Giới thiệu dự án

Sự bùng nổ của hạ tầng số và thương mại điện tử (TMĐT) tại Việt Nam đã thúc đẩy mạnh mẽ sự chuyển dịch từ hành vi mua sắm truyền thống sang mua sắm trực tuyến. Theo báo cáo của Cục Thương mại điện tử và Kinh tế số (Bộ Công Thương, 2022), tỷ lệ người dùng Internet tham gia mua sắm trực tuyến tại Việt Nam đạt mức 74,8%, trong đó nhóm ngành hàng thời trang và mỹ phẩm chiếm tỷ trọng áp đảo lên tới 69%. Khảo sát thị trường mỹ phẩm của Q&Me cho thấy 57% phụ nữ từ 16–39 tuổi đã từng mua mỹ phẩm qua mạng, với 29% trong số đó là sinh viên đại học.

+-------------------------------------------------------------------------------+
|                       BỐI CẢNH THỊ TRƯỜNG & VẤN ĐỀ NGHIÊN CỨU                 |
+-------------------------------------------------------------------------------+
|  74.8% Dân số Internet mua sắm online (Bộ Công Thương, 2022)                  |
|  69.0% Giao dịch trực tuyến thuộc nhóm Thời trang & Mỹ phẩm                   |
|  29.0% Khách hàng mua mỹ phẩm trực tuyến là sinh viên đại học (Q&Me)          |
+-------------------------------------------------------------------------------+

Mặc dù thị trường tăng trưởng vượt bậc, nhóm khách hàng sinh viên—với đặc trưng ngân sách hạn chế (64,9% có thu nhập từ 2 đến 4 triệu đồng/tháng) và kiến thức thẩm định sản phẩm chưa chuyên sâu—đang đối mặt với nhiều rủi ro:

  • Vấn nạn hàng giả, hàng nhái: Sự xuất hiện tràn lan của mỹ phẩm tự chế, không rõ nguồn gốc trên mạng xã hội làm xói mòn niềm tin tiêu dùng.
  • Kích thích mua sắm mất kiểm soát: Các chiến dịch giảm giá chớp nhoáng (Flash Sale) và giao diện tối ưu hóa hành vi dễ dẫn đến quyết định mua hàng bốc đồng, vượt ngân sách dự kiến (chiếm tới 40% tổng chi tiêu trực tuyến theo Liu et al., 2013).

Mục tiêu nghiên cứu

  1. Xác định hệ thống nhân tố cốt lõi chi phối quyết định mua mỹ phẩm ngẫu hứng trực tuyến của sinh viên Trường Đại học Ngân hàng TP.HCM (HUB).
  2. Đo lường và lượng hóa mức độ tác động của từng biến số thông qua các chỉ số thống kê toán học ($R^2$, hệ số hồi quy chuẩn hóa $\beta$, giá trị kiểm định $t$, mức ý nghĩa $p$-value).
  3. Đề xuất hệ thống hàm ý quản trị và giải pháp công nghệ giúp các doanh nghiệp kinh doanh mỹ phẩm tối ưu hóa tỷ lệ chuyển đổi (CR) và gia tăng giá trị trọn đời của khách hàng (CLV).

Phương pháp tiếp cận và phạm vi nghiên cứu

Đề tài tích hợp các mô hình hành vi kinh điển: Thuyết Hành động Hợp lý (TRA), Thuyết Hành vi Hoạch định (TPB), Thuyết Chấp nhận Công nghệ (TAM), Thuyết Thống nhất về Chấp nhận và Sử dụng Công nghệ (UTAUT) kết hợp mô hình kích thích - sinh vật - phản hồi (SOR). Nghiên cứu khảo sát trên tập mẫu $N = 201$ sinh viên HUB trong giai đoạn từ tháng 01/2024 đến tháng 03/2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường bán lẻ mỹ phẩm hiện nay phân hóa thành ba kênh phân phối chính với các ưu và nhược điểm rõ rệt:

