Giới thiệu dự án

Thương mại điện tử (TMĐT) tại Việt Nam đang duy trì tốc độ tăng trưởng kép hàng năm (CAGR) ấn tượng ở mức 20 - 25%, đưa Việt Nam trở thành một trong những thị trường kinh tế số phát triển nhanh nhất khu vực Đông Nam Á (theo báo cáo e-Conomy SEA của Google, Temasek và Bain & Company). Trong bối cảnh các sàn TMĐT cạnh tranh quyết liệt để giành thị phần tổng giá trị giao dịch (GMV), Shopee đã vươn lên giữ vị trí hàng đầu. Tuy nhiên, thách thức lớn nhất của các nền tảng số hiện nay không chỉ dừng lại ở việc chuyển đổi người dùng mới, mà nằm ở bài toán tối ưu hóa tỷ lệ giữ chân khách hàng (Customer Retention Rate) và thúc đẩy ý định mua lặp lại (Repurchase Intention - RI).

Chi phí thu hút một khách hàng mới (Customer Acquisition Cost - CAC) trong ngành bán lẻ trực tuyến cao gấp 5 đến 7 lần so với chi phí duy trì một khách hàng hiện hữu. Phân khúc người tiêu dùng trẻ, đặc biệt là thế hệ Gen Z và sinh viên đại học – đối tượng khách hàng mục tiêu của nghiên cứu tại Trường Đại học Ngân hàng TP.HCM (HUB) – có đặc điểm hành vi nhạy cảm về giá, thành thạo công nghệ, nhưng đồng thời có lòng trung thành thương hiệu tương đối phân mảnh và dễ dàng chuyển dịch nền tảng khi có sự thay đổi về chính sách ưu đãi.

Đề tài khóa luận tốt nghiệp ngành Hệ thống thông tin quản lý (Mã số: 7340405) do tác giả Bùi Thị Hải Hà thực hiện dưới sự hướng dẫn khoa học của TS. Phạm Xuân Kiên giải quyết bài toán: Xác định cấu trúc và đo lường mức độ tác động của các nhân tố công nghệ và phi công nghệ đến ý định mua sắm lặp lại trên nền tảng Shopee của sinh viên HUB.

+-----------------------------------------------------------------------------------+
|                                 PROJECT OBJECTIVES                                |
+-----------------------------------------------------------------------------------+
| [1] Hệ thống hóa cơ sở lý thuyết hành vi người tiêu dùng và chấp nhận công nghệ. |
| [2] Xây dựng mô hình nghiên cứu tích hợp đa chiều phù hợp phân khúc Gen Z.        |
| [3] Kiểm định độ tin cậy và giá trị hội tụ của thang đo bằng Cronbach's Alpha/EFA.|
| [4] Đo lường mức độ tác động bằng phân tích nhân tố khẳng định CFA và mô hình SEM.|
| [5] Đề xuất hàm ý quản trị, tối ưu hệ thống thông tin và chiến lược giữ chân sàn. |
+-----------------------------------------------------------------------------------+

Nghiên cứu tiếp cận vấn đề thông qua phương pháp định lượng thực nghiệm kết hợp lý thuyết liên ngành: Mô hình Chấp nhận Công nghệ (Technology Acceptance Model - TAM), Thuyết Hành động Hợp lý (Theory of Reasoned Action - TRA), Thuyết Hành vi có Kế hoạch (Theory of Planned Behavior - TPB) và Thuyết Nhận thức Rủi ro (Theory of Perceived Risk - TPR).

Mô hình nghiên cứu kỳ vọng giải thích trên 50% phương sai ($R^2 > 0.50$) của biến phụ thuộc "Ý định mua lặp lại", đạt các chỉ số thích hợp mô hình nghiêm ngặt: $CMIN/DF < 3.0$, $CFI > 0.90$, $TLI > 0.90$ và $RMSEA < 0.08$. Phạm vi nghiên cứu giới hạn ở tập dữ liệu khảo sát gồm 166 sinh viên đang theo học tại Trường Đại học Ngân hàng TP.HCM đã từng có trải nghiệm giao dịch trên ứng dụng Shopee.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi người tiêu dùng trực tuyến trong ngành Hệ thống thông tin quản lý đòi hỏi việc chọn lọc mô hình và công cụ tính toán có độ chính xác cao. Dưới đây là bảng so sánh các phương pháp tiếp cận định lượng phổ biến:

Tiêu chí phân tích Hồi quy Đa biến OLS (SPSS) PLS-SEM (SmartPLS v4.0) CB-SEM (AMOS v24.0) - Áp dụng trong đề tài
Mục tiêu phân tích Dự báo biến phụ thuộc Dự báo và phát triển lý thuyết khám phá Kiểm định và xác nhận mô hình lý thuyết
Xử lý sai số đo lường Không tính toán sai số (Measurement Error) Tách biệt sai số nhưng tối đa hóa phương sai Kiểm soát sai số đo lường triệt để qua CFA
Kiểm định mô hình tổng thể Dựa trên $R^2$ và chỉ số $F$ Hạn chế về các chỉ số Goodness-of-Fit (GoF) Toàn diện ($CMIN/DF, CFI, TLI, RMSEA, GFI$)
Xử lý biến trung gian/tiềm ẩn Hạn chế, cần chạy nhiều bước hồi quy Tốt trên mẫu nhỏ và phi chuẩn Tối ưu hóa ma trận hiệp phương sai cấu trúc
Yêu cầu phân phối mẫu Đòi hỏi xấp xỉ chuẩn Phi tham số (Non-parametric) Phân phối chuẩn đa biến (Multivariate Normality)

Thị trường sàn TMĐT Việt Nam ghi nhận cuộc đua "tam mã" giữa Shopee, TikTok Shop và Lazada. Shopee vượt trội về mạng lưới logistics (Shopee Xpress) và kho mã giảm giá, nhưng chịu áp lực lớn từ xu hướng Shoppertainment (mua sắm kết hợp giải trí) của TikTok Shop.

Để xác định các nhóm yêu cầu nghiên cứu, phương pháp MoSCoW được áp dụng:

  • Must-have: Đo lường 5 biến độc lập (Chất lượng sản phẩm - SP, Chất lượng dịch vụ - DV, Giá cả - GC, Tính hữu ích cảm nhận - PU, Tính dễ sử dụng cảm nhận - PEOU) tác động đến Ý định mua lặp lại (RI); Đảm bảo độ tin cậy thang đo ($\alpha \ge 0.7$, $CR \ge 0.7$, $AVE \ge 0.5$).
  • Should-have: Khảo sát đa kênh trực tuyến thông qua bảng hỏi chuẩn hóa Likert 5 mức độ; Tối ưu hóa đường hồi quy cấu trúc tuyến tính.
  • Could-have: Phân tích sâu theo các biến nhân khẩu học (thu nhập hàng tháng, niên khóa sinh viên).
  • Won't-have: Thu thập dữ liệu log thời gian thực (real-time clickstream) do rào cản bảo mật dữ liệu của Shopee.

Thiết kế hệ thống và Mô hình đo lường

Hệ thống mô hình đo lường cấu trúc tuyến tính (Structural Equation Modeling - SEM) được thiết kế tích hợp các biến tiềm ẩn (Latent Constructs) và các biến quan sát (Observed Variables).

Công nghệ và công cụ sử dụng trong nghiên cứu:

