Giới thiệu dự án

Thị trường thương mại điện tử (TMĐT) Việt Nam đang chứng kiến sự bứt phá mạnh mẽ trong kỷ nguyên kinh tế số. Báo cáo từ Hootsuite & We Are Social ghi nhận quy mô người dùng Internet tại Việt Nam đạt 68,72 triệu người (chiếm 70,3% dân số), trong đó có tới 68,5% người dùng sử dụng các ứng dụng mua sắm trên thiết bị di động và 61,4% từng thực hiện giao dịch trực tuyến. Theo báo cáo e-Conomy SEA do Google, Temasek và Bain & Company công bố, quy mô nền kinh tế số Việt Nam đạt 14 tỷ USD năm 2020 và dự báo cán mốc 52 tỷ USD vào năm 2025 với tốc độ tăng trưởng kép hàng năm (CAGR) đạt 19%, giữ vị trí thứ 3 trong khu vực ASEAN. Sự dịch chuyển từ các kênh bán lẻ truyền thống sang nền tảng số được thúc đẩy mạnh mẽ bởi làn sóng đại dịch COVID-19 và sự thay đổi hành vi tiêu dùng đô thị.

Tuy nhiên, các doanh nghiệp và sàn TMĐT đang đối mặt với bài toán tối ưu hóa tỷ lệ chuyển đổi khi chi phí thu hút khách hàng (CAC) ngày càng tăng cao nhưng rào cản về niềm tin, trải nghiệm người dùng (UX/UI), chính sách giá và tốc độ phản hồi vẫn là những điểm nghẽn lớn. Khách hàng tại các đô thị lớn như Thành phố Hồ Chí Minh (TP.HCM) có hành vi mua sắm phức tạp, yêu cầu cao về tính tiện lợi, sự đa dạng sản phẩm và tính minh bạch trong thanh toán. Do đó, việc lượng hóa chính xác các biến số chi phối quyết định mua hàng là yêu cầu sống còn cho các nhà quản trị nền tảng số.

Mục tiêu cụ thể của dự án nghiên cứu bao gồm:

  1. Xác định và hệ thống hóa các nhân tố nền tảng cấu thành nên ý định mua sắm trực tuyến của người tiêu dùng tại TP.HCM.
  2. Xây dựng thang đo chuẩn hóa và mô hình kinh tế lượng tích hợp giữa Thuyết hành động hợp lý (TRA), Thuyết hành vi dự định (TPB) và Thuyết chấp nhận công nghệ (TAM) để ước lượng mức độ tác động của từng nhân tố.
  3. Đề xuất hệ thống giải pháp và hàm ý quản trị thực tiễn giúp các doanh nghiệp bán lẻ và sàn TMĐT tối ưu hóa trải nghiệm khách hàng, gia tăng doanh thu và tỷ lệ chuyển đổi.

Dự án tiếp cận vấn đề thông qua phương pháp nghiên cứu hỗn hợp (mixed methods), kết hợp phỏng vấn sâu định tính và phân tích định lượng dựa trên kỹ thuật phân tích nhân tố khám phá (EFA) cùng hồi quy tuyến tính bội (Multiple Linear Regression). Phạm vi nghiên cứu tập trung vào tệp khách hàng cá nhân đang sinh sống, học tập và làm việc tại TP.HCM có hành vi mua sắm trên các sàn TMĐT phổ biến (Shopee, Lazada, Tiki, Sendo) trong giai đoạn từ tháng 01/2021 đến tháng 05/2021 với cỡ mẫu hợp lệ $N = 230$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi tiêu dùng trực tuyến đã được nhiều học giả quốc tế và trong nước tiếp cận từ nhiều góc độ khác nhau. Bảng tổng hợp dưới đây phân tích ưu và nhược điểm của các mô hình nghiên cứu tiền nhiệm:

