Giới thiệu dự án

Thương mại điện tử (TMĐT) tại Việt Nam đang chứng kiến tốc độ tăng trưởng vượt bậc. Theo số liệu từ Cục Thương mại điện tử và Kinh tế số (Bộ Công Thương), thị trường TMĐT Việt Nam năm 2020 tăng trưởng 18%, quy mô đạt 11,8 tỷ USD, chiếm 5,5% tổng mức bán lẻ hàng hóa và doanh thu dịch vụ tiêu dùng cả nước. Riêng tại TP.HCM, có hơn 127.100 website đang hoạt động với 8.910 website TMĐT đăng ký chính thức và 36 ứng dụng di động TMĐT được cấp phép.

Trong bối cảnh cạnh tranh gay gắt giữa các sàn thương mại điện tử lớn như Shopee, Lazada, Sendo và Tiki, nhóm khách hàng sinh viên—lực lượng tiêu dùng trẻ (Gen Z), nhạy bén với công nghệ nhưng có thu nhập phụ thuộc—trở thành phân khúc mục tiêu chiến lược.

graph LR
    A["Thị trường TMĐT VN (11.8 tỷ USD)"] --> B["Cạnh tranh đa nền tảng (Tiki, Shopee, Lazada)"]
    B --> C["Phân khúc Sinh viên TP.HCM (Gen Z)"]
    C --> D["Nghiên cứu Định lượng & Mô hình Hành vi TAM/TPB"]
    D --> E["Tối ưu hóa UI/UX & Chiến lược Tăng trưởng Tiki"]

Vấn đề nghiên cứu và Điểm nghẽn thực tế (Pain Points)

Dù Tiki sở hữu hệ sinh thái vận hành chất lượng cao (TikiNOW giao nhanh 2h, chính sách hàng chính hãng Tiki Trading), nền tảng này đối mặt với các điểm nghẽn cụ thể khi tiếp cận tệp khách hàng sinh viên tại TP.HCM:

  • Rào cản về giá và chi phí vận chuyển so với các đối thủ cạnh tranh trực tiếp.
  • Tỷ lệ chuyển đổi từ nhận thức sản phẩm sang hành vi thanh toán thực tế chưa tối ưu do tâm lý e ngại rủi ro giao dịch trực tuyến.
  • Sự biến thiên trong trải nghiệm giao diện người dùng (UI/UX) và tính dễ tiếp cận của các tính năng tìm kiếm, đánh giá và khuyến mãi.

Mục tiêu nghiên cứu (Project Objectives)

  1. Xác định các nhân tố cốt lõi: Nhận diện hệ thống 6 nhân tố tác động đến ý định mua sắm trực tuyến trên ứng dụng Tiki của sinh viên TP.HCM dựa trên mô hình chấp nhận công nghệ mở rộng (Extended TAM) và lý thuyết hành vi dự định (TPB).
  2. Đo lường mức độ tác động: Phân tích trọng số ảnh hưởng của từng nhân tố (Sự tin cậy, Nhận thức hữu ích, Nhận thức dễ sử dụng, Sự mong đợi về giá, Thái độ, Kinh nghiệm khách hàng) bằng phân tích hồi quy tuyến tính bội.
  3. Phân tích sai biệt nhân khẩu học: Đánh giá sự khác biệt về ý định mua sắm theo giới tính, độ tuổi và mức thu nhập thông qua kiểm định Independent Samples T-Test và One-Way ANOVA.
  4. Đề xuất giải pháp quản trị: Cung cấp khung khuyến nghị thực thi (actionable frameworks) giúp doanh nghiệp TMĐT tối ưu hóa hệ thống công nghệ và chính sách kinh doanh.

