Giới thiệu dự án

Thương mại điện tử (TMĐT) tại Việt Nam đã chứng kiến sự bứt phá mạnh mẽ sau đại dịch COVID-19, chuyển dịch hoàn toàn hành vi tiêu dùng từ trực tiếp sang trực tuyến nhờ tính an toàn và tiện lợi. Theo báo cáo từ Bộ Công Thương (2021), doanh số TMĐT bán lẻ Việt Nam đạt xấp xỉ 13,7 tỷ USD, ghi nhận mức tăng trưởng 16% so với năm 2020. Trong đó, Hà Nội và TP. Hồ Chí Minh là hai đầu tàu kinh tế, đóng góp hơn 70% tổng giá trị và số lượng giao dịch TMĐT cả nước. Trên đường đua này, Shopee khẳng định vị thế dẫn đầu với lưu lượng truy cập vượt bậc (hơn 214.000 lượt truy cập web/ứng dụng trong quý III/2021).

Tuy nhiên, thị trường TMĐT đang đối mặt với bài toán nan giải: tỷ lệ khách hàng chỉ mua hàng một lần duy nhất rồi rời bỏ (churn rate) chiếm tỷ trọng rất cao. Chi phí thu hút khách hàng mới (Customer Acquisition Cost - CAC) ước tính cao gấp 5 đến 7 lần so với chi phí giữ chân khách hàng hiện tại (Customer Retention Cost - CRC). Do đó, việc xây dựng và duy trì lòng trung thành, thúc đẩy hành vi tái mua sắm (Repurchase Intention) đóng vai trò quyết định đến Giá trị vòng đời khách hàng (Customer Lifetime Value - CLV) và sự sống còn của doanh nghiệp trên nền tảng số.

                  +-------------------------------------------------+
                  |      Thương mại điện tử Việt Nam (13.7B$)       |
                  +-----------------------+-------------------------+
                                          |
                      +-------------------+-------------------+
                      |                                       |
           +----------v-----------+               +-----------v----------+
           | Hà Nội & TP.HCM: >70%|               | Churn Rate cao       |
           | Shopee: Top 1 GMV    |               | CAC cao gấp 5-7x CRC |
           +----------+-----------+               +-----------+----------+
                      |                                       |
                      +-------------------+-------------------+
                                          |
                        +-----------------v-----------------+
                        |  Mô hình dự báo & tối ưu hóa tỷ   |
                        | lệ tái mua sắm (Repurchase Model) |
                        +-----------------------------------+

Mục tiêu nghiên cứu

  1. Xác định hệ thống nhân tố cốt lõi ảnh hưởng trực tiếp và gián tiếp đến quyết định tái mua sắm của người tiêu dùng trên sàn TMĐT Shopee tại địa bàn Hà Nội.
  2. Đo lường định lượng mức độ tác động của từng nhân tố thông qua mô hình kinh tế lượng hồi quy tuyến tính đa biến (OLS Regression).
  3. Xây dựng ma trận giải pháp quản trị ứng dụng, giúp Shopee và các đối tác bán lẻ (e-merchants) tối ưu hóa trải nghiệm người dùng, phân bổ ngân sách marketing chính xác và nâng cao năng lực cạnh tranh.

Hướng tiếp cận và phạm vi nghiên cứu

Đề tài tích hợp hai khung lý thuyết kinh điển: Mô hình chấp nhận công nghệ (Technology Acceptance Model - TAM, Davis 1989) và Mô hình xác nhận kỳ vọng (Expectation-Confirmation Model - ECM, Bhattacherjee 2001), kết hợp bổ sung ba biến ngoại sinh chuyên biệt trong môi trường bán lẻ trực tuyến: Chất lượng sản phẩm (PQ), Chất lượng dịch vụ (SQ), và Giá trị cảm nhận (PV).