  • Hệ điều hành & Nền tảng: Windows 11 Enterprise x64 / Python 3.10.12 Environment.
  • Phần mềm Phân tích Thống kê Chuyên dụng: IBM SPSS Statistics v20.0, IBM SPSS AMOS v24.0 (Build 24.0.0).
  • Thư viện Hỗ trợ Tính toán Khoa học: Python pandas v2.1.0, numpy v1.24.3, semopy v2.3.8 (Structural Equation Modeling in Python), pingouin v0.5.3.
  • Cơ sở Dữ liệu & Thu thập Dữ liệu: Google Forms API kết hợp cấu trúc lưu trữ dữ liệu JSON chuẩn hóa.
{
  "$schema": "https://json-schema.org/draft/2020-12/schema",
  "title": "SurveyResponseSchema",
  "type": "object",
  "properties": {
    "respondent_id": { "type": "string", "pattern": "^HUB-[0-9]{4}-[0-9]{4}$" },
    "demographics": {
      "academic_year": { "type": "string", "enum": ["K36", "K37", "K38", "K39"] },
      "monthly_allowance_vnd": { "type": "integer", "minimum": 0 }
    },
    "latent_scores": {
      "product_quality": { "type": "array", "items": { "type": "integer", "minimum": 1, "maximum": 5 }, "minItems": 4, "maxItems": 4 },
      "service_quality": { "type": "array", "items": { "type": "integer", "minimum": 1, "maximum": 5 }, "minItems": 4, "maxItems": 4 },
      "price": { "type": "array", "items": { "type": "integer", "minimum": 1, "maximum": 5 }, "minItems": 4, "maxItems": 4 },
      "perceived_usefulness": { "type": "array", "items": { "type": "integer", "minimum": 1, "maximum": 5 }, "minItems": 4, "maxItems": 4 },
      "perceived_ease_of_use": { "type": "array", "items": { "type": "integer", "minimum": 1, "maximum": 5 }, "minItems": 4, "maxItems": 4 },
      "repurchase_intention": { "type": "array", "items": { "type": "integer", "minimum": 1, "maximum": 5 }, "minItems": 3, "maxItems": 3 }
    }
  },
  "required": ["respondent_id", "demographics", "latent_scores"]
}

Methodology

Nghiên cứu tuân thủ quy trình hỗn hợp hai giai đoạn (Mixed-method Research Design):

  1. Nghiên cứu Định tính (Qualitative Phase): Phỏng vấn sâu nhóm tập trung (Focus Group Discussion, $n=10$) gồm sinh viên và chuyên gia hệ thống thông tin thương mại để điều chỉnh từ ngữ, câu hỏi thang đo thích ứng với ngữ cảnh thực tế của ứng dụng Shopee tại TP.HCM.
  2. Nghiên cứu Định lượng (Quantitative Phase):
    • Điều tra sơ bộ (Pilot Test, $n=30$): Đánh giá độ tin cậy sơ cấp của thang đo bằng hệ số Cronbach's Alpha.
    • Khảo sát chính thức ($N=166$): Thu thập mẫu thuận tiện có chọn lọc qua Google Forms, làm sạch dữ liệu loại bỏ các mẫu thiếu hoặc trả lời đồng nhất (straight-lining).
    • Kỹ thuật phân tích: Thống kê mô tả $\rightarrow$ Kiểm định Cronbach's Alpha $\rightarrow$ Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) $\rightarrow$ Phân tích nhân tố khẳng định (Confirmatory Factor Analysis - CFA) $\rightarrow$ Ước lượng mô hình cấu trúc tuyến tính (SEM) qua phương pháp ước lượng khả năng tối đa (Maximum Likelihood Estimation - MLE).

Implementation và kết quả

Analytical & Data Processing Pipeline

Toàn bộ quy trình xử lý dữ liệu và kiểm định mô hình cấu trúc được tự động hóa và đối soát thông qua mã nguồn phân tích thống kê cấu trúc (Structural Equation Modeling):

import numpy as np
import pandas as pd
import pingouin as pg
from semopy import Model, Optimizer

# Load survey dataset (N = 166)
data = pd.read_csv("shopee_repurchase_data_hub_n166.csv")

# 1. Cronbach's Alpha calculation for latent constructs
def evaluate_cronbach_alpha(df, items, scale_name):
    alpha_val, ci = pg.cronbach_alpha(data=df[items])
    print(f"Construct [{scale_name}] - Cronbach's Alpha: {alpha_val:.4f} (95% CI: {ci})")
    return alpha_val

construct_items = {
    'SP': ['SP1', 'SP2', 'SP3', 'SP4'],
    'DV': ['DV1', 'DV2', 'DV3', 'DV4'],
    'GC': ['GC1', 'GC2', 'GC3', 'GC4'],
    'PU': ['PU1', 'PU2', 'PU3', 'PU4'],
    'PEOU': ['PEOU1', 'PEOU2', 'PEOU3', 'PEOU4'],
    'RI': ['RI1', 'RI2', 'RI3']
}

for name, items in construct_items.items():
    evaluate_cronbach_alpha(data, items, name)

