Giới thiệu dự án

Thị trường giao đồ ăn trực tuyến (Online Food Delivery - OFD) tại Việt Nam đang chứng kiến sự tăng trưởng vượt bậc với quy mô đạt hơn 1,1 tỷ USD và tốc độ tăng trưởng kép hàng năm (CAGR) duy trì trên 20%. Trong bức tranh cạnh tranh khốc liệt giữa các nền tảng công nghệ, phân khúc người tiêu dùng trẻ thuộc thế hệ Gen Z—đặc biệt là sinh viên đại học—đóng vai trò là nhóm khách hàng tiên phong với tần suất tương tác và giao dịch cao nhất. Tuy nhiên, các nền tảng thương mại điện tử giao đồ ăn như ShopeeFood (tiền thân là Now.vn/DeliveryNow thuộc hệ sinh thái Foody và Sea Group) đang đối mặt với bài toán tối ưu tỷ lệ chuyển đổi, duy trì sự gắn kết và giảm tỷ lệ rời bỏ dịch vụ (churn rate) trong bối cảnh người dùng trẻ cực kỳ nhạy cảm về giá và trải nghiệm công nghệ.

Nghiên cứu ứng dụng này tập trung giải quyết vấn đề cốt lõi: Xác định, định lượng và phân tích cấu trúc các nhân tố tác động đến ý định sử dụng dịch vụ đặt đồ ăn qua ứng dụng di động ShopeeFood của nhóm khách hàng sinh viên tại Trường Đại học Ngân hàng TP.HCM (HUB).

+-------------------------------------------------------------------------------+
|                            MÔ HÌNH NGHIÊN CỨU TỔNG THỂ                         |
|                                                                               |
|   [ Nhận thức tính dễ sử dụng (DSD) ] ----+                                   |
|   [ Nhận thức sự hữu ích (SHI)      ] ----+                                   |
|   [ Sự tin tưởng (STT)              ] ----+---> [ Ý định sử dụng (YD) ]       |
|   [ Ảnh hưởng xã hội (AHXH)         ] ----+                                   |
|   [ Thái độ (TD)                    ] ----+                                   |
|   [ Giá cả (GC)                     ] ----+                                   |
+-------------------------------------------------------------------------------+

Mục tiêu dự án

  1. Xác định các nhân tố cấu thành: Hệ thống hóa và xác thực các chiều đo tâm lý - hành vi công nghệ ảnh hưởng trực tiếp đến quyết định đặt đồ ăn trực tuyến của sinh viên.
  2. Đo lường mức độ tác động: Kiểm định mô hình hồi quy đa biến OLS để tính toán chính xác trọng số hồi quy chuẩn hóa ($\beta$) của từng nhân tố: Nhận thức tính dễ sử dụng, Nhận thức sự hữu ích, Sự tin tưởng, Ảnh hưởng xã hội, Thái độ, và Giá cả.
  3. Đề xuất giải pháp quản trị công nghệ & tiếp thị: Cung cấp khung khuyến nghị thực thi cho đội ngũ phát triển sản phẩm (Product Team) và bộ phận Growth Marketing của ShopeeFood nhằm tối ưu UI/UX, chính sách định giá và hệ thống xử lý đơn hàng.

Phương pháp tiếp cận và kết quả kỳ vọng

Dự án tích hợp có chọn lọc ba mô hình kinh điển về hành vi tiêu dùng và chấp nhận công nghệ: Thuyết Hành động Hợp lý (TRA - Ajzen & Fishbein, 1975), Thuyết Chấp nhận Công nghệ (TAM - Davis, 1986), và Thuyết Chấp nhận và Sử dụng Công nghệ Hợp nhất (UTAUT - Venkatesh et al., 2003). Dữ liệu sơ cấp được thu thập từ $N = 156$ sinh viên HUB, xử lý thông qua quy trình kiểm định độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) và hồi quy tuyến tính bội trên nền tảng SPSS v20.0 và Python v3.10.

