Giới thiệu dự án

Thanh toán kỹ thuật số và xu hướng "thanh toán không chạm" (touchless payment) đã trở thành trụ cột quan trọng trong chiến lược chuyển đổi số của ngành Tài chính - Ngân hàng Việt Nam. Theo thống kê từ Ngân hàng Nhà nước Việt Nam, giao dịch qua kênh điện tử và ví điện tử ghi nhận mức tăng trưởng kép hàng năm (CAGR) vượt trên 35% trong giai đoạn 2020–2023. Trong bức tranh đó, thế hệ Gen Z (sinh từ năm 1997 đến 2012)—những "công dân số" (digital natives) chiếm hơn 25% lực lượng lao động tại các đô thị lớn như TP. Hồ Chí Minh—đang trở thành phân khúc khách hàng mục tiêu mang tính chiến lược của các tổ chức tài chính trung gian.

Khóa luận tốt nghiệp chuyên ngành Tài chính - Ngân hàng với đề tài "Các nhân tố ảnh hưởng đến quyết định sử dụng ví điện tử của khách hàng Gen Z tại TP. Hồ Chí Minh" (Tác giả: Huỳnh Đạt Chương; Giảng viên hướng dẫn: TS. Nguyễn Trung Hiếu; Trường Đại học Ngân hàng TP.HCM) giải quyết bài toán thực nghiệm về hành vi tiêu dùng số của giới trẻ đô thị thông qua mô hình phân tích định lượng kết hợp kinh tế lượng ứng dụng.

                                VẤN ĐỀ NGHIÊN CỨU
  Rào cản: Bảo mật & UX/UI               Mô hình hóa: TAM + UTAUT + TPR
                        Tối ưu hóa chiến lược FinTech

Vấn đề nghiên cứu và Điểm nghẽn thực tế

Mặc dù thị trường có hơn 40 ví điện tử được cấp phép (tiêu biểu như MoMo, ZaloPay, ShopeePay, Viettel Money), các nhà cung cấp dịch vụ trung gian thanh toán đang đối mặt với các thách thức cốt lõi:

  • Tỷ lệ churn rate cao ở phân khúc trẻ: Gen Z có mức độ trung thành với thương hiệu thấp (chỉ khoảng 41% sẵn sàng gắn bó lâu dài nếu thiếu ưu đãi).
  • Nghịch lý bảo mật và trải nghiệm (Security vs. Convenience Paradox): Khách hàng trẻ đòi hỏi tốc độ giao dịch tức thì (low latency) nhưng rất nhạy cảm với rủi ro rò rỉ dữ liệu cá nhân.
  • Thiếu mô hình định lượng chuẩn hóa: Các mô hình tiếp cận trước đây chủ yếu áp dụng chung cho mọi lứa tuổi, chưa cô lập được các đặc tính tâm lý và lối sống đặc thù của Gen Z tại TP.HCM.

Mục tiêu nghiên cứu

  1. Xác định các nhân tố cấu thành: Hệ thống hóa các biến số tâm lý học hành vi và công nghệ tác động đến quyết định sử dụng ví điện tử.
  2. Lượng hóa mức độ tác động: Ứng dụng các kiểm định kinh tế lượng (Cronbach's Alpha, EFA, OLS Regression) để tính toán trọng số hồi quy chuẩn hóa ($\beta$).
  3. Xây dựng hàm ý quản trị: Đề xuất giải pháp kỹ thuật, bảo mật và chiến lược sản phẩm (Product Strategy) cho các công ty FinTech và ngân hàng số.

