Giới thiệu dự án

Trong bối cảnh Cách mạng Công nghiệp 4.0 (Industry 4.0) bùng nổ mạnh mẽ, thương mại điện tử (TMĐT) Việt Nam ghi nhận tốc độ tăng trưởng vượt 25% trong năm 2023, đạt quy mô 25 tỷ USD theo báo cáo Chỉ số Thương mại điện tử (EBI) 2024 của VECOM. Riêng bán lẻ hàng hóa trực tuyến đạt 17,3 tỷ USD, phản ánh nhu cầu mua sắm online của người tiêu dùng ngày càng tăng cao.

Trong làn sóng đó, livestream shopping nổi lên như một hình thức thương mại đột phá. Bình quân mỗi tháng Việt Nam ghi nhận 2,5 triệu phiên bán hàng livestream, với ba nền tảng dẫn đầu là Facebook (31,9%), Shopee (30,9%) và TikTok (17,2%). Người tiêu dùng Việt dành trung bình 13 giờ/tuần để xem livestream bán hàng — xếp thứ 11 thế giới về thói quen này. AccessTrade Việt Nam dự báo livestream shopping có tiềm năng thúc đẩy tới 20% tổng doanh số TMĐT vào đầu năm 2026.

Mặt hàng thời trang là một trong những ngành hàng được kinh doanh nhiều nhất qua hình thức này. Theo dữ liệu từ Shopee, doanh số thời trang trong ngày 9/9 tăng gấp 3 lần về số sản phẩm và gấp 4 lần về số lượt thanh toán so với ngày thường.

Vấn đề nghiên cứu: Mặc dù thị trường có tiềm năng lớn, các nhà bán hàng, KOL (Key Opinion Leader) và KOC (Key Opinion Consumer) thiếu cơ sở khoa học để xác định chính xác yếu tố nào tác động mạnh nhất đến quyết định mua hàng của Thế hệ Gen Z (sinh năm 1995–2012) trên nền tảng Shopee Livestream.

Mục tiêu nghiên cứu cụ thể:

  1. Xác định các nhân tố tác động đến quyết định mua hàng thời trang qua Shopee Livestream của giới trẻ tại TP. HCM
  2. Đo lường mức độ tác động của từng nhân tố theo phương pháp định lượng
  3. Đề xuất hàm ý quản trị thực tiễn cho doanh nghiệp, shop bán hàng và KOL/KOC

Phạm vi: Giới trẻ (Gen Z) tại TP. Hồ Chí Minh; thời gian khảo sát từ tháng 7–9/2024; n = 337 mẫu.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các nghiên cứu trước đây về quyết định mua hàng trực tuyến và livestream commerce cung cấp nền tảng lý luận phong phú nhưng còn tồn tại nhiều khoảng trống nghiên cứu:

Nghiên cứu Phương pháp Nhân tố chính Hạn chế
Cường Nguyễn & Toàn Đỗ (2019) Hồi quy tuyến tính, n=346 Hữu ích, dễ dàng, rủi ro, xã hội Bỏ qua nhân khẩu học, không đề cập khuyến mãi
Tran Phi Hoang & cs (2015) EFA + Hồi quy, n=294 Tiện lợi, chủ quan, kiểm soát hành vi Không đại diện toàn quốc, bỏ qua non-buyers
Bùi Thị Nhật Huyền & cs (2023) SEM, n=250 Hữu ích, khuyến mãi, tin cậy, xã hội Mẫu cảm tính, bỏ qua yếu tố tiện lợi
Lan Zongjun & cs (2023) EFA + SEM Tương tác xã hội, phản hồi KH Chỉ bối cảnh Trung Quốc (Taobao)

Khoảng trống nghiên cứu được xác định:

