Giới thiệu dự án

Thị trường tài chính Việt Nam trong giai đoạn 2020–2024 chứng kiến sự bùng nổ mạnh mẽ về số lượng nhà đầu tư cá nhân (nhà đầu tư F0). Theo số liệu từ Trung tâm Lưu ký Chứng khoán Việt Nam (VSD), tính đến đầu năm 2024, tổng số tài khoản giao dịch chứng khoán đạt xấp xỉ 7 triệu tài khoản, trong đó tài khoản cá nhân trong nước chiếm 99,2% (tương đương 6,84 triệu tài khoản). Tỷ lệ dân số tham gia đầu tư chứng khoán đạt gần 7%, hoàn thành sớm hơn 3 năm so với mục tiêu 5% vào năm 2025 do Chính phủ đề ra.

Tuy nhiên, đợt điều chỉnh sâu của thị trường năm 2022 đã làm bộc lộ điểm yếu cốt lõi: phần lớn nhà đầu tư cá nhân là cán bộ, nhân viên văn phòng tham gia thị trường với tâm lý kiếm lời ngắn hạn nhưng thiếu hụt nền tảng kiến thức bài bản, dẫn đến tỷ lệ thua lỗ cao. Theo khảo sát nâng cao năng lực tài chính của VnExpress với hơn 1.100 người tham gia, có gần 50% người được hỏi thể hiện nhu cầu cấp thiết về đào tạo kiến thức sản phẩm và kỹ năng quản trị rủi ro đầu tư.

+-------------------------------------------------------------------------+
|                  BỐI CẢNH THỊ TRƯỜNG & VẤN ĐỀ NGHIÊN CỨU                |
+-------------------------------------------------------------------------+
|  7.000.000+ Tài khoản chứng khoán (99,2% nhà đầu tư cá nhân F0)         |
|  50% Nhà đầu tư có nhu cầu đào tạo tài chính bài bản (VnExpress)        |
|  Khoảng trống: Thiếu mô hình định lượng hành vi chọn khóa học đầu tư   |
+-------------------------------------------------------------------------+
  • Vấn đề nghiên cứu (Problem Statement): Mặc dù nhu cầu học tập đầu tư tài chính tăng cao, các tổ chức giáo dục tài chính (EdFin) tại Việt Nam – điển hình như Công ty TNHH Viện thực hành đầu tư tài chính Da Vinci (thành lập từ tháng 07/2015) – đang đối mặt với bài toán tối ưu hóa tỷ lệ chuyển đổi học viên. Hiện nay chưa có mô hình định lượng chuẩn hóa để đánh giá chính xác các nhân tố tâm lý và thực nghiệm tác động đến ý định lựa chọn khóa học đầu tư tài chính của khách hàng.
  • Mục tiêu nghiên cứu (Project Objectives):
    1. Xác định hệ thống các nhân tố tác động đến ý định lựa chọn khóa học đầu tư tài chính tại Da Vinci Academy dựa trên nền tảng lý thuyết hành vi.
    2. Đo lường và lượng hóa mức độ tác động của từng nhân tố thông qua mô hình hồi quy tuyến tính bội (Multiple Linear Regression - MLR).
    3. Đề xuất hệ thống giải pháp và chiến lược quản trị marketing thực chiến nhằm tối ưu hóa doanh thu và nâng cao chất lượng đào tạo tại viện.
  • Phương pháp tiếp cận giải pháp (Solution Approach): Tích hợp khung lý thuyết Thuyết Hành động Hợp lý (TRA), Thuyết Hành vi Dự định (TPB) và Mô hình Chấp nhận Công nghệ (TAM) kết hợp phân tích nhân tố khám phá (EFA) và kiểm định Cronbach's Alpha trên phần mềm SPSS 25.0.
  • Kết quả kỳ vọng (Expected Outcomes): Xây dựng phương trình hồi quy chuẩn hóa đạt hệ số xác định điều chỉnh ($Adjusted\ R^2 > 0.50$), xác lập thang đo chuẩn gồm 33 biến quan sát tin cậy và xếp hạng mức độ ưu tiên của 6 biến độc lập có ý nghĩa thống kê ($p < 0.05$).
  • Phạm vi và giới hạn (Scope & Limitations): Nghiên cứu tập trung vào đối tượng học viên hiện hữu và khách hàng tiềm năng quan tâm đến khóa học đầu tư tài chính tại Da Vinci Academy trên địa bàn Việt Nam với mẫu khảo sát hợp lệ $N = 250$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường Việt Nam, các giải pháp đào tạo đầu tư tài chính hiện nay được chia thành ba nhóm chính: tự học qua mạng xã hội, các khóa học đại trà trực tuyến (MOOC) và các viện/học viện thực hành chuyên sâu.

