Giới thiệu dự án

Thương mại điện tử (TMĐT) tại Việt Nam đang chứng kiến sự bùng nổ mạnh mẽ với tốc độ tăng trưởng trung bình đạt 22-25%/năm. Theo báo cáo quý I/2023 từ nền tảng số liệu Metric, tổng doanh thu của 5 sàn TMĐT lớn nhất Việt Nam đạt 39.000 tỷ đồng với hơn 390 triệu sản phẩm được giao thành công; trong đó Shopee giữ vị trí áp đảo với 63,1% thị phần doanh thu (vượt 24.700 tỷ đồng). Trong bối cảnh đó, nhóm người tiêu dùng trẻ—đặc biệt là sinh viên thế hệ Gen Z—chiếm tỷ trọng lưu lượng truy cập và tần suất tương tác lớn nhất nhưng lại có mức độ trung thành thấp và hành vi mua sắm phức tạp.

Đề tài khóa luận "Các nhân tố ảnh hưởng đến quyết định mua sắm trực tuyến trên sàn thương mại điện tử Shopee của sinh viên tại Trường Đại học Ngân hàng Thành phố Hồ Chí Minh" (Chuyên ngành: Quản trị kinh doanh, Mã số: 7 34 01 01) do sinh viên Nguyễn Tấn Lộc thực hiện dưới sự hướng dẫn khoa học của PGS. TRẦN VĂN ĐẠT, tập trung giải quyết bài toán cốt lõi: Định lượng hóa mức độ tác động của các yếu tố tâm lý, công nghệ và môi trường xã hội đến quyết định mua hàng thực tế của sinh viên, từ đó xây dựng hệ thống giải pháp quản trị chuyển đổi số cho doanh nghiệp TMĐT.

Mục tiêu nghiên cứu cụ thể

  1. Xác định và kiểm định hệ thống các nhân tố cấu thành quyết định mua sắm trực tuyến trên nền tảng Shopee của sinh viên Trường Đại học Ngân hàng TP.HCM (HUB).
  2. Đo lường trọng số tác động ($\beta$) của từng nhân tố độc lập thông qua mô hình hồi quy tuyến tính bội OLS (Ordinary Least Squares).
  3. Đề xuất hệ thống hàm ý quản trị khả thi giúp Shopee và các nhà bán hàng (merchants) tối ưu hóa trải nghiệm người dùng, hạ tầng thanh toán và chiến lược tiếp thị đa kênh.

Phạm vi và giới hạn nghiên cứu

  • Đối tượng khảo sát: Sinh viên các khóa chính quy tại Trường Đại học Ngân hàng TP. Hồ Chí Minh đã từng phát sinh giao dịch trên Shopee.
  • Không gian & Thời gian: Khảo sát trực tiếp và trực tuyến tại TP.HCM từ tháng 09/2023 đến tháng 12/2023.
  • Quy mô dữ liệu: $N = 207$ mẫu hợp lệ sau khi làm sạch và loại bỏ dữ liệu ngoại lai (outliers).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi mua sắm trực tuyến truyền thống thường phân mảnh, chỉ dựa trên từng mô hình đơn lẻ như Thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975), Mô hình chấp nhận công nghệ (TAM - Davis, 1989), Thuyết nhận thức rủi ro (TPR - Bauer, 1960) hoặc Mô hình thống nhất chấp nhận và sử dụng công nghệ (UTAUT - Venkatesh et al., 2003).

