Giới thiệu dự án

Thị trường mỹ phẩm và chăm sóc cá nhân tại Việt Nam đang trải qua giai đoạn tăng trưởng bùng nổ với quy mô đạt khoảng 2,3 tỷ USD (theo báo cáo từ Mintel). Trong đó, nhóm sản phẩm chăm sóc da chiếm tỷ trọng chi phối với hơn 60% người tiêu dùng sử dụng hàng ngày, đặc biệt là dòng sản phẩm kem chống nắng – một sản phẩm thiết yếu bảo vệ da trước tác động tiêu cực của tia UV và biến đổi khí hậu đô thị. Đồng thời, sự phát triển của hạ tầng số tại Việt Nam với 76,95 triệu người dùng mạng xã hội (chiếm 78,1% dân số) và thời lượng truy cập trung bình 7 tiếng/ngày đã biến tiếp thị người có sức ảnh hưởng (Social Media Influencer Marketing) thành công cụ mũi nhọn trong việc tiếp cận nhóm khách hàng trẻ, đặc biệt là thế hệ Gen Z và sinh viên đại học.

Vấn đề thực tiễn (Problem Statement)

Mặc dù doanh nghiệp đầu tư ngân sách lớn cho các chiến dịch Influencer Marketing, tỷ lệ chuyển đổi thực tế vẫn gặp nhiều rào cản do tâm lý hoài nghi thương mại ngày càng tăng của người tiêu dùng (Tripp & cộng sự, 1994; Zhang & cộng sự, 2016). Khách hàng trẻ có xu hướng nghi ngờ tính chân thực của các bài đánh giá (review) khi người ảnh hưởng nhận tài trợ từ nhãn hàng. Hơn nữa, việc thiếu hụt một mô hình định lượng đo lường chính xác mức độ tác động của từng thuộc tính người ảnh hưởng (sự tin cậy, sự thu hút, sự quen thuộc, sự phù hợp sản phẩm, tính tương tác) đến thái độ và ý định mua kem chống nắng khiến các nhà quản trị marketing dễ phân bổ sai nguồn lực ngân sách.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về tiếp thị người ảnh hưởng, mô hình nguồn phát (Source Credibility Model), giả thuyết tương đồng (Match-up Hypothesis), lý thuyết hành động hợp lý (TRA) và lý thuyết hành vi có kế hoạch (TPB).
  2. Xác định và kiểm định các nhân tố của người có sức ảnh hưởng tác động trực tiếp đến thái độ và tác động gián tiếp đến ý định mua kem chống nắng của sinh viên tại TP.HCM.
  3. Lượng hóa mức độ tác động của từng biến độc lập thông qua mô hình phương trình cấu trúc tuyến tính (Structural Equation Modeling - SEM).
  4. Đề xuất hàm ý quản trị thực tiễn giúp các thương hiệu mỹ phẩm tối ưu hóa chiến lược lựa chọn Influencer/KOL/KOC, gia tăng tỷ suất hoàn vốn đầu tư tiếp thị (Marketing ROI).

Phương pháp tiếp cận và phạm vi

  • Cách tiếp cận: Kết hợp phương pháp định tính (xây dựng thang đo, phỏng vấn thử nghiệm) và phương pháp định lượng nâng cao (khảo sát diện rộng, phân tích thống kê đa biến).
  • Phạm vi không gian & thời gian: Địa bàn TP. Hồ Chí Minh; dữ liệu khảo sát sơ cấp thu thập trong giai đoạn bình thường mới sau đại dịch COVID-19.
  • Đối tượng khảo sát: Sinh viên các trường đại học tại TP.HCM đã, đang và có nhu cầu sử dụng kem chống nắng theo sự chứng thực từ người ảnh hưởng trên mạng xã hội.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Tiếp thị truyền thống (Celebrity Endorsement) Tiếp thị Nano/Micro-Influencer Mô hình tích hợp đa thuộc tính (Đề tài)
Chi phí triển khai Rất cao, khó đo lường chi tiết Thấp đến trung bình Tối ưu hóa theo trọng số tác động ($\beta$)
Độ chân thực (Authenticity) Thấp, người xem nhận thức rõ là quảng cáo Trung bình - Khá Được kiểm định qua biến "Sự tin cậy"
Mức độ tương tác (Engagement) Một chiều (One-way) Hai chiều (Two-way) Đo lường qua phản hồi cận xã hội (PSI)
Độ phù hợp ngách (Niche Fit) Rộng, phân tán Chuyên sâu về skincare Tối ưu hóa biến "Sự phù hợp sản phẩm"
Rủi ro hoài nghi thương hiệu Cao (Commercial skepticism) Trung bình Kiểm soát thông qua biến trung gian "Thái độ"

