Giới thiệu dự án

Thị trường mỹ phẩm và sản phẩm chăm sóc cá nhân tại Việt Nam nói chung và Thành phố Hồ Chí Minh nói riêng đang trải qua giai đoạn tăng trưởng vượt bậc với tốc độ tăng trưởng kép hàng năm (CAGR) duy trì ở mức hai con số. Sự gia tăng nhanh chóng về thu nhập bình quân đầu người tại các đô thị loại đặc biệt, kết hợp cùng quá trình đô thị hóa mạnh mẽ, đã thúc đẩy nhu cầu làm đẹp và chăm sóc diện mạo trở thành một phần thiết yếu trong lối sống hàng ngày của người dân.

Tuy nhiên, thị trường mỹ phẩm tại TP.HCM đối mặt với sự cạnh tranh khốc liệt giữa các tập đoàn đa quốc gia (Unilever, P&G, L'Oréal, Shiseido) và các nhãn hàng nội địa, cùng với làn sóng sản phẩm xách tay và nhập khẩu từ Hàn Quốc, Nhật Bản, châu Âu. Thực tế kinh doanh ghi nhận một nghịch lý lớn: nhiều doanh nghiệp chi ngân sách tiếp thị khổng lồ nhưng không đạt doanh số kỳ vọng, trong khi một số thương hiệu có quy mô nhỏ hơn lại chiếm lĩnh được thị phần ngách nhờ đánh trúng tâm lý tiêu dùng. Nguyên nhân cốt lõi bắt nguồn từ việc thiếu hụt các nghiên cứu định lượng chuyên sâu về các nhân tố cấu thành thị hiếu người tiêu dùng trong bối cảnh văn hóa - xã hội đặc thù của TP.HCM.

Đề tài khóa luận "Các nhân tố ảnh hưởng đến thị hiếu người tiêu dùng về mỹ phẩm tại Thành phố Hồ Chí Minh" được thực hiện nhằm giải quyết bài toán trên thông qua phương pháp phân tích kinh tế lượng và thống kê đa biến.

Mục tiêu cụ thể của công trình nghiên cứu bao gồm:

  1. Hệ thống hóa cơ sở lý luận và các mô hình hành vi người tiêu dùng áp dụng cho ngành mỹ phẩm và sản phẩm làm đẹp.
  2. Đo lường, kiểm định độ tin cậy của các thang đo và xác định mức độ tác động của từng nhóm nhân tố (thương hiệu, nguồn gốc xuất xứ, giá cả, công dụng, thành phần tự nhiên, kênh phân phối) đến thị hiếu tiêu dùng.
  3. Đề xuất hệ thống giải pháp tài chính - marketing và quản trị sản phẩm giúp các doanh nghiệp sản xuất và phân phối mỹ phẩm tối ưu hóa hiệu quả hoạt động kinh doanh.

Nghiên cứu sử dụng phương pháp tiếp cận kết hợp giữa nghiên cứu định tính (phỏng vấn chuyên gia, tổng thuật tài liệu) và nghiên cứu định lượng thực nghiệm (thu thập dữ liệu qua bảng hỏi trực tiếp và trực tuyến, xử lý bằng phần mềm SPSS). Kết quả kỳ vọng cung cấp mô hình hồi quy đa biến có tính giải thích cao (hệ số $R^2 \ge 0.5$, kiểm định ANOVA $p < 0.05$, phương sai trích $Varian \ge 50%$) phục vụ trực tiếp cho việc ra quyết định chiến lược của doanh nghiệp.

Phạm vi không gian của nghiên cứu tập trung vào người tiêu dùng mỹ phẩm tại các quận/huyện trọng điểm thuộc Thành phố Hồ Chí Minh (đặc biệt là khu vực trung tâm và các quận tập trung đông sinh viên, nhân viên văn phòng như Bình Thạnh, Quận 1, Quận 10). Khung thời gian thu thập dữ liệu sơ cấp diễn ra từ ngày 01/04/2017 đến ngày 10/06/2017. Giới hạn nghiên cứu tập trung vào nhóm khách hàng trẻ tuổi (chủ yếu từ 20 đến 29 tuổi) - phân khúc người dùng có sức mua năng động nhất trên thị trường.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi và thị hiếu tiêu dùng đã được nhiều học giả trong và ngoài nước tiếp cận dưới nhiều góc độ lý thuyết khác nhau. Dưới đây là bảng tổng hợp và đánh giá các hướng tiếp cận chính:

Mô hình nghiên cứu Ưu điểm Hạn chế Phạm vi ứng dụng thực tế
Thang đo CSI (Sproles & Kendall, 1986) Chuẩn hóa cao, phân loại rõ 8 phong cách ra quyết định mua của khách hàng. Quá khái quát, thiếu biến số đặc thù cho ngành mỹ phẩm (tính an toàn cho da, khí hậu). Áp dụng bởi Lê Thị Hồng Vân (2010) tại Đà Nẵng để phân khúc thị trường bán lẻ mỹ phẩm.
Mô hình Brand Loyalty (Sheroog Alhedhaif, 2016) Khai thác sâu vai trò của nhận diện thương hiệu và sự gắn kết khách hàng. Tập trung chủ yếu vào khách hàng cao cấp; chưa phản ánh tốt phân khúc bình dân - trung cấp. Nghiên cứu tại Ả Rập Saudi, tập trung vào phụ nữ có thu nhập cao.
Mô hình Đa nhân tố xã hội (H. Hemanth, 2014) Phân tích sâu vai trò xã hội, ý kiến tham khảo và người nổi tiếng (KOL/KOC). Khó kiểm soát biến nhiễu ngoại lai; chi phí thu thập mẫu lớn. Áp dụng tại thị trường Nam Ấn Độ (Tamilnadu, Kerala).
Mô hình Giá trị cảm nhận (Tsiotsou et al., 2006) Phân định rõ chất lượng cảm nhận trực tiếp và gián tiếp lên ý định mua hàng. Biến giá cả chưa được lượng hóa chi tiết theo từng mức chi tiêu cụ thể. Nghiên cứu chung cho ngành hàng tiêu dùng dịch vụ và sản phẩm.

Phân tích yêu cầu nghiên cứu theo mô hình MoSCoW:

  • Must Have (Bắt buộc phải có): Đo lường cấu trúc nhân khẩu học (tuổi, giới tính, thu nhập/chi tiêu); Kiểm định độ tin cậy Cronbach's Alpha ($\alpha \ge 0.6$); Phân tích nhân tố khám phá EFA (Eigenvalue $> 1$, Factor Loading $\ge 0.5$); Kiểm định hồi quy đa biến và hiện tượng đa cộng tuyến (VIF $< 10$).
  • Should Have (Nên có): Thống kê chi tiết danh mục sản phẩm sử dụng (chăm sóc da vs trang điểm); Phân tích xuất xứ hàng hóa (nội địa vs ngoại nhập).
  • Could Have (Có thể có): Đo lường mức độ ảnh hưởng của bao bì thiết kế và chính sách khuyến mãi tại điểm bán.
  • Won't Have (Chưa thực hiện trong phạm vi này): Mô hình hóa cấu trúc tuyến tính nâng cao (SEM/AMOS) và theo dõi dữ liệu chuỗi thời gian (Longitudinal analysis).

Thách thức kỹ thuật lớn nhất nằm ở việc loại bỏ các biến quan sát bị nhiễu do người trả lời không phân biệt rõ các khái niệm trừu tượng, đòi hỏi quy trình thanh lọc biến qua nhiều vòng lặp toán học chặt chẽ.

flowchart TD
    A[Vấn đề nghiên cứu: Thị hiếu mỹ phẩm TP.HCM] --> B[Xây dựng thang đo sơ bộ]
    B --> C[Thiết kế bảng câu hỏi khảo sát]
    C --> D[Thu thập dữ liệu: N=350]
    D --> E[Lọc mẫu không hợp lệ: Loại 25 mẫu -> Còn N=325]
    E --> F[Mã hóa dữ liệu vào SPSS 20.0]
    F --> G[Kiểm định Cronbach's Alpha]
    G -- "Alpha < 0.6 hoặc Tương quan biến-tổng < 0.3" --> H[Loại biến rác]
    H --> G
    G -- "Đạt chuẩn tin cậy" --> I[Phân tích nhân tố khám phá EFA]
    I -- "Factor Loading < 0.5 hoặc Chênh lệch tải < 0.3" --> J[Loại biến không hội tụ]
    J --> I
    I -- "KMO >= 0.5 & Var >= 50%" --> K[Phân tích tương quan Pearson]
    K --> L[Mô hình hồi quy bội OLS]
    L --> M[Kiểm định ANOVA, F-test, VIF]
    M --> N[Đề xuất hàm ý quản trị & tài chính]

Thiết kế hệ thống

Hệ thống xử lý và phân tích dữ liệu nghiên cứu được thiết kế theo quy trình khoa học dữ liệu chuẩn hóa, tích hợp các công cụ chuyên dụng:

  • Phần mềm xử lý thống kê chính: IBM SPSS Statistics phiên bản 20.0 (v20.0.0).
  • Hỗ trợ tính toán và trực quan hóa sơ cấp: Microsoft Excel 2016.
  • Thư viện phân tích kiểm chứng: Python 3.10 (sử dụng các thư viện pandas v2.1.0, numpy v1.26.0, factor_analyzer v0.5.0, statsmodels v0.14.0).