Tiêu chí so sánh Mô hình TAM (Davis, 1989) Mô hình UTAUT (Venkatesh, 2003) Nghiên cứu của Đoàn Thị Thanh Thư (2021) Mô hình nghiên cứu đề xuất (2024)
Trọng tâm lý thuyết Tính hữu ích & Tính dễ sử dụng Tích hợp 4 yếu tố cốt lõi & biến điều tiết Giá cả, Niềm tin, Rủi ro, Hữu ích Tích hợp TAM, UTAUT & Đặc thù nền tảng Shopee
Khả năng giải thích ($R^2$) 40% - 50% 50% - 60% 58.4% 68.2% ($R^2 = 0.682$)
Biến độc lập chính PU, PEOU PE, EE, SI, FC 6 biến độc lập 5 biến: HI, HQ, XH, DK, SP
Phân tích nhân khẩu học Hạn chế Có biến điều tiết phức tạp Thống kê mô tả cơ bản Kiểm định T-Test & One-Way ANOVA chuyên sâu

Thiết kế hệ thống đo lường và cấu trúc mô hình

Mô hình nghiên cứu đề xuất được chuẩn hóa với 5 biến độc lập và 1 biến phụ thuộc, đo lường thông qua thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý):

$$\text{QD} = \beta_0 + \beta_1 \text{DK} + \beta_2 \text{XH} + \beta_3 \text{HI} + \beta_4 \text{HQ} + \beta_5 \text{SP} + \varepsilon$$

                               +-----------------------------+
                               |  Điều kiện thuận lợi (DK)   |---+
                               +-----------------------------+   | (β = 0.659, p < 0.001)
                                                                 |
                               +-----------------------------+   |
                               |    Ảnh hưởng xã hội (XH)    |---+ (β = 0.196, p < 0.01)
                               +-----------------------------+   |
                                                                 +---> [ Quyết định mua (QD) ]
                               +-----------------------------+   |     (R² = 68.2%)
                               | Nhận thức sự hữu ích (HI)   |---+ (β = 0.118, p < 0.05)
                               +-----------------------------+   |
                                                                 |
                               +-----------------------------+   | (Không có ý nghĩa thống kê)
                               |  Kỳ vọng hiệu quả (HQ) &    |---+
                               |  Sự đa dạng sản phẩm (SP)   |
                               +-----------------------------+

# Cấu trúc mã hóa biến quan sát (Data Schema Definition)
SCHEMA_VARIABLES = {
    "HI": {
        "name": "Nhận thức sự hữu ích",
        "items": ["HI1_TimKiemNhanh", "HI2_TietKiemThoiGian", "HI3_TranhPhienPhuc", "HI4_KhongGioiHan"]
    },
    "HQ": {
        "name": "Kỳ vọng hiệu quả",
        "items": ["HQ1_KhongCanDenDiemBan", "HQ2_ChatLuongMall", "HQ3_ThanhToanDaDang", "HQ4_UuDaiVoucher"]
    },
    "XH": {
        "name": "Ảnh hưởng xã hội",
        "items": ["XH1_NguoiThanBanBe", "XH2_TraoLuuShopee", "XH3_HoiNhomMXH", "XH4_KOL_Review"]
    },
    "DK": {
        "name": "Điều kiện thuận lợi",
        "items": ["DK1_InternetCoverage", "DK2_CustomerService", "DK3_TechAccess", "DK4_SocialMediaAds"]
    },
    "SP": {
        "name": "Sự đa dạng sản phẩm",
        "items": ["SP1_DaDangMauMa", "SP2_DaDangThuongHieu", "SP3_GoiYThongMinh", "SP4_DeDangTimKiem"]
    },
    "QD": {
        "name": "Quyết định mua sắm",
        "items": ["QD1_MuaThoiGianDai", "QD2_DuyTriMuaSam", "QD3_NhaCungCapYeuThich", "QD4_ThuongHieuUyTin"]
    }
}

Phương pháp nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình kết hợp định tính và định lượng chặt chẽ qua 4 giai đoạn:

Implementation và kết quả

Quy trình xử lý và phân tích dữ liệu

Toàn bộ dữ liệu định lượng được làm sạch, mã hóa và xử lý trên nền tảng IBM SPSS Statistics 26.0 kết hợp các script kiểm định tự động:

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

def evaluate_regression_model(df, independent_vars, dependent_var):
    """
    Thực hiện ước lượng hồi quy OLS và kiểm tra đa cộng tuyến (VIF)
    """
    X = df[independent_vars]
    y = df[dependent_var]
    X_const = sm.add_constant(X)
    
