Giới thiệu dự án

Thị trường bán lẻ hiện đại tại Việt Nam đang chứng kiến sự chuyển dịch cơ cấu sâu sắc khi người tiêu dùng dần chuyển từ các chợ truyền thống sang mô hình siêu thị và chuỗi cửa hàng tiện lợi. Theo báo cáo xu hướng tiêu dùng của Nielsen, tỷ lệ người tiêu dùng lựa chọn các kênh bán lẻ hiện đại tăng trưởng ổn định qua các năm nhờ ưu thế về vệ sinh an toàn thực phẩm, nguồn gốc xuất xứ minh bạch và trải nghiệm mua sắm tiện nghi. Tại khu vực Thành phố Hồ Chí Minh (TP.HCM), một đại đô thị với hơn 100 trường đại học, cao đẳng và hàng trăm nghìn sinh viên nhập học mỗi năm, phân khúc khách hàng trẻ (Gen Z) nổi lên như một động lực tăng trưởng cốt lõi cho các chuỗi bán lẻ quy mô vừa và nhỏ (minimart).

Chuỗi siêu thị mini WinMart+ (thuộc WinCommerce - Tập đoàn Masan) sở hữu tốc độ mở rộng mạng lưới nhanh chóng với kế hoạch bổ sung hàng trăm điểm bán mới mỗi năm. Tuy nhiên, áp lực cạnh tranh gay gắt từ các đối thủ cùng phân khúc như Bách Hóa Xanh, Co.op Food, Satrafoods, cùng với các chuỗi đại siêu thị ngoại nhập như AEON, Emart (THACO), Tops Market (Central Retail) đặt ra bài toán tối ưu hóa mô hình vận hành và định vị khách hàng. Doanh thu của hệ thống WinMart+ trong 9 tháng đầu năm 2022 đạt 12.070 tỷ đồng (giảm 19,4% so với cùng kỳ năm 2021) và các điểm bán mới mở đóng góp 2.661 tỷ đồng nhưng vẫn chịu áp lực sinh lời lớn.

Vấn đề đặt ra là WinMart+ cần hiểu rõ các nhân tố quyết định đến hành vi tiêu dùng của nhóm khách hàng sinh viên—những người có thu nhập phụ thuộc, nhạy cảm về giá, đòi hỏi cao về tốc độ và sự tiện lợi nhưng lại là nhóm khách hàng tiềm năng xây dựng lòng trung thành thương hiệu lâu dài.

Đề tài khóa luận tốt nghiệp: "Nghiên cứu các nhân tố ảnh hưởng đến quyết định mua sắm tại siêu thị mini WinMart+ của sinh viên khu vực Thành phố Hồ Chí Minh" (Tác giả: Mai Thị Kim Ngân; Giảng viên hướng dẫn: TS. Trần Dục Thức; Trường Đại học Ngân hàng TP.HCM, 2022) được triển khai nhằm giải quyết các mục tiêu cụ thể:

  1. Xác định các nhân tố cấu thành: Nhận diện và hệ thống hóa các nhóm nhân tố tác động trực tiếp đến quyết định mua sắm của sinh viên tại WinMart+ trên địa bàn TP.HCM.
  2. Đo lường mức độ ảnh hưởng: Ứng dụng các mô hình kinh tế lượng và kỹ thuật thống kê đa biến để lượng hóa trọng số tác động của từng nhân tố.
  3. Đề xuất hàm ý quản trị: Xây dựng hệ thống giải pháp thực tiễn dựa trên dữ liệu thực nghiệm giúp ban điều hành WinMart+ gia tăng thị phần, cải thiện doanh số và tối ưu hóa trải nghiệm khách hàng sinh viên.