Tác giả & Năm Khung lý thuyết Ưu điểm Hạn chế / Khoảng trống nghiên cứu
Sultan & Uddin (2011) Tiện lợi, Tiết kiệm thời gian, Thiết kế web, Bảo mật Xác định rõ vai trò của giao diện trang web trong môi trường đại học Mẫu nhỏ ($N = 100$), chỉ khảo sát sinh viên tại Gotland (Thụy Điển), thiếu kiểm soát về giá cả
Rahman et al. (2013) Mô hình TAM mở rộng + Rủi ro cảm nhận Phân tích rõ rủi ro nhận thức và tính hữu ích tại Malaysia Chưa tích hợp các yếu tố về sự đa dạng danh mục hàng hóa
Alsoud & Othman (2018) TAM + Chất lượng web, Uy tín, Dịch vụ sau bán hàng Làm rõ tác động của bảo mật và uy tín thương hiệu tại Jordan Chưa đánh giá độ nhạy cảm về giá và tính tiện ích thời gian thực
Nguyễn Thị Bảo Châu (2014) Mô hình hành vi mua sắm tại Cần Thơ Phân tích sâu 8 nhóm nhân tố tâm lý và rủi ro tài chính Bối cảnh thị trường cấp tỉnh, chưa phản ánh đặc tính tiêu dùng tại siêu đô thị TP.HCM
Hà Ngọc Thắng & Nguyễn Thành Độ (2016) Mô hình TPB mở rộng (Rủi ro cảm nhận) Cỡ mẫu lớn ($N = 423$), kiểm định tốt biến kiểm soát hành vi Thiếu các biến cấu trúc công nghệ như tính đáp ứng giao diện web/app

Phương pháp xác định độ ưu tiên yêu cầu của người dùng trên nền tảng TMĐT theo chuẩn MoSCoW:

  • Must-have (Bắt buộc phải có): Tính bảo mật dữ liệu cá nhân, cơ chế thanh toán an toàn qua cổng điện tử, hiển thị giá cả và chi phí vận chuyển minh bạch.
  • Should-have (Nên có): Tốc độ tải trang dưới 2 giây, công cụ tìm kiếm và bộ lọc sản phẩm đa tiêu chí, hệ thống đánh giá/phản hồi minh bạch từ cộng đồng.
  • Could-have (Có thể có): Gợi ý cá nhân hóa dựa trên AI, tính năng chat trực tiếp với người bán theo thời gian thực (Live Chat), theo dõi hành trình đơn hàng tương tác.
  • Won't-have (Chưa ưu tiên): Mua sắm qua thực tế ảo tăng cường (AR/VR shopping) trong giai đoạn hiện tại.

Thiết kế hệ thống

Mô hình nghiên cứu đề xuất được thiết lập thông qua việc tích hợp các cấu trúc từ TRA, TPB và TAM, bao gồm 6 biến độc lập và 1 biến phụ thuộc:

graph LR
    TT[Sự thuận tiện - TT] --> YD[Ý định mua sắm - YD]
    TC[Sự tin cậy - TC] --> YD
    GC[Giá cả - GC] --> YD
    DDLC[Đa dạng lựa chọn - DDLC] --> YD
    TDU[Tính đáp ứng trang web - TDU] --> YD
    DSD[Cảm nhận tính dễ sử dụng - DSD] --> YD

Mô hình kinh tế lượng hồi quy tuyến tính tổng quát có dạng:

$$YD = \beta_0 + \beta_1 TT + \beta_2 TC + \beta_3 GC + \beta_4 DDLC + \beta_5 TDU + \beta_6 DSD + \epsilon$$

Trong đó:

  • $YD$: Ý định mua sắm trên các kênh TMĐT (Purchase Intention)
  • $TT$: Sự thuận tiện (Convenience - 5 biến quan sát: TT1 - TT5)
  • $TC$: Sự tin cậy (Trust - 5 biến quan sát: TC1 - TC5)
  • $GC$: Giá cả (Price Perception - 4 biến quan sát: GC1 - GC4)
  • $DDLC$: Đa dạng về lựa chọn (Product Assortment - 4 biến quan sát: DDLC1 - DDLC4)
  • $TDU$: Tính đáp ứng của trang web (Website Responsiveness - 5 biến quan sát: TDU1 - TDU5)
  • $DSD$: Cảm nhận về tính dễ sử dụng (Perceived Ease of Use - 5 biến quan sát: DSD1 - DSD5)
  • $\beta_0$: Hằng số hồi quy (Intercept); $\beta_1 \dots \beta_6$: Các hệ số hồi quy chuẩn hóa (Standardized Beta coefficients); $\epsilon$: Sai số ngẫu nhiên (Residual error).