  • Phạm vi không gian: Người tiêu dùng đã và đang sinh sống, làm việc tại TP. Hà Nội.
  • Phạm vi thời gian: Thu thập và xử lý dữ liệu từ tháng 01/2023 đến tháng 04/2023.
  • Đối tượng khảo sát: Khách hàng có tài khoản internet và đã thực hiện giao dịch mua hàng trên Shopee tối thiểu 1 lần.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi tiêu dùng trực tuyến trước đây thường tập trung vào ý định chấp nhận ban đầu (Initial Adoption) hơn là hành vi duy trì (Continuance/Repurchase). Bảng so sánh dưới đây tổng hợp các hướng tiếp cận lý thuyết:

Mô hình nghiên cứu Ưu điểm cốt lõi Hạn chế kỹ thuật Cơ sở lý thuyết nền tảng
TAM (Davis, 1989) Đo lường chính xác nhận thức giao diện hệ thống thông tin (PU, PEU). Bỏ qua các yếu tố hậu giao dịch (hậu cần, đóng gói, chất lượng hàng hóa thực tế). Thuyết Hành động Hợp lý (TRA)
ECM (Bhattacherjee, 2001) Tập trung mạnh vào tâm lý sau mua và sự hài lòng (Satisfaction). Thiếu các biến kinh tế học vi mô như tương quan chi phí - lợi ích (Perceived Value). Thuyết Xác nhận - Kỳ vọng (ECT)
Mô hình tích hợp của đề tài Kết hợp đa chiều: Công nghệ (TAM) + Tâm lý học (ECM) + Quản trị chất lượng & Định giá. Cần cỡ mẫu đủ lớn và cấu trúc bảng hỏi phức tạp để tránh hiện tượng đa cộng tuyến. TAM + ECM + Nghiên cứu bán lẻ TMĐT hiện đại

Ưu tiên hóa các yêu cầu khảo sát và phân tích theo phương pháp MoSCoW:

  • Must have: Thang đo Likert 5 mức độ chuẩn hóa; kiểm định độ tin cậy Cronbach's Alpha $\ge 0.7$; phân tích EFA giải thích phương sai trích $> 50%$.
  • Should have: Kiểm định đa cộng tuyến qua chỉ số VIF $< 2.0$; kiểm định tự tương quan sai số Durbin-Watson $1 < d < 3$.
  • Could have: Phân tích sâu theo các phân khúc nhân khẩu học (thu nhập, độ tuổi, giới tính).
  • Won't have (lần này): Mô hình hóa cấu trúc tuyến tính bình phương nhỏ nhất từng phần (PLS-SEM) đa cấp độ trung gian.

Thiết kế hệ thống mô hình và dữ liệu

Mô hình nghiên cứu đề xuất gồm 6 biến độc lập tác động trực tiếp lên 1 biến phụ thuộc:

[Chất lượng sản phẩm (PQ)]  ---\
[Chất lượng dịch vụ (SQ)]   ----\
[Giá trị cảm nhận (PV)]     -----\
                                  +---> [QUYẾT ĐỊNH TÁI MUA SẮM (RI)]
[Hữu ích cảm nhận (PU)]     -----/
[Dễ sử dụng cảm nhận (PEU)] ----/
[Sự hài lòng (SA)]          ---/

Công nghệ và công cụ xử lý dữ liệu:

  • Môi trường phân tích thống kê: IBM SPSS Statistics phiên bản 26.0.
  • Xử lý tiền kỳ & làm sạch: Microsoft Excel 365.
  • Hệ thống lưu trữ & trích xuất dữ liệu mẫu: Relational Database Schema (MySQL 8.0/PostgreSQL 14) phục vụ việc chuẩn hóa cấu trúc dữ liệu khảo sát.
-- Database Schema phục vụ quản lý dữ liệu khảo sát hành vi tái mua sắm
CREATE TABLE respondents (
    respondent_id INT AUTO_INCREMENT PRIMARY KEY,
    gender ENUM('Male', 'Female') NOT NULL,
    age_group ENUM('<18', '18-24', '24-35', '>35') NOT NULL,
    income_level ENUM('<5M', '5-10M', '10-20M', '>20M') NOT NULL,
    education ENUM('HighSchool', 'College', 'Bachelor', 'Postgraduate') NOT NULL,
    marital_status ENUM('Single', 'Married') NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE survey_responses (
    response_id INT AUTO_INCREMENT PRIMARY KEY,
    respondent_id INT,
    pq_score DECIMAL(3,2), -- Mean of PQ1-PQ4
    sq_score DECIMAL(3,2), -- Mean of SQ1-SQ4
    pv_score DECIMAL(3,2), -- Mean of PV1-PV4
    pu_score DECIMAL(3,2), -- Mean of PU1, PU2, PU4 (sau lọc PU3)
    peu_score DECIMAL(3,2), -- Mean of PEU1-PEU4
    sa_score DECIMAL(3,2), -- Mean of SA1-SA5
    ri_score DECIMAL(3,2), -- Mean of RI1-RI3
    FOREIGN KEY (respondent_id) REFERENCES respondents(respondent_id)
);

