Giới thiệu dự án

Thương mại điện tử (E-Commerce) tại Việt Nam trong giai đoạn 2020–2021 ghi nhận bước nhảy vọt chưa từng có dưới tác động của làn sóng dịch bệnh COVID-19. Theo báo cáo Digital 2021: Vietnam phát hành bởi We Are Social & Hootsuite, Việt Nam đạt 68,72 triệu người dùng Internet (chiếm 70,3% dân số) với 45,6 triệu người từng giao dịch trực tuyến, tạo nên quy mô thị trường B2C hàng tiêu dùng chạm mốc 6,03 tỷ USD. Cục Thương mại Điện tử và Kinh tế số (IDEA) ghi nhận tốc độ tăng trưởng ngành đạt 25% – 30%/năm. Tuy nhiên, khi các chỉ thị giãn cách xã hội nghiêm ngặt được áp dụng tại TP.HCM, chuỗi cung ứng truyền thống bị đứt gãy, buộc các doanh nghiệp bán lẻ phải chuyển dịch cấp tốc sang mô hình trực tuyến.

Vấn đề cốt lõi đặt ra là: Sự bùng nổ này bắt nguồn từ nhu cầu phòng vệ dịch bệnh tức thời hay xuất phát từ sự biến đổi căn bản trong nhận thức và ý định tiêu dùng? Doanh nghiệp thiếu hụt các mô hình lượng hóa chuẩn xác về các nhân tố kích hoạt hành vi mua sắm trực tuyến trong điều kiện rủi ro dịch tễ cao. Đề tài khóa luận tốt nghiệp "Nghiên cứu các nhân tố ảnh hưởng đến ý định mua sắm trực tuyến trong mùa dịch COVID-19 của người tiêu dùng tại thị trường TP.HCM" (Chuyên ngành Marketing – Trường Đại học Công nghiệp TP.HCM, 2021) được triển khai nhằm giải quyết trực tiếp bài toán này.

Mục tiêu của dự án nghiên cứu

  1. Xác định hệ thống các nhân tố cốt lõi chi phối ý định mua sắm trực tuyến của người tiêu dùng tại TP.HCM trong bối cảnh đại dịch.
  2. Lượng hóa mức độ tác động và thứ tự ưu tiên của từng biến số thông qua kiểm định mô hình định lượng chuẩn mực.
  3. Đánh giá sự khác biệt mang tính thống kê về ý định mua sắm giữa các nhóm nhân khẩu học (giới tính, độ tuổi, thu nhập, tần suất mua sắm).
  4. Đề xuất hệ thống hàm ý quản trị (Managerial Implications) có tính thực thi cao nhằm hỗ trợ doanh nghiệp B2C tối ưu hóa trải nghiệm khách hàng và gia tăng doanh số.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Địa bàn Thành phố Hồ Chí Minh – trung tâm kinh tế và tâm điểm thị trường thương mại điện tử lớn nhất cả nước.
  • Thời gian triển khai: Dữ liệu sơ cấp được thu thập từ tháng 01/2021 đến tháng 04/2021.
  • Đối tượng khảo sát: Người tiêu dùng từ 18 tuổi trở lên đã từng phát sinh giao dịch mua sắm trực tuyến trong giai đoạn dịch COVID-19 bùng phát.
  • Giới hạn kỹ thuật: Nghiên cứu tập trung vào giai đoạn hình thành Ý định (Behavioral Intention) thay vì đo lường trực tiếp Hành vi thực tế (Actual Behavior) do tính biến động nhanh của các đợt bùng phát dịch bệnh.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi đề xuất mô hình, tác giả đã tiến hành tổng quan có hệ thống các nghiên cứu tiên phong trong và ngoài nước về hành vi tiêu dùng trực tuyến:

Công trình nghiên cứu Khung lý thuyết áp dụng Nhân tố độc lập chính Kết quả & Hạn chế so với bối cảnh
Ariffin et al. (2018) Theory of Perceived Risk (TPR) 6 chiều rủi ro: Tài chính, Sản phẩm, Bảo mật, Thời gian, Xã hội, Tâm lý Chỉ ra Rủi ro bảo mật có tác động tiêu cực mạnh nhất ($p < 0.05$), nhưng bỏ qua các biến số công nghệ và chuẩn mực xã hội.
Gu & Wu (2019) Theory of Planned Behavior (TPB) Thái độ, Chuẩn mực chủ quan, Nhận thức kiểm soát hành vi Nhận thức kiểm soát hành vi tác động vượt trội, tuy nhiên chưa tích hợp biến số "Sự tin cậy" vào bối cảnh rủi ro giao dịch.
Abd Aziz & Wahid (2018) Technology Acceptance Model (TAM) Tính hữu ích, Tính dễ sử dụng, Kinh nghiệm quá khứ Xác nhận tính dễ sử dụng chi phối mạnh tới sinh viên Malaysia, song thiếu các biến ngoại sinh phản ánh áp lực môi trường dịch tễ.
Ha et al. (2021) Tích hợp TAM & TPB Thái độ, Chuẩn mực chủ quan, Kiểm soát hành vi, Hữu ích, Rủi ro, Tin cậy Mô hình bao quát tốt nhưng khảo sát diện rộng toàn quốc, chưa nắm bắt được đặc tính hành vi tiêu dùng tập trung tại siêu đô thị TP.HCM trong tâm dịch.

Phương pháp phân loại yêu cầu hệ thống chỉ tiêu nghiên cứu theo nguyên tắc MoSCoW:

  • Must-have (Bắt buộc): Đo lường đầy đủ 6 cấu trúc: Sự tin cậy (Trust - TC), Nhận thức tính hữu ích (Perceived Usefulness - HI), Nhận thức tính dễ sử dụng (Perceived Ease of Use - SD), Nhận thức kiểm soát hành vi (Perceived Behavioral Control - KS), Chuẩn mực chủ quan (Subjective Norm - CQ), Nhận thức rủi ro (Perceived Risk - RR).
  • Should-have (Cần có): Phân tích tương quan đa biến, kiểm định hiện tượng đa cộng tuyến thông qua hệ số VIF (Variance Inflation Factor).
  • Could-have (Có thể có): Phân tích sâu phương sai ANOVA và Independent Samples T-Test theo các biến định danh nhân khẩu học.
  • Won't-have (Chưa xử lý): Phân tích mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) đa cấp thời gian thực.
+-------------------------------------------------------------------------------+
|                                GAP ANALYSIS                                   |
|  [Hạn chế hiện tại]           [Cơ hội nghiên cứu]       [Giải pháp của đề tài]|
|  - Mô hình đơn lẻ TAM/TPB  ->  Cần mô hình lai       ->  Tích hợp TAM + TPB    |
|  - Bỏ qua rủi ro dịch bệnh ->  Thêm biến rủi ro      ->  Đo lường Rủi ro (RR)  |
|  - Dữ liệu trước đại dịch  ->  Dữ liệu thực tế F0/F1 ->  Khảo sát n=180 TP.HCM|
+-------------------------------------------------------------------------------+

Thiết kế hệ thống mô hình định lượng

Mô hình nghiên cứu chính thức được xây dựng dựa trên sự kết hợp giữa TAM (Davis, 1989), TPB (Ajzen, 1991) và Thuyết nhận thức rủi ro (Bauer, 1960):

$$\text{YD} = \beta_0 + \beta_1 \text{TC} + \beta_2 \text{HI} + \beta_3 \text{SD} + \beta_4 \text{KS} + \beta_5 \text{CQ} + \beta_6 \text{RR} + \epsilon$$

                               +------------------------------------+
                               |     Sự tin cậy (Trust - TC)        |--+ (H1: +)
                               +------------------------------------+  |
                               |  Nhận thức tính hữu ích (HI)       |--+ (H2: +)
                               +------------------------------------+  |
                               | Nhận thức tính dễ sử dụng (SD)     |--+ (H3: +)   +----------------------+
                               +------------------------------------+  +---------->|   Ý định mua sắm     |
                               | Nhận thức kiểm soát hành vi (KS)   |--+ (H4: +)   | trực tuyến (YD)      |
                               +------------------------------------+  |           +----------------------+
                               |    Chuẩn mực chủ quan (CQ)         |--+ (H5: +)
                               +------------------------------------+  |
                               |    Nhận thức rủi ro (RR)           |--+ (H6: -)
                               +------------------------------------+

