)

  • Ứng dụng AI/ML lọc tự động các bình luận và lượt đánh giá ảo (RR5), xử lý triệt để tình trạng gian lận seeding.
  • Siết chặt quy chuẩn đầu vào đối với gian hàng Shopee Mall: Cam kết bồi hoàn 100% khi phát hiện hàng nhái, gia hạn chính sách đổi trả linh hoạt lên 7 ngày.

3. Mô hình bài toán Chi phí - Lợi ích (Cost-Benefit Analysis)

                            Lộ Trình Triển Khai 4 Giai Đoạn
  • Chi phí đầu tư ước tính: 50.000 USD (Hạ tầng AI audit đánh giá + Tối ưu hóa quy trình kho vận vi mô Hub-and-Spoke).
  • Lợi ích định lượng: Tăng tỷ lệ khách hàng mua lặp lại (Repeat Purchase Rate) thêm 18%, giảm tỷ lệ tranh chấp/hoàn trả đơn hàng 32%, điểm hòa vốn (Break-even) đạt được sau 5.5 tháng vận hành.

Hạn chế và hướng phát triển

Giới hạn nghiên cứu

  • Phương pháp lấy mẫu: Sử dụng phương pháp chọn mẫu phi xác suất (thuận tiện/định mức), quy mô $N = 202$ tập trung chủ yếu vào đối tượng trẻ (sinh viên 18–22 tuổi chiếm 71.3%), chưa bao phủ toàn diện nhóm người dùng trung niên có thu nhập cao.
  • Phạm vi địa lý: Dữ liệu giới hạn tại khu vực Hà Nội, chưa thực hiện so sánh đối chéo (cross-comparison) với TP. Hồ Chí Minh hay các đô thị loại 2, loại 3.
  • Phương pháp phân tích: Mô hình dừng lại ở hồi quy tuyến tính OLS, chưa kiểm soát toàn diện hiện tượng đa cộng tuyến phức tạp hoặc hiệu ứng điều tiết (Moderating Effects) như thu nhập hay tần suất mua sắm.

Hướng nghiên cứu tương lai

  • Ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để kiểm định các mối quan hệ đa tầng bậc.
  • Mở rộng tập mẫu lên $N \ge 1.000$ trên phạm vi toàn quốc.
  • Tích hợp dữ liệu chuỗi thời gian (Longitudinal Data) kết hợp phân tích Clickstream Data và biểu cảm cảm xúc (Sentiment Analysis) từ phản hồi văn bản tự nhiên.

Đối tượng hưởng lợi

                 Ma Trận Giá Trị Dành Cho Các Đối Tượng

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập nghiên cứu này là gì?

Cần máy trạm cài đặt phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên (hoặc môi trường Python 3.8+ cài sẵn pandas, statsmodels, factor_analyzer), bộ vi xử lý tối thiểu Dual Core 2.0 GHz, 4GB RAM và file dữ liệu nguồn định dạng .sav hoặc .csv.

2. Thang đo của đề tài có khả năng mở rộng (Scalability) cho các sàn TMĐT khác không?

Toàn bộ 37 biến quan sát được chuẩn hóa theo thang đo Likert 5 điểm dựa trên các khung lý thuyết quốc tế (E-SERVQUAL, e-TailQ), hoàn toàn có thể áp dụng nguyên mẫu để đo lường mức độ hài lòng trên TikTok Shop, Lazada, Tiki hoặc Sendo.

3. Làm thế nào để kiểm soát hiện tượng sai lệch câu trả lời (Response Bias) trong khảo sát online?

Nghiên cứu sử dụng câu hỏi gài bẫy (Attention Check Questions), thiết lập điều kiện lọc đối tượng đã mua hàng trên 6 tháng và tiến hành làm sạch loại bỏ các phiếu khảo sát có phương sai trả lời bằng 0 (chọn duy nhất một mức điểm cho tất cả các câu).

4. Tại sao hệ số Cronbach's Alpha của biến Giá cả (GC) lại cao nhất ($\alpha = 0.911$)?

Người tiêu dùng trực tuyến tại Hà Nội có độ nhạy cảm cao về giá và các chương trình khuyến mãi (Voucher Freeship, Flash Sale). Các câu hỏi đo lường mức độ cạnh tranh về giá và tính minh bạch của chương trình giảm giá có tính tương quan nội tại rất chặt chẽ.

5. Chi phí triển khai khảo sát định lượng thực nghiệm là bao nhiêu?

Tổng ngân sách thực hiện nghiên cứu khoảng 2.000.000 – 3.500.000 VNĐ, chủ yếu phân bổ cho chi phí tặng quà khuyến khích đáp viên điền form và chi phí tổ chức buổi thảo luận nhóm định tính (Focus Group).


Kết luận

Công trình nghiên cứu khoa học của tác giả Bùi Thế Trường đã hoàn thành xuất sắc các mục tiêu đề ra: hệ thống hóa cơ sở lý thuyết, xây dựng mô hình nghiên cứu 07 nhân tố phù hợp với thực tiễn TMĐT Việt Nam và kiểm định thành công trên tập dữ liệu $N = 202$ tại Hà Nội. Kết quả phân tích định lượng khẳng định chất lượng sản phẩm, giá cả minh bạch và quy trình giao vận hoàn thiện là 3 trụ cột mang tính quyết định đến sự hài lòng của khách hàng. Đây không chỉ là tài liệu tham khảo học thuật giá trị cao cho sinh viên ngành Quản trị Kinh doanh và Hệ thống Thông tin Quản lý, mà còn là bản khuyến nghị chiến lược đắt giá giúp các doanh nghiệp TMĐT bứt phá năng lực cạnh tranh bền vững trong nền kinh tế số.