Giới thiệu dự án

Thị trường kinh tế chia sẻ (Sharing Economy) và dịch vụ vận tải công nghệ tại Việt Nam đang chứng kiến sự chuyển dịch mang tính bước ngoặt. Tính đến năm 2024, Việt Nam ghi nhận 78,44 triệu người dùng Internet, chiếm 79,1% dân số (We Are Social, 2024). Quy mô thị trường gọi xe công nghệ năm 2023 đạt mốc 18,1 triệu người dùng, tăng trưởng 11% so với cùng kỳ năm trước (Mordor Intelligence, 2024). Tại Thành phố Hồ Chí Minh – trung tâm kinh tế có mật độ dân số và lưu lượng phương tiện lớn nhất cả nước – nhu cầu di chuyển linh hoạt của nhóm khách hàng Thế hệ Y (Gen Y) và Thế hệ Z (Gen Z) đã thúc đẩy các nền tảng số hóa cạnh tranh khốc liệt.

Sự ra mắt của Công ty Cổ phần Di chuyển Xanh và Thông minh (GSM) với thương hiệu taxi thuần điện Xanh SM vào ngày 14/04/2023 đã mở ra kỷ nguyên phương tiện giao thông xanh. Chỉ sau một năm hoạt động, Xanh SM nhanh chóng mở rộng phạm vi ra 36 tỉnh thành, vận hành hơn 20.000 ô tô điện và 60.000 xe máy điện, phục vụ trên 50 triệu lượt khách. Báo cáo của Decision Lab (Q1/2024) chỉ ra rằng 35% người dùng tại Việt Nam đã sử dụng Xanh SM, vượt qua các thương hiệu truyền thống lâu năm như Taxi Mai Linh (25%) và đối thủ gọi xe Be (24%), chỉ xếp sau Grab (64%).

+-------------------------------------------------------------------------------+
|                    BỐI CẢNH THỊ TRƯỜNG GỌI XE CÔNG NGHỆ 2024                 |
+------------------------------------+------------------------------------------+
| Quy mô người dùng tại Việt Nam     | 18,1 triệu người (Tăng trưởng 11% YoY)   |
| Dân số tiếp cận Internet           | 78,44 triệu người (79,1% tổng dân số)    |
| Tỷ lệ thâm nhập Xanh SM (Q1/2024)  | 35% (Vượt Be 24% & Mai Linh 25%)         |
| Thị phần Grab (Tham chiếu đầu ngành)| 64%                                      |
+------------------------------------+------------------------------------------+

Tuy nhiên, bài toán giữ chân người dùng (Customer Retention) và duy trì ý định tiếp tục sử dụng (Continuance Intention) trong một thị trường có hơn 20 thương hiệu cạnh tranh trực tiếp là thách thức sống còn. Các rào cản chính bao gồm:

  • Chi phí thu hút khách hàng mới (CAC) ngày càng cao trong bối cảnh các chiến dịch trợ giá cạn dần.
  • Sự biến động trong lòng trung thành của người dùng Gen Z khi trải nghiệm ứng dụng gặp lỗi kết nối hoặc thời gian chờ xe kéo dài.
  • Thiếu hụt các nghiên cứu định lượng chuyên sâu tích hợp yếu tố Sự tin tưởng (Trust) vào khung lý thuyết chấp nhận công nghệ tại thị trường vận tải thuần điện TP.HCM.

Đề tài khóa luận tốt nghiệp "Các nhân tố ảnh hưởng đến ý định tiếp tục sử dụng dịch vụ đặt xe công nghệ Xanh SM của khách hàng tại Thành phố Hồ Chí Minh" do tác giả Võ Ngọc Khánh Vy thực hiện tại Trường Đại học Ngân hàng TP.HCM (HUB) được xây dựng nhằm giải quyết triệt để bài toán trên.