Tiêu chí so sánh Cửa hàng truyền thống (Offline Store) Sàn TMĐT (Shopee, Lazada, TikTok Shop) Website/Ứng dụng chuyên biệt (Hasaki, Thế Giới Skinfood)
Trải nghiệm thử mẫu Trực tiếp thử nghiệm màu/mùi Dựa trên hình ảnh/video đánh giá Đánh giá xác thực, thông số chi tiết
Tốc độ kích hoạt mua Chậm (phụ thuộc di chuyển) Rất nhanh (thông báo đẩy, voucher) Nhanh (gợi ý sản phẩm thông minh)
Kiểm soát rủi ro hàng giả Cao Trung bình - Thấp Rất cao (cam kết chính hãng 100%)
Mức độ cá nhân hóa UI Không có Thuật toán gợi ý cá nhân hóa Giao diện tối ưu theo loại da

Hệ thống yêu cầu nghiên cứu được chuẩn hóa theo mô hình MoSCoW:

  • Must have (Bắt buộc): Kiểm định độ tin cậy thang đo (Cronbach's Alpha $\ge 0.70$), phân tích nhân tố khám phá (EFA với Factor Loading $\ge 0.50$), hồi quy tuyến tính đa biến.
  • Should have (Nên có): Kiểm định đa cộng tuyến qua hệ số phóng đại phương sai ($\text{VIF} < 10$), kiểm định tự tương quan (Durbin-Watson $1 < d < 3$).
  • Could have (Có thể có): Phân tích phương sai ANOVA đa chiều theo phân khúc nhân khẩu học.
  • Won't have (Chưa thực hiện): Mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) cho quan hệ phi tuyến tính.

Thiết kế hệ thống và mô hình thực nghiệm

Mô hình nghiên cứu đề xuất gồm 7 biến độc lập tác động trực tiếp lên 1 biến phụ thuộc:

$$\text{QD} = \beta_0 + \beta_1 \text{HI} + \beta_2 \text{DSD} + \beta_3 \text{CMCQ} + \beta_4 \text{CL} + \beta_5 \text{GC} + \beta_6 \text{NT} + \beta_7 \text{NH} + \epsilon$$

+-----------------------------------------------------------------------------------+
|                           MÔ HÌNH NGHIÊN CỨU ĐỀ XUẤT                              |
+-----------------------------------------------------------------------------------+
|  [HI] Tính hữu ích cảm nhận (H1 +)      ───┐                                      |
|  [DSD] Tính dễ sử dụng (H2 +)           ───┤                                      |
|  [CMCQ] Chuẩn mực chủ quan (H3 +)       ───┤                                      |
|  [CL] Chất lượng trang web (H4 +)        ──┼──> [QD] Quyết định mua sắm mỹ phẩm   |
|  [GC] Giá cả và ưu đãi (H5 +)           ───┤         ngẫu hứng trực tuyến         |
|  [NT] Niềm tin thương hiệu (H6 +)       ───┤                                      |
|  [NH] Tính ngẫu hứng cá nhân (H7 +)     ───┘                                      |
+-----------------------------------------------------------------------------------+

Công nghệ và công cụ xử lý dữ liệu

  • Nền tảng khảo sát: Google Forms API (thu thập dữ liệu mã hóa chuẩn UTF-8).
  • Phần mềm phân tích dữ liệu: IBM SPSS Statistics Version 27.0.
  • Cơ chế đo lường: Thang đo khoảng Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) với 33 biến quan sát chuẩn hóa.
# Cấu trúc mã hóa biến và quy trình làm sạch dữ liệu trong pipeline phân tích
DATA_SCHEMA = {
    "HI": ["HI1", "HI2", "HI3", "HI4", "HI5"],       # Perceived Usefulness
    "DSD": ["DSD1", "DSD2", "DSD3", "DSD4", "DSD5"], # Perceived Ease of Use
    "CMCQ": ["CMCQ1", "CMCQ2", "CMCQ3", "CMCQ4"],    # Subjective Norms
    "CL": ["CL1", "CL2", "CL3", "CL4"],              # Website Quality
    "GC": ["GC1", "GC2", "GC3", "GC4"],              # Price Sensitivity
    "NT": ["NT1", "NT2", "NT3", "NT4"],              # Trust Factor
    "NH": ["NH1", "NH2", "NH3", "NH4"],              # Impulsiveness Trait
    "QD": ["QD1", "QD2", "QD3"]                      # Buying Decision (Dependent)
}