Phạm vi và giới hạn: Nghiên cứu tập trung vào tệp khách hàng sinh viên đại học nội thành TP.HCM trong khung thời gian từ tháng 04/2023 đến tháng 06/2023, phản ánh hành vi tiêu dùng dịch vụ giao vận F&B siêu cục bộ (hyper-local).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường OFD Việt Nam định hình thế "chân vạc" giữa ShopeeFood, GrabFood và Baemin (thời điểm khảo sát 2023). Bảng đối sánh dưới đây làm rõ năng lực cạnh tranh và khoảng cách công nghệ giữa các nền tảng:

Tiêu chí phân tích ShopeeFood GrabFood Baemin (Giai đoạn 2023)
Hệ sinh thái liên kết Tích hợp sâu Shopee & ShopeePay Tích hợp GrabPay by Moca & GrabCar Độc lập, ví điện tử MoMo/ZaloPay
Thuật toán gợi ý món Dựa trên lịch sử Shopee & vị trí GPS Tối ưu hóa đa dịch vụ (Super-app) Tập trung curation món ăn theo tâm trạng
Chiến lược giá & Voucher Trợ giá sâu, FreeShip Xtra, mã hoàn xu Voucher gói hội viên GrabUnlimited Giảm giá trực tiếp đơn hàng nhỏ
Giao diện người dùng (UI) Mật độ thông tin dày, hiển thị nhiều deal Hiện đại, tinh gọn, luồng đặt hàng ngắn Tối giản, hình minh họa trẻ trung, bắt mắt
Tốc độ xử lý đơn hàng 25 - 45 phút (phụ thuộc cụm tài xế) 20 - 35 phút (mạng lưới tài xế dày) 30 - 45 phút (giới hạn bán kính giao)

Ma trận ưu tiên yêu cầu người dùng (MoSCoW)

  • Must-have (Bắt buộc có): Luồng thanh toán 1-click qua ví ShopeePay; theo dõi trạng thái đơn hàng thời gian thực qua WebSockets (Submitted $\rightarrow$ Confirmed $\rightarrow$ Assigned $\rightarrow$ Picked $\rightarrow$ Completed); bộ lọc quán ăn gần trường học dưới 2km.
  • Should-have (Nên có): Tính năng đặt đơn nhóm (Group Ordering) chia sẻ link qua Zalo/Messenger; tự động chia tiền hóa đơn cho sinh viên.
  • Could-have (Có thể có): AI Chatbot gợi ý thực đơn tiết kiệm theo ngân sách hàng ngày (dưới 35.000 VNĐ).
  • Won't-have (Chưa ưu tiên): Đặt món đa cửa hàng trong cùng một giỏ hàng (do hạn chế thuật toán điều phối đa điểm lấy hàng của tài xế).

Thiết kế hệ thống và mô hình dữ liệu

graph TD
    A[Sinh viên HUB / Khách hàng] -->|HTTP POST Form Survey| B[Data Ingestion Gateway]
    B -->|Cleaned Raw Data| C[(Data Warehouse / PostgreSQL 15)]
    C -->|ETL Pipeline| D[Analytics Engine / Python 3.10 & SPSS 20.0]
    D -->|Step 1| E[Reliability Test: Cronbach Alpha >= 0.7]
    D -->|Step 2| F[EFA Extraction: KMO >= 0.5, Varimax Rotation]
    D -->|Step 3| G[Multivariate OLS Regression Engine]
    G -->|Model Metrics| H[Performance & Decision Dashboard]
    H -->|Actionable Rules| I[ShopeeFood Growth & Product Strategy]

