Giới thiệu dự án

Thị trường mỹ phẩm và chăm sóc cá nhân tại Việt Nam đang trải qua giai đoạn tăng trưởng vượt bậc với quy mô đạt xấp xỉ 2,3 tỷ USD (theo báo cáo Statista 2021) và tốc độ tăng trưởng kép hàng năm (CAGR) duy trì ở mức 10,5%. Sự bùng nổ của hạ tầng thương mại điện tử (E-commerce) và các nền tảng số đã thay đổi căn bản hành vi người tiêu dùng từ mua sắm truyền thống sang giao dịch trực tuyến. Tuy nhiên, rào cản lớn nhất đối với các doanh nghiệp phân phối mỹ phẩm trực tuyến quy mô vừa và nhỏ (SMEs) là tâm lý e ngại về chất lượng sản phẩm, nguồn gốc xuất xứ và rủi ro giao dịch từ phía khách hàng.

Công ty TNHH Quyết Thành Vinh là đơn vị phân phối và bán lẻ mỹ phẩm tại khu vực miền Trung, đặc biệt là thị trường Thừa Thiên Huế. Doanh nghiệp đối mặt với các điểm nghẽn (pain points) lớn: tỷ lệ hủy giỏ hàng (Cart Abandonment Rate) trên kênh trực tuyến chạm ngưỡng 74,2%, chi phí thu hút khách hàng mới (CAC - Customer Acquisition Cost) tăng 38% giai đoạn 2019–2020, và tỷ lệ chuyển đổi (Conversion Rate) dao động ở mức thấp (1,45% so với mức trung bình ngành là 2,8%).

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận: Tổng hợp các mô hình hành vi người tiêu dùng kinh điển (TAM - Technology Acceptance Model, TPB - Theory of Planned Behavior) để xây dựng khung lý thuyết thích ứng cho ngành bán lẻ mỹ phẩm trực tuyến.
  2. Nhận diện và định lượng các nhân tố tác động: Xác định mức độ ảnh hưởng của các biến độc lập (Niềm tin, Cảm nhận hữu ích, Cảm nhận dễ sử dụng, Giá cả cảm nhận, Ảnh hưởng xã hội, Chính sách khuyến mãi) đến Biến phụ thuộc (Ý định mua mỹ phẩm trực tuyến).
  3. Kiểm định mô hình đo lường: Thực hiện kiểm định độ tin cậy thang đo (Cronbach's Alpha), Phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis), và Phân tích hồi quy đa biến (Multiple Linear Regression).
  4. Đề xuất hệ thống giải pháp thực tiễn: Xây dựng chiến lược kinh doanh và tối ưu hóa hạ tầng bán hàng số cho Công ty TNHH Quyết Thành Vinh nhằm cải thiện chỉ số giữ chân khách hàng (Retention Rate) và doanh thu trực tuyến.

Phương pháp tiếp cận và Phạm vi nghiên cứu

  • Phương pháp tiếp cận: Nghiên cứu kết hợp định tính (phỏng vấn sâu nhóm chuyên gia và người tiêu dùng) và định lượng (khảo sát diện rộng bằng bảng hỏi cấu trúc 5 mức độ Likert).
  • Phạm vi không gian & thời gian: Khách hàng đã và đang có nhu cầu mua mỹ phẩm tại Công ty TNHH Quyết Thành Vinh và khu vực TP. Huế; dữ liệu thu thập giai đoạn 2020 – 2021.
  • Giới hạn nghiên cứu: Mẫu nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện có định ngạch ($N = 220$), tập trung vào nhóm khách hàng từ 18–35 tuổi.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tổng quan các mô hình tiếp cận hành vi thương mại điện tử hiện nay cho thấy sự phân mảnh giữa lý thuyết hàn lâm thuần túy và ứng dụng thực tiễn tại doanh nghiệp:

Tiêu chí phân tích Phương pháp khảo sát truyền thống Mô hình định lượng kết hợp (TAM + TPB) Mô hình đề xuất cho Quyết Thành Vinh
Cơ sở khoa học Thống kê mô tả đơn giản Lý thuyết hành vi chuẩn hóa Tích hợp TAM, TPB & Đặc thù ngành Mỹ phẩm
Độ chính xác dự báo Thấp ($R^2 < 0.30$) Trung bình - Cao ($R^2 \approx 0.50 - 0.60$) Cao ($R^2 = 0.628$)
Kiểm định sai số Không có kiểm định thang đo Cronbach's Alpha, EFA, SEM Cronbach's Alpha, EFA, OLS Regression, VIF
Tính ứng dụng Nhận định định tính chung chung Phức tạp, khó triển khai SME Trực quan, chuyển hóa thành Actionable KPIs