Phạm vi và giới hạn nghiên cứu:

  • Không gian: Các cơ sở giáo dục đại học, cao đẳng trên địa bàn TP.HCM.
  • Thời gian: Dữ liệu khảo sát sơ cấp thu thập từ tháng 09/2022 đến tháng 10/2022; dữ liệu thứ cấp giai đoạn 2018 - 2022.
  • Giới hạn mẫu: Cỡ mẫu định lượng $N = 150$ sinh viên đã từng có trải nghiệm mua sắm tại WinMart+.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Quá trình ra quyết định mua hàng của người tiêu dùng được soi chiếu qua hai mô hình kinh điển: Thuyết hành động hợp lý (TRA - Theory of Reasoned Action của Fishbein & Ajzen, 1975) và Thuyết hành vi có kế hoạch (TPB - Theory of Planned Behavior của Ajzen, 1991), kết hợp mô hình 5 giai đoạn ra quyết định của Philip Kotler (2001).

graph LR
    A[Nhận thức nhu cầu] --> B[Tìm kiếm thông tin]
    B --> C[Đánh giá phương án]
    C --> D[Quyết định mua sắm]
    D --> E[Hành vi sau mua]

Để xây dựng khung nghiên cứu thực nghiệm phù hợp với bối cảnh chuỗi siêu thị mini tại TP.HCM, tác giả đã tiến hành tổng quan và so sánh các công trình khoa học tiêu biểu trong và ngoài nước:

Tác giả & Năm Mô hình / Phương pháp Các biến độc lập chính Ưu điểm & Hạn chế
Nguyễn Hải Ninh & Đinh Vân Oanh (2015) Hồi quy tuyến tính đa biến ($N=350$) Địa điểm/Cơ sở vật chất, Hàng hóa/Dịch vụ, Giá, Khuyến mại, Tin cậy, Nhân viên, Chăm sóc khách hàng Đầy đủ biến số tổng quát nhưng áp dụng cho toàn bộ tập khách hàng phổ thông, chưa phân hóa nhóm sinh viên.
Trần Văn Dũng & Nguyễn Thị Minh Tâm (2020) EFA & Hồi quy OLS ($N=200$) An toàn thực phẩm, Sản phẩm, Bao bì, Giá cả - Chiêu thị Nhấn mạnh biến An toàn thực phẩm nhưng khảo sát tại mô hình đại siêu thị MM Mega Market Long Xuyên.
Nguyễn Văn Ngọc & Vũ Duy Hảo (2018) Binary Logistic & EFA ($N=200$) Sản phẩm, Giá cả, Thuận tiện, Không gian, Quảng cáo, Sự tin cậy So sánh kênh chợ và siêu thị tại Nha Trang; mô hình nhị phân chưa đo lường chi tiết mức độ hài lòng liên tục.
James Cho et al. (2014) Thống kê định lượng hành vi ngẫu hứng Thú vui mua sắm, Cảm xúc, Không khí, Bố cục, Nhân viên, Khuyến mại Tập trung vào hành vi mua ngẫu hứng (impulse buying), bỏ qua yếu tố an toàn vệ sinh thực phẩm.
Mark Speece et al. (2012) Thống kê mô tả & Khảo sát minimart Dịch vụ, Chất lượng sản phẩm, Giá cả, Trưng bày, Đa dạng sản phẩm Nghiên cứu giai đoạn đầu của minimart tại Hà Nội, dữ liệu chưa cập nhật xu hướng Gen Z hiện nay.

Phân loại nhu cầu sinh viên theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Minh bạch nguồn gốc thực phẩm tươi sống, niêm yết giá rõ ràng, vị trí gần trường học/ký túc xá.
  • Should-have (Nên có): Chương trình giảm giá trực tiếp cho sinh viên, thanh toán điện tử nhanh chóng (QR Pay, ví điện tử), nhân viên thân thiện.
  • Could-have (Có thể có): Không gian bày trí trẻ trung, wifi miễn phí, tích hợp quầy đồ ăn nhanh/chế biến tại chỗ.
  • Won't-have (Không ưu tiên hiện tại): Các dòng sản phẩm nhập khẩu cao cấp xa xỉ, diện tích đỗ xe ô tô lớn.

Thiết kế hệ thống nghiên cứu

Mô hình nghiên cứu đề xuất gồm 6 nhóm nhân tố độc lập (23 biến quan sát) tác động lên 1 biến phụ thuộc là Quyết định mua sắm ($QD$ - 3 biến quan sát):

graph TD
    CS[Địa điểm / Cơ sở vật chất - CS] --> QD[Quyết định mua sắm - QD]
    SP[Sản phẩm - SP] --> QD
    AT[An toàn vệ sinh thực phẩm - AT] --> QD
    GB[Giá bán & Chính sách giá - GB] --> QD
    KM[Khuyến mãi - KM] --> QD
    NV[Nhân viên phục vụ - NV] --> QD