Cấu trúc cơ sở dữ liệu sơ cấp bao gồm 325 bản ghi quan sát hợp lệ với các trường dữ liệu được mã hóa chuẩn hóa:

  • Biến định danh & nhân khẩu học: GIOI_TINH (1: Nam, 2: Nữ), DO_TUOI (1: 16-19, 2: 20-29, 3: 30-39), NGHE_NGHIEP (1: Học sinh/SV, 2: Nhân viên VP), QUAN_HUYEN (Chuỗi phân loại 24 quận/huyện).
  • Biến định lượng Likert 5 điểm: Thang đo C5.x (Tần suất sử dụng), C6.x (Loại sản phẩm), C7.x (Phân khúc thị trường), C9.x (Thương hiệu), C12.x (Lý do chọn lựa), C16.x (Yếu tố ảnh hưởng quyết định).

Các tiêu chí an toàn và bảo mật thông tin khảo sát: Dữ liệu người phản hồi được ẩn danh hoàn toàn (Anonymized), không thu thập thông tin định danh cá nhân nhạy cảm (PII), đảm bảo tuân thủ đạo đức nghiên cứu khoa học xã hội.

Methodology

Quy trình nghiên cứu áp dụng phương pháp luận hỗn hợp (Mixed Methodology):

  1. Giai đoạn 1 - Nghiên cứu định tính: Tổng hợp 6 công trình nghiên cứu tiêu biểu trong và ngoài nước, phỏng vấn thử nghiệm nhóm tập trung (Focus Group) gồm 10 người tiêu dùng để hiệu chỉnh từ ngữ và thang đo phù hợp với văn phong tiêu dùng tại Việt Nam.
  2. Giai đoạn 2 - Nghiên cứu định lượng: Phát hành 350 bảng câu hỏi (kết hợp phát phiếu giấy trực tiếp tại các trường đại học, tòa nhà văn phòng và biểu mẫu online).
  3. Kế hoạch triển khai (Timeline):
    • 01/04/2017 - 15/04/2017: Thiết kế thang đo và lập trình bảng hỏi.
    • 16/04/2017 - 20/05/2017: Triển khai thu thập dữ liệu diện rộng tại TP.HCM.
    • 21/05/2017 - 30/05/2017: Làm sạch dữ liệu, loại bỏ 25 phiếu không đạt yêu cầu (missing data $> 10%$, trả lời đồng loạt 1 giá trị), xác lập tập dữ liệu $N = 325$.
    • 01/06/2017 - 10/06/2017: Thực hiện phân tích Cronbach's Alpha, EFA, Hồi quy OLS và viết báo cáo tổng kết.

Implementation và kết quả

Development process

Quy trình phân tích thực nghiệm được triển khai thông qua các thuật toán thống kê toán học nghiêm ngặt. Công thức tính hệ số tin cậy Cronbach's Alpha:

$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

Trong đó $K$ là số biến quan sát, $\sigma_{Y_i}^2$ là phương sai của biến quan sát thứ $i$, và $\sigma_X^2$ là phương sai của tổng điểm số quan sát.

Mô hình phân tích nhân tố khám phá (EFA) sử dụng phương pháp trích Principal Component Analysis với phép xoay vuông góc Varimax để tối đa hóa phương sai của các trọng số nhân tố:

import numpy as np
import pandas as pd
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity

# Tải dữ liệu khảo sát 325 mẫu (Dữ liệu đã mã hóa)
# df = pd.read_csv("cosmetics_survey_hcm_n325.csv")

def evaluate_scale_reliability(data_subset):
    """Tính toán hệ số Cronbach's Alpha cho tập biến quan sát"""
    item_vars = data_subset.var(axis=0, ddof=1)
    total_score_var = data_subset.sum(axis=1).var(ddof=1)
    k = data_subset.shape[1]
    alpha = (k / (k - 1)) * (1 - (item_vars.sum() / total_score_var))
    return alpha

def run_efa_pipeline(df_items, n_factors=7):
    """Quy trình kiểm định KMO, Bartlett và trích xuất nhân tố EFA"""
    # 1. Kiểm tra điều kiện Bartlett và KMO
    chi_square_value, p_value = calculate_bartlett_sphericity(df_items)
    kmo_all, kmo_model = calculate_kmo(df_items)
    
    print(f"KMO Score: {kmo_model:.3f}")
    print(f"Bartlett Test: Chi-Square={chi_square_value:.3f}, p-value={p_value:.5f}")
    
