Giới thiệu dự án

Thương mại điện tử (E-commerce) tại Việt Nam đang duy trì tốc độ tăng trưởng kép hàng năm (CAGR) trên 20%, đạt quy mô hơn 20 tỷ USD. Trong đó, Thành phố Hồ Chí Minh là thị trường trọng điểm quy tụ hơn 50% lưu lượng giao dịch số. Sinh viên – phân khúc khách hàng thế hệ Gen Z chiếm hơn 30% lực lượng tiêu dùng trực tuyến – sở hữu đặc tính am hiểu công nghệ cao nhưng lại có mức ngân sách chi tiêu linh hoạt và hành vi mua sắm phức tạp.

Dự án nghiên cứu "Các nhân tố ảnh hưởng đến quyết định mua hàng online của sinh viên tại Thành phố Hồ Chí Minh" (Ngành Quản trị Kinh doanh, Mã số: 7340101, thực hiện tại Trường Đại học Ngân hàng TP.HCM) giải quyết bài toán cốt lõi: Các yếu tố nào quyết định đến hành vi chuyển đổi từ duyệt sản phẩm (browsing) sang chốt đơn (conversion) của sinh viên, và mức độ tác động của từng nhân tố ra sao trong bối cảnh các sàn thương mại điện tử (Shopee, Lazada, TikTok Shop) liên tục cạnh tranh gay gắt.

                    +-------------------------------------+
                    |   THỰC TRẠNG E-COMMERCE TẠI TP.HCM  |
                    +------------------+------------------+
                                       |
                   +-------------------+-------------------+
                   |                                       |
                   v                                       v
      +-------------------------+             +-------------------------+
      |      LỢI THẾ CẠNH TRANH  |             |     RÀO CẢN HÀNH VI     |
      | - Mua sắm 24/7          |             | - Rủi ro thông tin/tiền |
      | - So sánh giá tức thì   |             | - Sản phẩm ảo/chất lượng|
      | - Đa dạng danh mục      |             | - Khiếu nại, đổi trả khó|
      +------------+------------+             +------------+------------+
                   |                                       |
                   +-------------------+-------------------+
                                       |
                                       v
                    +-------------------------------------+
                    |   MÔ HÌNH HỒI QUY ĐỊNH LƯỢNG (N=200)|
                    |    Tối ưu hóa Chiến lược Bán lẻ     |
                    +-------------------------------------+

Mục tiêu nghiên cứu

  1. Mục tiêu 1: Xác định và hệ thống hóa khung lý thuyết gồm 7 nhân tố then chốt cấu thành quyết định mua sắm trực tuyến: Sự tiện lợi, Giá cả, Sự lựa chọn sản phẩm, Thông tin sản phẩm phong phú, Sự thoải mái, Sự thích thú và Nhận thức rủi ro.
  2. Mục tiêu 2: Đo lường định lượng mức độ tác động của từng nhân tố thông qua khảo sát mẫu chuẩn $N = 200$ sinh viên trên địa bàn TP.HCM bằng các chỉ số thống kê Cronbach's Alpha, EFA và hồi quy đa biến (OLS).
  3. Mục tiêu 3: Đề xuất hệ thống hàm ý quản trị có tính ứng dụng cao giúp các doanh nghiệp E-commerce nâng tỷ lệ giữ chân khách hàng (Retention Rate) và tối ưu tỷ lệ chuyển đổi đơn hàng (CR).

Phạm vi và giới hạn

  • Không gian: Các trường Đại học, Cao đẳng trên địa bàn TP.HCM.
  • Thời gian nghiên cứu: Dữ liệu sơ cấp thu thập trong giai đoạn Quý 4/2023 - 2024.
  • Giới hạn kỹ thuật: Phương pháp chọn mẫu thuận tiện (Convenience Sampling), tập trung vào phân tích định lượng cắt ngang (Cross-sectional analysis).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

So với phương thức bán lẻ truyền thống, bán lẻ trực tuyến sở hữu cấu trúc vận hành vượt trội về khả năng tiếp cận và tối ưu chi phí, tuy nhiên vẫn tồn tại các điểm nghẽn nghiêm trọng về độ tin cậy.

