Giới thiệu dự án

Thương mại điện tử (E-commerce) tại Việt Nam đang chứng kiến sự chuyển dịch mang tính bước ngoặt từ mô hình mua sắm truyền thống sang "Shoppertainment" (mua sắm kết hợp giải trí). Ra mắt chính thức vào ngày 28/04/2022, TikTok Shop đã nhanh chóng trở thành đối thủ cạnh tranh trực tiếp với các sàn thương mại điện tử lớn như Shopee, Lazada và Tiki. Với thuật toán đề xuất trang "Dành cho bạn" (For You Page - FYP) dựa trên trí tuệ nhân tạo (AI) cùng tính năng mua hàng trực tiếp qua video ngắn và Livestream, TikTok Shop tạo ra trải nghiệm mua sắm liền mạch nhưng cũng đặt ra bài toán phức tạp về hành vi chuyển đổi người dùng.

+-----------------------------------------------------------------------------+
|                      MÔ HÌNH CHUYỂN DỔI SHOPPERTAINMENT                     |
+-----------------------------------------------------------------------------+
| [Short Video / Live] ---> [Stimulus (Hình ảnh/Âm thanh)] ---> [eWOM/Trust]  |
|                                                                    |        |
|                                                                    v        |
| [1-Click Checkout]   <--- [Quyết định mua hàng (QD)]    <--- [TAM (SD, HI)] |
+-----------------------------------------------------------------------------+

Vấn đề cốt lõi của nghiên cứu (Problem Statement) xuất phát từ thực tế: nhóm người tiêu dùng trẻ (Gen Z, cụ thể là sinh viên đại học từ 18–22 tuổi) có mức độ nhạy bén công nghệ cao nhưng mức độ trung thành thương hiệu thấp, dễ bị chi phối bởi cảm xúc nhất thời và các đánh giá trực tuyến. Do đó, các doanh nghiệp và nhà bán lẻ gặp khó khăn trong việc xác định trọng số tác động của các yếu tố giao diện, nội dung truyền thông và độ tin cậy đến tỷ lệ chuyển đổi đơn hàng.

Nghiên cứu đặt ra ba mục tiêu cụ thể:

  1. Hệ thống hóa cơ sở lý thuyết và xác định các nhân tố ảnh hưởng đến quyết định mua sắm qua TikTok Shop của sinh viên tại TP.HCM.
  2. Đo lường, kiểm định mức độ tác động của từng nhân tố thông qua mô hình định lượng với cỡ mẫu thực nghiệm $N = 325$.
  3. Đề xuất hệ thống hàm ý quản trị giúp các nhà bán lẻ và doanh nghiệp tối ưu hóa chiến lược tiếp thị, nâng cao tỷ lệ chuyển đổi và giữ chân khách hàng.

Nghiên cứu tiếp cận vấn đề bằng phương pháp định lượng thực nghiệm, kết hợp các mô hình hành vi kinh điển gồm Mô hình chấp nhận công nghệ (Technology Acceptance Model - TAM), Lý thuyết Hành vi có kế hoạch (Theory of Planned Behavior - TPB) và Mô hình Kích thích - Cơ thể - Phản hồi (Stimulus - Organism - Response - S-O-R). Phạm vi khảo sát tập trung vào sinh viên các trường đại học trên địa bàn TP.HCM trong giai đoạn từ tháng 04/2023 đến tháng 06/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi người tiêu dùng trực tuyến trước đây chủ yếu tập trung vào các sàn thương mại điện tử truyền thống (Shopee, Lazada, Tiki) với hành vi tìm kiếm chủ động dựa trên từ khóa và bộ lọc danh mục.

Tiêu chí so sánh Sàn TMĐT truyền thống (Shopee, Lazada) Mạng xã hội bán hàng (Facebook) TikTok Shop (Social Commerce)
Cơ chế tiếp cận Tìm kiếm chủ động (Search-based) Tin nhắn / Bài đăng (Post-based) Thuật toán AI phân phối nội dung (FYP)
Quy trình mua hàng Giỏ hàng $\rightarrow$ Thanh toán Nhắn tin shop $\rightarrow$ Chuyển khoản Mua ngay trên Video / Livestream
Trải nghiệm giác quan Hình ảnh tĩnh, mô tả văn bản Video / Ảnh tự phát Video ngắn chuẩn hóa, âm thanh xu hướng
Tỷ lệ chốt đơn Trung bình (cần cân nhắc giá) Chậm (phụ thuộc phản hồi chat) Nhanh (kích thích cảm xúc tức thì)

Nghiên cứu đối chiếu với các công trình thực nghiệm trước:

  • Nguyễn Thị Ngọc Giàu (2016): Khảo sát mua sắm trực tuyến nói chung, nhấn mạnh rủi ro cảm nhận và chuẩn chủ quan.
  • Nguyễn Hồng Minh Thư (2021): Khảo sát thời trang trên TikTok, tập trung vào sự thụ hưởng và ảnh hưởng xã hội.
  • Khan & Chavan (2015), Chiu & Chang (2009): Khẳng định vai trò của niềm tin và giá trị cảm nhận trong việc ra quyết định mua lại.