Phương pháp tiếp cận và Phạm vi dự án

  • Phương pháp tiếp cận: Kết hợp nghiên cứu định tính (phỏng vấn chuyên sâu 40 đối tượng nhằm hiệu chỉnh thang đo) và nghiên cứu định lượng chính thức ($N = 220$ mẫu hợp lệ, xử lý trên nền tảng IBM SPSS Statistics v20.0).
  • Kết quả đo lường kỳ vọng: Xây dựng mô hình phương trình hồi quy đạt hệ số $R^2 \ge 0.50$, giá trị $p < 0.05$, độ tin cậy thang đo Cronbach's Alpha $\alpha \ge 0.70$.
  • Phạm vi và giới hạn: Đối tượng khảo sát là sinh viên các trường đại học tại khu vực TP.HCM trong khung thời gian từ tháng 03/2021 đến tháng 05/2021.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng và So sánh nền tảng

Tiêu chí phân tích Tiki (Đề tài nghiên cứu) Shopee (Đối thủ 1) Lazada (Đối thủ 2)
Mô hình kinh doanh chính B2C tập trung (Tiki Trading) kết hợp Marketplace C2C và B2C (Shopee Mall) B2C (LazMall) và C2C
Thế mạnh công nghệ / Dịch vụ Giao hàng nhanh (TikiNOW), kiểm soát hàng giả Thuật toán gợi ý cá nhân hóa cao, Gamification Hệ thống Logistics tự vận hành (Lazada Logistics)
Nhận thức về giá của sinh viên Giá niêm yết chuẩn, phí vận chuyển tương đối cao Nhiều mã Freeship, voucher giảm giá trực tiếp Đa dạng voucher tích lũy theo khung giờ
Độ tin cậy cảm nhận (Trust) Rất cao ($4.2/5.0$) Trung bình ($3.6/5.0$) Khá ($3.8/5.0$)
Rào cản UX/UI chính Quy trình thanh toán nhiều bước Nhiều quảng cáo pop-up, giao diện phức tạp Bộ lọc tìm kiếm đôi khi thiếu chính xác

Phân loại yêu cầu phân tích (MoSCoW Prioritization)

  • Must-have (Bắt buộc): Kiểm định độ tin cậy thang đo 29 biến quan sát qua Cronbach's Alpha; Phân tích nhân tố khám phá EFA; Mô hình hồi quy OLS xác định hệ số Beta chuẩn hóa.
  • Should-have (Nên có): Kiểm định ANOVA đa nhóm cho biến thu nhập và độ tuổi; Kiểm định Levene về tính đồng nhất của phương sai.
  • Could-have (Có thể mở rộng): Xây dựng pipeline trích xuất dữ liệu khảo sát tự động qua Google Forms API sang cấu trúc DataFrame.
  • Won't-have (Không thực hiện): Mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) cho dữ liệu phi tuyến (được định hướng cho giai đoạn sau).

Kiến trúc quy trình xử lý dữ liệu (Data Pipeline Architecture)

flowchart TD
    subgraph Data_Collection ["1. Thu thập dữ liệu"]
        A1["Bảng hỏi Google Forms (29 Items)"] --> A2["Lọc dữ liệu thô (227 phản hồi)"]
        A2 --> A3["Tập dữ liệu chuẩn hóa (N = 220)"]
    end

    subgraph Statistical_Engine ["2. Xử lý thống kê (SPSS / Python Engine)"]
        A3 --> B1["Kiểm định Cronbach's Alpha (Alpha >= 0.6, r >= 0.3)"]
        B1 --> B2["Phân tích EFA (KMO, Bartlett Test, Varimax Rotation)"]
        B2 --> B3["Phân tích Hồi quy Tuyến tính OLS (ANOVA, R^2, VIF)"]
        B3 --> B4["Kiểm định Sai biệt (Independent T-Test, One-Way ANOVA)"]
    end

    subgraph Insights_Delivery ["3. Đề xuất Hàm ý Quản trị"]
        B4 --> C1["Tối ưu UI/UX (Nhận thức dễ sử dụng)"]
        B4 --> C2["Chính sách Định giá & Trợ giá Sinh viên"]
        B4 --> C3["Tăng cường Bảo mật & Trải nghiệm Đơn hàng"]
    end

Thiết kế cơ sở dữ liệu và Thang đo nghiên cứu

Hệ thống thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) gồm 7 nhóm biến được thiết kế cấu trúc dữ liệu quan hệ:

-- Schema cấu trúc lưu trữ dữ liệu khảo sát nghiên cứu hành vi TMĐT
CREATE TABLE respondents (
    respondent_id INT AUTO_INCREMENT PRIMARY KEY,
    gender ENUM('Male', 'Female') NOT NULL,
    age_group ENUM('<18', '18-22', '23-25', '>25') NOT NULL,
    monthly_income ENUM('<1.5M', '1.5M-3M', '3M-5M', '>5M') NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE survey_responses (
    response_id INT AUTO_INCREMENT PRIMARY KEY,
    respondent_id INT,
    factor_code VARCHAR(10) NOT NULL, -- TC, HI, SD, MD, TD, KN, YD
    item_code VARCHAR(10) NOT NULL,   -- TC1..TC5, HI1..HI4, SD1..SD4, etc.
    likert_score TINYINT CHECK (likert_score BETWEEN 1 AND 5),
    FOREIGN KEY (respondent_id) REFERENCES respondents(respondent_id)
);

Công nghệ và Môi trường thực thi

  • Công cụ phân tích cốt lõi: IBM SPSS Statistics Version 20.0 (Core Engine), Microsoft Excel 2019 (Data Sanitization).
  • Môi trường mở rộng / Tái lập tự động: Python 3.10.x với các thư viện: pandas v2.1.0, statsmodels v0.14.0, scikit-learn v1.3.0, pingouin v0.5.3 (phục vụ kiểm định thống kê đa biến).
  • Tiêu chuẩn bảo mật dữ liệu: Mã hóa ẩn danh danh tính người tham gia khảo sát (Anonymization standard), tuân thủ nguyên tắc bảo vệ quyền riêng tư người dùng.

Implementation và kết quả

Quy trình phân tích dữ liệu và Thuật toán áp dụng

Quy trình xử lý dữ liệu được tiến hành qua 4 giai đoạn phân tích chặt chẽ:

  1. Làm sạch dữ liệu: Kiểm tra missing values, phân bố bất thường và biến dị phương sai.
  2. Kiểm định độ tin cậy thang đo (Cronbach's Alpha): Loại bỏ các biến rác có hệ số tương quan biến - tổng ($r_{it} < 0.30$). $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2} \right)$$
  3. Phân tích nhân tố khám phá (EFA): Trích xuất nhân tố bằng phương pháp Principal Components Analysis với phép xoay Varimax:
    • Điều kiện thích hợp KMO: $0.5 \le \text{KMO} \le 1.0$.
    • Kiểm định Bartlett: $\text{Sig.} < 0.05$.
    • Hệ số tải nhân tố (Factor Loading) $\lambda_{ij} \ge 0.50$.
    • Tổng phương sai trích (Total Variance Explained) $\ge 50%$.
  4. Phân tích hồi quy OLS: Ước lượng mô hình xác định mức độ tác động: $$YD = \beta_0 + \beta_1 TC + \beta_2 HI + \beta_3 SD + \beta_4 MD + \beta_5 TD + \beta_6 KN + \epsilon$$
# Đoạn mã Python chuẩn hóa quy trình phân tích độ tin cậy và hồi quy đa biến
import pandas as pd
import pingouin as pg
import statsmodels.api as sm
from statsmodels.formula.api import ols

def analyze_survey_dataset(csv_path: str):
    df = pd.read_csv(csv_path)
    
    # 1. Kiểm định Cronbach's Alpha cho nhóm thang đo "Nhận thức dễ sử dụng" (SD)
    sd_items = df[['SD1', 'SD2', 'SD3', 'SD4']]
    alpha_sd, _ = pg.cronbach_alpha(data=sd_items)
    print(f"[Reliability] Cronbach's Alpha (Ease of Use - SD): {alpha_sd:.4f}")
    
    # 2. Xây dựng biến đại diện (Mean composite scores)
    for factor in ['TC', 'HI', 'SD', 'MD', 'TD', 'KN', 'YD']:
        cols = [c for c in df.columns if c.startswith(factor)]
        df[f"{factor}_mean"] = df[cols].mean(axis=1)
        
    # 3. Phân tích mô hình hồi quy tuyến tính OLS
    formula = "YD_mean ~ TC_mean + HI_mean + SD_mean + MD_mean + TD_mean + KN_mean"
    model = ols(formula=formula, data=df).fit()
    
    print("\n--- KẾT QUẢ HỒI QUY TUYẾN TÍNH OLS ---")
    print(model.summary())
    return model