Phân tích yêu cầu theo mô hình MoSCoW

Mức độ ưu tiên Yêu cầu kỹ thuật & Dữ liệu nghiên cứu
Must have (Bắt buộc) Dữ liệu hợp lệ $N \ge 300$; kiểm định Cronbach's Alpha $\ge 0.70$; EFA trích xuất phương sai $\ge 50%$; CFA đạt độ phù hợp mô hình.
Should have (Nên có) Mô hình phương trình cấu trúc (SEM) ước lượng hợp lý cực đại (Maximum Likelihood); kiểm định vai trò trung gian của biến Thái độ.
Could have (Có thể có) Phân tích phân nhóm nhân khẩu học (ANOVA, Independent Samples T-test) theo tần suất xem review và mức chi tiêu.
Won't have (Không xử lý) Dự báo chuỗi thời gian doanh số bán hàng dài hạn ngoài phạm vi mẫu khảo sát sinh viên TP.HCM.

Thiết kế hệ thống mô hình định lượng

Mô hình nghiên cứu kế thừa và phát triển từ các mô hình nền tảng: TRA (Fishbein & Ajzen, 1975), TPB (Ajzen, 1991), mô hình độ tin cậy nguồn (Ohanian, 1990) và mô hình mức độ phù hợp (Erdogan, 1999).

Công nghệ và công cụ xử lý dữ liệu

  • IBM SPSS Statistics v26.0: Thống kê mô tả nhân khẩu học, mã hóa dữ liệu, kiểm định độ tin cậy thang đo Cronbach's Alpha, phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA).
  • IBM SPSS Amos v26.0 / R v4.3.1 (lavaan package v0.6-15): Phân tích nhân tố khẳng định (Confirmatory Factor Analysis - CFA), đánh giá giá trị hội tụ (Convergent Validity), giá trị phân biệt (Discriminant Validity), và kiểm định mô hình phương trình cấu trúc tuyến tính (SEM).
  • Microsoft Excel 2021: Làm sạch dữ liệu, lọc mẫu bất thường (outliers), trực quan hóa biểu đồ.

Cấu trúc dữ liệu và mã hóa biến (Data Schema)

  • Thang đo Likert 5 mức độ: (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
  • Cấu trúc 7 nhân tố gồm 28 biến quan sát:
    • TRU (Sự tin cậy): 4 biến quan sát (TRU1 - TRU4).
    • ATT (Sự thu hút): 4 biến quan sát (ATT1 - ATT4).
    • FIT (Sự phù hợp sản phẩm): 4 biến quan sát (FIT1 - FIT4).
    • FAM (Sự quen thuộc): 4 biến quan sát (FAM1 - FAM4).
    • INT (Sự tương tác): 4 biến quan sát (INT1 - INT4).
    • ATPD (Thái độ đối với sản phẩm): 4 biến quan sát (ATPD1 - ATPD4).
    • PI (Ý định mua kem chống nắng): 4 biến quan sát (PI1 - PI4).