Khoảng trống nghiên cứu (Research Gap) được xác định: Các nghiên cứu trước chưa tích hợp nhân tố Trải nghiệm giác quan (Sensory Experience) từ âm thanh, hình ảnh video ngắn và Truyền miệng điện tử (eWOM) từ mạng lưới nhà sáng tạo nội dung (KOC/KOL) vào mô hình chấp nhận công nghệ trong bối cảnh Social Commerce tại Việt Nam.

Phân loại yêu cầu nghiên cứu theo mô hình MoSCoW:

  • Must-have: Kiểm định độ tin cậy thang đo (Cronbach's Alpha $\ge 0.70$), phân tích nhân tố khám phá (EFA), hồi quy tuyến tính đa biến (OLS).
  • Should-have: Đánh giá hiện tượng đa cộng tuyến qua hệ số phóng đại phương sai (VIF) và kiểm định tương quan Pearson.
  • Could-have: Phân tích chi tiết nhân khẩu học theo nhóm thu nhập và tần suất mua hàng.
  • Won't-have: Mô hình cấu trúc tuyến tính SEM bậc cao (giới hạn trong phạm vi phân tích hồi quy SPSS).
+-----------------------------------------------------------------------------+
|                   MÔ HÌNH NGHIÊN CỨU ĐỀ XUẤT (CONCEPTUAL MODEL)             |
+-----------------------------------------------------------------------------+
|  [H1: Nhận thức dễ sử dụng (SD)]     (+) --->                               |
|  [H2: Nhận thức tính hữu ích (HI)]   (+) --->                               |
|  [H3: Niềm tin thương hiệu (NT)]     (+) --->  [ Quyết định mua hàng (QD) ] |
|  [H4: Truyền miệng trực tuyến (TM)]  (+) --->                               |
|  [H5: Trải nghiệm giác quan (TN)]    (+) --->                               |
+-----------------------------------------------------------------------------+

Thiết kế hệ thống

Mô hình nghiên cứu đề xuất gồm 5 biến độc lập (22 biến quan sát) và 1 biến phụ thuộc (4 biến quan sát), vận hành trên thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý):

  1. Nhận thức dễ sử dụng (SD - Perceived Ease of Use): 4 biến quan sát (SD1–SD4), kế thừa từ Davis (1989), Venkatesh et al. (2003).
  2. Nhận thức sự hữu ích (HI - Perceived Usefulness): 5 biến quan sát (HI1–HI5), kế thừa từ Davis (1989), Aldas-Manzano et al. (2009).
  3. Niềm tin vào thương hiệu (NT - Brand Trust): 4 biến quan sát (NT1–NT4), kế thừa từ Narayan et al. (2015).
  4. Truyền miệng trực tuyến (TM - Electronic Word of Mouth - eWOM): 4 biến quan sát (TM1–TM4), kế thừa từ Hennig-Thurau et al. (2004), Fan et al. (2013).
  5. Trải nghiệm giác quan (TN - Sensory Experience): 5 biến quan sát (TN1–TN5), kế thừa từ Mehrabian & Russell (1974), Schmitt (1999), Kim & Moon (2009).
  6. Quyết định mua hàng (QD - Purchase Decision): 4 biến quan sát (QD1–QD4), kế thừa từ Pavlou & Fygenson (2006).

Stack công nghệ và công cụ xử lý dữ liệu:

  • Phần mềm thống kê: IBM SPSS Statistics version 25.0.
  • Xử lý bảng tính & Trực quan hóa: Microsoft Excel 365.
  • Môi trường tái lập phân tích (Replication Pipeline): Python 3.10 với thư viện pandas, statsmodels, scikit-learn.

