Tổng quan luận án

Luận án tiến sĩ chuyên ngành Quản trị kinh doanh (mã số 9 34 01 01) của nghiên cứu sinh Phó Hải Đăng, do PGS. Nguyễn Văn Thích và TS. Nguyễn Văn Đạt hướng dẫn tại Trường Đại học Ngân hàng Thành phố Hồ Chí Minh (năm 2026), tập trung vào đề tài: "Vai trò trí tuệ nhân tạo hỗ trợ giải thích trong cá nhân hoá nội dung quảng cáo tác động đến quyết định mua hàng của khách hàng trên nền tảng mạng xã hội".

Tính cấp thiết và khoảng trống nghiên cứu

Về mặt thực tiễn, thương mại xã hội (TMXH) tại Việt Nam đang tăng trưởng nhanh chóng. Quy mô thị trường đạt 3,99 tỷ USD vào năm 2024 với tốc độ tăng trưởng kép hàng năm (CAGR) đạt 37,7% trong giai đoạn 2021–2024; dự báo đạt 5 tỷ USD vào năm 2025 (tăng 25,4%) và hướng tới 10,21 tỷ USD vào năm 2030 (Business Wire, 2025). Đồng thời, Việt Nam có 76,2 triệu người dùng mạng xã hội (chiếm 75,2% dân số), thời gian truy cập trung bình 2 giờ 25 phút mỗi ngày (We Are Social, 2025), và khoảng 50% người tiêu dùng mua sắm trực tuyến hàng tuần qua điện thoại thông minh (TGM Research, 2025).

Để khai thác tiềm năng này, quảng cáo cá nhân hóa dựa trên trí tuệ nhân tạo (AI) đã trở thành công cụ tiếp cận mục tiêu phổ biến, trong bối cảnh thị trường AI marketing toàn cầu tăng từ 12 tỷ USD năm 2020 lên 47,32 tỷ USD năm 2025 và dự báo vượt 107 tỷ USD vào năm 2028 (SalesGroup AI, 2025). Tuy nhiên, thực tiễn nảy sinh "nghịch lý cá nhân hóa – quyền riêng tư": người dùng mong muốn nội dung phù hợp nhưng lại lo ngại việc dữ liệu cá nhân bị thu thập, theo dõi. Khi các thuật toán AI hoạt động theo cơ chế "hộp đen" (black box) thiếu minh bạch, sự nghi ngờ và xói mòn niềm tin gia tăng, làm suy giảm hiệu quả quảng cáo. Khung pháp lý tại Việt Nam cũng siết chặt hơn với Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân (có hiệu lực từ tháng 7/2023). Trí tuệ nhân tạo hỗ trợ giải thích (XAI) xuất hiện như một công cụ tiềm năng nhằm cung cấp lý do hiển thị quảng cáo, song vai trò thực nghiệm của XAI trong việc giải quyết nghịch lý này tại thị trường mới nổi như Việt Nam chưa được làm rõ.

Về mặt lý thuyết, các nghiên cứu trước đây thường tiếp cận đơn lẻ từng khía cạnh: vận dụng Mô hình xem xét kỹ lưỡng (ELM) giải thích quá trình thuyết phục, Lý thuyết tính toán quyền riêng tư (PCT) giải thích sự đánh đổi rủi ro – lợi ích, hoặc khung lý thuyết tương tác người – AI để xem xét đặc tính kỹ thuật. Khoảng trống đặt ra là thiếu một mô hình tích hợp kiểm định đồng thời vai trò điều tiết của XAI và vai trò trung gian của thái độ đối với quảng cáo trong chuỗi tác động từ cá nhân hóa đến quyết định mua sắm trên mạng xã hội.

Mục tiêu và câu hỏi nghiên cứu

Mục tiêu tổng quát của luận án là xác định và đo lường vai trò của trí tuệ nhân tạo hỗ trợ giải thích (XAI) trong mối quan hệ giữa cá nhân hóa nội dung quảng cáo, lo ngại quyền riêng tư, thái độ đối với quảng cáo và quyết định mua hàng của khách hàng trên nền tảng mạng xã hội tại Việt Nam.

Các mục tiêu cụ thể gồm:

  1. Xác định mức độ tác động của cảm nhận cá nhân hóa (PP) và lo ngại quyền riêng tư (PC) đến thái độ đối với quảng cáo (AA) và quyết định mua hàng (PD).
  2. Kiểm định vai trò trung gian của thái độ đối với quảng cáo (AA) trong mối quan hệ giữa các biến tiền đề (PP, PC) và quyết định mua hàng (PD).
  3. Kiểm định vai trò điều tiết của cảm nhận chất lượng XAI (PQ) đối với các mối quan hệ tác động từ PP và PC đến thái độ đối với quảng cáo (AA).
  4. Phân tích sự khác biệt về các mối quan hệ tác động trong mô hình theo các đặc điểm nhân khẩu học (giới tính, độ tuổi, thu nhập).
  5. Đề xuất hệ thống hàm ý quản trị cho nhà quản lý tiếp thị, đơn vị phát triển giải pháp AI và cơ quan quản lý nhà nước.

