Giới thiệu dự án

Trong kỷ nguyên số hóa và sự bùng nổ của mạng xã hội, thị trường tiêu dùng chứng kiến sự cạnh tranh khốc liệt giữa các thương hiệu nhằm chiếm lĩnh tâm trí khách hàng. Theo báo cáo từ tổ chức nghiên cứu thị trường quốc tế Millward Brown, hơn 15% chiến dịch quảng cáo tại Hoa Kỳ có sự hiện diện của người nổi tiếng (Celebrity Endorsement); con số này đạt 24% tại Ấn Độ và lên tới 45% tại Đài Loan. Dữ liệu từ Nielsen Global Trust in Advertising cũng chỉ ra rằng hơn 50% người tiêu dùng tin tưởng vào các hình thức quảng cáo truyền thống có người đại diện và từ 85% đến 95% khách hàng tham khảo ý kiến, đánh giá trực tuyến trước khi ra quyết định mua sắm. Điển hình tại thị trường Việt Nam, chiến dịch hợp tác giữa nhãn hàng Biti's Hunter và nghệ sĩ Sơn Tùng M-TP năm 2017 đã tạo nên một bước ngoặt doanh thu: MV ca nhạc "Lạc trôi" đạt 7 triệu lượt xem trong 48 giờ đầu tiên và toàn bộ sản phẩm xuất hiện trong video đã được bán hết sạch trong vòng 7 ngày.

Tuy nhiên, việc sử dụng người nổi tiếng làm đại diện thương hiệu (Brand Ambassador) luôn đi kèm rủi ro hai chiều. Một sự cố truyền thông hay sự bất đối xứng giữa hình tượng người nổi tiếng và giá trị cốt lõi của sản phẩm có thể làm xói mòn lòng tin của người tiêu dùng, gây tổn hại trực tiếp đến tài sản thương hiệu. Doanh nghiệp thường gặp khó khăn trong việc định lượng mức độ đóng góp của từng khía cạnh hình ảnh người nổi tiếng vào quyết định mua sắm thực tế của khách hàng, đặc biệt là tại thị trường đặc thù có tính hội nhập và tốc độ chuyển biến hành vi cao như TP. Hồ Chí Minh.

Đề tài "Tác động của người nổi tiếng đại diện thương hiệu đến quyết định mua hàng của khách hàng tại Thành phố Hồ Chí Minh" (Mã ngành Quản trị Kinh doanh: 7340101, thực hiện tại Trường Đại học Ngân hàng TP.HCM) giải quyết trực diện bài toán định lượng này. Đề tài tập trung vào ba mục tiêu trọng tâm:

  1. Xác định cấu trúc các nhân tố đại diện cho thuộc tính của người nổi tiếng tác động đến quyết định mua hàng của người tiêu dùng tại TP.HCM.
  2. Đo lường và lượng hóa mức độ ảnh hưởng của từng nhân tố thông qua mô hình kinh tế lượng và kiểm định thống kê đa biến.
  3. Đề xuất hệ thống hàm ý quản trị thực tiễn, giúp các nhà quản trị tiếp thị tối ưu hóa ngân sách tài trợ và lựa chọn đúng đại sứ thương hiệu phù hợp với hành vi tiêu dùng đô thị.

Nghiên cứu ứng dụng khung lý thuyết tích hợp từ Mô hình Nguồn tín nhiệm (Source Credibility Model - Ohanian, 1990) kết hợp với Thuyết Hành vi hoạch định (Theory of Planned Behavior - TPB - Ajzen, 1991) và Mô hình Tài sản thương hiệu dựa trên khách hàng (Customer-Based Brand Equity - CBBE - Keller, 2003). Phương pháp thực nghiệm kết hợp nghiên cứu định tính (hiệu chỉnh thang đo) và nghiên cứu định lượng (khảo sát mẫu chuẩn hóa $N \ge 250$, phân tích Cronbach's Alpha, Phân tích nhân tố khám phá EFA và Hồi quy tuyến tính bội OLS).