Methodology

Quy trình nghiên cứu triển khai qua 4 giai đoạn chuẩn hóa:

  1. Nghiên cứu định tính: Tổng hợp tài liệu, hiệu chỉnh thang đo Anh - Việt đảm bảo giá trị nội dung (Content Validity).
  2. Thiết kế công cụ khảo sát: Xây dựng bảng hỏi Google Forms, gửi thử nghiệm sơ bộ để hoàn thiện từ ngữ.
  3. Thu thập dữ liệu định lượng: Phương pháp chọn mẫu thuận tiện phi xác suất. Theo Hair et al. (2014), kích thước mẫu tối thiểu $N \ge 5 \times k = 5 \times 22 = 110$ mẫu. Nghiên cứu thực hiện thu thập $N = 325$ mẫu hợp lệ, đảm bảo độ tin cậy thống kê cao.
  4. Phân tích dữ liệu 5 bước:
    • Thống kê mô tả (Descriptive Statistics).
    • Kiểm định độ tin cậy thang đo (Cronbach's Alpha Reliability).
    • Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA).
    • Phân tích tương quan Pearson (Pearson Correlation Analysis).
    • Phân tích hồi quy tuyến tính đa biến (Multiple Linear Regression).

Implementation và kết quả

Development process

Dữ liệu khảo sát từ 325 mẫu được làm sạch và mã hóa trên SPSS 25.0 / Python. Cấu trúc mô hình hồi quy đa biến được thiết lập:

$$QD = \beta_0 + \beta_1 SD + \beta_2 HI + \beta_3 NT + \beta_4 TM + \beta_5 TN + \epsilon$$

Đoạn mã cấu trúc dữ liệu và thực thi hồi quy chuẩn hóa (SPSS Syntax & Python Script):

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Tải tập dữ liệu khảo sát (N = 325)
df = pd.read_csv("tiktok_shop_survey_data.csv")

# Danh sách biến độc lập và phụ thuộc
X_vars = ["SD_mean", "HI_mean", "NT_mean", "TM_mean", "TN_mean"]
Y_var = "QD_mean"

X = df[X_vars]
X_const = sm.add_constant(X)
y = df[Y_var]

# Thực thi mô hình hồi quy bình phương tối thiểu (OLS)
model = sm.OLS(y, X_const).fit()

# Tính toán hệ số phóng đại phương sai (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])
]
vif_data["Tolerance"] = 1.0 / vif_data["VIF"]

print(model.summary())
print(vif_data)

Testing và validation

1. Kiểm định độ tin cậy Cronbach's Alpha

Tất cả các thang đo đều thỏa mãn tiêu chí: Hệ số Cronbach's Alpha $\ge 0.70$ và Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$. Không có biến quan sát nào bị loại.

2. Phân tích nhân tố khám phá (EFA)

  • Thang đo biến độc lập:
    • Hệ số $KMO = 0.885$ ($0.5 \le KMO \le 1.0$), kiểm định Bartlett có mức ý nghĩa $Sig. = 0.000 < 0.05$.
    • Tổng phương sai trích (Total Variance Explained) $= 63.42% > 50%$, điểm dừng Eigenvalue $= 1.248 > 1.0$.
    • 22 biến quan sát hội tụ rõ nét vào 5 nhóm nhân tố, hệ số tải nhân tố (Factor Loading) đều $> 0.55$.
  • Thang đo biến phụ thuộc (QD):
    • Hệ số $KMO = 0.792$, Bartlett's $Sig. = 0.000$. Trích được 1 nhân tố duy nhất với phương sai trích đạt $68.15%$.

3. Phân tích tương quan Pearson

Tất cả 5 biến độc lập ($SD, HI, NT, TM, TN$) đều có mối tương quan thuận chiều có ý nghĩa thống kê với biến phụ thuộc $QD$ ($p < 0.01$).

Kết quả đạt được

Kết quả ước lượng mô hình hồi quy tuyến tính đa biến ($N = 325$):

Biến độc lập Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị t-stat Mức ý nghĩa (Sig.) Độ chấp nhận (Tolerance) VIF
Hằng số (Constant) 0.214 0.138 - 1.551 0.122 - -
Trải nghiệm giác quan (TN) 0.352 0.041 0.368 8.585 0.000 0.684 1.462
Truyền miệng trực tuyến (TM) 0.245 0.038 0.252 6.447 0.000 0.712 1.404
Niềm tin thương hiệu (NT) 0.186 0.035 0.194 5.314 0.000 0.745 1.342
Nhận thức hữu ích (HI) 0.142 0.033 0.148 4.303 0.000 0.790 1.266
Nhận thức dễ sử dụng (SD) 0.098 0.031 0.102 3.161 0.002 0.815 1.227

Thông số kiểm định mô hình:

  • Hệ số xác định $R^2 = 0.618$; Hệ số xác định hiệu chỉnh $R^2_{adj} = 0.612$ (Mô hình giải thích được $61.2%$ sự biến thiên của Quyết định mua hàng).
  • Kiểm định $F = 103.142$ ($Sig. = 0.000$), chứng minh mô hình hồi quy có ý nghĩa thống kê ở mức tin cậy $99%$.
  • Hệ số $VIF < 1.5$ (nhỏ hơn nhiều so với ngưỡng 10) và $Tolerance > 0.6$, khẳng định không có hiện tượng đa cộng tuyến.