Phạm vi và Giới hạn

  • Không gian: Khảo sát tập trung tại khu vực TP. Hồ Chí Minh.
  • Thời gian thu thập dữ liệu: Tháng 06/2023 đến tháng 08/2023.
  • Đối tượng: Khách hàng thuộc thế hệ Gen Z (độ tuổi từ 18 đến 26 tại thời điểm nghiên cứu) đã hoặc đang cân nhắc sử dụng ví điện tử.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Tiền mặt truyền thống Thẻ Ngân hàng (Napas/Visa/Master) Ví điện tử (E-Wallet)
Tốc độ giao dịch Chậm, phụ thuộc tiền lẻ Trung bình (cần quẹt/chạm POS) Tức thì (QR Code / Dynamic Barcode)
Tính tiện ích & Lối sống Kém, rủi ro mất cắp Trung bình, phụ thuộc thiết bị POS Rất cao, tích hợp All-in-one App
Khả năng quản lý tài chính Thủ công qua sổ sách Sao kê cuối tháng Báo cáo chi tiêu thời gian thực (Real-time)
Bảo mật giao dịch Thấp Trung bình (mất thẻ dễ lộ CVV) Cao (2FA, Sinh trắc học, Tokenization)
Chi phí tích hợp (Merchant) Chi phí kiểm đếm, lưu kho Thuê máy POS, phí giao dịch 1.5-2.5% Quét mã tĩnh/động, phí 0.8-1.5%

Yêu cầu người dùng theo mô hình MoSCoW

  • Must-have: Bảo mật đa lớp (2FA/OTP/Biometrics), chuyển tiền tức thì 24/7, liên kết tài khoản ngân hàng mượt mà.
  • Should-have: Tích hợp hệ sinh thái thanh toán hóa đơn (điện, nước, học phí), ăn uống, mua sắm TMĐT, quét mã VNPAY/VietQR.
  • Could-have: Tính năng quản lý ngân sách cá nhân tự động, giao diện cá nhân hóa theo chủ đề (gamification UI).
  • Won't-have (giai đoạn này): Các sản phẩm đầu tư tài chính phái sinh phức tạp vượt quá khẩu vị rủi ro cơ bản của Gen Z.

Thiết kế hệ thống và Khung lý thuyết tích hợp

Mô hình nghiên cứu được xây dựng trên sự giao thoa của 5 lý thuyết nền tảng: Thuyết hành động hợp lý (TRA), Thuyết hành vi dự tính (TPB), Mô hình chấp nhận công nghệ (TAM), Thuyết nhận thức rủi ro (TPR), và Mô hình chấp nhận - sử dụng công nghệ (UTAUT).

Công nghệ và Công cụ phân tích (Tech Stack)

  • Hệ thống thu thập: Google Forms API kết hợp logic validation chống trùng lặp IP.
  • Nền tảng xử lý dữ liệu: IBM SPSS Statistics v26.0 (64-bit Edition).
  • Môi trường bổ trợ: Python v3.10, thư viện pandas (v2.1.0), numpy (v1.24.3), statsmodels (v0.14.0), pingouin (v0.5.3).
  • Mô hình kinh tế lượng: Hồi quy tuyến tính đa biến (Multiple Linear Regression - OLS).

$$\text{DEC} = \beta_0 + \beta_1 \cdot \text{PU} + \beta_2 \cdot \text{PEOU} + \beta_3 \cdot \text{SEC} + \beta_4 \cdot \text{TRU} + \beta_5 \cdot \text{SI} + \beta_6 \cdot \text{LC} + \epsilon$$

Trong đó:

  • $\text{DEC}$: Quyết định sử dụng ví điện tử (Dependent Variable).
  • $\text{PU}, \text{PEOU}, \text{SEC}, \text{TRU}, \text{SI}, \text{LC}$: 6 nhóm nhân tố độc lập (Independent Variables).
  • $\beta_1 \dots \beta_6$: Hệ số hồi quy chuẩn hóa (Standardized Beta Coefficients).
  • $\epsilon$: Sai số ngẫu nhiên của mô hình (Residual error).

Implementation và kết quả

Quy trình phân tích dữ liệu (Data Pipeline)

Triển khai thuật toán kiểm định (Python & SPSS Syntax Reference)

Quy trình phân tích thống kê được chuẩn hóa qua thuật toán xử lý dữ liệu thực nghiệm:

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

# 1. Load cleaned primary dataset (N=262)
df = pd.read_csv("dataset_genz_ewallet_hcm.csv")
X_vars = ['PU', 'PEOU', 'SEC', 'TRU', 'SI', 'LC']
y_var = 'DEC'

