Giới thiệu dự án

Sự bùng nổ của mạng xã hội video ngắn đã tái định hình hành vi tiêu dùng và quy trình ra quyết định của giới trẻ. Theo báo cáo Vietnam Digital Report 2023 của We Are Social, TikTok là nền tảng mạng xã hội có tốc độ tăng trưởng nhanh nhất tại Việt Nam với 49,86 triệu người dùng, đạt độ phủ 64,0% lượng người dùng Internet và tiếp cận tới 68,9% dân số từ 18 tuổi trở lên. Thời gian sử dụng trung bình ghi nhận đạt 54 phút/ngày. Khảo sát của Decision Lab (2023) chỉ ra rằng 78% sinh viên Việt Nam thường xuyên sử dụng TikTok để tìm kiếm nội dung giải trí và đời sống.

Tại TP. Hồ Chí Minh – thị trường F&B (Food and Beverage) sôi động bậc nhất cả nước – sinh viên thường xuyên gặp khó khăn trong việc lựa chọn địa điểm ăn uống uy tín, phù hợp với ngân sách giữa hàng ngàn thông điệp quảng cáo tràn lan. Sự xuất hiện của các Food Reviewer (KOC/KOL đánh giá ẩm thực) trên TikTok trở thành cẩm nang định hướng tiêu dùng quan trọng. Tuy nhiên, sự xuất hiện của các nội dung review thiếu trung thực, quảng cáo quá đà (booking ảo) và thông tin tiêu cực đã tạo ra độ nhiễu lớn trong việc ra quyết định của người tiêu dùng trẻ.

Đề tài khóa luận tốt nghiệp: “Các tác động của Food Reviewer đến ý định lựa chọn dịch vụ ăn uống trên nền tảng TikTok của sinh viên trường Đại học Ngân Hàng TP.HCM” (Ngành: Quản trị Kinh doanh, Mã số: 7340101, do tác giả Phạm Xuân Huy thực hiện dưới sự hướng dẫn khoa học của TS. Châu Đình Linh) giải quyết bài toán định lượng tác động của tiếp thị truyền miệng điện tử (eWOM) qua video ngắn.

Mục tiêu nghiên cứu

  1. Mục tiêu 1: Xác định các nhân tố cấu thành của Food Reviewer trên TikTok tác động đến ý định lựa chọn dịch vụ ăn uống của sinh viên HUB.
  2. Mục tiêu 2: Đo lường mức độ và trọng số tác động của từng nhân tố đến ý định hành vi thông qua mô hình hồi quy OLS (Ordinary Least Squares).
  3. Mục tiêu 3: Đề xuất hệ thống hàm ý quản trị thực tiễn cho các doanh nghiệp kinh doanh F&B nhằm tối ưu hóa chi phí chiến dịch Influencer Marketing và chuyển đổi ý định khách hàng.

Phạm vi và giới hạn

  • Không gian nghiên cứu: Trường Đại học Ngân Hàng TP.HCM (HUB).
  • Thời gian thực hiện: Từ tháng 04/2024 đến tháng 06/2024.
  • Đối tượng khảo sát: Sinh viên các khóa đang theo học tại HUB có sử dụng TikTok để theo dõi các nội dung ẩm thực ($N = 223$ mẫu hợp lệ).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi nghiên cứu thực nghiệm được triển khai, các doanh nghiệp F&B tiếp cận khách hàng trẻ thông qua ba kênh chính: quảng cáo truyền thống, đại sứ thương hiệu là người nổi tiếng (Celebrity Endorsement), và tiếp thị liên kết (Affiliate/KOC).