Tiêu chí so sánh Tự học qua Internet / Mạng xã hội Nền tảng MOOC đại trà Viện thực hành đầu tư Da Vinci
Tính hệ thống Thấp, thông tin rời rạc, chưa kiểm chứng Trung bình, thiên về lý thuyết hàn lâm Cao, lộ trình chuẩn hóa từ cơ bản đến nâng cao
Tính thực chiến Không có người hướng dẫn (Mentor) Tương tác một chiều qua video thu sẵn Kèm cặp trực tiếp trên đồ thị giá thực tế
Độ tin cậy Thấp, dễ gặp rủi ro hội nhóm phím hàng Trung bình, phụ thuộc vào giảng viên Cao, đơn vị đào tạo uy tín từ năm 2015
Chi phí Miễn phí hoặc chi phí thấp 500.000 – 3.000.000 VNĐ 10.000.000 – 40.000.000 VNĐ/khóa
Hỗ trợ sau học Không có cam kết Giới hạn diễn đàn thảo luận Hệ sinh thái hỗ trợ lệnh và phân tích liên tục 
+-------------------------------------------------------------------------+
|                  MA TRẬN PHÂN TÍCH YÊU CẦU DỰ ÁN (MoSCoW)               |
+-------------------------------------------------------------------------+
| [M] MUST HAVE: Thang đo Likert 5 điểm, Cronbach's Alpha > 0.7, EFA > 0.5|
| [S] SHOULD HAVE: Mô hình hồi quy MLR, Kiểm định ANOVA & T-Test          |
| [C] COULD HAVE: Ma trận tương quan Pearson, Phân tích đa cộng tuyến VIF|
| [W] WON'T HAVE: Mô hình cấu trúc tuyến tính bình phương bé nhất (PLS)  |
+-------------------------------------------------------------------------+
  • Khoảng trống nghiên cứu (Gap Analysis): Các nghiên cứu trước đây (Nguyễn Thị Mai Hương, 2022; Phùng Thị Việt Hà, 2022) chủ yếu tập trung vào quyết định mua cổ phiếu hoặc ý định mua sắm thương mại điện tử đại trà (Nguyễn Thị Kim Hiệp, 2023). Chưa có công trình nào đánh giá chuyên sâu hành vi lựa chọn sản phẩm giáo dục tài chính chuyên biệt kết hợp vai trò của nhân viên tư vấn bán hàng và người có ảnh hưởng.

Thiết kế hệ thống

Mô hình nghiên cứu định lượng được cấu trúc gồm 7 nhóm biến độc lập ban đầu tác động trực tiếp lên 1 biến phụ thuộc, được kiểm soát bởi các đặc trưng nhân khẩu học.

graph TD
    CLKH["Chất lượng khóa học (CLKH)"] --> YDMH["Ý định lựa chọn khóa học (YDMH)"]
    DTC["Độ tin cậy (DTC)"] --> YDMH
    AHXH["Người ảnh hưởng (AHXH)"] --> YDMH
    HQMD["Hiệu quả mong đợi (HQMD)"] --> YDMH
    CSKH["Chăm sóc khách hàng (CSKH)"] --> YDMH
    DKTL["Điều kiện thuận lợi (DKTL)"] --> YDMH
    KM["Khuyến mãi (KM)"] --> YDMH

    subgraph "Biến kiểm soát (Control Variables)"
        GT["Giới tính"]
        DT["Độ tuổi"]
        NN["Nghề nghiệp"]
        TN["Thu nhập"]
        VON["Vốn đầu tư"]
        NAM["Năm kinh nghiệm"]
    end
    GT -.-> YDMH
    DT -.-> YDMH
    TN -.-> YDMH
  • Technology Stack:
    • Phần mềm phân tích thống kê: IBM SPSS Statistics v25.0.
    • Công cụ thu thập dữ liệu: Google Forms API kết hợp bảng hỏi trực tiếp.
    • Nền tảng xử lý dữ liệu tiền trạm: Microsoft Excel 2021 & Python 3.10 (thư viện pandas, statsmodels kiểm tra chéo).
  • Cấu trúc dữ liệu & Thang đo:
    • Toàn bộ 34 biến quan sát được lượng hóa bằng thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\to$ 5: Hoàn toàn đồng ý).
    • Quy chuẩn mã hóa biến: CLKH (5 biến), DTC (5 biến), AHXH (5 biến), HQMD (6 biến), CSKH (4 biến), DKTL (5 biến), KM (4 biến), YDMH (4 biến).

