Giới thiệu dự án
Thương mại điện tử (TMĐT) tại Việt Nam chứng kiến sự bùng nổ mạnh mẽ trong giai đoạn hậu đại dịch COVID-19 với hơn 63% người tiêu dùng duy trì thói quen mua sắm trực tuyến. Năm 2022, thị trường ghi nhận 51 triệu đơn hàng trực tuyến với tổng quy mô chi tiêu đạt 12,42 tỷ USD (tăng 13,5% so với cùng kỳ). Giữa bối cảnh các sàn TMĐT truyền thống như Shopee, Lazada và Tiki nắm giữ thị phần trọng yếu, sự xuất hiện của TikTok Shop (ra mắt đầu năm 2022 trực thuộc ByteDance) đã tái định hình hành vi tiêu dùng thông qua mô hình Shoppertainment (kết hợp mua sắm và giải trí dạng video ngắn/livestream). Theo báo cáo thị phần TMĐT quý 1/2023 từ Metric, TikTok Shop nhanh chóng vươn lên vị trí số 3 với doanh thu đạt 6.000 tỷ VNĐ (chiếm 15,5% thị phần), tiêu thụ 42,1 triệu sản phẩm từ hơn 68.000 nhà bán hàng.
Mô hình Shoppertainment
+--------------------+ +---------------------+ +--------------------+
| Video Ngắn / Live | -----> | Khám phá Nhu cầu | -----> | Mua sắm Ngay |
| (Entertainment) | | (Spontaneous Need) | | (In-app Checkout) |
+--------------------+ +---------------------+ +--------------------+
Vấn đề đặt ra (Problem Statement) là dù tỷ lệ chuyển đổi đơn hàng ban đầu trên TikTok Shop rất cao nhờ thuật toán phân phối nội dung cá nhân hóa, tỷ lệ giữ chân khách hàng và kích thích quyết định tiếp tục mua sắm (repurchase intention) của nhóm khách hàng thế hệ trẻ – đặc biệt là sinh viên đại học (chiếm 41% cơ sở người dùng TikTok trong độ tuổi 16–24) – vẫn là một bài toán chưa có lời giải rõ ràng. Khóa luận tốt nghiệp chuyên ngành Quản trị Kinh doanh (Mã ngành: 7340101) của tác giả Nguyễn Thị Uyên Trân (Trường Đại học Ngân hàng TP. Hồ Chí Minh - HUB, dưới sự hướng dẫn của TS. Trần Dục Thức) giải quyết vấn đề này thông qua mô hình nghiên cứu định lượng chuyên sâu.
Dự án xác định các mục tiêu nghiên cứu cụ thể:
- Mục tiêu 1: Xác định các nhân tố cấu thành ảnh hưởng trực tiếp đến quyết định tiếp tục mua sắm trên nền tảng mạng xã hội TikTok của sinh viên HUB.
- Mục tiêu 2: Đo lường mức độ tác động chuẩn hóa (hệ số Beta) của từng nhân tố và kiểm định sự khác biệt giữa các nhóm nhân khẩu học (giới tính, năm học, mức chi tiêu, tần suất mua sắm).
- Mục tiêu 3: Đề xuất hệ thống hàm ý quản trị và chiến lược tiếp thị thực thi nhằm tối ưu hóa tỷ lệ giữ chân khách hàng (Customer Retention Rate) cho các doanh nghiệp TMĐT.
Phạm vi và giới hạn nghiên cứu:
- Không gian nghiên cứu: Trường Đại học Ngân hàng TP. Hồ Chí Minh (HUB).
- Mẫu khảo sát: $N = 216$ mẫu hợp lệ từ sinh viên đã từng có tiền sử giao dịch trên TikTok Shop.
- Thời gian thực hiện: Tháng 03/2023 đến tháng 06/2023.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Thị trường TMĐT Việt Nam năm 2023 chứng kiến sự dịch chuyển từ TMĐT tìm kiếm chủ động (Search-based E-commerce) sang TMĐT giải trí (Content-driven E-commerce).
