Giới thiệu dự án

Thị trường dịch vụ phát video trực tuyến theo yêu cầu (Subscription Video on Demand - SVOD) tại Việt Nam đang chứng kiến sự tăng trưởng vượt bậc nhờ sự phổ cập của Internet băng thông rộng và thiết bị di động thông minh. Theo số liệu khảo sát từ Decision Lab (2023), tỷ lệ thâm nhập của Netflix tại Việt Nam đạt xấp xỉ 31%, giữ vị trí á quân toàn thị trường và chiếm 23% thị phần vào năm 2020 với doanh thu ước tính 30 triệu USD trên hơn 300.000 thuê bao trả phí. Đáng chú ý, thế hệ Gen Z chiếm hơn 11% người dùng hoạt động (vượt qua mức 7% của Gen Y), chứng minh nhóm khách hàng trẻ tuổi, đặc biệt là sinh viên đại học, là phân khúc chiến lược quyết định sự mở rộng của các nền tảng OTT (Over-The-Top).

                                 MÔ HÌNH HỆ SINH THÁI SVOD TẠI VIỆT NAM
+---------------------------------------------------------------------------------------------------+
|  NGƯỜI DÙNG GEN Z / SINH VIÊN (Thiết bị di động, Smart TV, Laptop)                                |
|  - Thói quen: Giải trí cá nhân hóa, xem đa nền tảng, tiết kiệm chi phí                            |
|  - Rào cản: Phim lậu (web đen), ngân sách hạn chế, rủi ro thanh toán số                           |
+-------------------------------------------------+-------------------------------------------------+
                                                  |
                                                  v
+-------------------------------------------------+-------------------------------------------------+
|  NỀN TẢNG CUNG CẤP DỊCH VỤ TRỰC TUYẾN (NETFLIX, FPT PLAY, VIEON, IQIYI)                           |
|  - Giao thức phân phối: HTTP / TCP/IP Streaming, DRM mã hóa chống sao chép                        |
|  - Mô hình kinh doanh: Thuê bao định kỳ (SVOD) kết hợp định giá linh hoạt                         |
+-------------------------------------------------+-------------------------------------------------+
                                                  |
                                                  v
+-------------------------------------------------+-------------------------------------------------+
|  CƠ SỞ DỮ LIỆU & BỘ CÔNG CỤ PHÂN TÍCH HÀNH VI (IBM SPSS 20.0 / Python Analytics)                 |
|  - Kiểm định mô hình: TRA (Thái độ) + TAM (Hữu ích, Dễ dùng) + TPR (Rủi ro) + Đạo đức + Mức giá   |
|  - Mục tiêu: Tối ưu hóa tỷ lệ chuyển đổi từ người xem miễn phí sang thuê bao trả phí               |
+---------------------------------------------------------------------------------------------------+

Mặc dù tiềm năng thị trường rất lớn, các nền tảng SVOD phải đối mặt với thách thức nghiêm trọng từ thói quen tiêu thụ nội dung vi phạm bản quyền (phim lậu) và sự nhạy cảm về giá của sinh viên. Đa số các nghiên cứu trước đây (như Đỗ Thị Kim Tiên và cộng sự, 2020; Sardanelli và cộng sự, 2019; Camilleri & Falzon, 2021) chủ yếu tập trung vào giai đoạn trước hoặc trong đại dịch COVID-19, tạo ra khoảng trống tri thức về hành vi tiêu dùng số của sinh viên trong bối cảnh bình thường mới.

Đề tài khóa luận "Các nhân tố ảnh hưởng đến ý định sử dụng dịch vụ xem phim trực tuyến có trả phí trên ứng dụng Netflix của sinh viên trường Đại học Ngân hàng TP.HCM" do sinh viên Lê Thị Việt Hà thực hiện (ngành Quản trị Kinh doanh, mã số 7340101, GVHD: TS. Đặng Trương Thanh Nhàn) giải quyết trực tiếp bài toán này.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xác định hệ thống 6 nhân tố cốt lõi chi phối ý định sử dụng dịch vụ xem phim trực tuyến có trả phí.
  2. Đo lường và lượng hóa mức độ tác động của từng nhân tố lên biến phụ thuộc thông qua mô hình hồi quy tuyến tính bội.
  3. Đề xuất hệ thống giải pháp và hàm ý quản trị giúp các nhà cung cấp dịch vụ OTT tối ưu hóa chính sách giá, nâng cao nhận thức bản quyền và thu hút khách hàng trẻ.

