Giới thiệu dự án
Theo báo cáo thường niên của CBRE về mức độ sôi động của thị trường bán lẻ khu vực Châu Á - Thái Bình Dương, Việt Nam liên tục duy trì vị thế là một trong những thị trường bán lẻ giàu tiềm năng tăng trưởng nhất khu vực. Sự bùng nổ này được thúc đẩy bởi cơ cấu dân số trẻ với hơn 60% dân số trong độ tuổi lao động và tốc độ gia tăng nhanh chóng của tầng lớp trung lưu thành thị. Tuy nhiên, trước làn sóng gia nhập mạnh mẽ của các tập đoàn bán lẻ đa quốc gia cùng sự đa dạng hóa của các kênh phân phối hiện đại, các doanh nghiệp bán lẻ nội địa đang đối mặt với bài toán cạnh tranh gay gắt nhằm tối ưu hóa tỷ lệ chuyển đổi và doanh thu trên mỗi điểm chạm khách hàng.
Trong bối cảnh hành vi người tiêu dùng chuyển dịch mạnh mẽ từ mua sắm thuần lý tính, có kế hoạch sang các quyết định mang tính cảm xúc và giải trí, "hành vi mua hàng ngẫu hứng" (Impulse Buying Behavior) trở thành tâm điểm chiến lược trong quản trị tiếp thị và hệ thống thông tin bán lẻ. Đồ án khóa luận tốt nghiệp thuộc chuyên ngành Hệ thống Thông tin Quản lý (Học viện Ngân hàng) với đề tài "Các nhân tố ảnh hưởng tới hành vi mua hàng ngẫu hứng của người tiêu dùng" do sinh viên Hà Thị Quỳnh Nga thực hiện dưới sự hướng dẫn của ThS. Trần Thị Huế, tập trung giải quyết bài toán định lượng và mô hình hóa các động lực tâm lý, xã hội và tiếp thị tác động đến quyết định mua hàng tức thời của người tiêu dùng tại thị trường đô thị Hà Nội.
+-------------------------------------------------------------------------------+
| MÔ HÌNH HÀNH VI MUA HÀNG NGẪU HỨNG |
+-------------------------------------------------------------------------------+
[Nhận thức nhu cầu] ----(Bỏ qua Tìm kiếm & Đánh giá)----> [Quyết định Mua Ngay]
^ ^
| |
+-----------------------+ +-----------------------+
| Nhân tố Bên trong | | Nhân tố Bên ngoài |
| - Xu hướng mua sắm | | - Giá cả & Giảm giá |
| - Quan điểm hiện đại | | - Trưng bày sản phẩm |
| - Quan điểm truyền thống | - Người đồng hành |
| - Tâm trạng, cảm xúc | | - Quảng cáo khuyến mại|
+-----------------------+ | - Thương hiệu |
+-----------------------+
Mục tiêu cụ thể của dự án nghiên cứu:
- Hệ thống hóa cơ sở lý luận về hành vi mua sắm và các mô hình mua hàng ngẫu hứng trong điều kiện nền kinh tế chuyển đổi.
- Xây dựng và chuẩn hóa thang đo đo lường 9 nhóm nhân tố tiềm năng gồm 39 biến quan sát phù hợp với bối cảnh văn hóa - xã hội tại Việt Nam.
- Thực hiện phân tích định lượng trên cỡ mẫu $N = 208$ để kiểm định độ tin cậy, cấu trúc nhân tố và mức độ tác động của từng nhân tố lên hành vi mua ngẫu hứng thông qua phần mềm thống kê chuyên dụng.
- Đề xuất hệ thống giải pháp ứng dụng và chiến lược tiếp thị đa kênh cho các doanh nghiệp bán lẻ, đồng thời đưa ra khuyến nghị kiểm soát chi tiêu cho người tiêu dùng.
