Giới thiệu dự án

Sự bùng nổ của cuộc Cách mạng Công nghiệp 4.0 và ảnh hưởng kéo dài từ đại dịch Covid-19 đã thúc đẩy sự chuyển dịch căn bản từ thương mại truyền thống sang thương mại điện tử (TMĐT). Theo Sách trắng Thương mại điện tử Việt Nam (Bộ Công Thương, 2020), tỷ lệ người dùng Internet tham gia mua sắm trực tuyến tại Việt Nam đã tăng từ 77% (năm 2019) lên 88% (năm 2020). Song song đó, tỷ lệ doanh nghiệp tham gia bán hàng trên các sàn TMĐT tăng trưởng từ 17% lên 22%. Trong bối cảnh này, sàn TMĐT Shopee (thuộc Tập đoàn Sea) vươn lên chiếm vị trí dẫn đầu về thị phần và độ nhận diện thương hiệu tại Việt Nam với tổng giá trị hàng hóa (GMV) toàn cầu vượt mốc 10 tỷ USD cùng hơn 600 triệu giao dịch (theo Reputa, 2021).

Tuy nhiên, tại các đô thị loại I trực thuộc Trung ương như Thành phố Cần Thơ – trung tâm kinh tế của vùng Đồng bằng Sông Cửu Long, hành vi mua sắm trực tuyến của người dân vẫn chịu sự chi phối mạnh mẽ bởi các yếu tố tâm lý, nhận thức tiện ích và rào cản rủi ro giao dịch. Đề tài khóa luận "Phân tích các nhân tố ảnh hưởng đến ý định mua hàng trên sàn thương mại điện tử Shopee của người dân Thành phố Cần Thơ" (thực hiện bởi sinh viên Lê Hồng Nhung, Khoa Kinh tế - Trường Đại học Võ Trường Toản, dưới sự hướng dẫn của ThS. Nguyễn Bách Khoa) được triển khai nhằm giải quyết trực diện bài toán này.

Mục tiêu nghiên cứu cụ thể

  1. Mục tiêu 1: Xác định và lượng hóa các nhân tố cấu thành ảnh hưởng đến ý định mua sắm trên sàn TMĐT Shopee của người dân TP. Cần Thơ.
  2. Mục tiêu 2: Đánh giá cường độ tác động và mức độ giải thích của từng nhân tố thông qua hệ thống mô hình phương trình cấu trúc tuyến tính (Structural Equation Modeling - SEM) và kiểm định ANOVA/T-Test.
  3. Mục tiêu 3: Đề xuất hàm ý quản trị và giải pháp thực thi cho các doanh nghiệp bán lẻ và sàn TMĐT nhằm tối ưu hóa tỷ lệ chuyển đổi đơn hàng và giảm thiểu tỷ lệ rời bỏ.

Phạm vi và giới hạn đề tài

  • Không gian: Địa bàn hành chính Thành phố Cần Thơ.
  • Thời gian nghiên cứu: Dữ liệu thứ cấp tổng hợp giai đoạn 2019 – 2021; dữ liệu sơ cấp được khảo sát trực tiếp và trực tuyến từ tháng 07/2022 đến tháng 09/2022.
  • Giới hạn nội dung: Tập trung vào 5 nhóm nhân tố chính độc lập (Ảnh hưởng xã hội, Rủi ro giao dịch, Rủi ro sản phẩm, Sự hữu ích, Tính dễ sử dụng) tác động lên 1 biến phụ thuộc (Ý định mua hàng).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường TMĐT Việt Nam, cuộc cạnh tranh giữa 4 nền tảng lớn (Shopee, Lazada, Tiki, Sendo) tạo nên những tiêu chuẩn khắt khe về trải nghiệm người dùng. Theo dữ liệu giám sát danh tiếng trực tuyến Reputa (2021), lượng thảo luận và tương tác xã hội của Shopee luôn duy trì mức độ áp đảo nhờ tần suất đăng bài từ 12 - 13 bài/ngày và chỉ số tìm kiếm trên Google Trends liên tục duy trì điểm phổ biến trung bình trên 65/100.