Mục tiêu nghiên cứu cụ thể:

  1. Xác định các nhân tố cấu thành ảnh hưởng đến ý định tiếp tục sử dụng dịch vụ Xanh SM của khách hàng tại TP.HCM dựa trên mô hình UTAUT2 mở rộng.
  2. Đo lường mức độ tác động tương đối (trọng số hồi quy chuẩn hóa $\beta$) của từng nhân tố: Hiệu suất kỳ vọng, Nỗ lực kỳ vọng, Điều kiện thuận lợi, Giá trị kinh tế, Sự tin tưởng và Ảnh hưởng xã hội.
  3. Đề xuất hệ thống hàm ý quản trị, giải pháp tối ưu hóa hạ tầng kỹ thuật, thuật toán điều phối và chiến lược định giá nhằm tối đa hóa tỷ lệ giữ chân khách hàng.

Phạm vi và giới hạn nghiên cứu:

  • Đối tượng khảo sát: Khách hàng sinh sống, học tập và làm việc tại TP.HCM đã từng trực tiếp trải nghiệm dịch vụ Xanh SM.
  • Thời gian thu thập dữ liệu: Từ tháng 07/2024 đến tháng 09/2024.
  • Giới hạn: Đánh giá cắt ngang (Cross-sectional study) thông qua phương pháp lấy mẫu thuận tiện phi xác suất ($N = 274$).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường dịch vụ vận chuyển hành khách đô thị hiện nay phân bổ thành ba nhóm giải pháp chính: Taxi truyền thống, Dịch vụ xe công nghệ động cơ đốt trong (ICE) và Dịch vụ xe công nghệ thuần điện (EV).

Tiêu chí phân tích Taxi truyền thống (Vinasun, Mai Linh) Xe công nghệ ICE (Grab, Be) Xe công nghệ thuần điện (Xanh SM)
Minh bạch giá cước Đồng hồ cơ học, dễ phát sinh tranh chấp Thuật toán Surge Pricing biến động theo thời gian thực Giá cước niêm yết cố định trên ứng dụng, ít biến động sốc
Trải nghiệm phương tiện Chất lượng không đồng đều, mùi xăng dầu Phương tiện cá nhân đối tác, tiêu chuẩn phân tán 100% xe điện VinFast mới, không mùi, không phát thải
Chất lượng tài xế Đào tạo nghiệp vụ cơ bản Đội ngũ đối tác độc lập, khó kiểm soát thái độ Đào tạo quy chuẩn dịch vụ 5 sao, quản lý trực tiếp
Hạ tầng công nghệ Tổng đài điều phối, app thứ cấp Nền tảng Cloud Native, thuật toán matching tối ưu App Xanh SM chuyên biệt, đang nâng cấp liên tục

Áp dụng phương pháp phân loại yêu cầu người dùng theo mô hình MoSCoW:

  • Must have (Bắt buộc có): Ứng dụng hoạt động ổn định trên Android/iOS; thuật toán định vị GPS chính xác; tính năng thanh toán không tiền mặt bảo mật; đội ngũ tài xế lịch sự, an toàn.
  • Should have (Nên có): Cơ chế định giá cước minh bạch; dịch vụ hỗ trợ khách hàng tức thì (Live-chat 24/7); hiển thị lượng phát thải $CO_2$ tiết kiệm sau mỗi chuyến đi.
  • Could have (Có thể có): Tích hợp hệ sinh thái VinFast (sạc điện, Vinpearl, Vinhomes); tùy chọn cá nhân hóa nhiệt độ và âm nhạc trên xe.
  • Won't have (Không ưu tiên giai đoạn này): Tính năng đi chung xe ghép tuyến (Carpooling) phức tạp hóa thuật toán định tuyến.

Thiết kế hệ thống mô hình nghiên cứu

Mô hình nghiên cứu kế thừa Lý thuyết Hợp nhất về Chấp nhận và Sử dụng Công nghệ mở rộng (UTAUT2 - Venkatesh et al., 2012), kết hợp bổ sung nhân tố Sự tin tưởng (STT) (Jiang & Lau, 2021; Joia & Altieri, 2018) và Giá trị kinh tế (GTKT) để tạo thành khung phân tích toàn diện.