Ma trận cấu trúc biến số (Operationalization of Constructs)

  • Thang đo: Likert 5 mức độ (1 = Hoàn toàn không đồng ý; 2 = Không đồng ý; 3 = Phân vân; 4 = Đồng ý; 5 = Hoàn toàn đồng ý).
  • Sự tin cậy (TC - 5 biến quan sát): TC1 (Uy tín sàn TMĐT), TC2 (Bảo vệ thông tin), TC3 (Đúng mô tả sản phẩm), TC4 (Cam kết đổi trả), TC5 (Bảo đảm giao dịch).
  • Tính hữu ích (HI - 5 biến quan sát): HI1 (Tiết kiệm thời gian), HI2 (So sánh giá nhanh), HI3 (Mua hàng mọi lúc), HI4 (Giảm nguy cơ lây nhiễm), HI5 (Tăng hiệu suất mua sắm).
  • Tính dễ sử dụng (SD - 5 biến quan sát): SD1 (Giao diện trực quan), SD2 (Tìm kiếm dễ dàng), SD3 (Thao tác thanh toán đơn giản), SD4 (Dễ học cách dùng), SD5 (Ít tốn công sức).
  • Kiểm soát hành vi (KS - 5 biến quan sát): KS1 (Có đủ thiết bị/Internet), KS2 (Có kỹ năng số), KS3 (Tự chủ tài chính), KS4 (Chủ động thời gian), KS5 (Dễ xử lý sự cố đặt hàng).
  • Chuẩn mực chủ quan (CQ - 5 biến quan sát): CQ1 (Gia đình khuyên dùng), CQ2 (Bạn bè ủng hộ), CQ3 (Ảnh hưởng truyền thông xã hội), CQ4 (Xu hướng cộng đồng), CQ5 (Khuyến cáo phòng dịch).
  • Nhận thức rủi ro (RR - 5 biến quan sát): RR1 (Hàng kém chất lượng), RR2 (Lộ thông tin thẻ/tài khoản), RR3 (Chậm giao hàng), RR4 (Khó khiếu nại), RR5 (Mất tiền không nhận được hàng).
  • Ý định mua sắm (YD - 4 biến quan sát): YD1 (Dự định tiếp tục mua), YD2 (Ưu tiên mua trực tuyến hơn truyền thống), YD3 (Khuyên người khác mua), YD4 (Sẵn sàng chi tiêu online định kỳ).

Methodology

Quy trình nghiên cứu kết hợp chặt chẽ giữa hai phương pháp:

  1. Giai đoạn Định tính: Thảo luận nhóm tập trung (Focus Group Discussion - FGD) với $N = 10$ chuyên gia và người tiêu dùng nhiều kinh nghiệm để hiệu chỉnh từ ngữ các biến quan sát cho sát với thực tế mùa dịch COVID-19 (ví dụ: bổ sung yếu tố hạn chế tiếp xúc trực tiếp vào biến tính hữu ích).
  2. Giai đoạn Định lượng sơ bộ: Khảo sát mẫu $N = 50$ để kiểm tra độ tin cậy sơ cấp thang đo trước khi nhân rộng.
  3. Giai đoạn Định lượng chính thức: Khảo sát ngẫu nhiên thuận tiện kết hợp phân tầng tại TP.HCM ($N = 180$).
  4. Công cụ xử lý dữ liệu: IBM SPSS Statistics phiên bản 20.0 kết hợp các thuật toán thống kê kiểm định giả thuyết.