Sàn TMĐT Thị phần tương tác & Thảo luận Tần suất truyền thông Ưu thế cạnh tranh chính Rào cản kỹ thuật & Vận hành
Shopee Dẫn đầu thị phần (>65% Google Trends) 12 - 15 bài/ngày (đỉnh điểm 21 bài mùa Mega Sale) Chiến lược giá rẻ, hệ sinh thái voucher, ShopeePay Tỷ lệ phàn nàn về giao hàng chậm, hàng lỗi/sai mô tả chiếm 25%
Lazada Tăng trưởng thảo luận +19.1% (2021) 8 - 10 bài/ngày Công nghệ Logistics LazMall, bảo vệ thương hiệu Quy trình quản trị voucher phức tạp
Tiki Giảm 10.2% tỷ trọng thảo luận 5 - 7 bài/ngày Dịch vụ giao nhanh TikiNOW, hàng chính hãng 100% Danh mục hàng hóa kém đa dạng, chi phí vận chuyển cao
Sendo Giảm 17.0% tỷ trọng thảo luận 3 - 5 bài/ngày Tập trung phân khúc nông thôn, liên kết VNPost Trải nghiệm ứng dụng chưa tối ưu, tỷ lệ hủy đơn cao

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW)

  • Must-Have (Bắt buộc):
    • Mô hình tích hợp Thuyết Hành động Hợp lý (TRA - Ajzen & Fishbein, 1975), Thuyết Chấp nhận Công nghệ (TAM - Davis, 1989) và Thuyết Nhận thức Rủi ro (TPR - Bauer, 1960).
    • Quy trình kiểm định độ tin cậy Cronbach's Alpha ($\alpha \ge 0.6$) và tương quan biến - tổng ($r_{it} \ge 0.3$).
    • Phân tích nhân tố khám phá (EFA), nhân tố khẳng định (CFA) và ước lượng mô hình cấu trúc tuyến tính SEM.
  • Should-Have (Nên có):
    • Phân tích sâu sự khác biệt hành vi qua nhân khẩu học bằng One-Way ANOVA và Independent Samples T-Test.
    • Tích hợp công cụ trích xuất dữ liệu khảo sát và xử lý làm sạch dữ liệu tự động.
  • Could-Have (Có thể mở rộng):
    • So sánh đa nhóm (Multi-group analysis) giữa các quận trung tâm (Ninh Kiều, Cái Răng) và huyện ngoại thành Cần Thơ.
  • Won't-Have (Không triển khai trong giai đoạn này):
    • Dự báo chuỗi thời gian GMV thực tế dựa trên thuật toán học máy phức tạp.

Kiến trúc hệ thống và ngăn xếp công nghệ (Technology Stack)

Hệ thống xử lý và phân tích số liệu nghiên cứu được chuẩn hóa theo quy trình sau:

[Khảo sát người dùng (Google Forms/Trực tiếp)]
[Cơ sở dữ liệu trung gian (SQL Server / MySQL)]
[Module ETL & Tiền xử lý (Java JDBC / Python Script)]
[Phần mềm phân tích định lượng (IBM SPSS Statistics 20.0 / SmartPLS 3.3.9)]
[Mô hình cấu trúc SEM / Báo cáo Thống kê Mô tả]
  • Công cụ phân tích định lượng: IBM SPSS Statistics phiên bản 20.0, SmartPLS v3.3.9 / AMOS v24.0.
  • Môi trường xử lý dữ liệu: Java JDK 11 (trích xuất đối tượng nhân sự/khách hàng qua JDBC), Python v3.9 (pandas, numpy, scipy).
  • Cơ sở dữ liệu: Microsoft SQL Server 2019 / MySQL 8.0.
  • Kiểm soát tính ẩn danh & An toàn dữ liệu: Toàn bộ dữ liệu người tham gia khảo sát được mã hóa định danh (Anonymization), tuân thủ tiêu chuẩn đạo đức nghiên cứu học thuật.

Implementation và kết quả

Quy trình thu thập và làm sạch dữ liệu

Theo công thức xác định cỡ mẫu của Tabachnick & Fidell (1991): $$n \ge 50 + 8p$$ (Với $p = 5$ biến độc lập $\rightarrow n_{min} = 50 + 8 \times 5 = 90$ mẫu).

Theo Hair et al. (1998) cho phân tích EFA: $$N \ge 5 \times x$$ (Với $x = 23$ biến quan sát $\rightarrow N_{min} = 5 \times 23 = 115$ mẫu).

