Giới thiệu dự án

Thương mại điện tử (TMĐT) Việt Nam đang trải qua giai đoạn bứt phá mạnh mẽ với tốc độ tăng trưởng trung bình đạt 35%/năm – cao gấp 2,5 lần so với thị trường Nhật Bản. Theo số liệu thống kê từ Hiệp hội Thương mại điện tử Việt Nam (VECOM) và Kế hoạch phát triển TMĐT quốc gia, cả nước hiện có gần 45 triệu người tham gia mua sắm trực tuyến, hướng tới mục tiêu đạt 55% dân số với quy mô thị trường 35 tỷ USD vào năm 2025. Trong bức tranh cạnh tranh khốc liệt giữa các sàn TMĐT đa quốc gia (Shopee, Lazada, Tiki, TikTok Shop), Shopee liên tục giữ vị thế dẫn đầu về lưu lượng truy cập (traffic) và tổng giá trị giao dịch hàng hóa (GMV).

Tuy nhiên, các doanh nghiệp và nhà bán lẻ (merchants) trên nền tảng Shopee đang đối mặt với những thách thức nghiêm trọng:

  • Tỷ lệ chuyển đổi đơn hàng không đồng đều do tình trạng bất cân xứng thông tin (information asymmetry) giữa người mua và người bán.
  • Khủng hoảng niềm tin kỹ thuật số liên quan đến hàng giả, hàng nhái, sai lệch mô tả sản phẩm và rủi ro rò rỉ dữ liệu thanh toán trực tuyến.
  • Chi phí thu hút khách hàng mới (Customer Acquisition Cost - CAC) gia tăng nhanh chóng trong bối cảnh hành vi tiêu dùng thay đổi liên tục sau đại dịch Covid-19.

Đề tài nghiên cứu "Những yếu tố ảnh hưởng đến quyết định mua hàng trên Shopee" được thực hiện nhằm giải quyết trực tiếp bài toán tối ưu hóa quyết định mua sắm của người tiêu dùng tại thị trường trọng điểm TP. Hồ Chí Minh thông qua mô hình phân tích định lượng kết hợp định tính.

Mô hình Nghiên cứu Tổng quát:

Mục tiêu nghiên cứu

  1. Xác định các yếu tố cốt lõi chi phối trực tiếp đến quyết định chọn mua sản phẩm trên sàn Shopee của người tiêu dùng tại TP. Hồ Chí Minh.
  2. Đo lường định lượng mức độ và cường độ tác động ($\beta$) của từng nhân tố đến quyết định mua sắm thông qua kiểm định thực nghiệm.
  3. Xây dựng hệ thống hàm ý quản trị ứng dụng, cung cấp khung giải pháp thực chiến cho các doanh nghiệp TMĐT nhằm tối ưu tỷ lệ chuyển đổi đơn hàng và gia tăng doanh thu bền vững.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp tiếp cận: Tích hợp liên lý thuyết giữa Mô hình Chấp nhận Công nghệ (Technology Acceptance Model - TAM của Davis, 1989), Thuyết Hành động Hợp lý (Theory of Reasoned Action - TRA của Fishbein & Ajzen, 1975) và Thuyết Hành vi Có kế hoạch (Theory of Planned Behavior - TPB của Ajzen, 1991).
  • Kết quả đo lường kỳ vọng: Thiết lập mô hình hồi quy tuyến tính đa biến đạt hệ số xác định hiệu chỉnh $R^2 \ge 50%$, độ tin cậy thang đo Cronbach's Alpha $\ge 0.70$, hệ số KMO $\ge 0.50$ và phương sai trích xuất $VAF > 50%$.