# 2. Structural Equation Model specification
sem_specification = """
    # Measurement Model
    SP =~ SP1 + SP2 + SP3 + SP4
    DV =~ DV1 + DV2 + DV3 + DV4
    GC =~ GC1 + GC2 + GC3 + GC4
    PU =~ PU1 + PU2 + PU3 + PU4
    PEOU =~ PEOU1 + PEOU2 + PEOU3 + PEOU4
    RI =~ RI1 + RI2 + RI3

    # Structural Regressions
    RI ~ SP + DV + GC + PU + PEOU
"""

# 3. Fit SEM using Maximum Likelihood Estimation
model = Model(sem_specification)
fit_results = model.fit(data, obj="MLW")
estimates = model.inspect()
print("\n--- SEM Standardized Regression Weights & Path Estimates ---")
print(estimates[estimates['op'] == '~'])

Testing và Validation

1. Kiểm định Cronbach's Alpha và Phân tích EFA

  • Cronbach's Alpha: Tất cả 6 thang đo đều đạt độ tin cậy nội tại cao ($> 0.70$), hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của từng biến quan sát đều vượt ngưỡng $0.30$.
    • Giá cả (GC): $\alpha = 0.884$
    • Tính hữu ích cảm nhận (PU): $\alpha = 0.856$
    • Chất lượng dịch vụ (DV): $\alpha = 0.832$
    • Tính dễ sử dụng cảm nhận (PEOU): $\alpha = 0.819$
    • Chất lượng sản phẩm (SP): $\alpha = 0.795$
    • Ý định mua lặp lại (RI): $\alpha = 0.867$
  • Phân tích EFA (Trích Principal Axis Factoring, phép quay Promax):
    • Chỉ số $KMO = 0.842$ (nằm trong khoảng $0.5 < KMO < 1.0$), kiểm định Bartlett có ý nghĩa thống kê ($p < 0.001$).
    • Tổng phương sai trích (Total Variance Explained) đạt $62.38% > 50%$.
    • Trọng số nhân tố (Factor Loading) của tất cả biến quan sát đều $> 0.55$, không xuất hiện hiện tượng tải chéo vi phạm.

2. Phân tích Nhân tố Khẳng định (CFA) & Độ phù hợp Mô hình

Mô hình CFA đo lường đạt các tiêu chuẩn kiểm định quốc tế:

Chỉ số kiểm định độ phù hợp (Fit Indices) Giá trị thực nghiệm đạt được Ngưỡng chấp nhận tiêu chuẩn Kết luận đánh giá
Chi-square / df ($CMIN/DF$) $1.385$ $\le 3.00$ (tốt), $\le 5.00$ (chấp nhận) Cực kỳ tốt
Comparative Fit Index ($CFI$) $0.962$ $\ge 0.900$ (chuẩn), $\ge 0.950$ (tốt) Đạt độ thích hợp cao
Tucker-Lewis Index ($TLI$) $0.954$ $\ge 0.900$ Đạt độ thích hợp cao
Goodness-of-Fit Index ($GFI$) $0.908$ $\ge 0.900$ Đạt chuẩn
Root Mean Square Error ($RMSEA$) $0.048$ $\le 0.080$ (tốt), $\le 0.050$ (xuất sắc) Xuất sắc
Độ tin cậy tổng hợp ($CR$) $0.805 - 0.886$ $\ge 0.700$ Đạt giá trị tin cậy cao
Phương sai trích trung bình ($AVE$) $0.512 - 0.665$ $\ge 0.500$ Đạt giá trị hội tụ

Kết quả đạt được

Phân tích đường dẫn mô hình cấu trúc tuyến tính SEM xác nhận cả 5 giả thuyết nghiên cứu đều được chấp nhận với mức ý nghĩa thống kê $p < 0.05$.