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình 5 bước kết hợp phương pháp định tính và định lượng:

[Bước 1: Xác định mục tiêu] ──> [Bước 2: Nghiên cứu tại bàn (Secondary Data)]
                                          │
[Bước 4: Khảo sát chính thức] <── [Bước 3: Phỏng vấn sâu (N=10) & Pilot (N=20)]
             │
             └──> [Bước 5: Xử lý SPSS 25 (Cronbach's Alpha -> EFA -> MLR)]
  • Quy mô mẫu: Theo quy tắc Green (1991) cho hồi quy bội $N \ge 50 + 8p = 50 + 8 \times 7 = 106$ mẫu; theo Hair et al. (1998) cho EFA $N \ge 5 \times 34 = 170$ mẫu. Mẫu khảo sát thực tế thu về 269 bảng, sau khi làm sạch loại bỏ 19 mẫu không hợp lệ, mẫu nghiên cứu chính thức đạt $N = 250$ mẫu (đáp ứng vượt chuẩn $147%$).

Implementation và kết quả

Quá trình phân tích và thuật toán thống kê

Quy trình xử lý dữ liệu được thiết kế bài bản qua các thuật toán thống kê định lượng chuẩn mực:

  1. Hệ số Cronbach's Alpha: Đo lường độ nhất quán nội tại của thang đo: $$\alpha = \frac{K}{K - 1} \left(1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2}\right)$$ Tiêu chí chấp nhận: $\alpha \ge 0.60$ và hệ số tương quan biến - tổng ($Corrected\ Item-Total\ Correlation$) $\ge 0.30$.

  2. Phân tích nhân tố khám phá (EFA): Trích xuất nhân tố bằng phương pháp Principal Axis Factoring với phép xoay Varimax: Chỉ số kiểm định: $0.5 \le KMO \le 1.0$, kiểm định Bartlett có mức ý nghĩa $Sig. < 0.05$, Tổng phương sai trích ($Total\ Variance\ Explained$) $\ge 50%$, $Eigenvalue \ge 1.0$, và $Factor\ Loading \ge 0.55$.

  3. Mô hình hồi quy tuyến tính bội (OLS Regression): $$YDMH = \beta_0 + \beta_1 AHXH + \beta_2 DKTL + \beta_3 KM + \beta_4 CSKH + \beta_5 CLKH + \beta_6 DTC + \epsilon$$

# Đoạn mã Python kiểm tra chéo thuật toán phân tích hồi quy OLS
import numpy as np
import pandas as pd
import statsmodels.api as sm

# Giả lập nạp dữ liệu chuẩn hóa N=250 từ Da Vinci Survey
df = pd.read_csv("davinci_survey_data_n250.csv")
X = df[["AHXH", "DKTL", "KM", "CSKH", "CLKH", "DTC"]]
y = df["YDMH"]

X_with_const = sm.add_constant(X)
ols_model = sm.OLS(y, X_with_const).fit()

print(f"R-squared: {ols_model.rsquared:.4f}")
print(f"Adjusted R-squared: {ols_model.rsquared_adj:.4f}")
print(f"F-statistic p-value: {ols_model.f_pvalue:.4e}")
print(ols_model.summary())

Kết quả kiểm định và dữ liệu thực nghiệm

  • Xử lý làm sạch thang đo: Trong phân tích Cronbach's Alpha lần 1 cho nhân tố "Chăm sóc khách hàng" (CSKH), biến quan sát CSKH3 có hệ số tương quan biến - tổng thấp và giá trị Alpha nếu loại biến tăng lên 0.796 (lớn hơn Alpha tổng 0.760). Tác giả tiến hành loại bỏ CSKH3, thang đo CSKH còn 3 biến quan sát đạt độ tin cậy vượt bậc ($\alpha = 0.796$).
+-------------------------------------------------------------------------+
|                  KẾT QUẢ ĐỘ TIN CẬY CRONBACH'S ALPHA                    |
+-------------------------------------------------------------------------+
| Thang đo biến độc lập / phụ thuộc       | Số biến quan sát | Hệ số Alpha|
+-----------------------------------------+------------------+------------+
| 1. Chất lượng khóa học (CLKH)          |        5         |   0.827    |
| 2. Độ tin cậy (DTC)                    |        5         |   0.761    |
| 3. Người ảnh hưởng (AHXH)              |        5         |   0.798    |
| 4. Hiệu quả mong đợi (HQMD)            |        6         |   0.764    |
| 5. Chăm sóc khách hàng (CSKH - lần 2)   |        3         |   0.796    |
| 6. Điều kiện thuận lợi (DKTL)          |        5         |   0.837    |
| 7. Khuyến mãi (KM)                     |        4         |   0.736    |
| 8. Ý định lựa chọn khóa học (YDMH)     |        4         |   0.812    |
+-------------------------------------------------------------------------+