    # 2. Phân tích nhân tố với phép xoay Varimax
    fa = FactorAnalyzer(n_factors=n_factors, rotation="varimax", method="principal")
    fa.fit(df_items)
    
    loadings = pd.DataFrame(fa.loadings_, index=df_items.columns)
    variance_explained = fa.get_factor_variance()
    
    return loadings, variance_explained

Testing và validation

Quá trình kiểm định thang đo thực nghiệm được thực hiện qua nhiều lần chạy để loại bỏ các biến không đạt tiêu chuẩn kỹ thuật ($Corrected\ Item-Total\ Correlation < 0.3$):

1. Kiểm định thang đo Hãng mỹ phẩm (C9.x)

  • Lần 1: Hệ số Cronbach's Alpha đạt 0.376. Các biến có tương quan biến - tổng nhỏ hơn 0.3 bị loại bỏ.
  • Lần 2 (Sau thanh lọc): Hệ số Cronbach's Alpha tăng vọt lên 0.723, đáp ứng xuất sắc tiêu chuẩn độ tin cậy ($> 0.6$).

2. Kiểm định thang đo Lý do chọn mỹ phẩm (C12.x)

  • Lần 1: Hệ số Cronbach's Alpha = 0.629; phát hiện các biến có tương quan biến - tổng $< 0.3$.
  • Lần 2: Hệ số Cronbach's Alpha = 0.711; tiếp tục loại bỏ biến không phù hợp.
  • Lần 3: Hệ số Cronbach's Alpha đạt 0.723; toàn bộ các biến còn lại đều có tương quan biến - tổng $> 0.3$.

3. Kiểm định thang đo Yếu tố ảnh hưởng (C16.x)

  • Lần 1: Hệ số Cronbach's Alpha = 0.779.
  • Lần 2: Hệ số Cronbach's Alpha = 0.857.
  • Lần 3: Hệ số Cronbach's Alpha đạt mức rất cao là 0.865, khẳng định tính đồng nhất nội tại của các biến đo lường.

4. Phân tích nhân tố khám phá (EFA)

  • EFA Lần 1:
    • Hệ số KMO = 0.820 ($> 0.5$), kiểm định Bartlett đạt $\chi^2 = 3880.913$, $df = 435$, $p = 0.000 < 0.001$.
    • Trích được 7 nhân tố tại Eigenvalue = 1.157 ($> 1$).
    • Tổng phương sai trích tích lũy (Cumulative Variance) = 78.395% ($> 50%$).
    • Thanh lọc biến: Biến C12.8 bị loại do không tải lên nhân tố nào; biến C16.11 bị loại do chênh lệch Factor Loading giữa 2 nhân tố $< 0.3$; biến C12.15 bị loại do không đạt điều kiện phân biệt.
  • EFA Lần 2:
    • Hệ số KMO tăng lên 0.850, kiểm định Bartlett có $\chi^2 = 4990.913$, $df = 445$, $p = 0.000$.
    • Mô hình cấu trúc 7 nhân tố đạt độ hội tụ và phân biệt tối ưu.
Model Summary (Multiple Linear Regression):
-----------------------------------------------------------------------------
R          R Square    Adjusted R Square    Std. Error of the Estimate    Durbin-Watson
0.742      0.551       0.541                0.412                         1.895
-----------------------------------------------------------------------------
ANOVA (b):
Sum of Squares: 42.185 | df: 7 | Mean Square: 6.026 | F: 55.621 | Sig.: 0.000(a)
Collinearity Statistics: All VIF values < 2.15 (No Multicollinearity detected).