Implementation và kết quả

Development process

Dữ liệu thô sau khi thu thập qua Google Forms và bảng câu hỏi giấy được làm sạch, mã hóa và xử lý theo pipeline phân tích định lượng chuẩn hóa:

"""
Kịch bản mô phỏng Pipeline phân tích dữ liệu nghiên cứu hành vi người tiêu dùng
Sử dụng: Python 3.9+, pandas, factor_analyzer, statsmodels
Tương đương quy trình xử lý trên IBM SPSS Statistics 20.0
"""
import pandas as pd
import numpy as np
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def quantitative_analysis_pipeline(data_path: str):
    # 1. Load và tiền xử lý dữ liệu
    df = pd.read_csv(data_path)
    independent_vars = ['TC', 'HI', 'SD', 'KS', 'CQ', 'RR']
    dependent_var = 'YD'
    
    # 2. Kiểm tra Bartlett và KMO cho phân tích EFA
    chi_square_value, p_value = calculate_bartlett_sphericity(df[independent_vars])
    kmo_all, kmo_model = calculate_kmo(df[independent_vars])
    print(f"Kiểm định Bartlett: Chi-Square = {chi_square_value:.3f}, p-value = {p_value:.5f}")
    print(f"Hệ số KMO (Kaiser-Meyer-Olkin): {kmo_model:.3f}")
    
    # 3. Phân tích nhân tố khám phá EFA (Principal Axis Factoring với Varimax Rotation)
    fa = FactorAnalyzer(n_factors=6, rotation="varimax", method="principal")
    fa.fit(df[independent_vars])
    eigenvalues, _ = fa.get_eigenvalues()
    print("Eigenvalues:", np.round(eigenvalues, 3))
    
    # 4. Phân tích Hồi quy Tuyến tính Đa biến (OLS Regression)
    X = df[independent_vars]
    X = sm.add_constant(X)
    y = df[dependent_var]
    model = sm.OLS(y, X).fit()
    
    # 5. Kiểm tra đa cộng tuyến (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])]
    
    print("\n--- KẾT QUẢ HỒI QUY TUYẾN TÍNH OLS ---")
    print(model.summary())
    print("\n--- HỆ SỐ PHÓNG ĐẠI PHƯƠNG SAI (VIF) ---")
    print(vif_data)
    
    return model

Testing và validation

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

Tiêu chuẩn chấp nhận: Hệ số $\alpha \ge 0.70$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$. Kết quả tính toán trên $N = 180$:

  • Sự tin cậy (TC): $\alpha = 0.864$ (5 biến hợp lệ, tương quan biến - tổng nhỏ nhất: 0.612).
  • Nhận thức tính hữu ích (HI): $\alpha = 0.882$ (5 biến hợp lệ, tương quan biến - tổng nhỏ nhất: 0.658).
  • Nhận thức tính dễ sử dụng (SD): $\alpha = 0.851$ (5 biến hợp lệ, tương quan biến - tổng nhỏ nhất: 0.589).
  • Nhận thức kiểm soát hành vi (KS): $\alpha = 0.838$ (5 biến hợp lệ, tương quan biến - tổng nhỏ nhất: 0.573).
  • Chuẩn mực chủ quan (CQ): $\alpha = 0.829$ (5 biến hợp lệ, tương quan biến - tổng nhỏ nhất: 0.542).
  • Nhận thức rủi ro (RR): $\alpha = 0.875$ (5 biến hợp lệ, tương quan biến - tổng nhỏ nhất: 0.631).
  • Ý định mua sắm trực tuyến (YD): $\alpha = 0.891$ (4 biến hợp lệ, tương quan biến - tổng nhỏ nhất: 0.704).

Phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis)

  • Kiểm định tính thích hợp KMO & Bartlett:
    • Hệ số $\text{KMO} = 0.842 > 0.50$, chứng minh dung lượng mẫu nghiên cứu hoàn toàn tương thích với phân tích nhân tố.
    • Kiểm định Bartlett: $\chi^2 = 2384.615$ với mức ý nghĩa $p = 0.000 < 0.05$, các biến quan sát có tương quan tuyến tính chặt chẽ.
  • Giá trị đặc trưng (Eigenvalues): 6 nhân tố trích được đều có $\text{Eigenvalue} = 1.218 > 1.0$.
  • Tổng phương sai trích (Cumulative % of Variance): Đạt $68.425% > 50%$, khẳng định 6 nhân tố độc lập giải thích được $68.425%$ độ biến thiên của tập dữ liệu gốc.
  • Ma trận xoay nhân tố (Rotated Component Matrix): Sử dụng phép xoay Varimax, tất cả hệ số tải nhân tố (Factor Loadings) đều đạt giá trị từ $0.620$ đến $0.845 > 0.50$, không có hiện tượng tải chéo vi phạm tính phân biệt.

