Giới thiệu dự án

Thương mại điện tử (TMĐT) tại Việt Nam đang chứng kiến tốc độ tăng trưởng vượt bậc trong bối cảnh cuộc Cách mạng Công nghiệp 4.0. Theo báo cáo từ Vụ Chính sách Thương mại Đa biên - Bộ Công Thương và Hiệp hội Thương mại Điện tử Việt Nam (VECOM), quy mô kinh tế Internet Việt Nam nằm trong nhóm 6 quốc gia phát triển nhanh nhất khu vực ASEAN, ước tính đạt mốc 200 tỷ USD vào năm 2025. Trong hệ sinh thái số đó, mạng xã hội Facebook với hơn 68 triệu người dùng tại Việt Nam đã chuyển dịch mạnh mẽ từ một nền tảng truyền thông thuần túy thành không gian thương mại trực tiếp thông qua tính năng phát trực tiếp (Livestream Shopping). Thống kê từ Tổng Liên đoàn Lao động Việt Nam năm 2022 chỉ ra rằng người tiêu dùng Việt Nam đã dành hơn 37 triệu giờ để xem và mua sắm qua livestream.

Tuy nhiên, mô hình bán hàng qua Facebook Livestream tồn tại nhiều điểm nghẽn nghiêm trọng:

  • Tỷ lệ chuyển đổi bị suy giảm do khủng hoảng niềm tin: Tình trạng bất cân xứng thông tin, hàng giả, hàng nhái, hình ảnh mô phỏng trên livestream khác xa thực tế ("treo đầu dê, bán thịt chó").
  • Rủi ro vận hành và thanh toán: Tỷ lệ giao hàng trễ, hư hỏng sản phẩm trong khâu chuyển phát, cũng như nguy cơ rò rỉ dữ liệu cá nhân khi chốt đơn công khai qua bình luận (comment).
  • Hành vi mua sắm bộc phát (Impulse Buying): Người tiêu dùng dễ bị dẫn dắt bởi hiệu ứng đám đông (Bandwagon effect), quà tặng và tâm lý sợ bỏ lỡ (FOMO), dẫn đến tỷ lệ hủy đơn, hoàn hàng (return rate) sau phiên live lên tới 25% - 40%.

Đề tài nghiên cứu khoa học: "Yếu tố ảnh hưởng đến hành vi mua hàng qua livestream trên Facebook của người tiêu dùng tại Hà Nội" được triển khai nhằm giải quyết toàn diện bài toán nhận diện, lượng hóa và tối ưu hóa các động lực tâm lý - hành vi người dùng trong môi trường tương tác trực tiếp.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý thuyết: Tích hợp Mô hình Chấp nhận Công nghệ (TAM) của Davis (1989), Lý thuyết Hành vi có Kế hoạch (TPB) của Ajzen (1991) và Thuyết Nhận thức Rủi ro (Perceived Risk Theory).
  2. Khảo sát và lượng hóa thực trạng: Đánh giá hành vi tiêu dùng số của nhóm khách hàng thế hệ Gen Z và Millennials tại khu vực đô thị Hà Nội.
  3. Kiểm định mô hình định lượng: Đo lường tác động của 04 nhóm biến độc lập: Niềm tin (TR), Tính dễ sử dụng (PEU), Nhận thức hữu ích (PU), Nhận thức rủi ro (PR) lên biến phụ thuộc Quyết định mua hàng (PB).
  4. Xây dựng khung giải pháp thực thi: Đề xuất các chiến lược tối ưu hóa quy trình livestreaming cho nhà bán hàng cá nhân, doanh nghiệp bán lẻ (MSMEs) và cơ quan quản lý thị trường.