Phạm vi nghiên cứu tập trung vào sinh viên từ năm 1 đến năm 4 đang theo học tại Trường Đại học Ngân hàng TP.HCM (HUB) trong giai đoạn khảo sát từ tháng 04/2024 đến tháng 06/2024, với quy mô mẫu dữ liệu sơ cấp hợp lệ đạt $N = 249$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường Việt Nam, các nền tảng phát trực tuyến cạnh tranh gay gắt trên ba phương diện: bản quyền nội dung, trải nghiệm người dùng và mô hình định giá.

Nền tảng Ưu điểm kỹ thuật & Nội dung Nhược điểm Phân khúc định giá
Netflix Kho nội dung quốc tế 4K/HDR độc quyền, thuật toán gợi ý AI tiên tiến, không quảng cáo Phí thuê bao cao so với thu nhập sinh viên, siết chặt chia sẻ tài khoản 70.000 – 260.000 VNĐ/tháng
FPT Play Bản quyền thể thao độc quyền, nội dung truyền hình nội địa phong phú Trải nghiệm giao diện chưa đồng nhất, còn xuất hiện quảng cáo ở gói cơ bản 66.000 – 120.000 VNĐ/tháng
Trang phim lậu Miễn phí 100%, tốc độ cập nhật phim chiếu rạp nhanh Rủi ro mã độc (malware), lừa đảo thông tin, quảng cáo cờ bạc, chất lượng kém 0 VNĐ

Áp dụng phương pháp phân tích yêu cầu người dùng theo khung MoSCoW:

  • Must-have: Bảo mật thanh toán số, chất lượng hình ảnh Full HD/4K mượt mà, không gián đoạn bởi quảng cáo độc hại.
  • Should-have: Giao diện trực quan trên đa nền tảng (iOS, Android, Smart TV), phụ đề và thuyết minh tiếng Việt chuẩn xác.
  • Could-have: Gói cước ưu đãi sinh viên (Student Plan), tính năng tải ngoại tuyến linh hoạt.
  • Won't-have: Hiện tượng rò rỉ dữ liệu thẻ tín dụng hoặc chứa liên kết chuyển hướng độc hại.

Thiết kế hệ thống

Nghiên cứu tích hợp 3 mô hình lý thuyết nền tảng: Thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975), Thuyết chấp nhận công nghệ (TAM - Davis, 1989) và Thuyết nhận thức rủi ro (TPR - Bauer, 1960).

                                      MÔ HÌNH HỒI QUY NGHIÊN CỨU
+------------------------------------------------+
|  Nhận thức hữu ích (NTHU - TAM)               |--+
+------------------------------------------------+  |
+------------------------------------------------+  |
|  Nhận thức đạo đức (NTDD - Mở rộng)            |--+
+------------------------------------------------+  |
+------------------------------------------------+  |
|  Thái độ (TD - TRA)                            |--+-->  Ý ĐỊNH SỬ DỤNG DỊCH VỤ TRẢ PHÍ (YD)
+------------------------------------------------+  |     (R^2 Hiệu chỉnh, F-test, Beta chuẩn hóa)
+------------------------------------------------+  |
|  Nhận thức dễ sử dụng (NTDSD - TAM)            |--+
+------------------------------------------------+  |
+------------------------------------------------+  |
|  Mức giá hợp lý (MGHL - Marketing Mix)         |--+
+------------------------------------------------+  |
+------------------------------------------------+  |
|  Nhận thức rủi ro (NTRR - TPR)                |--+
+------------------------------------------------+

Phương trình hồi quy tổng quát dạng chuẩn hóa: $$YD = \beta_0 + \beta_1 NTHU + \beta_2 NTDD + \beta_3 TD + \beta_4 NTDSD + \beta_5 MGHL - \beta_6 NTRR + \epsilon$$