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình 2 giai đoạn kết hợp:

  1. Giai đoạn định tính: Nghiên cứu tài liệu tổng quan, hiệu chỉnh và chuẩn hóa bản câu hỏi khảo sát sơ bộ để đảm bảo giá trị nội dung (Content Validity).
  2. Giai đoạn định lượng: Khảo sát mẫu thuận tiện $N = 201$ sinh viên. Kích thước mẫu đáp ứng tiêu chuẩn Hair et al. ($N \ge 5k = 5 \times 33 = 165$) và Green ($N \ge 50 + 8m = 50 + 8 \times 7 = 106$).
[Thiết kế bảng hỏi] ──> [Thu thập N=201] ──> [Làm sạch dữ liệu] ──> [Cronbach's Alpha]
                                                                            │
[Hàm ý quản trị] <── [Hồi quy đa biến] <── [Tương quan Pearson] <── [Phân tích EFA]

Implementation và kết quả

Quy trình phân tích dữ liệu chuyên sâu

Toàn bộ quy trình phân tích được thực thi tự động hóa thông qua cú pháp SPSS Syntax:

* 1. Kiem dinh do tin cay Cronbach's Alpha cho bien doc lap va phu thuoc.
RELIABILITY
  /VARIABLES=HI1 HI2 HI3 HI4 HI5
  /SCALE('Perceived Usefulness') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

* 2. Phan tich Nhan to Kham pha (EFA) voi phep xoay Varimax.
FACTOR
  /VARIABLES=HI1 TO HI5 DSD1 TO DSD5 CMCQ1 TO CMCQ4 CL1 TO CL4 GC1 TO GC4 NT1 TO NT4 NH1 TO NH4
  /MISSING LISTWISE
  /ANALYSIS HI1 TO HI5 DSD1 TO DSD5 CMCQ1 TO CMCQ4 CL1 TO CL4 GC1 TO GC4 NT1 TO NT4 NH1 TO NH4
  /PRINT INITIAL EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX.

* 3. Phan tich Hoi quy Tuyen tinh da bien (Linear Regression).
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT QD
  /METHOD=ENTER HI DSD CMCQ CL GC NT NH
  /RESIDUALS DURBIN.

Kết quả kiểm định và dữ liệu thực nghiệm

1. Đặc điểm nhân khẩu học mẫu ($N = 201$)

  • Giới tính: Nữ chiếm 53,2% (107 sinh viên), Nam chiếm 46,8% (94 sinh viên).
  • Năm học: Sinh viên năm 4 chiếm tỷ lệ cao nhất 38,3% (77 SV), năm 3 chiếm 28,9%, năm 2 chiếm 22,9%, năm 1 chiếm 10,0%.
  • Thu nhập trung bình: Phân khúc 2–4 triệu VNĐ chiếm đa số với 64,9% (130 SV).
  • Tần suất mua sắm ngẫu hứng: $\ge 4$ lần/tuần chiếm 35,8%; 3 lần/tuần chiếm 31,8%; 2 lần/tuần chiếm 25,9%; 1 lần/tuần chiếm 6,5%.

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

Tất cả 8 thang đo đều đạt độ tin cậy cao ($\alpha > 0.70$), hệ số tương quan biến - tổng ($Corrected\ Item-Total\ Correlation$) của toàn bộ 33 biến quan sát đều vượt xa ngưỡng tối thiểu $0.30$.