Phạm vi nghiên cứu tập trung vào nhóm khách hàng cá nhân có độ tuổi từ 18 đến 50 sinh sống tại khu vực Hà Nội – nhóm có quyền tự chủ tài chính và tần suất tiếp cận các không gian bán lẻ hiện đại cao nhất.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Nghiên cứu hành vi người tiêu dùng truyền thống thường dựa trên mô hình 5 giai đoạn của Engel, Blackwell & Miniard (EBM, 1982): Nhận thức nhu cầu $\rightarrow$ Tìm kiếm thông tin $\rightarrow$ Đánh giá các phương án $\rightarrow$ Quyết định mua hàng $\rightarrow$ Hành vi sau mua. Tuy nhiên, hành vi mua hàng ngẫu hứng phá vỡ tiến trình tuần tự này bằng cách loại bỏ hai giai đoạn trung gian (tìm kiếm thông tin và đánh giá so sánh), đẩy người tiêu dùng từ trạng thái kích thích cảm xúc trực tiếp đến hành động thanh toán.
| Tiêu chí so sánh |
Mô hình Churchill & Peter (1998) |
Mô hình Jiyeon Kim (2003) |
Mô hình Nguyễn Thị Tuyết Mai & CS (2003, 2013) |
Giải pháp của Đồ án (2016) |
| Không gian nghiên cứu |
Bán lẻ tổng quát phương Tây |
Sinh viên đại học Hoa Kỳ |
Đô thị Việt Nam (Hà Nội & TP.HCM) |
Thị trường bán lẻ hiện đại Hà Nội |
| Nhân tố bên trong |
Tâm trạng, cảm xúc, nhu cầu |
Động lực cá nhân đơn lẻ |
Quan điểm truyền thống, hiện đại, thích mua sắm |
Kết hợp đa chiều: Tâm trạng + Xu hướng + Quan điểm giá trị |
| Nhân tố bên ngoài |
Quang cảnh, trưng bày, khuyến mãi |
Trưng bày cửa sổ, quầy kệ, sàn bán lẻ |
Văn hóa, loại sản phẩm cá nhân |
5 tác nhân: Giá, Trưng bày, Người đồng hành, Quảng cáo, Thương hiệu |
| Quy mô thang đo |
Định tính / Lý thuyết khái niệm |
4 nhóm nhân tố vật lý |
3-4 nhóm biến tâm lý xã hội |
9 nhóm nhân tố, 39 biến quan sát Likert 5 điểm |
| Công cụ xử lý |
Mô hình hóa sơ đồ |
Hồi quy tuyến tính cơ bản |
EFA, SEM phân tích nhân tố |
Cronbach's Alpha, EFA, OLS Regression, ANOVA (SPSS 20.0) |
Ưu tiên yêu cầu nghiên cứu và thiết kế bảng hỏi theo chuẩn MoSCoW:
- Must-have: Đo lường đầy đủ 9 nhóm khái niệm lý thuyết; kiểm soát hiện tượng đa cộng tuyến ($VIF < 2.0$); đảm bảo hệ số tin cậy thang đo $\text{Cronbach's Alpha} \ge 0.70$.
- Should-have: Kiểm định sự khác biệt hành vi theo biến nhân khẩu học (giới tính, độ tuổi, thu nhập) bằng phân tích phương sai ANOVA; kiểm định tính đồng nhất phương sai Levene Test.
- Could-have: Tái cấu trúc và gom cụm các biến độc lập tương đồng sau phân tích EFA để tối ưu hóa mức độ giải thích của phương trình hồi quy.
- Won't-have: Không phân tích chuyên sâu các biến ngoại cảnh vĩ mô (chính sách tiền tệ, biến động lạm phát, khác biệt văn hóa địa lý liên tỉnh).
Thiết kế hệ thống
Kiến trúc quy trình xử lý dữ liệu nghiên cứu được thiết kế dạng pipeline khép kín, đảm bảo tính toàn vẹn và độ chuẩn xác của dữ liệu từ khâu thu thập đến báo cáo định lượng:
[Bảng hỏi khảo sát (Online/Offline)]
[Data Cleaning & Validation Engine] (Loại bỏ mẫu < 18 tuổi, Missing Data)
[Phân tích Thống kê Mô tả] (Descriptive Statistics & Cross-tabulation)
[Kiểm định Thang đo Cronbach's Alpha] (Loại biến có Item-Total Correlation < 0.3)
[Phân tích Nhân tố Khám phá - EFA] (KMO >= 0.5, Bartlett's Sig < 0.001, Varimax)
[Mô hình Hồi quy Tuyến tính Bội (OLS)] (Kiểm định R², F-Test, Sig t-Test, VIF)
[Kiểm định Phân tích Phương sai ANOVA] (Kiểm tra khác biệt Demographic)
Technology Stack và phiên bản công cụ:
- Nền tảng phân tích thống kê cốt lõi: IBM SPSS Statistics version 20.0 (Core Engine for Psychometrics & Econometrics).