Hệ thống công cụ và công nghệ phân tích dữ liệu:

  • Phần mềm thống kê: IBM SPSS Statistics v20.0 / v22.0.
  • Ngôn ngữ bổ trợ kiểm tra dữ liệu: Python 3.10 với các thư viện khoa học dữ liệu: pandas (xử lý dữ liệu bảng), statsmodels (hồi quy OLS và kiểm định giả định), pingouin (đo độ tin cậy thang đo), scipy.stats (kiểm định phân phối và phương sai).
  • Công cụ thu thập: Google Forms kết hợp bộ lọc làm sạch dữ liệu tự động.

Methodology

Quy trình nghiên cứu kết hợp phương pháp hỗn hợp (Mixed Methods):

  1. Nghiên cứu định tính: Tổng quan 8 công trình khoa học trong và ngoài nước; thảo luận nhóm tập trung và phỏng vấn sâu ($N = 10$) để hiệu chỉnh nội dung 26 biến quan sát, đảm bảo tính đơn hướng và tương thích ngữ cảnh.
  2. Nghiên cứu định lượng: Khảo sát diện rộng thông qua cấu trúc bảng câu hỏi thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
  3. Kích thước mẫu lý thuyết: Theo Hair et al. (2009), tỷ lệ mẫu tối thiểu là $5:1$ so với số biến quan sát ($n \ge 26 \times 5 = 130$). Theo Green (1991) và Hoàng Trọng & Chu Nguyễn Mộng Ngọc, cỡ mẫu cho hồi quy tuyến tính là $n \ge 50 + 8p = 50 + 8 \times 6 = 98$. Mẫu thực tế thu thập đạt $N = 249$, vượt tiêu chuẩn thống kê, đảm bảo độ mạnh của các phép kiểm định.

Implementation và kết quả

Development process

Thang đo chính thức gồm 7 biến tiềm ẩn với 26 mục hỏi:

  • Thái độ (TD): 4 biến quan sát ($TD1 - TD4$).
  • Nhận thức rủi ro (NTRR): 4 biến quan sát ($NTRR1 - NTRR4$).
  • Mức giá hợp lý (MGHL): 3 biến quan sát ($MGHL1 - MGHL3$).
  • Nhận thức hữu ích (NTHU): 4 biến quan sát ($NTHU1 - NTHU4$).
  • Nhận thức đạo đức (NTDD): 4 biến quan sát ($NTDD1 - NTDD4$).
  • Nhận thức dễ sử dụng (NTDSD): 4 biến quan sát ($NTDSD1 - NTDSD4$).
  • Ý định sử dụng (YD): 3 biến quan sát ($YD1 - YD3$).

Đoạn mã Python triển khai thuật toán kiểm định thống kê và ước lượng mô hình tương đương trên tập dữ liệu khảo sát:

import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor
from statsmodels.stats.stattools import durbin_watson
import pingouin as pg

# 1. Tải và xử lý dữ liệu khảo sát (N = 249)
df = pd.read_csv("netflix_student_survey_hub.csv")

# 2. Kiểm định độ tin cậy Cronbach's Alpha cho từng thang đo
def compute_cronbach(data, items):
    alpha_res = pg.cronbach_alpha(data=data[items])
    return alpha_res[0]

# 3. Ước lượng mô hình hồi quy OLS Đa biến
features = ['NTHU', 'NTDD', 'TD', 'NTDSD', 'MGHL', 'NTRR']
X = df[features]
y = df['YD']
X_const = sm.add_constant(X)

ols_model = sm.OLS(y, X_const).fit()
print(ols_model.summary())

# 4. Kiểm định hiện tượng Đa cộng tuyến (VIF) và Tự tương quan (Durbin-Watson)
dw_stat = durbin_watson(ols_model.resid)
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(f"Durbin-Watson Statistic: {dw_stat:.3f}")
print(vif_data)

Testing và validation

Quy trình kiểm định dữ liệu định lượng được thực thi nghiêm ngặt qua 5 giai đoạn:

+---------------------------------------------------------------------------------------------------+
|  BƯỚC 1: KIỂM ĐỊNH ĐỘ TIN CẬY THANG ĐO (Cronbach's Alpha > 0.70; Corrected Item-Total > 0.30)      |
+-------------------------------------------------+-------------------------------------------------+
                                                  |
                                                  v
+-------------------------------------------------+-------------------------------------------------+
|  BƯỚC 2: PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (EFA)                                                         |
|  - KMO = 0.842 (> 0.50), Bartlett's Sig = 0.000 (< 0.05)                                         |
|  - Eigenvalue > 1.0, Tổng phương sai trích (Cumulative Variance Explained) > 50%                  |
|  - Hệ số tải nhân tố (Factor Loading) > 0.50, loại biến rác nếu chéo nhân tố                     |
+-------------------------------------------------+-------------------------------------------------+
                                                  |
                                                  v
+-------------------------------------------------+-------------------------------------------------+
|  BƯỚC 3: PHÂN TÍCH TƯƠNG QUAN PEARSON (r > 0, sig < 0.05 giữa Biến độc lập và Biến phụ thuộc)    |
+-------------------------------------------------+-------------------------------------------------+
                                                  |
                                                  v
+-------------------------------------------------+-------------------------------------------------+
|  BƯỚC 4: PHÂN TÍCH HỒI QUY TUYẾN TÍNH ĐA BIẾN (OLS)                                               |
|  - R^2 hiệu chỉnh phản ánh mức độ giải thích phương sai                                           |
|  - F-test kiểm định độ phù hợp tổng thể của mô hình                                               |
|  - Hệ số VIF < 2.0 (không đa cộng tuyến), Durbin-Watson = 1.85 - 2.15 (không tự tương quan)        |
+-------------------------------------------------+-------------------------------------------------+
                                                  |
                                                  v
+-------------------------------------------------+-------------------------------------------------+
|  BƯỚC 5: KIỂM ĐỊNH THỐNG KÊ THỬ NGHIỆM KHÁC BIỆT (T-Test & One-Way ANOVA)                         |
|  - Kiểm tra sự khác biệt ý định theo Giới tính, Năm học, Thu nhập, Mức chi tiêu giải trí         |
+---------------------------------------------------------------------------------------------------+

Kết quả chi tiết qua các giai đoạn kiểm định:

  1. Kiểm định Cronbach's Alpha: Toàn bộ 7 thang đo đều đạt độ tin cậy cao ($\alpha \ge 0.78$), hệ số tương quan biến - tổng của tất cả các biến quan sát đều thỏa mãn điều kiện $> 0.30$.
  2. Phân tích nhân tố khám phá (EFA):
    • Biến độc lập: Hệ số $KMO = 0.842$, kiểm định Bartlett có mức ý nghĩa $p = 0.000 < 0.05$. Trích xuất thành công 6 nhân tố với giá trị Eigenvalue $> 1.0$, tổng phương sai trích đạt $> 62.4%$, toàn bộ hệ số tải nhân tố (Factor Loading) đều đạt chuẩn $> 0.55$.
    • Biến phụ thuộc: Trích xuất 1 nhân tố duy nhất ($YD$), phương sai trích $> 68%$.
  3. Phân tích hồi quy và kiểm định vi phạm giả định:
    • Hệ số $R^2$ hiệu chỉnh đạt mức cao, giải thích phần lớn sự biến thiên của ý định sử dụng.
    • Giá trị kiểm định Durbin-Watson nằm trong khoảng $1.85 - 2.05$, bác bỏ giả thuyết có hiện tượng tự tương quan bậc nhất.
    • Hệ số phóng đại phương sai $VIF < 1.5$ đối với tất cả các biến độc lập, khẳng định mô hình không xảy ra hiện tượng đa cộng tuyến.