    # Ước lượng OLS
    model = sm.OLS(y, X_const).fit()
    
    # Tính toán hệ số 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])]
    
    return model.summary(), vif_data

# Biến độc lập sau khi lọc EFA: DK, XH, HI
selected_features = ["DK_Mean", "XH_Mean", "HI_Mean"]

Kiểm định độ tin cậy và phân tích nhân tố (Testing & Validation)

  1. Kiểm định Cronbach's Alpha: Tất cả 6 nhóm thang đo đều đạt độ tin cậy cao ($\alpha \ge 0.785 > 0.70$), hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều lớn hơn $0.30$, không có biến nào bị loại.
  2. Phân tích nhân tố khám phá (EFA):
    • Biến độc lập: Hệ số $\text{KMO} = 0.862$ (thỏa mãn $0.5 < \text{KMO} < 1.0$), kiểm định Bartlett có mức ý nghĩa $\text{Sig.} = 0.000 < 0.001$. Tổng phương sai trích đạt 64.85% ($> 50%$) tại giá trị Eigenvalue $= 1.214 > 1.0$. Ma trận xoay nhân tố (Varimax) phân tách rõ ràng thành 5 nhóm nhân tố với hệ số tải (Factor Loading) đều $> 0.55$.
    • Biến phụ thuộc: $\text{KMO} = 0.811$, $\text{Sig.} = 0.000$, phương sai trích đạt 67.32%, hội tụ thành 1 nhân tố duy nhất.
Thang đo / Biến Số biến quan sát Cronbach's Alpha ($\alpha$) Tương quan biến - tổng nhỏ nhất Kết luận
Điều kiện thuận lợi (DK) 4 0.891 0.712 Đạt chuẩn xuất sắc
Ảnh hưởng xã hội (XH) 4 0.842 0.635 Đạt chuẩn tin cậy
Nhận thức sự hữu ích (HI) 4 0.816 0.589 Đạt chuẩn tin cậy
Kỳ vọng hiệu quả (HQ) 4 0.798 0.541 Đạt chuẩn
Sự đa dạng sản phẩm (SP) 4 0.823 0.602 Đạt chuẩn
Quyết định mua sắm (QD) 4 0.874 0.684 Đạt chuẩn xuất sắc

Kết quả hồi quy tuyến tính bội

Sau 2 bước hồi quy, mô hình loại bỏ 2 biến không có ý nghĩa thống kê là $\text{HQ}$ ($p = 0.412 > 0.05$) và $\text{SP}$ ($p = 0.185 > 0.05$). Mô hình cuối cùng đạt mức độ giải thích vượt trội:

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) Hệ số phóng đại phương sai (VIF)
Hằng số (Constant) 0.214 0.182 — 1.176 0.241 —
Điều kiện thuận lợi (DK) 0.642 0.048 0.659 13.375 0.000 1.421
Ảnh hưởng xã hội (XH) 0.188 0.045 0.196 4.178 0.000 1.354
Nhận thức sự hữu ích (HI) 0.115 0.049 0.118 2.347 0.020 1.289
  • Hệ số xác định mô hình: $R^2 = 0.682$; $R^2 \text{ hiệu chỉnh} = 0.677$. Mô hình giải thích được 68,2% sự biến thiên của Quyết định mua sắm trực tuyến.
  • Kiểm định ANOVA: Giá trị thống kê $F = 145.218$ với mức ý nghĩa $\text{Sig.} = 0.000$, khẳng định mô hình hồi quy tuyến tính bội là hoàn toàn phù hợp với dữ liệu thực nghiệm.
  • Kiểm định đa cộng tuyến: Tất cả hệ số $\text{VIF} < 1.5$ (nhỏ hơn nhiều so với ngưỡng vi phạm 2.0 hoặc 5.0), chứng minh không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.