# 2. Add constant for OLS Regression
X = sm.add_constant(df[X_vars])
y = df[y_var]

# 3. Fit Multiple Linear Regression Model
ols_model = sm.OLS(y, X).fit()

# 4. Compute Variance Inflation Factor (VIF) for Multicollinearity Check
vif_data = pd.DataFrame()
vif_data["Variable"] = X_vars
vif_data["VIF"] = [variance_inflation_factor(df[X_vars].values, i) for i in range(len(X_vars))]

print(ols_model.summary())
print(vif_data)

* SPSS Syntax for Cronbach's Alpha, EFA and Regression.
RELIABILITY
  /VARIABLES=PU1 PU2 PU3 PU4 PEOU1 PEOU2 PEOU3 PEOU4 SEC1 SEC2 SEC3 SEC4 TRU1 TRU2 TRU3 SI1 SI2 SI3 LC1 LC2 LC3 DEC1 DEC2 DEC3
  /SCALE('All Factors') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES=PU1 PU2 PU3 PU4 PEOU1 PEOU2 PEOU3 PEOU4 SEC1 SEC2 SEC3 SEC4 TRU1 TRU2 TRU3 SI1 SI2 SI3 LC1 LC2 LC3
  /MISSING LISTWISE 
  /ANALYSIS PU1 TO LC3
  /PRINT INITIAL EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT DEC
  /METHOD=ENTER PU PEOU SEC TRU SI LC
  /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID).

Kết quả kiểm định và Đo lường độ tin cậy

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

Mẫu khảo sát hợp lệ gồm $N = 262$ đáp viên Gen Z tại TP.HCM. Tất cả 7 thang đo đều đạt chuẩn độ tin cậy khoa học cao:

Thang đo biến số Số biến quan sát ban đầu Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất (Corrected Item-Total Corr) Đánh giá thang đo
Tính hữu ích cảm nhận (PU) 4 0.854 0.612 Đạt chuẩn ($\alpha > 0.8$)
Tính dễ sử dụng (PEOU) 4 0.821 0.584 Đạt chuẩn ($\alpha > 0.8$)
Tính bảo mật & An toàn (SEC) 4 0.867 0.645 Rất tốt ($\alpha > 0.8$)
Sự tin tưởng (TRU) 3 0.842 0.628 Đạt chuẩn ($\alpha > 0.8$)
Tác động xã hội (SI) 3 0.798 0.539 Đạt chuẩn ($\alpha > 0.7$)
Tương thích lối sống (LC) 3 0.835 0.601 Đạt chuẩn ($\alpha > 0.8$)
Quyết định sử dụng (DEC) 3 0.876 0.689 Thang đo phụ thuộc xuất sắc

2. Phân tích nhân tố khám phá (EFA)

  • Kiểm định KMO (Kaiser-Meyer-Olkin): Đạt 0.884 ($> 0.5$), chứng minh độ thích hợp của dữ liệu phân tích nhân tố.
  • Kiểm định Bartlett's Test of Sphericity: Giá trị $\chi^2 = 2845.62$, mức ý nghĩa $\text{Sig.} = 0.000 < 0.05$ (các biến quan sát có tương quan tuyến tính với nhau).
  • Tổng phương sai trích (Total Variance Explained): Đạt 63.42% ($> 50%$), nghĩa là 6 nhân tố trích xuất giải thích được 63.42% sự biến thiên của dữ liệu gốc.
  • Hệ số Eigenvalues: Nhân tố thứ 6 có Eigenvalue đạt 1.285 ($> 1.0$). Hệ số tải nhân tố (Factor Loading) của tất cả các biến đều $> 0.55$.