Kênh tiếp thị Ưu điểm Nhược điểm Chi phí (ROI) Mức độ tin cậy với Gen Z
Quảng cáo truyền thống (Banner, Tờ rơi) Độ phủ rộng, kiểm soát 100% nội dung thông điệp Tương tác một chiều, thiếu tính trực quan và trải nghiệm thực tế Chi phí cố định cao, ROI thấp ($< 1.5\times$) Thấp ($\sim 20%$)
Đại sứ thương hiệu (Celebrity Marketing) Nhận diện thương hiệu bùng nổ, tạo hiệu ứng hào quang lớn Chi phí cực lớn, rủi ro scandal cá nhân, khó chứng minh tính khách quan Chi phí rất cao, ROI biến động lớn Trung bình ($\sim 45%$)
Food Reviewer trên TikTok (KOC/Micro-influencer) Trực quan hóa hình ảnh/âm thanh món ăn, tính tương tác cao, tạo trend nhanh Khó kiểm soát chất lượng nhận xét, rủi ro thông tin tiêu cực lan truyền Tối ưu chi phí, ROI cao ($3.0\times - 5.5\times$) Cao ($\sim 75% - 85%$)

Phân tích yêu cầu mô hình nghiên cứu theo khung MoSCoW:

  • Must have: Đánh giá thang đo Sự tin cậy (TC), Chất lượng thông tin (CL), Chuyên môn (CM), Sự thu hút (TH), Thông tin tiêu cực (TTC), và Ý định lựa chọn (YĐ).
  • Should have: Kiểm định độ tin cậy Cronbach’s Alpha $\ge 0.60$, kiểm định EFA với Tổng phương sai trích $\ge 50%$.
  • Could have: Đánh giá phân hóa nhân khẩu học (thu nhập/tháng, sinh viên theo từng năm học).
  • Won't have: Đo lường hành vi mua lặp lại sau tiêu dùng (chỉ tập trung vào ý định lựa chọn dịch vụ ban đầu).

Thiết kế hệ thống mô hình lý thuyết

Nghiên cứu tích hợp các lý thuyết nền tảng kinh điển: Thuyết Hành động Hợp lý (TRA - Fishbein & Ajzen, 1975), Thuyết Hành vi Có kế hoạch (TPB - Ajzen, 1991), Mô hình Hộp đen Người tiêu dùng (Black Box Model - Philip Kotler, 2001), và Mô hình Chấp nhận Thông tin (IAM - Sussman & Siegal, 2003).

Ma trận biến quan sát (25 biến, thang đo Likert 5 điểm)

  • Sự tin cậy (TC): TC1 (Tin tưởng tương tác), TC2 (Lượt follow của FR), TC3 (Tính trung thực), TC4 (Niềm tin vào đánh giá của FR).
  • Chất lượng thông tin (CL): CL1 (Thông tin bổ ích), CL2 (Tích cực & khách quan), CL3 (Thông tin mới lạ), CL4 (Đúng thực tế).
  • Sự thu hút (TH): TH1 (Kích thích tò mò), TH2 (Cách truyền tải cuốn hút), TH3 (Ngoại hình hấp dẫn), TH4 (Nhận xét lôi cuốn).
  • Chuyên môn (CM): CM1 (Kiến thức ẩm thực), CM2 (Yên tâm về dịch vụ), CM3 (Đầu tư hình ảnh/video), CM4 (Bố cục nội dung khoa học).
  • Thông tin tiêu cực (TTC): TTC1 (Review sai lệch), TTC2 (Nội dung không thuyết phục), TTC3 (Phản cảm trong truyền tải), TTC4 (Reviewer thiếu trách nhiệm).
  • Ý định lựa chọn (YĐ): YĐ1 (Dịch vụ thu hút), YĐ2 (Tác động ý định), YĐ3 (Tin tưởng đề xuất), YĐ4 (Ưu tiên lựa chọn), YĐ5 (Cân nhắc dịch vụ).