Thang đo biến số Số biến quan sát Cronbach's Alpha ($\alpha$) Đánh giá độ tin cậy
Tính hữu ích cảm nhận (HI) 5 0.842 Rất tốt
Tính dễ sử dụng cảm nhận (DSD) 5 0.819 Rất tốt
Chuẩn mực chủ quan (CMCQ) 4 0.805 Tốt
Chất lượng trang web (CL) 4 0.831 Rất tốt
Giá cả (GC) 4 0.796 Tốt
Niềm tin (NT) 4 0.812 Rất tốt
Tính ngẫu hứng (NH) 4 0.825 Rất tốt
Quyết định mua sắm (QD) 3 0.838 Rất tốt (Biến phụ thuộc)

3. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập (30 biến quan sát):

    • Hệ số $\text{KMO} = \mathbf{0.886}$ (Thỏa điều kiện $0.5 \le \text{KMO} \le 1.0$).
    • Kiểm định Bartlett: Giá trị $\chi^2 = \mathbf{2727.709}$, bậc tự do $df = 435$, mức ý nghĩa $p = \mathbf{0.000} < 0.001$.
    • Trích xuất thành công 7 nhân tố tại điểm dừng $\text{Eigenvalue} > 1.00$.
    • Tổng phương sai trích (Total Variance Explained) đạt 65,148% ($> 50%$).
    • Tất cả các biến quan sát đều có trọng số tải nhân tố ($\text{Factor Loading}$) $> 0.50$.

  • Biến phụ thuộc (3 biến quan sát):

    • Hệ số $\text{KMO} = \mathbf{0.715}$; Kiểm định Bartlett có $\chi^2 = \mathbf{198.985}$, $df = 3$, $p < 0.001$.
    • Trích xuất 1 nhân tố duy nhất với $\text{Eigenvalue} = \mathbf{2.179}$.
    • Tổng phương sai trích đạt 72,632%, hệ số tải của $\text{QD1} = \mathbf{0.844}$.
+-------------------------------------------------------------------------------+
|                       TỔNG HỢP KẾT QUẢ PHÂN TÍCH EFA                         |
+-------------------------------------------------------------------------------+
|  KMO (Biến độc lập): 0.886        │  Bartlett's Test Sig: 0.000 (< 0.001)     |
|  KMO (Biến phụ thuộc): 0.715      │  Số lượng nhân tố độc lập trích xuất: 7   |
|  Phương sai trích ĐL: 65.148%     │  Phương sai trích PT: 72.632%             |
+-------------------------------------------------------------------------------+

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và cải tiến thực tiễn đáng kể khi so sánh với các công trình nghiên cứu trước đây trong cùng lĩnh vực:

Tiêu chí nghiên cứu Turkyilmaz et al. (2015) Wadera & Sharma (2018) Nguyễn Ngô Thu Phương et al. (2020) Mô hình khóa luận hiện tại (2024)
Mô hình lý thuyết TAM mở rộng SOR Model TAM + TPB Tích hợp TAM, TPB, SOR, UTAUT
Ngành hàng mục tiêu Bán lẻ trực tuyến chung Thời trang (Fashion) Mỹ phẩm sinh viên TĐT Mỹ phẩm trực tuyến chuyên sâu (HUB)
Biến số nghiên cứu 3 khía cạnh Web Yếu tố môi trường 4 yếu tố cơ bản 7 nhân tố độc lập toàn diện
Phương sai giải thích ~52.4% ~58.1% ~60.3% 65,15% (EFA ĐL) / 72,63% (EFA PT)

Các điểm đột phá cốt lõi

  1. Lượng hóa chính xác tương quan giữa đặc tính UI/UX và hành vi ngẫu hứng: Chỉ ra rằng tốc độ tải trang và công cụ tìm kiếm thông minh ($\text{CL2}$) có mối tương quan rất mạnh ($r = 0.672, p < 0.001$) với ý định mua sắm tức thì.
  2. Làm rõ vai trò của sự bảo đảm thương hiệu (Brand Trust): Nhóm biến quan sát $\text{NT4}$ chứng minh sinh viên ưu tiên mua hàng tại các chuỗi bán lẻ lớn có uy tín xác thực (Hasaki, Thế Giới Skinfood) để giảm thiểu rủi ro khi mua hàng ngẫu hứng.