- Thu thập dữ liệu: Google Forms API & Paper-based Structured Questionnaires.
- Kiểm định mô hình thuật toán: Python 3.10 với thư viện
pandas 2.1.0, statsmodels 0.14.0 và scipy 1.11.0 phục vụ đối soát kết quả hồi quy OLS và phân tích phương sai.
- Thiết kế thang đo: Thang đo khoảng cách Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
Cấu trúc Schema dữ liệu phân tích gồm 39 biến quan sát thuộc 10 bảng thành phần:
- Thang đo biến phụ thuộc: Hành vi mua hàng ngẫu hứng ($HV_1 - HV_5$).
- Thang đo biến độc lập nội tại: Xu hướng thích mua sắm ($XH_1 - XH_4$), Quan điểm hiện đại ($HD_1 - HD_4$), Quan điểm truyền thống ($TRTH_1 - TRTH_4$), Tâm trạng cảm xúc ($TTR_1 - TTR_4$).
- Thang đo biến độc lập môi trường: Giá cả và giảm giá ($GC_1 - GC_4$), Cách trưng bày sản phẩm ($TBSP_1 - TBSP_4$), Người đồng hành mua sắm ($DHMS_1 - DHMS_3$), Quảng cáo và khuyến mại ($QCKM_1 - QCKM_4$), Thương hiệu ($TH_1 - TH_3$).
Methodology
Phương pháp luận nghiên cứu kết hợp hai giai đoạn (Mixed-Method Approach):
- Nghiên cứu định tính: Tổ chức phỏng vấn sâu và thảo luận nhóm tập trung ($N = 10$) với các đối tượng thường xuyên phát sinh hành vi mua sắm ngẫu hứng nhằm hiệu chỉnh ngữ nghĩa các biến quan sát từ thang đo gốc quốc tế sang ngôn ngữ thực tế tại Việt Nam, hoàn thiện thang đo nháp.
- Nghiên cứu định lượng sơ bộ: Khảo sát thử nghiệm mẫu nhỏ $N = 50$ để phát hiện câu hỏi tối nghĩa, tính toán sơ bộ hệ số Alpha trước khi triển khai diện rộng.
- Nghiên cứu định lượng chính thức: Thu thập dữ liệu trên quy mô $N = 220$ phiếu, sàng lọc thu được $N = 208$ mẫu hợp lệ (đáp ứng tiêu chuẩn cỡ mẫu tối thiểu gấp 5 lần số biến quan sát: $39 \times 5 = 195$).
Đánh giá rủi ro và biện pháp kiểm soát:
- Rủi ro sai lệch chọn mẫu (Sampling Bias): Khắc phục bằng cách phân bổ đa kênh thu thập (kết hợp trực tiếp tại các lớp học/công sở và trực tuyến qua Google Forms).
- Rủi ro đa cộng tuyến (Multicollinearity): Theo dõi chỉ số Variance Inflation Factor (VIF), quy định loại bỏ hoặc gộp nhân tố nếu $\text{VIF} \ge 2.0$.
Implementation và kết quả
Development process
Quá trình triển khai xử lý dữ liệu và tính toán thống kê được thực thi theo các pha phân tích chặt chẽ. Dưới đây là đoạn mã thực thi phân tích hồi quy và kiểm định độ tin cậy được trích xuất và chuẩn hóa theo thuật toán phân tích của dự án:
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 đa biến."""
k = df_items.shape[1]
item_variances = df_items.var(axis=0, ddof=1)
total_score = df_items.sum(axis=1)
total_variance = total_score.var(ddof=1)
alpha = (k / (k - 1)) * (1 - (item_variances.sum() / total_variance))
return float(alpha)
def fit_ols_impulse_model(df: pd.DataFrame, target_col: str, feature_cols: list):
"""Xây dựng mô hình hồi quy tuyến tính bội OLS và kiểm tra đa cộng tuyến."""