Kết quả đạt được

Kết quả Hồi quy tuyến tính Đa biến (Multiple Regression Analysis)

Mô hình hồi quy đạt độ tương thích cao với dữ liệu thực nghiệm:

  • Hệ số xác định $R^2 = 0.648$; Hệ số $R^2$ hiệu chỉnh (Adjusted $R^2$) $= 0.636$. Điều này chứng minh $63.6%$ sự biến thiên của Ý định mua sắm trực tuyến tại TP.HCM được giải thích bởi 6 biến độc lập trong mô hình.
  • Kiểm định ANOVA: Giá trị thống kê $F = 53.012$ với giá trị $p = 0.000 < 0.001$, khẳng định mô hình hồi quy tuyến tính có ý nghĩa thống kê cao.
  • Hệ số Durbin-Watson $= 1.942$ (nằm trong khoảng $1.5 - 2.5$), loại trừ hiện tượng tự tương quan chuỗi bậc nhất.
  • Tất cả các hệ số phóng đại phương sai $\text{VIF} \in [1.125, 1.450] < 2.0$, xác nhận không xảy ra hiện tượng đa cộng tuyến.
Biến độc lập Hệ số $\beta$ chưa chuẩn hóa Sai số chuẩn (SE) Hệ số Beta chuẩn hóa ($\beta^*$) Giá trị kiểm định $t$ Mức ý nghĩa ($p$-value) VIF Kết luận giả thuyết
Hằng số ($\beta_0$) 0.342 0.285 — 1.200 0.232 — —
Sự tin cậy (TC) 0.284 0.052 0.312 5.462 0.000 1.341 Chấp nhận $H_1$
Tính hữu ích (HI) 0.246 0.048 0.278 5.125 0.000 1.285 Chấp nhận $H_2$
Kiểm soát hành vi (KS) 0.178 0.045 0.198 3.956 0.000 1.210 Chấp nhận $H_4$
Tính dễ sử dụng (SD) 0.152 0.044 0.171 3.455 0.001 1.189 Chấp nhận $H_3$
Chuẩn mực chủ quan (CQ) 0.134 0.041 0.149 3.268 0.001 1.145 Chấp nhận $H_5$
Nhận thức rủi ro (RR) -0.195 0.046 -0.215 -4.239 0.000 1.232 Chấp nhận $H_6$

Phương trình hồi quy chuẩn hóa biểu diễn mức độ ưu tiên tác động:

$$\text{YD} = 0.312 \cdot \text{TC} + 0.278 \cdot \text{HI} - 0.215 \cdot \text{RR} + 0.198 \cdot \text{KS} + 0.171 \cdot \text{SD} + 0.149 \cdot \text{CQ}$$

+--------------------------------------------------------------------------------+
|           MỨC ĐỘ ĐÓNG GÓP CỦA CÁC NHÂN TỐ VÀO Ý ĐỊNH MUA SẮM (BETA)            |
|                                                                                |
| Sự tin cậy (TC)          [31.2%]  ===================================>         |
| Tính hữu ích (HI)        [27.8%]  ==============================>              |
| Nhận thức rủi ro (RR)   [-21.5%]  <======================                      |
| Kiểm soát hành vi (KS)   [19.8%]  ====================>                        |
| Tính dễ sử dụng (SD)     [17.1%]  =================>                           |
| Chuẩn mực chủ quan (CQ)  [14.9%]  ==============>                              |
+--------------------------------------------------------------------------------+

Kiểm định sai biệt nhân khẩu học (T-Test & ANOVA)

  • Giới tính (Independent Samples T-Test): Giá trị $p = 0.345 > 0.05 \implies$ Không có sự khác biệt có ý nghĩa thống kê về ý định mua sắm trực tuyến giữa Nam và Nữ trong thời kỳ dịch bệnh.
  • Độ tuổi & Thu nhập (One-Way ANOVA): Có sự khác biệt có ý nghĩa thống kê ($p = 0.012 < 0.05$ đối với độ tuổi và $p = 0.008 < 0.05$ đối với thu nhập). Nhóm người dùng trẻ tuổi (18–30 tuổi) và nhóm có mức thu nhập từ 10 triệu đồng/tháng trở lên thể hiện ý định mua sắm và khả năng thích ứng số cao hơn rõ rệt.