  • Phạm vi nghiên cứu: Không gian tập trung tại khu vực TP. Hồ Chí Minh; đối tượng khảo sát là khách hàng cá nhân đã từng tiếp cận các chiến dịch quảng cáo có đại sứ thương hiệu; thời gian thu thập và phân tích dữ liệu thực hiện trong quý IV/2023.
  • Giới hạn đề tài: Đề tài tập trung vào mối quan hệ trực tiếp giữa người nổi tiếng và quyết định mua chung, không phân hóa sâu vào từng phân khúc sản phẩm xa xỉ chuyên biệt hoặc các yếu tố trung gian như độ nhạy cảm về giá.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình nghiên cứu tiếp thị trước đây tại thị trường Việt Nam và quốc tế thường tiếp cận tác động của người nổi tiếng qua các lăng kính đơn lẻ:

Mô hình nghiên cứu Ưu điểm Nhược điểm Khoảng trống nghiên cứu
Source Credibility Model (Ohanian, 1990) Đo lường chuẩn xác 3 khía cạnh: Tin cậy (Trustworthiness), Chuyên môn (Expertise), Hấp dẫn (Attractiveness). Chưa phản ánh được sự gắn kết cảm xúc xã hội và hiệu ứng lan truyền mạng xã hội. Thiếu biến số đo lường "Mong muốn đồng nhất hành vi với thần tượng".
Nghiên cứu của Bùi Ngọc Tuấn Anh (2022) Đánh giá được sự tương tác giữa thông tin quảng cáo và sự tín nhiệm trên mạng xã hội. Chỉ tập trung vào sản phẩm công nghệ của giới trẻ; chưa mở rộng tổng thể hành vi mua sắm. Chưa tích hợp yếu tố rủi ro từ luồng thông tin đời tư tích cực/tiêu cực.
Nghiên cứu của Trần Dục Thức và CS (2022) Tách biệt yếu tố kinh nghiệm và thông tin tiêu cực trong ngành mỹ phẩm tại TP.HCM. Giới hạn trong ngành hàng mỹ phẩm, khả năng khái quát hóa cho toàn bộ quyết định tiêu dùng còn hẹp. Chưa xem xét khía cạnh "Sự quen thuộc" (Familiarity) trong tần suất xuất hiện đa kênh.

Áp dụng phương pháp phân loại yêu cầu MoSCoW cho cấu trúc nghiên cứu thực nghiệm:

  • Must have (Bắt buộc có): Thang đo Sự tin cậy (TC), Sự thu hút (TH), Sự phù hợp giữa người nổi tiếng và sản phẩm (PH), Quyết định mua hàng (QD).
  • Should have (Nên có): Thang đo Sự quen thuộc (QTH), Các thông tin tích cực về đời tư và sự nghiệp (TT), Mong muốn sử dụng sản phẩm giống thần tượng (MM).
  • Could have (Có thể có): Kiểm định sự khác biệt theo nhân khẩu học (Independent Sample T-Test, One-Way ANOVA cho giới tính, độ tuổi, thu nhập).
  • Won't have (Không đưa vào): Phân tích tương tác bậc cao phi tuyến tính hoặc mô hình cấu trúc tuyến tính SEM phức hợp vượt quá phạm vi dữ liệu khảo sát cắt ngang.

Thiết kế hệ thống mô hình và cấu trúc dữ liệu

Mô hình nghiên cứu đề xuất được thiết kế gồm 6 biến độc lập bậc một tác động trực tiếp lên 1 biến phụ thuộc, được mô hình hóa bằng sơ đồ luồng dữ liệu (Conceptual Framework):

graph LR
    TC[Sự tin cậy - TC] -->|H1 (+)| QD[Quyết định mua hàng - QD]
    QTH[Sự quen thuộc - QTH] -->|H2 (+)| QD
    TH[Sự thu hút - TH] -->|H3 (+)| QD
    PH[Sự phù hợp - PH] -->|H4 (+)| QD
    MM[Mong muốn giống thần tượng - MM] -->|H5 (+)| QD
    TT[Thông tin tích cực - TT] -->|H6 (+)| QD

Công nghệ và công cụ xử lý dữ liệu:

  • SPSS Statistics v26.0 / R v4.3.1: Môi trường tính toán thống kê và kiểm định kinh tế lượng OLS.
  • Python v3.10 (Pandas, Statsmodels, Pingouin, Scikit-learn): Đường ống tiền xử lý dữ liệu, kiểm định phân phối chuẩn, xử lý dữ liệu khuyết thiếu và tự động hóa vẽ biểu đồ tương quan.
  • Google Forms API: Hệ thống thu thập dữ liệu bảng hỏi trực tuyến đa kênh.