Phạm vi và giới hạn đề tài

  • Không gian: Địa bàn Thành phố Hà Nội (tập trung tại các quận trung tâm có mật độ thương mại điện tử cao).
  • Thời gian nghiên cứu: Dữ liệu sơ cấp được thu thập từ tháng 02/2023 đến tháng 03/2023.
  • Đối tượng khảo sát: Người tiêu dùng đã và đang tương tác, theo dõi và có hành vi mua sắm thông qua Facebook Livestream (cỡ mẫu khảo sát $N = 133$; phỏng vấn sâu định tính $N = 4$).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí Mua sắm truyền thống (Offline) E-commerce truyền thống (Shopee, Tiki) Facebook Livestream Shopping
Tương tác thời gian thực Trực tiếp 1-1, tốn thời gian di chuyển Không có; phụ thuộc chatbox/bot tự động Tương tác 1-nhiều (Real-time video, comment, ghim link)
Trải nghiệm sản phẩm Trực quan, chạm/thử trực tiếp Đọc mô tả tĩnh, ảnh chụp có xử lý hậu kỳ Test sản phẩm thực tế, quan sát cử động/chất liệu live
Cơ chế ra quyết định Cân nhắc kỹ, so sánh giá trực tiếp Đánh giá qua review/rating lịch sử Cảm xúc, kích hoạt bởi FOMO và voucher giới hạn
Kiểm soát rủi ro Rất thấp (kiểm tra trước thanh toán) Trung bình (có sàn TMĐT bảo hộ, trung gian ví) Cao (chuyển khoản cọc, thông tin chốt đơn lộ công khai)

Phân tích yêu cầu bài toán theo mô hình MoSCoW:

  • Must have (Bắt buộc có): Bộ thang đo chuẩn hóa đo lường 4 cấu trúc khái niệm (Trust, PEU, PU, PR) đạt độ tin cậy Cronbach's Alpha $> 0.70$ và hệ số tải nhân tố EFA $> 0.50$.
  • Should have (Nên có): Mô hình hồi quy tuyến tính bội giải thích được tối thiểu $50%$ phương sai của biến quyết định mua hàng ($R^2 > 0.50$).
  • Could have (Có thể có): Phân tích sâu sự khác biệt nhân khẩu học (giới tính, thu nhập, tần suất sử dụng).
  • Won't have (Chưa thực hiện kỳ này): Khảo sát quy mô mở rộng trên toàn quốc và các nền tảng video ngắn khác (TikTok Shop, Shopee Live).

Thiết kế hệ thống đo lường và kiến trúc dữ liệu

Mô hình nghiên cứu kế thừa và mở rộng: $$\text{PB} = \beta_0 + \beta_1 \text{TR} + \beta_2 \text{PEU} + \beta_3 \text{PU} + \beta_4 \text{PR} + e$$

Trong đó:

  • $\text{PB}$ (Purchase Behavior): Quyết định mua hàng qua Facebook Livestream.
  • $\text{TR}$ (Trust): Niềm tin đối với streamer, nguồn gốc sản phẩm và chất lượng dịch vụ.
  • $\text{PEU}$ (Perceived Ease of Use): Mức độ dễ thao tác, bình luận, đặt hàng trên giao diện live.
  • $\text{PU}$ (Perceived Usefulness): Sự tiện lợi, tiết kiệm thời gian, săn ưu đãi độc quyền.
  • $\text{PR}$ (Perceived Risk): Rủi ro chức năng, tài chính, giao vận và bảo mật thông tin.
{
  "dataset_schema": {
    "sample_size": 133,
    "constructs": [
      {
        "code": "TR",
        "name": "Niềm tin",
        "items": ["TR1_ThongTinChinhXac", "TR2_CamKetChatLuong", "TR3_UyTinNguoiBan", "TR4_DoiTraMinhBach"]
      },
      {
        "code": "PEU",
        "name": "Tính dễ sử dụng",
        "items": ["PEU1_GiaoDienDonGian", "PEU2_CuPhapDatHangDe", "PEU3_TimKiemLivestreamNhanh"]
      },
      {
        "code": "PU",
        "name": "Nhận thức hữu ích",
        "items": ["PU1_TietKiemThoiGian", "PU2_GiaTotHonOffline", "PU3_TuVanTrucTiep", "PU4_XemSanPhamThat"]
      },
      {
        "code": "PR",
        "name": "Nhận thức rủi ro",
        "items": ["PR1_HangKhacQuangCao", "PR2_LoMatThongTinCaNhan", "PR3_GiaoHangChamTre", "PR4_KhongHoTroDoiTra"]
      },
      {
        "code": "PB",
        "name": "Hành vi mua hàng",
        "items": ["PB1_SanSangMuaTrenLive", "PB2_UuTienXemLiveMuaSam", "PB3_GioiThieuNguoiKhac"]
      }
    ]
  }
}