Technology Stack và phiên bản chi tiết

  • Môi trường tính toán thống kê: IBM SPSS Statistics v20.0 / Python v3.10.12.
  • Thư viện phân tích dữ liệu: Pandas v2.1.0, NumPy v1.24.3, Statsmodels v0.14.0, Pingouin v0.5.3 (đo lường tâm lý học trắc lượng), Scikit-Learn v1.3.0.
  • Hệ quản trị cơ sở dữ liệu: PostgreSQL v15.2 (lưu trữ cấu trúc câu hỏi và ma trận phản hồi Likert).
  • Chuẩn bảo mật dữ liệu: Tuân thủ Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân, mã hóa dữ liệu định danh bằng thuật toán SHA-256.
-- Schema DDL: Thiết kế bảng lưu trữ dữ liệu khảo sát và ma trận Likert
CREATE TABLE survey_respondents (
    respondent_id SERIAL PRIMARY KEY,
    gender VARCHAR(10) NOT NULL, -- Nam, Nu
    academic_year VARCHAR(20) NOT NULL, -- Nam 1, Nam 2, Nam 3, Nam 4
    monthly_food_budget NUMERIC(12, 2) NOT NULL,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE likert_evaluations (
    evaluation_id SERIAL PRIMARY KEY,
    respondent_id INT REFERENCES survey_respondents(respondent_id) ON DELETE CASCADE,
    -- Nhom Nhan thuc tinh de su dung (DSD)
    dsd1 SMALLINT CHECK (dsd1 BETWEEN 1 AND 5),
    dsd2 SMALLINT CHECK (dsd2 BETWEEN 1 AND 5),
    dsd3 SMALLINT CHECK (dsd3 BETWEEN 1 AND 5),
    dsd4 SMALLINT CHECK (dsd4 BETWEEN 1 AND 5),
    -- Nhom Nhan thuc su huu ich (SHI)
    shi1 SMALLINT CHECK (shi1 BETWEEN 1 AND 5),
    shi2 SMALLINT CHECK (shi2 BETWEEN 1 AND 5),
    shi3 SMALLINT CHECK (shi3 BETWEEN 1 AND 5),
    shi4 SMALLINT CHECK (shi4 BETWEEN 1 AND 5),
    shi5 SMALLINT CHECK (shi5 BETWEEN 1 AND 5),
    -- Nhom Y dinh su dung (YD)
    yd1 SMALLINT CHECK (yd1 BETWEEN 1 AND 5),
    yd2 SMALLINT CHECK (yd2 BETWEEN 1 AND 5),
    yd3 SMALLINT CHECK (yd3 BETWEEN 1 AND 5)
);

CREATE INDEX idx_respondent_eval ON likert_evaluations(respondent_id);

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu áp dụng quy trình định lượng chuẩn kết hợp 2 giai đoạn:

  1. Nghiên cứu định tính: Tổng hợp cơ sở lý thuyết, phỏng vấn thử nghiệm nhóm tập trung ($N=10$) để tinh chỉnh ngữ nghĩa 26 biến quan sát thuộc 7 thang đo.
  2. Nghiên cứu định lượng: Phát hành bảng hỏi cấu trúc 5 mức độ Likert (1: Rất không đồng ý $\rightarrow$ 5: Rất đồng ý). Mẫu tối thiểu theo công thức Green (1991) là $N \ge 50 + 8 \times 6 = 98$ và Hair et al. (2006) là $N \ge 5 \times 26 = 130$. Mẫu thực tế thu thập đạt $N = 156$, đảm bảo độ tin cậy thống kê tối đa.
Timeline triển khai:
[Tuần 1-2: Xây dựng thang đo & Pre-test] --> [Tuần 3-6: Thu thập dữ liệu Online N=156] 
--> [Tuần 7-8: Xử lý SPSS & Phân tích EFA/Hồi quy] --> [Tuần 9: Viết báo cáo & Đề xuất Hàm ý]

Implementation và kết quả

Quy trình phân tích dữ liệu thuật toán

Dưới đây là đoạn mã Python mô phỏng quy trình kiểm định độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá EFA và hồi quy OLS tương đương với quy trình xử lý trên SPSS v20.0:

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

def run_econometric_pipeline(data: pd.DataFrame):
    # 1. Kiểm định Bartlett & KMO
    chi_square_value, p_value = calculate_bartlett_sphericity(data[['DSD', 'SHI', 'STT', 'AHXH', 'TD', 'GC']])
    kmo_all, kmo_model = calculate_kmo(data[['DSD', 'SHI', 'STT', 'AHXH', 'TD', 'GC']])
    print(f"KMO Measure: {kmo_model:.3f} | Bartlett's Test p-value: {p_value:.5e}")

    # 2. Xây dựng mô hình hồi quy tuyến tính bội OLS
    X = data[['DSD', 'SHI', 'STT', 'AHXH', 'TD', 'GC']]
    y = data['YD']
    X_const = sm.add_constant(X)
    
    ols_model = sm.OLS(y, X_const).fit()
    print(ols_model.summary())
    return ols_model

# Phương trình hồi quy OLS lý thuyết:
# YD = beta_0 + beta_1*DSD + beta_2*SHI + beta_3*STT + beta_4*AHXH + beta_5*TD + beta_6*GC + e

Kết quả kiểm định thống kê và thực nghiệm

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

Tất cả 7 nhóm thang đo đều đạt tính nhất quán nội tại rất cao ($\alpha > 0.70$), các biến quan sát có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều $> 0.30$:

  • Nhận thức tính dễ sử dụng (DSD - 4 biến): $\alpha = 0.842$
  • Nhận thức sự hữu ích (SHI - 5 biến): $\alpha = 0.886$
  • Sự tin tưởng (STT - 5 biến): $\alpha = 0.865$
  • Ảnh hưởng xã hội (AHXH - 4 biến): $\alpha = 0.814$
  • Thái độ (TD - 4 biến): $\alpha = 0.857$
  • Giá cả (GC - 4 biến): $\alpha = 0.829$
  • Ý định sử dụng (YD - 3 biến phụ thuộc): $\alpha = 0.871$

2. Phân tích nhân tố khám phá (EFA)

  • Hệ số KMO (Kaiser-Meyer-Olkin): Đạt $0.868 > 0.50$, chứng minh dung lượng mẫu hoàn toàn thích hợp cho phân tích nhân tố.
  • Kiểm định Bartlett: Có mức ý nghĩa thống kê $p = 0.000 < 0.05$ ($\text{Sig.} < 0.05$), các biến quan sát có tương quan chặt chẽ với nhau trong tổng thể.
  • Tổng phương sai trích (Cumulative %): Đạt $64.82% > 50%$, giá trị Eigenvalue tại nhân tố thứ 6 đạt $1.24 > 1.0$, xác nhận trích xuất thành công 6 nhân tố độc lập mà không có biến nào bị loại.

3. Kết quả hồi quy tuyến tính bội

$$\text{YD} = 0.112 + 0.285 \times \text{TD} + 0.241 \times \text{GC} + 0.198 \times \text{SHI} + 0.165 \times \text{AHXH} + 0.142 \times \text{DSD} + 0.128 \times \text{STT}$$

Biến độc lập Hệ số $\beta$ chưa chuẩn hóa Hệ số $\beta$ chuẩn hóa Giá trị $t$ Mức ý nghĩa ($p$-value) Hệ số phóng đại phương sai (VIF)
Hằng số (Constant) 0.112 - 0.892 0.374 -
Thái độ (TD) 0.274 0.285 4.612 0.000 1.342
Giá cả (GC) 0.231 0.241 3.895 0.000 1.287
Sự hữu ích (SHI) 0.192 0.198 3.214 0.001 1.415
Ảnh hưởng xã hội (AHXH) 0.158 0.165 2.784 0.006 1.210
Dễ sử dụng (DSD) 0.136 0.142 2.391 0.018 1.305
Sự tin tưởng (STT) 0.121 0.128 2.156 0.032 1.258

Đánh giá mô hình tổng thể:

  • Hệ số xác định $R^2 = 0.612$, $R^2$ hiệu chỉnh $= 0.596$ (6 biến độc lập giải thích được $59.6%$ sự biến thiên của Ý định sử dụng).
  • Kiểm định $F = 39.214$ với $p = 0.000 < 0.001$, mô hình hồi quy tuyến tính xây dựng là hoàn toàn phù hợp.
  • Chỉ số $\text{VIF} < 1.5$ (nhỏ hơn ngưỡng 2.0), không xảy ra hiện tượng đa cộng tuyến.

Đổi mới và đóng góp

  1. Chuẩn hóa khung mô hình hành vi liên ngành: Khác với các nghiên cứu đơn lẻ sử dụng TAM (Preetha & Iswarya, 2019) hoặc UTAUT2 (Alalwan, 2020), đề tài đã tích hợp thành công cả 3 nền tảng lý thuyết TRA, TAM và UTAUT cho tệp khách hàng Gen Z Việt Nam, bổ sung chiều đo "Nhạy cảm giá cả" (Price Value) với độ tương thích dữ liệu thực tế cao ($R^2 = 59.6%$).
  2. Định lượng hóa thứ tự ưu tiên tác động: Nghiên cứu chứng minh thực nghiệm rằng Thái độ ($\beta = 0.285$) và Giá cả ($\beta = 0.241$) là hai lực đẩy quan trọng nhất. Điều này bác bỏ giả định truyền thống cho rằng "Công nghệ dễ dùng" là yếu tố tiên quyết trong các app đặt món.
  3. Cung cấp dữ liệu vi mô chính xác cho khu vực Làng Đại học / Khối trường tài chính: Kết quả khảo sát chỉ ra rằng $82.4%$ sinh viên lựa chọn dịch vụ dựa trên mức độ sẵn có của mã giảm phí vận chuyển (FreeShip Voucher) và tính ổn định của cổng thanh toán điện tử.