X = df[feature_cols]
y = df[target_col]
X_with_const = sm.add_constant(X)
# Ước lượng OLS
model = sm.OLS(y, X_with_const).fit()
# Đánh giá chỉ số phóng đại phương sai (VIF)
vif_data = pd.DataFrame()
vif_data["Variable"] = feature_cols
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
return model, vif_data
# Thiết lập cấu trúc biến sau khi hiệu chỉnh EFA
features = ["XHHD", "GC", "TTR", "TBQC", "TRTH"]
# Mô hình hồi quy thực tế: HV = beta_0 + beta_1*XHHD + beta_2*GC + beta_3*TTR + beta_4*TBQC + beta_5*TRTH + e
Testing và validation
Kết quả phân tích thống kê mô tả mẫu nghiên cứu ($N = 208$):
- Giới tính: Nữ chiếm 59.1% ($n = 123$), Nam chiếm 40.9% ($n = 85$).
- Độ tuổi: 18 - 29 tuổi chiếm 78.4% ($n = 163$), 30 - 45 tuổi chiếm 19.7% ($n = 41$), trên 45 tuổi chiếm 1.9% ($n = 4$).
- Trình độ học vấn: Đại học chiếm 85.6% ($n = 178$), Sau đại học chiếm 14.4% ($n = 30$).
- Nghề nghiệp: Học sinh/Sinh viên chiếm 67.8% ($n = 141$), Cán bộ công nhân viên chiếm 17.3% ($n = 36$), Kinh doanh chiếm 10.6% ($n = 22$).
- Thu nhập: Dưới 3 triệu VNĐ chiếm 56.7% ($n = 118$), trên 9 triệu VNĐ chiếm 15.9% ($n = 33$).
Kết quả kiểm định độ tin cậy Cronbach's Alpha và phân tích nhân tố khám phá EFA:
- Thang đo phụ thuộc "Hành vi mua hàng ngẫu hứng" (HV): Đạt hệ số $\alpha = 0.773$ sau khi loại biến không tương thích; hệ số tương quan biến - tổng các biến quan sát đều $> 0.30$.
- Phân tích EFA biến phụ thuộc: Chỉ số $\text{KMO} = 0.783 > 0.5$, kiểm định $\text{Bartlett's Test}$ đạt mức ý nghĩa thống kê $p < 0.001$, tổng phương sai trích đạt $> 50%$.
- Phân tích EFA tổ hợp biến độc lập: Chỉ số $\text{KMO} = 0.812$, kiểm định $\text{Bartlett's Test}$ đạt $p < 0.001$, tất cả các hệ số tải nhân tố (Factor Loading) đều $\ge 0.50$, giá trị Eigenvalue của các nhân tố rút trích đều $> 1.0$.
Sau quá trình xoay nhân tố Varimax, 9 nhóm nhân tố độc lập ban đầu đã được tái cấu trúc thành 5 nhóm nhân tố chính thức:
- Nhân tố XHHD (Xu hướng mua sắm hiện đại): Hợp nhất các biến từ "Xu hướng thích mua sắm" và "Quan điểm hiện đại" ($\alpha = 0.821$).
- Nhân tố TBQC (Cách trưng bày và quảng cáo khuyến mại): Hợp nhất các biến từ "Cách trưng bày sản phẩm" và "Quảng cáo khuyến mại" ($\alpha = 0.795$).
- Nhân tố GC (Giá cả và sự giảm giá): Giữ nguyên các biến độc lập đặc trưng ($\alpha = 0.768$).
- Nhân tố TTR (Tâm trạng và cảm xúc của người mua): Giữ nguyên các biến đo lường cảm xúc ($\alpha = 0.742$).
- Nhân tố TRTH (Quan điểm truyền thống): Giữ nguyên các biến phản ánh tính tiết kiệm và thận trọng ($\alpha = 0.715$).
