Giới thiệu dự án

Sự bùng nổ của hạ tầng viễn thông, mạng xã hội (Social Media) và các nền tảng thương mại điện tử (TMĐT) đã định hình lại hoàn toàn hành vi tiêu dùng hiện đại. Theo báo cáo "Thị trường TMĐT - Thời của mua sắm và giải trí" của Kirin Capital (2024), tỷ lệ người tiêu dùng Việt Nam ưu tiên mua sắm trực tuyến đã chạm ngưỡng 50%. Đặc biệt, theo thống kê từ Lazada (2023), trong số 57 triệu người tham gia mua sắm trực tuyến tại Việt Nam, có tới 43% thuộc thế hệ Gen Z (sinh năm 1997 - 2012) truy cập các ứng dụng mua sắm trực tuyến hàng ngày. Đối với ngành hàng thời trang – một lĩnh vực có tính chu kỳ nhanh và yêu cầu cao về hình ảnh – hành vi mua sắm của Gen Z chịu chi phối sâu sắc bởi các làn sóng truyền thông lan truyền (Viral Marketing).

+-----------------------------------------------------------------------------------+
|                            BỐI CẢNH THỊ TRƯỜNG & GEN Z                            |
+-----------------------------------------------------------------------------------+
| • 57 triệu người dùng TMĐT tại VN (Lazada, 2023)                                  |
| • 43% Gen Z truy cập app mua sắm mỗi ngày                                         |
| • 50% người tiêu dùng ưu tiên Shopping Online (Kirin Capital, 2024)                |
+-----------------------------------------+-----------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
|                                VẤN ĐỀ CỐT LÕI                                     |
+-----------------------------------------------------------------------------------+
| • Chi phí chuyển đổi (CAC) quảng cáo truyền thống tăng 30-45%                     |
| • Mức độ bão hòa & hiện tượng Ad-Fatigue (quá tải quảng cáo) ở giới trẻ           |
| • Thiếu hụt mô hình định lượng đo lường tác động Viral Marketing thời trang       |
+-----------------------------------------+-----------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
|                              GIẢI PHÁP ĐỀ XUẤT                                    |
+-----------------------------------------------------------------------------------+
| • Khung nghiên cứu đa biến kết hợp 4 lý thuyết: CET, TRA, UTAUT, TPR              |
| • Đo lường thực nghiệm (N=300) với SPSS 26 & EFA/Hồi quy OLS                      |
| • Bộ hàm ý quản trị tối ưu hóa chiến dịch Shoppertainment & KOC Seeding           |
+-----------------------------------------------------------------------------------+

Vấn đề nghiên cứu thực tiễn (Problem Statement)

Các phương thức tiếp thị hiển thị truyền thống (Display Ads, TVC, Banner) đang đối mặt với tỷ lệ chuyển đổi suy giảm và hiện tượng "bội thực quảng cáo" (Ad Fatigue) ở người trẻ. Doanh nghiệp thời trang trực tuyến tiêu tốn ngân sách lớn nhưng khó tiếp cận tự nhiên đến Gen Z – nhóm khách hàng có tính hoài nghi cao đối với quảng cáo trả phí nhưng lại dễ bị dẫn dắt bởi xu hướng cộng đồng (Social Proof) và tiếp thị truyền miệng điện tử (eWOM). Do đó, việc thiếu hụt một mô hình thực nghiệm chuẩn hóa để đo lường định lượng các chiều không gian của Viral Marketing tác động đến ý định mua hàng thời trang trực tuyến tại các đô thị trọng điểm như TP.HCM đang tạo ra rào cản lớn trong việc tối ưu hóa chi phí tiếp thị (Customer Acquisition Cost - CAC).