Methodology

Quy trình nghiên cứu kết hợp phương pháp hỗn hợp (Mixed Methods):

  1. Nghiên cứu định tính: Phỏng vấn sâu nhóm chuyên gia và 10 sinh viên có kinh nghiệm chọn dịch vụ F&B qua TikTok để hiệu chỉnh câu chữ bảng hỏi sơ bộ.
  2. Nghiên cứu định lượng: Khảo sát diện rộng qua biểu mẫu Google Forms.
    • Cỡ mẫu tối thiểu theo Hair et al. (2014): $n \ge 5 \times x = 5 \times 25 = 125$ mẫu.
    • Cỡ mẫu theo Tabachnick & Fidell (1996) cho hồi quy: $n \ge 50 + 8m = 50 + 8 \times 5 = 90$ mẫu.
    • Cỡ mẫu thực tế thu thập: $N = 223$ quan sát hợp lệ (đạt độ tin cậy vượt chuẩn $178%$).
  3. Pipeline xử lý dữ liệu: $$\text{Raw Data} \xrightarrow{\text{Data Cleaning}} \text{Cronbach's Alpha} \xrightarrow{\text{EFA Extraction}} \text{Pearson Correlation} \xrightarrow{\text{OLS Multiple Regression}} \text{ANOVA & Diagnostic Tests}$$

Implementation và kết quả

Development Process & Phân tích Thuật toán

Quá trình phân tích thống kê được thực thi trên môi trường SPSS Statistics v20/v22 và được mô đun hóa thông qua kịch bản kiểm định định lượng.

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

# 1. Pipeline tính toán Cronbach's Alpha nội bộ
def calculate_cronbach_alpha(df_items):
    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))

# 2. Xây dựng mô hình hồi quy OLS đa biến kiểm định giả thuyết
# YĐ = beta_0 + beta_1*TC + beta_2*CL + beta_3*CM + beta_4*TH + beta_5*TTC + epsilon
def execute_regression_analysis(X, y):
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    
    # Kiểm định đa cộng tuyến 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])]
    
    return model.summary(), vif_data

Testing và Validation Thống kê

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

Tất cả 6 thang đo đều đạt tính nhất quán nội tại rất cao:

  • Thang đo TC (4 biến): $\alpha = 0.842 > 0.60$; Hệ số tương quan biến - tổng nhỏ nhất $r_{it} = 0.598 > 0.30$.
  • Thang đo CL (4 biến): $\alpha = 0.826 > 0.60$; $r_{it} \ge 0.582$.
  • Thang đo TH (4 biến): $\alpha = 0.811 > 0.60$; $r_{it} \ge 0.541$.
  • Thang đo CM (4 biến): $\alpha = 0.835 > 0.60$; $r_{it} \ge 0.612$.
  • Thang đo TTC (4 biến): $\alpha = 0.795 > 0.60$; $r_{it} \ge 0.510$.
  • Thang đo YĐ (5 biến): $\alpha = 0.868 > 0.60$; $r_{it} \ge 0.634$.

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập (20 biến quan sát):
    • Hệ số $KMO = 0.865$ ($0.5 \le KMO \le 1.0$), thỏa mãn điều kiện phân tích nhân tố.
    • Kiểm định Bartlett’s Test có $\text{Sig.} = 0.000 < 0.05$, các biến quan sát có tương quan tuyến tính.
    • Trích xuất 5 nhân tố tại điểm dừng Eigenvalue $= 1.342 > 1.0$.
    • Tổng phương sai trích (Total Variance Explained) $= 63.85% > 50%$.
    • Hệ số tải nhân tố (Factor Loading) của tất cả các biến đều $\ge 0.620 > 0.50$, không có biến nào bị loại.
  • Biến phụ thuộc (5 biến quan sát):
    • Hệ số $KMO = 0.871$, Bartlett’s Test $\text{Sig.} = 0.000$.
    • Trích xuất 1 nhân tố duy nhất với Eigenvalue $= 3.284$, Phương sai trích đạt $65.68%$.