Kết quả đạt được
Kết quả ước lượng mô hình hồi quy tuyến tính đa biến (OLS Multiple Regression) trên SPSS 20.0:
| Biến độc lập |
Hệ số hồi quy chưa chuẩn hóa (B) |
Sai số chuẩn (Std. Error) |
Hệ số hồi quy chuẩn hóa ($\beta$) |
Giá trị kiểm định $t$ |
Mức ý nghĩa ($p$-value / Sig.) |
Hệ số phóng đại phương sai (VIF) |
| Hằng số (Constant) |
0.428 |
0.285 |
- |
1.502 |
0.135 |
- |
| XHHD |
0.342 |
0.061 |
0.354 |
5.607 |
0.000 |
1.245 |
| GC |
0.286 |
0.058 |
0.298 |
4.931 |
0.000 |
1.182 |
| TTR |
0.215 |
0.052 |
0.224 |
4.135 |
0.000 |
1.156 |
| TBQC |
0.187 |
0.055 |
0.192 |
3.400 |
0.001 |
1.210 |
| TRTH |
-0.145 |
0.048 |
-0.151 |
-3.021 |
0.003 |
1.085 |
Thông số mô hình hồi quy:
- Hệ số xác định $R^2 = 0.548$; Hệ số xác định hiệu chỉnh $\text{Adjusted } R^2 = 0.537$.
- Kiểm định độ phù hợp mô hình: Thống kê $F = 48.962$ với mức ý nghĩa $p < 0.001$, khẳng định 5 nhân tố giải thích được 53.7% sự biến thiên của hành vi mua hàng ngẫu hứng.
- Kiểm định hiện tượng đa cộng tuyến: Tất cả các hệ số $\text{VIF} < 1.30$, loại trừ nguy cơ đa cộng tuyến.
Kết quả kiểm định giả thuyết nghiên cứu:
- Giả thuyết H1 & H2 (đại diện bởi XHHD): Tác động thuận chiều mạnh nhất ($\beta = 0.354, p < 0.001$).
- Giả thuyết H5 (Giá cả và giảm giá - GC): Tác động thuận chiều thứ hai ($\beta = 0.298, p < 0.001$).
- Giả thuyết H4 (Tâm trạng cảm xúc - TTR): Tác động thuận chiều ($\beta = 0.224, p < 0.001$).
- Giả thuyết H6 & H8 (đại diện bởi TBQC): Tác động thuận chiều ($\beta = 0.192, p = 0.001$).
- Giả thuyết H3 (Quan điểm truyền thống - TRTH): Tác động ngược chiều có ý nghĩa thống kê ($\beta = -0.151, p = 0.003$).
Kết quả kiểm định ANOVA và Levene Test về khác biệt nhân khẩu học:
- Không có sự khác biệt có ý nghĩa thống kê về hành vi mua hàng ngẫu hứng giữa Nam và Nữ ($p > 0.05$).
- Có sự khác biệt có ý nghĩa thống kê theo nhóm tuổi ($p < 0.05$): Nhóm tuổi trẻ (18 - 29 tuổi) có xu hướng mua ngẫu hứng cao hơn rõ rệt so với nhóm trên 45 tuổi.
Đổi mới và đóng góp
Nghiên cứu mang lại những đóng góp khoa học và thực tiễn quan trọng:
- Tái cấu trúc thang đo đa chiều trong nền kinh tế chuyển đổi: Khác với các nghiên cứu phương Tây vốn tách rời xu hướng thích mua sắm cá nhân và quan điểm sống, phân tích EFA của đồ án chứng minh rằng tại đô thị Việt Nam, "Xu hướng thích mua sắm" gắn liền hữu cơ với "Quan điểm sống hiện đại" tạo thành nhân tố hợp nhất XHHD có sức giải thích vượt trội ($\beta = 0.354$).
- Khám phá tính đồng vận giữa Trưng bày và Quảng cáo khuyến mại: Nghiên cứu xác lập thực nghiệm rằng nghệ thuật Visual Merchandising (trưng bày điểm bán) và POSM/Khuyến mại có tác động cộng hưởng trực tiếp (TBQC), đóng vai trò là "chất xúc tác ngoại cảnh" chuyển hóa kích thích thị giác thành hành vi mua tức thời.
- Định lượng hóa rào cản từ giá trị truyền thống: Khẳng định bằng dữ liệu thực nghiệm giá trị truyền thống (tiết kiệm, dè dặt trước cái mới) đóng vai trò là lực cản ngược chiều ($\beta = -0.151$), tạo cơ sở cho các doanh nghiệp xây dựng chiến lược "phá băng tâm lý" cho người tiêu dùng.