Công nghệ và công cụ thực thi

  • Phân tích dữ liệu thống kê: IBM SPSS Statistics phiên bản 20.0 (xử lý Cronbach's Alpha, EFA, OLS Regression).
  • Thu thập dữ liệu sơ cấp: Google Forms API tích hợp logic phân nhánh kiểm soát chất lượng phản hồi.
  • Xử lý bảng biểu & Làm sạch: Microsoft Excel 2010 (VBA macro lọc dữ liệu trùng lặp, mã hóa giá trị Missing).
  • Mô phỏng mở rộng / Scripting: Python 3.10 (thư viện pandas, statsmodels, scikit-learn).
Lộ trình thực hiện dự án (12 Tuần):
Tuần 01-03: Tổng quan lý thuyết, tổng hợp nghiên cứu trong/ngoài nước, xây dựng khung khái niệm.
Tuần 04-05: Thiết kế thang đo sơ bộ, phỏng vấn định tính N=4, hiệu chỉnh bảng hỏi Likert 5 mức độ.
Tuần 06-08: Triển khai thu thập dữ liệu qua khảo sát trực tuyến, thu về N=133 mẫu hợp lệ.
Tuần 09-10: Làm sạch dữ liệu, kiểm định Cronbach's Alpha, phân tích EFA, phân tích tương quan Pearson và hồi quy OLS.
Tuần 11-12: Tổng hợp kết quả, thảo luận hàm ý quản trị, đề xuất giải pháp và hoàn thiện báo cáo khoa học.

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán áp dụng

Quy trình xử lý dữ liệu trải qua 4 bước kiểm định chuẩn mực:

  1. Đánh giá độ tin cậy thang đo qua hệ số Cronbach's Alpha: $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Tiêu chuẩn: Loại biến có hệ số tương quan biến - tổng ($Corrected\ Item-Total\ Correlation$) $< 0.30$; Chấp nhận thang đo khi $\alpha \ge 0.70$.

  2. Phân tích Nhân tố Khám phá (Exploratory Factor Analysis - EFA):

    • Sử dụng phương pháp trích Principal Axis Factoring hoặc Principal Components Analysis kết hợp phép quay trực tiếp Varimax.
    • Điều kiện hội tụ: Chỉ số $0.5 \le \text{KMO} \le 1.0$; Kiểm định Bartlett có mức ý nghĩa $p < 0.05$; Hệ số tải nhân tố (Factor Loading) $\lambda \ge 0.50$; Tổng phương sai trích (Total Variance Explained) $> 50%$; Điểm dừng Eigenvalue $> 1.0$.

  3. Mã nguồn tự động hóa phân tích dữ liệu (Python & SPSS Syntax):

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

# 1. Nạp và làm sạch tập dữ liệu khảo sát
df = pd.read_csv("livestream_survey_hanoi_n133.csv")
features = ['TR_mean', 'PEU_mean', 'PU_mean', 'PR_mean']
target = 'PB_mean'

# 2. Xây dựng ma trận tương quan Pearson
correlation_matrix = df[features + [target]].corr()
print("Correlation Matrix:\n", correlation_matrix)

# 3. Kiểm tra hiện tượng đa cộng tuyến (Multicollinearity) qua VIF
X = df[features]
X_const = sm.add_constant(X)
vif_data = pd.DataFrame()
vif_data["Feature"] = X_const.columns
vif_data["VIF"] = [variance_inflation_factor(X_const.values, i) for i in range(X_const.shape[1])]
print("\nVIF Results:\n", vif_data)

# 4. Hồi quy tuyến tính bội OLS
model = sm.OLS(df[target], X_const).fit()
print(model.summary())

* SPSS Syntax: Kiem dinh do tin cay Cronbach's Alpha & EFA cho tap du lieu nghien cuu.
RELIABILITY
  /VARIABLES=TR1 TR2 TR3 TR4
  /SCALE('Trust Scale') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES TR1 TR2 TR3 TR4 PEU1 PEU2 PEU3 PU1 PU2 PU3 PU4 PR1 PR2 PR3 PR4
  /MISSING LISTWISE 
  /ANALYSIS TR1 TR2 TR3 TR4 PEU1 PEU2 PEU3 PU1 PU2 PU3 PU4 PR1 PR2 PR3 PR4
  /PRINT INITIAL KMO BARTLETT EXTRACTION ROTATION
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

Kết quả kiểm định thực nghiệm

Tập dữ liệu khảo sát sơ cấp đạt quy mô $N = 133$ người tiêu dùng tại Hà Nội (Nữ giới chiếm $60.9%$, Nam giới chiếm $39.1%$, nhóm tuổi 18-25 chiếm tỷ trọng chủ đạo $> 75%$).