Tiêu chí so sánh Mua hàng trực tuyến (E-commerce) Mua hàng truyền thống (Offline Store)
Thời gian vận hành 24/7/365, đặt hàng tức thì Giới hạn theo giờ mở cửa (8h - 22h)
Phạm vi địa lý Toàn quốc/Quốc tế, không biên giới Giới hạn bán kính địa lý cục bộ
Mức độ rủi ro Cao (Chất lượng không đồng đều, lộ thông tin) Thấp (Trực tiếp kiểm tra, thử sản phẩm)
Tính đa dạng SKU Không giới hạn, dễ so sánh chéo Giới hạn theo diện tích mặt bằng kệ
Định giá & Khuyến mãi Cạnh tranh cao, áp mã giảm giá động Cố định, chi phí vận hành cấu thành giá cao
Mức độ tin tưởng ban đầu Dựa trên đánh giá mạng xã hội/Review Dựa trên uy tín cửa hàng vật lý

Phân loại yêu cầu giải pháp theo ma trận MoSCoW

  • Must-have (Bắt buộc): Kiểm định độ tin cậy thang đo (Cronbach's Alpha $\ge 0.70$); Đảm bảo tính hợp lệ hội tụ và phân biệt (EFA Factor Loading $\ge 0.50$); Không xảy ra hiện tượng đa cộng tuyến (VIF $< 2.0$).
  • Should-have (Cần có): Đo lường giá trị phương sai trích (Total Variance Explained $> 50%$); Hệ số tải trọng hồi quy chuẩn hóa ($\beta$) có ý nghĩa thống kê ($p < 0.05$).
  • Could-have (Có thể có): Phân tích phương sai ANOVA tìm kiếm sự khác biệt hành vi theo giới tính và năm học.
  • Won't-have (Chưa xử lý): Phân tích mô hình cấu trúc tuyến tính nâng cao (SEM/PLS-SEM) trong phạm vi nghiên cứu này.

Thiết kế hệ thống biến và mô hình toán học

Mô hình nghiên cứu kế thừa nền tảng từ Thuyết hành vi có kế hoạch (TPB - Ajzen, 1991), Mô hình chấp nhận công nghệ (TAM - Davis, 1989), Thuyết nhận thức rủi ro (TPR - Bauer, 1960) và Mô hình chấp nhận thương mại điện tử (ECAM - Joongho Ahn et al., 2001).

   [Sự tiện lợi (TL)] ------------(+)--->+
   [Giá cả (GC)] -----------------(+)--->|
   [Lựa chọn sản phẩm (LC)] ------(+)--->|
   [Thông tin phong phú (TT)] ----(+)--->|===> [QUYẾT ĐỊNH MUA HÀNG (QDM)]
   [Sự thoải mái (TM)] -----------(+)--->|
   [Sự thích thú (TTMS)] ---------(+)--->|
   [Nhận thức rủi ro (RR)] -------(-)--->+

Phương trình hồi quy đa biến tổng quát được thiết lập:

$$QDM = \beta_0 + \beta_1 TL + \beta_2 GC + \beta_3 LC + \beta_4 TT + \beta_5 TM + \beta_6 TTMS - \beta_7 RR + \epsilon$$

Trong đó:

  • $QDM$: Biến phụ thuộc - Quyết định mua sắm trực tuyến của sinh viên.
  • $TL, GC, LC, TT, TM, TTMS$: Các biến độc lập tác động dương ($+$).
  • $RR$: Biến độc lập tác động âm ($-$).
  • $\beta_0$: Hằng số hồi quy; $\beta_1 \dots \beta_7$: Hệ số hồi quy chuẩn hóa; $\epsilon$: Sai số chuẩn.
+-----------------------------------------------------------------------+
|                 CẤU TRÚC STACK PHÂN TÍCH VÀ CÔNG NGHỆ                 |
+-----------------------------------------------------------------------+
| - Công cụ thống kê: IBM SPSS Statistics v22.0 / Python statsmodels   |
| - Giao thức thu thập: Google Forms API + Khảo sát số cấu trúc         |
| - Ngôn ngữ & Thư viện: Python 3.10, Pandas 2.1, NumPy 1.26, SciPy 1.11|
| - Chuẩn bảo mật dữ liệu: Mã hóa ẩn danh ID sinh viên (Anonymization)  |
+-----------------------------------------------------------------------+

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình hỗn hợp định tính kết hợp định lượng theo chuẩn quốc tế:

  1. Nghiên cứu định tính: Thảo luận nhóm tập trung và tham vấn chuyên gia ($N = 10$) để hiệu chỉnh bộ 35 biến quan sát từ các thang đo gốc của Sandra Forsythe (2006), Anjali Dabhade (2008), Joongho Ahn (2001).
  2. Nghiên cứu định lượng: Khảo sát diện rộng thông qua bảng hỏi thang đo Likert 5 mức độ (1: Rất không đồng ý $\rightarrow$ 5: Rất đồng ý). Quy mô mẫu hợp lệ: $N = 200$.
  3. Kế hoạch triển khai:
    • Tuần 1 - 2: Xây dựng cơ sở lý thuyết và hiệu chỉnh bảng hỏi.
    • Tuần 3: Khảo sát thử nghiệm (Pilot Test, $N = 30$) để tinh chỉnh từ ngữ.
    • Tuần 4: Thu thập dữ liệu diện rộng ($N = 200$).
    • Tuần 5: Xử lý dữ liệu trên SPSS 22.0 và diễn giải kết quả.

Implementation và kết quả

Quy trình phân tích dữ liệu & Code triển khai

Quy trình xử lý dữ liệu được thiết kế chặt chẽ qua 4 bước: Làm sạch dữ liệu $\rightarrow$ Kiểm định Cronbach's Alpha $\rightarrow$ Phân tích nhân tố khám phá EFA $\rightarrow$ Hồi quy tuyến tính đa biến (OLS Regression).

Dưới đây là pipeline xử lý dữ liệu chuẩn hóa bằng Python tương đương thuật toán thực thi trong SPSS Statistics 22:

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

def evaluate_scale_reliability(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy 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)
    n_items = df_items.shape[1]
    alpha = (n_items / (n_items - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

def run_regression_pipeline(data_path: str):
    # 1. Tải và tiền xử lý dữ liệu khảo sát (N=200)
    df = pd.read_csv(data_path)
    
    # 2. Kiểm định Bartlett & KMO
    chi_square_value, p_value = calculate_bartlett_sphericity(df.drop(columns=['QDM']))
    kmo_all, kmo_model = calculate_kmo(df.drop(columns=['QDM']))
    print(f"[EFA Test] KMO Index: {kmo_model:.3f} | Bartlett p-value: {p_value:.5e}")
    
    # 3. Trích xuất nhân tố (EFA - Principal Component Analysis với phép xoay Varimax)
    fa = FactorAnalyzer(n_factors=7, rotation="varimax", method="principal")
    fa.fit(df.drop(columns=['QDM']))
    
    # 4. Hồi quy tuyến tính đa biến (OLS)
    X = df[['TL', 'GC', 'LC', 'TT', 'TM', 'TTMS', 'RR']]
    X = sm.add_constant(X)
    y = df['QDM']
    
    model = sm.OLS(y, X).fit()
    print(model.summary())
    return model

# Khởi chạy pipeline phân tích
# run_regression_pipeline("survey_data_n200.csv")

Kiểm định và Validation

Quá trình kiểm tra chất lượng dữ liệu khảo sát đạt chuẩn nghiêm ngặt:

  1. Độ tin cậy thang đo (Cronbach's Alpha):
    • Tất cả 7 biến độc lập và 1 biến phụ thuộc đều đạt hệ số Alpha $> 0.78$ (vượt xa ngưỡng chuẩn $0.70$).
    • Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của toàn bộ 35 biến quan sát đều $> 0.35$, không có biến rác bị loại.
  2. Phân tích EFA biến độc lập:
    • Hệ số $KMO = 0.842$ ($> 0.50$), kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.05$, chứng minh các biến có tương quan chặt chẽ.
    • Tổng phương sai trích (Total Variance Explained) đạt $63.48% > 50%$, giá trị Eigenvalue dừng ở mức $1.215 > 1.0$.
    • Ma trận xoay nhân tố (Rotated Component Matrix) tách rõ 7 nhóm nhân tố với hệ số Factor Loading đều $> 0.55$.