  • Chưa có nghiên cứu tích hợp đầy đủ cả nhận thức tiện lợi, khuyến mãiđộng cơ mua sắm trong bối cảnh Shopee Livestream tại TP. HCM
  • Chưa kiểm định sự khác biệt theo nhân khẩu học (giới tính, tuổi, thu nhập, khu vực)
  • Đối tượng Gen Z chưa được phân tích chuyên sâu trong bối cảnh thời trang livestream

Phân tích yêu cầu theo MoSCoW:

  • Must have: Xác định và đo lường các nhân tố ảnh hưởng đến QDMH
  • Should have: Kiểm định sự khác biệt nhân khẩu học; đề xuất hàm ý quản trị
  • Could have: So sánh với các nền tảng khác (TikTok, Facebook)
  • Won't have: Phân tích thời gian thực, dữ liệu giao dịch thực tế từ Shopee

Thiết kế hệ thống nghiên cứu

Khung lý thuyết ứng dụng:

  • TRA – Theory of Reasoned Action (Ajzen & Fishbein, 1975): Ý định hành vi là yếu tố then chốt dẫn đến hành vi mua hàng, được hình thành từ thái độ cá nhân và chuẩn mực chủ quan
  • UTAUT – Unified Theory of Acceptance and Use of Technology (Venkatesh & cs, 2003): Bổ sung các yếu tố Kỳ vọng Hiệu suất, Kỳ vọng Nỗ lực, Ảnh hưởng Xã hội và Điều kiện Thuận lợi

Mô hình nghiên cứu đề xuất gồm 6 biến độc lập:

Biến độc lập                          Biến phụ thuộc

Thang đo: Likert 5 điểm (1 = Rất không đồng ý → 5 = Rất đồng ý); 29 biến quan sát, 7 thang đo thành phần.

Technology Stack phân tích:

Công cụ Phiên bản Mục đích
IBM SPSS Statistics 27.0 Toàn bộ quá trình phân tích định lượng
Cronbach's Alpha Kiểm tra độ tin cậy thang đo (α > 0.6)
EFA (Exploratory Factor Analysis) Khám phá cấu trúc nhân tố (KMO > 0.5; sig < 0.05)
Pearson Correlation Phân tích tương quan giữa các biến
Multiple Linear Regression Đo lường mức độ tác động của từng nhân tố
ANOVA & Independent Samples T-test Kiểm định khác biệt nhân khẩu học

Methodology

Phương pháp nghiên cứu kết hợp (Mixed Methods):

  • Định tính: Tổng hợp lý thuyết, phỏng vấn sâu 10 bạn trẻ tại TP. HCM để điều chỉnh thang đo nháp → thang đo chính thức
  • Định lượng: Khảo sát bảng hỏi online, chọn mẫu thuận tiện phi xác suất, n = 337

Tiêu chí cỡ mẫu theo Hair (2008): với 29 biến quan sát, cỡ mẫu tối thiểu = 29 × 5 = 145, tối ưu = 29 × 10 = 290. Nghiên cứu đạt n = 337, vượt ngưỡng tối ưu, đảm bảo độ tin cậy thống kê.

Quy trình phân tích dữ liệu:

  1. Làm sạch & mã hóa dữ liệu → loại bỏ phiếu không hợp lệ
  2. Thống kê mô tả (Descriptive Statistics)
  3. Kiểm định Cronbach's Alpha (α > 0.6; hệ số tương quan biến-tổng > 0.3)
  4. EFA: Factor Loading > 0.5; KMO > 0.5; Eigenvalue > 1; phương sai trích > 50%
  5. Phân tích tương quan Pearson
  6. Hồi quy đa biến: kiểm định VIF (< 10, tránh đa cộng tuyến), F-test (sig < 0.05)
  7. Kiểm định ANOVA và T-test theo nhân khẩu học

Implementation và kết quả

Quá trình thu thập dữ liệu

Khảo sát trực tuyến triển khai từ tháng 7–9/2024 với bộ lọc sàng lọc hai tầng:

  • Câu hỏi 1: "Bạn có thuộc thế hệ Gen Z (sinh 1995–2012) không?"
  • Câu hỏi 2: "Bạn đã từng mua hàng thời trang trên Shopee Livestream chưa?"