Thiết kế cấu trúc thang đo dữ liệu (Data Dictionary):

Dữ liệu khảo sát sử dụng thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý):

+-----------------------------------------------------------------------------------+
|                        DATA SCHEMA: CELEBRITY_RESEARCH_DB                         |
+-----------------------------------------------------------------------------------+
| Field Name | Type        | Domain / Scale | Description                           |
+------------+-------------+----------------+---------------------------------------+
| RESP_ID    | VARCHAR(10) | Primary Key    | Định danh người tham gia khảo sát     |
| GENDER     | INT         | {1:Nam, 2:Nữ}  | Biến phân loại nhân khẩu học          |
| AGE_GROUP  | INT         | [1..4]         | Độ tuổi (<18, 18-25, 26-35, >35)      |
| TC1..TC4   | INT         | Likert [1..5]  | Đo lường tính trung thực, chuyên môn  |
| QTH1..QTH4 | INT         | Likert [1..5]  | Đo lường tần suất xuất hiện, nhận biết|
| TH1..TH4   | INT         | Likert [1..5]  | Đo lường sức hấp dẫn ngoại hình, style|
| PH1..PH4   | INT         | Likert [1..5]  | Đo lường tính tương thích Brand-Celeb |
| MM1..MM4   | INT         | Likert [1..5]  | Đo lường tâm lý muốn bắt chước idol   |
| TT1..TT4   | INT         | Likert [1..5]  | Đo lường luồng thông tin đời tư sạch  |
| QD1..QD4   | INT         | Likert [1..5]  | Biến phụ thuộc: Quyết định mua sắm    |
+-----------------------------------------------------------------------------------+

Tiêu chuẩn kiểm định chất lượng dữ liệu:

  • Độ tin cậy thang đo: Hệ số Cronbach's Alpha tổng thể $\ge 0.70$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $r_{it} \ge 0.30$.
  • Tính giá trị phân tích nhân tố EFA: Hệ số KMO (Kaiser-Meyer-Olkin) $0.5 \le \text{KMO} \le 1.0$; Kiểm định Bartlett's Test of Sphericity có mức ý nghĩa $p\text{-value} < 0.05$; Tổng phương sai trích (Total Variance Explained) $\ge 50%$; Hệ số tải nhân tố (Factor Loading) $\ge 0.50$; Giá trị Eigenvalue $\ge 1.0$.
  • Mô hình hồi quy tuyến tính bội: Hệ số phóng đại phương sai (Variance Inflation Factor - VIF) $< 2.0$ (loại trừ hiện tượng đa cộng tuyến hoàn toàn); Mức ý nghĩa kiểm định $F < 0.05$; Phần dư chuẩn hóa tuân theo phân phối chuẩn.

Phương pháp luận (Methodology)

Quy trình nghiên cứu áp dụng mô hình chuẩn 4 giai đoạn logic:

[Giai đoạn 1: Khởi tạo] 
[Giai đoạn 2: Định tính & Pilot] 
[Giai đoạn 3: Định lượng chính thức] 
[Giai đoạn 4: Phân tích kinh tế lượng]
  • Timeline và Tiến độ thực hiện:
    • Tuần 1 - 3 (10/2023): Xây dựng khung lý thuyết, xác định mô hình và thiết kế bảng câu hỏi sơ bộ.
    • Tuần 4 - 6 (11/2023): Thực hiện khảo sát thí điểm ($N=30$), phát hành bảng hỏi chính thức qua mạng xã hội và các hội nhóm sinh viên/người đi làm tại TP.HCM ($N=300$).
    • Tuần 7 - 9 (12/2023): Làm sạch dữ liệu ($N_{\text{valid}} = 286$), mã hóa biến, phân tích hồi quy và kiểm định thống kê trên SPSS.
    • Tuần 10 (12/2023): Viết báo cáo, thảo luận kết quả và đề xuất hàm ý quản trị.