Mục tiêu dự án

  1. Xác định các nhân tố cấu thành: Hệ thống hóa và kiểm định các thành tố cốt lõi của Viral Marketing tác động đến người tiêu dùng Gen Z trong môi trường số.
  2. Đo lường mức độ tác động: Đánh giá trọng số hồi quy chuẩn hóa ($\beta$) của từng biến độc lập lên biến phụ thuộc là Ý định mua hàng (YDMH) thời trang trực tuyến.
  3. Kiểm định sự khác biệt nhân khẩu học: Phân tích sự biến thiên của ý định mua hàng thông qua kiểm định Independent Sample T-Test và ANOVA đối với giới tính, độ tuổi, thu nhập và nền tảng mua sắm.
  4. Xây dựng khung giải pháp ứng dụng: Đề xuất hệ thống hàm ý quản trị tiếp thị đa kênh giúp doanh nghiệp thời trang nội địa (Local Brands) tối ưu hóa tỷ lệ chuyển đổi đơn hàng.

Phương pháp tiếp cận giải pháp

Đề tài tích hợp 4 nền tảng lý thuyết kinh điển:

  • Lý thuyết Đánh giá Nhận thức (Cognitive Evaluation Theory - CET): Giải thích động lực nội tại (sự thích thú, giải trí) và động lực ngoại tại.
  • Thuyết Hành động Hợp lý (Theory of Reasoned Action - TRA): Đo lường thái độ và chuẩn mực chủ quan định hình ý định hành vi.
  • Mô hình Chấp nhận & Sử dụng Công nghệ (UTAUT): Khai thác yếu tố ảnh hưởng xã hội (Social Influence).
  • Thuyết Nhận thức Rủi ro (Theory of Perceived Risk - TPR): Đo lường rào cản về độ tin cậy và sự khó chịu khi tiếp nhận thông điệp lan truyền.

Kết quả kỳ vọng và chỉ số đo lường

  • Xây dựng bộ thang đo chuẩn hóa gồm 32 biến quan sát đã qua sàng lọc độ tin cậy.
  • Xác thực mô hình hồi quy tuyến tính với hệ số xác định hiệu chỉnh $R^2 \ge 0.50$, giá trị $p < 0.05$ cho các biến có ý nghĩa thống kê.
  • Đạt chuẩn kiểm định đa cộng tuyến với hệ số phóng đại phương sai $\text{VIF} < 2.0$.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Khu vực Thành phố Hồ Chí Minh (tập trung các quận trung tâm và khu đô thị đại học: TP. Thủ Đức, Quận 1, Gò Vấp, Bình Thạnh, Quận 7).
  • Thời gian: Dữ liệu sơ cấp thu thập từ tháng 02/2024 đến tháng 04/2024.
  • Đối tượng khảo sát: Người tiêu dùng Gen Z (độ tuổi 12–30, sinh năm 1997–2012) đã từng tiếp cận các chiến dịch Viral Marketing và có trải nghiệm mua sắm thời trang trực tuyến.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí so sánh Marketing truyền thống (Offline/TVC) Performance Ads (Facebook/Google Ads) Viral Marketing đa kênh (TikTok/Shorts/Reels)
Cơ chế lan truyền Một chiều (Push), phụ thuộc thời lượng sóng Đẩy thông tin mục tiêu theo thuật toán đấu giá Tự lan tỏa theo cấp số nhân (eWOM/Network Effect)
Chi phí tiếp cận (CPM/CAC) Rất cao, khó tối ưu hóa theo thời gian thực Trung bình đến cao do cạnh tranh giá thầu Thấp khi nội dung đạt xu hướng (Organic Reach)
Tương tác với Gen Z Thụ động, tỷ lệ bỏ qua (Skip-rate) cao Dễ gây cảm giác bị theo dõi (Ad Intrusion) Tính tương tác cao, kích thích trào lưu (UGC)
Độ tin cậy cảm nhận Trung bình (doanh nghiệp tự nói về mình) Thấp đến trung bình Cao khi thông qua KOC/Influencer uy tín