+---------------------------------------------------------------------------------------------------------+
|                                  SEM PATH COEFFICIENTS & HYPOTHESIS TESTING                             |
+-----------+-----------------------+---------------------+-------------------+---------+-----------------+
| Giả thuyết| Mối quan hệ tác động  | Trọng số chuẩn hóa  | Sai số chuẩn (SE) | p-value | Kết luận        |
|           |                       | (Standardized Beta) |                   |         |                 |
+-----------+-----------------------+---------------------+-------------------+---------+-----------------+
|    H1     | Giá cả -> RI          |       +0.378        |       0.062       | < 0.001 | Chấp nhận (Mạnh)|
|    H2     | Tính hữu ích -> RI    |       +0.236        |       0.058       | < 0.001 | Chấp nhận       |
|    H3     | Dịch vụ -> RI         |       +0.194        |       0.055       | = 0.003 | Chấp nhận       |
|    H4     | Dễ sử dụng -> RI      |       +0.158        |       0.051       | = 0.012 | Chấp nhận       |
|    H5     | Sản phẩm -> RI        |       +0.125        |       0.049       | = 0.038 | Chấp nhận (Yếu) |
+-----------+-----------------------+---------------------+-------------------+---------+-----------------+
| Hệ số xác định đa biến: R^2 (Ý định mua lặp lại) = 0.564 (56.4% phương sai được giải thích)             |
+---------------------------------------------------------------------------------------------------------+

Đổi mới và đóng góp

  1. Tích hợp đa chiều liên ngành: Khóa luận kết hợp thành công các biến thể thuộc Mô hình Chấp nhận Công nghệ (TAM: Tính hữu ích, Tính dễ sử dụng) cùng các thành tố tiếp thị truyền thống (Giá cả, Chất lượng dịch vụ, Chất lượng sản phẩm) trong cùng một mô hình cấu trúc nhất quán.
  2. Minh chứng thực nghiệm về thứ tự ưu tiên: Đối lập với các nghiên cứu người tiêu dùng trưởng thành (nơi Chất lượng sản phẩm thường chiếm ưu thế), đối với sinh viên HUB, Giá cả là yếu tố có hệ số tác động lớn nhất ($\beta = 0.378$), phản ánh chính xác đặc điểm tài chính của nhóm khách hàng trẻ phụ thuộc chu cấp gia đình hoặc việc làm bán thời gian.
  3. Tối ưu hóa công cụ đo lường: Xây dựng bộ thang đo chuẩn hóa 23 biến quan sát, cải tiến độ rõ nghĩa câu chữ phù hợp giao diện tiếng Việt của ứng dụng Shopee, giảm thiểu 18% độ nhiễu so với các thang đo dịch nguyên bản từ tiếng Anh.
So sánh cấu trúc mô hình:
- Davis (1989) TAM thuần túy:   PU (0.45) + PEOU (0.30) -> Khả năng giải thích ~ 40% R^2
- Mô hình nghiên cứu đề xuất:   TAM + Price (0.378) + Service (0.194) + Product (0.125) -> Đạt 56.4% R^2
=> Tăng 41% năng lực dự báo hành vi thực tế trên sàn TMĐT.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, nghiên cứu cung cấp cơ sở để xây dựng các giải pháp ứng dụng và triển khai hệ thống thông tin quản lý cho doanh nghiệp thương mại điện tử:

1. Chiến lược Định giá Động & Phân phối Voucher Thông minh (Dynamic Pricing & Smart Incentives)

  • Do biến Giá cả có tác động mạnh nhất ($\beta = 0.378$), Shopee cần tối ưu hóa thuật toán phân bổ mã giảm giá (Voucher Recommendation Algorithm).
  • Thay vì phân phối voucher đại trà, hệ thống cần căn cứ vào hành vi tìm kiếm của sinh viên để cấp phát Mã miễn phí vận chuyển (Freeship Xtra) và mã hoàn xu theo bậc giá trị đơn hàng từ 50.000 VNĐ – 200.000 VNĐ.

2. Tối ưu Giao diện Tương tác (UX/UI Optimization cho PU & PEOU)

  • Nâng cao Tính hữu ích (PU, $\beta = 0.236$): Nâng cấp bộ lọc tìm kiếm thông minh (Smart Faceted Search) với khả năng phân loại đánh giá thực tế (chỉ lọc các bình luận có hình ảnh/video unbox).
  • Cải thiện Tính dễ sử dụng (PEOU, $\beta = 0.158$): Tối ưu hóa quy trình thanh toán một chạm (1-Click Checkout), tích hợp ví ShopeePay, Apple Pay và liên kết tài khoản ngân hàng sinh viên để giảm thiểu tỷ lệ bỏ giỏ hàng (Cart Abandonment Rate) ước tính từ 28% xuống dưới 15%.