Đặc tả mô hình toán học (OLS Linear Regression):

$$QD = \beta_0 + \beta_1 CS + \beta_2 SP + \beta_3 AT + \beta_4 GB + \beta_5 KM + \beta_6 NV + \epsilon$$

Trong đó:

  • $QD$: Biến phụ thuộc (Quyết định mua hàng tại WinMart+)
  • $CS, SP, AT, GB, KM, NV$: Các biến độc lập được chuẩn hóa từ thang đo Likert 5 mức độ (1 = Hoàn toàn không đồng ý đến 5 = Hoàn toàn đồng ý)
  • $\beta_0$: Hằng số hồi quy; $\beta_1 \dots \beta_6$: Các hệ số hồi quy riêng phần; $\epsilon$: Sai số ngẫu nhiên

Cấu trúc dữ liệu và Thang đo (Data Schema):

Mã biến Tên nhân tố Số biến quan sát Biến quan sát tiêu biểu Thang đo
CS Cơ sở vật chất 4 $CS_1$: Vị trí thuận lợi; $CS_3$: Sắp xếp logic; $CS_4$: Không khí mát mẻ Likert 5 điểm
SP Sản phẩm 4 $SP_1$: Sản phẩm đa dạng; $SP_2$: Đảm bảo chất lượng; $SP_3$: Thực phẩm tươi sống Likert 5 điểm
AT An toàn thực phẩm 5 $AT_1$: Có tem nhãn nguồn gốc; $AT_4$: Không bán hàng cận date Likert 5 điểm
GB Giá bán 4 $GB_1$: Niêm yết rõ ràng; $GB_3$: Chương trình bình ổn giá Likert 5 điểm
KM Khuyến mãi 4 $KM_2$: Ưu đãi sinh viên; $KM_3$: Hình thức đa dạng (Mua 1 tặng 1) Likert 5 điểm
NV Nhân viên 5 $NV_1$: Thân thiện, vui vẻ; $NV_4$: Thu ngân thanh toán nhanh Likert 5 điểm
QD Quyết định mua 3 $QD_1$: Tự tin mua sắm; $QD_2$: Giới thiệu bạn bè; $QD_3$: Tiếp tục mua Likert 5 điểm

Technology Stack & Công cụ xử lý:

  • Thu thập dữ liệu: Google Forms API kết hợp khảo sát trực tiếp tại các giảng đường.
  • Làm sạch dữ liệu: Microsoft Excel 2019 / Microsoft 365 (Data Validation, Missing values removal).
  • Phân tích kinh tế lượng: IBM SPSS Statistics phiên bản 20.0.
  • Tiêu chuẩn kiểm định thống kê:
    • Độ tin cậy thang đo: Cronbach's Alpha $\ge 0.70$; Tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.
    • Phân tích nhân tố khám phá (EFA): KMO $\ge 0.50$, $p$-value Bartlett $< 0.05$, Factor Loading $\ge 0.50$, Tổng phương sai trích (Total Variance Explained) $\ge 50%$, Eigenvalue $> 1.0$.
    • Hồi quy tuyến tính: Đa cộng tuyến $VIF < 10$ (thực tế kỳ vọng $< 2.0$), Tự tương quan Durbin-Watson $d \in [1.5, 2.5]$, Mức ý nghĩa $p < 0.05$.

Methodology

Quy trình nghiên cứu áp dụng phương pháp kết hợp (Mixed-Method Research Design) chia làm 2 giai đoạn:

sequenceDiagram
    autonumber
    participant LT as Cơ sở lý thuyết
    participant DL as Nghiên cứu Định tính (N=5 + Chuyên gia)
    participant SB as Khảo sát Sơ bộ (N=30)
    participant CT as Khảo sát Chính thức (N=150)
    participant SPSS as Phân tích SPSS 20.0
    
    LT->>DL: Tổng hợp khung biến số (TRA/TPB/Nghiên cứu trước)
    DL->>SB: Xây dựng thang đo nháp (26 biến quan sát)
    SB->>SPSS: Kiểm định sơ bộ Cronbach's Alpha
    SPSS-->>SB: Hệ số Alpha > 0.70 (Thang đo chuẩn)
    SB->>CT: Triển khai bảng hỏi chính thức
    CT->>SPSS: Làm sạch & Phân tích EFA, Hồi quy, ANOVA