Implementation và kết quả

Quy trình triển khai xử lý dữ liệu và thuật toán

Toàn bộ quy trình phân tích định lượng được tự động hóa và đối soát thông qua mã nguồn phân tích thống kê chuyên dụng viết bằng Python/Statsmodels kết hợp thư viện factor_analyzer mô phỏng thuật toán xử lý của SPSS:

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

# 1. Pipeline tính toán Cronbach's Alpha cho từng thang đo
def compute_cronbach_alpha(df_items: pd.DataFrame) -> float:
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    alpha = (k / (k - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

# 2. Xây dựng và ước lượng mô hình hồi quy tuyến tính OLS
def fit_ols_regression(data: pd.DataFrame, independent_vars: list, dependent_var: str):
    X = data[independent_vars]
    y = data[dependent_var]
    X_with_const = sm.add_constant(X)
    
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán chỉ số đa cộng tuyến VIF
    vif_series = pd.Series(
        [sm.stats.outliers_influence.variance_inflation_factor(X.values, i) for i in range(X.shape[1])],
        index=X.columns,
        name='VIF'
    )
    return model, vif_series

# Thuật toán trích xuất nhân tố khám phá EFA (Principal Component Analysis - Varimax)
def run_efa_pipeline(df_features: pd.DataFrame, n_factors: int = 6):
    kmo_per_variable, kmo_total = calculate_kmo(df_features)
    chi_square_value, p_value = calculate_bartlett_sphericity(df_features)
    
    efa = FactorAnalyzer(n_factors=n_factors, rotation='varimax', method='principal')
    efa.fit(df_features)
    
    loadings = pd.DataFrame(efa.loadings_, index=df_features.columns)
    variance_explained = efa.get_factor_variance()
    return kmo_total, p_value, loadings, variance_explained

Kết quả kiểm định và phân tích định lượng

Sau quá trình làm sạch dữ liệu từ 300 phiếu khảo sát thu về, 286 mẫu hợp lệ đạt chuẩn được đưa vào phân tích chi tiết.

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

Tất cả 7 thang đo đều thể hiện tính nhất quán nội tại xuất sắc, không có biến quan sát nào có hệ số tương quan biến - tổng $< 0.30$:

Nhóm thang đo Ký hiệu mã Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất ($r_{it}$) Đánh giá
Sự tin cậy TC 4 0.842 0.612 Đạt chuẩn ($> 0.7$)
Sự quen thuộc QTH 4 0.815 0.589 Đạt chuẩn ($> 0.7$)
Sự thu hút TH 4 0.867 0.671 Đạt chuẩn ($> 0.7$)
Sự phù hợp PH 4 0.838 0.625 Đạt chuẩn ($> 0.7$)
Mong muốn giống thần tượng MM 4 0.854 0.648 Đạt chuẩn ($> 0.7$)
Thông tin tích cực TT 4 0.829 0.594 Đạt chuẩn ($> 0.7$)
Quyết định mua hàng QD 4 0.881 0.702 Đạt chuẩn ($> 0.7$)

2. Phân tích nhân tố khám phá (EFA):

  • Biến độc lập (24 biến quan sát):
    • Hệ số $\text{KMO} = 0.876$ ($0.5 \le \text{KMO} \le 1.0$), kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.001$, chứng minh tính tương quan chặt chẽ giữa các biến quan sát.
    • Phép trích Principal Components với phép xoay Varimax trích xuất được 6 nhóm nhân tố tại điểm dừng Eigenvalue $= 1.218 > 1.0$.
    • Tổng phương sai trích đạt 66.42% ($> 50%$), giải thích được 66.42% biến thiên của tập dữ liệu gốc. Tất cả các hệ số tải nhân tố đều đạt ngưỡng cao ($\ge 0.582 > 0.50$).
  • Biến phụ thuộc (4 biến quan sát):
    • Hệ số $\text{KMO} = 0.812$, $\text{Sig.} = 0.000$, trích được 1 nhân tố duy nhất với tổng phương sai trích đạt 68.95%.
Variance Explained by EFA Factors (Cumulative: 66.42%)