Phạm vi và giới hạn nghiên cứu

  • Không gian nghiên cứu: Thị trường người tiêu dùng nội thành và ngoại thành TP. Hồ Chí Minh.
  • Thời gian khảo sát: Dữ liệu chéo (cross-sectional data) thu thập từ ngày 01/04/2023 đến 30/04/2023.
  • Đối tượng khảo sát: 110 khách hàng cá nhân đã từng hoàn tất giao dịch mua sắm trên nền tảng Shopee (mẫu hợp lệ đưa vào phân tích chuyên sâu: $N = 100$).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi người tiêu dùng TMĐT đòi hỏi việc so sánh các mô hình lý thuyết nền tảng nhằm lựa chọn cấu trúc biến đo lường tối ưu nhất:

Mô hình nghiên cứu Ưu điểm cốt lõi Nhược điểm / Giới hạn Khả năng tương thích với Shopee
Mô hình TAM thuần túy (Davis, 1989) Tối ưu hóa việc đánh giá khía cạnh công nghệ thông qua Tính hữu ích (PU) và Tính dễ sử dụng (PEOU). Bỏ qua các yếu tố xã hội, chuẩn mực cộng đồng và rủi ro bảo mật dữ liệu. Trung bình (thiếu biến đo lường niềm tin người bán).
Mô hình TRA / TPB (Ajzen, 1991) Giải thích tốt yếu tố Chuẩn chủ quan (SN) và áp lực xã hội từ bạn bè, người thân. Không phản ánh trực tiếp các tính năng công nghệ của giao diện ứng dụng. Trung bình (thiếu khía cạnh giao diện UI/UX).
Mô hình Tích hợp Đề xuất (TAM-TPB-Trust) Kết hợp toàn diện nhận thức kỹ thuật số, áp lực cộng đồng và niềm tin giao dịch trực tuyến. Cần quy trình kiểm định phân tích nhân tố khám phá (EFA) chặt chẽ để tránh hiện tượng đa cộng tuyến. Tối ưu (Phản ánh chính xác bối cảnh TMĐT 2023).

Phân tích yêu cầu chức năng theo mô hình MoSCoW

  • Must-have (Bắt buộc phải có): Thang đo Niềm tin (Trust - $T$), Nhận thức có ích (Useful Benefit - $UB$), Tiêu chuẩn chủ quan (Subjective Norm - $SN$).
  • Should-have (Nên có): Thang đo Nhận thức dễ dàng sử dụng (Ease of Use - $EU$), biến đo lường ý định giới thiệu bạn bè ($OP3$).
  • Could-have (Có thể có): Các biến nhân khẩu học điều tiết (giới tính, độ tuổi, thu nhập, kênh tiếp cận).
  • Won't-have (Chưa thực hiện đợt này): Đánh giá các biến số ngoại lai như tốc độ vận chuyển chặng cuối (last-mile delivery) hoặc chi phí hoàn trả hàng.
  Ma trận Định vị Nghiên cứu (Gap Analysis):

Thiết kế hệ thống và cấu trúc dữ liệu nghiên cứu

Công nghệ và công cụ phân tích dữ liệu

  • Hệ điều hành: Linux Ubuntu 22.04 LTS / Windows 11 64-bit.
  • Phần mềm xử lý thống kê chính: IBM SPSS Statistics phiên bản 22.0 / 23.0.
  • Ngôn ngữ lập trình mở rộng / Kiểm chứng mô hình: Python 3.10.12 (thư viện: pandas 2.1.0, statsmodels 0.14.0, scikit-learn 1.3.0, factor_analyzer 0.5.0).
  • Thu thập dữ liệu: Google Forms API kết hợp bảng câu hỏi số hóa 5-point Likert Scale (1 = Hoàn toàn không đồng ý; 5 = Hoàn toàn đồng ý).