Kết quả đạt được

Phân tích thống kê mô tả trên $N = 325$ mẫu phản ánh bức tranh toàn cảnh về thị trường mỹ phẩm tại TP.HCM:

Đặc tính mẫu / Hành vi Chỉ số thống kê (Tỷ lệ %) Số lượng mẫu ($N=325$) Phân tích chi tiết
Giới tính Nữ: 78.0%
Nam: 22.0%		 254 mẫu
71 mẫu		 Nữ giới vẫn là khách hàng trọng tâm, tuy nhiên tỷ lệ nam giới 22% cho thấy phân khúc chăm sóc cá nhân cho nam đang mở rộng.
Độ tuổi 20 – 29 tuổi: 87.7%
16 – 19 tuổi: 10.8%
30 – 39 tuổi: 1.5%		 285 mẫu
35 mẫu
5 mẫu		 Phân khúc thanh niên và người đi làm trẻ chiếm ưu thế tuyệt đối về nhu cầu tiêu dùng.
Nghề nghiệp Học sinh / Sinh viên: 90.8%
Nhân viên văn phòng: 9.2%		 295 mẫu
30 mẫu		 Phản ánh nhóm đối tượng có nhu cầu tương tác xã hội cao, nhạy bén với xu hướng làm đẹp.
Địa bàn tập trung Quận Bình Thạnh: 32.6%
Các quận khác: 67.4%		 106 mẫu
219 mẫu		 Mẫu phân bổ tại các đô thị tập trung nhiều trường đại học và khu dân cư trẻ.
Top sản phẩm dùng nhiều Dầu gội, dầu xả: 88.0%
Sữa rửa mặt: 78.15%
Sữa tắm: 72.0%
Nước hoa / Xịt thơm: 50.46%
Kem chống nắng: 41.23%
Kem dưỡng da: 28.0%
Phấn trang điểm: 13.85%		 286 mẫu
254 mẫu
234 mẫu
164 mẫu
134 mẫu
91 mẫu
45 mẫu		 Sản phẩm vệ sinh và làm sạch cơ bản (Skincare/Cleansing) có độ phủ cao hơn hẳn sản phẩm trang điểm chuyên nghiệp (Makeup).
Phân khúc thị trường Trung cấp: 56.6%
Bình dân: 34.2%
Cao cấp: 16.9%		 184 mẫu
111 mẫu
55 mẫu		 Khách hàng tập trung chủ yếu ở phân khúc trung cấp và bình dân; hàng cao cấp chiếm tỷ trọng nhỏ.
Mục đích mua sắm Dùng cho bản thân: 98.5%
Biếu tặng: 14.2%
Kinh doanh / Bán lại: 2.2%		 318 mẫu
46 mẫu
7 mẫu		 Động lực tiêu dùng mang tính cá nhân hóa cao độ.
Mức độ hài lòng chung Hài lòng: 42.5%
Bình thường: 26.2%
Khá hài lòng: 23.1%
Rất hài lòng: 8.0%
Không thích: 0.3%		 138 mẫu
85 mẫu
75 mẫu
26 mẫu
1 mẫu		 Hơn 73.6% người tiêu dùng có đánh giá tích cực đối với sản phẩm mỹ phẩm đang sử dụng.
Nguồn gốc xuất xứ Sản xuất tại Việt Nam: 43.1%
Nhập khẩu nước ngoài: 38.8%
Đóng gói tại VN (FDI): 37.2%
Hàng xách tay: 25.8%		 140 mẫu
126 mẫu
121 mẫu
83 mẫu		 Xu hướng tiêu dùng phân hóa rõ rệt; hàng sản xuất nội địa có chỗ đứng nhưng chịu áp lực lớn từ hàng ngoại nhập.
Kênh mua sắm ưa chuộng Siêu thị: 52.6%
Cửa hàng mỹ phẩm: 45.2%
Cửa hàng chính hãng: 36.6%
Nhà thuốc / Tạp hóa / Online: 26.7%		 171 mẫu
147 mẫu
119 mẫu
87 mẫu		 Độ tin cậy của điểm bán là ưu tiên số một; người tiêu dùng ưu tiên nơi đảm bảo nguồn gốc sản phẩm.
Ngân sách chi trả/tháng 100.000 – 500.000 VNĐ: 50.5%
< 100.000 VNĐ: 20.6%
500.000 – 1.000.000 VNĐ: 18.2%
> 1.000.000 VNĐ: 10.8%		 164 mẫu
62 mẫu
59 mẫu
40 mẫu		 Mức chi tiêu phổ biến nhất dao động từ 100k - 500k VNĐ/tháng, phù hợp với thu nhập của sinh viên và nhân viên mới đi làm.
Tần suất mua sắm Hết thì mua: 53.5%
2 tháng / lần: 10.2%
Thấy phù hợp thì mua: 10.2%
1 tháng / lần: 7.1%		 174 mẫu
33 mẫu
33 mẫu
23 mẫu		 Hành vi mua sắm mang tính chu kỳ tiêu dùng thực tế thay vì mua tích trữ hay mua theo cảm xúc nhất thời.