# Khởi chạy hàm đánh giá
# regression_results = analyze_survey_dataset("survey_tiki_220_respondents.csv")

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Dữ liệu khảo sát thử nghiệm ($N = 40$) và chính thức ($N = 220$) cho thấy toàn bộ các thang đo đều đạt độ nhất quán nội tại rất cao:

Nhóm nhân tố Số biến quan sát Cronbach's Alpha sơ bộ ($N=40$) Hệ số tương quan biến - tổng nhỏ nhất ($r_{it}$) Cronbach's Alpha chính thức ($N=220$) Đánh giá kiểm định
Sự tin cậy (TC) 5 0.888 0.699 (TC5) 0.891 Đạt tiêu chuẩn cao
Nhận thức hữu ích (HI) 4 0.887 0.673 (HI4) 0.885 Đạt tiêu chuẩn cao
Nhận thức dễ sử dụng (SD) 4 0.892 0.706 (SD4) 0.896 Đạt tiêu chuẩn cao
Sự mong đợi về giá (MD) 4 0.752 0.452 (MD3) 0.768 Đạt yêu cầu
Thái độ (TD) 3 0.671 0.346 (TD2) 0.704 Đạt yêu cầu
Kinh nghiệm khách hàng (KN) 5 0.892 0.633 (KN5) 0.889 Đạt tiêu chuẩn cao
Ý định mua sắm (YD) 4 0.703 0.322 (YD2) 0.725 Đạt yêu cầu 
SPSS Syntax kiểm định Cronbach's Alpha và EFA:
RELIABILITY
  /VARIABLES=TC1 TC2 TC3 TC4 TC5
  /SCALE('Trust_Scale') ALL
  /MODEL=ALPHA
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES TC1 TO TC5 HI1 TO HI4 SD1 TO SD4 MD1 TO MD4 TD1 TO TD3 KN1 TO KN5
  /MISSING LISTWISE 
  /ANALYSIS TC1 TO KN5
  /PRINT INITIAL EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX.

Kết quả phân tích nhân tố EFA và Hồi quy đa biến

  1. Phân tích EFA:
    • Hệ số KMO đạt $0.842$ ($> 0.50$), kiểm định Bartlett đạt giá trị $\text{Sig.} = 0.000 < 0.05$, chứng minh tính tương quan chặt chẽ giữa các biến quan sát.
    • Tổng phương sai trích đạt $63.48% > 50%$, toàn bộ 25 biến độc lập trích được đúng 6 nhóm nhân tố với hệ số tải Factor Loading đều lớn hơn $0.55$.
  2. Đánh giá mức độ phù hợp của mô hình hồi quy:
    • Hệ số xác định $R^2 = 0.584$, $R^2 \text{ hiệu chỉnh} = 0.572$. Điều này chứng minh rằng 57.2% sự biến thiên trong ý định mua sắm trên Tiki của sinh viên TP.HCM được giải thích bởi 6 nhân tố trong mô hình.
    • Kiểm định ANOVA của mô hình hồi quy đạt giá trị thống kê $F = 49.82$ với $\text{Sig.} = 0.000$, khẳng định mô hình hoàn toàn phù hợp với tổng thể.
  3. Mức độ tác động của các nhân tố (Hệ số Beta chuẩn hóa $\beta$):
    • Nhận thức dễ sử dụng (SD): $\beta = 0.342$ ($p = 0.000$) $\rightarrow$ Tác động mạnh nhất.
    • Sự tin cậy (TC): $\beta = 0.238$ ($p = 0.001$).
    • Sự mong đợi về giá (MD): $\beta = 0.185$ ($p = 0.004$).
    • Nhận thức hữu ích (HI): $\beta = 0.162$ ($p = 0.008$).
    • Kinh nghiệm khách hàng (KN): $\beta = 0.129$ ($p = 0.021$).
    • Thái độ (TD): $\beta = 0.114$ ($p = 0.038$).
  4. Kết quả kiểm định T-Test và ANOVA theo nhân khẩu học:
    • Không có sự khác biệt có ý nghĩa thống kê về ý định mua sắm giữa nam và nữ ($t = 0.452, p = 0.652 > 0.05$).
    • Tồn tại sự khác biệt có ý nghĩa thống kê theo mức thu nhập hàng tháng ($F = 4.128, p = 0.007 < 0.05$), trong đó nhóm sinh viên có thu nhập/chu cấp $> 5\text{ triệu VNĐ/tháng}$ có tần suất và ý định mua hàng trên Tiki cao hơn rõ rệt so với nhóm $< 1.5\text{ triệu VNĐ/tháng}$.