3. Nâng cấp Tiêu chuẩn Dịch vụ và Quản trị Chất lượng

  • Rút ngắn thời gian giải quyết khiếu nại hoàn tiền (Return/Refund SLA) từ 48h xuống dưới 12h bằng Chatbot AI tự động xác thực hình ảnh biên bản giao nhận.
Ước tính Hiệu quả Triển khai (ROI Projection cho Nhà bán lẻ/Nền tảng):
- Giảm tỷ lệ khách hàng rời bỏ (Churn Rate): 18.5%
- Tăng giá trị vòng đời khách hàng sinh viên (Customer Lifetime Value - CLV): 24.0%
- Thời gian thu hồi vốn cho chi phí tối ưu hóa hệ thống (Payback Period): 4.5 tháng

Hạn chế và hướng phát triển

  • Hạn chế về quy mô và tính đại diện của mẫu: Cỡ mẫu dừng lại ở $N=166$ sinh viên tại một trường đại học duy nhất (HUB), sử dụng phương pháp chọn mẫu thuận tiện nên chưa khái quát hóa cho toàn bộ người tiêu dùng trẻ trên toàn quốc.
  • Hạn chế về phương pháp thu thập: Dữ liệu dựa trên khảo sát tự kê khai (Cross-sectional self-reported survey), có thể tồn tại sai lệch nhận thức so với hành vi giao dịch thực tế.
  • Hướng phát triển đề xuất:
    1. Mở rộng phạm vi mẫu nghiên cứu liên trường tại các khu đô thị lớn ($N > 500$).
    2. Kết hợp dữ liệu thứ cấp từ máy chủ (Web Analytics, Transaction Logs, Clickstream Data) với các mô hình Machine Learning (Random Forest, XGBoost) để dự báo tỷ lệ rời bỏ theo thời gian thực (Real-time Churn Prediction).
    3. Bổ sung các biến trung gian mới như Lòng tin (Trust), Chuẩn chủ quan (Subjective Norms)Ảnh hưởng của Tiếp thị liên kết (Affiliate Marketing / KOCs).

Đối tượng hưởng lợi

+-------------------+--------------------------------------------------------------------------------------+
| Nhóm đối tượng    | Giá trị và Lợi ích định lượng mang lại                                               |
+-------------------+--------------------------------------------------------------------------------------+
| Sinh viên &       | Nắm bắt quy trình thực hiện khóa luận định lượng chuẩn mực từ thiết kế thang đo,     |
| Học viên          | phân tích Cronbach's Alpha, EFA, CFA đến ước lượng SEM trên AMOS/Python.             |
+-------------------+--------------------------------------------------------------------------------------+
| Nhà phát triển    | Hiểu rõ tác động của các yếu tố UX/UI (PEOU) và Tính năng sản phẩm (PU) đến hành vi  |
| Hệ thống / PM     | giữ chân người dùng để tối ưu luồng chuyển đổi và thiết kế kiến trúc thông tin sàn.  |
+-------------------+--------------------------------------------------------------------------------------+
| Doanh nghiệp TMĐT | Định hình chiến lược giá, chính sách logistics và dịch vụ khách hàng dựa trên bằng   |
| & Nhà bán hàng    | chứng thực nghiệm, tối ưu hóa ngân sách marketing giữ chân khách hàng (Retention).   |
+-------------------+--------------------------------------------------------------------------------------+
| Nhà nghiên cứu    | Cung cấp bộ tham số thực nghiệm (Path Coefficients) chuẩn xác tại thị trường         |
| MIS / Marketing   | Việt Nam năm 2024 làm cơ sở đối chuẩn (Benchmark) cho các công trình kế thừa.       |
+-------------------+--------------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu cấu hình kỹ thuật phần mềm để tái hiện phân tích dữ liệu trong khóa luận?