Hệ thống câu hỏi nghiên cứu tương ứng:

  • Câu hỏi 1: Cảm nhận cá nhân hóa và lo ngại quyền riêng tư tác động như thế nào đến thái độ đối với quảng cáo và quyết định mua hàng của khách hàng trên mạng xã hội?
  • Câu hỏi 2: Thái độ đối với quảng cáo có đóng vai trò trung gian (toàn phần hay bán phần) trong chuỗi tác động từ cảm nhận cá nhân hóa và lo ngại quyền riêng tư đến quyết định mua hàng hay không?
  • Câu hỏi 3: Cảm nhận chất lượng XAI có đóng vai trò điều tiết trong các mối quan hệ tác động từ cảm nhận cá nhân hóa và lo ngại quyền riêng tư đến thái độ đối với quảng cáo hay không?
  • Câu hỏi 4: Có sự khác biệt có ý nghĩa thống kê giữa các nhóm nhân khẩu học về giới tính, độ tuổi và thu nhập đối với các mối quan hệ trong mô hình hay không?

Hệ thống 10 giả thuyết nghiên cứu được tác giả xây dựng (trong đó 9 giả thuyết được dữ liệu thực nghiệm ủng hộ, 2 giả thuyết về tác động trực tiếp H4 và H5 bị bác bỏ):

  • H1: Cảm nhận cá nhân hóa (PP) tác động tích cực đến thái độ đối với quảng cáo (AA).
  • H2: Lo ngại quyền riêng tư (PC) tác động tiêu cực đến thái độ đối với quảng cáo (AA).
  • H3: Thái độ đối với quảng cáo (AA) tác động tích cực đến quyết định mua hàng (PD).
  • H4: Cảm nhận cá nhân hóa (PP) tác động tích cực trực tiếp đến quyết định mua hàng (PD) (Bị bác bỏ).
  • H5: Lo ngại quyền riêng tư (PC) tác động tiêu cực trực tiếp đến quyết định mua hàng (PD) (Bị bác bỏ).
  • H6: Thái độ đối với quảng cáo (AA) đóng vai trò trung gian giữa cảm nhận cá nhân hóa (PP) và quyết định mua hàng (PD).
  • H7: Thái độ đối với quảng cáo (AA) đóng vai trò trung gian giữa lo ngại quyền riêng tư (PC) và quyết định mua hàng (PD).
  • H8: Cảm nhận chất lượng XAI (PQ) điều tiết tích cực mối quan hệ giữa cảm nhận cá nhân hóa (PP) và thái độ đối với quảng cáo (AA).
  • H9: Cảm nhận chất lượng XAI (PQ) điều tiết tiêu cực (làm dịu) tác động nghịch chiều của lo ngại quyền riêng tư (PC) đến thái độ đối với quảng cáo (AA).
  • H10: Có sự khác biệt về các mối quan hệ tác động trong mô hình theo các nhóm nhân khẩu học (giới tính, độ tuổi, thu nhập).

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Tác động của cảm nhận cá nhân hóa nội dung quảng cáo dựa trên AI, lo ngại quyền riêng tư, cảm nhận chất lượng XAI và thái độ đối với quảng cáo đến quyết định mua hàng của khách hàng.
  • Khách thể khảo sát: Người tiêu dùng tại Việt Nam có tương tác thường xuyên với quảng cáo cá nhân hóa trên ba nền tảng mạng xã hội: Facebook, Instagram và TikTok.
  • Phạm vi không gian: Khảo sát thu thập dữ liệu tại thị trường Việt Nam (tập trung tại các đô thị lớn như Thành phố Hồ Chí Minh và các khu vực lân cận).
  • Phạm vi thời gian: Dữ liệu thứ cấp phản ánh giai đoạn 2021–2024, dự báo đến 2025–2030; dữ liệu sơ cấp được thu thập và phân tích hoàn thành phục vụ bảo vệ luận án năm 2026.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước trong y văn

Tác giả hệ thống hóa các dòng nghiên cứu liên quan đến bốn nhóm vấn đề:

  1. Cơ chế thuyết phục của quảng cáo cá nhân hóa: Mô hình xem xét kỹ lưỡng (ELM) của Petty và cộng sự (1986) được Chen và Yin (2023) ứng dụng để phân tích AI chatbot, chỉ ra độ tin cậy và độ chính xác là tín hiệu trung tâm, trong khi sự đồng cảm là tín hiệu ngoại vi. Matz và cộng sự (2024) chứng minh trên mẫu N = 1.788 rằng thông điệp cá nhân hóa do AI tạo ra có hiệu quả thuyết phục vượt 61% so với thông điệp không cá nhân hóa. Zhang và cộng sự (2021) chỉ ra cá nhân hóa làm tăng liên quan cá nhân, từ đó tác động tích cực đến thái độ đối với quảng cáo trực tuyến.
  2. Nghịch lý quyền riêng tư và sự đánh đổi nhận thức: Lý thuyết tính toán quyền riêng tư (PCT) của Xu và cộng sự (2011) mô tả sự cân nhắc giữa lợi ích nhận được và rủi ro tiết lộ thông tin. Cloarec (2024) phát triển khái niệm "Tính toán quyền riêng tư mang tính chuyển đổi" (Transformative privacy calculus) trong tiếp thị AI, chỉ ra niềm tin và lo ngại thu thập thông tin làm trung gian cho sự sẵn lòng chia sẻ dữ liệu. Nghiên cứu của Li và cộng sự (2024) trên 485 người tham gia cho thấy cá nhân hóa tác động đến niềm tin và lo ngại quyền riêng tư nhưng không tác động trực tiếp đến sự gắn kết khách hàng. Nghiên cứu của McKee và cộng sự (2024) trên người tiêu dùng Gen Z ghi nhận 60% khó chịu với cá nhân hóa AI và 49% lo ngại an ninh dữ liệu.
  3. Bản chất trung gian của thái độ theo Lý thuyết hành động hợp lý (TRA): Fishbein và Ajzen (1975) xác lập chuỗi nhân quả: niềm tin/nhận thức hình thành thái độ, thái độ dẫn tới ý định và hành vi. Tuy nhiên, nhiều nghiên cứu về thương mại xã hội như Chu và cộng sự (2022), Khuong và cộng sự (2025) lại bỏ qua bước kiểm định trung gian toàn phần, giả định mối liên hệ trực tiếp từ kích thích AI đến hành vi mua hàng.
  4. Trí tuệ nhân tạo hỗ trợ giải thích (XAI) và tương tác người – AI: Gerlings và cộng sự (2022) định nghĩa các phương pháp XAI nhằm tạo tính minh bạch cho thuật toán. Shin (2021) thiết lập khung phân tích về khả năng nhân quả (causability) và khả năng giải thích (explainability) dựa trên ba thuộc tính FAT (Fairness – Công bằng, Accountability – Trách nhiệm giải trình, Transparency – Minh bạch). Leichtmann và cộng sự (2023) nhận thấy giải thích XAI có thể làm tăng hoặc giảm niềm tin tùy bối cảnh. Các nghiên cứu định tính hoặc khung khái niệm của Rai (2020), Hermann (2021), Meske và cộng sự (2022) đều nhận định XAI có tiềm năng điều tiết tâm lý người dùng, nhưng Haque và cộng sự (2023) cùng Brasse và cộng sự (2023) khẳng định bằng chứng thực nghiệm định lượng về vai trò điều tiết kép của XAI còn rất hạn chế.

Bốn khoảng trống nghiên cứu luận án lựa chọn giải quyết

Từ việc điểm duyệt y văn, luận án xác định và giải quyết bốn khoảng trống:

  1. Thiếu mô hình tích hợp đa lý thuyết: Chưa có nghiên cứu nào kết hợp đồng thời ELM, TRA, PCT mở rộng và khung tương tác người – AI của Shin (2021) để giải quyết nghịch lý cá nhân hóa – quyền riêng tư.
  2. Thiếu kiểm định thực nghiệm về vai trò điều tiết của XAI: Chưa có công trình nào kiểm định thực nghiệm vai trò điều tiết đồng thời của biến cảm nhận chất lượng XAI lên hai đường dẫn trái chiều: cá nhân hóa đến thái độ (PP → AA) và lo ngại quyền riêng tư đến thái độ (PC → AA).
  3. Thiếu sự khẳng định về bản chất trung gian của thái độ: Chưa xác định rõ ràng thái độ đối với quảng cáo đóng vai trò trung gian toàn phần hay bán phần (theo quy trình kiểm định của Zhao và cộng sự, 2010) trong chuỗi tác động của quảng cáo AI đến quyết định mua sắm.
  4. Thiếu dữ liệu thực nghiệm tại thị trường mới nổi có văn hóa tập thể: Đa số bằng chứng trước đây đến từ các nước phương Tây mang đặc trưng văn hóa cá nhân chủ nghĩa (Boerman và cộng sự, 2021; Hayes và cộng sự, 2021). Bối cảnh văn hóa tập thể (Hofstede, 2001) như Việt Nam với thị trường thương mại xã hội phát triển nhanh và việc áp dụng Nghị định 13/2023/NĐ-CP chưa được nghiên cứu toàn diện.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết và các khái niệm nền tảng

Luận án xây dựng khung phân tích dựa trên bốn trụ cột lý thuyết bổ trợ:

  • Mô hình xem xét kỹ lưỡng (ELM - Petty và cộng sự, 1986): Giải thích hai tiến trình xử lý nhận thức (tuyến trung tâm và tuyến ngoại vi) khi tiếp nhận thông điệp quảng cáo cá nhân hóa.
  • Lý thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975): Giải thích cơ chế chuyển hóa từ nhận thức về thuộc tính quảng cáo sang thái độ và từ thái độ dẫn tới hành vi quyết định mua hàng.
  • Lý thuyết tính toán quyền riêng tư mở rộng (Extended PCT - Xu và cộng sự, 2011; Cloarec, 2024): Đánh giá sự đánh đổi giữa lợi ích cảm nhận (tính phù hợp của nội dung cá nhân hóa) và chi phí cảm nhận (lo ngại xâm phạm quyền riêng tư gồm chiều kích lý trí và cảm xúc).
  • Khung lý thuyết về nhân quả và khả năng giải thích trong tương tác người – AI (Shin, 2021): Vận hành hóa biến điều tiết XAI thông qua bộ nguyên tắc FAT (Công bằng, Trách nhiệm giải trình, Minh bạch).