Chỉ những respondents trả lời "Có" ở cả hai câu mới được tiếp tục khảo sát, đảm bảo tính thuần nhất của mẫu.

Kết quả kiểm định

Cronbach's Alpha: Tất cả 6 thang đo độc lập và 1 thang đo phụ thuộc đều đạt α > 0.7, đảm bảo độ tin cậy cao.

EFA biến độc lập:

  • KMO > 0.8 → cấu trúc nhân tố phù hợp
  • Tổng phương sai trích > 60% → 6 nhân tố giải thích tốt biến động dữ liệu
  • Tất cả factor loadings > 0.5, không có cross-loading vượt ngưỡng

Kết quả hồi quy tuyến tính đa biến:

Nhân tố Hệ số hồi quy chuẩn hóa (β) VIF Kết quả
Nhận thức về sự tiện lợi (NTTL) Dương < 10 Chấp nhận H1
Khuyến mãi (KM) Dương < 10 Chấp nhận H2
Nhận thức về sự hữu ích (NTHI) Dương < 10 Chấp nhận H3
Ảnh hưởng xã hội (AHXH) Dương < 10 Chấp nhận H4
Nhận thức về rủi ro (NTRR) Âm < 10 Chấp nhận H5
Động cơ (DC) Dương < 10 Chấp nhận H6

Tất cả 6 giả thuyết đều được chấp nhận ở mức ý nghĩa 5%, mô hình hồi quy có ý nghĩa thống kê (F-test: sig < 0.05), không xảy ra hiện tượng đa cộng tuyến (VIF < 10).

Kiểm định nhân khẩu học:

  • Giới tính: Independent Samples T-test → có/không có sự khác biệt có ý nghĩa thống kê
  • Độ tuổi, thu nhập, khu vực: One-Way ANOVA → phân tích mức độ đồng nhất trong nhóm Gen Z

Đổi mới và đóng góp

Đóng góp học thuật

Nghiên cứu lần đầu tiên tích hợp đồng thời 6 nhân tố — bao gồm động cơ mua sắm (một nhân tố thường bị bỏ qua trong các nghiên cứu cùng chủ đề) — vào một mô hình thống nhất dựa trên nền tảng lý thuyết TRA + UTAUT. So sánh với hai nghiên cứu tiêu biểu:

Tiêu chí Cường & Toàn (2019) Bùi Thị Nhật Huyền & cs (2023) Nghiên cứu này
Nền tảng TMĐT nói chung TikTok Livestream Shopee Livestream
Đối tượng Người dùng Việt Nam Sinh viên TP. HCM Gen Z TP. HCM
Nhân tố "Động cơ"
Nhân tố "Tiện lợi"
Nhân tố "Khuyến mãi"
Kiểm định nhân khẩu học Hạn chế ✓ (4 biến)
Cỡ mẫu 346 250 337

Đóng góp phương pháp: Bộ thang đo 29 biến quan sát được phát triển và kiểm định riêng cho bối cảnh thời trang livestream trên Shopee — có thể tái sử dụng cho các nghiên cứu tương tự về hành vi tiêu dùng kỹ thuật số.


Ứng dụng thực tế và triển khai

Hàm ý quản trị theo từng nhân tố

1. Nhận thức về sự tiện lợi (NTTL): Tối ưu giao diện livestream, đơn giản hóa quy trình thanh toán một chạm, cải thiện tính năng đặt hàng ngay trong stream; đảm bảo thời gian tải trang < 3 giây và hỗ trợ đa phương thức thanh toán (ví điện tử, COD, thẻ ngân hàng).

2. Khuyến mãi (KM): Thiết kế các chương trình flash sale độc quyền trong livestream (giảm giá tức thời, voucher countdown 15 phút), kết hợp với cơ chế "chỉ trong stream này" để tạo cảm giác khan hiếm và thúc đẩy quyết định mua ngay.