Ma trận ưu tiên yêu cầu biến số theo phương pháp MoSCoW

+-------------------------------------------------------------------+
|                     MA TRẬN PHÂN LOẠI MOSCOW                      |
+-------------------------------------------------------------------+
| MUST HAVE (Bắt buộc phải kiểm định):                              |
|   • Ảnh hưởng từ cộng đồng (Community Influence - CD)             |
|   • Nhận thức thương hiệu (Brand Awareness - NT)                  |
|   • Tính thông tin (Informativeness - TT)                         |
+-------------------------------------------------------------------+
| SHOULD HAVE (Nên có trong mô hình):                               |
|   • Tính giải trí (Entertainment - GT)                            |
|   • Độ tin cậy của nguồn (Source Credibility - TC)                |
+-------------------------------------------------------------------+
| COULD HAVE (Có thể xem xét mở rộng):                              |
|   • Sự khó chịu / Rào cản tâm lý (Irritation - KC)                |
+-------------------------------------------------------------------+
| WON'T HAVE (Tạm thời không đưa vào phạm vi):                      |
|   • Phân tích dữ liệu chuỗi thời gian (Longitudinal analysis)     |
|   • Đo lường hành vi mua lặp lại thực tế (Repeat purchase log)    |
+-------------------------------------------------------------------+

Thiết kế hệ thống và mô hình thực nghiệm

Mô hình hồi quy đa biến tuyến tính tổng quát được thiết lập như sau:

$$YDMH = \beta_0 + \beta_1 TT + \beta_2 GT + \beta_3 KC + \beta_4 TC + \beta_5 CD + \beta_6 NT + \varepsilon$$

Trong đó:

  • $YDMH$: Ý định mua hàng thời trang trực tuyến của Gen Z (Biến phụ thuộc).
  • $TT$: Tính thông tin (Informativeness) – 5 biến quan sát (TT1 - TT5).
  • $GT$: Tính giải trí (Entertainment) – 5 biến quan sát (GT1 - GT5).
  • $KC$: Sự khó chịu (Irritation) – 5 biến quan sát (KC1 - KC5).
  • $TC$: Độ tin cậy của nguồn (Source Credibility) – 5 biến quan sát (TC1 - TC5).
  • $CD$: Ảnh hưởng từ cộng đồng (Community Influence) – 4 biến quan sát (CD1 - CD4).
  • $NT$: Nhận thức thương hiệu (Brand Awareness) – 4 biến quan sát (NT1 - NT4).
  • $\beta_0$: Hằng số hồi quy; $\beta_1 \dots \beta_6$: Trọng số hồi quy riêng phần; $\varepsilon$: Sai số ngẫu nhiên.

Ngăn xếp công nghệ và công cụ phân tích (Tech Stack)

  • Phần mềm xử lý dữ liệu chính: IBM SPSS Statistics Version 26.0 (64-bit).
  • Môi trường tự động hóa & trực quan hóa: Python 3.10.x kết hợp các thư viện pandas (xử lý dataframe), numpy (tính toán đại số tuyến tính), statsmodels (hồi quy OLS & VIF), factor_analyzer (kiểm định EFA) và seaborn/matplotlib (vẽ biểu đồ phân phối phần dư).
  • Nền tảng khảo sát và lưu trữ dữ liệu: Google Forms API kết nối Google Sheets làm kho dữ liệu sơ cấp.

Phương pháp luận nghiên cứu (Methodology)

Triển khai thực nghiệm và kết quả

Quy trình phân tích dữ liệu và thuật toán thống kê

Toàn bộ quy trình xử lý dữ liệu được chuẩn hóa thông qua pipeline phân tích toán học nghiêm ngặt:

  1. Làm sạch dữ liệu: Loại bỏ các mẫu không hợp lệ (không thuộc Gen Z hoặc điền trùng lặp).
  2. Kiểm định độ tin cậy thang đo (Internal Consistency): Tính toán hệ số Cronbach's Alpha và tương quan biến - tổng ($Corrected\ Item-Total\ Correlation \ge 0.30$).
  3. Phân tích nhân tố khám phá (EFA): Trích xuất nhân tố bằng phương pháp Principal Axis Factoring kết hợp phép xoay trực góc Varimax.
  4. Mô hình hóa hồi quy tuyến tính OLS: Đánh giá $R^2$, kiểm định ANOVA ($F$-test) và kiểm tra các vi phạm giả định hồi quy (đa cộng tuyến, phân phối chuẩn phần dư, liên hệ tuyến tính).
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Thuật toán kiểm định độ tin cậy Cronbach's Alpha
def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    k = df_items.shape[1]
    variances = df_items.var(axis=0, ddof=1)
    total_score_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (variances.sum() / total_score_variance))
    return float(alpha)