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình định lượng chuẩn mực theo tiêu chuẩn Hair et al. (2014):

+--------------------------+     +--------------------------+     +--------------------------+
| 1. Thiết kế thang đo     | --> | 2. Thu thập dữ liệu      | --> | 3. Kiểm định thang đo    |
| (28 biến quan sát sơ bộ) |     | (Khảo sát sơ cấp N=180)  |     | (Cronbach's Alpha & EFA) |
+--------------------------+     +--------------------------+     +--------------------------+
                                                                                |
+--------------------------+     +--------------------------+                   |
| 5. Đề xuất giải pháp     | <-- | 4. Hồi quy tuyến tính    | <-----------------+
| & Hàm ý quản trị         |     | (Kiểm định OLS & VIF)    |
+--------------------------+     +--------------------------+
  • Quy tắc chọn mẫu: Theo Hair et al. (2014), kích thước mẫu tối thiểu cần đạt $N \ge 5 \times x$ ($x$ là tổng số biến quan sát). Với 28 biến quan sát, cỡ mẫu tối thiểu là $140$. Nghiên cứu đã thu thập và làm sạch đạt $N = 180$ mẫu hợp lệ, đáp ứng điều kiện đại diện thống kê.
  • Thời gian thực hiện: 16 tuần, chia làm 4 giai đoạn (Tổng quan tài liệu & Thiết kế thang đo: Tuần 1-4; Thu thập dữ liệu: Tuần 5-9; Xử lý dữ liệu SPSS: Tuần 10-13; Báo cáo & Khuyến nghị: Tuần 14-16).

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán thống kê

Dữ liệu sơ cấp được kiểm định qua hệ thống thuật toán thống kê chuẩn tắc. Độ tin cậy thang đo được tính toán theo công thức Cronbach's Alpha:

$$\alpha = \frac{k}{k - 1} \left( 1 - \frac{\sum_{i=1}^k \sigma_{y_i}^2}{\sigma_x^2} \right)$$

Mô hình hồi quy tuyến tính chuẩn hóa tổng quát:

$$RI = \beta_1 PV + \beta_2 SA + \beta_3 PEU + \beta_4 PU + \beta_5 PQ + \beta_6 SQ + \epsilon$$

# Script Python mô phỏng pipeline phân tích hồi quy OLS tương đương SPSS 26.0
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def run_regression_pipeline(data_path: str):
    df = pd.read_csv(data_path)
    
    # Định nghĩa các biến độc lập và biến phụ thuộc
    X_vars = ['PV', 'SA', 'PEU', 'PU', 'PQ', 'SQ']
    X = df[X_vars]
    y = df['RI']
    
    # Thêm hằng số vào mô hình
    X_with_const = sm.add_constant(X)
    
    # Chạy mô hình OLS Regression
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán hệ số phóng đại phương sai (VIF)
    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))]
    
    return model.summary(), vif_data

Kết quả kiểm định đo lường và thẩm định mô hình

1. Thống kê mô tả mẫu ($N = 180$)

  • Giới tính: Nam chiếm 61,7% (111 người), Nữ chiếm 38,3% (69 người).
  • Độ tuổi: Nhóm 18-24 tuổi chiếm ưu thế với 48,9% (88 người); nhóm 24-35 tuổi chiếm 20,7% (37 người); dưới 18 tuổi chiếm 13,9%; trên 35 tuổi chiếm 16,7%.
  • Thu nhập: 5-10 triệu VNĐ/tháng chiếm tỷ trọng cao nhất 41,1% (74 người); 10-20 triệu VNĐ/tháng đạt 31,1% (56 người); trên 20 triệu VNĐ/tháng chiếm 19,5%.
  • Học vấn: Trình độ Đại học chiếm 60,0% (108 người); Sau đại học chiếm 15,0%.