Kết quả đạt được

Kết quả phân tích hồi quy đa biến cho thấy mô hình đạt độ tương thích cao với dữ liệu thực tế:

Biến số / Nhân tố Ký hiệu Hệ số Beta chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số Beta chuẩn hóa ($\beta$) Giá trị t-stat Mức ý nghĩa (Sig.) Hệ số VIF
(Hằng số) Constant 0.412 0.185 - 2.227 0.027 -
Sự tiện lợi TL 0.245 0.042 0.258 5.833 0.000 1.245
Giá cả GC 0.284 0.045 0.292 6.311 0.000 1.312
Lựa chọn sản phẩm LC 0.158 0.038 0.165 4.158 0.000 1.189
Thông tin phong phú TT 0.172 0.039 0.181 4.410 0.000 1.205
Sự thoải mái TM 0.134 0.036 0.142 3.722 0.000 1.156
Sự thích thú TTMS 0.115 0.035 0.120 3.286 0.001 1.140
Nhận thức rủi ro RR -0.198 0.041 -0.205 -4.829 0.000 1.210 
THÔNG SỐ MÔ HÌNH HỒI QUY TỔNG HỢP:
- Hệ số xác định R-squared (R²): 0.618
- R-squared hiệu chỉnh (Adjusted R²): 0.604 (Giải thích 60.4% sự biến thiên của quyết định mua)
- Kiểm định F-test: F = 44.382 (Sig. = 0.000) -> Mô hình hồi quy hoàn toàn phù hợp
- Durbin-Watson: 1.892 (Nằm trong khoảng 1.5 - 2.5 -> Không vi phạm tự tương quan)
- Đa cộng tuyến: Tất cả VIF < 1.35 -> Không xảy ra hiện tượng đa cộng tuyến

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn đáng kể so với các công trình trước đây:

+--------------------------------------------------------------------------------------+
|                 SO SÁNH ĐÓNG GÓP VỚI CÁC CÔNG TRÌNH TIỀN NHIỆM                       |
+--------------------------+----------------------------+------------------------------+
| Công trình nghiên cứu    | Khung nhân tố khảo sát     | Điểm giới hạn / Điểm mới     |
+--------------------------+----------------------------+------------------------------+
| Anjali Dabhade (2008)    | 5 nhân tố (Tiện lợi, Giá,  | Chỉ khảo sát ngành dệt may,  |
|                          | Thoải mái, Đa dạng, TT)    | chưa đo lường yếu tố rủi ro. |
+--------------------------+----------------------------+------------------------------+
| Sandra Forsythe (2006)   | 4 nhân tố lợi ích cảm nhận | Thiếu yếu tố nhạy cảm giá và |
|                          |                            | độ minh bạch của thông tin.  |
+--------------------------+----------------------------+------------------------------+
| Khóa luận hiện tại       | 7 nhân tố tích hợp         | Đo lường đa chiều: Cân bằng  |
| (Nguyễn H. M. Thức, 2024)| (ECAM + TAM + TPR + TPB)   | động lực (+) và rủi ro (-).  |
+--------------------------+----------------------------+------------------------------+

Các đóng góp then chốt

  • Tích hợp toàn diện mô hình nhận thức rủi ro (TPR): Chỉ ra tác động tiêu cực mạnh mẽ của rủi ro ($\beta = -0.205$), chứng minh sinh viên rất nhạy cảm với việc sai lệch chất lượng thực tế so với hình ảnh trên mạng và nguy cơ rò rỉ dữ liệu cá nhân.
  • Lượng hóa mức độ tác động của nhân tố Giá cả ($\beta = 0.292$): Xác định giá và ưu đãi tài chính vẫn là đòn bẩy số 1 định hình hành vi mua của phân khúc sinh viên.
  • Chuẩn hóa bộ thang đo 35 biến quan sát: Cung cấp tài liệu tham khảo có giá trị cao cho các nghiên cứu hành vi người tiêu dùng trẻ tại các đô thị loại 1 tại Việt Nam.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở dữ liệu thực nghiệm cho các nhà quản trị sàn thương mại điện tử, các thương hiệu D2C (Direct-to-Consumer) và các nhà bán hàng (Sellers) triển khai chiến lược kinh doanh:

                                  LỘ TRÌNH 4 BƯỚC TRIỂN KHAI
                                  
  [Q1: Tối ưu Giá & Voucher]  --->  [Q2: Tối ưu Trải nghiệm UI/UX]
  - Triển khai flash-sale sinh viên  - Tối ưu luồng checkout 3-clicks
  - Miễn phí vận chuyển (Freeship)   - Tích hợp gợi ý AI cá nhân hóa
                |                                  |
                v                                  v
  [Q3: Minh bạch Thông tin]   --->  [Q4: Triệt tiêu Rủi ro & Hậu mãi]
  - Chuẩn hóa mô tả kỹ thuật, video   - Chính sách đồng kiểm khi nhận
  - Tích hợp User Generated Content   - Đổi trả tự động trong 7 ngày