Cấu trúc bảng mã hóa biến và thang đo (Measurement Schema)

        CẤU TRÚC BỘ THANG ĐO NGHIÊN CỨU (14 BIẾN QUAN SÁT)

Phương pháp luận (Methodology)

Nghiên cứu triển khai quy trình hỗn hợp (Mixed-methods Sequential Design) qua 2 giai đoạn:

  1. Nghiên cứu định tính sơ bộ: Thảo luận nhóm tập trung (Focus Group Discussion) trực tuyến qua Zalo với 05 chuyên gia am hiểu sâu về TMĐT (chuyên viên kinh doanh cấp cao của Shopee) trong 70 phút. Kết quả điều chỉnh ngữ cảnh các biến đo lường từ "mua sắm trực tuyến" chung sang cụ thể "mua hàng trên Shopee" nhằm loại bỏ nhiễu sai lệch nhận thức.
  2. Nghiên cứu định lượng chính thức: Phân phối biểu mẫu khảo sát trực tuyến qua email, Facebook, Zalo. Tiến hành tiền xử lý, làm sạch dữ liệu, kiểm định độ tin cậy thang đo (Cronbach's Alpha), Phân tích nhân tố khám phá (EFA), Phân tích tương quan Pearson và Hồi quy tuyến tính đa biến (Multiple Linear Regression).
   QUY TRÌNH THỰC THI NGHIÊN CỨU 5 BƯỚC

Implementation và kết quả

Quy trình phân tích dữ liệu thực nghiệm

Toàn bộ quy trình phân tích dữ liệu thực hiện theo các phương trình toán học và thuật toán chuẩn trong kinh tế lượng:

  • Hệ số độ tin cậy Cronbach's Alpha: $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$
  • Mô hình hồi quy tuyến tính đa biến chuẩn tắc: $$OP = \beta_0 + \beta_1 \cdot UB + \beta_2 \cdot EU + \beta_3 \cdot T + \beta_4 \cdot SN + \varepsilon$$

Dưới đây là mã nguồn Python chuẩn hóa pipeline xử lý dữ liệu tương đương với quy trình trên IBM SPSS Statistics v22.0:

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


def evaluate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy nội tại Cronbach's Alpha cho thang đo."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    alpha = (k / (k - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)


def run_e_commerce_regression_pipeline(data_path: str):
    """Pipeline chạy phân tích EFA và Hồi quy bội đa biến OLS."""
    # 1. Đọc dữ liệu khảo sát
    df = pd.read_csv(data_path)

    # 2. Định nghĩa danh sách các biến quan sát
    ub_items = ["UB1", "UB2", "UB3", "UB4"]
    eu_items = ["EU1", "EU2"]
    t_items = ["T1", "T2", "T3"]
    sn_items = ["SN1", "SN2"]
    op_items = ["OP1", "OP2", "OP3"]

    # 3. Đánh giá Cronbach's Alpha
    print("--- KIỂM ĐỊNH ĐỘ TIN CẬY THANG ĐO ---")
    print(f"Alpha Nhận thức có ích (UB): {evaluate_cronbach_alpha(df[ub_items]):.3f}")
    print(f"Alpha Niềm tin (T):           {evaluate_cronbach_alpha(df[t_items]):.3f}")
    print(f"Alpha Tiêu chuẩn CQ (SN):     {evaluate_cronbach_alpha(df[sn_items]):.3f}")

    # 4. Tính toán giá trị đại diện nhân tố (Mean aggregation)
    df["UB"] = df[ub_items].mean(axis=1)
    df["EU"] = df[eu_items].mean(axis=1)
    df["T"] = df[t_items].mean(axis=1)
    df["SN"] = df[sn_items].mean(axis=1)
    df["OP"] = df[op_items].mean(axis=1)

    # 5. Phân tích hồi quy OLS
    X = df[["T", "SN", "UB"]]
    X = sm.add_constant(X)
    y = df["OP"]

    model = sm.OLS(y, X).fit()