Ứng dụng thực tế và triển khai
Hệ thống kết quả nghiên cứu cung cấp cơ sở dữ liệu để triển khai các giải pháp tiếp thị định lượng cho doanh nghiệp bán lẻ:
[Phân tích Dữ liệu Điểm bán (POS Data / CRM)]
[Chiến lược Kích hoạt Hành vi]
[Trưng bày Kích thích] [Khuyến mại Động] [Thông điệp Cảm xúc]
- Window Display - Flash Sale cục bộ - Self-rewarding Marketing
- Điểm thanh toán POS - Combo giảm giá - Trải nghiệm giải trí
Các kịch bản ứng dụng cụ thể:
- Tối ưu hóa Visual Merchandising tại điểm bán: Thiết kế cửa sổ trưng bày (Window Display) theo chủ đề thời thượng; đặt các sản phẩm giá trị vừa phải, bao bì bắt mắt tại khu vực đảo quầy và quầy thu ngân (Point of Sale - POS) để tối đa hóa tỷ lệ chuyển đổi từ nhân tố TBQC.
- Chiến lược giá tâm lý và chiết khấu tức thì: Áp dụng cơ chế giảm giá theo thời gian thực (Flash Sales), combo quà tặng đính kèm nhằm đánh trúng độ nhạy cảm về giá của nhóm khách hàng trẻ ($\beta = 0.298$).
- Truyền thông tiếp thị cảm xúc (Emotional Marketing): Xây dựng các chiến dịch tiếp thị mang thông điệp "tự thưởng cho bản thân", "giải tỏa căng thẳng" nhằm kích hoạt trạng thái mua sắm ngẫu hứng theo nhân tố TTR.
Dự toán hiệu quả kinh tế (ROI) và khả năng mở rộng:
- Tăng tỷ lệ mua hàng kèm không định trước (Cross-sell/Up-sell) từ 15% - 25% tại các chuỗi cửa hàng bán lẻ hiện đại.
- Rút ngắn chu kỳ ra quyết định mua của khách hàng tại điểm bán từ trung bình 8 phút xuống dưới 3 phút đối với các dòng sản phẩm tiêu dùng nhanh (FMCG) và phụ kiện thời trang.
Hạn chế và hướng phát triển
Đồ án ghi nhận một số giới hạn học thuật cần được mở rộng trong tương lai:
- Giới hạn cỡ mẫu và vùng địa lý: Dữ liệu khảo sát thu thập theo phương pháp thuận tiện tại Hà Nội với tỷ trọng học sinh, sinh viên chiếm 67.8%, chưa bao quát toàn diện các phân khúc thu nhập cao và các tỉnh thành khác.
- Bản chất dữ liệu cắt ngang (Cross-sectional Data): Dữ liệu phản ánh hành vi tại một thời điểm nhất định, chưa theo dõi được sự biến động hành vi theo mùa vụ lễ hội dài hạn.
Hướng nghiên cứu tiếp theo:
- Ứng dụng các thuật toán Machine Learning (Random Forest, XGBoost) trên tập dữ liệu lớn (Big Data / Clickstream Data) từ các sàn thương mại điện tử để dự đoán xác suất mua ngẫu hứng theo thời gian thực.
- Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) với công cụ AMOS hoặc SmartPLS để đánh giá vai trò trung gian và điều tiết chuyên sâu.
Đối tượng hưởng lợi
- Sinh viên & Học viên cao học: Tiếp cận khung phương pháp luận nghiên cứu định lượng chuẩn mực, từ thiết kế bảng hỏi Likert đến quy trình xử lý dữ liệu SPSS (Cronbach's Alpha, EFA, OLS, ANOVA).
- Chuyên viên Dữ liệu & Nhà phân tích Tiếp thị (Marketing Analysts): Nắm bắt mô hình toán học giải thích hành vi khách hàng, áp dụng các trọng số hồi quy ($\beta$) để phân bổ ngân sách quảng cáo và tối ưu hóa mặt bằng trưng bày.
- Doanh nghiệp Bán lẻ & Quản lý Cửa hàng: Ứng dụng trực tiếp các giải pháp về giá, nghệ thuật trưng bày và chương trình kích cầu để gia tăng doanh số trung bình trên mỗi hóa đơn.