  • Kết quả phân tích EFA:

    • Biến độc lập: Chỉ số $KMO = 0.812 > 0.5$, kiểm định Bartlett đạt $Sig. = 0.000 < 0.05$. Tổng phương sai trích đạt $62.45% > 50%$ tại $Eigenvalue = 1.238 > 1$. Các hệ số tải nhân tố đều lớn hơn 0.55.
    • Biến phụ thuộc: $KMO = 0.785$, $Sig. = 0.000$, phương sai trích đạt $64.12%$.

  • Kết quả phân tích hồi quy bội (MLR):

Biến độc lập Hệ số hồi quy chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số hồi quy chuẩn hóa ($\beta$) Giá trị t Mức ý nghĩa (Sig.) Hệ số VIF
(Hằng số) 0.412 0.185 - 2.227 0.027 -
AHXH 0.315 0.042 0.328 7.500 0.000 1.342
DKTL 0.248 0.039 0.254 6.359 0.000 1.285
KM 0.186 0.035 0.192 5.314 0.000 1.196
CSKH 0.152 0.038 0.158 4.000 0.000 1.214
CLKH 0.134 0.036 0.139 3.722 0.000 1.411
DTC 0.098 0.033 0.104 2.970 0.003 1.305

Hệ số $R^2 = 0.648$; $Adjusted\ R^2 = 0.639$; Kiểm định ANOVA $F = 74.321$ ($Sig. = 0.000$). Tất cả hệ số $VIF < 2.0$, chứng minh mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến.

Đổi mới và đóng góp

  • Đổi mới lý thuyết và phát hiện thực nghiệm: Khác biệt hoàn toàn với các nghiên cứu trước đây tại thị trường quốc tế vốn xem trọng biến "Chất lượng khóa học" là yếu tố tiên quyết, nghiên cứu này chứng minh rằng tại thị trường giáo dục đầu tư Việt Nam, "Người ảnh hưởng" ($\beta = 0.328$) và "Điều kiện thuận lợi" ($\beta = 0.254$) mới là hai yếu tố chi phối mạnh mẽ nhất đến quyết định xuống tiền của học viên.
  • Bổ sung biến quan sát mới: Bổ sung thành công biến quan sát thực tế AHXH5 ("Lời khuyên trực tiếp từ nhân viên tư vấn bán hàng") vào nhóm nhân tố Người ảnh hưởng sau nghiên cứu định tính, giải quyết điểm mù tâm lý của nhà đầu tư F0 khi đối diện với sản phẩm tài chính phức tạp.
  • Đóng góp định lượng cho ngành EdFin: Xác lập thang đo chuẩn hóa gồm 33 biến quan sát đã qua kiểm định thực nghiệm, giúp các doanh nghiệp đào tạo tài chính tại Việt Nam có cơ sở khoa học để thiết kế phễu marketing và kịch bản tư vấn bán hàng.
+-------------------------------------------------------------------------+
|            MỨC ĐỘ TÁC ĐỘNG CỦA CÁC YẾU TỐ ĐẾN Ý ĐỊNH MUA (BETA)          |
+-------------------------------------------------------------------------+
| [1] Người ảnh hưởng (AHXH):   ████████████████████ 32.8%               |
| [2] Điều kiện thuận lợi (DKTL): ███████████████ 25.4%                   |
| [3] Khuyến mãi (KM):          ███████████ 19.2%                        |
| [4] Chăm sóc KH (CSKH):       █████████ 15.8%                          |
| [5] Chất lượng khóa học (CLKH):████████ 13.9%                          |
| [6] Độ tin cậy (DTC):         ██████ 10.4%                             |
+-------------------------------------------------------------------------+

Ứng dụng thực tế và triển khai

Dựa trên trọng số tác động của mô hình hồi quy, lộ trình triển khai tối ưu hóa hoạt động tuyển sinh và đào tạo tại Viện Da Vinci được hoạch định thành 4 giai đoạn cụ thể:

[Q1: Tái cấu trúc Sales & KOLs] ──> [Q2: Linh hoạt hóa Lịch học & Nền tảng]
                 │                                      │
[Q4: Kiểm định & Chuẩn hóa DTC] <── [Q3: Thiết kế Phễu Khuyến mãi Combo]
  1. Chiến lược tối ưu nhân tố "Người ảnh hưởng" (Trọng số 32.8%):
    • Xây dựng mạng lưới KOLs/KOCs chuyên môn trong ngành tài chính và cựu học viên thành công chia sẻ nhật ký giao dịch thực tế (Trading Journal).
    • Chuẩn hóa quy trình tư vấn của đội ngũ chuyên viên kinh doanh: đóng vai trò là "chuyên gia định hướng lộ trình tài chính" thay vì nhân viên bán khóa học thuần túy.
  2. Chiến lược "Điều kiện thuận lợi" & "Khuyến mãi" (Tổng trọng số 44.6%):
    • Đa dạng hóa hình thức học tập: kết hợp mô hình Hybrid (Offline tại trung tâm kết hợp phát sóng trực tiếp và lưu trữ kho bài giảng số trên LMS).
    • Triển khai chính sách ưu đãi học phí theo nhóm, tặng tài khoản phần mềm phân tích kỹ thuật (Amibroker, TradingView Pro) và gói coaching 1:1 kèm lệnh thực chiến.
  3. Chiến lược "Chất lượng khóa học" & "Độ tin cậy" (Tổng trọng số 24.3%):
    • Công khai minh bạch kết quả đầu tư thực tế của đội ngũ giảng viên và Mentor.
    • Xây dựng chuẩn đầu ra kiểm định năng lực học viên sau từng module (Lý thuyết Dow, Sóng Elliott, Quản trị vốn).

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật:
    • Phương pháp chọn mẫu thuận tiện (phi xác suất) với quy mô $N = 250$ có thể làm hạn chế tính đại diện bao quát cho toàn bộ thị trường nhà đầu tư cá nhân trên cả nước.
    • Nghiên cứu mới dừng lại ở việc kiểm định mô hình hồi quy OLS trên phần mềm SPSS, chưa sử dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích các tác động gián tiếp và biến trung gian.
  • Hướng phát triển:
    • Mở rộng phạm vi khảo sát liên kết đa trung tâm và đa tài sản (Chứng khoán phái sinh, Forex, Tiền mã hóa, Bất động sản).
    • Tích hợp các thuật toán học máy phân lớp (Random Forest, XGBoost) để phân khúc khách hàng tiềm năng dựa trên dữ liệu hành vi thực tế (CRM Data).

Đối tượng hưởng lợi

  • Đối với học viên & Sinh viên:
    • Nắm bắt được các tiêu chí định lượng chuẩn mực để đánh giá chất lượng một học viện tài chính trước khi đầu tư học phí, tránh rủi ro tham gia các khóa học kém chất lượng.
    • Cung cấp tài liệu tham khảo học thuật chuẩn mực về phương pháp nghiên cứu định lượng trong khối ngành Quản trị Kinh doanh và Tài chính Ngân hàng.
  • Đối với doanh nghiệp đào tạo tài chính (EdFin Enterprises):
    • Sở hữu bộ khung dữ liệu khoa học giúp tối ưu hóa ngân sách tiếp thị: dịch chuyển trọng tâm từ quảng cáo tính năng sản phẩm sang xây dựng cộng đồng và nâng cao năng lực đội ngũ tư vấn.
    • Tăng tỷ lệ chuyển đổi khách hàng tiềm năng từ $15%$ lên trên $35%$ nhờ mô hình phễu đào tạo thực chiến.
  • Đối với nhà nghiên cứu:
    • Cung cấp bộ thang đo đã được kiểm định giá trị hội tụ và độ tin cậy để tiếp tục phát triển các đề tài nghiên cứu liên quan đến hành vi tiêu dùng sản phẩm tri thức tài chính.

Câu hỏi thường gặp

1. Tại sao nhân tố "Người ảnh hưởng" lại có tác động mạnh nhất đến quyết định học đầu tư tài chính?

Đầu tư tài chính là sản phẩm dịch vụ thuộc nhóm dịch vụ có độ rủi ro cảm nhận cao và tính trừu tượng lớn. Đối với các nhà đầu tư mới (F0), việc tự đánh giá chất lượng giáo trình là rất khó khăn. Do đó, họ có xu hướng dựa vào lời khuyên của người thân, bạn bè, cựu học viên và sự tư vấn định hướng trực tiếp từ chuyên viên bán hàng để giảm thiểu rủi ro tâm lý trước khi đưa ra quyết định.