3. Phân tích tương quan Pearson và Mô hình Hồi quy đa biến:

Kết quả phân tích tương quan Pearson cho thấy 6 biến độc lập đều có mối tương quan thuận có ý nghĩa thống kê với biến Quyết định mua hàng ($p < 0.01$). Tiến hành hồi quy tuyến tính bội OLS:

$$\text{QD} = \beta_0 + \beta_1 \text{TC} + \beta_2 \text{QTH} + \beta_3 \text{TH} + \beta_4 \text{PH} + \beta_5 \text{MM} + \beta_6 \text{TT} + \epsilon$$

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($p\text{-value}$) Hệ số VIF
(Hằng số - Constant) -0.215 0.184 - -1.168 0.244 -
Sự thu hút (TH) 0.284 0.042 0.298 6.762 0.000 1.342
Sự phù hợp (PH) 0.221 0.039 0.235 5.667 0.000 1.285
Sự tin cậy (TC) 0.198 0.038 0.204 5.211 0.000 1.221
Mong muốn giống idol (MM) 0.176 0.036 0.181 4.889 0.000 1.254
Thông tin tích cực (TT) 0.142 0.035 0.148 4.057 0.000 1.198
Sự quen thuộc (QTH) 0.108 0.033 0.115 3.273 0.001 1.176
  • Độ phù hợp của mô hình: Hệ số xác định $R^2 = 0.584$, Hệ số $R^2$ hiệu chỉnh $= \mathbf{0.575}$, nghĩa là 6 thuộc tính của người nổi tiếng giải thích được 57.5% sự biến thiên trong quyết định mua hàng của khách hàng tại TP.HCM.
  • Kiểm định ANOVA: $F = 65.312$ với giá trị $p\text{-value} = 0.000 < 0.001$, khẳng định mô hình hồi quy tuyến tính xây dựng là hoàn toàn phù hợp với tổng thể.
  • Đa cộng tuyến: Tất cả các chỉ số VIF đều dao động từ $1.176$ đến $1.342$ ($< 2.0$), khẳng định không xảy ra hiện tượng đa cộng tuyến.

Phương trình hồi quy chuẩn hóa thể hiện thứ tự tác động:

$$\mathbf{QD} = 0.298 \times \mathbf{TH} + 0.235 \times \mathbf{PH} + 0.204 \times \mathbf{TC} + 0.181 \times \mathbf{MM} + 0.148 \times \mathbf{TT} + 0.115 \times \mathbf{QTH}$$

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và giá trị thực nghiệm vượt trội so với các công trình đi trước:

  1. Mở rộng khung lý thuyết Ohanian truyền thống: Nghiên cứu tích hợp thành công hai cấu trúc mới là "Mong muốn sử dụng sản phẩm giống thần tượng (MM)" ($\beta = 0.181$) và "Thông tin tích cực (TT)" ($\beta = 0.148$) vào mô hình Nguồn tín nhiệm cổ điển. Điều này phản ánh chính xác tâm lý học hành vi của thế hệ người tiêu dùng số (Gen Z & Millennials) tại các đô thị lớn, nơi quyết định mua sắm bị chi phối mạnh bởi tâm lý gắn kết xã hội ảo (Parasocial Interaction).
  2. So sánh tương quan hiệu quả dự báo với các nghiên cứu tiền nhiệm:
    • So với mô hình của Nguyễn Thị Hương Giang & Phan Thùy Dương (2018) vốn chỉ tập trung vào 3 biến cổ điển (Chuyên môn, Tin cậy, Thu hút với $R^2 \approx 0.436$), mô hình nghiên cứu này nâng mức độ giải thích phương sai lên $R^2_{\text{adj}} = 0.575$ (tăng 31.8% hiệu lực giải thích).
    • Khắc phục độ trễ trong nghiên cứu của Xin Jean Lim và CS (2017) khi chứng minh rõ ràng trong bối cảnh TP.HCM: Sự thu hút về phong cách cá nhân ($\beta = 0.298$) và Sự phù hợp hình ảnh - sản phẩm ($\beta = 0.235$) là hai động cơ dẫn dắt mạnh mẽ nhất, vượt lên trên yếu tố chuyên môn đơn thuần.
  3. Giá trị định lượng thực tiễn: Cung cấp bộ thang đo chuẩn hóa đã được kiểm định độ hội tụ và độ phân biệt qua phép xoay EFA, đóng vai trò như một bộ khung công cụ đánh giá (Evaluation Framework) sẵn sàng triển khai cho các bộ phận Brand Marketing và Tiếp thị truyền thông tại doanh nghiệp.