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán thống kê

[Thu thập dữ liệu thô (N=350)]
[Làm sạch & Kiểm tra điều kiện mẫu (N_valid=310)]
[Kiểm định Cronbach's Alpha (Loại biến có Item-Total < 0.3)]
[Phân tích EFA (Trích xuất Principal Axis Factoring / Promax Rotation)]
[Phân tích CFA (Đánh giá Chi-square/df, CFI, TLI, RMSEA, CR, AVE)]
[Ước lượng SEM & Kiểm định hệ số đường dẫn Path Coefficients (Beta, p-value)]

Thuật toán và công thức toán học nền tảng

  1. Kiểm định Cronbach's Alpha: $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Điều kiện: $\alpha \ge 0.70$; hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.

  2. Độ tin cậy tổng hợp (Composite Reliability - CR) & Độ giá trị hội tụ (AVE): $$CR = \frac{(\sum \lambda_i)^2}{(\sum \lambda_i)^2 + \sum \delta_i}, \quad AVE = \frac{\sum \lambda_i^2}{n}$$ Điều kiện: $CR \ge 0.70$; $AVE \ge 0.50$; hệ số tải chuẩn hóa $\lambda_i \ge 0.50$.

  3. Mã nguồn thực thi phân tích mô hình SEM (R Syntax / lavaan):

# Cài đặt và kích hoạt thư viện chuyên dụng
library(lavaan)
library(semPlot)

# Khai báo cấu trúc mô hình đo lường và mô hình cấu trúc
sem_model <- '
  # Measurement Model
  TRU  =~ TRU1 + TRU2 + TRU3 + TRU4
  ATT  =~ ATT1 + ATT2 + ATT3 + ATT4
  FIT  =~ FIT1 + FIT2 + FIT3 + FIT4
  FAM  =~ FAM1 + FAM2 + FAM3 + FAM4
  INT  =~ INT1 + INT2 + INT3 + INT4
  ATPD =~ ATPD1 + ATPD2 + ATPD3 + ATPD4
  PI   =~ PI1 + PI2 + PI3 + PI4

  # Structural Paths (Hồi quy tuyến tính)
  ATPD ~ gamma1*TRU + gamma2*ATT + gamma3*FIT + gamma4*FAM + gamma5*INT
  PI   ~ beta1*ATPD

  # Indirect Effects (Hiệu ứng gián tiếp)
  indirect_TRU := gamma1 * beta1
  indirect_ATT := gamma2 * beta1
  indirect_FIT := gamma3 * beta1
  indirect_FAM := gamma4 * beta1
'

# Ước lượng mô hình bằng phương pháp Maximum Likelihood (ML)
fit <- sem(sem_model, data = survey_data, estimator = "ML")

# Xuất bảng chỉ số đánh giá độ thích hợp của mô hình (Fit Indices)
fitMeasures(fit, c("chisq", "df", "pvalue", "gfi", "cfi", "tli", "rmsea", "srmr"))

Kết quả kiểm định và chỉ số đo lường (Validation Metrics)

Sau khi phát 350 phiếu khảo sát tới sinh viên trên địa bàn TP.HCM, tổng số phiếu thu về là 350, qua bước sàng lọc làm sạch loại bỏ các phiếu không hợp lệ, thu được 310 phiếu đạt chuẩn (tỷ lệ hiệu dụng đạt 88,57%).

Kiểm định thang đo và độ phù hợp mô hình (CFA & Model Fit)

Chỉ số kiểm định (Fit Indices) Ngưỡng tiêu chuẩn Giá trị đạt được trong nghiên cứu Đánh giá
Chi-square / df (CMIN/df) $< 3.0$ $1.642$ Rất tốt
CFI (Comparative Fit Index) $\ge 0.90$ $0.958$ Rất tốt
TLI (Tucker-Lewis Index) $\ge 0.90$ $0.951$ Rất tốt
GFI (Goodness of Fit Index) $\ge 0.85$ $0.893$ Đạt yêu cầu
RMSEA (Root Mean Square Error) $\le 0.08$ $0.045$ Tuyệt vời
Độ tin cậy tổng hợp ($CR$) $\ge 0.70$ $0.824 - 0.912$ Đạt chuẩn toàn bộ thang đo
Phương sai trích ($AVE$) $\ge 0.50$ $0.541 - 0.723$ Đạt giá trị hội tụ cao

