Giới thiệu dự án

Thương mại điện tử (TMĐT) tại Việt Nam đang trải qua giai đoạn bùng nổ mạnh mẽ với tốc độ tăng trưởng kép hàng năm ấn tượng. Theo báo cáo từ Mintel, thị trường mỹ phẩm Việt Nam đạt quy mô định giá khoảng 2,3 tỷ USD, trong khi thị trường mỹ phẩm toàn cầu chạm mốc 535,43 tỷ USD (dự báo đạt 805,61 tỷ USD). Cùng với mức chi tiêu bình quân cho mỹ phẩm chăm sóc da tại các đô thị lớn như TP.HCM đạt 436.000 VNĐ/tháng và hơn 39,9 triệu người tham gia mua sắm trực tuyến (chi tiêu trung bình 202 USD/người), hành vi tiêu dùng đối với ngành hàng làm đẹp đã dịch chuyển rõ rệt từ các kênh bán lẻ truyền thống sang không gian số.

Tuy nhiên, mỹ phẩm là phân khúc sản phẩm có tính can dự cao (high-involvement products), tác động trực tiếp đến sức khỏe và thẩm mỹ cá nhân. Do đó, rào cản về hàng giả, hàng nhái, sự bất đối xứng thông tin và trải nghiệm xúc giác bị giới hạn tạo ra lực cản tâm lý rất lớn cho người tiêu dùng trực tuyến. Đề tài "Những nhân tố tác động đến quyết định mua sắm mỹ phẩm trực tuyến của người tiêu dùng tại TP.HCM" giải quyết bài toán: Xác định cấu trúc tác động và lượng hóa mức độ ảnh hưởng của các yếu tố tâm lý, công nghệ và thương hiệu đến hành vi quyết định mua sắm mỹ phẩm trên nền tảng số.

+-----------------------------------------------------------------------------+
|                          MÔ HÌNH HỒI QUY TỔNG QUÁT                          |
|                                                                             |
|  [Thương hiệu (TH)]           (+) \                                         |
|  [Mong đợi về giá (GIA)]      (+) --\                                       |
|  [Nhận thức sự hữu ích (HI)]  (+) ----> [ QUYẾT ĐỊNH MUA SẮM MỸ PHẨM ]      |
|  [Nhận thức dễ sử dụng (DSD)] (+) ----> [     TRỰC TUYẾN (QDM)       ]      |
|  [Niềm tin (NT)]              (+) --/                                       |
|  [Nhận thức rủi ro (RR)]      (-) /                                         |
+-----------------------------------------------------------------------------+

Mục tiêu nghiên cứu

  1. Mục tiêu 1: Xác định hệ thống các nhân tố cốt lõi tác động đến quyết định mua sắm mỹ phẩm trực tuyến của người tiêu dùng tại TP.HCM.
  2. Mục tiêu 2: Đo lường và lượng hóa mức độ tác động (hệ số hồi quy chuẩn hóa $\beta$) của từng nhân tố tới quyết định mua hàng.
  3. Mục tiêu 3: Kiểm định sự khác biệt về quyết định mua sắm theo các đặc tính nhân khẩu học (giới tính, độ tuổi, thu nhập, nghề nghiệp).
  4. Mục tiêu 4: Đề xuất hệ thống hàm ý quản trị giúp các doanh nghiệp kinh doanh mỹ phẩm trực tuyến tối ưu hóa tỷ lệ chuyển đổi (conversion rate) và gia tăng doanh số.

Phương pháp tiếp cận và phạm vi

  • Phương pháp tiếp cận: Kết hợp lý thuyết hành động hợp lý (TRA), lý thuyết hành vi dự định (TPB), mô hình chấp nhận công nghệ (TAM) và mô hình chấp nhận thương mại điện tử (e-CAM) để xây dựng khung phân tích định lượng chuẩn tắc.
  • Phạm vi không gian: Địa bàn Thành phố Hồ Chí Minh.
  • Phạm vi đối tượng: Khách hàng từ 18–40 tuổi đã từng phát sinh giao dịch mua mỹ phẩm trực tuyến.
  • Thời gian thực hiện: Tháng 01/2021 đến tháng 05/2021.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí phân tích Kênh bán lẻ mỹ phẩm truyền thống Kênh phân phối trực tuyến (E-Commerce) Giải pháp đề xuất từ nghiên cứu
Trải nghiệm sản phẩm Trực tiếp thử mẫu (testers), cảm nhận chất kem, mùi hương Chỉ quan sát qua hình ảnh, video, thông tin mô tả Nâng cao nhận thức hữu ích (HI) và dễ sử dụng (DSD)
Độ tin cậy & Rủi ro Kiểm tra tem phụ, nguồn gốc xuất xứ tại chỗ Lo ngại hàng giả, rò rỉ thông tin thẻ, giao sai hàng Giảm thiểu nhận thức rủi ro (RR), gia cố Niềm tin (NT)
Định vị giá cả Giá niêm yết cố định, ít khuyến mại sâu So sánh giá tức thì, nhiều voucher, flash sale Tối ưu hóa biến Mong đợi về giá (GIA)
Quyền lực thương hiệu Phụ thuộc vào vị trí cửa hàng vật lý Khách hàng chủ động tìm kiếm qua Brand Mall, Official Store Tối đa hóa nhận diện Thương hiệu (TH)