| Tiêu chí so sánh |
TMĐT truyền thống (Shopee, Lazada, Tiki) |
Mạng xã hội TMĐT (TikTok Shop) |
| Bản chất tiếp cận |
Người dùng có nhu cầu tìm kiếm từ khóa cụ thể (Active Search) |
Khám phá thụ động qua thuật toán video ngắn (Discovery/Shoppertainment) |
| Điểm chạm trải nghiệm |
Gian hàng tĩnh, đánh giá hình ảnh/văn bản đơn thuần |
Tương tác trực tiếp qua Livestream, KOL/KOC Reviews, âm thanh sống động |
| Quy trình thanh toán |
Chuyển tiếp qua nhiều bước giỏ hàng phức tạp |
In-app Seamless Checkout tích hợp ngay trên video |
| Nhược điểm cốt lõi |
Tỷ lệ tương tác tự nhiên thấp, chi phí quảng cáo tăng |
Rủi ro về chất lượng hàng hóa, tính ổn định của nhà bán hàng tự do |
Phân tích yêu cầu mô hình nghiên cứu theo khung ưu tiên MoSCoW:
- Must-have: Đo lường tác động của Sự tin cậy (TC), Ảnh hưởng xã hội (XH), Nhận thức sự thuận tiện (TT), Mong đợi về giá (GIA), Nhận thức rủi ro (RR) đến Quyết định tiếp tục mua sắm (QD).
- Should-have: Tích hợp kiểm định nhân khẩu học đa biến (ANOVA, Independent Samples T-test) về thói quen chi tiêu và tần suất giao dịch.
- Could-have: Tích hợp mở rộng phân tích tác động trung gian của chất lượng dịch vụ logistics và chính sách bảo vệ người mua.
- Won't-have: Nghiên cứu hành vi mua sắm B2B hoặc các giao dịch ngoài phạm vi nền tảng TikTok Shop.
Thiết kế hệ thống dữ liệu và biến số
Hệ thống biến quan sát được chuẩn hóa theo thang đo Likert 5 mức độ ($1 = \text{Hoàn toàn không đồng ý}$ đến $5 = \text{Hoàn toàn đồng ý}$):
+--------------------------------+
| MÔ HÌNH HỒI QUY ĐỀ XUẤT (OLS) |
+--------------------------------+
|
+-------------------+----------------+-------------------+-------------------+
| | | | |
v v v v v
+------------+ +------------+ +------------+ +------------+ +------------+
| Sự tin | | Ảnh hưởng | | Nhận thức | | Mong đợi | | Nhận thức |
| cậy (TC) | | xã hội(XH) | | t.tiện(TT) | | về giá(GIA)| | rủi ro(RR) |
+------------+ +------------+ +------------+ +------------+ +------------+
| (+) | (+) | (+) | (ns) | (ns)
+-------------------+----------------+-------------------+-------------------+
|
v
+--------------------------------+
| Quyết định tiếp tục mua sắm |
| (QD) |
+--------------------------------+
- Sự tin cậy (Trust - TC): Đo lường tính bảo mật dữ liệu, uy tín của nhà bán hàng và cam kết giao hàng chuẩn xác.
- Ảnh hưởng xã hội (Social Influence - XH): Đo lường tác động từ bạn bè, gia đình, xu hướng lan truyền (viral trends) và người có tầm ảnh hưởng (KOL/KOC).
- Nhận thức sự thuận tiện (Perceived Convenience - TT): Hợp nhất từ Nhận thức sự hữu ích (HI) và Nhận thức dễ sử dụng (SD) sau khi phân tích EFA.
- Mong đợi về giá (Price Expectation - GIA): Các chính sách trợ giá, mã giảm giá FreeShip và chênh lệch giá so với cửa hàng truyền thống.
- Nhận thức rủi ro (Perceived Risk - RR): Lo ngại về chất lượng thực tế khác video quảng cáo, lộ thông tin cá nhân và quy trình đổi trả.
- Biến phụ thuộc (QD): Quyết định tiếp tục lựa chọn TikTok Shop làm kênh mua sắm định kỳ.
Phương pháp nghiên cứu (Methodology)
Nghiên cứu áp dụng quy trình hỗn hợp hai giai đoạn (Mixed-method Approach):
- Nghiên cứu định tính: Thực hiện phỏng vấn sâu cá nhân (in-depth interview) với 10 sinh viên HUB đã từng mua hàng trên TikTok Shop nhằm điều chỉnh câu chữ, xác thực các biến quan sát phù hợp với bối cảnh TMĐT Việt Nam năm 2023.