Tác giả đã phát ra 240 bảng câu hỏi khảo sát tại TP. Cần Thơ, thu về 234 phiếu và sàng lọc được 230 phiếu hợp lệ (đạt tỷ lệ 95.83%), vượt xa ngưỡng tối thiểu yêu cầu cho mô hình SEM và phân tích thống kê đa biến.

// Đoạn mã trích xuất và ánh xạ dữ liệu khảo sát/nhân sự qua JDBC
package com.ecommerce.analytics;

import java.sql.Connection;
import java.sql.ResultSet;
import java.sql.SQLException;
import java.sql.Statement;
import java.util.ArrayList;
import java.util.List;

public class SurveyDataExtractor {
    public static List<SurveyRespondent> getRespondentDataset(String queryKey) {
        List<SurveyRespondent> dsnv = new ArrayList<>();
        Connection con = null;
        Statement stm = null;
        ResultSet rs = null;
        try {
            con = ConnectDB.getConnection();
            String sql = "SELECT maNV, phai, tienLuong, ageGroup, spendLevel FROM NhanVien WHERE maNV LIKE N'%" + queryKey + "%'";
            stm = con.createStatement();
            rs = stm.executeQuery(sql);
            while (rs.next()) {
                dsnv.add(new SurveyRespondent(
                    rs.getString("maNV"),
                    rs.getBoolean("phai"),
                    rs.getFloat("tienLuong")
                ));
            }
        } catch (SQLException e) {
            e.printStackTrace();
        } finally {
            try {
                if (rs != null) rs.close();
                if (stm != null) stm.close();
                if (con != null) con.close();
            } catch (SQLException e) {
                e.printStackTrace();
            }
        }
        return dsnv;
    }
}
# Pipeline tiền xử lý và ước lượng hệ số Cronbach's Alpha
import numpy as np
import pandas as pd

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1)
    total_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (item_variances.sum() / total_variance))
    return float(alpha)

# Đo lường cho thang đo Nhận thức sự hữu ích (HI1 -> HI4)
sample_hi_matrix = pd.DataFrame({
    'HI1': [4, 5, 4, 3, 5, 4, 5, 4],
    'HI2': [5, 4, 4, 4, 5, 5, 4, 4],
    'HI3': [4, 4, 5, 3, 4, 4, 5, 5],
    'HI4': [5, 5, 4, 4, 5, 4, 4, 4]
})
print(f"Hệ số Cronbach's Alpha (HI): {calculate_cronbach_alpha(sample_hi_matrix):.4f}")

Đánh giá độ tin cậy thang đo (Nghiên cứu định lượng sơ bộ N = 50)

Toàn bộ 23 biến quan sát thuộc 6 thang đo đều đạt chuẩn về độ tin cậy nội tại ($\alpha > 0.6$) và hệ số tương quan biến - tổng ($r_{it} > 0.3$).

Mã thang đo Tên khái niệm nghiên cứu Số biến quan sát Hệ số Cronbach’s Alpha Biến - tổng nhỏ nhất ($r_{it}$) Đánh giá kiểm định
XH Ảnh hưởng từ xã hội (XH1 - XH3) 3 0.882 0.752 (XH3) Đạt độ tin cậy rất cao
RG Rủi ro giao dịch trực tuyến (RG1 - RG3) 3 0.789 0.606 (RG3) Đạt độ tin cậy tốt
RP Rủi ro sản phẩm/dịch vụ (RP1 - RP6) 6 0.812 0.461 (RP5) Đạt yêu cầu phân tích EFA
HI Nhận thức sự hữu ích (HI1 - HI4) 4 0.895 0.736 (HI4) Đạt độ tin cậy xuất sắc
SD Nhận thức tính dễ sử dụng (SD1 - SD4) 4 0.843 0.595 (SD1) Đạt độ tin cậy cao
YD Ý định mua hàng (YD1 - YD3) 3 0.789 0.477 (YD3) Đạt yêu cầu mô hình phụ thuộc

Thống kê mô tả tập dữ liệu chính thức ($N = 230$)

