Giới thiệu dự án

Thương mại điện tử (TMĐT) tại Việt Nam đang trải qua giai đoạn bùng nổ mạnh mẽ, trở thành động lực mũi nhọn thúc đẩy kinh tế số quốc gia. Theo số liệu từ Bộ Công Thương, quy mô thị trường TMĐT bán lẻ Việt Nam năm 2023 ước đạt 20,5 tỷ USD (tăng trưởng vượt bậc từ mức 8 tỷ USD năm 2018 và 16,4 tỷ USD năm 2022, chiếm 7,5% tổng mức bán lẻ hàng hóa và doanh thu dịch vụ tiêu dùng cả nước). Báo cáo từ YouNet ECI ghi nhận tổng giá trị giao dịch (GMV) của 4 sàn thương mại điện tử hàng đầu gồm Shopee, TikTok Shop, Lazada và Tiki đạt 31.195 tỷ đồng chỉ riêng trong tháng 11/2023. Báo cáo chung của Google, Temasek & Bain & Company chỉ ra rằng Việt Nam có hơn 57 triệu người tham gia mua sắm trực tuyến, trong đó 43% người dùng thuộc thế hệ Gen Z truy cập sàn TMĐT hàng ngày.

Tuy nhiên, thị trường đối mặt với một vấn đề cốt lõi: chi phí thu hút khách hàng (CAC) liên tục leo thang, trong khi thói quen mua sắm có kế hoạch dần bão hòa. Hành vi mua hàng ngẫu hứng (Impulse Buying Behavior) nổi lên như một đòn bẩy doanh thu then chốt. Theo số liệu từ eMarketer (2022), 64% người tiêu dùng toàn cầu từng thực hiện mua hàng ngẫu hứng trên các sàn TMĐT. Dữ liệu từ Gitnux (2023) cũng ghi nhận 64% người mua sắm bốc đồng chọn mua thêm các sản phẩm kèm theo ngoài dự tính ban đầu và 67% thừa nhận chi tiêu ngẫu hứng để giải tỏa căng thẳng tâm lý. Mặc dù vậy, các doanh nghiệp và nhà bán lẻ trực tuyến (E-merchants) tại TP.HCM vẫn đang thiếu một mô hình lượng hóa chuẩn xác về các nhân tố kích hoạt trực tiếp quyết định mua tức thời của phân khúc người tiêu dùng trẻ (Gen Z).

Đề tài khóa luận tốt nghiệp "Những yếu tố ảnh hưởng đến hành vi mua ngẫu hứng qua sàn thương mại điện tử của Gen Z tại TP.HCM" do tác giả Nguyễn Hoàng Mỹ Anh (Khoa Quản trị Kinh doanh, Trường Đại học Công nghiệp TP.HCM - IUH) thực hiện nhằm giải quyết trực tiếp khoảng trống nghiên cứu và bài toán kinh doanh này.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xác định hệ thống các nhân tố lý thuyết và thực tiễn cấu thành động lực thúc đẩy hành vi mua ngẫu hứng qua sàn TMĐT của người tiêu dùng Gen Z (sinh năm 1997 - 2010) tại TP.HCM.
  2. Đo lường mức độ tác động và thứ tự ưu tiên của từng nhân tố thông qua mô hình phân tích định lượng đa biến.
  3. Đề xuất hệ thống hàm ý quản trị và giải pháp thực thi (Execution Framework) giúp các nhà bán lẻ trực tuyến tối ưu hóa giao diện, chiến dịch xúc tiến và điểm chạm cảm xúc nhằm nâng cao tỷ lệ chuyển đổi (Conversion Rate - CR) và giá trị đơn hàng trung bình (Average Order Value - AOV).

Phương pháp tiếp cận dựa trên việc tích hợp khung lý thuyết kích thích - chủ thể - phản ứng (Stimulus - Organism - Response: S-O-R) của Mehrabian & Russell (1974) kết hợp mô hình chấp nhận công nghệ (Technology Acceptance Model - TAM) của Davis (1989), xử lý định lượng bằng phần mềm IBM SPSS Statistics 25.0 trên tập dữ liệu khảo sát thực tế.