So sánh với các công trình nghiên cứu tiền nhiệm:

  • Nguyễn Đan Thanh (2017): Tập trung vào đối tượng nữ giới với 7 nhân tố; kết quả chỉ ra thiết kế website và nhận thức dễ sử dụng tác động mạnh nhất, trong khi nhận thức hữu ích không có ý nghĩa thống kê rõ rệt.
  • Nguyễn Tuấn Dũng (2019): Nghiên cứu ngành hàng thời trang trực tuyến; xác định "Mong đợi về giá" là nhân tố chi phối mạnh nhất.
  • Nghiên cứu hiện tại: Mở rộng cho cả hai giới tính trên thị trường mỹ phẩm tiêu dùng đa phân khúc, tích hợp 6 nhân tố đa chiều và kiểm định sâu về khác biệt nhân khẩu học.

Thiết kế hệ thống đo lường và công nghệ phân tích

Khung kỹ thuật xử lý dữ liệu được thiết kế theo quy trình phân tích định lượng chuẩn hóa:

[Bảng câu hỏi Likert 5 mức] --> [Làm sạch dữ liệu (Excel 2019)]
                                      |
                                      v
 [SPSS 20.0 / Python Statsmodels Engine]
   ├── 1. Kiểm định độ tin cậy: Cronbach's Alpha (Alpha >= 0.7, Item-Total >= 0.3)
   ├── 2. Phân tích nhân tố khám phá: EFA (KMO >= 0.5, Eigenvalue > 1, Var > 50%)
   ├── 3. Phân tích tương quan: Pearson Correlation (Sig. < 0.05)
   ├── 4. Hồi quy tuyến tính bội: OLS Regression (VIF < 2, Durbin-Watson ~ 2)
   └── 5. Kiểm định phi tham số / tham số: Independent Samples T-Test & One-Way ANOVA
  • Thang đo: Sử dụng thang đo khoảng cách Likert 5 mức độ (1: Hoàn toàn không đồng ý $\to$ 5: Hoàn toàn đồng ý) với 29 biến quan sát chính thức cho 6 biến độc lập và 1 biến phụ thuộc.
  • Công cụ phân tích: IBM SPSS Statistics phiên bản 20.0 kết hợp thuật toán tối ưu hóa tuyến tính.
  • Kích thước mẫu tối thiểu: Dựa theo quy tắc kinh nghiệm của Hair et al. (2006), quy mô mẫu tối thiểu $N \ge 5 \times m$ ($m = 32$ biến ban đầu $\to N_{\min} = 160$). Nghiên cứu phát ra 250 phiếu khảo sát, thu về 218 phiếu, sau khi lọc bỏ phiếu không hợp lệ thu được $N = 200$ mẫu sạch đạt chuẩn kỹ thuật ($125%$ yêu cầu tối thiểu).

Implementation và kết quả

Quy trình xử lý và thuật toán phân tích dữ liệu

Thuật toán phân tích dữ liệu được hiện thực hóa qua quy trình kiểm định độ tin cậy và hồi quy đa biến:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer

def verify_scale_reliability(df, items, threshold=0.7):
    """Tính toán hệ số tin cậy Cronbach's Alpha cho từng thang đo."""
    item_data = df[items]
    k = item_data.shape[1]
    variances = item_data.var(axis=0, ddof=1)
    total_var = item_data.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - variances.sum() / total_var)
    return alpha

def execute_regression_pipeline(X, y):
    """Xây dựng mô hình OLS Regression đa biến và kiểm tra đa cộng tuyến (VIF)."""
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    return model.summary()

Kết quả kiểm định thống kê và tham số mô hình

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

Tất cả 6 thang đo biến độc lập và 1 thang đo biến phụ thuộc đều đạt chuẩn độ tin cậy cao:

  • Thương hiệu (TH): Cronbach's Alpha = $0.842$, Item-Total Correlation nhỏ nhất = $0.584$.
  • Mong đợi về giá (GIA): Cronbach's Alpha = $0.816$, Item-Total Correlation nhỏ nhất = $0.542$.
  • Nhận thức sự hữu ích (HI): Cronbach's Alpha = $0.835$, Item-Total Correlation nhỏ nhất = $0.569$.
  • Nhận thức dễ sử dụng (DSD): Cronbach's Alpha = $0.798$, Item-Total Correlation nhỏ nhất = $0.512$.
  • Niềm tin (NT): Cronbach's Alpha = $0.821$, Item-Total Correlation nhỏ nhất = $0.537$.
  • Nhận thức rủi ro (RR): Cronbach's Alpha = $0.805$, Item-Total Correlation nhỏ nhất = $0.528$.
  • Quyết định mua sắm (QDM): Cronbach's Alpha = $0.856$, Item-Total Correlation nhỏ nhất = $0.611$.

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số KMO (Kaiser-Meyer-Olkin): $0.812 > 0.5$, kiểm định Bartlett có giá trị thống kê $p\text{-value} = 0.000 < 0.05$, chứng minh các biến quan sát có tương quan chặt chẽ.
  • Trích xuất nhân tố: Phương pháp Principal Component Analysis với phép xoay Varimax trích xuất được 6 nhóm nhân tố tại Eigenvalue $> 1.0$, tổng phương sai trích (Cumulative Variance Explained) đạt $63.48% > 50%$.

3. Kết quả phân tích hồi quy tuyến tính bội

Phương trình hồi quy chuẩn hóa phản ánh cơ chế tác động lên quyết định mua sắm mỹ phẩm trực tuyến:

$$QDM = \beta_0 + 0.312 \cdot TH + 0.245 \cdot GIA + 0.198 \cdot HI + 0.164 \cdot DSD + 0.142 \cdot NT - 0.186 \cdot RR + e$$

Biến độc lập Ký hiệu Hệ số $\beta$ chuẩn hóa Giá trị $t\text{-Stat}$ Mức ý nghĩa ($p\text{-value}$) Hệ số VIF Kết luận giả thuyết
Thương hiệu TH $+0.312$ $5.421$ $0.000$ $1.241$ Chấp nhận $H_5$ (Tác động mạnh nhất)
Mong đợi về giá GIA $+0.245$ $4.187$ $0.000$ $1.312$ Chấp nhận $H_4$ (Cùng chiều)
Nhận thức sự hữu ích HI $+0.198$ $3.562$ $0.001$ $1.285$ Chấp nhận $H_3$ (Cùng chiều)
Nhận thức rủi ro RR $-0.186$ $-3.214$ $0.002$ $1.194$ Chấp nhận $H_6$ (Ngược chiều)
Nhận thức dễ sử dụng DSD $+0.164$ $2.915$ $0.004$ $1.220$ Chấp nhận $H_2$ (Cùng chiều)
Niềm tin NT $+0.142$ $2.486$ $0.014$ $1.305$ Chấp nhận $H_1$ (Cùng chiều)
  • Hệ số xác định mô hình: $R^2 = 0.618$, $R^2$ hiệu chỉnh $= 0.606$ (Mô hình giải thích được $60.6%$ sự biến thiên của Quyết định mua sắm mỹ phẩm trực tuyến).
  • Kiểm định F (ANOVA): $F = 52.14$, $Sig. = 0.000 < 0.05$, chứng minh mô hình hồi quy hoàn toàn phù hợp với dữ liệu thực nghiệm.
  • Hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF} < 1.4$ ở tất cả các biến (thấp hơn nhiều so với ngưỡng vi phạm $2.0$), khẳng định không xảy ra hiện tượng đa cộng tuyến.

4. Kiểm định sự khác biệt nhân khẩu học (T-Test & ANOVA)

  • Giới tính (Independent Samples T-Test): Phát hiện sự khác biệt có ý nghĩa thống kê ($p = 0.028 < 0.05$) giữa nam và nữ; trong đó khách hàng nữ có xu hướng quan tâm mạnh hơn đến Thương hiệu và Nhận thức rủi ro.
  • Độ tuổi, Thu nhập, Nghề nghiệp (One-Way ANOVA): Không có sự khác biệt có ý nghĩa thống kê đối với biến phụ thuộc QDM ($Sig. > 0.05$). Điều này cho thấy hành vi mua mỹ phẩm trực tuyến đã trở thành xu hướng chung của toàn bộ người tiêu dùng trẻ đô thị, không bị phân hóa sâu sắc bởi mức thu nhập hay nghề nghiệp.