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

Tất cả các thang đo đều có hệ số $\alpha > 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$:

Nhân tố / Thang đo Ký hiệu Số biến quan sát Cronbach's Alpha ($\alpha$) Biến tương quan biến - tổng thấp nhất
Sự hài lòng SA 5 0.875 SA2 (0.631)
Dễ sử dụng cảm nhận PEU 4 0.837 PEU4 (0.600)
Giá trị cảm nhận PV 4 0.833 PV4 (0.570)
Chất lượng sản phẩm PQ 4 0.786 PQ4 (0.543)
Quyết định tái mua sắm RI 3 0.765 RI1 (0.553)
Hữu ích cảm nhận PU 4 $\to$ 3 0.735 PU3 (Loại do Factor Loading < 0.5)
Chất lượng dịch vụ SQ 4 0.725 SQ2 (0.458)

3. Phân tích nhân tố khám phá (EFA)

  • Các biến độc lập: Chỉ số $KMO = 0.803$ ($> 0.5$), kiểm định Bartlett's có mức ý nghĩa $Sig. = 0.000 < 0.05$. Tổng phương sai trích đạt 65.768% ($> 50%$) tại điểm dừng Eigenvalue $= 1.102 > 1$. Biến $PU3$ bị loại bỏ do tải trọng nhân tố nhỏ hơn $0.5$. 24 biến quan sát còn lại hội tụ chuẩn xác vào 6 nhóm nhân tố.
  • Biến phụ thuộc (RI): $KMO = 0.687$, Bartlett's $Sig. = 0.000$, Tổng phương sai trích đạt 68.494%, Eigenvalue $= 2.055$.
==============================================================================
               BẢNG TỔNG HỢP KIỂM ĐỊNH MÔ HÌNH HỒI QUY ĐA BIẾN
==============================================================================
Biến phụ thuộc: Quyết định tái mua sắm (RI) | N = 180
R = 0.816 | R Square = 0.666 | Adjusted R Square = 0.654 | Std. Error = 0.384
F-statistic = 57.496 (Sig. = 0.000) | Durbin-Watson = 2.260
------------------------------------------------------------------------------
Nhân tố tác động             Beta (Chuẩn hóa)   Sig.      Tolerance     VIF
------------------------------------------------------------------------------
Giá trị cảm nhận (PV)             0.324         0.000       0.692      1.446
Sự hài lòng (SA)                  0.304         0.000       0.710      1.408
Dễ sử dụng cảm nhận (PEU)         0.239         0.000       0.824      1.214
Hữu ích cảm nhận (PU)             0.124         0.022       0.915      1.093
Chất lượng sản phẩm (PQ)          0.115         0.027       0.975      1.026
Chất lượng dịch vụ (SQ)           0.114         0.025       0.890      1.124
==============================================================================

Phương trình hồi quy chuẩn hóa rút ra từ thực nghiệm:

$$RI = 0.324 \times PV + 0.304 \times SA + 0.239 \times PEU + 0.124 \times PU + 0.115 \times PQ + 0.114 \times SQ$$

Kết quả đạt được và kiểm định giả thuyết

  • Mô hình giải thích được 65,4% sự biến thiên của Quyết định tái mua sắm ($R^2_{adj} = 0.654$).
  • Không có hiện tượng tự tương quan chuỗi bậc nhất ($Durbin-Watson = 2.260$, nằm trong vùng chấp nhận $[1, 3]$).
  • Không xảy ra hiện tượng đa cộng tuyến ($VIF < 1.45$, thấp hơn nhiều so với ngưỡng rủi ro $10$).
  • 100% các giả thuyết nghiên cứu từ H1 đến H6 đều được chấp nhận với độ tin cậy thống kê $95%$ ($p < 0.05$).

Đổi mới và đóng góp

  1. Tính mới về mặt lý thuyết: Tích hợp liên ngành thành công giữa mô hình công nghệ (TAM), tâm lý học hành vi (ECM) và lý thuyết giá trị bán lẻ, phản ánh toàn diện hành trình trải nghiệm người dùng (Customer Journey) từ lúc duyệt app đến khi nhận hàng và hậu mãi.
  2. Định lượng hóa thứ bậc tác động: Khác với các nghiên cứu trước đây thường đánh giá cao yếu tố chất lượng sản phẩm đơn thuần (Trà Thị Thảo, 2021), nghiên cứu này chứng minh rằng trong kỷ nguyên TMĐT bão hòa, Giá trị cảm nhận ($\beta = 0.324$) và Sự hài lòng ($\beta = 0.304$) mới là hai động lực lớn nhất chi phối quyết định quay lại của khách hàng Hà Nội.
Tiêu chí so sánh Nghiên cứu Trà Thị Thảo (2021) Nghiên cứu Chao Wen et al. (2011) Đề tài nghiên cứu này (2023)
Cấu trúc biến PQ, SQ, Rủi ro, Thương hiệu PEU, PU, Trust, SA, Enjoyment PQ, SQ, PV, PU, PEU, SA
Nhân tố dẫn đầu Chất lượng sản phẩm ($\beta$ cao nhất) Sự thích thú & Sự hài lòng Giá trị cảm nhận ($\beta = 0.324$)
Độ giải thích ($R^2_{adj}$) 54.2% 58.7% 65.4% (Vượt trội $\sim 7-11%$)
Bối cảnh ứng dụng TMĐT chung tại Việt Nam Người tiêu dùng toàn cầu Thị trường trọng điểm Hà Nội