Phân tích yêu cầu theo khung MoSCoW

  • Must-have (Bắt buộc): Đo lường chuẩn xác hệ số $\beta$ của nhân tố "Niềm tin thương hiệu" và "Chất lượng cảm nhận"; kiểm định hiện tượng đa cộng tuyến (VIF $< 2.0$).
  • Should-have (Nên có): Phân khúc khách hàng theo độ tuổi và thu nhập để cá nhân hóa chiến dịch tiếp thị số.
  • Could-have (Có thể có): Tích hợp công cụ tự động hóa tính toán chỉ số hài lòng khách hàng qua Google Forms API và Python Pipeline.
  • Won't-have (Không thực hiện): Đánh giá hành vi mua hàng sau khi sử dụng (Post-purchase behavior) trong phạm vi đề tài này.

Thiết kế hệ thống

Khung nghiên cứu được xây dựng dựa trên mô hình nghiên cứu tích hợp:

Ý định mua hàng (INT) = β0 + β1*TR + β2*PU + β3*PEOU + β4*PRC + β5*SN + β6*PRO + ε

Trong đó:

  • TR (Trust): Niềm tin đối với nhà bán lẻ và xuất xứ sản phẩm.
  • PU (Perceived Usefulness): Cảm nhận sự hữu ích khi mua sắm trực tuyến.
  • PEOU (Perceived Ease of Use): Cảm nhận tính dễ sử dụng của giao diện/kênh bán hàng.
  • PRC (Perceived Price): Giá cả cảm nhận và tính minh bạch chi phí.
  • SN (Subjective Norm): Chuẩn chủ quan (Ý kiến bạn bè, gia đình, Influencers/KOLs).
  • PRO (Sales Promotion): Các chương trình khuyến mãi, hậu mãi.

Thiết kế cơ sở dữ liệu thu thập & xử lý (Data Schema)

Để quản lý và xử lý dữ liệu khảo sát 220 mẫu một cách khoa học, cấu trúc bảng dữ liệu được thiết kế chuẩn hóa trên hệ thống RDBMS:

-- Schema lưu trữ phản hồi khảo sát hành vi khách hàng
CREATE TABLE survey_respondents (
    respondent_id INT AUTO_INCREMENT PRIMARY KEY,
    gender ENUM('Male', 'Female', 'Other') NOT NULL,
    age_range VARCHAR(20) NOT NULL,
    occupation VARCHAR(50),
    income_level VARCHAR(30),
    online_shopping_exp VARCHAR(30),
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

CREATE TABLE scale_responses (
    response_id INT AUTO_INCREMENT PRIMARY KEY,
    respondent_id INT NOT NULL,
    item_code VARCHAR(10) NOT NULL, -- e.g., TR1, TR2, PU1, INT1
    scale_value TINYINT NOT NULL CHECK (scale_value BETWEEN 1 AND 5),
    FOREIGN KEY (respondent_id) REFERENCES survey_respondents(respondent_id) ON DELETE CASCADE
);

Phương pháp nghiên cứu (Methodology)

Quy trình nghiên cứu trải qua 4 giai đoạn logic và chặt chẽ:

  1. Thiết kế công cụ đo lường: Xây dựng bảng hỏi sơ bộ với 28 biến quan sát thuộc 7 nhóm nhân tố, sử dụng thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
  2. Thu thập dữ liệu mẫu: Phát 220 phiếu khảo sát trực tiếp và trực tuyến qua Google Forms; thu về 208 phiếu; loại bỏ 8 phiếu không hợp lệ (thiếu thông tin hoặc chọn cùng một mức độ cho toàn bộ câu hỏi); còn lại $N = 200$ mẫu hợp lệ (Tỷ lệ hữu dụng đạt $96,15%$).
  3. Phân tích định lượng:
    • Đánh giá độ tin cậy thang đo qua hệ số Cronbach's Alpha (Ngưỡng chấp nhận $\alpha \ge 0.70$; Tương quan biến - tổng Corrected Item-Total Correlation $\ge 0.30$).
    • Phân tích nhân tố khám phá (EFA) với phép trích Principal Axis Factoring / Principal Components và phép xoay Varimax ($KMO \ge 0.50$, Kiểm định Bartlett có $Sig. < 0.05$, Tổng phương sai trích $\ge 50%$, Factor Loading $\ge 0.50$).
    • Phân tích tương quan Pearson và mô hình hồi quy tuyến tính bội OLS.
  4. Kiểm định vi phạm giả định hồi quy: Kiểm tra hiện tượng đa cộng tuyến bằng hệ số phóng đại phương sai (VIF), kiểm định phân phối chuẩn phần dư và tính độc lập của sai số (Durbin-Watson).

Implementation và kết quả

Quy trình phân tích dữ liệu

Toàn bộ quy trình tính toán thống kê được thực hiện trên phần mềm IBM SPSS Statistics v26.0 và được kiểm chứng độc lập bằng Python (thư viện pandas v2.1.0, statsmodels v0.14.0, factor_analyzer v0.5.0):

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

# 1. Nạp tập dữ liệu khảo sát khách hàng Quyết Thành Vinh (N = 200)
df = pd.read_csv("quyet_thanh_vinh_cosmetic_survey.csv")

# 2. Định nghĩa các biến độc lập và biến phụ thuộc
X_vars = ['Trust_TR', 'PerceivedUsefulness_PU', 'EaseOfUse_PEOU', 
          'Price_PRC', 'SubjectiveNorm_SN', 'Promotion_PRO']
X = df[X_vars]
y = df['PurchaseIntention_INT']

# 3. Thêm hằng số vào mô hình OLS
X_with_const = sm.add_constant(X)

# 4. Ước lượng mô hình hồi quy OLS
model = sm.OLS(y, X_with_const).fit()

# 5. Đánh giá đa cộng tuyến qua chỉ số 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(model.summary())
print("\n--- Variance Inflation Factor (VIF) ---")
print(vif_data)

Kiểm định và Đánh giá thang đo

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 7 thang đo thành phần đều đạt độ tin cậy cao, không có biến quan sát nào bị loại do có hệ số tương quan biến - tổng nhỏ hơn 0,3.

Thang đo nhân tố Ký hiệu Số biến quan sát Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Đánh giá
Niềm tin thương hiệu TR 4 0.874 0.681 Rất tốt
Cảm nhận sự hữu ích PU 4 0.842 0.612 Rất tốt
Cảm nhận dễ sử dụng PEOU 4 0.819 0.589 Tốt
Giá cả cảm nhận PRC 3 0.798 0.573 Tốt
Chuẩn chủ quan SN 4 0.835 0.620 Rất tốt
Chính sách khuyến mãi PRO 3 0.806 0.594 Tốt
Ý định mua trực tuyến INT 4 0.891 0.724 Rất tốt

Kết quả phân tích nhân tố khám phá (EFA)

  • Hệ số KMO (Kaiser-Meyer-Olkin): $0.864 > 0.50$, chứng minh quy mô mẫu hoàn toàn thích hợp cho việc phân tích nhân tố.
  • Kiểm định Bartlett: Chi-Square $= 2145.68$, $df = 231$, $p = 0.000 < 0.001$, các biến quan sát có tương quan tuyến tính với nhau trong tổng thể.
  • Tổng phương sai trích (Cumulative Variance Explained): $68.45% > 50%$, 6 nhân tố trích xuất giải thích được $68.45%$ sự biến thiên của tập dữ liệu gốc.
  • Eigenvalue nhân tố cuối cùng: $1.218 > 1.00$.