3. Kết quả hồi quy tuyến tính OLS (Regression Weights)

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.) Hệ số phóng đại phương sai (VIF)
Hằng số (Constant) 0.214 0.185 — 1.157 0.248 —
Tương thích lối sống (LC) 0.279 0.041 0.284 6.805 0.000 1.452
Tính hữu ích (PU) 0.241 0.043 0.245 5.605 0.000 1.581
Tính bảo mật (SEC) 0.195 0.039 0.198 5.000 0.000 1.312
Tác động xã hội (SI) 0.158 0.038 0.162 4.158 0.000 1.284
Tính dễ sử dụng (PEOU) 0.132 0.042 0.135 3.143 0.002 1.514
Sự tin tưởng (TRU) 0.115 0.040 0.118 2.875 0.004 1.398
  • Hệ số xác định $R^2$ hiệu chỉnh (Adjusted $R^2$): 0.619 ($R^2 = 0.628$), khẳng định 6 nhân tố giải thích được 61.9% sự biến thiên trong quyết định sử dụng ví điện tử của Gen Z tại TP.HCM.
  • Kiểm định ANOVA: Giá trị kiểm định $F = 71.850$ với $\text{Sig.} = 0.000 < 0.001$, mô hình hoàn toàn phù hợp về mặt thống kê.
  • Kiểm định đa cộng tuyến: Hệ số $1.284 \le \text{VIF} \le 1.581$ (đều $< 2.0$), chứng minh mô hình không vi phạm hiện tượng đa cộng tuyến.
       MỨC ĐỘ TÁC ĐỘNG CỦA CÁC NHÂN TỐ (STANDARDIZED BETA)

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mới so với các công trình thực nghiệm trước đây tại thị trường Đông Nam Á và Việt Nam:

Tiêu chí Nghiên cứu của Tu Nhat Vy (2019) Nghiên cứu của Nguyễn Bình Minh & ctg (2020) Khóa luận này (Huỳnh Đạt Chương, 2023)
Khung lý thuyết TAM truyền thống TAM + TPR Tích hợp TAM + UTAUT + TPR + Lifestyle Theory
Mẫu khảo sát 137 sinh viên ĐH Kinh tế TP.HCM 586 đáp viên đa độ tuổi 262 đáp viên Gen Z chuyên biệt tại TP.HCM
Tác động PEOU Có ý nghĩa thống kê Không có ý nghĩa thống kê Có ý nghĩa thống kê ($\beta = 0.135, p < 0.01$)
Nhân tố mới Tính di động (Mobility) Nhận thức rủi ro (Risk) Tương thích lối sống (LC) đứng đầu ($\beta = 0.284$)
Hàm ý thực thi Khuyến nghị marketing chung Chính sách pháp lý Kiến trúc bảo mật kỹ thuật & Hệ sinh thái Mini-App

Các cải tiến học thuật và thực tiễn

  1. Làm rõ vai trò dẫn dắt của "Tính tương thích lối sống" (LC): Khác biệt với các thế hệ trước xem ví điện tử là công cụ thay thế tiền mặt đơn thuần, Gen Z coi ví điện tử là một phần của phong cách sống số (Digital Lifestyle). Ứng dụng nào có hệ sinh thái đồng bộ (gọi xe, đồ ăn, streaming, thanh toán học phí) sẽ chiếm ưu thế vượt trội.
  2. Giải quyết tranh luận về "Tính dễ sử dụng" (PEOU): Nghiên cứu chứng minh rằng dù Gen Z thành thạo công nghệ, UI/UX tối giản và giảm số lần chạm (clicks-to-pay) vẫn là điều kiện tiên quyết để thúc đẩy quyết định chuyển đổi hành vi.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, các tổ chức tài chính và nhà phát triển FinTech cần triển khai các nhóm giải pháp đồng bộ:

1. Nâng cấp trải nghiệm và Tương thích phong cách sống (LC & PU)

  • Tích hợp Kiến trúc Mini-Program / Mini-App: Cho phép các đối tác thứ ba (F&B, vé xem phim, thương mại điện tử) nhúng trực tiếp dịch vụ vào ví thông qua chuẩn API RESTful/GraphQL, loại bỏ độ trễ chuyển app.
  • Tự động hóa quản lý tài chính: Ứng dụng công nghệ phân loại giao dịch tự động (Auto Expense Categorization) dùng mô hình học máy nhẹ (Lightweight NLP) giúp Gen Z kiểm soát dòng tiền chi tiêu theo thời gian thực.

2. Tiêu chuẩn hóa Kiến trúc Bảo mật (Security by Design - SEC & TRU)

  • Cơ chế Tokenization: Triển khai mã hóa số thẻ/tài khoản theo chuẩn PCI-DSS Level 1 và EMVCo Tokenization, đảm bảo không lưu trữ số thẻ thực tế trên thiết bị di động.
  • Xác thực FIDO2 / Passkeys & Sinh trắc học: Thay thế mã OTP SMS truyền thống (dễ bị tấn công SIM Swap/Phishing) bằng công nghệ xác thực sinh trắc học cục bộ (FaceID/Fingerprint) qua chuẩn WebAuthn/FIDO2.
  • Hệ thống phòng chống gian lận thời gian thực (Real-time Fraud Detection): Xây dựng Rule Engine phát hiện bất thường dựa trên thiết bị, địa chỉ IP và hành vi chuyển tiền bất thường với độ trễ xử lý $< 150\text{ms}$.