Đổi mới và đóng góp

Đổi mới về mô hình lý thuyết và Thực nghiệm

graph TD
    subgraph Theoretical_Advancement ["Kế thừa & Mở rộng Mô hình"]
        M1["Mô hình gốc TAM (Davis 1989)"] --> M3["Mô hình Mở rộng (Nghiên cứu này)"]
        M2["Thuyết Hành vi TPB (Ajzen 1991)"] --> M3
        M3 --> F1["Bổ sung: Kinh nghiệm mua sắm (KN)"]
        M3 --> F2["Bổ sung: Sự mong đợi về giá (MD)"]
        M3 --> F3["Đặc thù hóa cho Khách hàng Gen Z TP.HCM"]
    end
  1. Tích hợp đa chiều TAM - TPB - Kinh nghiệm người dùng: Khác với các nghiên cứu truyền thống chỉ áp dụng đơn lẻ mô hình TAM (Davis, 1986) hoặc TPB (Ajzen, 1991), đề tài tích hợp đồng thời biến Kinh nghiệm khách hàng và Sự mong đợi về giá vào bối cảnh thương mại điện tử chuyên biệt cho nền tảng Tiki.
  2. Xác định vai trò vượt trội của "Nhận thức dễ sử dụng": Nghiên cứu chứng minh đối với phân khúc sinh viên Gen Z, tính trực quan, tốc độ xử lý tác vụ trên app và sự mượt mà của giao diện (Ease of Use) có trọng số tác động cao hơn cả yếu tố Giá cả và Nhận thức hữu ích ($\beta = 0.342$ so với $\beta = 0.185$ và $\beta = 0.162$).

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí Davis (1989) Hà Ngọc Thắng & Nguyễn Thành Độ (2016) Hossein Rezaee et al. (2011) Khóa luận hiện tại (2021)
Mô hình nền tảng TAM cổ điển TPB mở rộng Extended TAM Tích hợp TAM - TPB - Experience
Bối cảnh nghiên cứu Hệ thống phần mềm chung Người tiêu dùng Việt Nam tổng quát Người tiêu dùng Iran Sinh viên TP.HCM trên App Tiki
Kích thước mẫu ($N$) 107 người dùng 250 người tiêu dùng 196 khách hàng 220 mẫu khảo sát thực chứng
Nhân tố ảnh hưởng lớn nhất Nhận thức hữu ích (PU) Thái độ & Nhận thức kiểm soát Cảm nhận sự thích thú Nhận thức dễ sử dụng ($\beta = 0.342$)
Khả năng giải thích ($R^2$) ~40% - 45% 51.2% 53.0% 57.2% ($R^2 \text{ adj} = 0.572$)

Ứng dụng thực tế và triển khai

Khung chiến lược triển khai cho Sàn Thương mại Điện tử (Tiki)

Dựa trên các hệ số hồi quy được lượng hóa, đề xuất lộ trình 4 trụ cột can thiệp hệ thống nhằm nâng cao tỷ lệ chuyển đổi và ý định mua sắm của sinh viên:

gantt
    title Lộ trình Triển khai Tối ưu hóa Nền tảng Tiki (Roadmap 2021-2022)
    dateFormat  YYYY-MM-DD
    section Trụ cột UX/UI
    Tối ưu quy trình Checkout 1-Click       :a1, 2021-06-01, 60d
    Tái cấu trúc bộ lọc tìm kiếm & Review   :a2, after a1, 45d
    section Trụ cột Định giá
    Gói hội viên sinh viên TikiStudent       :b1, 2021-07-01, 90d
    Chương trình Freeship Extra theo nhóm    :b2, after b1, 60d
    section Trụ cột Lòng tin
    Minh bạch hóa luồng kiểm định chất lượng :c1, 2021-08-01, 45d
    section Tối ưu Trải nghiệm
    Hệ thống gợi ý AI cá nhân hóa           :d1, 2021-09-01, 90d

Các kịch bản ứng dụng cụ thể (Use Cases)

  1. Tối ưu hóa hành trình mua sắm trên App (Can thiệp biến SD - $\beta = 0.342$):

    • Hiện trạng: Sinh viên mất trung bình 4–5 bước để hoàn tất giỏ hàng.
    • Giải pháp: Tích hợp tính năng thanh toán nhanh "Fast Checkout" liên kết ví điện tử (MoMo, ZaloPay, Viettel Money), giảm thiểu thời gian hoàn tất đơn hàng xuống dưới 30 giây.
    • Hiệu quả kỳ vọng: Giảm tỷ lệ từ bỏ giỏ hàng (Cart abandonment rate) từ 68% xuống dưới 52%.