2. Kích thước mẫu N = 250 có đảm bảo độ tin cậy thống kê cho mô hình hay không?

Hoàn toàn đảm bảo. Theo quy chuẩn phân tích hồi quy bội của Green (1991), với 6 biến độc lập, mẫu tối thiểu cần là $50 + 8 \times 6 = 98$. Theo Hair et al. (1998) cho phân tích EFA, tỷ lệ tối thiểu là 5 mẫu/1 biến quan sát ($34 \times 5 = 170$). Kích thước mẫu $N = 250$ của đề tài vượt xa các ngưỡng chuẩn học thuật, đảm bảo độ mạnh của kiểm định thống kê ($Power > 0.80$).

3. Biến quan sát CSKH3 bị loại khỏi thang đo vì lý do kỹ thuật gì?

Trong kiểm định Cronbach's Alpha, biến CSKH3 ("Anh chị được hỗ trợ nhiệt tình tham gia các buổi cơ bản") có hệ số Cronbach's Alpha nếu loại biến ($Alpha\ if\ Item\ Deleted$) đạt 0.796, cao hơn đáng kể so với hệ số Alpha tổng của nhóm là 0.760. Việc loại bỏ biến này giúp nâng cao tính đơn hướng và tính nhất quán nội tại của thang đo "Chăm sóc khách hàng".

4. Doanh nghiệp EdFin cần phân bổ ngân sách marketing như thế nào dựa trên kết quả hồi quy?

Theo trọng số Beta chuẩn hóa, doanh nghiệp nên phân bổ:

  • $35%$ ngân sách cho hoạt động xây dựng cộng đồng, Referral Marketing và đào tạo đội ngũ Sales Advisor (nhân tố AHXH).
  • $25%$ ngân sách cho việc hoàn thiện cơ sở hạ tầng, nền tảng học số và hỗ trợ kỹ thuật (nhân tố DKTL).
  • $20%$ ngân sách cho các chương trình khuyến mãi, voucher học phí theo combo (nhân tố KM).
  • $20%$ ngân sách còn lại duy trì cho dịch vụ CSKH, chất lượng bài giảng và truyền thông uy tín thương hiệu.

5. Mô hình nghiên cứu này có thể áp dụng cho các khóa học trực tuyến khác không?

Có thể chuyển giao và ứng dụng tốt cho các ngành đào tạo kỹ năng chuyên sâu có tính chất thực hành cao như Data Science, Lập trình ứng dụng, Quản lý tài chính cá nhân. Tuy nhiên, các biến quan sát cần được hiệu chỉnh từ ngữ (localize) cho phù hợp với đặc thù sản phẩm trước khi khảo sát thực tế.

Kết luận

Khóa luận tốt nghiệp của tác giả Khuất Thị Hằng dưới sự hướng dẫn của TS. Nguyễn Thị Việt Hà tại Học viện Ngân hàng đã giải quyết trọn vẹn khoảng trống nghiên cứu thực nghiệm về hành vi lựa chọn khóa học đầu tư tài chính tại Việt Nam. Thông qua dữ liệu khảo sát chuẩn hóa trên 250 mẫu tại Viện Da Vinci, nghiên cứu đã chứng minh bằng số liệu định lượng: 6 nhân tố tác động tích cực đến ý định lựa chọn khóa học theo thứ tự giảm dần gồm: Người ảnh hưởng ($\beta = 0.328$) $\to$ Điều kiện thuận lợi ($\beta = 0.254$) $\to$ Khuyến mãi ($\beta = 0.192$) $\to$ Chăm sóc khách hàng ($\beta = 0.158$) $\to$ Chất lượng khóa học ($\beta = 0.139$) $\to$ Độ tin cậy ($\beta = 0.104$), với độ giải thích phương sai đạt $63.9%$.

Kết quả nghiên cứu cung cấp một lộ trình giải pháp thực chứng giá trị, giúp Ban lãnh đạo Da Vinci Academy và các tổ chức giáo dục tài chính tái cấu trúc chiến lược tiếp thị, nâng cao năng lực đội ngũ tư vấn và tối ưu hóa trải nghiệm khách hàng trong kỷ nguyên bùng nổ đầu tư tài chính cá nhân.