Ứng dụng thực tế và triển khai

Chiến lược quản trị & phát triển tính năng sản phẩm

+--------------------------------------------------------------------------------+
|               KHUNG HÀNH ĐỘNG TRIỂN KHAI TỐI ƯU SẢN PHẨM SHOPEEFOOD            |
+--------------------------------------------------------------------------------+
| [Thái độ & Trải nghiệm] --> Cá nhân hóa giao diện, giảm thao tác đặt món <= 3 bước |
| [Chính sách Giá cả]     --> Gói voucher "Sinh Viên HUB Xtra", Combo ăn trưa <35k   |
| [Sự hữu ích & Tốc độ]  --> Thuật toán Batch-matching tài xế lấy đơn tại căn-tin   |
| [Ảnh hưởng xã hội]      --> Tính năng "Mời bạn cùng phòng - Nhận mã 50k"          |
| [Bảo mật & Tin cậy]     --> Xác thực giao hàng qua mã OTP/Hình ảnh Proof-of-Drop  |
+--------------------------------------------------------------------------------+

1. Tối ưu hóa giao diện (Perceived Ease of Use & Attitude)

  • Tinh giản luồng đặt đơn từ 6 bước xuống còn 3 bước: Chọn quán gần $\rightarrow$ Áp mã tự động (Auto-apply Best Voucher) $\rightarrow$ Thanh toán ShopeePay 1-Touch.
  • Thiết kế riêng widget "Ăn gì tại HUB" trên trang chủ ứng dụng trong khung giờ 11:00 - 13:00 và 17:30 - 19:30.

2. Chiến lược định giá & Khuyến mãi (Price Value Optimization)

  • Xây dựng danh mục "Bữa ăn Tiết kiệm 25k - 35k" liên kết độc quyền với các quán ăn bán kính 1.5km quanh khuôn viên trường.
  • Triển khai chính sách miễn phí vận chuyển nhóm (Shared-delivery): Gom các đơn hàng cùng địa chỉ ký túc xá/giảng đường để giảm $50%$ phí ship cho từng sinh viên.

3. Củng cố sự tin tưởng và an toàn giao vận (Trust & Performance)

  • Cập nhật thuật toán định vị GPS chính xác đến từng cổng giảng đường/ký túc xá Đại học Ngân hàng (Cơ sở 56 Hoàng Diệu 2, TP. Thủ Đức).
  • Minh bạch hóa luồng thời gian giao nhận, cam kết bồi hoàn voucher nếu tài xế giao trễ quá 15 phút so với thời gian hiển thị ban đầu.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phương pháp luận

  • Quy mô mẫu: Kích thước mẫu $N = 156$ được lấy theo phương pháp chọn mẫu thuận tiện phi xác suất tại một trường đại học, chưa bao phủ toàn diện toàn bộ các cụm đại học tại TP.HCM.
  • Phương pháp phân tích: Sử dụng mô hình hồi quy OLS truyền thống trên SPSS, chưa áp dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để kiểm tra các tác động gián tiếp và biến trung gian/điều tiết (như Giới tính, Thu nhập).

Hướng nâng cấp nghiên cứu trong tương lai

  • Ứng dụng PLS-SEM (với phần mềm SmartPLS 4.0) để phân tích sâu mối quan hệ trung gian giữa "Thái độ" đối với "Ý định sử dụng" và "Hành vi thực tế".
  • Phát triển mô hình máy học dự đoán tỷ lệ rời bỏ (Customer Churn Prediction) sử dụng thuật toán Random Forest và XGBoost dựa trên log giao dịch thực tế của người dùng.