Thứ tự mức độ tác động của các yếu tố đến quyết định mua sắm của sinh viên: $$\beta_{TN} (0.368) > \beta_{TM} (0.252) > \beta_{NT} (0.194) > \beta_{HI} (0.148) > \beta_{SD} (0.102)$$

Đổi mới và đóng góp

  1. Tích hợp liên ngành lý thuyết (Theoretical Integration): Kết hợp thành công mô hình TAM với lý thuyết kích thích môi trường S-O-R (Stimulus - Organism - Response) trong bối cảnh Social Commerce, chứng minh trải nghiệm nghe - nhìn kích thích trực tiếp phản ứng hành vi mua hàng tức thì.
  2. Chứng minh vai trò áp đảo của Trải nghiệm giác quan: Khác với các nền tảng TMĐT truyền thống nơi Tính hữu ích và Giá cả đóng vai trò chủ đạo, trên TikTok Shop, nhân tố Trải nghiệm giác quan ($\beta = 0.368$) đóng góp mạnh nhất vào quyết định mua sắm.
  3. Xác thực tác động của eWOM thế hệ mới: Đánh giá dạng video ngắn (Video Reviews/Unboxing) và xếp hạng thời gian thực tạo ra sức ảnh hưởng lớn thứ hai ($\beta = 0.252$), vượt trên cả các tiêu chí truyền thống như Nhận thức dễ sử dụng.
Khía cạnh Nghiên cứu truyền thống (2016-2020) Nghiên cứu này (TikTok Shop 2023) Mức độ cải thiện/Khác biệt
Nhân tố dẫn dắt Nhận thức hữu ích / Nhận thức dễ sử dụng Trải nghiệm giác quan (Visual/Audio) Tăng tỷ trọng dự báo thêm +24.5%
Định dạng eWOM Đánh giá dạng văn bản, sao xếp hạng Video review ngắn, Livestream tương tác Độ tin cậy cảm nhận cao hơn
Hệ số giải thích ($R^2_{adj}$) $45% - 54%$ $61.2%$ Tăng độ chính xác mô hình thêm ~10%

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng (Use Cases)

  • Thương hiệu D2C & Nhà bán lẻ (Merchants): Chuyển đổi ngân sách từ quảng cáo banner tĩnh sang sản xuất video ngắn chú trọng chất lượng âm thanh bắt tai (Trending Audio) và khung hình sắc nét (Visual Merchandise).
  • KOL/KOC & Đơn vị sáng tạo nội dung (Affiliate Marketers): Xây dựng kịch bản đánh giá chân thực, nêu rõ ưu/nhược điểm sản phẩm nhằm củng cố eWOM và gia tăng tỷ lệ chuyển đổi giỏ hàng.
  • Đội ngũ phát triển sản phẩm TikTok Shop: Nâng cấp giao diện hiển thị gian hàng trực quan, tinh gọn quy trình thanh toán nhằm duy trì mức độ dễ sử dụng cao.

Lộ trình triển khai tối ưu hóa doanh nghiệp (90 ngày)

+-----------------------------------------------------------------------------+
|                     LỘ TRÌNH TRIỂN KHAI DOANH NGHIỆP 90 NGÀY                |
+-----------------------------------------------------------------------------+
| Giai đoạn 1 (Ngày 1 - 30): Tối ưu Trải nghiệm thị giác & Âm thanh           |
| - Chuẩn hóa video 1080p, 60fps; đồng bộ nhạc thịnh hành.                    |
| - Tối ưu ánh sáng Livestream và cách trưng bày gian hàng.                   |
+-----------------------------------------------------------------------------+
| Giai đoạn 2 (Ngày 31 - 60): Kích hoạt mạng lưới eWOM & KOC                  |
| - Hợp tác với Micro-KOC thực hiện video trải nghiệm thực tế.                |
| - Thiết lập cơ chế kiểm soát phản hồi và đánh giá đơn hàng minh bạch.       |
+-----------------------------------------------------------------------------+
| Giai đoạn 3 (Ngày 61 - 90): Củng cố Niềm tin thương hiệu & Quy trình vận hành|
| - Tích hợp chính sách bảo vệ người mua, đổi trả nhanh chóng.                |
| - Rút ngắn thời gian xác nhận và giao vận đơn hàng (< 48h).                 |
+-----------------------------------------------------------------------------+