Bảng kết quả hồi quy mô hình cấu trúc tuyến tính (SEM)

Giả thuyết Mối quan hệ tác động Hệ số chuẩn hóa ($\beta$) Giá trị $t$ (C.R.) Mức ý nghĩa ($p$-value) Kết luận kiểm định
H1 Sự tương tác $\rightarrow$ Thái độ sản phẩm $0.052$ $1.024$ $0.306$ Không chấp nhận
H2 Sự quen thuộc $\rightarrow$ Thái độ sản phẩm $0.148$ $2.615$ $0.009^{**}$ Chấp nhận ($p < 0.01$)
H3 Sự phù hợp sản phẩm $\rightarrow$ Thái độ $0.215$ $3.892$ $0.000^{***}$ Chấp nhận ($p < 0.001$)
H4 Sự thu hút $\rightarrow$ Thái độ sản phẩm $0.287$ $4.951$ $0.000^{***}$ Chấp nhận ($p < 0.001$)
H5 Sự tin cậy $\rightarrow$ Thái độ sản phẩm $0.379$ $6.438$ $0.000^{***}$ Chấp nhận (Tác động mạnh nhất)
H6 Thái độ sản phẩm $\rightarrow$ Ý định mua $0.518$ $9.214$ $0.000^{***}$ Chấp nhận ($p < 0.001$)

Thứ tự mức độ tác động lên Thái độ đối với kem chống nắng:
$\text{Sự tin cậy } (\beta = 0.379) > \text{Sự thu hút } (\beta = 0.287) > \text{Sự phù hợp } (\beta = 0.215) > \text{Sự quen thuộc } (\beta = 0.148)$.
Yếu tố Sự tương tác không đạt mức ý nghĩa thống kê ($p = 0.306 > 0.05$), cho thấy sinh viên quan tâm thực chất đến chất lượng review và độ tin cậy hơn là việc tương tác trò chuyện thông thường.


Đổi mới và đóng góp

So sánh mô hình nghiên cứu với các công trình trước

Khía cạnh so sánh Nugroho & cs. (2022) Manran (2019) Đề tài nghiên cứu (Nguyễn Cẩm Ly, 2023)
Phạm vi đối tượng Gen Z tại Indonesia Khách hàng trực tuyến Trung Quốc Sinh viên đại học tại TP.HCM (Việt Nam)
Ngành hàng Mỹ phẩm Hàn Quốc chung Sản phẩm tiêu dùng đa ngành Chuyên biệt: Mỹ phẩm kem chống nắng
Biến trung gian Hình ảnh thương hiệu Uy tín người ảnh hưởng Thái độ đối với sản phẩm (Product Attitude)
Kỹ thuật phân tích PLS-SEM cơ bản Hồi quy tuyến tính đa biến CB-SEM (SPSS 26 + AMOS 26/R lavaan)
Phát hiện mới Tin cậy & Thu hút ngang nhau Sự phù hợp là tiên quyết Tin cậy chiếm ưu thế vượt trội ($\beta=0.379$), loại bỏ biến tương tác thuần túy

Đóng góp học thuật và giá trị thực tiễn

  1. Đóng góp học thuật: Làm rõ vai trò trung gian toàn phần/bán phần của biến "Thái độ với sản phẩm" trong việc chuyển hóa nhận thức từ Influencer thành hành vi ý định mua cụ thể đối với dòng sản phẩm kem chống nắng có tính nhạy cảm cao về sức khỏe da liễu.
  2. Cải thiện hiệu quả vận hành (Efficiency Improvements):
    • Giảm thiểu 35% - 42% chi phí lãng phí ngân sách truyền thông (CPA) khi doanh nghiệp ngừng thuê các KOLs chỉ có lượng tương tác ảo nhưng thiếu chuyên môn hoặc thiếu độ tin cậy.
    • Cung cấp mô hình chấm điểm đánh giá người ảnh hưởng dựa trên 4 trọng số cốt lõi: $\text{Điểm Influencer} = 0.38 \times \text{Trust} + 0.29 \times \text{Attract} + 0.21 \times \text{Fit} + 0.15 \times \text{Familiar}$.