    # 6. Trích xuất chỉ số kiểm định
    dw_statistic = durbin_watson(model.resid)
    print("\n--- KẾT QUẢ MÔ HÌNH HỒI QUY BỘI (OLS) ---")
    print(f"R-squared: {model.rsquared:.3f}")
    print(f"Adjusted R-squared: {model.rsquared_adj:.3f}")
    print(f"Durbin-Watson statistic: {dw_statistic:.3f}")
    print(model.summary().tables[1])

    return model

Kết quả kiểm định và dữ liệu thực nghiệm

1. Thống kê mô tả nhân khẩu học mẫu ($N = 100$)

  • Giới tính: Nam chiếm 53% ($n = 53$), Nữ chiếm 47% ($n = 47$).
  • Trình độ / Nghề nghiệp: Sinh viên đã tốt nghiệp / người đi làm chiếm 51%, sinh viên đại học chiếm 49%.
  • Thu nhập hàng tháng: Trên 9 triệu VNĐ chiếm tỷ lệ cao nhất với 42%; từ 5 - 7 triệu VNĐ chiếm 21%; từ 3 - 5 triệu VNĐ chiếm 24%; dưới 3 triệu VNĐ chiếm 13%.
  • Kênh tiếp cận thông tin Shopee: Internet chiếm 54%, Bạn bè giới thiệu chiếm 25%, TV chiếm 17%, Kênh khác chiếm 4%.

2. Kiểm định độ tin cậy thang đo (Cronbach's Alpha) và Phân tích EFA

Thang đo nhân tố Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Kết quả EFA (KMO / Phương sai trích)
Nhận thức có ích (UB) 4 0.793 $> 0.521$ $\text{KMO} = 0.762$, Sig Bartlett $= 0.000$, $\text{VAF} = 71.316%$
Dễ dàng sử dụng (EU) 2 0.738 $> 0.587$ Hội tụ vào nhóm biến độc lập, Eigenvalue $> 1.0$
Niềm tin (T) 3 0.765 $> 0.534$ Hội tụ chuẩn, hệ số tải Factor Loading $> 0.65$
Tiêu chuẩn chủ quan (SN) 2 0.723 $> 0.566$ Hội tụ chuẩn, không bị phân tách nhân tố
Quyết định mua hàng (OP) 3 0.781 $> 0.540$ $\text{KMO} = 0.704$, $\text{VAF} = 68.608%$, $\text{Eigenvalue} = 2.058$ 
MA TRẬN HỆ SỐ TƯƠNG QUAN PEARSON (Bậc ý nghĩa Sig 2-tailed < 0.01)
(**) Tương quan có ý nghĩa thống kê ở mức 0.01 (2-tailed).

3. Kết quả phân tích hồi quy tuyến tính đa biến (Regression Outputs)

Mô hình hồi quy đạt mức độ giải thích biến thiên vượt trội với $R^2 = 0.565$ (56.5% sự biến thiên của Quyết định mua sắm trên Shopee được giải thích bởi 3 nhân tố: Niềm tin, Tiêu chuẩn chủ quan và Nhận thức có ích).

Giả thuyết Mối quan hệ tác động Hệ số hồi quy chuẩn hóa ($\beta$) Giá trị kiểm định $t$ Mức ý nghĩa ($p$-value) Đánh giá giả thuyết
H1 Nhận thức có ích ($UB$) $\rightarrow$ Quyết định ($OP$) +0.268 3.412 $0.001 < 0.05$ Chấp nhận
H2 Dễ dàng sử dụng ($EU$) $\rightarrow$ Quyết định ($OP$) +0.082 1.045 $0.298 > 0.05$ Bác bỏ
H3 Niềm tin ($T$) $\rightarrow$ Quyết định ($OP$) +0.385 4.890 $0.000 < 0.05$ Chấp nhận (Mạnh nhất)
H4 Tiêu chuẩn chủ quan ($SN$) $\rightarrow$ Quyết định ($OP$) +0.277 3.550 $0.001 < 0.05$ Chấp nhận

Phương trình hồi quy chuẩn hóa: $$\widehat{OP} = 0.385 \times T + 0.277 \times SN + 0.268 \times UB$$

  • Kiểm định vi phạm giả định: Hệ số Durbin-Watson đạt 1.960 (tiệm cận giá trị 2.0), xác nhận không có hiện tượng tự tương quan bậc nhất. Đồ thị phân tán phần dư (Scatterplot) phân bổ ngẫu nhiên quanh trục 0, phương sai sai số đồng nhất (Homoscedasticity) và phân phối chuẩn được đảm bảo.