Đổi mới và đóng góp

  1. Khẳng định vị thế hàng đầu của yếu tố Thương hiệu ($\beta = 0.312$): Khác biệt với các sản phẩm tiêu dùng thông thường (nơi giá cả chiếm ưu thế tuyệt đối), trong ngành mỹ phẩm trực tuyến, danh tiếng nhãn hàng là bảo chứng quan trọng nhất để người tiêu dùng ra quyết định mua sắm mà không cần trải nghiệm trực tiếp.
  2. Lượng hóa lực cản từ Nhận thức rủi ro ($\beta = -0.186$): Nghiên cứu chứng minh rằng việc giảm thiểu $10%$ nhận thức rủi ro về giao dịch và chất lượng sản phẩm có thể thúc đẩy quyết định mua hàng tương đương với việc tăng cường các tính năng dễ sử dụng của hệ thống.
  3. Mở rộng mô hình lý thuyết TAM và e-CAM: Bổ sung biến "Mong đợi về giá" và "Thương hiệu" vào khung lý thuyết gốc, xây dựng bộ chỉ số thực nghiệm hoàn chỉnh phù hợp với đặc thù kinh tế số tại Việt Nam.

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy chuẩn hóa, doanh nghiệp kinh doanh mỹ phẩm trực tuyến có thể áp dụng lộ trình tối ưu hóa 4 giai đoạn:

[Giai đoạn 1: Xây dựng Uy tín & Brand Mall] (Trọng số 31.2%)
  ├── Đăng ký chứng nhận Official Store trên Shopee/Lazada/TikTok Shop
  └── Tích hợp tem chống hàng giả QR Code truy xuất nguồn gốc
        |
        v
[Giai đoạn 2: Tối ưu Hóa Giá & Chiến lược Khuyến mãi] (Trọng số 24.5%)
  ├── Thiết kế chính sách giá cạnh tranh, tặng kèm quà mẫu thử (Minisize)
  └── Áp dụng chiến dịch Freeship Xtra và Voucher tích lũy
        |
        v
[Giai đoạn 3: Giảm thiểu Rủi ro & Nâng cao Niềm tin] (Trọng số 18.6% & 14.2%)
  ├── Áp dụng chính sách "Đồng kiểm khi nhận hàng" & Đổi trả miễn phí 7-15 ngày
  └── Bảo hiểm chất lượng mỹ phẩm, cam kết đền bù 200% nếu phát hiện hàng giả
        |
        v
[Giai đoạn 4: Tối ưu Giao diện UI/UX] (Trọng số 16.4% & 19.8%)
  ├── Tích hợp bộ lọc tìm kiếm theo loại da (da dầu, da khô, da nhạy cảm)
  └── Rút gọn quy trình thanh toán còn dưới 3 bước (One-click Checkout)

Phân tích hiệu quả kinh tế (ROI Projections)

  • Tỷ lệ chuyển đổi (CR): Doanh nghiệp cải thiện đồng bộ giao diện và minh bạch hóa nguồn gốc thương hiệu dự kiến tăng $25 - 35%$ tỷ lệ thêm vào giỏ hàng (Add-to-cart rate).
  • Chi phí giữ chân khách hàng (Retention Cost): Giảm thiểu $40%$ khiếu nại hoàn trả thông qua chính sách đồng kiểm và tư vấn chuẩn xác thành phần mỹ phẩm trực tuyến.

Hạn chế và hướng phát triển

  • Quy mô mẫu và phương pháp chọn mẫu: Mẫu khảo sát $N=200$ tập trung tại TP.HCM theo phương pháp thuận tiện, chưa bao phủ toàn diện các vùng nông thôn hoặc các tỉnh thành khác.
  • Kỹ thuật phân tích: Mô hình mới dừng lại ở phân tích hồi quy tuyến tính OLS thông qua SPSS 20.0, chưa đánh giá được các mối quan hệ gián tiếp hoặc cấu trúc phân cấp phức tạp.
  • Hướng phát triển:
    1. Ứng dụng mô hình phương trình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) hoặc CB-SEM với phần mềm SmartPLS/AMOS để kiểm định biến trung gian (Mediating Variables) và biến điều tiết (Moderating Variables).
    2. Tích hợp nghiên cứu hành vi mua sắm mỹ phẩm qua hình thức Video ngắn và Livestreaming Commerce (TikTok Shop, Shopee Live).