# Thuật toán hồi quy đa biến và tính toán hệ số VIF
def fit_ols_regression(X: pd.DataFrame, y: pd.Series):
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    
    # Tính toán Variance Inflation Factor (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, model.params

Kết quả kiểm định độ tin cậy thang đo và EFA

Kết quả kiểm định Cronbach's Alpha

Thang đo nhân tố Ký hiệu Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Đánh giá
Tính thông tin TT 5 0.842 0.582 (TT3) Đạt độ tin cậy cao
Tính giải trí GT 5 0.865 0.614 (GT1) Đạt độ tin cậy cao
Sự khó chịu KC 5 0.811 0.512 (KC4) Đạt độ tin cậy cao
Độ tin cậy nguồn TC 5 0.854 0.598 (TC2) Đạt độ tin cậy cao
Ảnh hưởng cộng đồng CD 4 0.887 0.701 (CD3) Đạt độ tin cậy rất cao
Nhận thức thương hiệu NT 4 0.829 0.579 (NT1) Đạt độ tin cậy cao
Ý định mua hàng YDMH 4 0.876 0.684 (YDMH2) Thang đo phụ thuộc chuẩn

Hệ số KMO (Kaiser-Meyer-Olkin) đạt 0.879 ($> 0.50$), kiểm định Bartlett đạt mức ý nghĩa thống kê $p = 0.000 < 0.05$. Tổng phương sai trích (Cumulative Variance Explained) đạt 62.45% ($> 50%$) tại điểm dừng Eigenvalue = 1.238 ($> 1$). Tất cả các trọng số tải nhân tố (Factor Loadings) đều lớn hơn $0.55$.

Kết quả phân tích hồi quy đa biến và kiểm định giả thuyết

==============================================================================
                            KẾT QUẢ MÔ HÌNH HỒI QUY OLS
==============================================================================
R = 0.764          R-Square = 0.584          Adjusted R-Square = 0.575
F(6, 293) = 68.541                           Prob (F-statistic) = 0.000
Durbin-Watson = 1.942                        N = 300
==============================================================================
Biến độc lập       Beta (Chuẩn hóa)   t-value      p-value      VIF      Kết luận
------------------------------------------------------------------------------
(Constant)         --                 2.145        0.033        --       --
Ảnh hưởng CĐ (CD)  0.342              6.892        0.000        1.421    Chấp nhận H5
Nhận thức TH (NT)  0.228              4.654        0.000        1.385    Chấp nhận H6
Tính giải trí (GT) 0.195              3.987        0.000        1.312    Chấp nhận H2
Độ tin cậy (TC)    0.164              3.321        0.001        1.298    Chấp nhận H4
Tính thông tin(TT) 0.121              2.514        0.012        1.254    Chấp nhận H1
Sự khó chịu (KC)   -0.038             -0.812       0.417        1.189    Bác bỏ H3
==============================================================================

Phương trình hồi quy chuẩn hóa chính thức:

$$\widehat{YDMH} = 0.342 \times CD + 0.228 \times NT + 0.195 \times GT + 0.164 \times TC + 0.121 \times TT$$

  • Ảnh hưởng từ cộng đồng ($\beta = 0.342, p < 0.001$): Có tác động mạnh nhất. Gen Z chịu chi phối lớn bởi hiệu ứng đám đông, bình luận đánh giá từ mạng xã hội và hình mẫu của các Key Opinion Consumers (KOCs).
  • Nhận thức thương hiệu ($\beta = 0.228, p < 0.001$): Đóng vai trò mỏ neo niềm tin, giúp giảm bớt rào cản do dự khi đặt hàng trực tuyến.
  • Sự khó chịu ($\beta = -0.038, p = 0.417 > 0.05$): Không có ý nghĩa thống kê. Điều này chứng minh Gen Z có khả năng chọn lọc thông tin cao; những quảng cáo gây khó chịu thường bị họ chủ động bỏ qua hoặc bấm lướt mà không tác động tiêu cực trực tiếp đến quyết định mua sắm đối với các sản phẩm họ đã quan tâm.