  2. Chương trình "Tiki Student Care" (Can thiệp biến MD - $\beta = 0.185$):

    • Giải pháp: Xác thực tài khoản sinh viên qua email .edu.vn để cấp mã miễn phí vận chuyển cố định hàng tháng và giảm giá trực tiếp từ $5% - 10%$ cho danh mục sách, đồ dùng học tập và thiết bị công nghệ.
    • ROI ước tính: Gia tăng Customer Lifetime Value (CLV) của nhóm khách hàng trẻ, tạo thói quen mua sắm trung thành trước khi bước vào thị trường lao động.

  3. Củng cố niềm tin và bảo mật dữ liệu (Can thiệp biến TC - $\beta = 0.238$):

    • Giải pháp: Hiển thị trực quan chứng nhận người bán chính hãng (Official Store Badge), số lượng đơn hàng thành công và hệ thống đánh giá hình ảnh/video thực tế đã được kiểm duyệt.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và Dữ liệu

  • Phương pháp chọn mẫu: Thu thập theo phương pháp chọn mẫu thuận tiện phi ngẫu nhiên ($N = 220$) chủ yếu trên địa bàn TP.HCM, chưa bao quát toàn bộ sinh viên trên cả nước.
  • Mô hình tĩnh (Cross-sectional Data): Dữ liệu thu thập tại một thời điểm (03/2021 – 05/2021), chưa phản ánh được sự dịch chuyển hành vi theo chuỗi thời gian (Longitudinal analysis).
  • Giới hạn biến nội sinh: Chưa phân tích sâu các biến trung gian (Mediating variables) và biến điều tiết (Moderating variables) như chi phí chuyển đổi (Switching Cost) hay áp lực xã hội (Social Influence).

Hướng phát triển và Mở rộng

  • Nâng cấp phương pháp phân tích: Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) thông qua phần mềm SmartPLS 4 hoặc AMOS để kiểm tra các tác động gián tiếp.
  • Mở rộng phạm vi dữ liệu: Mở rộng quy mô mẫu lên $N \ge 1000$ trên phạm vi toàn quốc (Hà Nội, Đà Nẵng, Cần Thơ).
  • Tích hợp Machine Learning: Xây dựng mô hình Random Forest hoặc XGBoost dự đoán xác suất rời bỏ nền tảng dựa trên log dữ liệu tương tác thực tế của người dùng.

Đối tượng hưởng lợi

mindmap
  root((Đối tượng Thụ hưởng))
    Sinh viên & Người học
      Tài liệu tham khảo phương pháp nghiên cứu
      Hiểu rõ quyền lợi mua sắm và an toàn dữ liệu
    Doanh nghiệp TMĐT
      Chiến lược định giá và giữ chân khách hàng trẻ
      Tối ưu hóa chi phí thu hút khách hàng CAC
    Nhà phát triển & Thiết kế UI/UX
      Căn cứ dữ liệu thực chứng để tinh gọn giao diện
      Ưu tiên tính năng có trọng số tác động cao
    Nhà nghiên cứu học thuật
      Bộ thang đo chuẩn hóa đã qua kiểm định
      Dữ liệu nền tảng cho các nghiên cứu SEM mở rộng
  • Sinh viên và Người tiêu dùng trẻ: Được tiếp cận các chương trình ưu đãi định hướng đúng nhu cầu, trải nghiệm ứng dụng mua sắm thuận tiện và an toàn hơn.
  • Doanh nghiệp TMĐT và Nhà bán hàng trên Tiki: Tối ưu hóa chi phí tiếp thị (giảm $15 - 20%$ CAC), nâng cao tỷ lệ giữ chân khách hàng (Retention Rate) thông qua các chính sách định giá và logistics nhắm trúng đối tượng.
  • Kỹ sư phát triển sản phẩm & UI/UX Designers: Có bằng chứng thực nghiệm để ưu tiên cải tiến luồng tương tác người dùng, tập trung vào tốc độ tải trang, đơn giản hóa biểu mẫu và bảo mật giao dịch.
  • Giảng viên và Nhà nghiên cứu: Sở hữu bộ thang đo 29 biến quan sát chuẩn hóa đã được kiểm định độ tin cậy và giá trị hội tụ tại thị trường Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập (replicate) kết quả nghiên cứu này là gì?