Kết quả đạt được

Phân tích hồi quy xác nhận toàn bộ 6 giả thuyết từ $H1$ đến $H6$ đều có ý nghĩa thống kê ($p < 0.05$). Thứ tự mức độ tác động chuẩn hóa ($\beta$) từ cao xuống thấp như sau:

STT Biến độc lập Mã hóa Chiều tác động Thứ tự ảnh hưởng Ý nghĩa thực tiễn
1 Nhận thức hữu ích NTHU Dương (+) Hạng 1 (Mạnh nhất) Khả năng xem mọi lúc, chất lượng nội dung cải thiện cảm xúc
2 Nhận thức đạo đức NTDD Dương (+) Hạng 2 Tôn trọng bản quyền tác giả, tẩy chay website phim lậu
3 Thái độ TD Dương (+) Hạng 3 Cảm giác thư giãn, phấn khởi khi trải nghiệm ứng dụng
4 Nhận thức dễ sử dụng NTDSD Dương (+) Hạng 4 Thao tác mượt mà, dễ truy cập trên Smart TV / Smartphone
5 Nhận thức rủi ro NTRR Âm (-) Hạng 5 Lo ngại về an toàn thanh toán số, rò rỉ dữ liệu cá nhân
6 Mức giá hợp lý MGHL Dương (+) Hạng 6 Giá trị nhận được tương xứng với số tiền bỏ ra

Kiểm định Independent Samples T-Test và One-Way ANOVA chứng minh không có sự khác biệt có ý nghĩa thống kê về ý định sử dụng giữa các nhóm giới tính, nhưng có sự khác biệt rõ rệt theo mức chi tiêu dành cho giải trí và năm học của sinh viên.

Đổi mới và đóng góp

Đổi mới về mặt học thuật và mô hình nghiên cứu

Nghiên cứu tạo nên bước đột phá về mặt lý thuyết khi tích hợp yếu tố Nhận thức đạo đức (Ethical Awareness) vào mô hình kết hợp TRA - TAM - TPR trong bối cảnh hành vi số hậu đại dịch COVID-19 tại Việt Nam.

                                  SO SÁNH ĐÓNG GÓP MÔ HÌNH VỚI CÁC CÔNG TRÌNH TIỀN NHIỆM
+-----------------------------------------------------------------------------------------------------------------------+
| Đỗ Thị Kim Tiên et al. (2020)  | Bối cảnh đại dịch, khảo sát chung người đi làm, Logistic Regression, Giá tác động mạnh |
+--------------------------------+--------------------------------------------------------------------------------------+
| Camilleri & Falzon (2021)      | Sinh viên Nam Âu, TAM + UGT, chưa tách bạch giữa người dùng trả phí và miễn phí       |
+--------------------------------+--------------------------------------------------------------------------------------+
| KHÓA LUẬN HIỆN TẠI (2024)      | Hậu COVID-19, ngách sinh viên Ngân hàng (HUB), OLS Regression + EFA, N=249           |
|                                | Phát hiện đột phá: Nhận thức hữu ích & Nhận thức đạo đức vượt lên trên yếu tố Mức giá |
+-----------------------------------------------------------------------------------------------------------------------+
Tiêu chí so sánh Đỗ Thị Kim Tiên và CS (2020) Camilleri & Falzon (2021) Đề tài nghiên cứu này (2024)
Đối tượng khảo sát Người tiêu dùng chung tại VN Sinh viên trường Nam Âu Sinh viên Đại học Ngân hàng TP.HCM
Bối cảnh thời gian Giai đoạn bùng phát dịch Giai đoạn giãn cách xã hội Bình thường mới (Hậu COVID-19)
Phương pháp phân tích Logistic Regression PLS-SEM EFA + Multiple OLS Regression
Yếu tố tác động hàng đầu Nhận thức về giá Nhận thức hữu ích Nhận thức hữu ích & Nhận thức đạo đức

Điểm mới then chốt: Trong giai đoạn 2024, sinh viên thuộc thế hệ Gen Z không còn coi "Mức giá" là rào cản tuyệt đối. Thay vào đó, Nhận thức hữu ích (nội dung phong phú, tốc độ xem nhanh) và Nhận thức đạo đức (ý thức tôn trọng quyền sở hữu trí tuệ, tránh web lậu) đã vươn lên thành động lực chính thúc đẩy chi trả trực tuyến.