Đổi mới và đóng góp

Điểm mới về mặt học thuật và phương pháp luận

  • Tích hợp khung lý thuyết liên ngành: Khác với các nghiên cứu đơn lẻ chỉ áp dụng TRA (Fishbein & Ajzen, 1975) hoặc UTAUT (Venkatesh, 2003), nghiên cứu này kết hợp chặt chẽ thêm Lý thuyết Đánh giá Nhận thức (CET) và Nhận thức Rủi ro (TPR) để phản ánh trọn vẹn hai chiều tâm lý: Thúc đẩy trải nghiệm (Hedonic Motivation) và Rào cản hoài nghi (Skepticism Barrier).
  • Phát hiện khác biệt về nhân tố "Sự khó chịu": Phản biện lại các nghiên cứu truyền thống tại thị trường nước ngoài (như Fahrudi & Aisyah, 2023; Ler Sin Wei, 2014) vốn cho rằng sự khó chịu luôn cản trở ý định mua hàng. Nghiên cứu thực nghiệm chứng minh rằng với phân khúc Gen Z thành thị, cơ chế "bỏ qua quảng cáo tự động" (Ad-skipping Behavior) đã triệt tiêu ảnh hưởng tiêu cực của sự khó chịu đối với ý định mua.

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí Nghiên cứu của Fahrudi & Aisyah (2023) Nghiên cứu của Sook Fern Yeo và cs (2020) Đề tài nghiên cứu này (2024)
Bối cảnh nghiên cứu Sàn Shopee tại Indonesia (N=116) Thời trang tại Malaysia (N=200) Thời trang trực tuyến TP.HCM (N=300)
Nhân tố dẫn đầu Tính thông tin ($\beta = 0.312$) Tính thông tin & Tham gia Ảnh hưởng cộng đồng ($\beta = 0.342$)
Tác động Tính giải trí Có ý nghĩa thống kê Không có ý nghĩa thống kê Có ý nghĩa thống kê ($\beta = 0.195$)
Tác động Sự khó chịu Ngược chiều đáng kể ($p < 0.05$) Không xem xét biến này Không có ý nghĩa thống kê ($p = 0.417$)
Độ giải thích ($R^2$) 46.2% 49.8% 57.5% (Adjusted $R^2$)

Ứng dụng thực tế và triển khai

Khung chiến lược Viral Marketing đa kênh (Omnichannel Execution)

Kịch bản ứng dụng thực tế và phân tích hiệu quả kinh tế (ROI)

Tình huống triển khai: Chiến dịch ra mắt bộ sưu tập Local Brand

  • Quy mô thương hiệu: Doanh nghiệp thời trang Streetwear quy mô vừa tại TP.HCM.
  • Chiến thuật triển khai:
    1. Tuần 1-2 (Tạo sóng): Phát động chiến dịch Video ngắn định dạng dọc (9:16) mang tính giải trí cao, kết hợp 20 Micro-KOCs (10k - 50k followers) thực hiện video "Phối đồ biến hình" (Outfit Transformation).
    2. Tuần 3 (Khuếch đại): Đẩy mạnh tương tác cộng đồng thông qua mục bình luận, chia sẻ feedback chân thực về chất liệu vải và bảng size (tối ưu hóa Tính thông tin và Độ tin cậy nguồn).
    3. Tuần 4 (Chuyển đổi): Tổ chức Mega Livestream kết hợp giảm giá chớp nhoáng (Flash Sale) trên sàn TMĐT.
+-----------------------------------------------------------------------+
|                    BẢNG TÍNH TOÁN HIỆU QUẢ ĐẦU TƯ (ROI)               |
+-----------------------------------------------------------------------+
| Chỉ số đo lường             | Mô hình cũ (Display Ads)| Mô hình Viral |
+-----------------------------+-------------------------+---------------+
| Ngân sách tiếp thị          | 100,000,000 VNĐ         | 100,000,000 VNĐ|
| Lượt tiếp cận tự nhiên      | 150,000 Reach           | 650,000 Reach |
| Tỷ lệ nhấp chuột (CTR)      | 1.2%                    | 4.8%          |
| Tỷ lệ chuyển đổi đơn hàng   | 1.5%                    | 3.6%          |
| Doanh thu ghi nhận          | 180,000,000 VNĐ         | 420,000,000 VNĐ|
| Chi phí có 1 đơn hàng (CAC) | 120,000 VNĐ             | 62,000 VNĐ    |
| Tỷ suất hoàn vốn (ROI)      | 80%                     | 320%          |
+-----------------------------------------------------------------------+