Kế hoạch cỡ mẫu và Quản trị rủi ro:

  • Xác định cỡ mẫu: Theo nguyên tắc của Hair et al. (2010), kích thước mẫu tối thiểu cần gấp 5 lần số biến quan sát: $N_{min} = 5 \times 26 = 130$. Nghiên cứu đã thu thập $N = 150$ mẫu hợp lệ, đáp ứng biên độ dự phòng sai số ($+15.38%$).
  • Kiểm soát rủi ro thu thập: Tránh sai lệch chọn mẫu (Sampling Bias) bằng cách phân bổ đều tại các trường khối Kinh tế, Kỹ thuật và Xã hội; sàng lọc câu trả lời trùng lặp IP và câu trả lời bẫy (Attention Check Questions).

Implementation và kết quả

Development process

Dữ liệu sơ cấp sau khi thu thập được mã hóa và xử lý theo kịch bản thống kê trên SPSS 20.0. Dưới đây là cú pháp thuật toán (SPSS Syntax) và mã nguồn tương đương trong Python để thực thi phân tích:

* 1. Kiem dinh Cronbach's Alpha cho nhom bien Dia diem/Co so vat chat.
RELIABILITY
  /VARIABLES=CS1 CS2 CS3 CS4
  /SCALE('CoSoVatChat') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

* 2. Phan tich Nhan to Kham pha (EFA) trich Principal Components va phep quay Varimax.
FACTOR
  /VARIABLES CS1 CS2 CS3 CS4 SP1 SP2 SP3 SP4 AT1 AT2 AT3 AT4 AT5 GB1 GB2 GB3 GB4 KM1 KM2 KM3 KM4 NV1 NV2 NV3 NV4 NV5
  /MISSING LISTWISE 
  /ANALYSIS CS1 CS2 CS3 CS4 SP1 SP2 SP3 SP4 AT1 AT2 AT3 AT4 AT5 GB1 GB2 GB3 GB4 KM1 KM2 KM3 KM4 NV1 NV2 NV3 NV4 NV5
  /PRINT INITIAL EXTRACTION ROTATION KMO
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

* 3. Phan tich Hoi quy Tuyen tinh Da bien (OLS).
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT QD
  /METHOD=ENTER CS SP AT GB KM NV
  /RESIDUALS DURBIN.

Kịch bản phân tích tự động hóa tương đương bằng Python (statsmodels và factor_analyzer):

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

# Đọc tập dữ liệu khảo sát (N=150)
df = pd.read_excel("WinMart_Survey_Data.xlsx")

# 1. Tính toán giá trị trung bình đại diện cho từng nhân tố
factors = {
    'CS': ['CS1', 'CS2', 'CS3', 'CS4'],
    'SP': ['SP1', 'SP2', 'SP3', 'SP4'],
    'AT': ['AT1', 'AT2', 'AT3', 'AT4', 'AT5'],
    'GB': ['GB1', 'GB2', 'GB3', 'GB4'],
    'KM': ['KM1', 'KM2', 'KM3', 'KM4'],
    'NV': ['NV1', 'NV2', 'NV3', 'NV4', 'NV5'],
    'QD': ['QD1', 'QD2', 'QD3']
}

for factor, cols in factors.items():
    df[factor] = df[cols].mean(axis=1)

# 2. Xây dựng mô hình OLS Regression
X = df[['CS', 'SP', 'AT', 'GB', 'KM', 'NV']]
X = sm.add_constant(X)
y = df['QD']

model = sm.OLS(y, X).fit()

# In kết quả báo cáo tóm tắt
print(model.summary())

# 3. Kiểm định Đa cộng tuyến (VIF)
vif_data = pd.DataFrame()
vif_data["Feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]
print(vif_data)

Testing và validation

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

Toàn bộ 6 biến độc lập và 1 biến phụ thuộc đều đạt chuẩn độ tin cậy cao, hệ số tương quan biến - tổng của tất cả các biến quan sát đều $> 0.30$:

Thang đo nhân tố Số biến quan sát ($k$) Cronbach's Alpha sơ bộ ($N=30$) Cronbach's Alpha chính thức ($N=150$) Đánh giá
Địa điểm / Cơ sở vật chất ($CS$) 4 0.807 0.824 Đạt độ tin cậy tốt
Sản phẩm ($SP$) 4 0.799 0.806 Đạt độ tin cậy tốt
An toàn thực phẩm ($AT$) 5 0.770 0.843 Đạt độ tin cậy tốt
Giá bán / Chính sách giá ($GB$) 4 0.785 0.811 Đạt độ tin cậy tốt
Khuyến mãi ($KM$) 4 0.812 0.835 Đạt độ tin cậy tốt
Nhân viên ($NV$) 5 0.867 0.876 Đạt độ tin cậy rất cao
Quyết định mua hàng ($QD$) 3 0.821 0.852 Đạt độ tin cậy rất cao

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số $KMO = 0.846$ ($> 0.50$), chứng tỏ kích thước mẫu hoàn toàn phù hợp cho phân tích nhân tố.
  • Kiểm định Bartlett: $\chi^2 = 1845.26$, $Sig. = 0.000 < 0.001$, khẳng định các biến quan sát có tương quan chặt chẽ với nhau.
  • Tổng phương sai trích (Total Variance Explained) đạt $64.82%$ ($> 50%$) tại điểm dừng Eigenvalue $= 1.215$ ($> 1.0$), trích xuất thành công 6 nhóm nhân tố tương ứng với mô hình lý thuyết. Hệ số tải nhân tố (Factor Loading) của 23 biến độc lập đều dao động từ $0.582$ đến $0.841$ ($> 0.50$).

Kết quả đạt được

Kết quả ước lượng tham số mô hình hồi quy OLS trên mẫu $N = 150$:

Nhân tố độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn ($Std. Error$) Hệ số chuẩn hóa ($\beta$) $t$-Statistic $p$-Value ($Sig.$) Thống kê VIF
Hằng số ($\beta_0$) 0.284 0.198 - 1.434 0.154 -
Khuyến mãi ($KM$) 0.298 0.052 0.312 5.731 0.000 1.245
Giá bán ($GB$) 0.264 0.049 0.284 5.388 0.000 1.189
Cơ sở vật chất ($CS$) 0.185 0.046 0.196 4.022 0.000 1.210
An toàn thực phẩm ($AT$) 0.162 0.044 0.174 3.682 0.000 1.195
Nhân viên ($NV$) 0.134 0.041 0.141 3.268 0.001 1.152
Sản phẩm ($SP$) 0.028 0.039 0.031 0.718 0.474 1.280 
pie title Trọng số tác động chuẩn hóa (Beta)
    "Khuyến mãi (KM) - 31.2%": 31.2
    "Giá bán (GB) - 28.4%": 28.4
    "Cơ sở vật chất (CS) - 19.6%": 19.6
    "An toàn thực phẩm (AT) - 17.4%": 17.4
    "Nhân viên (NV) - 14.1%": 14.1

Các chỉ số kiểm định chất lượng mô hình:

  • Hệ số xác định $R^2 = 0.638$; $R^2$ hiệu chỉnh ($Adjusted\ R^2$) $= 0.623$, phản ánh $62.3%$ sự biến thiên của Quyết định mua sắm được giải thích bởi 5 nhân tố có ý nghĩa thống kê trong mô hình.
  • Kiểm định $F$-test trong bảng phân tích phương sai (ANOVA): $F = 41.98$, $Sig. = 0.000 < 0.001$, mô hình hồi quy tuyến tính hoàn toàn phù hợp với dữ liệu thực tế.
  • Hệ số kiểm định đa cộng tuyến $VIF \in [1.152, 1.280]$ (nhỏ hơn nhiều so với ngưỡng vi phạm 10), loại trừ hoàn toàn nguy cơ đa cộng tuyến.
  • Hệ số Durbin-Watson $d = 1.942$ ($1.5 < d < 2.5$), chứng minh phần dư không có hiện tượng tự tương quan bậc nhất.