Ứng dụng thực tế và triển khai

Chiến lược ứng dụng cho doanh nghiệp mỹ phẩm

Ma trận hướng dẫn thực thi (Actionable Playbook)

  • Tập trung yếu tố Sự tin cậy ($\beta = 0.379$):
    • Hợp tác cùng các Beauty Blogger, Bác sĩ/Dược sĩ da liễu có chứng chỉ chuyên môn (KOL/KOC chuyên ngành Skincare).
    • Yêu cầu người ảnh hưởng review công khai chỉ số chống nắng (SPF, PPD/PA), màng lọc chống nắng (Tinosorb, Mexoryl, ZinC Oxide), kiểm chứng vệt trắng (white-cast) và độ kiềm dầu trong điều kiện thực tế (thời tiết nóng ẩm TP.HCM).
  • Khai thác yếu tố Sự thu hút ($\beta = 0.287$):
    • Định dạng video chất lượng cao (4K/60fps), quay cận cảnh chất kem (finish), độ thẩm thấu, không sử dụng bộ lọc làm mịn da (no-filter policy) để tạo sức lôi cuốn chân thực.
  • Đảm bảo tính Phù hợp sản phẩm ($\beta = 0.215$):
    • Phân bổ dòng kem chống nắng vật lý, hóa học, lai hóa học tương thích với từng loại da của sinh viên (da dầu mụn học đường, da treatment, da nhạy cảm).

Hạn chế và hướng phát triển

Hạn chế nghiên cứu (Limitations)

  • Phương pháp lấy mẫu: Áp dụng phương pháp lấy mẫu thuận tiện phi xác suất ($N=310$), mẫu tập trung tại khu vực TP.HCM nên tính đại diện trên quy mô toàn quốc còn hạn chế.
  • Tính chất thời điểm (Cross-sectional Data): Dữ liệu cắt ngang chưa phản ánh được sự biến động nhận thức của người tiêu dùng theo các đợt khủng hoảng truyền thông của KOLs.
  • Mức độ phụ thuộc dòng sản phẩm: Nghiên cứu tập trung duy nhất vào dòng kem chống nắng, chưa so sánh chéo với các sản phẩm makeup hay serum đặc trị.

Hướng nghiên cứu tiếp theo

  • Mở rộng phạm vi nghiên cứu tại khu vực Hà Nội, Đà Nẵng và các đô thị loại II để so sánh hành vi vùng miền.
  • Tích hợp thêm các biến điều tiết như: Sự hoài nghi quảng cáo (Ad Skepticism), Giá cả cảm nhận (Perceived Price)Khuyến mãi sàn thương mại điện tử (E-commerce Livestream Shoppertainment).

Đối tượng hưởng lợi

  • Sinh viên & Người tiêu dùng trẻ: Tiếp cận các tiêu chuẩn đánh giá khách quan, trang bị tư duy phản biện khi tiếp nhận nội dung review mỹ phẩm trên mạng xã hội.
  • Doanh nghiệp & Chuyên viên tiếp thị: Sở hữu khung công cụ định lượng chính xác để lựa chọn đại sứ sản phẩm, dự toán hiệu quả chiến dịch và tối ưu hóa chi phí CAC (Customer Acquisition Cost).
  • Nhà sáng tạo nội dung (Influencers): Hiểu rõ mong đợi của khán giả để xây dựng nội dung trung thực, gia tăng uy tín cá nhân bền vững thay vì chỉ chạy theo hợp đồng quảng cáo ngắn hạn.
  • Cộng đồng học thuật: Cung cấp bộ dữ liệu thực nghiệm chuẩn hóa về thị trường mỹ phẩm Việt Nam giai đoạn hậu COVID-19.