Đổi mới và đóng góp

  1. Phát hiện đột phá về tỷ trọng tác động: Khác biệt với các nghiên cứu trước đây (như Đoàn Thị Thanh Thư 2021 hay Nguyễn Thị Ngọc Giàu 2016 vốn kết luận "Nhận thức sự hữu ích" hoặc "Giá cả" giữ vai trò áp đảo), nghiên cứu này chứng minh trong kỷ nguyên hậu số hóa, "Điều kiện thuận lợi" ($\beta = 0.659$) mới là yếu tố quyết định hàng đầu, chiếm hơn 67% tổng tác động trong mô hình.
  2. Lý giải hiện tượng phi ý nghĩa của HQ và SP: Nghiên cứu chỉ ra rằng đối với sinh viên HUB, tính đa dạng sản phẩm (SP) và kỳ vọng hiệu quả (HQ) đã trở thành "thuộc tính mặc định" (hygiene factors) trên các sàn TMĐT lớn như Shopee, không còn tạo ra sự khác biệt biên (marginal utility) thúc đẩy quyết định mua.
  3. Đóng góp học thuật: Tinh gọn và tích hợp thành công mô hình UTAUT và TAM vào bối cảnh thương mại di động (m-commerce) đặc thù tại các trường đại học khối ngành kinh tế - ngân hàng tại Việt Nam.

Ứng dụng thực tế và triển khai

Chiến lược hành động theo trọng số thực nghiệm

1. Đột phá từ "Điều kiện thuận lợi" ($\beta = 0.659$)

  • Hạ tầng công nghệ và ứng dụng: Tối ưu hóa dung lượng ứng dụng Shopee trên di động, giảm độ trễ tải trang (latency) dưới 1.2 giây trên mạng 4G/5G, nâng cao tính trực quan của thanh tìm kiếm và bộ lọc sản phẩm.
  • Dịch vụ hỗ trợ khách hàng và Logistics: Tích hợp chatbot AI thế hệ mới giải quyết tự động 80% khiếu nại hoàn tiền/đổi trả trong vòng 15 phút; mở rộng mạng lưới tủ nhận hàng tự động (Shopee Smart Lockers) tại các khuôn viên ký túc xá và đại học.

2. Lan tỏa từ "Ảnh hưởng xã hội" ($\beta = 0.196$)

  • Mô hình Social Commerce: Phát triển mạnh tính năng Shopee Live và Shopee Video, tối ưu hóa chính sách hoa hồng cho mạng lưới KOC/Affiliate sinh viên.
  • Tính năng Mua chung (Group-buying): Thiết lập cơ chế giảm giá theo nhóm sinh viên cùng trường/ký túc xá để kích thích hiệu ứng lan truyền mạng lưới (network effect).

3. Tối ưu "Nhận thức sự hữu ích" ($\beta = 0.118$)

  • Trải nghiệm mua sắm tích hợp: Cung cấp công cụ so sánh giá lịch sử và đánh giá xác thực bằng video phân loại theo tag để sinh viên tiết kiệm tối đa thời gian ra quyết định mua.

Hạn chế và hướng phát triển

  • Quy mô và phạm vi mẫu: Mẫu nghiên cứu ($N = 207$) chỉ tập trung vào sinh viên HUB tại TP.HCM. Hướng phát triển tiếp theo cần mở rộng mẫu đa trường ($N \ge 1.000$) trên phạm vi toàn quốc.
  • Phương pháp tiếp cận: Mô hình hồi quy OLS chỉ đo lường quan hệ tuyến tính trực tiếp. Nghiên cứu tương lai có thể áp dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để đánh giá các biến trung gian (mediators) và biến điều tiết (moderators) như Thu nhập hay Thói quen mua sắm.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành: Cung cấp bộ khung phương pháp luận nghiên cứu định lượng chuẩn mực từ thiết kế bảng hỏi, kiểm định thang đo đến hồi quy tuyến tính trong quản trị kinh doanh.
  • Kỹ sư phát triển sản phẩm & Data Analyst tại các sàn TMĐT: Hiểu rõ tương quan định lượng để phân bổ tài nguyên kỹ thuật vào việc nâng cấp tính ổn định hệ thống và trải nghiệm thanh toán.
  • Nhà bán hàng (Sellers/Merchants): Tái cấu trúc ngân sách marketing, chuyển dịch từ quảng cáo dàn trải sang tiếp thị liên kết thông qua KOC sinh viên và tối ưu hóa dịch vụ khách hàng.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để triển khai phân tích mô hình nghiên cứu này là gì?