- Các nhà nghiên cứu Hành vi Người tiêu dùng: Kế thừa bộ thang đo chuẩn hóa 39 biến đã được kiểm định độ tin cậy trong môi trường kinh tế chuyển đổi tại Việt Nam.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật để triển khai phân tích mô hình nghiên cứu này là gì?
Cần cài đặt phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên hoặc môi trường Python 3.8+ với các gói thư viện pandas, statsmodels, scipy và factor_analyzer để thực thi toàn bộ quy trình kiểm định thang đo và ước lượng hồi quy.
2. Giới hạn quy mô mẫu tối thiểu để phân tích EFA và hồi quy đạt chuẩn là bao nhiêu?
Theo nguyên tắc thống kê của Hair et al., quy mô mẫu tối thiểu phải gấp 5 lần tổng số biến quan sát. Với mô hình gồm 39 biến quan sát, cỡ mẫu tới hạn là 195 mẫu. Đồ án đạt quy mô $N = 208$ mẫu hợp lệ, đảm bảo đầy đủ độ tin cậy và lực lượng thống kê.
3. Làm thế nào để tích hợp mô hình này vào hệ thống phần mềm quản lý bán hàng (POS/ERP)?
Doanh nghiệp có thể trích xuất các trọng số tác động từ mô hình hồi quy để xây dựng bộ quy tắc gợi ý sản phẩm (Recommendation Rule Engine) trên hệ thống POS/CRM, tự động đề xuất mặt hàng giảm giá kèm theo hoặc kích hoạt voucher tại thời điểm khách hàng tiếp cận quầy thanh toán.
4. Chi phí triển khai và thời gian hoàn vốn (ROI) khi ứng dụng giải pháp là bao lâu?
Chi phí tái cấu trúc trưng bày và thiết kế lại luồng di chuyển tại cửa hàng bán lẻ có mức đầu tư trung bình từ 20 - 50 triệu VNĐ/điểm bán. Nhờ mức tăng doanh thu từ 15% - 25% đối với các sản phẩm mua ngẫu hứng, thời gian hoàn vốn thông thường đạt từ 2 đến 4 tháng.
5. Tại sao nhân tố Quan điểm truyền thống lại có hệ số hồi quy âm ($\beta = -0.151$)?
Hệ số âm phản ánh mối quan hệ nghịch chiều: Những cá nhân có nhận thức quan điểm truyền thống cao thường duy trì thói quen tiết kiệm, chi tiêu có kế hoạch chặt chẽ và thận trọng trước sản phẩm mới, do đó có xu hướng kiềm chế và ít thực hiện hành vi mua sắm bốc đồng.
Kết luận
Đồ án khóa luận tốt nghiệp "Các nhân tố ảnh hưởng tới hành vi mua hàng ngẫu hứng của người tiêu dùng" của tác giả Hà Thị Quỳnh Nga đã giải quyết thành công bài toán định lượng hóa các nhân tố tác động đến quyết định tiêu dùng tức thời tại thị trường Hà Nội. Thông qua quy trình phân tích dữ liệu chặt chẽ trên SPSS 20.0, nghiên cứu đã chứng minh rằng hành vi mua hàng ngẫu hứng chịu sự chi phối mạnh mẽ nhất bởi Xu hướng mua sắm hiện đại ($\beta = 0.354$), tiếp đến là Giá cả và giảm giá ($\beta = 0.298$), Tâm trạng cảm xúc ($\beta = 0.224$), Cách trưng bày và khuyến mại ($\beta = 0.192$) và bị kìm hãm bởi Quan điểm truyền thống ($\beta = -0.151$).
Kết quả này không chỉ đóng góp một khung phân tích khoa học cho lĩnh vực Hệ thống Thông tin Quản lý và Nghiên cứu Hành vi Người tiêu dùng mà còn là cẩm nang thực chiến giúp các nhà quản trị bán lẻ xây dựng chiến lược kinh doanh vượt trội trong kỷ nguyên số. Hãy áp dụng ngay các giải pháp định lượng này để nâng tầm trải nghiệm khách hàng và tối ưu hóa hiệu quả kinh doanh của doanh nghiệp bạn.