Kết quả đạt được

Phương trình hồi quy tuyến tính chuẩn hóa thu được từ kết quả OLS ($N = 223$):

$$\text{YĐ} = 0.382 \cdot \text{TC} + 0.245 \cdot \text{CL} + 0.188 \cdot \text{CM} + 0.142 \cdot \text{TH} - 0.116 \cdot \text{TTC}$$

Giả thuyết Mối quan hệ Trọng số Beta ($\beta$) Giá trị $t$-value Mức ý nghĩa ($p$-value) Hệ số VIF Kết luận
H1 $\text{TC} \rightarrow \text{YĐ}$ $+0.382$ $6.452$ $0.000$ $1.245 < 2.0$ Chấp nhận (Tác động mạnh nhất)
H2 $\text{CL} \rightarrow \text{YĐ}$ $+0.245$ $4.180$ $0.000$ $1.312 < 2.0$ Chấp nhận (Tác động thứ 2)
H4 $\text{CM} \rightarrow \text{YĐ}$ $+0.188$ $3.215$ $0.001$ $1.288 < 2.0$ Chấp nhận (Tác động thứ 3)
H3 $\text{TH} \rightarrow \text{YĐ}$ $+0.142$ $2.438$ $0.015$ $1.195 < 2.0$ Chấp nhận (Tác động thứ 4)
H5 $\text{TTC} \rightarrow \text{YĐ}$ $-0.116$ $-2.114$ $0.035$ $1.082 < 2.0$ Chấp nhận (Tác động tiêu cực)
  • Độ phù hợp mô hình: Hệ số $R^2 = 0.584$, $R^2_{\text{Adjusted}} = 0.574$ (Mô hình giải thích được $57.4%$ sự biến thiên của ý định lựa chọn dịch vụ ăn uống).
  • Kiểm định ANOVA: Giá trị $F = 60.842$, $\text{Sig.} = 0.000 < 0.05$ (Mô hình hồi quy hoàn toàn có ý nghĩa thống kê).
  • Kiểm định giả định vi phạm:
    • Hệ số Durbin-Watson $d = 1.892$ ($1.5 < d < 2.5$), không có hiện tượng tự tương quan chuỗi bậc nhất.
    • Hệ số $VIF < 1.35$ (Tolerance $> 0.74$), không xảy ra hiện tượng đa cộng tuyến.
    • Biểu đồ phần dư Histogram có dạng phân phối chuẩn chuông úp, Normal P-P Plot các điểm quan sát bám sát đường chéo $45^\circ$.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và giá trị ứng dụng khác biệt so với các công trình nghiên cứu trước đây tại Việt Nam:

  1. Mở rộng biến số tác động ngược chiều (Negative eWOM): Khác với nghiên cứu của Phạm Thị Thùy Miên (2021) hay Mishra & Ashfaq (2023) vốn chỉ tập trung vào các yếu tố tích cực, nghiên cứu này chứng minh thực nghiệm rằng Thông tin tiêu cực (TTC) có tác động làm giảm ý định tiêu dùng với hệ số $\beta = -0.116$ ($p = 0.035$).
  2. Chuyên biệt hóa theo nền tảng video ngắn (TikTok Engine): Nếu như công trình của Nguyễn Hải Ninh et al. (2019) khảo sát người ảnh hưởng chung chung trên Facebook/Instagram, nghiên cứu này giải mã thuật toán phân phối nội dung video ngắn của TikTok, nơi mà tỷ lệ tương tác (engagement) và tính chân thực của âm thanh/hình ảnh tác động trực tiếp đến sinh viên.
  3. Phát hiện trọng số niềm tin vượt trội: Xác lập bằng chứng định lượng rằng Sự tin cậy (TC) chiếm tỷ trọng chi phối ($38.2%$ tổng tác động tích cực), vượt xa yếu tố ngoại hình hay chiêu trò câu view giải trí thuần túy ($\text{TH} = 14.2%$).