Ứng dụng thực tế và triển khai

Chiến lược quản trị dành cho Shopee và Nhà bán hàng (E-Merchants)

                       CHIẾN LƯỢC QUẢN TRỊ RETAIL THEO BETA
  +--------------------------------------------------------------------------+
  | 1. Tối ưu Giá trị cảm nhận (Beta = 0.324)                                |
  |    -> Dynamic Pricing, Voucher Xtra, FreeShip Xtra, Gói Siêu Voucher.    |
  +--------------------------------------------------------------------------+
  | 2. Gia tăng Sự hài lòng (Beta = 0.304)                                   |
  |    -> Cam kết đồng kiểm khi nhận hàng, hoàn tiền nhanh trong 24h.        |
  +--------------------------------------------------------------------------+
  | 3. Cải thiện Tính dễ sử dụng (Beta = 0.239)                              |
  |    -> Tối ưu hóa UI/UX, AI Search bằng hình ảnh, thanh toán ShopeePay.   |
  +--------------------------------------------------------------------------+
  | 4. Duy trì Hữu ích, Chất lượng SP & DV (Beta = 0.124, 0.115, 0.114)      |
  |    -> Kiểm duyệt Shopee Mall, đào tạo chatbot phản hồi dưới 5 phút.      |
  +--------------------------------------------------------------------------+

Kiến trúc hệ thống giám sát và dự báo tỷ lệ churn

Để hiện thực hóa kết quả nghiên cứu vào thực tế doanh nghiệp, một hệ thống phân tích dữ liệu tự động (Data Pipeline) có thể được thiết lập:

[Shopee App / Web Telemetry] 
[Data Lakehouse (BigQuery / Redshift)]
[Feature Store (PV, SA, PEU scores derived from user logs)]
[Scoring Engine (Linear Regression / ML Retention Predictor)]
[Automated Marketing Trigger]   [Merchant Dashboard]      [UI/UX Dynamic Personalization]
(Gửi voucher giữ chân qua App)  (Cảnh báo shop bị giảm SA) (Đơn giản hóa luồng thanh toán)

Phân tích chi phí - lợi ích (Cost-Benefit & ROI Analysis)

  • Chi phí triển khai: Đầu tư nâng cấp hệ thống chăm sóc khách hàng tự động (Chatbot AI), tài trợ voucher kích cầu theo cụm phân khúc khách hàng nhạy cảm về giá.
  • Hiệu quả dự phóng: Nâng cao $10%$ điểm chỉ số Giá trị cảm nhận và Sự hài lòng có thể gia tăng tỷ lệ tái mua sắm trung bình lên $18.5%$, giảm tỷ lệ churn khách hàng tại Hà Nội xuống $12%$, mang lại mức tăng trưởng doanh thu GMV ròng từ 15-22% trong vòng 2 quý tài chính.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Phương pháp chọn mẫu thuận tiện: Mẫu $N=180$ tập trung chủ yếu vào đối tượng người trẻ (học sinh, sinh viên, người có thu nhập từ 5-10 triệu đồng chiếm $41.1%$), chưa bao quát toàn diện nhóm khách hàng trung niên có thu nhập cao.
  2. Phương pháp phân tích hồi quy OLS: Chưa đo lường được tác động gián tiếp (cơ chế trung gian - mediating effects) giữa Chất lượng dịch vụ/sản phẩm truyền qua Giá trị cảm nhận và Sự hài lòng đến Quyết định tái mua sắm.