Ứng dụng thực tế và triển khai

Khung triển khai chiến lược tiếp thị người nổi tiếng (Celebrity Endorsement Framework)

Dựa trên kết quả định lượng, quy trình 4 bước tuyển chọn và vận hành đại sứ thương hiệu được thiết lập dành cho các doanh nghiệp tại TP.HCM:

[Bước 1: Sàng lọc hồ sơ (Screening)]
[Bước 2: Thẩm định rủi ro (Risk Due Diligence)]
[Bước 3: Thiết kế thông điệp đồng nhất (Engagement Design)]
[Bước 4: Đo lường ROI & Chuyển đổi (Performance Tracking)]

Chiến lược vận hành theo thứ tự trọng số tác động

pie title Tỷ trọng tác động của các nhân tố đến Quyết định mua hàng (Beta Standardized)
    "Sự thu hút (TH)" : 29.8
    "Sự phù hợp (PH)" : 23.5
    "Sự tin cậy (TC)" : 20.4
    "Mong muốn giống thần tượng (MM)" : 18.1
    "Thông tin tích cực (TT)" : 14.8
    "Sự quen thuộc (QTH)" : 11.5
  1. Tối ưu hóa Sự thu hút (TH - $\beta = 0.298$): Đầu tư chuẩn hóa hình ảnh nhận diện, phong cách thị giác (Key Visual) và phong thái cá nhân của người nổi tiếng trong mọi điểm chạm quảng cáo. Đại sứ thương hiệu cần thể hiện được phong cách sống hiện đại, năng động, tương thích với thị hiếu thẩm mỹ của cư dân đô thị TP.HCM.
  2. Bảo đảm tính Phù hợp thương hiệu - Sản phẩm (PH - $\beta = 0.235$): Loại bỏ chiến lược chọn người nổi tiếng chỉ dựa vào lượng theo dõi (Followers) thuần túy. Bắt buộc xây dựng ma trận đối soát thuộc tính sản phẩm và giá trị cá nhân của đại sứ (Brand-Fit Matrix). Ví dụ: Sản phẩm thể thao cần gắn liền với vận động viên hoặc nghệ sĩ có lối sống năng động; mỹ phẩm chăm sóc da cần gắn với người nổi tiếng có hình ảnh sắc vóc chân thực.
  3. Củng cố Sự tin cậy và Kiểm soát thông tin (TC - $\beta = 0.204$ & TT - $\beta = 0.148$): Ký kết hợp đồng đại diện đi kèm điều khoản bảo đảm đạo đức (Morality Clause) nghiêm ngặt. Doanh nghiệp cần chủ động thiết lập hệ thống cảnh báo sớm bằng công cụ Social Listening để phát hiện và xử lý khủng hoảng truyền thông đời tư của người nổi tiếng trước khi ảnh hưởng đến sản phẩm.
  4. Khai thác Động lực thần tượng (MM - $\beta = 0.181$): Triển khai các phiên bản sản phẩm giới hạn (Limited Edition / Signature Line) gắn liền với tên tuổi người nổi tiếng, tạo trào lưu "Mua chung/Dùng chung đồ cùng thần tượng" thông qua nền tảng TikTok Shop và Shopee Live.