Đối tượng hưởng lợi

  • Sinh viên & Học viên: Cung cấp tài liệu tham khảo chuẩn mực về cấu trúc khóa luận marketing ứng dụng, quy trình thiết kế thang đo Likert và phương pháp chạy thống kê SPSS.
  • Nhà phát triển Web/Ứng dụng TMĐT: Nắm bắt các tiêu chuẩn UI/UX tác động trực tiếp đến nhận thức dễ sử dụng (DSD) và hữu ích (HI) để thiết kế luồng mua hàng thông minh.
  • Doanh nghiệp & Nhà bán lẻ mỹ phẩm: Sở hữu bộ tham số định lượng ($\beta$) chính xác để phân bổ ngân sách marketing vào đúng các đòn bẩy trọng tâm (Thương hiệu, Chính sách giá, Giảm rủi ro).
  • Nhà nghiên cứu kinh tế ứng dụng: Khung dữ liệu nền tảng phục vụ mở rộng phân tích hành vi người tiêu dùng đa kênh (Omnichannel Consumer Behavior).

Câu hỏi thường gặp

  1. Doanh nghiệp mới gia nhập thị trường cần ưu tiên yếu tố nào nhất khi bán mỹ phẩm online? Cần ưu tiên phát triển yếu tố Thương hiệu (Brand Equity, $\beta = 0.312$) kết hợp kiểm soát Nhận thức rủi ro ($\beta = -0.186$). Doanh nghiệp mới nên xây dựng gian hàng chính hãng (Mall), cung cấp đầy đủ giấy chứng nhận kiểm định chất lượng và áp dụng chính sách đổi trả minh bạch.

  2. Tại sao nhân tố Nhận thức rủi ro lại mang dấu âm trong phương trình hồi quy? Về mặt bản chất kinh tế lượng, Nhận thức rủi ro (RR) mang hệ số $\beta = -0.186$ ($p = 0.002 < 0.05$) phản ánh mối quan hệ nghịch biến: Khi cảm nhận rủi ro của khách hàng tăng lên (về tài chính, bảo mật, chất lượng sản phẩm), xác suất đưa ra quyết định mua sắm sẽ sụt giảm tương ứng.

  3. Mô hình có áp dụng được cho ngành hàng thời trang hay công nghệ không? Có thể áp dụng khung phân tích tổng quát (TAM + e-CAM), tuy nhiên trọng số $\beta$ sẽ thay đổi. Ngành thời trang thường chịu chi phối lớn nhất bởi "Mong đợi về giá" và "Sự thích thú", trong khi ngành công nghệ chịu tác động mạnh bởi "Thông số kỹ thuật" và "Chế độ bảo hành".

  4. Làm thế nào để hệ số tin cậy Cronbach's Alpha đạt chuẩn $> 0.70$ khi thu thập dữ liệu? Cần thực hiện bước nghiên cứu định tính sơ bộ để chuẩn hóa câu từ trong bảng hỏi, loại bỏ câu hỏi đa nghĩa, đảm bảo các biến quan sát phản ánh đúng cấu trúc khái niệm và kiểm tra hệ số tương quan biến - tổng (Corrected Item-Total Correlation $\ge 0.30$).

  5. Tại sao không phát hiện sự khác biệt về quyết định mua sắm theo nhóm thu nhập? Kết quả kiểm định One-Way ANOVA ($Sig. > 0.05$) cho thấy mua sắm mỹ phẩm trực tuyến tại TP.HCM đã trở thành phương thức tiêu dùng đại chúng. Nhờ sự đa dạng từ phân khúc bình dân (Drugstore) đến cao cấp (High-end) trên các sàn TMĐT, mọi nhóm thu nhập đều tìm thấy lựa chọn phù hợp.

Kết luận

Công trình nghiên cứu đã hoàn thành toàn diện các mục tiêu học thuật và thực tiễn đề ra. Bằng việc lượng hóa 6 nhóm nhân tố thông qua mô hình hồi quy đa biến ($R^2 = 0.618$), đề tài chứng minh rằng Thương hiệu ($\beta = 0.312$) và Mong đợi về giá ($\beta = 0.245$) là hai động lực tích cực lớn nhất, trong khi Nhận thức rủi ro ($\beta = -0.186$) là rào cản tiêu cực duy nhất chi phối quyết định mua sắm mỹ phẩm trực tuyến tại TP.HCM.

Hệ thống hàm ý quản trị được đề xuất từ nghiên cứu cung cấp cơ sở khoa học vững chắc giúp các nhà quản trị thương mại điện tử định hình chiến lược marketing số, tối ưu hóa giao diện trải nghiệm người dùng và gia tăng năng lực cạnh tranh trong kỷ nguyên chuyển đổi số.