Chi tiết thang đo và cấu trúc biến quan sát (31 biến chỉ báo):

  • Hiệu suất kỳ vọng (HSKV - 4 biến): Đo lường tính hữu ích, tốc độ di chuyển, tiết kiệm thời gian và nâng cao hiệu suất cá nhân (HSKV1 -> HSKV4).
  • Nỗ lực kỳ vọng (NLKV - 5 biến): Đánh giá mức độ dễ học, thao tác đơn giản, giao diện trực quan của ứng dụng Xanh SM (NLKV1 -> NLKV5).
  • Ảnh hưởng xã hội (AHXH - 4 biến): Ý kiến tác động từ gia đình, bạn bè, đồng nghiệp và người có tầm ảnh hưởng (AHXH1 -> AHXH4).
  • Điều kiện thuận lợi (DKTL - 5 biến): Kiến thức người dùng, tính tương thích thiết bị, kết nối mạng, tài liệu hướng dẫn và dịch vụ CSKH (DKTL1 -> DKTL5).
  • Giá trị kinh tế (GTKT - 4 biến): Nhận thức về các chương trình ưu đãi, tính hợp lý của giá cước và lợi ích tài chính nhận được (GTKT1 -> GTKT4).
  • Sự tin tưởng (STT - 5 biến): Cảm giác an toàn, năng lực - sự trung thực của tài xế, cam kết chất lượng dịch vụ và xử lý khiếu nại của GSM (STT1 -> STT5).
  • Ý định tiếp tục sử dụng (YDTT - 4 biến): Ý định tái sử dụng thường xuyên, duy trì lâu dài và sẵn sàng giới thiệu cho cộng đồng (YDTT1 -> YDTT4).

Công nghệ và công cụ phân tích dữ liệu:

  • Phần mềm chính: IBM SPSS Statistics v26.0 (Phân tích Thống kê mô tả, Cronbach's Alpha, EFA, Pearson Correlation, OLS Multiple Regression).
  • Hỗ trợ xử lý: Microsoft Excel 2021 (Làm sạch và mã hóa dữ liệu), Python v3.10 với thư viện pandas v2.1.0 và statsmodels v0.14.0 để kiểm tra chéo độ chính xác ma trận hiệp phương sai.

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình hỗn hợp tuần tự (Sequential Mixed-Methods Design):

  1. Giai đoạn định tính: Lược khảo các công trình nghiên cứu uy tín; thảo luận chuyên gia cùng giảng viên hướng dẫn (TS. Trần Dục Thức); thực hiện phỏng vấn sâu thử nghiệm (In-depth interview) với 05 khách hàng thường xuyên sử dụng Xanh SM để chuẩn hóa thuật ngữ tiếng Việt cho bảng câu hỏi khảo sát.
  2. Giai đoạn định lượng: Thiết kế bảng khảo sát theo thang đo Likert 5 mức độ (1: Rất không đồng ý -> 5: Rất đồng ý). Tiến hành thu thập dữ liệu đa kênh (trực tiếp tại các địa điểm tập trung đông dân cư tại TP.HCM và trực tuyến qua Google Forms).
+-----------------------------------------------------------------------------------+
|                        QUY TRÌNH KIỂM ĐỊNH ĐỊNH LƯỢNG                             |
+-----------------------------------------------------------------------------------+
| 1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha >= 0.7; Item-Total >= 0.3)     |
|                                       ↓                                           |
| 2. Phân tích nhân tố khám phá EFA (KMO >= 0.5; Bartlett Sig < 0.05; Loading >= 0.5)|
|                                       ↓                                           |
| 3. Phân tích tương quan Pearson (Đánh giá mức độ liên kết tuyến tính đơn lẻ)     |
|                                       ↓                                           |
| 4. Phân tích hồi quy tuyến tính bội OLS (R-squared, ANOVA F-test, VIF < 2.0)     |
|                                       ↓                                           |
| 5. Kiểm tra các giả định phần dư (Phân phối chuẩn, Phương sai không đổi, D-W)     |
+-----------------------------------------------------------------------------------+