Đổi mới và đóng góp

  1. Đột phá về mô hình hóa trong khủng hoảng: Khác với các nghiên cứu tiền nhiệm chỉ vận dụng mô hình TAM hoặc TPB thuần túy trong điều kiện thị trường bình thường, đề tài đã thiết lập mô hình tích hợp đa chiều chuẩn hóa bao gồm TAM + TPB + Rủi ro nhận thức + Niềm tin thương hiệu trong điều kiện khẩn cấp y tế công cộng.
  2. Khẳng định vai trò dẫn dắt của "Sự tin cậy": Trong tâm dịch với nhiều luồng thông tin phức tạp, Sự tin cậy ($\beta = 0.312$) đã vượt qua Tính hữu ích ($\beta = 0.278$) để trở thành động lực lớn nhất thúc đẩy người tiêu dùng mở ví.
  3. Định lượng tác động triệt tiêu của rủi ro giao dịch: Nghiên cứu đã chứng minh bằng số liệu thực nghiệm rằng rủi ro nhận thức đóng vai trò là "lực cản" mạnh thứ ba ($\beta = -0.215$), vượt trên cả ảnh hưởng của yếu tố dễ sử dụng và chuẩn mực xã hội.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, hệ thống giải pháp Marketing và tối ưu hóa vận hành thương mại điện tử được hoạch định theo 4 trụ cột chiến lược:

Kịch bản ứng dụng cụ thể (Use Cases)

  • Tăng cường trải nghiệm Trust & Safety trên sàn TMĐT: Triển khai tính năng đánh giá có kèm hình ảnh/video thực tế được xác thực qua đơn hàng thành công, hiển thị huy hiệu "Shop Uy Tín / Chính Hãng" dựa trên tỷ lệ phản hồi và giao dịch thành công.
  • Tối ưu danh mục mùa dịch: Tích hợp bộ lọc "Giao hàng thiết yếu / Giao hàng nhanh 2H", niêm yết công khai chính sách bình ổn giá để nâng cao cảm nhận về tính hữu ích (HI).
  • Quy trình "Giao hàng không tiếp xúc" (Contactless Delivery): Đóng gói khử khuẩn, giao hàng tại điểm hẹn cố định và hỗ trợ 100% thanh toán trực tuyến qua Ví điện tử (Momo, ZaloPay, ShopeePay) hoặc QR Code để triệt tiêu lo ngại về rủi ro lây nhiễm và rủi ro gian lận tiền mặt (RR).

Hạn chế và hướng phát triển

  • Quy mô mẫu ($N = 180$): Tuy đáp ứng đủ yêu cầu cỡ mẫu tối thiểu cho phân tích EFA và hồi quy đa biến ($N \ge 50 + 8m = 50 + 8 \times 6 = 98$), nhưng mức độ bao quát thị trường TP.HCM có thể nâng cao hơn nếu mở rộng quy mô lên $N \ge 500$.
  • Phương pháp chọn mẫu thuận tiện: Khảo sát chủ yếu qua mạng xã hội có thể tạo ra độ lệch nhẹ về tỷ lệ người trẻ tuổi am hiểu công nghệ.
  • Hướng mở rộng tiếp theo:
    1. Ứng dụng kỹ thuật phân tích cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) thông qua SmartPLS 4.0 để đánh giá các biến số trung gian (Thái độ, Cảm xúc) và biến điều tiết (Tần suất dịch bệnh).
    2. Bổ sung các nhân tố công nghệ tiên tiến mới: Tác động của AI gợi ý sản phẩm, Livestream Commerce và mạng lưới hậu cần thông minh (Smart Logistics).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học chuyên ngành Kinh tế/Marketing: Tiếp cận một cấu trúc khóa luận định lượng mẫu mực từ khâu tổng quan cơ sở lý thuyết, lập bảng hỏi chuẩn hóa, chạy Cronbach's Alpha, EFA, Hồi quy đến ANOVA trên phần mềm SPSS.
  • Chuyên viên Data/Marketing Analytics: Nắm bắt quy trình lượng hóa các cấu trúc tâm lý vô hình thành các chỉ số đo lường cụ thể với hệ số tác động $\beta$ chuẩn xác.
  • Nhà quản trị doanh nghiệp bán lẻ & Nhà bán lẻ TMĐT: Sở hữu cơ sở dữ liệu khoa học để phân bổ ngân sách marketing đúng trọng tâm (tập trung vào xây dựng niềm tin và loại bỏ rủi ro thay vì chỉ giảm giá kích cầu).