Phát hiện khoa học quan trọng:

  1. 5 giả thuyết được chấp nhận ($p < 0.05$): Khuyến mãi ($\beta = 0.312$), Giá bán ($\beta = 0.284$), Cơ sở vật chất ($\beta = 0.196$), An toàn thực phẩm ($\beta = 0.174$), Nhân viên ($\beta = 0.141$) đều có tác động tích cực cùng chiều đến quyết định mua.
  2. 1 giả thuyết bị bác bỏ ($p = 0.474 > 0.05$): Biến Sản phẩm ($SP$) không có ý nghĩa thống kê. Điều này được lý giải bởi định vị của siêu thị mini: người tiêu dùng trẻ xem danh mục hàng hóa tại các minimart là chuẩn hóa tương đồng giữa các chuỗi (mì gói, đồ uống đóng chai, snack), do đó chủng loại sản phẩm không phải là yếu tố phân hóa thúc đẩy họ lựa chọn WinMart+ thay vì đối thủ.

Đổi mới và đóng góp

  1. Khắc phục khoảng trống nghiên cứu chuyên sâu về Gen Z: Các công trình trước đây tại Việt Nam (Nguyễn Hải Ninh, 2015; Nguyễn Văn Ngọc, 2018) chủ yếu tập trung vào đối tượng hộ gia đình hoặc khách hàng đại chúng. Nghiên cứu này tập trung vào phân khúc sinh viên tại đô thị loại đặc biệt, bổ sung cơ sở dữ liệu thực nghiệm giá trị về tâm lý tiêu dùng của thế hệ trẻ.
  2. Làm rõ sự khác biệt của biến "Sản phẩm": Khác với các nghiên cứu tại đại siêu thị (nơi sự đa dạng và chiều sâu ngành hàng là yếu tố quyết định hàng đầu, $\beta > 0.35$), tại mô hình siêu thị mini, biến "Sản phẩm" mất ý nghĩa thống kê ($p = 0.474$). Đóng góp này giúp các doanh nghiệp bán lẻ tránh phân bổ sai lệch nguồn lực vào việc mở rộng danh mục không cần thiết.
  3. Lượng hóa mức độ nhạy cảm chi phí của sinh viên: Nghiên cứu chứng minh bộ đôi Khuyến mãi ($\beta = 0.312$) và Giá bán ($\beta = 0.284$) chiếm tới $59.6%$ tổng trọng số tác động, cung cấp bằng chứng định lượng rõ ràng cho việc xây dựng chính sách giá phân tầng.

Ứng dụng thực tế và triển khai

Dựa trên trọng số tác động từ mô hình kinh tế lượng, ban lãnh đạo WinCommerce có thể triển khai hệ thống giải pháp vận hành theo lộ trình 4 giai đoạn:

gantt
    title Lộ trình triển khai hàm ý quản trị WinMart+
    dateFormat  YYYY-MM
    section Giai đoạn 1: Ưu đãi & Giá
    Chính sách WinStudent & Combo ăn trưa :2023-01, 2023-03
    section Giai đoạn 2: Trải nghiệm điểm bán
    Tái cấu trúc Layout & Điều hòa, Wifi :2023-03, 2023-06
    section Giai đoạn 3: Nguồn gốc thực phẩm
    Triển khai QR Code truy xuất MeatDeli & Rau WinEco :2023-06, 2023-09
    section Giai đoạn 4: Dịch vụ & Chuyển đổi số
    Đào tạo SOP thu ngân & Tích hợp Hội viên WIN qua App :2023-09, 2023-12

Các gói giải pháp trọng tâm:

  1. Chiến lược Khuyến mãi & Giá bán ($\beta_{KM} = 0.312, \beta_{GB} = 0.284$):

    • Ra mắt gói định danh "WinStudent": Tích hợp thẻ sinh viên vào chương trình Hội viên WIN, chiết khấu trực tiếp $3% - 5%$ cho toàn bộ hóa đơn từ thứ Hai đến thứ Sáu.
    • Thiết kế các gói combo bữa ăn tiện lợi (Ready-to-eat) giá rẻ: Combo ăn sáng bánh bao/bánh mì + sữa hạt ($25.000 - 30.000$ VNĐ); Combo ăn trưa cơm văn phòng sinh viên ($35.000$ VNĐ).

  2. Tối ưu hóa Điểm bán & Cơ sở vật chất ($\beta_{CS} = 0.196$):

    • Bố trí cửa hàng theo mô hình Micro-Hub: Lắp đặt quầy sạc pin điện thoại, bàn ăn nhanh đứng và wifi băng thông rộng cho sinh viên dừng chân nhanh.
    • Tối ưu luồng di chuyển (Store Traffic Flow): Đặt các mặt hàng sinh viên thường mua (nước ngọt, mì ly, đồ ăn vặt) ngay tầm mắt và gần khu vực quầy thu ngân.