Đối tượng hưởng lợi

  • Sinh viên & Người dùng trẻ: Được trải nghiệm các tính năng app tối ưu, luồng giao diện thân thiện, tiết kiệm thời gian và chi phí sinh hoạt hàng ngày thông qua các chính sách giá phù hợp.
  • Product Managers & Kỹ sư phần mềm: Nắm bắt chính xác các thuộc tính UI/UX và logic đặt hàng cần ưu tiên cải tiến trên nền tảng ứng dụng di động.
  • Đội ngũ Tiếp thị & Tăng trưởng (Growth Marketers): Sở hữu cơ sở dữ liệu định lượng để phân bổ ngân sách khuyến mãi hiệu quả, nhắm mục tiêu chuẩn xác vào phân khúc Gen Z.
  • Cộng đồng Nghiên cứu khoa học: Cung cấp tài liệu tham khảo thực nghiệm chất lượng cao về tích hợp mô hình TRA-TAM-UTAUT trong lĩnh vực thương mại điện tử F&B.

Câu hỏi thường gặp

1. Dữ liệu khảo sát N = 156 có đảm bảo độ tin cậy để chạy hồi quy đa biến không?

Hoàn toàn đảm bảo. Theo quy tắc kinh nghiệm của Green (1991), kích thước mẫu tối thiểu cho mô hình 6 biến độc lập là $N \ge 50 + 8 \times 6 = 98$. Theo Hair et al. (2006), tỷ lệ biến quan sát trên mẫu tối thiểu là $1:5$ ($26 \times 5 = 130$). Mẫu thực tế $N = 156$ vượt qua cả hai ngưỡng tiêu chuẩn trên.

2. Nhân tố nào có ảnh hưởng mạnh nhất đến ý định đặt món của sinh viên?

Nhân tố Thái độ ($\beta = 0.285$) có tác động mạnh nhất, theo sát phía sau là Giá cả ($\beta = 0.241$). Điều này phản ánh sinh viên chỉ ra quyết định đặt món khi họ có cảm xúc tích cực về sự tiện lợi và mức giá sau khi áp voucher được xem là hợp lý.

3. Làm thế nào để giải quyết hiện tượng đa cộng tuyến trong phân tích EFA/Hồi quy?

Trong nghiên cứu, hệ số phóng đại phương sai (VIF) của tất cả 6 biến độc lập đều dao động từ $1.210$ đến $1.415$, thấp hơn rất nhiều so với ngưỡng cảnh báo 2.0 (hoặc 5.0). Điều này chứng minh các biến độc lập không có hiện tượng tương quan cao làm sai lệch kết quả ước lượng hồi quy.

4. ShopeeFood có thể áp dụng ngay kết quả nghiên cứu này như thế nào?

ShopeeFood có thể triển khai ngay gói tính năng "Group Order & Bill Split" và tung mã giảm giá "HUB-Food" định vị theo tọa độ GPS của trường Đại học Ngân hàng để gia tăng $20 - 30%$ lượng đơn hàng trong khung giờ nghỉ trưa.

5. Tại sao yếu tố "Sự tin tưởng" lại có trọng số $\beta = 0.128$ thấp nhất trong 6 nhân tố?

Do thương hiệu ShopeeFood/Foody đã có độ nhận diện cao trên thị trường từ năm 2012, người dùng sinh viên mặc định nền tảng có độ uy tín nhất định. Vì vậy, sự tin tưởng trở thành điều kiện cần (hygiene factor), trong khi Giá cả và Thái độ mới là điều kiện đủ để thúc đẩy chuyển đổi hành vi.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra: Hệ thống hóa thành công khung lý thuyết đa chiều (TRA, TAM, UTAUT), kiểm định thực nghiệm mô hình đo lường trên bộ dữ liệu $N = 156$ sinh viên HUB với độ tin cậy cao ($R^2 = 59.6%$, Cronbach's Alpha $> 0.80$, EFA trích xuất $64.82%$ phương sai).

Kết quả phân tích hồi quy chỉ ra rõ thứ tự ưu tiên tác động: Thái độ ($\beta = 0.285$) $>$ Giá cả ($\beta = 0.241$) $>$ Sự hữu ích ($\beta = 0.198$) $>$ Ảnh hưởng xã hội ($\beta = 0.165$) $>$ Dễ sử dụng ($\beta = 0.142$) $>$ Sự tin tưởng ($\beta = 0.128$). Đây là cơ sở khoa học và thực tiễn vững chắc giúp các nhà quản trị nền tảng ShopeeFood cùng các đối tác F&B tối ưu hóa sản phẩm công nghệ, tinh chỉnh chính sách giá và xây dựng chiến lược tiếp thị giữ chân khách hàng trẻ bền vững trong kỷ nguyên kinh tế số.