- Nghiên cứu định lượng: Triển khai bảng hỏi trực tuyến (Google Forms) kết hợp phát phiếu trực tiếp tại khuôn viên HUB. Tổng số phiếu phát ra: 250 phiếu; thu về: 230 phiếu; số phiếu hợp lệ sau làm sạch: 216 mẫu ($N = 216$), thỏa mãn điều kiện cỡ mẫu tối thiểu cho phân tích nhân tố khám phá EFA (tối thiểu $5 \times \text{tổng số biến quan sát} = 5 \times 24 = 120$ mẫu) và hồi quy đa biến ($50 + 8m = 50 + 8 \times 5 = 90$ mẫu).
Implementation và kết quả
Quy trình phân tích dữ liệu
Quy trình xử lý dữ liệu thực nghiệm được triển khai trên phần mềm SPSS Statistics v20.0 và mô phỏng pipeline tự động hóa bằng Python:
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor
# 1. Load và chuẩn hóa dữ liệu khảo sát (N = 216)
df = pd.read_csv("tiktok_survey_hub_2023.csv")
X_vars = ['TC', 'XH', 'TT', 'GIA', 'RR']
X = df[X_vars]
y = df['QD']
# 2. Xây dựng mô hình hồi quy tuyến tính bội OLS
X_with_const = sm.add_constant(X)
model = sm.OLS(y, X_with_const).fit()
# 3. Tính toán hệ số phóng đại phương sai (VIF) kiểm tra đa cộng tuyến
vif_data = pd.DataFrame()
vif_data["Feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]
print(model.summary())
print(vif_data)
Thuật toán kiểm định độ tin cậy thang đo sử dụng hệ số Cronbach's Alpha ($\alpha$):
$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$
Điều kiện chấp nhận: Hệ số Cronbach's Alpha $\ge 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.
Kiểm định chất lượng thang đo (Testing & Validation)
1. Kết quả kiểm định Cronbach's Alpha
Tất cả các thang đo sơ bộ đều đạt độ tin cậy cao, không có biến quan sát nào bị loại do tương quan biến - tổng $< 0.30$:
- Thang đo Sự tin cậy (TC): $\alpha = 0.842$ (4 biến quan sát)
- Thang đo Ảnh hưởng xã hội (XH): $\alpha = 0.815$ (3 biến quan sát)
- Thang đo Nhận thức sự hữu ích (HI): $\alpha = 0.838$ (4 biến quan sát)
- Thang đo Nhận thức dễ sử dụng (SD): $\alpha = 0.796$ (3 biến quan sát)
- Thang đo Mong đợi về giá (GIA): $\alpha = 0.782$ (3 biến quan sát)
- Thang đo Nhận thức rủi ro (RR): $\alpha = 0.824$ (4 biến quan sát)
- Thang đo Quyết định tiếp tục mua sắm (QD): $\alpha = 0.856$ (3 biến quan sát)
2. Phân tích nhân tố khám phá (EFA)
- Kiểm định EFA biến độc lập: Phương pháp trích Principal Axis Factoring với phép xoay Promax/Varimax. Hệ số $\text{KMO} = 0.845 > 0.50$, kiểm định Bartlett's Test có giá trị $\text{Sig.} = 0.000 < 0.001$, tổng phương sai trích (Total Variance Explained) đạt $63.42% > 50%$, giá trị Eigenvalue dừng ở mức $1.218 > 1$.
- Hiện tượng gộp nhân tố: Các biến quan sát của hai thang đo Nhận thức sự hữu ích (HI) và Nhận thức dễ sử dụng (SD) cùng hội tụ tải lên một nhân tố duy nhất với Factor Loading $> 0.55$. Tác giả tiến hành tái cấu trúc và định danh nhân tố mới là Nhận thức sự thuận tiện (TT).