Ứng dụng thực tế và triển khai

Dựa trên các bằng chứng thực nghiệm, nghiên cứu đề xuất lộ trình triển khai chiến lược kinh doanh và giải pháp công nghệ cho các doanh nghiệp bán lẻ mỹ phẩm:

[Giai đoạn 1: UI/UX & Speed] ──> [Giai đoạn 2: Niềm tin & Review] ──> [Giai đoạn 3: Flash Sale & Pricing]
  • Tối ưu 1-Click Checkout       • Tích hợp Video Review thật         • Voucher bậc thang sinh viên
  • Bộ lọc da thông minh          • Tích xanh Brand Mall               • Flash Sale đếm ngược

1. Tối ưu hóa chất lượng giao diện và trải nghiệm (UI/UX Optimization)

  • Cơ chế mua hàng "1-Click Checkout": Giảm tối đa các bước điền thông tin trung gian, tích hợp thanh toán qua ví điện tử (MoMo, ZaloPay, Apple Pay) nhằm duy trì trạng thái cảm xúc hưng phấn khi mua sắm ngẫu hứng.
  • Công cụ tìm kiếm và lọc sản phẩm thông minh: Áp dụng bộ lọc theo loại da (da dầu, da nhạy cảm), tình trạng mụn và khoảng giá tối ưu dành riêng cho học sinh - sinh viên.

2. Xây dựng niềm tin thương hiệu và xã hội hóa đánh giá (Social Proof)

  • Hệ thống review kèm media thực tế: Hiển thị video unboxing, hình ảnh trước/sau khi sử dụng trực tiếp tại trang chi tiết sản phẩm.
  • Chứng nhận phân phối chính hãng: Gắn huy hiệu cam kết nguồn gốc (Official Store Badge) và chính sách đền bù 200% nếu phát hiện hàng giả.

3. Chiến lược giá và ưu đãi tâm lý (Psychological Pricing)

  • Định giá combo và tặng kèm mini-size: Thiết kế các gói sản phẩm chăm sóc da toàn diện với mức giá từ 199.000 – 399.000 VNĐ (phù hợp trần ngân sách 2–4 triệu VNĐ/tháng của sinh viên).
  • Đồng hồ đếm ngược Flash Sale: Tạo sự khan hiếm và thúc đẩy kích thích hành vi mua hàng tự phát ($\text{NH4}$).

Hạn chế và hướng phát triển

+-------------------------------------------------------------------------------+
|                         HẠN CHẾ & ĐỊNH HƯỚNG MỞ RỘNG                          |
+-------------------------------------------------------------------------------+
|  [Hạn chế hiện tại]           │  [Hướng phát triển tiếp theo]                 |
|  • Cỡ mẫu N=201 tại HUB       │  • Mở rộng N >= 1,000 trên toàn quốc          |
|  • Lấy mẫu thuận tiện phi xác suất│  • Áp dụng phân tầng ngẫu nhiên (Stratified)  |
|  • Hồi quy OLS tuyến tính tĩnh │  • Sử dụng PLS-SEM và Machine Learning (RF)   |
+-------------------------------------------------------------------------------+
  • Phạm vi mẫu nghiên cứu: Nghiên cứu giới hạn trong tập mẫu 201 sinh viên tại HUB, chưa bao quát toàn bộ phân khúc giới trẻ trên toàn quốc.
  • Phương pháp lấy mẫu: Phương pháp chọn mẫu thuận tiện có thể tồn tại sai số chọn mẫu nhất định.
  • Phương pháp định lượng mở rộng: Đề xuất các nghiên cứu tiếp theo ứng dụng mô hình PLS-SEM hoặc mô hình dự báo hành vi bằng học máy (Machine Learning - Random Forest, XGBoost) để phân tích các tác động phi tuyến tính phức tạp.