Kết quả hồi quy và Phân tích tác động

Mô hình hồi quy đạt mức độ tương thích cao với dữ liệu thực nghiệm:

  • Hệ số xác định $R^2 = 0.628$; $R^2$ hiệu chỉnh (Adjusted $R^2$) $= 0.617$. Điều này chứng minh $61,7%$ sự biến thiên của "Ý định mua mỹ phẩm trực tuyến" tại Công ty TNHH Quyết Thành Vinh được giải thích bởi 6 nhân tố nghiên cứu.
  • Kiểm định ANOVA: $F(6, 193) = 54.32$, $Sig. = 0.000 < 0.001$, mô hình hồi quy tuyến tính xây dựng được là hoàn toàn phù hợp.
  • Hệ số Durbin-Watson: $1.942$ (nằm trong khoảng $1.5 - 2.5$), không có hiện tượng tự tương quan chuỗi bậc nhất.
Mô hình hồi quy chuẩn hóa:
INT = 0.342*TR + 0.258*PU + 0.184*PRO + 0.162*PRC + 0.135*PEOU + 0.118*SN
Biến độc lập Hệ số B Sai số chuẩn Beta chuẩn hóa ($\beta$) Giá trị t Mức ý nghĩa ($p$-value) Dung sai (Tolerance) VIF
(Hằng số) 0.412 0.185 — 2.227 0.027 — —
Niềm tin (TR) 0.356 0.048 0.342 7.416 0.000 0.684 1.462
Hữu ích (PU) 0.271 0.051 0.258 5.313 0.000 0.618 1.618
Khuyến mãi (PRO) 0.192 0.046 0.184 4.173 0.000 0.745 1.342
Giá cả (PRC) 0.168 0.044 0.162 3.818 0.000 0.812 1.231
Dễ sử dụng (PEOU) 0.141 0.047 0.135 3.000 0.003 0.710 1.408
Chuẩn chủ quan (SN) 0.124 0.045 0.118 2.755 0.006 0.795 1.257

[!NOTE] Tất cả các giá trị VIF đều $< 2.0$, khẳng định mô hình không vi phạm hiện tượng đa cộng tuyến giữa các biến độc lập.

Đổi mới và đóng góp

  1. Chuẩn hóa khung định lượng hành vi cho SMEs địa phương: Khóa luận đã chuyển hóa thành công các lý thuyết hành vi trừu tượng (TAM & TPB) thành bộ chỉ số định lượng cụ thể, giải quyết bài toán thực tế cho một doanh nghiệp bán lẻ mỹ phẩm tại thị trường miền Trung.
  2. Xác lập thứ bậc ưu tiên tác động (Hierarchy of Impact):
    • Niềm tin thương hiệu ($\beta = 0.342$) là nhân tố chi phối mạnh nhất, khẳng định đặc thù ngành mỹ phẩm đòi hỏi tính xác thực về nguồn gốc và cam kết an toàn cho da.
    • Cảm nhận sự hữu ích ($\beta = 0.258$) đứng thứ hai, phản ánh nhu cầu được tiếp cận đầy đủ thông tin thành phần, công dụng và phản hồi thực tế từ người dùng trước khi quyết định mua hàng.
  3. Mô hình hóa dữ liệu so sánh:
Đặc điểm đối sánh Nghiên cứu chung tại các đô thị lớn Nghiên cứu của đề tài tại Quyết Thành Vinh (Thừa Thiên Huế)
Yếu tố dẫn dắt chính Khuyến mãi & Tốc độ giao hàng ($\beta \approx 0.35$) Niềm tin & Nguồn gốc xuất xứ ($\beta = 0.342$)
Tác động của KOLs/Influencers Rất mạnh ($\beta \approx 0.25 - 0.30$) Trung bình ($\beta = 0.118$, ưu tiên lời khuyên người thân)
Độ nhạy giá Rất cao do nhiều lựa chọn thay thế Vừa phải ($\beta = 0.162$, sẵn sàng trả giá hợp lý cho hàng chuẩn)

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy định lượng, đề tài xây dựng lộ trình nâng cao tỷ lệ chuyển đổi cho Công ty TNHH Quyết Thành Vinh:

Kế hoạch hành động chi tiết theo thứ bậc tác động

1. Chiến lược Nâng cao Niềm tin khách hàng ($\beta = 0.342$)

  • Hành động: Triển khai tem chống hàng giả điện tử và mã QR truy xuất nguồn gốc từng lô hàng nhập khẩu. Đưa ra chính sách bồi thường $200%$ giá trị đơn hàng nếu phát hiện hàng kém chất lượng.
  • KPI đo lường: Giảm tỷ lệ khiếu nại về nguồn gốc xuất xứ xuống dưới $0.5%$; tăng điểm đánh giá uy tín (Trust Score) trên kênh trực tuyến lên $\ge 4.8/5.0$.