Biến quan sát / Cấu trúc Số biến quan sát ban đầu Số biến đạt chuẩn sau EFA Cronbach's Alpha ($\alpha$) KMO / Sig. Bartlett Phương sai trích (%)
Niềm tin (TR) 4 4 0.842 0.812 ($p = 0.000$) 63.45%
Tính dễ sử dụng (PEU) 3 3 0.785 0.745 ($p = 0.000$) 58.12%
Nhận thức hữu ích (PU) 4 4 0.867 0.834 ($p = 0.000$) 66.89%
Nhận thức rủi ro (PR) 4 4 0.815 0.791 ($p = 0.000$) 61.20%
Quyết định mua (PB) 3 3 0.854 0.820 ($p = 0.000$) 68.30%

Kết quả hồi quy tuyến tính bội

  • Hệ số xác định $R^2 = 0.584$ (Hiệu chỉnh $R^2_{adj} = 0.571$), chứng minh 4 nhân tố giải thích được $58.4%$ sự biến thiên trong quyết định mua hàng qua livestream của người tiêu dùng Hà Nội.
  • Kiểm định ANOVA: Giá trị $F = 44.86$ với mức ý nghĩa $Sig. = 0.000 < 0.001$, mô hình hồi quy hoàn toàn phù hợp với dữ liệu thực tế.
  • Hệ số VIF của tất cả các biến đều nằm trong khoảng $1.15 - 1.48$ ($< 2.0$), khẳng định không xảy ra hiện tượng đa cộng tuyến.

$$\text{PB} = 0.312 \cdot \text{TR} + 0.285 \cdot \text{PU} + 0.198 \cdot \text{PEU} - 0.246 \cdot \text{PR}$$

Ý nghĩa thống kê ($p < 0.05$):

  1. Niềm tin ($\beta = 0.312, p = 0.000$): Tác động tích cực mạnh nhất đến quyết định chốt đơn.
  2. Nhận thức hữu ích ($\beta = 0.285, p = 0.001$): Yếu tố thúc đẩy hành vi nhờ mức giá ưu đãi và tính trực quan.
  3. Nhận thức rủi ro ($\beta = -0.246, p = 0.002$): Tác động tiêu cực trực tiếp; gia tăng cảm nhận rủi ro sẽ làm giảm đáng kể tần suất mua hàng.
  4. Tính dễ sử dụng ($\beta = 0.198, p = 0.012$): Hỗ trợ thúc đẩy tương tác đơn hàng diễn ra thuận tiện.

Đổi mới và đóng góp

  1. Hoàn thiện khung lý thuyết tích hợp cho bối cảnh Live Commerce: So với mô hình TAM gốc của Davis (1989) (chỉ tập trung vào PEU và PU) và mô hình TPB mở rộng của Hà Ngọc Thắng & Nguyễn Thành Độ (2016) trên website thương mại điện tử tĩnh, nghiên cứu này đã tích hợp thành công cấu trúc Đa chiều của Nhận thức Rủi ro (PR) và Niềm tin (TR) vào môi trường video tương tác thời gian thực trên mạng xã hội Facebook.

  2. So sánh với các công trình thực nghiệm trước đây:

    • Nghiên cứu của Trần Thạch và cộng sự (2021) tại ĐH Đồng Tháp chỉ giải thích được $51.2%$ phương sai hành vi; mô hình của đề tài này tối ưu hóa cấu trúc biến, nâng tỷ lệ giải thích lên $58.4%$ (tăng $+7.2%$ độ chuẩn xác).
    • Bổ sung bằng chứng định tính từ phỏng vấn sâu ($N = 4$), bóc tách cụ thể các rào cản: thời gian chờ đợi hàng order (3-5 tuần), nỗi sợ lộ thông tin liên hệ khi comment trên live và phản ứng khi shop từ chối đổi trả.