Implementation và kết quả

Quy trình phân tích và thuật toán áp dụng

Dữ liệu khảo sát được làm sạch và xử lý thông qua hệ thống công thức thống kê chuẩn mực:

1. Hệ số tin cậy Cronbach's Alpha: $$\alpha = \frac{K}{K-1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Trong đó: $K$ là số biến quan sát; $\sigma_{Y_i}^2$ là phương sai của biến quan sát thứ $i$; $\sigma_X^2$ là phương sai của tổng điểm thang đo.

2. Phương trình hồi quy tuyến tính bội: $$YDTT = \beta_0 + \beta_1 HSKV + \beta_2 NLKV + \beta_3 DKTL + \beta_4 GTKT + \beta_5 STT + \epsilon$$

Đoạn mã Python mô phỏng quy trình xử lý dữ liệu và kiểm định mô hình tương đương với quy trình trên SPSS 26.0:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Load và tiền xử lý dữ liệu khảo sát (N = 274)
df = pd.read_csv("xanh_sm_survey_processed.csv")

# 2. Định nghĩa các biến độc lập và phụ thuộc
independent_vars = ['HSKV', 'NLKV', 'DKTL', 'GTKT', 'STT']
dependent_var = 'YDTT'

X = df[independent_vars]
y = df[dependent_var]
X_const = sm.add_constant(X)

# 3. Ước lượng mô hình OLS Regression
ols_model = sm.OLS(y, X_const).fit()

# 4. Tính toán hệ số phóng đại phương sai (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(ols_model.summary())
print("\n--- Variance Inflation Factor (VIF) ---")
print(vif_data.to_string(index=False))

Kết quả kiểm định và chuẩn đoán mô hình

Theo quy tắc lấy mẫu của Hair et al. (2014), kích thước mẫu tối thiểu đối với phân tích EFA là $N_{min} = 31 \times 5 = 155$. Nghiên cứu đã thu thập tổng cộng 305 phản hồi, sau quá trình sàng lọc và loại bỏ các phiếu không hợp lệ (trả lời trùng lặp, thiếu dữ liệu, chọn cùng một phương án), tổng số mẫu hợp lệ đạt 274 mẫu (tỷ lệ khả dụng 89,84%).

1. Kết quả kiểm định độ tin cậy Cronbach's Alpha:

  • Tất cả 7 thang đo đều đạt độ nhất quán nội tại cao: $\alpha_{HSKV} = 0,862$; $\alpha_{NLKV} = 0,885$; $\alpha_{AHXH} = 0,841$; $\alpha_{DKTL} = 0,854$; $\alpha_{GTKT} = 0,876$; $\alpha_{STT} = 0,891$; $\alpha_{YDTT} = 0,879$.
  • Tất cả hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của 31 biến quan sát đều $> 0,45$ (vượt xa ngưỡng tiêu chuẩn $0,30$).

2. Kết quả phân tích nhân tố khám phá (EFA):

  • Biến độc lập: Hệ số $KMO = 0,892$ ($> 0,5$), kiểm định Bartlett có giá trị thống kê xấp xỉ $\chi^2$ với mức ý nghĩa $Sig. = 0,000 < 0,05$. Phép trích Principal Component Analysis (PCA) với phép xoay Varimax trích xuất được 6 nhân tố tại Eigenvalue $= 1,185 > 1,0$, tổng phương sai trích (Total Variance Explained) đạt $68,42% > 50%$. Mọi hệ số tải nhân tố (Factor Loading) đều $> 0,60$.
  • Biến phụ thuộc (YDTT): Trích xuất được 1 nhân tố duy nhất với $KMO = 0,815$, $Sig. = 0,000$, phương sai trích đạt $73,15%$.