Cấu trúc lưu trữ dữ liệu khảo sát và bảng mã định danh biến quan sát:

-- Cấu trúc bảng cơ sở dữ liệu xử lý dữ liệu khảo sát TMĐT
CREATE TABLE SurveyResponses (
    RespondentID INT PRIMARY KEY AUTO_INCREMENT,
    Gender VARCHAR(10) NOT NULL,
    AgeGroup VARCHAR(20) NOT NULL,
    EducationLevel VARCHAR(50) NOT NULL,
    MonthlyIncome VARCHAR(30) NOT NULL,
    PreferredPlatform VARCHAR(50) NOT NULL,
    TT1 TINYINT CHECK (TT1 BETWEEN 1 AND 5),
    TT2 TINYINT CHECK (TT2 BETWEEN 1 AND 5),
    TT3 TINYINT CHECK (TT3 BETWEEN 1 AND 5),
    TT4 TINYINT CHECK (TT4 BETWEEN 1 AND 5),
    TT5 TINYINT CHECK (TT5 BETWEEN 1 AND 5),
    TC1 TINYINT CHECK (TC1 BETWEEN 1 AND 5),
    TC2 TINYINT CHECK (TC2 BETWEEN 1 AND 5),
    TC3 TINYINT CHECK (TC3 BETWEEN 1 AND 5),
    TC4 TINYINT CHECK (TC4 BETWEEN 1 AND 5),
    TC5 TINYINT CHECK (TC5 BETWEEN 1 AND 5),
    GC1 TINYINT CHECK (GC1 BETWEEN 1 AND 5),
    GC2 TINYINT CHECK (GC2 BETWEEN 1 AND 5),
    GC3 TINYINT CHECK (GC3 BETWEEN 1 AND 5),
    GC4 TINYINT CHECK (GC4 BETWEEN 1 AND 5),
    DDLC1 TINYINT CHECK (DDLC1 BETWEEN 1 AND 5),
    DDLC2 TINYINT CHECK (DDLC2 BETWEEN 1 AND 5),
    DDLC3 TINYINT CHECK (DDLC3 BETWEEN 1 AND 5),
    DDLC4 TINYINT CHECK (DDLC4 BETWEEN 1 AND 5),
    TDU1 TINYINT CHECK (TDU1 BETWEEN 1 AND 5),
    TDU2 TINYINT CHECK (TDU2 BETWEEN 1 AND 5),
    TDU3 TINYINT CHECK (TDU3 BETWEEN 1 AND 5),
    TDU4 TINYINT CHECK (TDU4 BETWEEN 1 AND 5),
    TDU5 TINYINT CHECK (TDU5 BETWEEN 1 AND 5),
    DSD1 TINYINT CHECK (DSD1 BETWEEN 1 AND 5),
    DSD2 TINYINT CHECK (DSD2 BETWEEN 1 AND 5),
    DSD3 TINYINT CHECK (DSD3 BETWEEN 1 AND 5),
    DSD4 TINYINT CHECK (DSD4 BETWEEN 1 AND 5),
    DSD5 TINYINT CHECK (DSD5 BETWEEN 1 AND 5),
    YD1 TINYINT CHECK (YD1 BETWEEN 1 AND 5),
    YD2 TINYINT CHECK (YD2 BETWEEN 1 AND 5),
    YD3 TINYINT CHECK (YD3 BETWEEN 1 AND 5),
    CreatedAt TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Methodology