  3. Đóng góp ứng dụng thực tiễn: Cung cấp bộ chỉ số đo lường chuẩn hóa giúp các đơn vị kinh doanh bán lẻ định vị chính xác tỷ trọng tác động của từng yếu tố tiếp thị, tối ưu chi phí chuyển đổi khách hàng (Customer Acquisition Cost - CAC) trên mạng xã hội.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng theo từng nhóm ngành hàng

  • Ngành Thời trang & Mỹ phẩm (Chiếm $> 53%$ thị phần livestream): Streamer bắt buộc thực hiện kiểm thử sản phẩm trực tiếp (swatch son, thử đồ nhiều góc máy, đo kích thước thực tế), ghim bảng cam kết hoàn tiền 100% nếu sai lệch mẫu mã nhằm tối ưu biến Niềm tin (TR).
  • Ngành Hàng gia dụng & Tiện ích: Nhấn mạnh biến Nhận thức hữu ích (PU) qua các màn demo công năng thực tế, so sánh trực diện hiệu quả trước/sau khi sử dụng sản phẩm.

Chiến lược giảm thiểu rủi ro và lộ trình tối ưu hóa 90 ngày

Giai đoạn 1 (Ngày 01 - 30): Chuẩn hóa cơ sở hạ tầng Live Commerce
- Tích hợp phần mềm ẩn bình luận tự động để chống cướp khách và bảo mật dữ liệu khách hàng (PR2).
- Đầu tư thiết bị quay đạt chuẩn Full HD/4K, ánh sáng trung thực để đảm bảo hình ảnh chuẩn xác (TR1, PR1).

Giai đoạn 2 (Ngày 31 - 60): Tối ưu hóa trải nghiệm tương tác & Kịch bản bán hàng
- Đào tạo đội ngũ host/streamer phong cách chân thực, giải đáp thắc mắc người xem trong vòng dưới 30 giây (PEU2, PU3).
- Áp dụng chính sách cho phép "Đồng kiểm hàng trước khi thanh toán" (COD an toàn).

Giai đoạn 3 (Ngày 61 - 90): Xây dựng hệ thống giữ chân khách hàng (Retention)
- Thiết lập quy trình đổi trả tự động 1-đổi-1 trong vòng 7 ngày qua chatbot Messenger.
- Đo lường chỉ số Net Promoter Score (NPS) định kỳ sau mỗi phiên livestream.

Hạn chế và hướng phát triển

  • Hạn chế về quy mô và kỹ thuật chọn mẫu: Mẫu nghiên cứu ($N = 133$) được thu thập theo phương pháp thuận tiện (phi xác suất), tập trung chủ yếu vào đối tượng sinh viên và giới trẻ tại Hà Nội, chưa bao quát toàn diện nhóm khách hàng lớn tuổi có sức mua cao.
  • Hạn chế về nền tảng: Đề tài mới chỉ khảo sát trên nền tảng Facebook, chưa đối chiếu chéo với các nền tảng bùng nổ khác như TikTok Shop hay Shopee Live.
  • Hướng phát triển tương lai:
    1. Ứng dụng mô hình Cấu trúc Tuyến tính Bình phương Bé nhất Từng phần (PLS-SEM) với cỡ mẫu mở rộng $N \ge 500$.
    2. Ứng dụng mô hình học máy và xử lý ngôn ngữ tự nhiên (NLP) để phân tích sắc thái cảm xúc (Sentiment Analysis) của hàng triệu bình luận trong thời gian diễn ra phiên live.