3. Lộ trình triển khai sản phẩm (Implementation Roadmap)

Giai đoạn 1 (Tháng 1-3): Tối ưu hóa UI/UX, đơn giản hóa luồng Onboarding/eKYC (< 2 phút).
Giai đoạn 2 (Tháng 4-6): Triển khai hạ tầng Tokenization & bảo mật sinh trắc học FIDO2.
Giai đoạn 3 (Tháng 7-9): Mở rộng hệ sinh thái đối tác Gen Z (trường đại học, trà sữa, rạp phim).
Giai đoạn 4 (Tháng 10-12): Đánh giá tỷ lệ giữ chân (Retention Rate), tối ưu hóa thuật toán gợi ý ưu đãi.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  1. Phạm vi địa lý: Mẫu khảo sát $N=262$ tập trung tại TP.HCM, chưa bao quát khu vực nông thôn hoặc các đô thị loại II/III nơi hạ tầng thanh toán số đang bắt đầu hình thành.
  2. Phương pháp tiếp cận: Sử dụng mô hình cắt ngang (Cross-sectional data), chưa phản ánh được sự biến động hành vi của người dùng theo thời gian dài (Longitudinal study).
  3. Mô hình kinh tế lượng: Mới dừng lại ở hồi quy OLS tuyến tính trên SPSS, chưa áp dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích các biến trung gian (mediating variables) và biến điều tiết (moderating variables).

Hướng nghiên cứu mở rộng

  • Ứng dụng PLS-SEM trên SmartPLS 4: Phân tích sâu hơn các biến trung gian như "Ý định sử dụng" (Behavioral Intention) dẫn tới "Hành vi sử dụng thực tế" (Actual Usage).
  • Ứng dụng Machine Learning trong Churn Prediction: Kết hợp dữ liệu nhật ký giao dịch thực tế (Transaction Logs) với các thuật toán phân lớp (XGBoost, Random Forest) để dự đoán chính xác xác suất rời bỏ ứng dụng của người dùng Gen Z.

Đối tượng hưởng lợi

                                  ĐỐI TƯỢNG HƯỞNG LỢI
  • Sinh viên và Học viên Cao học: Cung cấp tài liệu tham khảo hoàn chỉnh về phương pháp luận kết hợp TAM, UTAUT, TPR và quy trình kiểm định kinh tế lượng định lượng chuẩn mực.
  • Kỹ sư Phần mềm & Product Manager (FinTech): Cung cấp các tiêu chí định lượng để ưu tiên backlog tính năng, thiết kế giao diện người dùng tối giản và kiến trúc bảo mật đạt chuẩn quốc tế.
  • Ngân hàng Thương mại & Tổ chức Trung gian Thanh toán: Tối ưu hóa chi phí thu hút khách hàng (CAC) và giá trị vòng đời khách hàng (LTV) thông qua các chiến dịch tiếp thị cá nhân hóa theo đúng tâm lý Gen Z.
  • Người tiêu dùng thế hệ Gen Z: Được tiếp cận các sản phẩm thanh toán số an toàn, bảo mật cao, tiện ích toàn diện và tương thích hoàn hảo với nhịp sống năng động.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để triển khai một hệ sinh thái ví điện tử chuẩn bảo mật là gì?

Hệ thống cần tuân thủ tiêu chuẩn an ninh dữ liệu thẻ thanh toán PCI-DSS Level 1, triển khai mã hóa đường truyền TLS 1.3, kiến trúc Microservices chạy trên Kubernetes để tự động mở rộng (Auto-scaling), kết hợp giải pháp xác thực đa yếu tố không mật khẩu (FIDO2/WebAuthn) và hệ thống eKYC tích hợp trí tuệ nhân tạo nhận diện khuôn mặt chống giả mạo (Liveness Detection).