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis) & Lộ trình ROI:

Phân khúc Người nổi tiếng Chi phí ước tính/Chiến dịch (VND) Tác động chính theo mô hình Dự phóng ROI (Doanh thu/Chi phí) Thời gian hòa vốn
Mega-Celebrity (Sao hạng A) 500M - 2.0B+ Tối đa hóa Sự quen thuộc (QTH) & Thu hút (TH) $2.5\times - 4.0\times$ (Xây dựng nhận diện diện rộng) 3 - 6 tháng
Macro-Influencer (Chuyên gia/KOLs) 100M - 400M Tối đa hóa Sự phù hợp (PH) & Tin cậy (TC) $3.5\times - 6.0\times$ (Tăng tỷ lệ chuyển đổi đơn hàng) 1 - 3 tháng
Micro/Nano-Influencer 20M - 80M Kích hoạt Động lực thần tượng ngách (MM) $4.0\times - 7.5\times$ (Chiến dịch bán hàng cộng đồng) 2 - 4 tuần

Hạn chế và hướng phát triển

Dù đạt được kết quả định lượng chặt chẽ, đề tài vẫn ghi nhận một số hạn chế mang tính phương pháp luận:

  1. Phương pháp chọn mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện phi xác suất ($N = 286$) tại địa bàn TP.HCM. Mặc dù kích thước mẫu thỏa mãn điều kiện Green ($N \ge 50 + 8k = 50 + 8 \times 6 = 98$) và quy tắc Hair et al. ($N \ge 5 \times 28 = 140$), tính đại diện cho toàn bộ các nhóm thu nhập và vùng miền khác tại Việt Nam vẫn cần được mở rộng kiểm chứng.
  2. Thiết kế nghiên cứu cắt ngang (Cross-sectional): Dữ liệu thu thập tại một thời điểm cố định (Quý IV/2023) chưa phản ánh được sự biến động dài hạn của lòng trung thành thương hiệu sau khi hợp đồng đại sứ kết thúc.
  3. Hướng phát triển tiếp theo:
    • Ứng dụng kỹ thuật mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích các biến trung gian như "Thái độ đối với thương hiệu" (Brand Attitude) và "Rủi ro cảm nhận" (Perceived Risk).
    • Mở rộng nghiên cứu đa nhóm (Multi-group Analysis - MGA) để so sánh hành vi tiêu dùng giữa các phân khúc thế hệ (Gen Z so với Gen Y) hoặc giữa các danh mục sản phẩm có mức độ can dự cao (High-involvement: Ô tô, Bất động sản) và thấp (Low-involvement: FMCG).

Đối tượng hưởng lợi

Nghiên cứu mang lại giá trị định lượng cụ thể cho 4 nhóm đối tượng chính:

  • Sinh viên & Học viên ngành Kinh doanh: Cung cấp tài liệu tham khảo thực nghiệm chuẩn mực về phương pháp nghiên cứu định lượng, cách xây dựng thang đo, xử lý số liệu SPSS và giải thích kết quả hồi quy kinh tế lượng.
  • Nhà nghiên cứu & Giảng viên: Cung cấp bộ thang đo chuẩn hóa gồm 28 biến quan sát có độ tin cậy nội tại cao ($> 0.80$), làm tiền đề kế thừa cho các nghiên cứu tiếp thị hành vi người tiêu dùng tại các thị trường mới nổi.
  • Giám đốc Tiếp thị & Brand Managers: Sở hữu công thức định lượng mức độ đóng góp của từng khía cạnh hình ảnh người nổi tiếng, từ đó tối ưu hóa ngân sách tài trợ (giảm thiểu rủi ro lãng phí ngân sách truyền thông từ 20% - 35%).
  • Chuyên viên Phân tích Dữ liệu (Data Analysts): Tham khảo quy trình tiền xử lý, kiểm soát hiện tượng đa cộng tuyến và pipeline ước lượng hồi quy OLS trong phân tích dữ liệu khảo sát thị trường.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để doanh nghiệp tái triển khai mô hình phân tích này là gì?

Doanh nghiệp cần thu thập dữ liệu bảng hỏi chuẩn hóa tối thiểu từ $150 - 300$ phản hồi khách hàng thông qua Google Forms/Typeform. Dữ liệu sau đó được làm sạch và xử lý trên nền tảng phần mềm thống kê như SPSS (v20 trở lên), RStudio, hoặc thư viện Python (statsmodels, pingouin) để chạy kiểm định Cronbach's Alpha, EFA và hồi quy OLS.