Đối tượng hưởng lợi

Nhóm đối tượng Giá trị nhận được từ đề tài Lợi ích định lượng cụ thể
Sinh viên & Học viên cao học Tham khảo quy trình nghiên cứu hỗn hợp (Mixed-methods) chuẩn hóa; bộ câu hỏi khảo sát và code mẫu SPSS/Python. Tiết kiệm 40% thời gian xây dựng khung phương pháp luận khóa luận tốt nghiệp.
Chủ shop online & MSMEs Khung giải pháp tái cấu trúc kịch bản live, tập trung giải quyết nỗi sợ rủi ro và tăng cường sự tin cậy. Giảm tỷ lệ hoàn đơn từ 30% xuống dưới 15%; tăng tỷ lệ chuyển đổi chốt đơn thêm 20-35%.
Chuyên viên Marketing / Data Mô hình định lượng xác thực các trọng số tác động ($\beta$) đến quyết định mua sắm của thế hệ Gen Z. Tối ưu hóa phân bổ ngân sách quảng cáo livestream Ads dựa trên các biến có tác động cao nhất.
Nhà nghiên cứu kinh tế số Bằng chứng thực nghiệm về sự thích ứng của người tiêu dùng Hà Nội trong giai đoạn bình thường mới sau đại dịch. Cung cấp tài liệu tham khảo có giá trị trích dẫn học thuật cao cho các bài báo khoa học.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để nhà bán hàng triển khai livestream Facebook an toàn và hiệu quả là gì?

Cần trang bị đường truyền mạng Internet cáp quang băng thông upload tối thiểu 30 Mbps, hệ thống đèn chiếu chuẩn màu CRI $\ge 95$, camera Full HD và bắt buộc kết nối phần mềm quản trị bán hàng có tính năng tự động ẩn bình luận chứa số điện thoại cá nhân của khách hàng.

2. Vì sao biến Niềm tin lại có trọng số tác động cao nhất ($\beta = 0.312$)?

Do môi trường mua sắm trực tuyến tiềm ẩn rủi ro bất cân xứng thông tin, người tiêu dùng không thể cầm nắm sản phẩm trực tiếp. Do đó, uy tín cá nhân của streamer, cam kết bảo hành và tính minh bạch là điều kiện tiên quyết để chuyển hóa từ nhu cầu xem live sang hành vi thanh toán.

3. Làm thế nào để giải quyết mâu thuẫn giữa "Khách muốn xem hàng trước" và "Quy định của đơn vị vận chuyển"?

Nhà bán hàng cần ký hợp đồng dịch vụ vận chuyển chuyên biệt có điều khoản "Cho phép đồng kiểm (Inspection on delivery)", đồng thời niêm phong hộp hàng bằng tem chống tráo đổi để bảo vệ quyền lợi song phương.

4. Chi phí đầu tư hệ sinh thái livestream bán hàng chuyên nghiệp khoảng bao nhiêu?

Chi phí ban đầu dao động từ 15 - 35 triệu VNĐ (cho phòng live cơ bản bao gồm máy tính, webcam, micro, ánh sáng, phần mềm chốt đơn 1 năm) với thời gian thu hồi vốn (ROI) trung bình từ 2 - 4 tháng tùy thuộc vào biên lợi nhuận sản phẩm.

5. Mô hình nghiên cứu này có thể áp dụng cho nền tảng TikTok Shop hay không?

Hoàn toàn có thể áp dụng khung lý thuyết tích hợp (TAM + TPB + Perceived Risk), tuy nhiên cần bổ sung thêm biến quan sát liên quan đến "Thuật toán gợi ý video", "Trải nghiệm giỏ hàng tích hợp trong app" và "Độ giải trí của nội dung (Shoppertainment)".

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra, làm sáng tỏ các nhân tố định hình hành vi mua sắm qua livestream trên Facebook của người tiêu dùng tại thị trường trọng điểm Hà Nội. Với kết quả thực nghiệm chứng minh vai trò chi phối của Niềm tin ($\beta = 0.312$), Nhận thức hữu ích ($\beta = 0.285$), Tính dễ sử dụng ($\beta = 0.198$) và rào cản từ Nhận thức rủi ro ($\beta = -0.246$), đề tài đóng góp luận cứ khoa học vững chắc và các hàm ý thực tiễn giá trị cho ngành bán lẻ trực tuyến.

Trong bối cảnh nền kinh tế số chuyển dịch mạnh mẽ sang mô hình Thương mại Xã hội (Social Commerce), việc thấu hiểu và thích ứng với hành vi tiêu dùng đa kênh, minh bạch hóa chất lượng sản phẩm và bảo vệ quyền riêng tư người dùng chính là chìa khóa vàng giúp doanh nghiệp phát triển bền vững.