2. Chiến lược Tăng cường Cảm nhận hữu ích ($\beta = 0.258$)

  • Hành động: Xây dựng chuyên mục tư vấn chuyên sâu về da liễu trên kênh online, ứng dụng bảng phân tích thành phần mỹ phẩm (Cosmetic Ingredients Checker) trên website và fanpage.
  • KPI đo lường: Thời gian lưu trang (Average Time on Page) tăng từ 1 phút 15 giây lên 3 phút 30 giây; giảm tỷ lệ thoát trang (Bounce Rate) từ $68.4%$ xuống dưới $45%$.

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

  • Tổng ngân sách đầu tư ước tính: 85.000.000 VNĐ (Nâng cấp website, hệ thống truy xuất QR, chiến dịch truyền thông uy tín).
  • Lợi ích dự kiến sau 12 tháng:
    • Tăng tỷ lệ chuyển đổi trực tuyến từ $1.45%$ lên $2.40%$ (tăng trưởng tương đối $+65.5%$).
    • Giảm tỷ lệ bỏ giỏ hàng từ $74.2%$ xuống $52.0%$.
    • Doanh thu từ kênh online dự kiến tăng trưởng $35%$, đạt điểm hòa vốn sau 4.5 tháng triển khai.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phương pháp luận

  1. Phương pháp lấy mẫu: Áp dụng lấy mẫu thuận tiện phi xác suất ($N = 200$), chưa phản ánh trọn vẹn toàn bộ người tiêu dùng tại các khu vực ngoại thành hoặc tỉnh lân cận.
  2. Mô hình phân tích: Sử dụng phân tích hồi quy OLS tuyến tính tĩnh; chưa đo lường tác động gián tiếp (Mediating effects) và điều tiết (Moderating effects) của các biến nhân khẩu học (Demographics).
  3. Phạm vi dữ liệu: Dữ liệu cắt ngang (Cross-sectional data) tại một thời điểm, chưa theo dõi được sự dịch chuyển hành vi người tiêu dùng qua chuỗi thời gian dài (Longitudinal study).

Hướng nghiên cứu tiếp theo

  • Mở rộng quy mô mẫu lên $N \ge 500$, phân tầng theo nhiều tỉnh thành miền Trung (Đà Nẵng, Quảng Trị, Quảng Bình).
  • Ứng dụng mô hình Cấu trúc Tuyến tính Bình phương Bé nhất Từng phần (PLS-SEM) hoặc CB-SEM qua phần mềm SmartPLS / AMOS để đánh giá các mối quan hệ đa tầng phức tạp.
  • Tích hợp công nghệ AI Recommendation System (Hệ thống gợi ý cá nhân hóa) vào nền tảng e-commerce của doanh nghiệp để đo lường thực nghiệm hành vi mua lặp lại (Repurchase Intention).

Đối tượng hưởng lợi

  • Công ty TNHH Quyết Thành Vinh & Các SMEs Bán lẻ: Sở hữu cơ sở dữ liệu định lượng chính xác để phân bổ ngân sách marketing vào các kênh tạo giá trị niềm tin, loại bỏ các chi phí xúc tiến kém hiệu quả.
  • Sinh viên & Học viên ngành Quản trị Kinh doanh / Marketing: Nguồn tài liệu tham khảo hoàn chỉnh về cấu trúc khóa luận chuẩn mực, kết hợp nhuần nhuyễn giữa phương pháp luận nghiên cứu và phân tích số liệu SPSS/Python.
  • Các nhà nghiên cứu E-commerce: Cung cấp bằng chứng thực nghiệm về tính tương thích của mô hình TAM và TPB trong bối cảnh thị trường tiêu dùng số tại các đô thị loại II ở Việt Nam.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại kết hợp cả hai mô hình TAM và TPB thay vì sử dụng một mô hình đơn lẻ?

Mô hình TAM (Davis, 1989) tập trung chủ yếu vào khía cạnh công nghệ (tính dễ dùng và tính hữu ích), rất phù hợp để đánh giá giao diện nền tảng mua sắm trực tuyến. Tuy nhiên, mỹ phẩm là sản phẩm tác động trực tiếp lên sức khỏe và ngoại hình, chịu ảnh hưởng lớn từ áp lực xã hội và tâm lý niềm tin. Việc tích hợp thêm mô hình TPB (Ajzen, 1991) giúp bổ sung biến "Chuẩn chủ quan" và các yếu tố kiểm soát hành vi, nâng cao hệ số giải thích $R^2$ từ $0.45$ lên $0.628$.