Từ sự tích hợp này, luận án đề xuất Khung tính toán quyền riêng tư có điều kiện (Conditional Privacy Calculus Framework - CPCF).

Năm khái niệm nghiên cứu cốt lõi được chuẩn hóa:

  1. Cảm nhận cá nhân hóa (PP - Perceived Personalization): Mức độ người tiêu dùng nhận thấy thông điệp quảng cáo phù hợp với sở thích, nhu cầu và đặc điểm cá nhân.
  2. Lo ngại quyền riêng tư (PC - Privacy Concern): Mức độ lo lắng của người tiêu dùng về việc dữ liệu cá nhân bị thu thập, chia sẻ và sử dụng trái phép khi xem quảng cáo.
  3. Cảm nhận chất lượng XAI (PQ - Perceived Quality of XAI): Đánh giá của người dùng về tính minh bạch, công bằng và trách nhiệm giải trình của tính năng giải thích lý do hiển thị quảng cáo (ví dụ: nút "Tại sao tôi thấy quảng cáo này?").
  4. Thái độ đối với quảng cáo (AA - Attitude toward Advertising): Cảm xúc và đánh giá tổng thể (thuận lợi hay không thuận lợi) của người tiêu dùng đối với mẫu quảng cáo tiếp nhận.
  5. Quyết định mua hàng (PD - Purchase Decision): Phản ứng hành vi cuối cùng của khách hàng khi hoàn tất hoặc thể hiện cam kết thực hiện hành vi mua sản phẩm/dịch vụ được quảng cáo.

Phương pháp nghiên cứu

Luận án áp dụng thiết kế nghiên cứu hỗn hợp tuần tự (sequential mixed-methods):

  1. Giai đoạn định tính: Tổ chức thảo luận nhóm chuyên gia (nhà nghiên cứu tiếp thị số, chuyên gia AI) và thảo luận nhóm tập trung người tiêu dùng nhằm điều chỉnh, bổ sung các biến quan sát, hoàn thiện thang đo sơ bộ phù hợp với ngôn ngữ và thực tiễn mạng xã hội tại Việt Nam. Kết quả hoàn thiện thang đo cảm nhận chất lượng XAI (PQ) thích ứng từ khung FAT của Shin (2021).
  2. Giai đoạn định lượng sơ bộ: Thực hiện trên mẫu nhỏ để kiểm định sơ bộ độ tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá (EFA), loại bỏ các biến quan sát không đạt yêu cầu.
  3. Giai đoạn định lượng chính thức:
    • Phương pháp lấy mẫu: Sử dụng phương pháp chọn mẫu thuận tiện có điều kiện lọc (Screened convenience sampling - SCS / PCS). Tiêu chuẩn lọc là người tiêu dùng có tài khoản đang hoạt động, có tương tác thường xuyên với quảng cáo cá nhân hóa trên Facebook, Instagram hoặc TikTok.
    • Kích thước mẫu: Thu thập hợp lệ N = 525 quan sát.
    • Kỹ thuật và công cụ phân tích: Sử dụng phần mềm SPSS và AMOS để thực hiện:
      • Thống kê mô tả đặc điểm nhân khẩu học.
      • Kiểm định độ tin cậy thang đo bằng Cronbach’s Alpha (CA) và Độ tin cậy tổng hợp (CR).
      • Phân tích nhân tố khẳng định (CFA) để đánh giá tính đơn hướng, giá trị hội tụ (thông qua phương sai trích trung bình AVE) và giá trị phân biệt (MSV < AVE, so sánh căn bậc hai AVE với tương quan giữa các nhân tố).
      • Kiểm định mô hình phương trình cấu trúc tuyến tính dựa trên hiệp phương sai (CB-SEM).
      • Kiểm định tác động trung gian bằng kỹ thuật Bootstrap phân vị hiệu chỉnh độ lệch (Bias-corrected percentile - BCP) với 2.000 lần lặp lại.
      • Phân tích cấu trúc đa nhóm kiểm tra sự khác biệt giữa mô hình khả biến (UCM) và mô hình bất biến (CM) thông qua kiểm định độ lệch Chi-square (CMIN) theo các biến nhân khẩu học.

Nội dung chính theo từng chương

Chương 1: Tổng quan về nghiên cứu

Chương 1 thiết lập toàn bộ nền tảng cho luận án:

  • Phân tích bối cảnh bùng nổ của TMXH và quảng cáo AI tại Việt Nam và trên thế giới. Dẫn chứng số liệu doanh thu TMXH Việt Nam đạt 3,99 tỷ USD năm 2024 (Business Wire, 2025), thời lượng dùng mạng xã hội 2 giờ 25 phút/ngày (We Are Social, 2025) và doanh thu quý 1/2025 của TikTok Shop đạt 36 nghìn tỷ đồng (Mordor Intelligence, 2025).
  • Nêu rõ 4 thách thức thực tiễn: sự gia tăng lo ngại quyền riêng tư (68% ưu tiên quyền riêng tư theo mLAC Journal, 2025); tính thiếu minh bạch "hộp đen" của AI (chỉ 20% tin tưởng AI theo NIM Research, 2024); sự suy giảm hiệu quả quảng cáo khi thiếu tin cậy; và các quy định pháp lý siết chặt (Nghị định 13/2023/NĐ-CP).
  • Xác định mục tiêu nghiên cứu tổng quát, 5 mục tiêu cụ thể, 4 câu hỏi nghiên cứu, đối tượng, phạm vi không gian, thời gian và cấu trúc gồm 5 chương của luận án.

Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu

Chương 2 xây dựng hệ thống luận cứ khoa học:

  • Hệ thống hóa các khái niệm: Nền tảng mạng xã hội, Thương mại xã hội, Quảng cáo cá nhân hóa, Cảm nhận cá nhân hóa, Trí tuệ nhân tạo hỗ trợ giải thích, Thái độ đối với quảng cáo, Quyết định mua hàng. Bảng 2-1 phân biệt quảng cáo truyền thống và quảng cáo cá nhân hóa; Bảng 2-2 phân biệt AI truyền thống và XAI; Bảng 2-3 định vị khái niệm Cảm nhận chất lượng XAI trong mạng lưới các khái niệm liên quan.
  • Tích hợp 4 khung lý thuyết (ELM, TRA, PCT mở rộng, mô hình Shin 2021) tại Bảng 2-4 để xây dựng Mô hình Khung tính toán quyền riêng tư có điều kiện (CPCF) (Hình 2-1).
  • Biện luận mối quan hệ giữa các biến số và xây dựng hệ thống 10 giả thuyết nghiên cứu (Bảng 2-5, Hình 2-2).

Chương 3: Phương pháp nghiên cứu

Chương 3 trình bày quy trình kỹ thuật thực hiện nghiên cứu (Hình 2-3):

  • Xây dựng hệ thống thang đo tham chiếu Likert 5 điểm: Thang đo PP (Bảng 3-1), Thang đo PC (Bảng 3-2), Thang đo PQ với 3 khía cạnh FAT (Bảng 3-3), Thang đo AA (Bảng 3-4), Thang đo PD (Bảng 3-5).
  • Trình bày kết quả nghiên cứu định tính: hiệu chỉnh từ ngữ các mục hỏi sao cho phù hợp với cách hiển thị tính năng "Tại sao tôi thấy quảng cáo này?" trên Facebook, Instagram và TikTok tại Việt Nam.
  • Kết quả kiểm định sơ bộ thang đo (Bảng 3-6) và quy trình thu thập dữ liệu chính thức qua các kênh trực tuyến (Bảng 3-7, Bảng 3-8), kiểm soát sai lệch do phương pháp thu thập và sai lệch thời điểm (TPA).

Chương 4: Kết quả nghiên cứu và thảo luận

Chương 4 công bố kết quả phân tích định lượng thực nghiệm trên 525 mẫu:

  • Thống kê bối cảnh vĩ mô: Doanh thu TMXH Việt Nam giai đoạn 2021–2024 (Bảng 4-1), tỷ lệ người dùng TMXH Việt Nam (Bảng 4-2), doanh thu toàn cầu (Bảng 4-3), so sánh Việt Nam với Indonesia và Thái Lan (Bảng 4-4), tỷ lệ người dùng TMXH thế giới (Bảng 4-5).
  • Thống kê mô tả nhân khẩu học mẫu khảo sát chính thức: Phân bố giới tính (Bảng 4-6), độ tuổi (Bảng 4-7), thu nhập (Bảng 4-8) và giá trị trung bình các biến quan sát (Bảng 4-10).
  • Kiểm định chất lượng thang đo: Độ tin cậy Cronbach's Alpha đều đạt chuẩn > 0,7 (Bảng 4-10); phân tích EFA trích xuất đúng 5 nhân tố (Bảng 4-11); phân tích CFA (Hình 4-1) xác nhận tính hội tụ và giá trị phân biệt (Bảng 4-12). Các chỉ số độ phù hợp của mô hình CFA và SEM đạt tiêu chuẩn tốt: CMIN/df < 3, CFI > 0,9, TLI > 0,9, RMSEA < 0,08.
  • Kiểm định mô hình cấu trúc SEM (Hình 4-2, Hình 4-3, Bảng 4-13) và hệ số xác định R bình phương (Bảng 4-14).
  • Phân tích hiệu ứng trung gian (Bảng 4-15 đến Bảng 4-19): Xác nhận vai trò trung gian toàn phần của AA. Tác động trực tiếp từ PP và PC đến PD không có ý nghĩa thống kê khi có mặt biến trung gian AA (chấp nhận H6, H7; bác bỏ H4, H5). Tác động gián tiếp PP → AA → PD đạt hệ số 0,384; PC → AA → PD đạt hệ số -0,359.
  • Phân tích hiệu ứng điều tiết của cảm nhận chất lượng XAI (PQ): PQ điều tiết tích cực và có ý nghĩa thống kê làm giảm thiểu ảnh hưởng tiêu cực của PC lên AA (hệ số tương tác β = 0,084; p = 0,022).
  • Phân tích cấu trúc đa nhóm: Kiểm định chi-square giữa mô hình bất biến và khả biến theo giới tính (Bảng 4-20, 4-21), độ tuổi (Bảng 4-22, 4-23) và thu nhập (Bảng 4-24, 4-25).
  • Ước lượng mô hình bằng kỹ thuật Bootstrap 2.000 mẫu (Bảng 4-26) khẳng định tính ổn định của các ước lượng. Tổng hợp kết quả kiểm định tại Bảng 4-27.
Nhóm biến / Đường dẫn tác động Giả thuyết Hệ số tác động / Kết quả kiểm định Kết luận thống kê
Cảm nhận cá nhân hóa (PP) → Thái độ (AA) H1 Tác động dương, có ý nghĩa thống kê Chấp nhận
Lo ngại quyền riêng tư (PC) → Thái độ (AA) H2 Tác động âm, có ý nghĩa thống kê Chấp nhận
Thái độ (AA) → Quyết định mua hàng (PD) H3 Tác động dương mạnh mẽ Chấp nhận
Cảm nhận cá nhân hóa (PP) → Quyết định mua hàng (PD) H4 Tác động trực tiếp không có ý nghĩa thống kê Bác bỏ
Lo ngại quyền riêng tư (PC) → Quyết định mua hàng (PD) H5 Tác động trực tiếp không có ý nghĩa thống kê Bác bỏ
PP → AA → PD (Trung gian) H6 Tác động gián tiếp = 0,384 (Trung gian toàn phần) Chấp nhận
PC → AA → PD (Trung gian) H7 Tác động gián tiếp = -0,359 (Trung gian toàn phần) Chấp nhận
Tác động điều tiết của PQ lên mối quan hệ PP → AA H8 Tác động điều tiết dương, củng cố tác động Chấp nhận
Tác động điều tiết của PQ lên mối quan hệ PC → AA H9 β = 0,084; p = 0,022 (Làm dịu tác động tiêu cực) Chấp nhận
Khác biệt cấu trúc theo nhân khẩu học (Đa nhóm) H10 Có sự khác biệt có ý nghĩa theo nhóm thu nhập, độ tuổi Chấp nhận