+-------------------------------------------------------------------------------+
| KẾT QUẢ PHÂN TÍCH NHÂN TỐ EFA |
+-------------------------------------------------------------------------------+
| Nhân tố trích xuất | Biến quan sát | Hệ số tải (Loading) |
+----------------------------------+--------------------+-----------------------+
| 1. Nhận thức sự thuận tiện (TT) | HI1, HI2, HI3, HI4 | 0.621 - 0.784 |
| | SD1, SD2, SD3 | 0.598 - 0.742 |
| 2. Sự tin cậy (TC) | TC1, TC2, TC3, TC4 | 0.689 - 0.831 |
| 3. Nhận thức rủi ro (RR) | RR1, RR2, RR3, RR4 | 0.654 - 0.812 |
| 4. Ảnh hưởng xã hội (XH) | XH1, XH2, XH3 | 0.702 - 0.795 |
| 5. Mong đợi về giá (GIA) | GIA1, GIA2, GIA3 | 0.678 - 0.763 |
+-------------------------------------------------------------------------------+
Kết quả phân tích hồi quy tuyến tính bội
Mô hình hồi quy bội OLS được thiết lập để đánh giá tác động của 5 nhân tố độc lập lên biến phụ thuộc Quyết định tiếp tục mua sắm ($QD$):
| Biến độc lập |
Hệ số chưa chuẩn hóa ($B$) |
Sai số chuẩn (Std. Error) |
Hệ số chuẩn hóa ($\beta$) |
Giá trị $t$ |
Mức ý nghĩa ($p$-value) |
VIF |
| Hằng số (Constant) |
0.412 |
0.285 |
— |
1.446 |
0.150 |
— |
| Sự tin cậy (TC) |
0.348 |
0.054 |
0.362 |
6.444 |
0.000 |
1.342 |
| Ảnh hưởng xã hội (XH) |
0.284 |
0.049 |
0.295 |
5.795 |
0.000 |
1.218 |
| Nhận thức thuận tiện (TT) |
0.215 |
0.052 |
0.228 |
4.135 |
0.000 |
1.405 |
| Mong đợi về giá (GIA) |
0.051 |
0.043 |
0.058 |
1.186 |
0.237 |
1.156 |
| Nhận thức rủi ro (RR) |
-0.038 |
0.041 |
-0.044 |
-0.927 |
0.355 |
1.089 |
HỆ SỐ TÁC ĐỘNG CHUẨN HÓA (BETA)
Sự tin cậy (TC) [==================================] 0.362 (p < 0.001)
Ảnh hưởng xã hội (XH) [============================] 0.295 (p < 0.001)
Nhận thức thuận tiện(TT)[======================] 0.228 (p < 0.001)
Mong đợi về giá (GIA) [====] 0.058 (p = 0.237 - Không có ý nghĩa)
Nhận thức rủi ro (RR) [===] -0.044 (p = 0.355 - Không có ý nghĩa)
Đánh giá độ phù hợp của mô hình:
- Hệ số xác định $R^2 = 0.548$, $R^2$ hiệu chỉnh $= 0.537$ (Giải thích được $53.7%$ sự biến thiên của Quyết định tiếp tục mua sắm).
- Kiểm định ANOVA: Giá trị $F = 50.872$ với mức ý nghĩa $p = 0.000 < 0.001$, khẳng định mô hình hồi quy tuyến tính xây dựng là hoàn toàn phù hợp.
- Kiểm định đa cộng tuyến: Tất cả các hệ số phóng đại phương sai $\text{VIF} < 2.0$, chứng minh không tồn tại hiện tượng đa cộng tuyến giữa các biến độc lập.
- Hệ số Durbin-Watson $= 1.892$ ($1.5 < d < 2.5$), không có hiện tượng tự tương quan bậc nhất.
Phương trình hồi quy chuẩn hóa:
$$QD = 0.362 \times TC + 0.295 \times XH + 0.228 \times TT$$
Đổi mới và đóng góp
- Tái định hình lý thuyết UTAUT/TAM trong môi trường Social Commerce: Nghiên cứu phát hiện rằng đối với tệp khách hàng Gen Z thành thạo công nghệ (Digital Natives), ranh giới giữa "Tính hữu ích" và "Tính dễ sử dụng" bị xóa nhòa, tích hợp thành một biến thống nhất là "Nhận thức sự thuận tiện (TT)". Điều này khác biệt hoàn toàn với các nghiên cứu TMĐT truyền thống (Davis, 1989; Venkatesh et al., 2003).
- Chứng minh sự áp đảo của yếu tố "Sự tin cậy" ($\beta = 0.362$): Trong mô hình Shoppertainment, niềm tin không chỉ đặt vào sàn giao dịch mà chuyển dịch trực tiếp sang uy tín của Nhà sáng tạo nội dung (Creator/KOC) và thương hiệu phân phối.
- Phát hiện nghịch lý về Giá (GIA) và Rủi ro (RR): Khác với nghiên cứu của Hoàng Quốc Cường (2010) và Nguyễn Pha Lê (2018), đối với sinh viên HUB trên TikTok Shop, Giá cả và Rủi ro nhận thức không đạt mức ý nghĩa thống kê ($p > 0.05$). Nguyên nhân xuất phát từ chính sách hoàn tiền bảo vệ người tiêu dùng ngày càng hoàn thiện của TikTok và mức giá các mặt hàng thời trang/mỹ phẩm/phụ kiện trên TikTok đã được định vị ở phân khúc vừa túi tiền sinh viên.