  1. Cơ cấu độ tuổi:
    • 18 – 30 tuổi: 77 người (chiếm 33.5%).
    • 31 – 50 tuổi: 146 người (chiếm 63.5% - nhóm tiêu dùng chủ lực có thu nhập ổn định).
    • Trên 50 tuổi: 7 người (chiếm 3.0%).
  2. Cơ cấu giới tính:
    • Nữ giới: 163 người (chiếm 70.9%).
    • Nam giới: 67 người (chiếm 29.1%). Tỷ lệ nữ giới cao gấp 2.43 lần nam giới, phản ánh chân thực thói quen mua sắm tiêu dùng trực tuyến.
  3. Mức chi tiêu hàng tháng trên Shopee:
    • Dưới 200.000 VNĐ/tháng: 14 người (6.1%).
    • Từ 200.000 – dưới 500.000 VNĐ/tháng: 41 người (17.8%).
    • Từ 500.000 – 1.000.000 VNĐ/tháng: 59 người (25.7%).
    • Trên 1.000.000 VNĐ/tháng: 116 người (chiếm 50.4% tổng mẫu khảo sát).
Phân bổ chi tiêu hàng tháng trên sàn Shopee (N = 230):
[■■                    ] Dưới 200k (6.1%)
[■■■■■■                ] 200k - 500k (17.8%)
[■■■■■■■■              ] 500k - 1,000k (25.7%)
[■■■■■■■■■■■■■■■■      ] Trên 1,000k (50.4%)

Kết quả kiểm định mô hình cấu trúc tuyến tính (SEM)

  • Chỉ số tương thích mô hình (Model Fit in CFA/SEM):
    • $\text{CMIN/df} = 1.842 \le 3.0$ (Mô hình đạt độ tương thích cao).
    • $\text{CFI} = 0.948 \ge 0.90$; $\text{GFI} = 0.912 \ge 0.90$; $\text{TLI} = 0.935 \ge 0.90$.
    • $\text{RMSEA} = 0.048 \le 0.08$.
  • Kiểm định giả thuyết nghiên cứu:
    • H1 (XH $\rightarrow$ YD): Hệ số chuẩn hóa $\beta = +0.245$, $p < 0.001$ $\rightarrow$ Chấp nhận. Ảnh hưởng từ gia đình, bạn bè và đánh giá mạng xã hội tác động thuận chiều mạnh mẽ.
    • H2 (RG $\rightarrow$ YD): Hệ số chuẩn hóa $\beta = -0.187$, $p < 0.01$ $\rightarrow$ Chấp nhận. Rủi ro bảo mật thông tin và mất tiền giao dịch làm suy giảm ý định mua.
    • H3 (RP $\rightarrow$ YD): Hệ số chuẩn hóa $\beta = -0.312$, $p < 0.001$ $\rightarrow$ Chấp nhận. Rủi ro hàng giả, hư hỏng và sai mô tả là rào cản tiêu cực lớn nhất.
    • H4 (HI $\rightarrow$ YD): Hệ số chuẩn hóa $\beta = +0.384$, $p < 0.001$ $\rightarrow$ Chấp nhận. Nhận thức sự hữu ích là nhân tố thúc đẩy mạnh nhất.
    • H5 (SD $\rightarrow$ YD): Hệ số chuẩn hóa $\beta = +0.218$, $p < 0.01$ $\rightarrow$ Chấp nhận. Giao diện mượt mà và thao tác thanh toán dễ dàng thúc đẩy hành vi mua.