3. Nhận thức về sự hữu ích (NTHI): Tăng cường review sản phẩm chi tiết trong livestream, cho phép người xem đặt câu hỏi về chất lượng, chất liệu, kích thước thực tế; tích hợp section "đánh giá của người mua trước" ngay trong màn hình stream.

4. Ảnh hưởng xã hội (AHXH): Hợp tác có chọn lọc với KOL/KOC phù hợp thị hiếu Gen Z; khuyến khích user-generated content (UGC) từ người mua; tạo cộng đồng fan trong livestream với tính năng chat tương tác.

5. Nhận thức về rủi ro (NTRR) — tác động ngược chiều: Cam kết rõ ràng về chính sách đổi trả 7 ngày, bảo mật thông tin thanh toán (hiển thị chứng chỉ SSL), cung cấp hình ảnh/video thực tế sản phẩm để giảm khoảng cách kỳ vọng.

6. Động cơ (DC): Nhấn mạnh tính xu hướng của sản phẩm, gắn kết với lifestyle Gen Z; xây dựng cộng đồng mua sắm có tính cá nhân hóa cao thông qua recommendation engine của Shopee.

Đối tượng hưởng lợi và lợi ích định lượng

Nhóm Lợi ích cụ thể
Shop thời trang / Seller Hiểu rõ 6 nhân tố chính → tối ưu kịch bản livestream → tăng tỷ lệ chuyển đổi (conversion rate)
KOL / KOC Nắm được tầm quan trọng của ảnh hưởng xã hội → cải thiện cách thức review và tương tác
Nhà đầu tư TMĐT Cơ sở dữ liệu định lượng → ra quyết định đầu tư vào mảng livestream fashion
Nhà nghiên cứu Bộ thang đo chuẩn hóa → tái sử dụng cho nghiên cứu tương tự ở bối cảnh khác
Sinh viên / Học viên Quy trình nghiên cứu hoàn chỉnh (định tính + định lượng) → tham khảo phương pháp luận

Hạn chế và hướng phát triển

Hạn chế được thừa nhận

  • Phương pháp chọn mẫu thuận tiện (convenience sampling): Kết quả mang tính chất tổng quát nhất trong phạm vi khảo sát, chưa đảm bảo tính đại diện xác suất cho toàn bộ Gen Z TP. HCM
  • Dữ liệu tự báo cáo (self-reported data): Câu trả lời mang tính cảm tính, có thể tồn tại bias xã hội (social desirability bias)
  • Phạm vi địa lý hẹp: Chỉ tập trung TP. Hồ Chí Minh, chưa phản ánh đặc thù Gen Z tại các tỉnh thành khác
  • Thiết kế cắt ngang (cross-sectional): Không thể xác định quan hệ nhân quả theo thời gian

Hướng nghiên cứu tiếp theo

  • Mở rộng mẫu ra phạm vi toàn quốc hoặc so sánh đa vùng (TP. HCM vs Hà Nội)
  • Nghiên cứu longitudinal để theo dõi sự thay đổi hành vi mua hàng Gen Z theo thời gian
  • Ứng dụng mô hình PLS-SEM (Partial Least Squares Structural Equation Modeling) để kiểm định mô hình phức tạp hơn với biến trung gian/điều tiết
  • Bổ sung nhân tố Chất lượng streamer (tính chuyên nghiệp, sức hút của người dẫn) và Trải nghiệm xem livestream (chất lượng video, độ trễ mạng)
  • Nghiên cứu so sánh đối chiếu giữa Shopee, TikTok Shop và Facebook Live để xác định đặc thù từng nền tảng

Câu hỏi thường gặp

1. Nghiên cứu sử dụng phần mềm và phiên bản nào để phân tích? Toàn bộ dữ liệu được xử lý bằng IBM SPSS Statistics phiên bản 27, bao gồm các module: Descriptive Statistics, Reliability Analysis (Cronbach's Alpha), Factor Analysis (EFA), Correlations (Pearson), Linear Regression và ANOVA/T-test.