3. Kết quả phân tích hồi quy tuyến tính bội:

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn ($SE$) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($Sig.$) Hệ số phóng đại phương sai ($VIF$)
Hằng số ($B_0$) 0,312 0,185 - 1,686 0,093 -
Hiệu suất kỳ vọng (HSKV) 0,215 0,046 0,231 4,674 0,000 1,421
Nỗ lực kỳ vọng (NLKV) 0,184 0,042 0,198 4,381 0,000 1,356
Điều kiện thuận lợi (DKTL) 0,142 0,039 0,154 3,641 0,000 1,289
Giá trị kinh tế (GTKT) 0,228 0,048 0,242 4,750 0,000 1,462
Sự tin tưởng (STT) 0,256 0,051 0,275 5,020 0,000 1,512
Ảnh hưởng xã hội (AHXH) 0,028 0,035 0,031 0,800 0,424 (Loại) 1,195
  • Hệ số xác định mô hình: $R^2 = 0,618$; $R^2$ hiệu chỉnh $= 0,611$. Năm biến độc lập giải thích được 61,1% sự biến thiên của Ý định tiếp tục sử dụng dịch vụ Xanh SM.
  • Kiểm định ANOVA: Giá trị thống kê $F = 86,542$ với $Sig. = 0,000 < 0,001$, khẳng định mô hình hồi quy tuyến tính hoàn toàn phù hợp với tổng thể.
  • Kiểm định vi phạm giả định:
    • Hiện tượng đa cộng tuyến: Tất cả các hệ số $VIF < 1,6$ (nhỏ hơn ngưỡng cảnh báo 2.0), không có hiện tượng đa cộng tuyến.
    • Tự tương quan chuỗi: Hệ số Durbin-Watson $d = 1,942$ ($1,5 < d < 2,5$), không có tự tương quan phần dư.
    • Phân phối chuẩn: Biểu đồ Histogram có đường cong phân phối chuẩn đối xứng ($Mean \approx 0$, $Std. Dev = 0,991$), biểu đồ Normal P-P plot thể hiện các điểm quan sát phân bố sát đường chéo kỳ vọng.
    • Phương sai đồng nhất: Biểu đồ Scatter Plot phân bổ ngẫu nhiên quanh trục 0, không tạo thành hình phễu hay quy luật phi tuyến.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp quan trọng cả về mặt học thuật và thực tiễn triển khai:

+-----------------------------------------------------------------------------------+
|               SO SÁNH MÔ HÌNH VỚI CÁC CÔNG TRÌNH NGHIÊN CỨU TIỀN NHIỆM            |
+------------------------------------+-----------------------+----------------------+
| Nghiên cứu & Bối cảnh              | Khung lý thuyết       | Phát hiện cốt lõi    |
+------------------------------------+-----------------------+----------------------+
| Rasheed Gaber & Elsamadicy (2021)  | UTAUT                 | NLKV không có tác    |
| (Uber - Ai Cập / Covid-19)         |                       | động ý nghĩa         |
+------------------------------------+-----------------------+----------------------+
| Maulana et al. (2023)              | UTAUT + Đổi mới IT    | AHXH tác động mạnh   |
| (Gen Z Gọi xe - Indonesia)         |                       | đến ý định tiếp tục  |
+------------------------------------+-----------------------+----------------------+
| Tam et al. (2020)                  | UTAUT2 + ECM          | Giá trị giá cả không |
| (Ứng dụng di động - Toàn cầu)      |                       | tác động đến CI      |
+------------------------------------+-----------------------+----------------------+
| Khóa luận Võ Ngọc Khánh Vy (2024)  | UTAUT2 + Trust        | STT (beta=0.275) &   |
| (Xanh SM EV Taxi - TP.HCM)         | (Thực nghiệm EV Taxi) | GTKT (beta=0.242) tác|
|                                    |                       | động mạnh nhất       |
+------------------------------------+-----------------------+----------------------+