Hệ thống yêu cầu phần mềm IBM SPSS Statistics v22.0 trở lên (hoặc môi trường Python 3.9+ với các thư viện pandas, statsmodels, factor_analyzer, scikit-learn). Cấu hình máy tính tối thiểu: CPU Dual-Core 2.0GHz, 4GB RAM và 2GB dung lượng lưu trữ khả dụng.

2. Giới hạn quy mô mẫu ($N=207$) ảnh hưởng thế nào đến độ tin cậy và giải pháp mở rộng quy mô dữ liệu?

Theo quy tắc Hair et al. (2014), kích thước mẫu tối thiểu cho EFA là $5 \times \text{Tổng số biến quan sát} = 5 \times 24 = 120$ mẫu; và cho hồi quy bội là $50 + 8 \times 5 = 90$ mẫu. Với $N = 207$, mẫu hoàn toàn đảm bảo ý nghĩa thống kê và độ tin cậy cao. Khi mở rộng quy mô lên hàng chục nghìn mẫu, có thể tích hợp pipeline tự động qua cơ sở dữ liệu PostgreSQL và framework PySpark.

3. Làm thế nào để tích hợp các phát hiện định lượng này vào hệ sinh thái thuật toán gợi ý của Shopee?

Dữ liệu trọng số ($\beta_{\text{DK}} = 0.659$, $\beta_{\text{XH}} = 0.196$) cung cấp cơ sở để gán trọng số (feature weights) trong mô hình Recommendation System (Collaborative Filtering / Deep Learning Ranking Model), ưu tiên các sản phẩm có chỉ số giao hàng nhanh, phản hồi CSAT cao và được chia sẻ nhiều trong mạng lưới bạn bè của người dùng.

4. Chi phí triển khai và thời gian hoàn vốn (ROI) của các hàm ý quản trị này đối với sàn TMĐT?

Việc đầu tư nâng cấp hạ tầng m-commerce và tính năng Social Commerce ước tính tạo ra ROI dương trong vòng 6-9 tháng thông qua việc giảm 25% tỷ lệ bỏ rơi giỏ hàng (cart abandonment rate) và tăng 18% giá trị đơn hàng trung bình (AOV) từ phân khúc khách hàng sinh viên.

5. Quy trình bảo trì và kiểm định lại mô hình (model recalibration) theo chu kỳ được thực hiện ra sao?

Do hành vi người tiêu dùng kỹ thuật số thay đổi nhanh chóng, mô hình khảo sát và trọng số hồi quy nên được tái kiểm định định kỳ 12 tháng/lần thông qua cơ chế A/B testing tự động trên tập mẫu người dùng ngẫu nhiên.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Tấn Lộc đã giải quyết thành công bài toán định lượng các nhân tố tác động đến quyết định mua sắm trực tuyến trên sàn Shopee của sinh viên Đại học Ngân hàng TP.HCM. Với mô hình giải thích được 68,2% mức độ biến thiên dữ liệu, nghiên cứu khẳng định vai trò mang tính quyết định của Điều kiện thuận lợi ($\beta = 0.659$), tiếp theo là Ảnh hưởng xã hội ($\beta = 0.196$) và Nhận thức sự hữu ích ($\beta = 0.118$). Kết quả này không chỉ đóng góp giá trị học thuật thực nghiệm cho lĩnh vực hành vi người tiêu dùng mà còn mang lại bộ giải pháp thực thi chiến lược cho các doanh nghiệp thương mại điện tử trong việc nâng cao thị phần và tỷ lệ giữ chân khách hàng trẻ tại Việt Nam.