  3. Củng cố niềm tin An toàn thực phẩm ($\beta_{AT} = 0.174$):

    • Đẩy mạnh quảng bá thịt sạch mát công nghệ Oxy-Fresh (MeatDeli) và rau củ chuẩn VietGAP/GlobalGAP (WinEco) với các gói định lượng nhỏ ($100g - 200g$) phù hợp cho sinh viên sống độc thân/ký túc xá.
    • Cam kết quy trình kiểm soát hạn sử dụng nghiêm ngặt (FIFO - First In, First Out), giảm giá tự động $30% - 50%$ cho hàng tươi sống trong khung giờ sau 19h00 để giải phóng hàng trong ngày.

  4. Nâng cao chất lượng Phục vụ ($\beta_{NV} = 0.141$):

    • Chuẩn hóa quy trình thanh toán nhanh: Huấn luyện nhân viên thao tác quét mã vạch không quá 45 giây/hóa đơn; hỗ trợ toàn diện các cổng thanh toán kỹ thuật số (MoMo, ZaloPay, VietQR, Apple Pay).
    • Tuyển dụng chính các bạn sinh viên làm nhân viên bán thời gian (part-time) nhằm tạo sự gần gũi, đồng cảm về văn hóa giao tiếp với khách hàng cùng trang lứa.

Hạn chế và hướng phát triển

  • Hạn chế về phương pháp lấy mẫu: Cỡ mẫu $N = 150$ được thu thập bằng phương pháp lấy mẫu thuận tiện phi xác suất (Convenience Sampling), tập trung chủ yếu tại một số trường đại học khu vực nội thành, chưa bao quát toàn diện các trường ở khu đô thị Đại học Quốc gia TP.HCM (TP. Thủ Đức).
  • Hạn chế về mô hình tĩnh: Dữ liệu cắt ngang (Cross-sectional data) tại một thời điểm chưa phản ánh được sự biến động hành vi tiêu dùng sinh viên trong các giai đoạn lạm phát kinh tế hoặc mùa tựu trường.
  • Hướng nghiên cứu tiếp theo:
    • Mở rộng quy mô mẫu lên $N \ge 500$ sử dụng phương pháp lấy mẫu phân tầng (Stratified Sampling).
    • Tích hợp thêm các biến số mới của kỷ nguyên bán lẻ đa kênh (Omni-channel): Ý định sử dụng ứng dụng mua sắm trực tuyến, tác động của quảng cáo trên TikTok/Social Media, và trải nghiệm mô hình tích hợp Techcombank - Phuc Long - WinMart (mô hình Kiosk đa tiện ích Life/Win).

Đối tượng hưởng lợi

  • Doanh nghiệp bán lẻ (WinCommerce & các chuỗi cửa hàng tiện lợi): Sở hữu bộ tham số lượng hóa chính xác về hành vi sinh viên để hoạch định chiến lược danh mục sản phẩm, chính sách giá và tối ưu ROI ngân sách Marketing.
  • Nhà nghiên cứu & Giảng viên kinh tế: Tài liệu tham khảo ứng dụng mô hình TPB và kỹ thuật xử lý dữ liệu thực nghiệm EFA - Regression trên thị trường bán lẻ Việt Nam.
  • Sinh viên & Khách hàng trẻ: Được hưởng lợi từ các chính sách giá, combo sản phẩm và tiện ích không gian mua sắm được cá nhân hóa đúng nhu cầu thực tế.
  • Nhà phân phối & Nhà cung cấp thực phẩm: Định hình quy cách đóng gói và kiểm soát tiêu chuẩn an toàn thực phẩm phù hợp với sức mua của phân khúc khách hàng trẻ.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để tái lập quy trình phân tích của đề tài?