Đóng góp về mặt lý thuyết

  1. Lấp đầy khoảng trống nghiên cứu phương tiện thuần điện: Là công trình tiên phong tại Việt Nam tích hợp biến cấu trúc Sự tin tưởng (STT) vào mô hình UTAUT2 để giải thích hành vi sử dụng dịch vụ đặt xe điện.
  2. Khẳng định tính chất độc lập của người dùng đô thị hiện đại: Trái ngược với nghiên cứu của Maulana et al. (2023), nhân tố Ảnh hưởng xã hội (AHXH) bị loại bỏ ($Sig. = 0,424$). Điều này phản ánh đặc tính của khách hàng tại TP.HCM: họ là những cá nhân có trải nghiệm công nghệ cao, tự chủ trong việc đánh giá hiệu năng phương tiện và không bị chi phối bởi áp lực chuẩn mực xã hội khi lựa chọn phương tiện di chuyển hàng ngày.

Đóng góp về mặt thực tiễn

  • Xác lập thứ tự ưu tiên các nhân tố tác động đến lòng trung thành của khách hàng: Sự tin tưởng ($\beta = 0,275$) > Giá trị kinh tế ($\beta = 0,242$) > Hiệu suất kỳ vọng ($\beta = 0,231$) > Nỗ lực kỳ vọng ($\beta = 0,198$) > Điều kiện thuận lợi ($\beta = 0,154$).
  • Cung cấp bằng chứng thực nghiệm giúp các nhà quản trị GSM chuyển dịch trọng tâm từ chiến lược "đốt tiền trợ giá" sang chiến lược "xây dựng niềm tin thương hiệu và chất lượng dịch vụ đồng nhất".

Ứng dụng thực tế và triển khai

Dựa trên trọng số tác động từ mô hình hồi quy, hệ thống giải pháp quản trị được đề xuất cụ thể cho Công ty Cổ phần Di chuyển Xanh và Thông minh (GSM):

1. Chiến lược củng cố Sự tin tưởng (Trọng số $\beta = 0,275$)

  • Chuẩn hóa chất lượng dịch vụ tài xế: Duy trì tiêu chuẩn "Dịch vụ 5 sao" thông qua hệ thống đánh giá ẩn danh và kiểm tra định kỳ chỉ số NPS (Net Promoter Score) của tài xế. Áp dụng chính sách thưởng/phạt minh bạch dựa trên phản hồi khách hàng.
  • Bảo vệ an toàn dữ liệu và chuyến đi: Tích hợp tính năng nút khẩn cấp SOS và chia sẻ hành trình trực tiếp theo thời gian thực tới người thân trên ứng dụng. Cam kết hoàn tiền 100% khi phát sinh sự cố về lộ trình không chính xác hoặc thái độ phục vụ chưa đạt chuẩn.

2. Chiến lược nâng cao Giá trị kinh tế (Trọng số $\beta = 0,242$)

  • Mô hình hóa gói đăng ký định kỳ (Subscription Model): Ra mắt các gói "Xanh Pass" tuần/tháng dành riêng cho đối tượng nhân viên văn phòng và sinh viên với mức chiết khấu 15-20% trên mỗi cuốc xe cố định hàng ngày.
  • Chính sách điểm thưởng xanh (Green Loyalty Program): Quy đổi số kilomet di chuyển bằng xe điện thành điểm tích lũy sinh thái để đổi voucher dịch vụ trong hệ sinh thái Vingroup (WinMart, Vinmec, Vinpearl).

3. Tối ưu hóa Hiệu suất và Nỗ lực kỳ vọng ($\beta = 0,231$ & $\beta = 0,198$)

  • Tối ưu hóa thuật toán Dispatching: Nâng cấp hệ thống AI định tuyến để rút ngắn thời gian tiếp cận khách hàng xuống dưới 4 phút trong giờ cao điểm.
  • Tối giản hóa giao diện ứng dụng (UX Optimization): Giảm số bước thực hiện đặt xe từ 5 thao tác xuống còn 3 thao tác; cải thiện độ trễ tải bản đồ GPS ngay cả trong điều kiện mạng 3G/4G yếu.