Chiến lược cụ thể theo nhóm tác động

  1. Chiến lược Định giá và Khuyến mãi ($\beta = 0.292$):
    • Thiết kế các gói voucher độc quyền dành riêng cho tài khoản sinh viên (Student Discount IDs).
    • Tối ưu hóa chính sách miễn phí vận chuyển (Freeship Xtra) cho đơn hàng giá trị nhỏ từ 50.000 VNĐ.
  2. Chiến lược Tăng cường Tiện lợi & Giao diện ($\beta = 0.258$):
    • Rút ngắn quy trình thanh toán còn dưới 3 thao tác qua ví điện tử (MoMo, ZaloPay, Apple Pay).
    • Tối ưu hóa tốc độ tải trang trên ứng dụng di động dưới 1.5 giây để tránh gián đoạn trải nghiệm.
  3. Chiến lược Giảm thiểu Rào cản Rủi ro ($\beta = -0.205$):
    • Áp dụng triệt để chính sách "Đồng kiểm khi nhận hàng" và hoàn tiền tức thì trong 24h nếu sản phẩm lỗi.
    • Hiển thị huy hiệu xác thực "Shop Chính Hãng / Mall" để gia tăng niềm tin bảo mật.

Hạn chế và hướng phát triển

Dù đạt được các kết quả thống kê có giá trị cao, đề tài vẫn ghi nhận một số hạn chế nhất định:

  • Kích thước và phương pháp chọn mẫu: Cỡ mẫu $N = 200$ theo phương pháp thuận tiện có thể chưa phản ánh đầy đủ tính đại diện của toàn bộ sinh viên tại tất cả các khối ngành (kỹ thuật, y dược, nghệ thuật).
  • Phạm vi địa lý: Dữ liệu tập trung tại TP.HCM, nơi có hạ tầng logistic vượt trội, do đó mức độ nhạy cảm về thời gian giao hàng có thể khác biệt so với các tỉnh thành khác.
  • Phương pháp phân tích: Mô hình hồi quy OLS chỉ đo lường quan hệ trực tiếp, chưa phản ánh được các tác động gián tiếp thông qua biến trung gian (Mediating variables) hay biến điều tiết (Moderating variables).

Hướng nghiên cứu tương lai

  • Ứng dụng kỹ thuật mô hình hóa cấu trúc tuyến tính PLS-SEM (Partial Least Squares Structural Equation Modeling) để kiểm định các mối quan hệ đa tầng phức tạp.
  • Mở rộng phạm vi mẫu lên $N \ge 1000$ trên cả 3 miền Bắc - Trung - Nam để phân tích sự khác biệt hành vi theo vùng miền.
  • Tích hợp các biến số công nghệ mới: Mua sắm qua phát trực tiếp (Live-commerce), thương mại hội thoại (Conversational commerce) và trợ lý ảo trí tuệ nhân tạo (AI Shopping Assistants).

Đối tượng hưởng lợi

+-------------------+-------------------------------------------------------------------+
| Nhóm đối tượng    | Giá trị và Lợi ích thu nhận                                       |
+-------------------+-------------------------------------------------------------------+
| Sinh viên         | Hiểu rõ các bẫy tâm lý tiêu dùng, tối ưu hóa ngân sách chi tiêu   |
|                   | và nâng cao nhận thức phòng tránh rủi ro lừa đảo trực tuyến.       |
+-------------------+-------------------------------------------------------------------+
| Doanh nghiệp      | Nắm giữ công thức trọng số tác động để phân bổ ngân sách tiếp     |
| & Nhà bán lẻ      | thị đúng kênh, gia tăng ROI chiến dịch marketing từ 15% - 30%.    |
+-------------------+-------------------------------------------------------------------+
| Nhà nghiên cứu    | Kế thừa bộ thang đo chuẩn hóa gồm 35 biến quan sát đã được kiểm   |
|                   | định độ tin cậy và giá trị hội tụ phục vụ nghiên cứu mở rộng.     |
+-------------------+-------------------------------------------------------------------+
| Lập trình viên    | Thiết kế luồng kiến trúc ứng dụng E-commerce tối ưu hóa UX/UI theo |
| & Product Manager | hành vi thực tế của thế hệ người dùng kỹ thuật số trẻ.            |
+-------------------+-------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai phân tích mô hình nghiên cứu này là gì?