Quy trình nghiên cứu được chia làm hai pha chính:

  1. Nghiên cứu định tính ($n = 7$): Tiến hành phỏng vấn sâu cá nhân theo kỹ thuật chuyên gia nhằm rà soát tính mạch lạc của ngôn từ, hiệu chỉnh thang đo Likert 5 điểm và loại bỏ các biến quan sát gây hiểu nhầm ngữ nghĩa.
  2. Nghiên cứu định lượng ($N = 230$): Thu thập dữ liệu thông qua bảng câu hỏi trực tuyến (Google Forms API). Dữ liệu được làm sạch, mã hóa và xử lý thống kê bằng phần mềm chuyên dụng SPSS v20.0 và thư viện statsmodels trên Python.

Ma trận đánh giá rủi ro và chiến lược giảm thiểu trong quy trình nghiên cứu:

  • Rủi ro sai lệch chọn mẫu (Sampling Bias): Thu hút quá nhiều đáp viên cùng một nhóm tuổi. Giải pháp: Phân tầng kênh tiếp cận trên nhiều nhóm cộng đồng xã hội tại TP.HCM.
  • Rủi ro đa cộng tuyến (Multicollinearity): Các biến độc lập có tương quan quá cao làm sai lệch hệ số hồi quy. Giải pháp: Kiểm định nghiêm ngặt chỉ số VIF (Variance Inflation Factor < 2.0).
  • Rủi ro không phản hồi trung thực (Common Method Bias): Đáp viên chọn cùng một mức điểm cho tất cả câu hỏi. Giải pháp: Đảo chiều câu hỏi kiểm tra và loại bỏ các mẫu có phương sai bằng 0.

Implementation và kết quả

Development process

Quá trình thu thập và phân tích dữ liệu được mô hình hóa tự động thông qua pipeline xử lý dữ liệu và ước lượng hồi quy. Đoạn mã Python dưới đây thực thi việc kiểm định hệ số tin cậy Cronbach's Alpha, ma trận tương quan Pearson và mô hình hồi quy bình phương tối thiểu (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 cho thang đo."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    return (k / (k - 1)) * (1 - item_vars.sum() / total_var)

# 1. Đọc và tiền xử lý dữ liệu khảo sát (N = 230)
df = pd.read_csv("survey_data_hcmc_2021.csv")

# 2. Tính toán điểm trung bình đại diện cho từng cấu trúc
df['TT'] = df[['TT1', 'TT2', 'TT3', 'TT4', 'TT5']].mean(axis=1)
df['TC'] = df[['TC1', 'TC2', 'TC3', 'TC4', 'TC5']].mean(axis=1)
df['GC'] = df[['GC1', 'GC2', 'GC3', 'GC4']].mean(axis=1)
df['DDLC'] = df[['DDLC1', 'DDLC2', 'DDLC3', 'DDLC4']].mean(axis=1)
df['TDU'] = df[['TDU1', 'TDU2', 'TDU3', 'TDU4', 'TDU5']].mean(axis=1)
df['DSD'] = df[['DSD1', 'DSD2', 'DSD3', 'DSD4', 'DSD5']].mean(axis=1)
df['YD'] = df[['YD1', 'YD2', 'YD3']].mean(axis=1)

# 3. Ước lượng mô hình hồi quy tuyến tính đa biến OLS
X = df[['TT', 'TC', 'GC', 'DDLC', 'TDU', 'DSD']]
X_with_const = sm.add_constant(X)
y = df['YD']

ols_model = sm.OLS(y, X_with_const).fit()

# 4. Kiểm tra hiện tượng đa cộng tuyến (VIF)
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]

print(ols_model.summary())
print("\nVariance Inflation Factor (VIF):\n", vif_data)

Testing và validation

Bộ thang đo bao gồm 28 biến quan sát độc lập và 3 biến quan sát phụ thuộc được kiểm định qua hai giai đoạn thống kê nghiêm ngặt:

  1. Kiểm định độ tin cậy Cronbach's Alpha:

    • Tất cả các thang đo đều thỏa mãn điều kiện Cronbach's $\alpha \ge 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$.
    • Thang đo Sự thuận tiện (TT) đạt $\alpha = 0.842$; Sự tin cậy (TC) đạt $\alpha = 0.865$; Giá cả (GC) đạt $\alpha = 0.812$; Đa dạng lựa chọn (DDLC) đạt $\alpha = 0.798$; Tính đáp ứng của trang web (TDU) đạt $\alpha = 0.854$; Cảm nhận về tính dễ sử dụng (DSD) đạt $\alpha = 0.829$; Ý định mua sắm (YD) đạt $\alpha = 0.871$.

  2. Phân tích nhân tố khám phá (EFA):

    • Hệ số $KMO = 0.852$ ($0.5 \le KMO \le 1.0$), kiểm định Bartlett có mức ý nghĩa $p\text{-value} = 0.000 < 0.001$, chứng minh các biến có tương quan chặt chẽ.
    • Phương pháp trích nhân tố Principal Axis Factoring với phép quay Varimax trích được 6 nhân tố tại điểm dừng Eigenvalue $= 1.245 > 1.0$. Tổng phương sai trích đạt $62.38% > 50%$, tất cả các trọng số nhân tố (Factor Loadings) đều $> 0.50$, không có hiện tượng biến tải chéo phức tạp.

Kết quả đạt được

Kết quả phân tích hồi quy tuyến tính bội trên cỡ mẫu $N = 230$ cho thấy mức độ giải thích và ý nghĩa thống kê của các biến:

Biến độc lập Ký hiệu Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn ($SE$) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($p\text{-value}$) Hệ số phóng đại phương sai ($VIF$)
(Hằng số) $\beta_0$ 0.412 0.185 - 2.227 0.027 -
Sự thuận tiện $TT$ 0.245 0.048 0.268 5.104 0.000 1.342
Sự tin cậy $TC$ 0.284 0.052 0.295 5.461 0.000 1.415
Giá cả $GC$ 0.178 0.044 0.186 4.045 0.000 1.289
Đa dạng lựa chọn $DDLC$ 0.125 0.041 0.134 3.048 0.003 1.256
Tính đáp ứng web $TDU$ 0.156 0.046 0.162 3.391 0.001 1.378
Tính dễ sử dụng $DSD$ 0.142 0.045 0.148 3.155 0.002 1.312
  • Chỉ số kiểm định mô hình:
    • Hệ số xác định $R^2 = 0.584$, Hệ số xác định hiệu chỉnh $R^2_{\text{adj}} = 0.573$ ($57.3%$ sự biến thiên của Ý định mua sắm được giải thích bởi 6 nhân tố trong mô hình).
    • Kiểm định ANOVA: $F(6, 223) = 52.184$, giá trị $p\text{-value} = 0.000 < 0.001$, khẳng định mô hình hồi quy tuyến tính xây dựng là hoàn toàn phù hợp với tổng thể.
    • Tất cả các hệ số $VIF < 1.5$, bác bỏ hoàn toàn giả thuyết có hiện tượng đa cộng tuyến giữa các biến độc lập.
    • Thứ tự mức độ tác động giảm dần tới ý định mua sắm: Sự tin cậy ($\beta = 0.295$) > Sự thuận tiện ($\beta = 0.268$) > Giá cả ($\beta = 0.186$) > Tính đáp ứng trang web ($\beta = 0.162$) > Cảm nhận tính dễ sử dụng ($\beta = 0.148$) > Đa dạng về lựa chọn ($\beta = 0.134$).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và ứng dụng cụ thể:

  1. Mô hình hóa đa khung lý thuyết: Đã tích hợp thành công các cấu trúc nhận thức từ TAM (tính dễ sử dụng), TRA/TPB (thái độ và chuẩn mực chủ quan) cùng các yếu tố đặc thù của thương mại điện tử bản địa (sự tin cậy, giá cả, danh mục sản phẩm) thành một mô hình giải thích có $R^2_{\text{adj}} = 57.3%$.
  2. Khám phá trọng số quyết định tại thị trường TP.HCM: Trái ngược với các thị trường phát triển nơi tính dễ sử dụng hay tốc độ giao hàng chiếm ưu thế, tại TP.HCM, Sự tin cậy ($\beta = 0.295$) và Sự thuận tiện ($\beta = 0.268$) là hai trụ cột chi phối mạnh mẽ nhất. Điều này phản ánh tâm lý lo ngại rủi ro về chất lượng hàng thật - giả và nhu cầu tiết kiệm thời gian di chuyển trong môi trường đô thị mật độ cao.
  3. Bộ thang đo được chuẩn hóa theo ngữ cảnh đô thị: Thang đo 31 biến quan sát được hiệu chỉnh qua nghiên cứu định tính và kiểm định thực nghiệm EFA, đạt độ tin cậy nội tại cao ($\alpha > 0.79$), cung cấp công cụ đo lường chuẩn xác cho các nghiên cứu tiếp theo về hành vi người dùng TMĐT tại Việt Nam.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, hệ thống giải pháp quản trị thực thi cho các doanh nghiệp bán lẻ và sàn TMĐT bao gồm:

                            CHIẾN LƯỢC QUẢN TRỊ 6 TRỤ CỘT
  1. Gia tăng sự tin cậy (Ưu tiên số 1 - $\beta = 0.295$):
    • Triển khai huy hiệu gian hàng chính hãng được kiểm duyệt nghiêm ngặt (tương tự Shopee Mall, LazMall, Tiki Trading).
    • Thiết lập chính sách bảo vệ người mua: Cho phép đồng kiểm khi nhận hàng, hoàn tiền tự động 100% đến 200% nếu phát hiện hàng giả, hàng lỗi trong vòng 7-15 ngày.
    • Minh bạch hóa cổng thanh toán thông qua việc đạt chuẩn chứng chỉ bảo mật quốc tế PCI-DSS Level 1 và mã hóa dữ liệu đầu cuối SSL/TLS.
  2. Tối ưu hóa sự thuận tiện (Ưu tiên số 2 - $\beta = 0.268$):
    • Xây dựng mạng lưới logistics thông minh kết hợp kho fulfillment nội đô để cung cấp dịch vụ giao hàng hỏa tốc trong 2 giờ.
    • Tối giản quy trình đặt hàng: Áp dụng cơ chế mua hàng tức thì (One-Click Checkout), hỗ trợ đa dạng phương thức thanh toán không tiền mặt (MoMo, ZaloPay, Apple Pay, VietQR).
  3. Chính sách giá và chiêu thị cạnh tranh ($\beta = 0.186$):
    • Triển khai thuật toán định giá động (Dynamic Pricing) theo khung giờ flash sale và chính sách cam kết hoàn tiền chênh lệch nếu tìm thấy giá rẻ hơn.
    • Kết hợp các gói trợ giá vận chuyển (Free Shipping vouchers) để giảm bớt rào cản từ phí ship - một trong những nguyên nhân hàng đầu gây bỏ rơi giỏ hàng.
  4. Nâng cấp tính đáp ứng và hạ tầng kỹ thuật của trang web/ứng dụng ($\beta = 0.162$ & $\beta = 0.148$):
    • Tối ưu hóa hiệu năng ứng dụng di động: Áp dụng kiến trúc Microservices kết hợp mạng phân phối nội dung (CDN) để duy trì thời gian tải trang dưới 1.5 giây trong các sự kiện siêu sale Mega Campaign (11.11, 12.12).
    • Thiết kế giao diện UI/UX trực quan theo mô hình chữ F hoặc chữ Z, bố trí thanh tìm kiếm thông minh với khả năng tự động hoàn thành từ khóa (Autocomplete) và tìm kiếm bằng hình ảnh/giọng nói.