Hạn chế và hướng phát triển

Hạn chế của nghiên cứu

  1. Phương pháp chọn mẫu: Việc sử dụng kỹ thuật chọn mẫu thuận tiện phi xác suất làm hạn chế phần nào tính đại diện cho toàn bộ tập khách hàng trên cả nước.
  2. Phạm vi địa lý: Dữ liệu chỉ thu thập tại TP.HCM – nơi có hạ tầng trạm sạc và mật độ xe điện vượt trội so với các tỉnh thành loại 2 và loại 3.
  3. Mô hình phân tích: Nghiên cứu sử dụng mô hình hồi quy tuyến tính OLS thông qua SPSS, chưa kiểm tra được các mối quan hệ tác động gián tiếp (Mediating effect) hoặc biến điều tiết (Moderating effect) như Giới tính, Tần suất sử dụng hay Nhận thức môi trường (Environmental Concern).

Hướng nghiên cứu tiếp theo

  • Mở rộng phạm vi khảo sát liên đô thị (Hà Nội, Đà Nẵng, Cần Thơ) với cỡ mẫu lớn hơn ($N \ge 1.000$).
  • Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) hoặc CB-SEM thông qua SmartPLS 4 / AMOS để kiểm định các biến trung gian như Sự hài lòng (Customer Satisfaction) và Thói quen (Habit).
  • Bổ sung các biến số đặc thù của xe điện: Nhận thức bảo vệ môi trường, Lo ngại về trạm sạc (Range Anxiety), và Lòng yêu nước thương hiệu (Brand Nationalism).

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                        LỢI ÍCH ĐỐI VỚI CÁC BÊN LIÊN QUAN                          |
+----------------------+------------------------------------------------------------+
| Sinh viên &          | Tài liệu mẫu mực về phương pháp luận nghiên cứu khoa học   |
| Học viên Cao học     | quản trị; quy trình xử lý SPSS, EFA và hồi quy đa biến.    |
+----------------------+------------------------------------------------------------+
| Chuyên viên Dữ liệu  | Khung logic biến đổi các chỉ số cảm nhận người dùng thành  |
| & Kỹ sư UI/UX        | các trọng số định lượng phục vụ tối ưu hóa sản phẩm app.   |
+----------------------+------------------------------------------------------------+
| Ban quản trị GSM     | Căn cứ khoa học chuẩn xác để phân bổ ngân sách Marketing,  |
| & Doanh nghiệp Vận tải| cải thiện chất lượng dịch vụ và gia tăng chỉ số CLV.       |
+----------------------+------------------------------------------------------------+
| Giới Nghiên cứu      | Bộ dữ liệu và thang đo thực nghiệm đã kiểm định độ tin cậy |
| Hàn lâm              | cho lĩnh vực kinh tế giao thông xanh tại thị trường mới nổi|
+----------------------+------------------------------------------------------------+

Câu hỏi thường gặp

1. Kích thước mẫu 274 có đảm bảo tính tin cậy thống kê cho mô hình 31 biến quan sát không?

Hoàn toàn đảm bảo. Theo tiêu chuẩn phân tích nhân tố khám phá EFA của Hair et al. (2014), tỷ lệ số mẫu trên một biến quan sát tối thiểu là $5:1$. Với 31 biến chỉ báo, kích thước mẫu tối thiểu cần thiết là $31 \times 5 = 155$. Mẫu thực tế thu thập đạt 274 mẫu hợp lệ, tương ứng tỷ lệ gần $9:1$, thỏa mãn điều kiện phân tích độ tin cậy và hồi quy đa biến.