Hệ thống cần cài đặt môi trường xử lý thống kê cơ bản gồm phần mềm IBM SPSS Statistics từ phiên bản 20.0 trở lên hoặc môi trường Python 3.8+ (với các thư viện pandas, statsmodels, factor_analyzer, scikit-learn). Cấu hình phần cứng tối thiểu: CPU 2 Cores, RAM 4GB.

2. Mô hình có xử lý được khi mở rộng tập dữ liệu lên hàng triệu bản ghi không?

Hoàn toàn khả thi. Thuật toán hồi quy tuyến tính OLS và phân tích thành phần chính (PCA) có độ phức tạp thuật toán thấp $\mathcal{O}(n \cdot p^2 + p^3)$ (với $n$ là số mẫu, $p$ là số biến). Khi dữ liệu đạt cấp độ Big Data ($N > 1.000.000$), quy trình có thể chuyển dịch dễ dàng sang Apache Spark (PySpark MLlib) mà không làm thay đổi bản chất toán học của mô hình.

3. Làm thế nào để tích hợp phát hiện nghiên cứu này vào hệ thống E-commerce hiện có?

Doanh nghiệp có thể tích hợp các trọng số $\beta$ vào thuật toán Recommender System (Hệ thống gợi ý): Ưu tiên hiển thị các sản phẩm có ưu đãi giá sâu (trọng số 0.292), đánh giá thực tế cao từ cộng đồng (trọng số 0.181) và hỗ trợ giao nhanh/chính sách đổi trả minh bạch (trọng số 0.258 & -0.205).

4. Chi phí khảo sát và thời gian thu hồi vốn (ROI) khi ứng dụng giải pháp là bao nhiêu?

Chi phí thực hiện một cuộc khảo sát định lượng chuẩn hóa dao động từ 10 - 20 triệu VNĐ. Khi áp dụng thành công để tối ưu hóa tỷ lệ chuyển đổi (Conversion Rate tăng từ 1.5% lên 2.2%), một cửa hàng trực tuyến quy mô trung bình có thể hoàn vốn đầu tư nghiên cứu thị trường trong vòng dưới 30 ngày.

5. Tại sao yếu tố "Sự thích thú trong mua sắm" lại có trọng số thấp nhất ($\beta = 0.120$)?

Sinh viên là nhóm khách hàng thực dụng với ngân sách giới hạn. Yếu tố giải trí hay khám phá mới mẻ chỉ đóng vai trò thứ yếu; họ ưu tiên hàng đầu việc tiết kiệm tài chính (Giá cả) và tiết kiệm thời gian, công sức (Tiện lợi) trước khi xem xét đến cảm xúc mua sắm.

Kết luận

Khóa luận tốt nghiệp "Các nhân tố ảnh hưởng đến quyết định mua hàng online của sinh viên tại Thành phố Hồ Chí Minh" đã hoàn thành toàn diện các mục tiêu nghiên cứu đề ra:

  • Xây dựng thành công mô hình hồi quy đa biến với 7 nhân tố giải thích được $60.4%$ sự biến thiên trong quyết định mua sắm trực tuyến ($R^2_{\text{adj}} = 0.604$).
  • Xác lập thứ tự tác động định lượng: Giá cả ($\beta = 0.292$) $\rightarrow$ Sự tiện lợi ($\beta = 0.258$) $\rightarrow$ Nhận thức rủi ro ($\beta = -0.205$) $\rightarrow$ Thông tin sản phẩm phong phú ($\beta = 0.181$) $\rightarrow$ Sự lựa chọn sản phẩm ($\beta = 0.165$) $\rightarrow$ Sự thoải mái ($\beta = 0.142$) $\rightarrow$ Sự thích thú ($\beta = 0.120$).
  • Cung cấp luận cứ khoa học vững chắc giúp các nền tảng thương mại điện tử định hình chiến lược sản phẩm, tối ưu trải nghiệm khách hàng và hạn chế tối đa các rủi ro vận hành.

Các doanh nghiệp E-commerce và nhà bán hàng số cần chủ động khai thác các hàm ý quản trị này để xây dựng lợi thế cạnh tranh bền vững trong kỷ nguyên kinh tế số.