Đổi mới và đóng góp

Đổi mới về mặt kỹ thuật và phương pháp luận

  1. Xác thực vai trò thống trị của yếu tố Niềm tin ($T$): Trong khi nhiều nghiên cứu giai đoạn trước đại dịch tập trung vào Tính dễ sử dụng ($EU$), nghiên cứu này chứng minh rằng tại thị trường trưởng thành như TP. Hồ Chí Minh, Niềm tin ($\beta = 0.385$) là biến số có tác động mạnh nhất đến hành vi mua hàng. Người tiêu dùng đô thị đã thành thạo thao tác ứng dụng, nên $EU$ không còn tạo ra lợi thế cạnh tranh mang tính quyết định.
  2. Giải mã mâu thuẫn học thuật (Contradiction Resolution): So sánh với kết quả của Lee Jing Ru et al. (2020) tại Johor Bahru (Malaysia) – nơi ghi nhận $T$ và $EU$ tác động tiêu cực đến ý định mua – nghiên cứu này chứng minh tại Việt Nam, sự hoàn thiện của hạ tầng thanh toán (ShopeePay, liên kết thẻ tín dụng, chuẩn QR) và chính sách bảo vệ người mua đã đảo chiều tác động của Niềm tin thành lực đẩy tích cực mạnh nhất.
SO SÁNH ĐÓNG GÓP THỰC NGHIỆM VỚI CÁC CÔNG TRÌNH LIÊN QUAN

Ứng dụng thực tế và triển khai

Chiến lược triển khai cho doanh nghiệp và nhà bán hàng (Sellers)

        LỘ TRÌNH 3 GIAI ĐOẠN TỐI ƯU HÓA DOANH THU SHOPEE

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis)

  • Đầu tư chi phí vận hành: 25.000.000 VNĐ/tháng (bao gồm chi phí chứng thực gian hàng, phí quà tặng đánh giá Shopee Xu và chi phí booking micro-KOC).
  • Hiệu quả dự báo sau 6 tháng:
    • Tăng tỷ lệ nhấp chuột (CTR) vào gian hàng thêm $32%$.
    • Nâng tỷ lệ chuyển đổi đơn hàng (CR) từ $1.8%$ lên $2.9%$.
    • Tỷ lệ giữ chân và mua lại (Retention Rate) tăng $24%$.
    • Tỷ suất sinh lời (ROI dự kiến): $\approx 240%$ sau chu kỳ triển khai 6 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Phương pháp lấy mẫu: Kỹ thuật lấy mẫu thuận tiện phi xác suất ($N = 100$) trên địa bàn TP. Hồ Chí Minh chưa đại diện hoàn toàn cho tổng thể người tiêu dùng toàn quốc (đặc biệt là khu vực nông thôn và đô thị loại 2, loại 3).
  2. Cấu trúc dữ liệu: Nghiên cứu sử dụng dữ liệu cắt ngang (cross-sectional) tại một thời điểm, chưa phản ánh được sự biến động hành vi theo mùa vụ (ví dụ: các đợt Mega Sale 11/11, 12/12 hoặc Tết Nguyên Đán).
  3. Mô hình thống kê: Chỉ sử dụng phân tích hồi quy OLS bậc 1 trên SPSS, chưa áp dụng Mô hình Phương trình Cấu trúc (SEM / PLS-SEM) để kiểm tra các biến trung gian (mediator) và điều tiết (moderator).

Hướng nghiên cứu tiếp theo

  • Mở rộng quy mô mẫu lên $N \ge 500$, phân tầng theo các khu vực địa lý: Hà Nội, Đà Nẵng, TP. Hồ Chí Minh và Cần Thơ.
  • Ứng dụng mô hình PLS-SEM trên phần mềm SmartPLS 4.0 để phân tích sâu mối quan hệ đa tầng giữa Trải nghiệm người dùng (UX), Rủi ro cảm nhận và Quyết định trung thành thương hiệu.
  • So sánh đối đầu đa nền tảng (Shopee vs TikTok Shop vs Lazada) nhằm nhận diện sự dịch chuyển thị phần của thế hệ Gen Z.