2. Tại sao nhân tố "Ảnh hưởng xã hội" lại không có ý nghĩa thống kê trong nghiên cứu này?

Trong kết quả hồi quy, nhân tố Ảnh hưởng xã hội có $Sig. = 0,424 > 0,05$. Điều này được giải thích bởi đặc điểm tâm lý của nhóm khách hàng trẻ tại TP.HCM: họ đã quen thuộc với các nền tảng công nghệ và đưa ra quyết định di chuyển dựa trên trải nghiệm thực tế cá nhân (tính kinh tế, độ an toàn của xe điện, sự tiện lợi của ứng dụng) thay vì dựa vào lời khuyên hay áp lực từ bạn bè, người thân.

3. Làm thế nào để khắc phục hiện tượng đa cộng tuyến khi phân tích dữ liệu khảo sát?

Trong nghiên cứu này, hiện tượng đa cộng tuyến được kiểm soát chặt chẽ thông qua hệ số phóng đại phương sai (VIF). Toàn bộ hệ số $VIF$ của các biến độc lập dao động từ $1,195$ đến $1,512$, thấp hơn rất nhiều so với ngưỡng cảnh báo nghiêm ngặt là $2,0$ (Nguyễn Đình Thọ, 2011), chứng minh các biến độc lập không có tương quan chéo tiêu cực làm méo mó kết quả hồi quy.

4. Xanh SM có thể ứng dụng kết quả nghiên cứu này để tối ưu hóa ROI như thế nào?

Thay vì chi tiêu dàn trải vào các chiến dịch khuyến mãi ngắn hạn (vốn chỉ mang tính kích cầu tạm thời), GSM nên phân bổ 60% ngân sách cho việc chuẩn hóa đào tạo tài xế và công nghệ bảo mật (tác động trực tiếp đến Sự tin tưởng $\beta = 0,275$), 25% cho các gói hội viên dài hạn (Giá trị kinh tế $\beta = 0,242$) và 15% cho việc tối ưu thuật toán ứng dụng (Hiệu suất & Nỗ lực $\beta = 0,429$). Chiến lược này giúp giảm tỷ lệ rời bỏ (Churn rate) khoảng 15-20% và tăng giá trị vòng đời khách hàng (CLV).

5. Thang đo của đề tài có thể áp dụng cho các dịch vụ xe điện khác (như xe máy điện Xanh SM Bike) không?

Có thể chuyển giao trực tiếp. Bộ thang đo 31 biến quan sát đã được kiểm định độ tin cậy Cronbach's Alpha ($> 0,84$) và giá trị hội tụ EFA ($> 68%$). Do đó, các doanh nghiệp kinh doanh xe máy điện, giao hàng nhanh bằng xe điện (Green Delivery) hoàn toàn có thể tái sử dụng khung thang đo này để khảo sát khách hàng mục tiêu.

Kết luận

Khóa luận tốt nghiệp của tác giả Võ Ngọc Khánh Vy đã thực hiện thành công việc lượng hóa các nhân tố tác động đến ý định tiếp tục sử dụng dịch vụ gọi xe thuần điện Xanh SM tại TP.HCM. Bằng việc mở rộng mô hình UTAUT2 kết hợp với nhân tố Sự tin tưởng và Giá trị kinh tế, nghiên cứu đã chứng minh rằng Sự tin tưởng ($\beta = 0,275$) và Giá trị kinh tế ($\beta = 0,242$) là hai đòn bẩy quan trọng nhất quyết định hành vi tái sử dụng của người tiêu dùng đô thị.

Các phát hiện thực nghiệm là cơ sở khoa học để GSM tối ưu hóa hệ thống vận hành, nâng cao trải nghiệm ứng dụng và giữ vững vị thế dẫn đầu trong xu hướng giao thông xanh tại Việt Nam. Đề tài mở ra định hướng giá trị cho các nghiên cứu tiếp theo về kinh tế chia sẻ bền vững trong kỷ nguyên chuyển đổi năng lượng xanh.