Chương 5: Kết luận và hàm ý quản trị

Chương 5 tóm tắt các phát hiện cốt lõi, khẳng định đóng góp lý thuyết của Khung tính toán quyền riêng tư có điều kiện (CPCF), và đề xuất hệ thống giải pháp chia theo bốn nhóm đối tượng thực thi:

  1. Hàm ý đối với nhà quản trị tiếp thị số: Cần cân đối mức độ cá nhân hóa và tính minh bạch; không thể dựa vào thuật toán nhắm mục tiêu để ép buộc hành vi mua trực tiếp mà phải nuôi dưỡng thái độ thiện cảm của người xem đối với quảng cáo.
  2. Hàm ý đối với các nhà phát triển giải pháp AI và nền tảng: Thiết kế giao diện giải thích lý do hiển thị quảng cáo thân thiện, dễ truy cập, đáp ứng ba tiêu chuẩn FAT (công bằng, có trách nhiệm, minh bạch).
  3. Hàm ý đối với cơ quan quản lý nhà nước: Hoàn thiện hướng dẫn thực thi Nghị định 13/2023/NĐ-CP đối với các hệ thống AI quảng cáo trực tuyến xuyên biên giới.
  4. Hàm ý chiến lược tiếp thị phân khúc theo thu nhập và đặc điểm nhân khẩu học.

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận

Luận án xác lập hai đóng góp lý thuyết trọng tâm và hai đóng góp bổ trợ:

  1. Đề xuất Khung tính toán quyền riêng tư có điều kiện (Conditional Privacy Calculus Framework - CPCF): Luận án làm mới Lý thuyết tính toán quyền riêng tư truyền thống bằng việc đưa tính giải thích của AI (XAI) vào phương trình tính toán với tư cách là một hệ số điều chỉnh. Luận án chỉ rõ XAI tác động đồng thời lên cả hai chiều cạnh cấu thành chi phí cảm nhận (theo phân loại của Cloarec, 2024): chiều cạnh đánh giá lý trí (giúp người dùng hiểu tại sao dữ liệu được dùng) và chiều cạnh phản ứng cảm xúc (xoa dịu cảm giác bị theo dõi, khôi phục quyền kiểm soát nhận thức của người dùng).
  2. Xác định và kiểm định bản chất trung gian toàn phần của thái độ đối với quảng cáo (AA): Luận án làm rõ rằng trong bối cảnh thương mại xã hội tích hợp AI, các thuộc tính công nghệ (cá nhân hóa, lo ngại quyền riêng tư) không tác động trực tiếp lên quyết định mua sắm cuối cùng. Việc bác bỏ hai giả thuyết tác động trực tiếp H4 và H5 cùng sự khẳng định tác động gián tiếp (PP → AA → PD = 0,384; PC → AA → PD = -0,359) chứng minh rằng thái độ là "nút thắt" bắt buộc. Phát hiện này hoàn thiện và mở rộng phạm vi áp dụng của Lý thuyết hành động hợp lý (TRA) trong lĩnh vực tiếp thị thuật toán.
  3. Đóng góp về phương pháp luận đo lường: Luận án phát triển và chuẩn hóa thang đo Cảm nhận chất lượng XAI (PQ) dành cho người dùng cuối trên nền tảng mạng xã hội dựa trên ba thuộc tính FAT (Fairness, Accountability, Transparency) của Shin (2021). Thang đo đạt độ tin cậy và giá trị hội tụ, phân biệt tốt qua kiểm định CFA.
  4. Đóng góp về mặt bối cảnh: Cung cấp bằng chứng thực nghiệm hệ thống đầu tiên tại Việt Nam – một thị trường TMXH mới nổi có đặc trưng văn hóa tập thể và khung pháp lý bảo vệ dữ liệu vừa được ban hành (Nghị định 13/2023/NĐ-CP).