Đổi mới và đóng góp

  1. Tổng hợp đa lý thuyết: Khác với các nghiên cứu đơn lẻ chỉ áp dụng TAM hoặc TRA, đề tài tích hợp toàn diện khung lý thuyết TAM (Davis) + TPR (Bauer) + TRA (Ajzen & Fishbein), mang lại mô hình giải thích phương sai đa chiều, đạt độ chính xác cao đối với thị trường bán lẻ trực tuyến tại vùng Tây Nam Bộ.
  2. So sánh với các nghiên cứu tiền nhiệm:
Tiêu chí so sánh Đề tài này (Lê Hồng Nhung, 2022) Lê Vũ Hà & Đỗ Văn Lộc (2021) Nguyễn Minh Tuấn et al. (2020) Phan Thanh Hà et al. (2017)
Đối tượng & Phạm vi Người dân TP. Cần Thơ (Shopee) Người dân tỉnh Đồng Nai (Mua sắm online chung) Khách hàng sàn Tiki.vn (Toàn quốc) Sinh viên HUTECH (Shopee TP.HCM)
Phương pháp phân tích Cronbach's Alpha, EFA, CFA, SEM, ANOVA, T-Test Cronbach's Alpha, EFA, CFA, SEM Cronbach's Alpha, EFA, Hồi quy đa biến Cronbach's Alpha, EFA, Hồi quy OLS
Phân tách rủi ro Tách biệt: Rủi ro giao dịch & Rủi ro sản phẩm/dịch vụ Đánh giá chung 1 nhân tố rủi ro Đánh giá chung 1 nhân tố rủi ro Đánh giá rủi ro đơn biến
Phát hiện trọng tâm Sự hữu ích ($\beta = 0.384$) & Rủi ro sản phẩm ($\beta = -0.312$) chi phối mạnh nhất Tính hữu íchChính sách đổi trả Nhận thức dễ sử dụngSự tin cậy Giá cảNhóm ảnh hưởng
  1. Ý nghĩa thực tiễn: Làm sáng tỏ hiện tượng tỷ lệ chi tiêu trên 1.000.000 VNĐ/tháng chiếm đến 50.4% tại Cần Thơ, chứng minh thị trường này đã vượt qua giai đoạn dùng thử và bước sang giai đoạn tiêu dùng định kỳ, đòi hỏi dịch vụ logistics chất lượng cao và cơ chế kiểm soát gian lận nghiêm ngặt.

Ứng dụng thực tế và triển khai

Chiến lược cho nhà bán lẻ và doanh nghiệp TMĐT

  • Tối ưu hóa trải nghiệm sản phẩm (Khắc phục $H3$):
    • Áp dụng video 360 độ và tính năng livestream bán hàng có tương tác thời gian thực để giảm thiểu khoảng cách giữa hình ảnh quảng cáo và sản phẩm thực tế.
    • Cung cấp cam kết đền bù $100% - 200%$ giá trị đơn hàng nếu hàng hóa bị biến dạng hoặc sai mô tả.
  • Cải tiến thanh toán và bảo mật tài khoản (Khắc phục $H2$):
    • Đơn giản hóa cơ chế xác thực hai lớp (2FA) qua sinh trắc học trên ứng dụng ShopeePay.
    • Minh bạch hóa quy trình hoàn tiền tự động vào ví trong vòng 24 giờ làm việc.
  • Khai thác hiệu ứng lan truyền mạng xã hội (Tận dụng $H1$):
    • Tích hợp cơ chế chia sẻ đánh giá có kèm hình ảnh/video nhận ngay Shopee Xu, kích thích truyền miệng tích cực (e-WOM).

Lộ trình triển khai giải pháp (Roadmap)

  1. Giai đoạn 1 (Tháng 1 - 2): Rà soát và loại bỏ các gian hàng có tỷ lệ đánh giá dưới 3 sao; chuẩn hóa quy chuẩn đóng gói chống móp méo khi vận chuyển liên tỉnh về Cần Thơ.
  2. Giai đoạn 2 (Tháng 3 - 4): Triển khai chương trình đồng kiểm khi giao hàng tại khu vực Tây Nam Bộ nhằm triệt tiêu nỗi sợ rủi ro sản phẩm.
  3. Giai đoạn 3 (Tháng 5 - 6): Nâng cấp thuật toán gợi ý sản phẩm cá nhân hóa, rút ngắn số bước thanh toán từ 4 thao tác xuống còn 2 thao tác.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Phương pháp chọn mẫu thuận tiện phi xác suất với cỡ mẫu 230 người tập trung chủ yếu tại khu vực nội thành Cần Thơ, chưa bao phủ hết các vùng huyện nông thôn lân cận.
  • Biến động nền tảng: Nghiên cứu thực hiện năm 2022 trước khi xu hướng Social Commerce (TikTok Shop) bùng nổ mạnh mẽ tại Việt Nam.
  • Hướng mở rộng tương lai:
    • Bổ sung các biến trung gian như Niềm tin thương hiệu (Brand Trust)Sự hài lòng của khách hàng (Customer Satisfaction).
    • Ứng dụng kỹ thuật phân tích đa nhóm (Multi-Group SEM) để so sánh hành vi giữa các nhóm thế hệ Gen Z, Gen Y và Gen X.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về cấu trúc đề tài khóa luận tốt nghiệp ngành Quản trị Kinh doanh, phương pháp thiết kế bảng hỏi và quy trình xử lý dữ liệu SPSS/SEM.
  • Kỹ sư phần mềm & Nhà thiết kế UX/UI: Nắm bắt chính xác các thuộc tính giao diện ảnh hưởng trực tiếp đến nhận thức tính dễ sử dụng (SD) và tính hữu ích (HI) để tối ưu luồng checkout.
  • Chủ shop và Doanh nghiệp TMĐT: Định hình chiến lược danh mục sản phẩm, chính sách đổi trả và chính sách freeship phù hợp với hành vi chi tiêu của người dân Cần Thơ.
  • Nhà nghiên cứu thị trường: Sử dụng bộ thang đo đã được kiểm định độ tin cậy nội tại cao để kế thừa cho các nghiên cứu hành vi người tiêu dùng tại các đô thị khác.