Ứng dụng thực tế và triển khai
Dựa trên kết quả thực nghiệm, đề xuất lộ trình tối ưu hóa chuyển đổi và giữ chân khách hàng dành cho các doanh nghiệp, nhà bán hàng trên TikTok Shop:
+------------------------------------------------------------------------------+
| LỘ TRÌNH TRIỂN KHAI TỐI ƯU HÓA RETAIL COMMERCE |
+------------------------------------------------------------------------------+
| Giai đoạn 1: Thiết lập Niềm tin (Tháng 1 - 2) |
| - Đạt chứng nhận TikTok Shop Mall / Tích xanh chính chủ |
| - Cam kết 100% đổi trả tự động trong 7 ngày, công khai đánh giá video thực |
+------------------------------------------------------------------------------+
| Giai đoạn 2: Tận dụng Hiệu ứng Lan truyền & Xã hội (Tháng 3 - 4) |
| - Triển khai mạng lưới Affiliate KOC sinh viên (Micro-influencers) |
| - Xây dựng các chiến dịch Hashtag Challenge kích thích UGC |
+------------------------------------------------------------------------------+
| Giai đoạn 3: Nâng cao Trải nghiệm Thuận tiện (Tháng 5 - 6) |
| - Tối ưu hóa Catalog sản phẩm gắn trực tiếp trên Short-video |
| - Tích hợp Live-shopping bot hỗ trợ chốt đơn tự động trong 30 giây |
+------------------------------------------------------------------------------+
Chiến lược cụ thể theo thứ tự ưu tiên:
- Chiến lược củng cố Sự tin cậy (Top Priority): Tối ưu hóa tính minh bạch nguồn gốc sản phẩm, khuyến khích khách hàng cũ quay video feedback (User-Generated Content - UGC) để nhận voucher giảm giá cho đơn tiếp theo.
- Chiến lược khai thác Ảnh hưởng xã hội: Hợp tác với các Micro-KOLs/KOCs có tệp người theo dõi là sinh viên ngành kinh tế - ngân hàng để tạo định hướng tiêu dùng tự nhiên (Social Proof).
- Chiến lược tối ưu tính Thuận tiện: Rút ngắn thời gian tương tác và đặt hàng qua tính năng 1-Click Checkout, tối ưu hóa livestreaming với kịch bản trả lời thắc mắc kích thước/màu sắc theo thời gian thực.
Hạn chế và hướng phát triển
- Quy mô và tính đại diện của mẫu: Mẫu nghiên cứu ($N = 216$) chỉ tập trung vào sinh viên Trường Đại học Ngân hàng TP. Hồ Chí Minh, chưa mở rộng ra các khối trường kỹ thuật, xã hội hoặc các vùng địa lý khác ngoài TP.HCM.
- Phương pháp tiếp cận mô hình: Nghiên cứu sử dụng mô hình hồi quy tuyến tính OLS thông qua SPSS. Các mối quan hệ tác động gián tiếp (tác động trung gian - Mediator hoặc điều tiết - Moderator) chưa được lượng hóa.
- Hướng phát triển tương lai: Mở rộng nghiên cứu với mô hình cấu trúc tuyến tính PLS-SEM (Partial Least Squares Structural Equation Modeling) trên tập dữ liệu $N \ge 1.000$, khảo sát thêm tác động của yếu tố "Cảm xúc ngẫu hứng" (Impulse Buying Behavior) và "Thuật toán gợi ý cá nhân hóa của TikTok (AI Recommendation Engine)".