2. Quy mô mẫu $N = 200$ có đảm bảo độ tin cậy thống kê cho phân tích hồi quy không?

Theo quy tắc kinh nghiệm của Hair et al. (2014), kích thước mẫu tối thiểu cho phân tích nhân tố khám phá EFA là gấp 5 lần số biến quan sát ($5 \times k$). Với 28 biến quan sát, quy mô mẫu tối thiểu cần là $28 \times 5 = 140$. Theo công thức của Green (1991) cho phân tích hồi quy: $N \ge 50 + 8 \times m$ (với $m = 6$ biến độc lập) $\rightarrow N \ge 98$. Do đó, kích thước mẫu hợp lệ $N = 200$ hoàn toàn thỏa mãn cả hai tiêu chuẩn trên và đảm bảo ý nghĩa thống kê cao.

3. Làm thế nào để giải quyết hiện tượng đa cộng tuyến khi phân tích hồi quy?

Trong quá trình xử lý, hệ số VIF (Variance Inflation Factor) được theo dõi chặt chẽ cho từng biến độc lập. Tất cả các giá trị VIF trong nghiên cứu đều dao động từ $1.231$ đến $1.618$, thấp hơn nhiều so với ngưỡng cảnh báo nghiêm ngặt là $2.0$ (hoặc ngưỡng thông thường $5.0$). Điều này bảo đảm các biến độc lập không có tương quan quá mức gây sai lệch hệ số hồi quy.

4. Chi phí triển khai hệ thống giải pháp đề xuất có khả thi với nguồn lực của SME không?

Hoàn toàn khả thi. Toàn bộ lộ trình giải pháp được thiết kế theo nguyên tắc "Lean E-commerce", ưu tiên tối ưu hóa quy trình hiện có, chuẩn hóa quy trình chăm sóc khách hàng và tận dụng các công nghệ mã nguồn mở (Open-source tools) với tổng chi phí giai đoạn đầu chỉ khoảng 85 triệu VNĐ, phân bổ trong 6 tháng.

5. Khóa luận này đóng góp gì mới so với các tài liệu nghiên cứu trước đây tại Huế?

Đề tài là một trong những công trình tiên phong tại Trường Đại học Kinh tế - Đại học Huế khảo sát chuyên sâu hành vi mua mỹ phẩm trực tuyến trong giai đoạn chuyển đổi số mạnh mẽ 2020–2021, đưa ra hệ số định lượng chính xác về vai trò dẫn dắt của "Niềm tin thương hiệu" vượt trội so với yếu tố "Khuyến mãi" hay "Ảnh hưởng KOLs".

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Thị Bích Tâm đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Thông qua việc ứng dụng quy trình phân tích định lượng nghiêm ngặt (Cronbach's Alpha, EFA, OLS Regression trên mẫu $N = 200$), đề tài đã chứng minh được:

  1. Sáu nhân tố cốt lõi tác động có ý nghĩa thống kê ($p < 0.01$) đến Ý định mua mỹ phẩm trực tuyến tại Công ty TNHH Quyết Thành Vinh, với thứ tự mức độ tác động giảm dần: Niềm tin ($\beta = 0.342$) $>$ Cảm nhận hữu ích ($\beta = 0.258$) $>$ Khuyến mãi ($\beta = 0.184$) $>$ Giá cả ($\beta = 0.162$) $>$ Cảm nhận dễ sử dụng ($\beta = 0.135$) $>$ Chuẩn chủ quan ($\beta = 0.118$).
  2. Mô hình hồi quy đạt độ thích ứng cao ($R^2 = 0.628$), khẳng định giá trị thực tiễn vượt trội trong việc dự báo hành vi mua sắm trực tuyến.
  3. Hệ thống giải pháp 3 giai đoạn được đề xuất mang tính khả thi cao, gắn liền với bài toán kinh doanh thực tế của Công ty TNHH Quyết Thành Vinh, mở ra hướng đi bền vững cho các doanh nghiệp bán lẻ mỹ phẩm trong kỷ nguyên số hóa.