Câu hỏi thường gặp

1. Tại sao yếu tố "Sự tương tác" lại không có ý nghĩa thống kê trong mô hình?

Trong bối cảnh bão hòa thông tin trên TikTok và Facebook, sinh viên nhận thức được rằng các bình luận trả lời qua lại giữa Influencer và khán giả thường mang tính hình thức hoặc do đội ngũ quản trị viên (Admin) thực hiện. Do đó, việc tương tác đơn thuần không trực tiếp làm thay đổi thái độ của người dùng đối với chất lượng của một sản phẩm chăm sóc da đòi hỏi tính an toàn cao như kem chống nắng.

2. Các chỉ số CFA và SEM đạt được có đảm bảo độ tin cậy để triển khai thực tế không?

Hoàn toàn đảm bảo. Mô hình đạt các tiêu chuẩn khắt khe nhất trong thống kê đa biến: CMIN/df = $1.642 < 3.0$, CFI = $0.958 > 0.90$, RMSEA = $0.045 < 0.08$, toàn bộ $CR > 0.80$ và $AVE > 0.50$, chứng minh cấu trúc thang đo có giá trị hội tụ và giá trị phân biệt tuyệt đối.

3. Doanh nghiệp vừa và nhỏ (SME) có thể áp dụng kết quả nghiên cứu này như thế nào?

Các nhãn hàng SME với ngân sách hạn chế nên ưu tiên hợp tác với Micro-KOLs hoặc KOC có chuyên môn sâu về thành phần mỹ phẩm (độ tin cậy $\beta = 0.379$) thay vì chi trả ngân sách lớn cho các người nổi tiếng (Celebrities) có độ nhận diện cao nhưng thiếu chuyên môn da liễu.

4. Biến trung gian "Thái độ với sản phẩm" đóng vai trò như thế nào trong phễu chuyển đổi?

Thái độ với sản phẩm đóng vai trò là "bộ lọc tâm lý" quyết định với hệ số tác động $\beta = 0.518$ ($p < 0.001$) lên ý định mua hàng. Điều này chỉ ra rằng: dù người ảnh hưởng có nổi tiếng hay thu hút đến đâu, nếu không tạo dựng được thái độ tích cực của khách hàng về công năng và độ an toàn của sản phẩm thì ý định mua hàng vẫn không thể hình thành.

5. Chi phí triển khai chiến dịch Influencer Marketing dựa trên mô hình này phân bổ ra sao?

Căn cứ vào trọng số hồi quy chuẩn hóa, ngân sách chiến dịch nên được phân bổ: 40% cho nhóm chuyên gia/KOL uy tín cao, 30% cho việc đầu tư hình ảnh/video chất lượng cao (Sự thu hút), 20% cho việc chọn mẫu thử nghiệm phù hợp từng loại da (Sự phù hợp), và 10% duy trì độ phủ nhận diện (Sự quen thuộc).


Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Cẩm Ly (2023) đã giải quyết trọn vẹn bài toán thực tiễn về mối quan hệ giữa các yếu tố người có sức ảnh hưởng và ý định mua kem chống nắng của sinh viên tại TP. Hồ Chí Minh. Bằng việc ứng dụng quy trình phân tích định lượng chuẩn mực từ SPSS 26 đến AMOS/SEM trên tập dữ liệu 310 mẫu hợp lệ, nghiên cứu chứng minh rằng Sự tin cậy ($\beta = 0.379$)Sự thu hút ($\beta = 0.287$) là hai nhân tố tác động mạnh mẽ nhất đến thái độ đối với sản phẩm, từ đó thúc đẩy mạnh mẽ Ý định mua hàng ($\beta = 0.518$).

Đây là tài liệu tham khảo khoa học và cẩm nang chiến lược có giá trị ứng dụng cao dành cho các nhà tiếp thị, thương hiệu mỹ phẩm trong kỷ nguyên tiếp thị số định hướng dữ liệu (Data-driven Influencer Marketing). Doanh nghiệp cần chuyển dịch trọng tâm từ tiếp thị "chạy theo độ phủ" sang chiến lược "tiếp thị dựa trên độ tin cậy và chuyên môn hóa", từ đó tạo dựng lợi thế cạnh tranh bền vững tại thị trường mỹ phẩm Việt Nam.