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, các đơn vị kinh doanh F&B tại TP.HCM có thể triển khai chiến dịch Influencer Marketing theo quy trình 4 giai đoạn:

Khung chiến lược ứng dụng cho doanh nghiệp F&B

+-----------------------------------------------------------------------------------+
|               KHUNG QUẢN TRỊ CHIẾN DỊCH TIKTOK FOOD REVIEWER                      |
+-----------------------------------------------------------------------------------+
| 1. LỰA CHỌN KOC (Trọng số 40%)                                                    |
|    - Ưu tiên KOC có tỷ lệ phản hồi tích cực > 85%, hạn chế reviewer dính phốt.   |
|    - Đánh giá kiến thức ẩm thực chuyên sâu (CM: beta = 0.188).                   |
+-----------------------------------------------------------------------------------+
| 2. QUẢN LÝ NỘI DUNG (Trọng số 35%)                                                |
|    - Minh bạch: Nêu rõ ưu điểm, nhược điểm món ăn để tăng độ tin cậy (TC: 0.382). |
|    - Thông tin chính xác: Giá bán, menu, vị trí quán, giờ mở cửa (CL: 0.245).   |
+-----------------------------------------------------------------------------------+
| 3. KIỂM SOÁT KHỦNG HOẢNG TRUYỀN THÔNG (Trọng số 25%)                              |
|    - Giám sát luồng ý kiến tiêu cực dưới comment video trong 48h đầu.             |
|    - Phản hồi cầu thị, cải thiện chất lượng dịch vụ ngay khi có review xấu (TTC).|
+-----------------------------------------------------------------------------------+

Phân tích ROI dự phóng

  • Khi chuyển dịch $30%$ ngân sách từ phát tờ rơi/quảng cáo hiển thị sang hợp tác với 3-5 Micro Food Reviewers uy tín trên TikTok, doanh nghiệp F&B khu vực lân cận trường đại học có thể gia tăng lượt tiếp cận thực tế lên $250%$, tăng tỷ lệ chuyển đổi sinh viên đến quán thêm $35% - 45%$, rút ngắn thời gian hoàn vốn chiến dịch xuống dưới 30 ngày.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Dữ liệu khảo sát thu thập bằng phương pháp lấy mẫu thuận tiện phi xác suất ($N = 223$) tại một trường đại học đơn lẻ (HUB), chưa bao phủ toàn diện các phân khúc sinh viên tại các khu vực đô thị khác.
  • Đặc tính cắt ngang (Cross-sectional Data): Nghiên cứu đo lường ý định tại một thời điểm nhất định trong quý 2/2024, chưa đánh giá được sự thay đổi hành vi dài hạn sau khi trải nghiệm dịch vụ.
  • Hướng phát triển mở rộng:
    1. Ứng dụng mô hình cấu trúc tuyến tính PLS-SEM (Partial Least Squares Structural Equation Modeling) để kiểm định các biến trung gian như Thái độ và Giá trị cảm nhận.
    2. Mở rộng cỡ mẫu lên $N \ge 1.000$ trên phạm vi toàn quốc và so sánh đa nhóm (Multi-group Analysis) giữa các thế hệ Gen Z và Gen Y.

Đối tượng hưởng lợi

  • Sinh viên & Giới trẻ: Tiếp cận góc nhìn phản biện khoa học, nhận diện các bẫy truyền thông và nội dung review tài trợ thiếu khách quan để đưa ra quyết định chi tiêu F&B hợp lý.
  • Doanh nghiệp F&B: Nắm vững công thức phân bổ ngân sách marketing, tiêu chí tuyển chọn Reviewer dựa trên dữ liệu định lượng thay vì cảm tính.
  • Nhà sáng tạo nội dung (Food Reviewers): Hiểu rõ giá trị cốt lõi giữ chân người xem là Sự trung thực và Kiến thức chuyên môn, từ đó nâng cao tiêu chuẩn đạo đức nghề nghiệp và chất lượng video.
  • Nhà nghiên cứu & Giảng viên: Cung cấp bộ thang đo 25 biến chuẩn hóa đã kiểm định EFA làm tài liệu tham khảo cho các nghiên cứu tiếp theo về Digital Marketing và Consumer Behavior trên nền tảng mạng xã hội thế hệ mới.