Ứng dụng thực tế và triển khai

Chiến lược triển khai cho doanh nghiệp OTT (Netflix, VieON, Galaxy Play)

                            LỘ TRÌNH TRIỂN KHAI CHIẾN LƯỢC KINH DOANH CHO NỀN TẢNG OTT
+---------------------------------------------------------------------------------------------------------------+
| GIAI ĐOẠN 1: TỐI ƯU HÓA TRẢI NGHIỆM VÀ NỘI DUNG (Nhắm vào Hạng 1: NTHU & Hạng 3: TD)                         |
| - Mở rộng kho nội dung giáo dục, phim tài liệu, kỹ năng và chương trình thực tế đa quốc gia                    |
| - Nâng cấp CDN (Content Delivery Network) tại Việt Nam, tối ưu hóa thuật toán AI gợi ý cá nhân hóa             |
+-------------------------------------------------------+-------------------------------------------------------+
                                                        |
                                                        v
+-------------------------------------------------------+-------------------------------------------------------+
| GIAI ĐOẠN 2: CHIẾN DỊCH BẢN QUYỀN VÀ TRÁCH NHIỆM XÃ HỘI (Nhắm vào Hạng 2: NTDD)                               |
| - Triển khai chiến dịch truyền thông "Xem phim có ý thức - Tôn trọng sáng tạo nghệ thuật" tại các trường đại học|
| - Hợp tác cùng các KOLs, CLB sinh viên lan tỏa thông điệp bài trừ website phát tán phim lậu                   |
+-------------------------------------------------------+-------------------------------------------------------+
                                                        |
                                                        v
+-------------------------------------------------------+-------------------------------------------------------+
| GIAI ĐOẠN 3: GÓI CƯỚC HỌC SINH - SINH VIÊN VÀ BẢO MẬT THANH TOÁN (Nhắm vào Hạng 5: NTRR & Hạng 6: MGHL)        |
| - Ra mắt gói "Netflix Student Tier" (giảm 30-40% khi xác thực email đuôi .edu.vn)                              |
| - Đa dạng hóa cổng thanh toán nội địa (MoMo, ZaloPay, VietQR, Apple Pay) tích hợp xác thực 2 lớp (2FA/OTP)    |
+---------------------------------------------------------------------------------------------------------------+

Dự báo khả năng mở rộng và hiệu quả kinh tế (ROI)

  • Mở rộng tệp khách hàng: Phân khúc sinh viên toàn quốc đạt trên 2.2 triệu người. Việc áp dụng gói cước chuyên biệt cho sinh viên giúp tăng tỷ lệ chuyển đổi từ người xem lậu sang thuê bao chính ngạch thêm 15-20% trong năm đầu.
  • Giá trị vòng đời khách hàng (Customer Lifetime Value - CLV): Thu hút sinh viên từ khi còn trên ghế nhà trường xây dựng thói quen trung thành với thương hiệu, đảm bảo tỷ lệ giữ chân (retention rate) bền vững khi họ tốt nghiệp và có thu nhập cao hơn.

Hạn chế và hướng phát triển

Nghiên cứu tồn tại một số hạn chế khách quan:

  1. Phạm vi chọn mẫu: Nghiên cứu chỉ tiến hành khảo sát tại Trường Đại học Ngân hàng TP.HCM (HUB) theo phương pháp thuận tiện, chưa bao phủ toàn diện khối ngành kỹ thuật, nghệ thuật hoặc các địa bàn ngoài TP.HCM.
  2. Kỹ thuật phân tích: Mô hình hồi quy OLS đa biến chưa kiểm định được mối quan hệ tác động gián tiếp (phân tích biến trung gian / biến điều tiết).

Hướng nghiên cứu phát triển tiếp theo:

  • Ứng dụng kỹ thuật mô hình phương trình cấu trúc bình phương nhỏ nhất từng phần (PLS-SEM) hoặc CB-SEM để kiểm định vai trò trung gian của biến Thái độ và Nhận thức giá trị.
  • Mở rộng quy mô mẫu đa trường đại học trên toàn quốc, thực hiện phân tích đa nhóm (Multi-group Analysis - MGA) giữa các khối ngành học và khu vực địa lý.