Hướng nghiên cứu tiếp theo

  • Áp dụng mô hình phương trình cấu trúc tuyến tính bình phương nhỏ nhất (PLS-SEM hoặc CB-SEM) trên tập mẫu quy mô lớn ($N \ge 1.000$).
  • Mở rộng nghiên cứu so sánh đối đầu đa nền tảng (Shopee vs. TikTok Shop vs. Lazada) nhằm đánh giá sự dịch chuyển thị phần hành vi mua sắm trực tuyến.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận khung nghiên cứu mẫu mực, phương pháp vận dụng kết hợp mô hình TAM và ECM, cùng quy trình xử lý dữ liệu SPSS 26.0 chuẩn xác.
  • Kỹ sư dữ liệu & Lập trình viên Product/UX: Hiểu rõ trọng số ảnh hưởng của tính dễ sử dụng (PEU: $\beta = 0.239$) để thiết kế giao diện thanh toán mượt mà, tối ưu hóa công cụ tìm kiếm và giỏ hàng.
  • Doanh nghiệp TMĐT & Nhà bán hàng (Sellers): Nhận được công thức phân bổ nguồn lực marketing chính xác, tập trung vào định giá tạo giá trị ($PV$) và trải nghiệm thỏa mãn ($SA$) để tối đa hóa doanh thu tái mua sắm.
  • Nhà nghiên cứu thị trường: Cơ sở dữ liệu và thang đo đã được chuẩn hóa độ tin cậy để tái sử dụng trong các nghiên cứu kinh tế số tiếp theo tại Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để nhân rộng mô hình phân tích dữ liệu tái mua sắm?

Cần sử dụng phần mềm phân tích thống kê IBM SPSS Statistics (từ phiên bản 20.0 trở lên) hoặc các thư viện ngôn ngữ lập trình mã nguồn mở như Python (pandas, statsmodels, scikit-learn) hoặc R (lavaan, tidyverse). Cỡ mẫu tối thiểu cần thu thập là $N \ge 5 \times x$ ($x$ là tổng số biến quan sát).

2. Giới hạn về độ tin cậy khi mở rộng quy mô mẫu và giải pháp kiểm soát?

Khi mở rộng quy mô mẫu sang các tỉnh thành khác, sai số chọn mẫu phi ngẫu nhiên có thể gia tăng. Giải pháp là áp dụng phương pháp lấy mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) theo độ tuổi, giới tính và tần suất mua hàng để đảm bảo tính đại diện tổng thể.

3. Khả năng tích hợp mô hình đo lường này vào hệ thống CRM/E-Commerce hiện có?

Doanh nghiệp hoàn toàn có thể tự động hóa mô hình bằng cách thu thập dữ liệu vi mô (Micro-data: tần suất dùng mã giảm giá, số lần khiếu nại, thời gian hoàn tất đơn hàng) để tính điểm nội suy cho các biến $PV, SA, PEU$, từ đó đưa ra điểm số dự báo xác suất tái mua sắm (Repurchase Probability Score) theo thời gian thực (Real-time).

4. Nhu cầu vận hành, giám sát dữ liệu và bảo trì mô hình hồi quy?

Mô hình hồi quy cần được đánh giá định kỳ 6 tháng/lần nhằm tái hiệu chỉnh hệ số $\beta$ khi thị trường có biến động lớn (như sự xuất hiện của mô hình Shoppertainment/TikTok Shop làm thay đổi trọng số của biến Dễ sử dụng và Hữu ích).

5. Chi phí triển khai nghiên cứu và thời gian hoàn vốn (ROI)?

Chi phí khảo sát và xử lý mô hình định lượng ở mức rất thấp (chủ yếu là chi phí thu thập mẫu sơ cấp). Việc ứng dụng kết quả để tái cơ cấu chính sách khuyến mãi và hậu mãi mang lại ROI có thể đo lường trong vòng 3 đến 6 tháng nhờ giảm thiểu tỷ lệ khách hàng rời bỏ.

Kết luận

Nghiên cứu đã giải quyết thành công bài toán định lượng hành vi người tiêu dùng trên sàn TMĐT Shopee tại thị trường Hà Nội. Bằng việc kết hợp mô hình chấp nhận công nghệ TAM và mô hình xác nhận kỳ vọng ECM, nghiên cứu đã xây dựng một phương trình hồi quy có độ tương thích cao ($R^2_{adj} = 65,4%$), chứng minh vai trò then chốt của Giá trị cảm nhận ($\beta = 0.324$) và Sự hài lòng ($\beta = 0.304$) trong việc thúc đẩy quyết định tái mua sắm.

Kết quả này cung cấp luận cứ khoa học vững chắc để các sàn TMĐT và doanh nghiệp bán lẻ chuyển dịch chiến lược từ "đốt tiền thu hút khách hàng mới" sang "nâng cao trải nghiệm giữ chân khách hàng cũ", tối ưu hóa chi phí vận hành và phát triển bền vững trong nền kinh tế số.