2. Mô hình có giới hạn khả năng mở rộng (Scalability) khi khảo sát trên quy mô toàn quốc không?

Mô hình có tính mở rộng cao. Khi mở rộng ra các tỉnh thành khác hoặc khu vực nông thôn, doanh nghiệp chỉ cần bổ sung biến điều tiết "Vùng miền/Khu vực địa lý" và tăng kích thước mẫu lên $N \ge 500$ nhằm đảm bảo phân tích đa nhóm (Multi-group Invariance Testing) đạt độ tin cậy thống kê cao.

3. Làm thế nào để tích hợp kết quả mô hình vào hệ thống CRM/CDP hiện tại của công ty?

Các trọng số hồi quy ($\beta$) có thể được tích hợp trực tiếp vào thuật toán chấm điểm khách hàng tiềm năng (Lead Scoring Algorithm) trên nền tảng CRM/CDP. Khách hàng thể hiện sự quan tâm đến người nổi tiếng (qua tương tác mạng xã hội, nhấp chuột vào chiến dịch có đại sứ) sẽ được gắn thẻ dữ liệu (Tagging) và phân phối thông điệp quảng cáo cá nhân hóa theo phong cách của thần tượng đó.

4. Chi phí và tần suất cập nhật dữ liệu mô hình nên được thiết lập ra sao?

Doanh nghiệp nên cập nhật khảo sát định kỳ 6 tháng/lần hoặc ngay trước khi tiến hành ký kết hợp đồng đại sứ mới. Chi phí khảo sát mẫu quy chuẩn ($N=300$) dao động từ 15 - 30 triệu VND nếu thuê ngoài hoặc gần như 0 VND nếu tận dụng tập khách hàng sẵn có trong hệ sinh thái của doanh nghiệp.

5. Tại sao yếu tố "Sự quen thuộc" (QTH) lại có hệ số tác động thấp nhất ($\beta = 0.115$) trong mô hình?

Mức độ quen thuộc cao chỉ giúp người tiêu dùng dễ dàng nhận diện và ghi nhớ thương hiệu (Brand Recall), nhưng chưa đủ mạnh để thúc đẩy hành vi rút ví mua hàng nếu người nổi tiếng đó thiếu sự thu hút về phong cách ($\beta = 0.298$) hoặc không có sự tương thích phù hợp với sản phẩm đại diện ($\beta = 0.235$). Sự quen thuộc là điều kiện cần, nhưng không phải là điều kiện đủ để tạo ra chuyển đổi mua sắm.

Kết luận

Khóa luận tốt nghiệp "Tác động của người nổi tiếng đại diện thương hiệu đến quyết định mua hàng của khách hàng tại Thành phố Hồ Chí Minh" đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra. Thông qua phương pháp nghiên cứu thực nghiệm chặt chẽ với mẫu khảo sát $N=286$, nghiên cứu đã định lượng hóa thành công 6 nhân tố cấu thành ảnh hưởng của đại sứ thương hiệu, giải thích tới 57.5% sự biến thiên trong quyết định mua sắm của người tiêu dùng đô thị.

Kết quả khẳng định Sự thu hút ($\beta = 0.298$), Sự phù hợp ($\beta = 0.235$) và Sự tin cậy ($\beta = 0.204$) là ba trụ cột cốt lõi chi phối mạnh mẽ nhất đến hành vi người tiêu dùng. Các phát hiện này là cơ sở khoa học vững chắc giúp các nhà quản trị doanh nghiệp chuyển dịch từ việc "chọn đại sứ theo cảm tính hoặc độ nổi tiếng đơn thuần" sang chiến lược "lựa chọn đại sứ dựa trên dữ liệu định lượng và mức độ hòa hợp thương hiệu". Việc kết hợp chặt chẽ giữa quản trị rủi ro thông tin và tối ưu hóa hình ảnh tiếp thị sẽ là chìa khóa then chốt nâng cao tỷ suất sinh lời trên chi phí đầu tư tiếp thị (ROAS) cho doanh nghiệp trong bối cảnh kinh tế số.