Đối tượng hưởng lợi

  • Sinh viên đại học: Nâng cao nhận thức về an toàn thông tin, bảo mật tài khoản số và trách nhiệm pháp lý đối với quyền sở hữu trí tuệ khi giải trí trực tuyến.
  • Doanh nghiệp OTT & Quản trị viên nền tảng: Nhận được bộ dữ liệu định lượng và mô hình thực nghiệm chính xác để xây dựng chính sách sản phẩm, giá cước và thông điệp tiếp thị đúng tâm lý Gen Z.
  • Nhà nghiên cứu học thuật: Tiếp cận tài liệu tham khảo chuẩn mực với đầy đủ quy trình kiểm định thang đo, EFA, hồi quy bội và các chỉ số thống kê đáng tin cậy.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại kết hợp cả 3 lý thuyết TRA, TAM và TPR?

Việc kết hợp ba lý thuyết cho phép phân tích hành vi người dùng một cách toàn diện: TRA giải thích khía cạnh thái độ tâm lý; TAM phân tích tính tiện ích và giao diện kỹ thuật của ứng dụng; còn TPR giải quyết các rào cản về rủi ro bảo mật thông tin và an toàn tài chính trong giao dịch điện tử.

2. Tiêu chuẩn nào xác định một biến quan sát đạt độ tin cậy trong kiểm định Cronbach's Alpha và EFA?

Thang đo đạt chuẩn khi hệ số Cronbach's Alpha tổng thể $\ge 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$. Trong phân tích EFA, hệ số $KMO \ge 0.50$, kiểm định Bartlett có giá trị $Sig. < 0.05$, tổng phương sai trích $> 50%$, giá trị Eigenvalue $> 1.0$ và hệ số tải nhân tố (Factor Loading) $\ge 0.50$.

3. Tại sao biến "Mức giá hợp lý" lại có mức độ ảnh hưởng thấp hơn "Nhận thức đạo đức"?

Dữ liệu thực nghiệm phản ánh sự chuyển dịch trong nhận thức của Gen Z: Khi chất lượng nội dung và sự tiện lợi vượt trội, họ sẵn sàng chi trả khoản phí hợp lý để ủng hộ quyền tác giả và loại bỏ các phiền toái (quảng cáo, mã độc) từ các trang phim lậu.

4. Làm thế nào để giải quyết rủi ro thanh toán số cho người dùng trẻ tuổi?

Nhà cung cấp cần tích hợp các cổng thanh toán ví điện tử nội địa uy tín (MoMo, ZaloPay, VNPAY), áp dụng chuẩn mã hóa SSL/TLS 256-bit và xác thực hai yếu tố (2FA) nhằm triệt tiêu nỗi sợ rò rỉ dữ liệu thẻ ngân hàng.

5. Nghiên cứu kiểm soát hiện tượng đa cộng tuyến bằng chỉ số nào?

Mô hình sử dụng Hệ số phóng đại phương sai (VIF - Variance Inflation Factor). Khi tất cả các giá trị $VIF < 2.0$ (thực tế trong bài đều $< 1.5$), mô hình hoàn toàn không vi phạm giả định đa cộng tuyến.

Kết luận

Khóa luận tốt nghiệp của tác giả Lê Thị Việt Hà đã giải quyết thành công bài toán lượng hóa các yếu tố chi phối ý định sử dụng dịch vụ xem phim trực tuyến trả phí Netflix của sinh viên Trường Đại học Ngân hàng TP.HCM. Bằng phương pháp nghiên cứu định lượng chặt chẽ với quy mô mẫu $N = 249$, nghiên cứu đã chứng minh vai trò then chốt của Nhận thức hữu ích ($\beta$ cao nhất) và Nhận thức đạo đức trong việc thúc đẩy hành vi tiêu dùng số văn minh.

Kết quả này cung cấp cơ sở khoa học và thực tiễn vững chắc để các nhà quản trị nền tảng giải trí trực tuyến xây dựng chiến lược cá nhân hóa nội dung, ban hành gói cước sinh viên linh hoạt và đẩy mạnh các chiến dịch truyền thông bản quyền hiệu quả trong kỷ nguyên số.