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật tối thiểu để tái lập nghiên cứu này là gì? Hệ thống cần cài đặt IBM SPSS Statistics phiên bản 20.0 trở lên (hoặc môi trường Python 3.9+ với các thư viện pandas, statsmodels, factor_analyzer). Dung lượng tệp dữ liệu dạng .sav hoặc .csv gồm 180 dòng tương ứng 180 quan sát và 34 cột biến số.

  2. Tại sao nhân tố 'Sự tin cậy' lại có hệ số tác động cao hơn 'Tính hữu ích'? Trong bối cảnh bất ổn dịch bệnh và giãn cách xã hội, người tiêu dùng không thể trực tiếp chạm/thử sản phẩm và giao dịch tài chính đối mặt với nhiều rủi ro. Do đó, niềm tin vào thương hiệu, chất lượng hàng hóa chuẩn xác và uy tín giao hàng trở thành điều kiện tiên quyết kích hoạt ý định mua sắm.

  3. Mô hình có kiểm soát được hiện tượng đa cộng tuyến không? Có. Tất cả các hệ số VIF trong kiểm định hồi quy đều nằm trong khoảng $1.125 - 1.450$, thấp hơn rất nhiều so với ngưỡng cảnh báo lý thuyết là $2.0$ (hoặc $5.0$), chứng minh các biến độc lập không bị trùng lặp thông tin.

  4. Làm thế nào để ứng dụng kết quả này cho giai đoạn bình thường mới? Sau đại dịch, thói quen tiêu dùng đã chuyển dịch vĩnh viễn sang kênh số. Doanh nghiệp cần duy trì hệ sinh thái dịch vụ đa kênh (Omnichannel), chuẩn hóa dịch vụ khách hàng 24/7 và áp dụng các tiêu chuẩn an toàn thanh toán chuẩn quốc tế để duy trì hệ số tin cậy (TC) cao.

  5. Chi phí triển khai mô hình đo lường này cho một doanh nghiệp SME là bao nhiêu? Chi phí gần như bằng 0 nếu doanh nghiệp tự thiết lập biểu mẫu Google Forms/Typeform thu thập dữ liệu nội bộ và sử dụng các công cụ mã nguồn mở như Python/R để phân tích tự động.

Kết luận

Công trình khóa luận tốt nghiệp của tác giả Trần Đình Quý (2021) đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Thông qua việc tích hợp các mô hình lý thuyết kinh điển TAM, TPB, TPR và áp dụng quy trình phân tích định lượng chặt chẽ trên mẫu khảo sát thực nghiệm $N = 180$ tại TP.HCM, nghiên cứu đã làm sáng tỏ ma trận các yếu tố tác động đến ý định mua sắm trực tuyến trong khủng hoảng dịch bệnh. Kết quả hồi quy xác nhận 5 nhân tố thúc đẩy tích cực: Sự tin cậy ($\beta = 0.312$), Tính hữu ích ($\beta = 0.278$), Kiểm soát hành vi ($\beta = 0.198$), Tính dễ sử dụng ($\beta = 0.171$), Chuẩn mực chủ quan ($\beta = 0.149$); cùng 1 nhân tố kìm hãm mạnh mẽ là Nhận thức rủi ro ($\beta = -0.215$).

Đây là tài liệu tham khảo có giá trị học thuật cao cho sinh viên ngành Marketing, đồng thời là cẩm nang thực thi chiến lược đắt giá cho các nhà quản trị E-Commerce đang trên lộ trình chinh phục thị trường kinh tế số Việt Nam.