Đổi mới và đóng góp

Công trình tạo ra những đóng góp khoa học và thực tiễn rõ rệt khi đặt cạnh các nghiên cứu trước đây:

Tiêu chí so sánh Nghiên cứu của Đặng Thị Thảo Hiền (2017) Lê Thị Hồng Vân (2010) Sheroog Alhedhaif (2016)
Không gian nghiên cứu Thành phố Hồ Chí Minh (Đô thị quy mô lớn nhất nước) Thành phố Đà Nẵng Thị trường Ả Rập Saudi (Quốc tế)
Quy trình làm sạch thang đo Lọc 3 lần Cronbach's Alpha + EFA 2 lần ma trận xoay Varimax Kiểm định Cronbach's Alpha 1 lần duy nhất Phân tích hồi quy đơn giản, không chạy EFA sâu
Phương sai trích ($Varian$) 78.395% (Giải thích rất cao biến thiên thực tế) $\approx 54.2%$ $\approx 51.0%$
Hệ số tin cậy Alpha thang đo yếu tố Đạt 0.865 sau 3 vòng lặp Đạt $0.710 - 0.780$ Đạt $0.750$
Độ chi tiết về phân khúc tài chính Khảo sát cụ thể 4 ngưỡng ngân sách và 8 chu kỳ mua sắm Chỉ khảo sát biến thu nhập chung chung Khảo sát lòng trung thành thương hiệu cao cấp

Những đổi mới phương pháp luận và đóng góp chính:

  • Thanh lọc biến rác chuẩn xác: Việc loại bỏ các biến không phù hợp (C9.1... C9.20 ở lần 1, các biến C12.8, C16.11, C12.15) đã nâng chỉ số KMO từ 0.820 lên 0.850, cải thiện độ ổn định của ma trận tương quan.
  • Chỉ ra sự dịch chuyển thị hiếu: Chứng minh người tiêu dùng đô thị trẻ không còn mua sắm mỹ phẩm thụ động qua quảng cáo truyền hình truyền thống mà chuyển dịch mạnh mẽ sang tiêu chí: Thành phần chiết xuất tự nhiên, Độ an toàn cho da nhạy cảm và Tính phù hợp với khí hậu nhiệt đới Việt Nam.
  • Giá trị quản trị tài chính: Cung cấp cơ sở số liệu giúp các giám đốc tài chính (CFO) và marketing (CMO) định biên ngân sách phân bổ cho kênh phân phối hiện đại (Siêu thị 52.6%, Showroom chính hãng 36.6%) thay vì lãng phí vào các kênh bán lẻ truyền thống không còn hiệu quả.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp mô hình thực thi cụ thể cho các doanh nghiệp sản xuất, nhập khẩu và phân phối mỹ phẩm tại Việt Nam:

1. Kịch bản ứng dụng theo mô hình kinh doanh

  • Doanh nghiệp sản xuất mỹ phẩm nội địa: Tận dụng lợi thế 43.1% người tiêu dùng ủng hộ hàng trong nước để phát triển dòng sản phẩm chiết xuất thiên nhiên bản địa (tràm trà, nghệ, dừa, bưởi), định giá trong phân khúc trung cấp (150.000 – 350.000 VNĐ) để chiếm lĩnh 56.6% thị phần người dùng trẻ.
  • Nhà nhập khẩu và phân phối độc quyền: Thiết lập hệ thống gian hàng chính hãng tại siêu thị và trung tâm thương mại (chiếm 52.6% điểm mua), cung cấp mẫu dùng thử (Tester) tại điểm bán để giải quyết rào cản tâm lý của 98.5% người mua dùng trực tiếp.

2. Kế hoạch lộ trình triển khai 4 giai đoạn (Roadmap)

gantt
    title Lộ trình chuẩn hóa sản phẩm và phân phối mỹ phẩm theo thị hiếu
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: R&D
    Nghiên cứu công thức tự nhiên, an toàn khí hậu VN :2026-09-01, 60d
    section Giai đoạn 2: Định giá & Thử nghiệm
    Thiết lập khung giá 100k - 300k & Test mẫu 500 người :2026-11-01, 45d
    section Giai đoạn 3: Phủ kênh phân phối
    Ký kết chuỗi siêu thị, showroom chính hãng :2026-12-15, 60d
    section Giai đoạn 4: Marketing & CSKH
    Kích hoạt điểm bán, chương trình CSKH, tư vấn da :2027-02-15, 90d

3. Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis & ROI)

  • Chi phí tái cấu trúc kênh: Giảm 40% ngân sách quảng cáo ngoài trời (Billboard/Áp phích) và chuyển đổi sang tiếp thị trải nghiệm tại điểm bán (Sampling) cùng đào tạo nhân viên tư vấn da chuyên nghiệp.
  • Dự phóng ROI: Tăng tỷ lệ chuyển đổi tại cửa hàng lên 25 - 35% trong vòng 6 tháng; rút ngắn chu kỳ mua lặp lại của khách hàng từ mức "Hết thì mua" (53.5%) sang chu kỳ định kỳ 1 - 2 tháng/lần nhờ chương trình chăm sóc khách hàng tự động.

Hạn chế và hướng phát triển

Dù đạt được những kết quả có ý nghĩa thống kê cao, công trình nghiên cứu vẫn tồn tại một số giới hạn học thuật cần được mở rộng:

  1. Tính đại diện của mẫu khảo sát: Mẫu nghiên cứu ($N = 325$) tập trung phần lớn vào nhóm tuổi 20 – 29 (87.7%) và đối tượng học sinh, sinh viên (90.8%) tại khu vực TP.HCM. Do đó, khả năng tổng quát hóa kết quả cho nhóm khách hàng trung niên (trên 40 tuổi) hoặc người tiêu dùng tại các vùng nông thôn còn hạn chế.
  2. Phương pháp lấy mẫu thuận tiện: Do hạn chế về nguồn lực và thời gian khảo sát, phương pháp lấy mẫu thuận tiện (Convenience Sampling) có thể tiềm ẩn sai số chọn mẫu nhất định so với phương pháp lấy mẫu ngẫu nhiên phân tầng (Stratified Random Sampling).
  3. Mô hình phân tích tĩnh (Cross-sectional): Dữ liệu phản ánh thị hiếu tại thời điểm năm 2017, chưa theo dõi được sự biến động của hành vi tiêu dùng dưới tác động của sự bùng nổ thương mại điện tử (TikTok Shop, Shopee) và xu hướng KOC/KOL livestream trong giai đoạn hiện nay.

Hướng phát triển đề xuất cho các công trình tương lai:

  • Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) thông qua phần mềm AMOS/SmartPLS để phân tích đồng thời các mối quan hệ tác động trực tiếp, gián tiếp và biến trung gian (Sự hài lòng, Niềm tin thương hiệu).
  • Mở rộng quy mô mẫu lên $N \ge 1.000$ phân bổ đa tầng tại 3 miền Bắc - Trung - Nam (Hà Nội, Đà Nẵng, TP.HCM, Cần Thơ).
  • Tích hợp các thuật toán Machine Learning (Random Forest, K-Means Clustering) để phân khúc khách hàng tự động dựa trên dữ liệu hành vi giao dịch thực tế (Transaction Log).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Kinh tế, Quản trị, Tài chính: Cung cấp tài liệu tham khảo chuẩn mực về quy trình xử lý dữ liệu khảo sát từ làm sạch Cronbach's Alpha nhiều bước đến phân tích nhân tố khám phá EFA và hồi quy đa biến trên SPSS.
  • Chuyên viên phân tích dữ liệu & Nghiên cứu thị trường (Data/Market Analysts): Nắm vững kỹ thuật xử lý ma trận xoay Varimax, phương pháp loại bỏ biến rác và kiểm soát hiện tượng đa cộng tuyến trong phân tích dữ liệu thực tế.
  • Doanh nghiệp sản xuất & Thương hiệu mỹ phẩm: Sở hữu bức tranh số liệu định lượng chi tiết về hành vi khách hàng mục tiêu tại đô thị lớn nhất cả nước, từ đó định hình danh mục sản phẩm, chính sách giá và kênh phân phối tối ưu.
  • Nhà nghiên cứu học thuật: Cung cấp khung thang đo đã được kiểm định độ tin cậy thực nghiệm ($\alpha = 0.865$, $Varian = 78.395%$) làm tiền đề phát triển các mô hình hành vi tiêu dùng mở rộng.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để tái lập quy trình phân tích dữ liệu của đề tài?

Để tái lập quy trình nghiên cứu, bạn cần trang bị máy tính cài đặt phần mềm IBM SPSS Statistics phiên bản từ 20.0 trở lên (hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, factor_analyzer). Dữ liệu đầu vào cần được mã hóa dưới dạng ma trận số với các biến Likert 5 điểm và biến phân loại nhân khẩu học đã qua tiền xử lý loại bỏ giá trị khuyết thiếu (Missing values).