2. Tại sao "Tính tương thích lối sống" (LC) lại có tác động mạnh nhất đến Gen Z ($\beta = 0.284$)?

Gen Z không xem ví điện tử là một ứng dụng tài chính độc lập mà là một phần mở rộng của phong cách sống số. Ứng dụng nào giải quyết liền mạch các nhu cầu thường nhật như gọi đồ ăn, thanh toán học phí, mua vé sự kiện, chia tiền nhóm (Split bill) sẽ nhanh chóng trở thành ứng dụng mặc định trong thói quen hàng ngày của họ.

3. Làm thế nào để giải quyết xung đột giữa tính bảo mật cao và trải nghiệm người dùng mượt mà?

Áp dụng cơ chế Xác thực thích ứng theo rủi ro (Risk-Based Authentication - RBA). Với các giao dịch giá trị nhỏ tại các địa điểm quen thuộc (trusted devices/locations), hệ thống cho phép thanh toán 1-chạm (seamless pay). Khi phát hiện dấu hiệu bất thường (đổi IP, giao dịch nửa đêm, số tiền lớn), hệ thống mới kích hoạt xác thực sinh trắc học hoặc OTP nâng cao.

4. Chi phí tích hợp cổng thanh toán ví điện tử cho doanh nghiệp (Merchant) được tính toán như thế nào?

Chi phí thường bao gồm: Phí thiết lập kỹ thuật ban đầu (Setup fee - thường được miễn phí), phí duy trì cổng kết nối API hàng tháng, và phí xử lý trên từng giao dịch thành công (Transaction fee dao động từ 0.8% - 1.5% tùy loại hình thanh toán QR/Thẻ nội địa). Thời gian hoàn vốn (ROI) thường đạt được trong vòng 3–6 tháng nhờ tối ưu chi phí quản lý tiền mặt và tăng trưởng doanh số từ khách hàng trẻ.

5. Dữ liệu khảo sát $N=262$ có đảm bảo tính đại diện cho phân tích kinh tế lượng không?

Theo quy tắc kinh nghiệm của Hair et al. (2014) cho phân tích nhân tố EFA, kích thước mẫu tối thiểu cần đạt tỷ lệ 5:1 so với số biến quan sát (với 24 biến quan sát, mẫu tối thiểu là $24 \times 5 = 120$). Đồng thời, theo công thức tính cỡ mẫu của Green (1991) cho hồi quy tuyến tính ($N \ge 50 + 8m$, với $m=6$ biến độc lập $\to N \ge 98$). Do đó, quy mô mẫu $N=262$ hoàn toàn đáp ứng độ tin cậy và tính đại diện thống kê cao.

Kết luận

Khóa luận tốt nghiệp của tác giả Huỳnh Đạt Chương đã giải quyết trọn vẹn bài toán mô hình hóa các nhân tố chi phối quyết định sử dụng ví điện tử của thế hệ Gen Z tại TP. Hồ Chí Minh. Bằng việc kết hợp chặt chẽ giữa cơ sở lý thuyết hành vi hiện đại (TAM, UTAUT, TPR) và phương pháp kiểm định kinh tế lượng vững chắc (Cronbach's Alpha, EFA, OLS Regression), nghiên cứu đã chỉ ra thứ tự ưu tiên của 6 nhân tố tác động: Tương thích lối sống ($\beta = 0.284$) > Tính hữu ích ($\beta = 0.245$) > Tính bảo mật ($\beta = 0.198$) > Tác động xã hội ($\beta = 0.162$) > Tính dễ sử dụng ($\beta = 0.135$) > Sự tin tưởng ($\beta = 0.118$), giải thích được 61.9% biến thiên hành vi thực tế ($R^2_{\text{adj}} = 0.619$).

Kết quả này không chỉ đóng góp giá trị học thuật thực nghiệm cho ngành Tài chính - Ngân hàng mà còn là kim chỉ nam quan trọng giúp các doanh nghiệp FinTech, ngân hàng thương mại định hình chiến lược phát triển sản phẩm, tối ưu hóa giao diện người dùng và củng cố hàng rào an ninh thông tin nhằm chinh phục trọn vẹn thế hệ khách hàng tương lai.