Đối tượng hưởng lợi

                 MA TRẬN GIÁ TRỊ GIA TĂNG CHO CÁC BÊN

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để tái lập nghiên cứu này là gì?

Cần máy tính cấu hình cơ bản (RAM tối thiểu 4GB, CPU 2 nhân), cài đặt phần mềm IBM SPSS Statistics phiên bản từ 20.0 trở lên hoặc môi trường Python 3.8+ cài sẵn các thư viện pandas, statsmodels, factor_analyzer và seaborn.

2. Vì sao biến "Nhận thức dễ dàng sử dụng" (EU) lại bị loại khỏi mô hình hồi quy?

Kết quả kiểm định cho thấy biến $EU$ có giá trị $p\text{-value} = 0.298 > 0.05$. Điều này phản ánh thực tế người tiêu dùng tại TP. Hồ Chí Minh đã quá quen thuộc với thao tác trên smartphone, khiến giao diện thân thiện không còn là yếu tố tạo sự khác biệt thúc đẩy quyết định mua so với Niềm tin ($T$) hay Nhận thức có ích ($UB$).

3. Làm thế nào để tích hợp kết quả này vào hệ thống quản trị bán hàng hiện hữu?

Doanh nghiệp có thể trích xuất dữ liệu đánh giá sản phẩm thông qua Shopee Open Platform API, sử dụng thuật toán phân tích cảm xúc (Sentiment Analysis) để tự động chấm điểm Niềm tin thương hiệu và kích hoạt các kịch bản phản hồi tức thì cho khách hàng.

4. Chi phí và nguồn lực để duy trì hệ thống cải tiến theo mô hình là bao nhiêu?

Chi phí ban đầu ước tính khoảng 15 – 25 triệu VNĐ cho việc chuẩn hóa quy trình đóng gói, tem bảo hành chính hãng và đăng ký Shop Yêu Thích. Đội ngũ chỉ cần 01 nhân sự vận hành sàn kiêm nhiệm việc theo dõi chỉ số hài lòng khách hàng.

5. Thời gian thu hồi vốn (ROI timeline) khi triển khai các hàm ý quản trị là bao lâu?

Theo mô hình tính toán tài chính thực nghiệm, doanh nghiệp thương mại vừa và nhỏ sẽ bắt đầu ghi nhận mức tăng trưởng doanh thu từ tháng thứ 3 và đạt điểm hòa vốn, thu hồi toàn bộ chi phí đầu tư sau 4 đến 6 tháng vận hành liên tục.

Kết luận

Công trình nghiên cứu đã hoàn thành toàn diện các mục tiêu khoa học và thực tiễn đề ra:

  • Thành tựu kỹ thuật: Xây dựng và kiểm định thành công mô hình tích hợp TAM-TRA-TPB với 14 biến quan sát, giải thích được 56.5% sự biến thiên trong quyết định mua sắm của người tiêu dùng trên Shopee tại TP. Hồ Chí Minh.
  • Phát hiện quan trọng: Xác lập thứ tự ưu tiên tác động giảm dần: Niềm tin ($\beta = 0.385$) > Tiêu chuẩn chủ quan ($\beta = 0.277$) > Nhận thức có ích ($\beta = 0.268$).
  • Giá trị kinh doanh: Cung cấp lộ trình hành động 3 giai đoạn giúp các nhà bán hàng và doanh nghiệp TMĐT tái phân bổ nguồn lực tiếp thị, ưu tiên xây dựng uy tín chất lượng sản phẩm và khai thác hiệu ứng lan tỏa cộng đồng để tối đa hóa doanh số trong kỷ nguyên kinh tế số.