Hạn chế và hướng phát triển

Hạn chế nghiên cứu

  • Tính đại diện về địa lý: Mẫu khảo sát tập trung tại TP.HCM ($N=300$), chưa bao quát người tiêu dùng Gen Z tại khu vực nông thôn hoặc các đô thị loại hai, nơi hạ tầng TMĐT và hành vi tiếp nhận văn hóa mạng có sự khác biệt.
  • Phương pháp lấy mẫu thuận tiện (Convenience Sampling): Mặc dù kích thước mẫu đáp ứng tốt yêu cầu phân tích hồi quy OLS, nhưng việc lấy mẫu phi xác suất vẫn tiềm ẩn sai số chọn mẫu nhất định.
  • Dữ liệu cắt ngang (Cross-sectional Data): Dữ liệu thu thập tại một thời điểm nhất định, chưa theo dõi được sự biến động thái độ của Gen Z trong dài hạn sau khi chiến dịch Viral kết thúc.

Hướng phát triển cho các nghiên cứu tiếp theo

  • Mở rộng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling): Ứng dụng mô hình PLS-SEM để phân tích vai trò trung gian (Mediating Role) của "Thái độ đối với thương hiệu" và "Giá trị cảm nhận".
  • Đo lường hành vi thực tế: Kết hợp phương pháp A/B Testing và dữ liệu nhật ký giao dịch (Log Data) từ các nền tảng thương mại mạng xã hội (Social Commerce) để đối chiếu giữa "Ý định mua sắm" và "Hành vi thanh toán thành công".

Đối tượng hưởng lợi

  • Sinh viên & Học viên ngành Kinh doanh/Marketing: Nắm vững phương pháp luận nghiên cứu định lượng chuẩn tắc, quy trình xử lý dữ liệu thực nghiệm qua SPSS 26 và kỹ năng tổng hợp khung lý thuyết nền tảng (TRA, UTAUT, CET, TPR).
  • Nhà quản trị & Marketers tại các thương hiệu thời trang: Tiếp cận các trọng số tác động định lượng ($\beta$) đã được xác thực, từ đó tái cơ cấu ngân sách tiếp thị: Ưu tiên 60% cho chiến lược xây dựng hiệu ứng cộng đồng (KOC Seeding, UGC) và tối ưu độ nhận biết thương hiệu thay vì phân bổ dàn trải vào quảng cáo hiển thị.
  • Lập trình viên & Nhà phát triển nền tảng E-commerce: Hiểu rõ các điểm chạm tâm lý (Psychological Touchpoints) của Gen Z để thiết kế tính năng tương tác (Social Commerce Features) như: Đánh giá bằng video ngắn, tích hợp nút chia sẻ nhận thưởng nhóm, và hệ thống lọc bình luận xác thực.
  • Nhà nghiên cứu học thuật: Cung cấp tài liệu tham khảo có độ tin cậy cao, lấp đầy khoảng trống nghiên cứu về hành vi tiêu dùng thời trang trực tuyến của Gen Z tại thị trường đang phát triển ở Đông Nam Á.

Câu hỏi thường gặp

1. Kích thước mẫu N=300 có đảm bảo tính tin cậy thống kê cho mô hình 6 biến độc lập?

Theo quy tắc kinh nghiệm của Green (1991), kích thước mẫu tối thiểu cho phân tích hồi quy bội là $N \ge 50 + 8m$ (với $m=6$ biến độc lập, $N \ge 98$). Theo Hair và cộng sự (2014) cho phân tích EFA, tỷ lệ mẫu quan sát trên biến đo lường tối thiểu là 5:1 (32 biến $\times 5 = 160$ mẫu). Do đó, quy mô mẫu $N=300$ trong nghiên cứu hoàn toàn vượt chuẩn, đảm bảo độ mạnh thống kê (Statistical Power $> 0.80$) và giảm thiểu sai số chuẩn.