Hạn chế và hướng phát triển

Dự án thừa nhận một số giới hạn phương pháp luận và gợi mở các hướng nghiên cứu mở rộng:

  • Hạn chế về phương pháp chọn mẫu: Kỹ thuật lấy mẫu thuận tiện phi xác suất ($N = 230$) tại khu vực TP.HCM có thể làm giảm tính đại diện tổng quát cho toàn bộ thị trường TMĐT Việt Nam (đặc biệt là khu vực nông thôn và các đô thị loại 2, loại 3).
  • Thiết kế nghiên cứu cắt ngang (Cross-sectional study): Dữ liệu thu thập tại một thời điểm (năm 2021 trong bối cảnh giãn cách xã hội), chưa phản ánh được sự biến động nhận thức dài hạn khi dịch bệnh được kiểm soát hoàn toàn.
  • Hướng phát triển tiếp theo:
    • Mở rộng quy mô mẫu lên $N \ge 1,000$ bằng phương pháp lấy mẫu phân tầng ngẫu nhiên trên toàn quốc.
    • Ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để phân tích các tác động điều tiết (Moderating effects) của biến nhân khẩu học (độ tuổi, thu nhập, thế hệ Gen Z vs Millennials) và biến trung gian (Mediating effects như Thái độ và Sự hài lòng).
    • Tích hợp kỹ thuật học máy (Machine Learning) và phân tích cảm xúc (Sentiment Analysis) trên dữ liệu văn bản đánh giá sản phẩm thực tế để đo lường mức độ tin cậy theo thời gian thực.

Đối tượng hưởng lợi

   Sinh viên / Học viên   Lập trình viên / UX   Doanh nghiệp / E-com   Nhà nghiên cứu
   - Tham khảo mô hình    - Kiến trúc giao diện - Tối ưu tỷ lệ CR     - Dữ liệu định lượng
   - Quy trình SPSS/EFA   - Tiêu chuẩn PCI-DSS  - Chiến lược logistics - Mở rộng PLS-SEM
  • Sinh viên và Học viên Cao học ngành QTKD/TMĐT/Hệ thống thông tin: Tiếp cận một tài liệu tham khảo hoàn chỉnh về phương pháp luận nghiên cứu khoa học, từ xây dựng khung lý thuyết, thiết kế thang đo Likert, đến quy trình phân tích định lượng chuẩn mực trên SPSS và Python.
  • Lập trình viên và Nhà thiết kế sản phẩm số (Product Managers / UX-UI Designers): Nắm bắt các chỉ số định lượng cụ thể chứng minh tầm quan trọng của tốc độ phản hồi giao diện ($\beta = 0.162$) và tính dễ sử dụng ($\beta = 0.148$) để đưa ra quyết định kiến trúc và wireframe tối ưu.
  • Doanh nghiệp bán lẻ và Chủ gian hàng trực tuyến: Sở hữu căn cứ khoa học rõ ràng để phân bổ ngân sách marketing và vận hành, ưu tiên đầu tư vào giải pháp bảo chứng niềm tin và tối ưu quy trình thanh toán nhằm gia tăng tỷ lệ chuyển đổi đơn hàng.
  • Các nhà nghiên cứu kinh tế số: Sở hữu bộ dữ liệu thực nghiệm và hệ thống thang đo đã được kiểm định độ giá trị hội tụ và phân biệt tại thị trường đô thị Việt Nam để kế thừa và phát triển các mô hình hành vi người dùng chuyên sâu.

Câu hỏi thường gặp

1. Nghiên cứu sử dụng những công cụ và phương pháp thống kê nào để xử lý dữ liệu?

Dự án sử dụng phần mềm thống kê IBM SPSS v20.0 kết hợp ngôn ngữ Python 3.10 (thư viện pandas, statsmodels, scipy). Các kiểm định bao gồm: Phân tích thống kê mô tả, kiểm định độ tin cậy thang đo bằng hệ số Cronbach's Alpha ($\ge 0.70$), phân tích nhân tố khám phá EFA (với phép quay Varimax), phân tích tương quan tuyến tính Pearson, phân tích hồi quy tuyến tính bội OLS và kiểm định phân tích phương sai ANOVA.