Kiến nghị và giải pháp đề xuất

  • Đối với doanh nghiệp tiếp thị: Phải chấm dứt phương thức quảng cáo cá nhân hóa quá mức khi không cung cấp kèm cơ chế giải thích. Cần xây dựng thông điệp quảng cáo tạo thái độ tích cực thay vì chỉ cố gắng kích hoạt hành vi mua bốc đồng ngắn hạn.
  • Đối với các nền tảng mạng xã hội và kỹ sư thuật toán: Cần nâng cấp giao diện của tính năng "Tại sao tôi thấy quảng cáo này?". Thông báo cần chỉ rõ dữ liệu nào đã kích hoạt quảng cáo (dữ liệu nhân khẩu học, tương tác nội dung, hay dữ liệu đối tác chia sẻ) bằng ngôn ngữ giản dị, phi kỹ thuật để người dùng cảm thấy họ kiểm soát được dữ liệu.
  • Đối với cơ quan quản lý nhà nước: Cần xây dựng các bộ tiêu chuẩn kỹ thuật về tính minh bạch thuật toán trong hoạt động quảng cáo số, yêu cầu các nền tảng xuyên biên giới công khai cơ chế giải thích theo đúng tinh thần bảo vệ quyền riêng tư người dùng tại Nghị định 13/2023/NĐ-CP.
  • Phân khúc tiếp thị theo thu nhập: Doanh nghiệp cần điều chỉnh cường độ cá nhân hóa và tính năng giải thích khác nhau giữa các nhóm thu nhập, vì mức độ nhạy cảm về quyền riêng tư và khả năng tiếp nhận thông điệp có sự khác biệt có ý nghĩa thống kê qua phân tích đa nhóm.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của nghiên cứu

Luận án thừa nhận một số hạn chế gắn liền với phạm vi thực hiện:

  • Phương pháp chọn mẫu: Nghiên cứu áp dụng kỹ thuật chọn mẫu thuận tiện có điều kiện lọc (SCS/PCS), dù có kiểm soát điều kiện tham gia nhưng tính đại diện tổng thể cho toàn bộ người tiêu dùng trên mọi vùng miền Việt Nam vẫn có thể bị giới hạn nhất định.
  • Thiết kế nghiên cứu cắt ngang (Cross-sectional study): Dữ liệu thu thập tại một thời điểm nhất định, chưa theo dõi được sự thay đổi trong thái độ và hành vi của người tiêu dùng theo thời gian dài (nghiên cứu dọc - Longitudinal study) khi các chính sách bảo vệ dữ liệu ngày càng đi sâu vào nhận thức cộng đồng.
  • Phạm vi nền tảng: Luận án tập trung khảo sát trên ba mạng xã hội chính (Facebook, Instagram, TikTok), chưa mở rộng sang các nền tảng thương mại điện tử tích hợp mạng xã hội khác hoặc các nền tảng mới nổi.

Hướng nghiên cứu tiếp theo

  • Thực hiện các nghiên cứu dọc (longitudinal studies) để theo dõi động thái thay đổi của nhận thức về quyền riêng tư và thói quen tương tác với tính năng XAI của người tiêu dùng.
  • Mở rộng phạm vi nghiên cứu sang các môi trường công nghệ mới như thương mại qua hội thoại (conversational commerce), trợ lý ảo AI thế hệ mới, hoặc môi trường thực tế ảo (Metaverse).
  • Ứng dụng phương pháp thực nghiệm can thiệp (experimental design) bằng cách thay đổi trực tiếp giao diện giải thích XAI trên môi trường thử nghiệm để đo lường phản ứng tâm lý tức thì của người tiêu dùng.

Giá trị tham khảo

Luận án là tài liệu tham khảo có giá trị chuyên môn cao cho nhiều nhóm đối tượng:

  • Nghiên cứu sinh và học viên cao học chuyên ngành Quản trị kinh doanh, Hệ thống thông tin quản lý, Marketing: Tham khảo cách thức tích hợp các khung lý thuyết tâm lý học hành vi (ELM, TRA, PCT) với lý thuyết khoa học máy tính (XAI, FAT); quy trình chuẩn mực phân tích CB-SEM, phân tích tác động trung gian (Bootstrapping BCP) và phân tích cấu trúc đa nhóm trên AMOS.
  • Giảng viên đại học: Sử dụng làm tình huống giảng dạy và tài liệu tham khảo trong các học phần Tiếp thị số (Digital Marketing), Hành vi người tiêu dùng (Consumer Behavior) và Quản trị chiến lược kinh doanh số.
  • Doanh nghiệp, chuyên gia Digital Marketing và nhà phát triển nền tảng công nghệ: Tham khảo thang đo cảm nhận chất lượng XAI để đo lường phản hồi của người dùng; ứng dụng kết quả nghiên cứu vào việc thiết kế giao diện quảng cáo minh bạch, hạn chế tỷ lệ tẩy chay quảng cáo và xói mòn niềm tin thương hiệu.
  • Các nhà hoạch định chính sách: Cung cấp cơ sở khoa học để xây dựng thông tư, hướng dẫn thực hiện Nghị định 13/2023/NĐ-CP về trách nhiệm minh bạch hóa thuật toán tiếp thị của các doanh nghiệp và tập đoàn công nghệ.

Câu hỏi thường gặp

1. Tại sao luận án khẳng định thái độ đối với quảng cáo (AA) đóng vai trò trung gian toàn phần chứ không phải bán phần?

Trong mô hình cấu trúc tuyến tính SEM, khi đưa biến trung gian thái độ (AA) vào mô hình, hai đường dẫn tác động trực tiếp từ Cảm nhận cá nhân hóa (PP) và Lo ngại quyền riêng tư (PC) đến Quyết định mua hàng (PD) đều không đạt mức ý nghĩa thống kê (giả thuyết H4 và H5 bị bác bỏ). Trong khi đó, các tác động gián tiếp (PP → AA → PD = 0,384 và PC → AA → PD = -0,359) đạt ý nghĩa thống kê vững chắc qua kỹ thuật kiểm định Bootstrap 2.000 mẫu. Theo chuẩn kiểm định của Zhao và cộng sự (2010), điều này khẳng định AA đóng vai trò trung gian toàn phần: kích thích từ thuật toán AI bắt buộc phải được xử lý qua lăng kính cảm xúc và thái độ trước khi kích hoạt quyết định mua sắm của người dùng.

2. Trí tuệ nhân tạo hỗ trợ giải thích (XAI) can thiệp vào mô hình theo cơ chế nào?

XAI không tác động trực tiếp như một biến độc lập thông thường mà đóng vai trò điều tiết (Moderator) thông qua biến "Cảm nhận chất lượng XAI" (PQ). Khi người dùng cảm nhận các thông tin giải thích (như mục "Tại sao tôi thấy quảng cáo này?") có tính công bằng, minh bạch và trách nhiệm cao (khung FAT), nó phát huy tác động điều tiết dương (β = 0,084; p = 0,022). Cơ chế này giúp khôi phục cảm giác tự kiểm soát dữ liệu, xoa dịu phản ứng tiêu cực xuất phát từ lo ngại quyền riêng tư, và củng cố thêm thái độ thiện cảm đối với nội dung quảng cáo được cá nhân hóa.

3. Thang đo Cảm nhận chất lượng XAI (PQ) trong luận án được phát triển dựa trên cơ sở nào?

Thang đo PQ được nghiên cứu sinh phát triển dựa trên khung lý thuyết của Shin (2021) về tương tác người – AI, vận hành hóa thông qua ba thuộc tính FAT: Fairness (Tính công bằng của thuật toán hiển thị), Accountability (Trách nhiệm giải trình của đơn vị quảng cáo và nền tảng), và Transparency (Tính minh bạch, rõ ràng của lý do giải thích). Thang đo sau đó đã trải qua bước hiệu chỉnh định tính bằng thảo luận nhóm chuyên gia và người dùng tại Việt Nam trước khi kiểm định định lượng CFA đạt độ tin cậy và giá trị phân biệt.

4. Mẫu khảo sát định lượng của luận án gồm bao nhiêu quan sát và được thu thập như thế nào?

Mẫu nghiên cứu chính thức gồm N = 525 người tiêu dùng tại Việt Nam. Dữ liệu được thu thập qua kỹ thuật chọn mẫu thuận tiện có điều kiện lọc (Screened convenience sampling), đảm bảo người tham gia khảo sát là những người có tài khoản đang hoạt động và có tương tác thường xuyên với quảng cáo cá nhân hóa trên ba nền tảng mạng xã hội phổ biến: Facebook, Instagram và TikTok.

Kết luận

Luận án tiến sĩ của Phó Hải Đăng đã giải quyết nghịch lý cá nhân hóa – quyền riêng tư trong thương mại xã hội tại Việt Nam bằng việc tích hợp thành công vai trò điều tiết của Trí tuệ nhân tạo hỗ trợ giải thích (XAI) và vai trò trung gian toàn phần của thái độ đối với quảng cáo. Kết quả nghiên cứu với 9 trên 10 giả thuyết được xác nhận đã chứng minh rằng việc minh bạch hóa thuật toán theo các nguyên tắc FAT giúp giảm thiểu tác động tiêu cực của lo ngại quyền riêng tư và thúc đẩy quyết định mua hàng một cách bền vững. Công trình đóng góp mô hình lý thuyết CPCF có giá trị khoa học, đồng thời cung cấp căn cứ thực tiễn quan trọng cho việc triển khai tiếp thị AI tuân thủ Nghị định 13/2023/NĐ-CP tại Việt Nam.