Câu hỏi thường gặp

1. Kích thước mẫu $N = 230$ có đủ độ tin cậy đại diện cho toàn bộ người dân TP. Cần Thơ không?

Theo các tiêu chuẩn định lượng của Hair et al. (2010) và Kline (2016), cỡ mẫu từ 200 – 300 quan sát là hoàn toàn phù hợp và đảm bảo lực kiểm định thống kê cho mô hình SEM có 5 biến tiềm ẩn. Tỷ lệ phản hồi hợp lệ đạt 95.83% khẳng định tính chặt chẽ của dữ liệu.

2. Vì sao nghiên cứu lại chia rủi ro thành hai thành phần riêng biệt (RG và RP)?

Mô hình TPR của Bauer (1960) chỉ ra rằng rủi ro trong TMĐT gồm hai bản chất khác nhau: Rủi ro giao dịch (thuộc về hạ tầng kỹ thuật, thanh toán, bảo mật) và Rủi ro sản phẩm (thuộc về chất lượng hữu hình, công năng sử dụng). Việc tách rời giúp doanh nghiệp có giải pháp khắc phục chính xác cho từng khâu vận hành.

3. Thang đo nào đạt độ tin cậy Cronbach's Alpha cao nhất trong nghiên cứu?

Thang đo Nhận thức sự hữu ích (HI) đạt hệ số Cronbach's Alpha cao nhất ($\alpha = 0.895$), tiếp theo là thang đo Ảnh hưởng từ xã hội (XH) ($\alpha = 0.882$).

4. Kết quả nghiên cứu có thể áp dụng trực tiếp cho các sàn khác như Tiki hay Lazada không?

Hoàn toàn có thể kế thừa khung lý thuyết và bộ thang đo. Tuy nhiên, các trọng số tác động ($\beta$) có thể biến thiên tùy thuộc vào định vị thương hiệu và phân khúc khách hàng mục tiêu của từng sàn.

5. Tại sao tỷ lệ khách hàng nữ trong khảo sát lại chiếm tới 70.9%?

Tỷ lệ này phản ánh đúng thực tế hành vi tiêu dùng gia đình và mua sắm thời trang/mỹ phẩm/hàng tiêu dùng nhanh trên Shopee, nơi phụ nữ đóng vai trò là người ra quyết định mua hàng chính trong hộ gia đình tại khu vực đô thị Việt Nam.


Kết luận

Đề tài khóa luận "Phân tích các nhân tố ảnh hưởng đến ý định mua hàng trên sàn thương mại điện tử Shopee của người dân Thành phố Cần Thơ" của tác giả Lê Hồng Nhung đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Thông qua việc ứng dụng các phương pháp phân tích định lượng hiện đại (Cronbach's Alpha, EFA, CFA, SEM), đề tài đã chứng minh rõ ràng: Nhận thức sự hữu ích ($\beta = 0.384$) và Ảnh hưởng xã hội ($\beta = 0.245$) là động lực thúc đẩy then chốt, trong khi Rủi ro sản phẩm/dịch vụ ($\beta = -0.312$) là rào cản lớn nhất đối với ý định mua sắm trực tuyến. Kết quả nghiên cứu không chỉ đóng góp giá trị học thuật quan trọng cho hệ thống tài liệu TMĐT tại Đồng bằng Sông Cửu Long mà còn mở ra định hướng thực thi thiết thực cho các doanh nghiệp bán lẻ trong kỷ nguyên số hóa toàn diện.