Để tái lập toàn bộ quy trình nghiên cứu, nhà phân tích cần chuẩn bị:

  • Phần mềm: IBM SPSS Statistics từ v20.0 trở lên (hoặc môi trường Python 3.9+ tích hợp các thư viện pandas, statsmodels, factor_analyzer, scikit-learn).
  • Tập dữ liệu: File dữ liệu sơ cấp được làm sạch, mã hóa định dạng .sav hoặc .xlsx gồm tối thiểu 130 quan sát, không chứa giá trị khuyết thiếu (Missing Values) và không có ngoại lai (Outliers).

2. Giới hạn quy mô mẫu $N = 150$ có đảm bảo độ tin cậy khoa học không?

Có. Theo tiêu chuẩn học thuật của Hair et al. (2010), tỷ lệ mẫu trên biến quan sát tối thiểu là $5:1$. Đề tài có 26 biến quan sát, yêu cầu tối thiểu $130$ mẫu. Cỡ mẫu $N = 150$ đạt tỷ lệ $5.77:1$. Đồng thời, các kiểm định $KMO = 0.846$, $Cronbach's\ Alpha > 0.80$, và $ANOVA\ F-test\ (p < 0.001)$ đều chứng minh tính hợp lệ và độ tin cậy vững chắc của mô hình.

3. Tại sao biến "Sản phẩm" lại không có ý nghĩa thống kê trong mô hình này?

Phân tích thực nghiệm cho thấy biến Sản phẩm ($SP$) có $p-value = 0.474 > 0.05$. Nguyên nhân cốt lõi xuất phát từ đặc trưng của mô hình siêu thị mini: mặt hàng tiêu dùng nhanh (FMCG) tại WinMart+ có độ chuẩn hóa cao và tương đồng với các chuỗi đối thủ (Circle K, Bách Hóa Xanh). Sinh viên khi bước vào WinMart+ không tìm kiếm sự đa dạng vượt trội mà ưu tiên giá cả, sự tiện lợi về địa điểm và chương trình ưu đãi tức thì.

4. Chi phí duy trì và thời gian hoàn vốn (ROI) khi WinMart+ triển khai các khuyến nghị?

  • Chi phí triển khai: Tập trung chủ yếu vào việc chiết khấu giá qua thẻ hội viên ($2-3%$ biên lợi nhuận gộp), lắp đặt bàn ghế/wifi tiện ích ($15 - 20$ triệu VNĐ/cửa hàng) và tái cấu trúc layout.
  • Dự phóng ROI: Việc gia tăng lượng khách sinh viên ghé thăm thường xuyên ước tính giúp tăng lưu lượng giao dịch (Transactions) từ $15% - 25%$, bù đắp cho phần chiết khấu giá và giúp điểm bán đạt điểm hòa vốn sau 6 - 9 tháng triển khai.

5. Khung nghiên cứu này có thể áp dụng cho các chuỗi bán lẻ khác không?

Mô hình hoàn toàn có thể chuyển giao và áp dụng cho các chuỗi cửa hàng tiện lợi và siêu thị mini khác (như FamilyMart, GS25, 7-Eleven, Bách Hóa Xanh) tại các đô thị lớn tại Việt Nam bằng cách điều chỉnh bảng câu hỏi thang đo cho phù hợp với đặc thù thương hiệu.

Kết luận

Khóa luận tốt nghiệp của tác giả Mai Thị Kim Ngân đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc kết hợp chặt chẽ giữa cơ sở lý thuyết hành vi người tiêu dùng (TRA, TPB) và phương pháp nghiên cứu định lượng chuẩn mực. Nghiên cứu đã chứng minh rằng quyết định mua sắm của sinh viên tại chuỗi siêu thị mini WinMart+ TP.HCM chịu sự chi phối mạnh mẽ nhất bởi Khuyến mãi ($\beta = 0.312$) và Giá bán ($\beta = 0.284$), tiếp theo là Cơ sở vật chất ($\beta = 0.196$), An toàn thực phẩm ($\beta = 0.174$) và Nhân viên ($\beta = 0.141$). Mô hình giải thích được $62.3%$ sự biến thiên của hành vi mua sắm thực tế.

Những hàm ý quản trị được đề xuất từ kết quả nghiên cứu mang tính thực tiễn cao, đóng vai trò là kim chỉ nam giúp chuỗi WinMart+ tối ưu hóa vận hành, xây dựng chiến lược giá - chiêu thị hiệu quả và gia tăng năng lực cạnh tranh trong phân khúc khách hàng sinh viên tại TP.HCM.