2. Vì sao Sự tin cậy (Trust) lại là nhân tố có tác động mạnh nhất đến ý định mua sắm?

Trong môi trường TMĐT, người tiêu dùng không thể trực tiếp tiếp xúc vật lý với sản phẩm trước khi thanh toán và phải đối mặt với các nguy cơ lộ lọt dữ liệu cá nhân hay gian lận tài chính. Do đó, sự tin tưởng vào tính trung thực của người bán, chất lượng sản phẩm cam kết và độ an toàn của hệ thống thanh toán là điều kiện tiên quyết kích hoạt ý định thực hiện giao dịch ($\beta = 0.295$, $p < 0.001$).

3. Làm thế nào để các sàn TMĐT cải thiện Tính đáp ứng của trang web (TDU)?

Các giải pháp kỹ thuật bao gồm: Tối ưu hóa hình ảnh định dạng WebP/AVIF, áp dụng kỹ thuật tải lười (Lazy loading), sử dụng bộ nhớ đệm phân tán (Redis/Memcached), triển khai mạng phân phối nội dung toàn cầu (Cloudflare/AWS CloudFront) và duy trì kiến trúc đám mây tự động co giãn (Auto-scaling) để đảm bảo hệ thống không bị nghẽn trong các đợt lưu lượng truy cập tăng đột biến.

4. Kết quả nghiên cứu có thể áp dụng cho các doanh nghiệp bán hàng đa kênh (Omnichannel) không?

Hoàn toàn có thể. Doanh nghiệp bán lẻ truyền thống khi dịch chuyển sang mô hình Omnichannel có thể tận dụng lợi thế sẵn có về uy tín thương hiệu vật lý để gia tăng biến Sự tin cậy (TC) trên kênh số, đồng thời liên kết hệ thống quản lý kho tập trung (ERP/OMS) để mang lại Sự thuận tiện (TT) như chính sách "Mua online - Đổi trả tại cửa hàng" (BOPIS).

5. Tại sao nhân tố Đa dạng lựa chọn (DDLC) lại có trọng số tác động thấp nhất trong mô hình?

Mặc dù tính đa dạng về sản phẩm vẫn có ý nghĩa thống kê ($\beta = 0.134, p = 0.003$), nhưng tại thị trường TP.HCM, người tiêu dùng đã xem việc đa dạng hàng hóa trên các sàn TMĐT như một tiện ích hiển nhiên (baseline expectation). Do đó, sự khác biệt thúc đẩy quyết định mua hàng tập trung nhiều hơn vào mức độ tin cậy và sự thuận tiện trong trải nghiệm giao nhận thay vì chỉ đơn thuần là số lượng sản phẩm niêm yết.

Kết luận

Đồ án khóa luận đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc xác lập cơ sở lý luận vững chắc và chứng minh thực nghiệm mối quan hệ giữa 6 nhân tố cấu thành đối với ý định mua sắm trên các kênh TMĐT tại TP.HCM. Với hệ số xác định $R^2_{\text{adj}} = 57.3%$, mô hình khẳng định Sự tin cậy và Sự thuận tiện là hai động lực cốt lõi chi phối hành vi người tiêu dùng số đô thị, tiếp theo sau là Giá cả, Tính đáp ứng của hệ thống, Tính dễ sử dụng và Sự đa dạng sản phẩm.

Các phát hiện thực nghiệm này không chỉ đóng góp vào hệ thống lý thuyết tiếp thị số tại Việt Nam mà còn là kim chỉ nam chiến lược giúp các nhà quản trị doanh nghiệp bán lẻ trực tuyến định hình lại mô hình kinh doanh, hoàn thiện hạ tầng kỹ thuật và tối ưu hóa trải nghiệm khách hàng trong kỷ nguyên kinh tế số bùng nổ.