2. Cỡ mẫu 337 có đảm bảo độ tin cậy thống kê không? Có. Theo tiêu chuẩn của Hair (2008), với 29 biến quan sát, cỡ mẫu tối thiểu là 145 (tỷ lệ 5:1) và tối ưu là 290 (tỷ lệ 10:1). Nghiên cứu đạt n = 337, vượt 16% so với ngưỡng tối ưu, đảm bảo độ tin cậy thống kê cao.

3. Làm thế nào để doanh nghiệp ứng dụng kết quả vào chiến lược livestream? Căn cứ vào hệ số hồi quy chuẩn hóa (β) của từng nhân tố, doanh nghiệp ưu tiên đầu tư vào các nhân tố có β lớn nhất — đây là các đòn bẩy tạo ra tác động mạnh nhất đến quyết định mua hàng của Gen Z. Ví dụ, nếu "Khuyến mãi" có β cao nhất, doanh nghiệp nên ưu tiên thiết kế chương trình giảm giá flash sale độc quyền trong livestream.

4. Mô hình có thể áp dụng cho các nền tảng khác như TikTok Shop không? Mô hình và thang đo có thể được điều chỉnh để áp dụng cho TikTok Shop hoặc Facebook Live, tuy nhiên cần kiểm định lại bộ thang đo trong bối cảnh từng nền tảng vì đặc điểm người dùng và hành vi tương tác có thể khác nhau đáng kể.

5. Yếu tố nào tác động tiêu cực đến quyết định mua hàng? Nhận thức về rủi ro (NTRR) là nhân tố duy nhất tác động ngược chiều (hệ số β âm) — người mua càng cảm thấy rủi ro cao (bảo mật thông tin, chất lượng sản phẩm không đúng mô tả, khó đổi trả), quyết định mua hàng càng giảm. Đây là điểm cần ưu tiên cải thiện để giữ chân khách hàng Gen Z.


Kết luận

Khóa luận "Các nhân tố tác động đến quyết định mua hàng thời trang trên Livestream ở sàn Shopee của giới trẻ tại TP. Hồ Chí Minh" (Nguyễn Phương Châu, 2024) đã đạt được những kết quả nghiên cứu có giá trị khoa học và ứng dụng thực tiễn cao.

Thành tựu nổi bật:

  • Xây dựng và kiểm định thành công mô hình 6 nhân tố với 337 mẫu hợp lệ từ Gen Z TP. HCM
  • Sử dụng quy trình phân tích chặt chẽ: Cronbach's Alpha → EFA → Pearson → OLS Regression → ANOVA trên SPSS 27
  • Xác nhận tất cả 6 giả thuyết nghiên cứu (H1–H6), trong đó nhận thức về rủi ro tác động ngược chiều là phát hiện quan trọng cần chú trọng trong thiết kế trải nghiệm livestream
  • Lấp đầy khoảng trống nghiên cứu khi đưa động cơ mua sắm vào mô hình — một nhân tố chưa được xem xét trong các nghiên cứu cùng chủ đề về Shopee Livestream

Giá trị thực tiễn: Kết quả cung cấp căn cứ thống kê cho các nhà bán hàng, KOL/KOC và nhà đầu tư TMĐT trong việc tối ưu hóa chiến lược livestream thời trang hướng đến phân khúc Gen Z — nhóm khách hàng chiếm tỷ trọng lớn và có sức chi tiêu ngày càng tăng trên các sàn TMĐT Việt Nam.

Nếu bạn đang nghiên cứu về hành vi tiêu dùng số, thương mại điện tử Việt Nam hoặc marketing livestream, đây là tài liệu tham khảo thiết thực với phương pháp luận rõ ràng và dữ liệu thực nghiệm cập nhật năm 2024.