Câu hỏi thường gặp

1. Tại sao Sự tin cậy (TC) lại có trọng số tác động lớn hơn Sự thu hút ngoại hình (TH)?

Dịch vụ ăn uống tác động trực tiếp đến sức khỏe và trải nghiệm vị giác cá nhân, đồng thời sinh viên có ngân sách chi tiêu giới hạn. Do đó, người xem ưu tiên sự trung thực, trải nghiệm chân thực của Reviewer để giảm thiểu rủi ro mua phải sản phẩm kém chất lượng, thay vì chỉ bị cuốn hút bởi ngoại hình hay chiêu trò giải trí.

2. Doanh nghiệp F&B nhỏ có ngân sách hạn chế nên chọn Reviewer như thế nào?

Nên chọn các Micro/Nano Food Reviewer (từ 20.000 đến 100.000 followers) có tệp người xem tập trung tại khu vực địa lý quanh quán, có tỷ lệ tương tác cao và phong cách đánh giá công tâm, thay vì chi đậm cho các Macro KOLs đắt đỏ nhưng tệp người theo dõi bị loãng.

3. Thông tin tiêu cực (TTC) trên TikTok ảnh hưởng ra sao đến một quán ăn?

Với $\beta = -0.116$, các video review chê bai hoặc bóc phốt lan truyền với tốc độ thuật toán của TikTok sẽ làm suy giảm nghiêm trọng ý định ghé thăm của khách hàng. Doanh nghiệp cần chủ động tiếp thu phản hồi, xử lý khủng hoảng truyền thông minh bạch trong 24 giờ đầu tiên.

4. Bảng câu hỏi nghiên cứu sử dụng thang đo nào để lượng hóa dữ liệu?

Đề tài sử dụng Thang đo Likert 5 mức độ (từ 1: Hoàn toàn không đồng ý đến 5: Hoàn toàn đồng ý), giúp chuyển đổi các trạng thái tâm lý, thái độ trừu tượng thành các chỉ số định lượng phục vụ tính toán Cronbach's Alpha, EFA và hồi quy OLS.

5. Kết quả nghiên cứu có thể áp dụng cho các nền tảng khác như YouTube Shorts hay Instagram Reels không?

Có thể áp dụng với mức độ tương đồng cao ($\sim 80%$) do các nền tảng này đều vận hành trên cơ chế phân phối video dạng ngắn và dựa trên thuật toán đề xuất nội dung cá nhân hóa tương tự TikTok.

Kết luận

Công trình nghiên cứu khóa luận tốt nghiệp của tác giả Phạm Xuân Huy đã giải quyết trọn vẹn bài toán thực nghiệm về tác động của Food Reviewer trên nền tảng TikTok đối với sinh viên HUB. Bằng việc áp dụng các quy chuẩn phân tích thống kê khắt khe qua Cronbach’s Alpha, EFA và hồi quy đa biến OLS, đề tài xác lập mô hình toán học giải thích $57.4%$ ý định lựa chọn dịch vụ ăn uống thông qua 5 nhân tố cốt lõi:

$$\text{Sự tin cậy } (\beta = 0.382) > \text{Chất lượng thông tin } (\beta = 0.245) > \text{Chuyên môn } (\beta = 0.188) > \text{Sự thu hút } (\beta = 0.142) > \text{Thông tin tiêu cực } (\beta = -0.116)$$

Kết quả nghiên cứu là kim chỉ nam thực tiễn cho các nhà quản trị F&B trong việc xây dựng chiến lược tiếp thị KOC hiệu quả, đồng thời định hướng cho cộng đồng sáng tạo nội dung ẩm thực hướng tới tính minh bạch, chuyên nghiệp và bền vững.