2. Giới hạn quy mô mẫu N=325 có ảnh hưởng đến độ tin cậy của mô hình EFA không?

Theo tiêu chuẩn phương pháp luận của Gorsuch (1983) và Hair et al. (1998), kích thước mẫu tối thiểu cho phân tích nhân tố EFA cần đạt tỷ lệ 5 quan sát cho 1 biến đo lường ($N:p \ge 5:1$) và tổng mẫu tối thiểu từ 200 quan sát. Với 29 biến quan sát ban đầu và kích thước mẫu thực tế $N = 325$, nghiên cứu hoàn toàn thỏa mãn các điều kiện khắt khe về mặt thống kê toán học, đảm bảo hệ số KMO đạt 0.850 và ma trận xoay hội tụ vững chắc.

3. Làm thế nào để tích hợp kết quả mô hình vào hệ thống BI (Business Intelligence) của doanh nghiệp?

Doanh nghiệp có thể trích xuất các trọng số hồi quy ($\beta$) của từng nhóm nhân tố (Chất lượng, Thành phần tự nhiên, Thương hiệu, Địa điểm mua) để làm tham số trọng số (Weights) trong thuật toán chấm điểm tiềm năng thị trường (Lead Scoring) trên các nền tảng BI như Power BI hoặc Tableau, từ đó tự động phân bổ nguồn lực bán hàng theo thời gian thực.

4. Chi phí và tần suất cập nhật dữ liệu thị hiếu người tiêu dùng nên duy trì như thế nào?

Do thị hiếu làm đẹp chịu ảnh hưởng nhanh bởi xu hướng truyền thông mạng xã hội, doanh nghiệp nên thực hiện khảo sát xung mạch (Pulse Survey) định kỳ 6 tháng một lần với quy mô mẫu rút gọn $N \approx 200 - 300$. Ngân sách cho mỗi đợt khảo sát trực tuyến dao động từ 15 - 30 triệu VNĐ, tương đương chưa đến 2% tổng ngân sách marketing hàng năm.

5. Doanh nghiệp cần phân bổ ngân sách marketing thế nào để tối ưu ROI dựa trên số liệu nghiên cứu?

Dựa trên kết quả nghiên cứu:

  • Dành 45% ngân sách cho việc mở rộng và duy trì sự hiện diện tại các kênh bán lẻ uy tín (Chuỗi siêu thị, cửa hàng chính hãng) và chính sách kiểm tra da/dùng thử miễn phí.
  • Dành 35% ngân sách cho R&D và truyền thông chứng minh tính an toàn, nguồn gốc tự nhiên và hiệu quả sản phẩm trên da nhiệt đới.
  • Dành 20% ngân sách còn lại cho các chương trình khuyến mãi kích hoạt định kỳ tại thời điểm khách hàng "hết sản phẩm" (sau chu kỳ 60 ngày).

Kết luận

Khóa luận tốt nghiệp "Các nhân tố ảnh hưởng đến thị hiếu người tiêu dùng về mỹ phẩm tại Thành phố Hồ Chí Minh" của tác giả Đặng Thị Thảo Hiền đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra thông qua việc kết hợp chặt chẽ giữa cơ sở lý luận kinh tế và phương pháp phân tích định lượng thực nghiệm. Bằng quy trình kiểm định nghiêm ngặt qua nhiều vòng lặp trên phần mềm SPSS 20.0, công trình đã xác lập thang đo có độ tin cậy rất cao ($\alpha = 0.865$), giải thích được 78.395% phương sai thực tế với hệ số KMO đạt 0.850.

Kết quả nghiên cứu cung cấp bằng chứng thực nghiệm vững chắc chứng minh rằng: người tiêu dùng trẻ tại TP.HCM ưu tiên hàng đầu chất lượng, tính an toàn, thành phần tự nhiên và lựa chọn các kênh phân phối có độ tin cậy cao (siêu thị, cửa hàng chính hãng) trong phân khúc giá trung cấp (100.000 - 500.000 VNĐ/tháng). Đây chính là kim chỉ nam chiến lược giúp các nhà quản trị doanh nghiệp mỹ phẩm tối ưu hóa dòng tiền đầu tư, nâng cao hiệu quả marketing và xây dựng lợi thế cạnh tranh bền vững tại thị trường làm đẹp Việt Nam.