Để chạy mô hình SEM, hệ thống cần cài đặt IBM SPSS Statistics (phiên bản $\ge 20.0$) và IBM SPSS AMOS (phiên bản $\ge 24.0$) trên hệ điều hành Windows 10/11 x64 với tối thiểu 4GB RAM. Ngoài ra, có thể sử dụng môi trường Python 3.10+ với các gói thư viện semopy, pingouinpandas để tự động hóa phân tích.

2. Cỡ mẫu N = 166 có đảm bảo độ tin cậy để chạy phân tích CFA và SEM không?

Theo quy tắc kinh nghiệm của Hair et al. (2014), kích thước mẫu tối thiểu cho phân tích nhân tố khám phá EFA là gấp 5 lần số biến quan sát ($5 \times 23 = 115$), và kích thước mẫu cho ước lượng SEM theo phương pháp Maximum Likelihood (MLE) nên nằm trong khoảng $100 - 200$. Với $N=166$, dữ liệu đáp ứng đầy đủ điều kiện kỹ thuật để đảm bảo độ vững của các ước lượng tham số.

3. Làm thế nào để kiểm soát hiện tượng sai lệch phương pháp chung (Common Method Bias)?

Nghiên cứu áp dụng kiểm định đơn nhân tố của Harman (Harman's Single-Factor Test) trong EFA. Kết quả cho thấy nhân tố đầu tiên trích xuất được giải thích dưới 35% tổng phương sai (thấp hơn ngưỡng giới hạn 50%), chứng minh dữ liệu không bị ảnh hưởng nghiêm trọng bởi hiện tượng thiên lệch đo lường đơn nguồn.

4. Tại sao Chất lượng sản phẩm lại có hệ số tác động thấp nhất trong mô hình?

Đối với phân khúc sinh viên mua sắm trên Shopee, các mặt hàng thường tập trung vào văn phòng phẩm, phụ kiện, thời trang giá rẻ hoặc đồ tiêu dùng nhanh. Người mua đã có nhận thức từ trước về mức chất lượng tương xứng với mức giá (Price-Quality Trade-off), do đó chất lượng sản phẩm ít tạo ra yếu tố bất ngờ bằng các chính sách giảm giá trực tiếp và trải nghiệm ứng dụng.

5. Chi phí triển khai hệ thống phân tích định lượng tương tự cho doanh nghiệp là bao nhiêu?

Nếu doanh nghiệp triển khai bằng mã nguồn mở (Python, R lavaan, PostgreSQL), chi phí bản quyền phần mềm là 0 đồng. Ngân sách chủ yếu tập trung vào việc thiết kế bộ API thu thập phản hồi người dùng tự động và xây dựng pipeline phân tích dữ liệu, với thời gian hoàn thiện khoảng 3 đến 6 tuần làm việc của kỹ sư dữ liệu.


Kết luận

Khóa luận tốt nghiệp "Nhân tố ảnh hưởng đến ý định mua lặp lại trên Shopee của sinh viên Trường Đại học Ngân hàng TP.HCM" của tác giả Bùi Thị Hải Hà đã giải quyết trọn vẹn bài toán đo lường hành vi người tiêu dùng trên sàn thương mại điện tử bằng phương pháp mô hình cấu trúc tuyến tính SEM.

Bằng chứng thực nghiệm khẳng định cả 5 nhân tố đều có ảnh hưởng cùng chiều, trong đó Giá cả ($\beta = 0.378$) và Tính hữu ích cảm nhận ($\beta = 0.236$) giữ vai trò chi phối then chốt, giải thích $56.4%$ ý định quay lại mua sắm của thế hệ người tiêu dùng trẻ. Công trình không chỉ đóng góp về mặt học thuật trong việc kiểm chứng mô hình TAM kết hợp tại thị trường Việt Nam, mà còn là bản chỉ dẫn thực tiễn giá trị cho các nhà quản trị nền tảng TMĐT trong việc định hình chiến lược giá linh hoạt và tối ưu hóa hệ thống thông tin.

Nếu bạn đang nghiên cứu hoặc phát triển các giải pháp giữ chân người dùng trong thương mại điện tử, hãy ứng dụng ngay mô hình kiểm định này để tối ưu hóa trải nghiệm khách hàng và gia tăng tỷ lệ chuyển đổi bền vững cho nền tảng của mình.