Hạn chế và hướng phát triển

  • Hạn chế chọn mẫu: Phương pháp lấy mẫu thuận tiện phi xác suất tập trung tại TP.HCM có thể làm giảm tính đại diện cho toàn bộ người tiêu dùng sinh viên trên toàn quốc.
  • Phương pháp ước lượng: Sử dụng mô hình hồi quy tuyến tính OLS chưa phân tích được các mối quan hệ tác động gián tiếp (Mediating/Moderating effects).
  • Hướng nghiên cứu tiếp theo:
    • Ứng dụng mô hình cấu trúc tuyến tính PLS-SEM để đánh giá vai trò trung gian của Ý định mua hàng và Sự thỏa mãn.
    • Mở rộng phạm vi khảo sát liên tỉnh (Hà Nội, Đà Nẵng, Cần Thơ) và so sánh hành vi đa nền tảng giữa Shopee Live và TikTok Shop.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng, cấu trúc bảng hỏi và quy trình phân tích SPSS.
  • Doanh nghiệp & Nhà bán hàng TMĐT: Nắm bắt các trọng số thực nghiệm ($\beta$) để phân bổ ngân sách tiếp thị hiệu quả, tập trung vào hình ảnh và âm thanh thay vì chỉ giảm giá đơn thuần.
  • Nhà nghiên cứu kinh tế/Marketing: Sử dụng khung lý thuyết mở rộng (TAM + S-O-R) làm nền tảng cho các đề tài phân tích hành vi thương mại xã hội.

Câu hỏi thường gặp

  1. Tại sao nhân tố Trải nghiệm giác quan lại có tác động mạnh nhất ($\beta = 0.368$)?
    TikTok là nền tảng giải trí ưu tiên video ngắn dạng đứng. Thị giác (hình ảnh sản phẩm sống động, người thật việc thật) và thính giác (âm nhạc thịnh hành, giọng nói lôi cuốn trong livestream) tạo ra kích thích cảm xúc trực tiếp, thúc đẩy hành vi mua sắm bốc đồng (Impulse Buying) của giới trẻ.

  2. Vì sao Nhận thức dễ sử dụng lại có hệ số tác động thấp nhất ($\beta = 0.102$)?
    Sinh viên (Gen Z) là thế hệ "bản địa kỹ thuật số" (Digital Natives). Việc làm quen và thao tác trên giao diện TikTok Shop được xem là điều hiển nhiên và mặc định, không còn là rào cản hay động lực chính thúc đẩy hành vi mua sắm.

  3. Mô hình có gặp hiện tượng đa cộng tuyến không?
    Không. Tất cả các hệ số phóng đại phương sai (VIF) dao động từ $1.227$ đến $1.462$ (thấp hơn nhiều so với ngưỡng 10) và hệ số Tolerance đều $> 0.60$, đảm bảo tính độc lập giữa các biến giải thích.

  4. Làm thế nào để doanh nghiệp nhỏ cải thiện chỉ số Truyền miệng trực tuyến (eWOM)?
    Doanh nghiệp nên tập trung vào dịch vụ sau bán hàng để gia tăng tỷ lệ đánh giá 5 sao, khuyến khích khách hàng quay video unboxing kèm hashtag thương hiệu, và kết hợp với Micro-KOC để tạo các bài đánh giá khách quan.

  5. Kết quả nghiên cứu này có thể áp dụng cho các nền tảng khác như Shopee hay Lazada không?
    Có thể áp dụng cho các tính năng Livestream và Video ngắn trên các sàn này (Shopee Live, Shopee Video), tuy nhiên trọng số tác động của Tính hữu ích và Giá cả trên sàn truyền thống thường sẽ cao hơn so với TikTok Shop.

Kết luận

Nghiên cứu đã chứng minh thực nghiệm mô hình 5 nhân tố chi phối quyết định mua hàng trên TikTok Shop của sinh viên TP.HCM với độ giải thích đạt $61.2%$. Kết quả khẳng định bước chuyển dịch từ thương mại điện tử thuần túy sang thương mại giải trí (Shoppertainment), trong đó Trải nghiệm giác quan và Truyền miệng trực tuyến (eWOM) giữ vai trò quyết định. Các doanh nghiệp và nhà bán lẻ cần nhanh chóng chuẩn hóa quy trình sản xuất nội dung số, kết hợp giữa kích thích nghe - nhìn chất lượng cao và xây dựng niềm tin thương hiệu minh bạch để chiếm lĩnh thị phần người tiêu dùng trẻ.