2. Tại sao yếu tố "Sự khó chịu" lại không có ý nghĩa thống kê trong nghiên cứu này?

Phân tích thực nghiệm cho thấy giá trị $p\text{-value} = 0.417 > 0.05$. Với đặc tính là "thế hệ bản địa kỹ thuật số" (Digital Natives), Gen Z đã phát triển cơ chế thích ứng tâm lý tự nhiên với quảng cáo. Họ có xu hướng chủ động lướt qua (Swipe away) hoặc dùng trình chặn quảng cáo thay vì để cảm xúc khó chịu chi phối đến nhu cầu mua sắm thực tế đối với các sản phẩm họ đã yêu thích.

3. Doanh nghiệp thời trang nhỏ (ngân sách thấp) nên ưu tiên yếu tố nào nhất?

Căn cứ theo hệ số hồi quy chuẩn hóa, Ảnh hưởng từ cộng đồng ($\beta = 0.342$) và Tính giải trí ($\beta = 0.195$) là hai yếu tố mang lại hiệu quả chuyển đổi cao nhất với chi phí tối ưu. Doanh nghiệp nên tập trung sản xuất các video ngắn sáng tạo, hài hước và gửi sản phẩm trải nghiệm (Gifting) cho các Micro-KOCs để tạo làn sóng truyền miệng tự nhiên thay vì thuê người nổi tiếng (Celebs) đắt đỏ.

4. Làm thế nào để giải quyết vấn đề đa cộng tuyến khi đưa nhiều biến tâm lý vào mô hình?

Trong nghiên cứu này, chỉ số $VIF$ của tất cả các biến độc lập đều nằm trong khoảng $1.189 \le VIF \le 1.421$, thấp hơn rất nhiều so với ngưỡng cảnh báo nghiêm ngặt là $2.0$ (hoặc ngưỡng thông thường $5.0$). Điều này chứng minh ma trận tương quan giữa các biến độc lập không vi phạm giả định đa cộng tuyến, đảm bảo tính đơn trị của các hệ số hồi quy riêng phần.

5. Khung nghiên cứu này có thể áp dụng cho các ngành hàng khác ngoài thời trang không?

Mô hình hoàn toàn có thể chuyển giao và áp dụng tốt cho các ngành hàng tiêu dùng nhanh (FMCG), mỹ phẩm/chăm sóc cá nhân hoặc dịch vụ F&B. Tuy nhiên, các biến quan sát cần được hiệu chỉnh từ ngữ (Contextual Adaptation) trong giai đoạn nghiên cứu định tính sơ bộ để phản ánh đúng đặc thù trải nghiệm của từng nhóm sản phẩm.

Kết luận

Nghiên cứu "Các yếu tố tác động của Viral Marketing đến ý định mua hàng thời trang trực tuyến của Gen Z tại khu vực TP.HCM" đã hệ thống hóa và chứng minh bằng thực nghiệm mô hình 5 nhân tố cốt lõi thúc đẩy hành vi mua sắm trực tuyến của người trẻ, đạt độ giải thích phương sai $R^2 = 57.5%$. Kết quả khẳng định vai trò tối thượng của Ảnh hưởng từ cộng đồng ($\beta = 0.342$) và Nhận thức thương hiệu ($\beta = 0.228$), tiếp nối bởi Tính giải trí ($\beta = 0.195$), Độ tin cậy nguồn ($\beta = 0.164$) và Tính thông tin ($\beta = 0.121$).

Phát hiện này cung cấp cơ sở khoa học xác đáng để các doanh nghiệp thời trang dịch chuyển trọng tâm tiếp thị từ các chiến dịch đẩy thông tin thụ động sang chiến lược tích hợp Shoppertainment và Social Proof. Việc làm chủ các cơ chế lan truyền này không chỉ giúp tối ưu hóa chi phí thu hút khách hàng (CAC) mà còn xây dựng lòng trung thành thương hiệu bền vững trong kỷ nguyên kinh tế số.