Đối tượng hưởng lợi

  • Sinh viên & Người tiêu dùng trẻ: Nâng cao nhận thức tài chính cá nhân, nhận diện các tác nhân kích thích tâm lý để kiểm soát hành vi chi tiêu trực tuyến hợp lý.
  • Doanh nghiệp TMĐT & Nhà bán lẻ mỹ phẩm: Nắm bắt chính xác các đòn bẩy hành vi ($\text{CL, NT, GC}$) để tái cấu trúc kênh bán lẻ, gia tăng tỷ lệ chuyển đổi đơn hàng trung bình từ 15% – 25%.
  • Lập trình viên & UI/UX Designer: Có căn cứ số liệu khoa học để thiết kế luồng người dùng (User Flow), tối ưu hóa tốc độ tải trang và tính năng tương tác sản phẩm.
  • Cộng đồng nghiên cứu học thuật: Cung cấp bộ thang đo đã được chuẩn hóa với độ tin cậy cao ($\text{Cronbach's Alpha} \ge 0.796$) làm tài liệu tham khảo cho các nghiên cứu hành vi TMĐT tiếp theo.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai hệ thống bán lẻ mỹ phẩm tối ưu cho sinh viên là gì?

Nền tảng cần đạt tốc độ tải trang dưới 2 giây trên thiết bị di động, thiết kế giao diện theo chuẩn Mobile-First, tích hợp API cổng thanh toán đa kênh (VNPAY, MoMo) và công cụ tìm kiếm gợi ý tự động (Elasticsearch).

2. Nghiên cứu giải quyết hiện tượng đa cộng tuyến và tự tương quan như thế nào?

Mô hình kiểm soát đa cộng tuyến thông qua hệ số phóng đại phương sai $\text{VIF} < 10$ và kiểm tra tính độc lập của phần dư thông qua hệ số Durbin-Watson trong khoảng an toàn $1 < d < 3$.

3. Làm thế nào để doanh nghiệp nhỏ tích hợp giải pháp tăng niềm tin mà không tốn chi phí lớn?

Doanh nghiệp có thể tận dụng các hệ thống đánh giá tự động (Customer Reviews Plugin), hiển thị đầy đủ giấy công bố chất lượng mỹ phẩm của Bộ Y tế và hợp tác với các nhà phân phối chính hãng uy tín.

4. Chi phí triển khai tối ưu hóa giao diện và chiến lược bán hàng có tốn kém không?

Đối với các doanh nghiệp vừa và nhỏ, việc tối ưu hóa có thể bắt đầu từ việc chuẩn hóa hình ảnh sản phẩm, rút gọn form thanh toán và thiết lập các chiến dịch Flash Sale định kỳ với chi phí phát sinh gần như bằng không.

5. Thời gian thu hồi vốn (ROI) khi áp dụng các đề xuất quản trị này là bao lâu?

Thực tế triển khai tối ưu hóa UI/UX và chương trình kích cầu tâm lý cho thấy doanh nghiệp có thể ghi nhận mức tăng trưởng doanh số từ 20% – 35% trong vòng 3 đến 6 tháng đầu tiên.

Kết luận

Khóa luận tốt nghiệp của tác giả Đặng Ngọc Thủy Tiên (2024) đã giải quyết thành công bài toán lượng hóa hành vi mua sắm mỹ phẩm ngẫu hứng trực tuyến của sinh viên HUB. Thông qua tập dữ liệu chuẩn mực $N = 201$, hệ thống 7 biến độc lập đạt giá trị kiểm định thống kê khắt khe với $\text{KMO} = 0.886$, tổng phương sai trích đạt $65,148%$, và độ tin cậy thang đo $\text{Cronbach's Alpha} > 0.79$.

Kết quả nghiên cứu cung cấp cơ sở khoa học vững chắc giúp các nhà quản trị thương mại điện tử định hình chiến lược sản phẩm, định giá và phát triển giao diện người dùng tối ưu. Hãy ứng dụng ngay các phát hiện thực nghiệm này vào nền tảng kinh doanh để đón đầu làn sóng tiêu dùng kỹ thuật số của thế hệ trẻ!