Đối tượng hưởng lợi
+-------------------+---------------------------------------------------------+
| Nhóm đối tượng | Giá trị mang lại |
+-------------------+---------------------------------------------------------+
| Sinh viên | Hiểu rõ cơ chế tâm lý tiêu dùng, đưa ra quyết định mua |
| | sắm thông minh, tránh bẫy tâm lý Shoppertainment. |
| Nhà bán hàng | Tối ưu ngân sách Marketing, chuyển trọng tâm từ giảm |
| (Sellers/Brands) | giá sốc sang xây dựng hệ thống KOC uy tín và CSKH. |
| Chuyên viên SEO/ | Nắm bắt framework xây dựng nội dung gắn link giỏ hàng, |
| Content Marketing | tối ưu tỷ lệ nhấp chuột (CTR) và tỷ lệ giữ chân (CRR). |
| Nhà nghiên cứu | Kế thừa bộ thang đo chuẩn hóa về Social Commerce trong |
| | bối cảnh nền kinh tế số Việt Nam. |
+-------------------+---------------------------------------------------------+
Câu hỏi thường gặp
1. Tại sao nhân tố "Mong đợi về giá" không có ý nghĩa thống kê trong nghiên cứu này?
Đối với tệp khách hàng sinh viên HUB trên TikTok Shop, mặt bằng giá sản phẩm giữa các shop đã tương đối đồng nhất và minh bạch. Sinh viên coi mức giá rẻ và mã voucher FreeShip là điều kiện mặc định (tiêu chuẩn cơ sở) chứ không còn là yếu tố mang tính quyết định để quay lại mua tiếp. Thay vào đó, họ ưu tiên uy tín và độ chuẩn xác của sản phẩm nhận được.
2. Thuật toán EFA đã gộp hai biến "Hữu ích" và "Dễ sử dụng" như thế nào?
Trong quá trình xoay nhân tố Varimax/Promax, các biến quan sát từ HI1 đến HI4 và SD1 đến SD3 đều có hệ số tải (Factor Loading) cao vượt trội trên cùng Factor 1 ($> 0.55$) và chênh lệch hệ số tải giữa các nhân tố $> 0.30$. Về mặt hành vi, người trẻ thao tác mua sắm trên video TikTok cảm nhận việc dễ sử dụng và tính hữu ích là một trải nghiệm liền mạch duy nhất: "Nhận thức sự thuận tiện".
3. Cần bao nhiêu mẫu khảo sát để đảm bảo tính hợp lệ cho nghiên cứu tương tự?
Theo quy tắc Hair et al. (2014), cỡ mẫu tối thiểu cho EFA là gấp 5 lần số biến quan sát ($5 \times k$). Với bảng hỏi 24 biến quan sát, mẫu tối thiểu cần đạt là $24 \times 5 = 120$ mẫu. Mẫu $N = 216$ của nghiên cứu này vượt $180%$ tiêu chuẩn tối thiểu, đảm bảo độ vững (robustness) cho các kiểm định thống kê.
4. Làm thế nào để doanh nghiệp nhỏ ứng dụng chỉ số "Sự tin cậy" vào TikTok Shop?
Doanh nghiệp nên tập trung vào 3 giải pháp: (1) Đăng ký gian hàng chính hãng TikTok Shop Mall; (2) Sử dụng tính năng quay cận cảnh sản phẩm không qua chỉnh sửa màu quá đà; (3) Hợp tác với các KOC dạng trải nghiệm thực tế (unboxing/honest review) thay vì chỉ đọc kịch bản quảng cáo.
5. Chi phí triển khai chiến lược Retargeting trên TikTok Shop có cao không?
Chi phí triển khai mô hình Affiliate KOC kết hợp tối ưu quy trình CSKH trên TikTok Shop giúp tiết kiệm từ $25% - 40%$ chi phí quảng cáo trực tiếp (TikTok Ads CPM) so với các kênh truyền thống, đồng thời mang lại chỉ số hoàn vốn đầu tư (ROI) trung bình từ $3.5\text{x} - 5.0\text{x}$ sau 3 tháng tối ưu.
Kết luận
Đồ án khóa luận tốt nghiệp của tác giả Nguyễn Thị Uyên Trân đã giải quyết thành công bài toán định lượng hành vi tiêu dùng số của thế hệ trẻ trên nền tảng TikTok Shop. Bằng việc kết hợp chặt chẽ giữa cơ sở lý thuyết UTAUT/TAM/TPR và dữ liệu thực nghiệm ($N = 216$), công trình đã xác lập phương trình hồi quy đa biến với 3 nhân tố cốt lõi: Sự tin cậy ($\beta = 0.362$), Ảnh hưởng xã hội ($\beta = 0.295$) và Nhận thức sự thuận tiện ($\beta = 0.228$), giải thích được $53.7%$ hành vi tiếp tục mua sắm của sinh viên. Đây là tài liệu tham khảo khoa học có giá trị ứng dụng cao cho cả giới học thuật TMĐT và các doanh nghiệp đang thực thi chiến lược chuyển đổi số bán lẻ tại Việt Nam.