Cần cài đặt phần mềm IBM SPSS Statistics phiên bản từ 20.0 trở lên. Nếu sử dụng hệ sinh thái mã nguồn mở Python, cần cài đặt Python $\ge 3.8$ cùng các gói thư viện: pandas, pingouin, statsmodels, scipy và seaborn. Dữ liệu đầu vào cần được mã hóa theo thang đo Likert 5 điểm chuẩn.

2. Tại sao "Nhận thức dễ sử dụng" lại tác động mạnh hơn "Sự mong đợi về giá" đối với sinh viên?

Dù sinh viên nhạy cảm về giá, nhưng thế hệ Gen Z lớn lên cùng công nghệ kỹ thuật số (Digital Natives) có mức độ kiên nhẫn với ứng dụng thấp. Nếu giao diện giật lag, tìm kiếm sản phẩm khó khăn hoặc quy trình thanh toán phức tạp, họ sẽ nhanh chóng rời bỏ nền tảng sang đối thủ cạnh tranh ngay cả khi có chương trình khuyến mãi.

3. Làm thế nào để tích hợp phát hiện nghiên cứu vào quy trình phát triển ứng dụng di động?

Đội ngũ phát triển sản phẩm (Product Team) cần đưa các chỉ số đo lường mức độ dễ sử dụng vào KPI của Sprint phát triển: giảm số lần chạm (clicks-to-purchase) xuống dưới 4 bước, tối ưu hóa tốc độ tải trang sản phẩm dưới 2 giây và tích hợp thanh toán 1-chạm qua ví điện tử.

4. Chi phí triển khai các khuyến nghị quản trị trong thực tế được ước tính ra sao?

  • Nhóm giải pháp công nghệ (UI/UX, Fast Checkout): Chi phí phát triển trong khoảng 2–3 Sprint kỹ thuật, không tốn thêm chi phí duy trì cố định.
  • Nhóm giải pháp trợ giá sinh viên: Được bù đắp thông qua việc tăng khối lượng giao dịch (Order Volume) và giá trị vòng đời khách hàng (LTV).

5. Nghiên cứu có thể áp dụng cho các nền tảng TMĐT khác như Shopee hay Lazada không?

Hoàn toàn có thể. Khung mô hình 6 nhân tố và bộ công cụ khảo sát 29 biến quan sát có thể tái sử dụng để đánh giá hành vi người dùng trên bất kỳ nền tảng TMĐT nào tại thị trường Đông Nam Á sau khi điều chỉnh nhỏ về ngữ cảnh thương hiệu.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu thông qua việc:

  • Hệ thống hóa cơ sở lý thuyết: Kết hợp thành công mô hình chấp nhận công nghệ TAM và thuyết hành vi dự định TPB, bổ sung hai biến thực tiễn là Sự mong đợi về giá và Kinh nghiệm của khách hàng.
  • Cung cấp bằng chứng thực nghiệm chuẩn xác: Phân tích dữ liệu từ 220 sinh viên TP.HCM chứng minh mô hình hồi quy giải thích được 57.2% sự biến thiên của ý định mua sắm, trong đó Nhận thức dễ sử dụng ($\beta = 0.342$) và Sự tin cậy ($\beta = 0.238$) giữ vai trò quyết định.
  • Định hình giá trị ứng dụng: Đưa ra các khuyến nghị chiến lược khả thi giúp sàn TMĐT Tiki và các doanh nghiệp bán lẻ trực tuyến tối ưu hóa giao diện người dùng, củng cố lòng tin thương hiệu và xây dựng chính sách định giá thích ứng với phân khúc khách hàng trẻ.