Phạm vi và giới hạn nghiên cứu:

  • Không gian: Khu vực TP.HCM - trung tâm thương mại và tiêu dùng số lớn nhất cả nước.
  • Thời gian: Dữ liệu sơ cấp và thứ cấp được thu thập từ tháng 01/2024 đến tháng 04/2024.
  • Đối tượng khảo sát: Nhóm người tiêu dùng thuộc thế hệ Z (sinh từ 1997 đến 2010) đã từng phát sinh giao dịch trên các sàn Shopee, TikTok Shop, Lazada, Tiki.
  • Giới hạn: Phương pháp chọn mẫu phi xác suất (thuận tiện) với quy mô mẫu tập trung tại khu vực đô thị; mô hình định lượng giải thích được 65,3% phương sai hành vi ($R^2 = 0.653$).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành tổng thuật và đánh giá ma trận so sánh các mô hình nghiên cứu hành vi mua sắm trực tuyến tiêu biểu trước đây:

Tác giả / Năm Mô hình / Phương pháp Nhân tố tác động mạnh nhất Hạn chế / Khoảng trống
Trần Thị Ngọc Lan & Trần Thành Trung (2023) OLS Regression, $N=340$ (15-19 tuổi, TP.HCM) Giá cả và giảm giá ($\beta$ cao nhất) Mẫu hẹp chỉ tập trung vào lứa tuổi học sinh THPT, chưa bao quát toàn bộ phổ tuổi Gen Z.
Nguyễn Hải Ninh và cộng sự (2020) 2-Stage Regression, $N=230$ (18-35 tuổi) Hiển thị sản phẩm & Động cơ mua ngẫu hứng Đối tượng trải rộng bao gồm cả Millennials, làm loãng đặc trưng số của Gen Z.
Nguyễn Huỳnh Nhật Hạ (2019) EFA & Regression, $N=250$ (M-Commerce) Sự hấp dẫn trực quan Bối cảnh Mobile Commerce giai đoạn 2019, chưa phản ánh sự xuất hiện của mô hình Shoppertainment (TikTok Shop).
Trần Thị Ái Cẩm (2023) EFA & Regression, $N=394$ (Nha Trang) Nhận thức & Niềm tin trực tuyến Khảo sát phát sinh tại đô thị loại 2, biến Tính ngẫu hứng và Chất lượng web bị bác bỏ.
Trinh Le Tan & Nguyen Duc Quang (2023) SEM Path Analysis, $N=200$ Truyền thông đối ứng & Kiểm soát hành động Mẫu nhỏ ($N=200$), tập trung vào UI nền tảng mà bỏ qua tác động trực tiếp của xúc tiến giá sâu.

Khảo sát thị trường phân tích ma trận cạnh tranh giữa 4 sàn TMĐT trọng điểm:

  • Shopee: Dẫn đầu về quy mô SKU, tối ưu hóa thuật toán đề xuất Flash Sale và cơ chế voucher vận chuyển (Freeship Xtra).
  • TikTok Shop: Đi đầu xu hướng Shoppertainment, tích hợp trực tiếp Livestream Shopping với short-video algorithm, tạo kích hoạt cảm xúc tức thì (Arousal & Hedonic Shopping).
  • Lazada: Tập trung vào LazFlash Deals, LazMall thương hiệu chính hãng, tăng cường cam kết bảo vệ đơn hàng.
  • Tiki: Tập trung dịch vụ giao hàng nhanh TikiNOW, nhóm hàng sách và đồ gia dụng, nhưng mức độ kích thích thị giác mua ngẫu hứng thấp hơn.

Áp dụng phương pháp phân tích yêu cầu MoSCoW cho hệ thống nghiên cứu:

  • Must have: Kiểm định thang đo Cronbach's Alpha ($\alpha \ge 0.70$), phân tích nhân tố khám phá EFA (KMO $\ge 0.5$, Factor Loading $\ge 0.50$), phân tích hồi quy tuyến tính đa biến (OLS), kiểm tra đa cộng tuyến (VIF $< 2$).
  • Should have: Phân tích One-Way ANOVA để đánh giá sự khác biệt nhân khẩu học (thu nhập, nghề nghiệp); kiểm định phương sai phần dư đồng nhất (Homoscedasticity).
  • Could have: Tích hợp pipeline tiền xử lý dữ liệu tự động bằng Python/R song song với SPSS.
  • Won't have: Mô hình hóa phương trình cấu trúc phi tuyến phức tạp (PL-SEM/CB-SEM) vượt ngoài phạm vi khóa luận cử nhân.

Thiết kế hệ thống và mô hình nghiên cứu

Mô hình nghiên cứu kế thừa và chuẩn hóa dựa trên 5 biến độc lập tác động đến 1 biến phụ thuộc:

$$\text{HV} = \beta_0 + \beta_1 \cdot \text{XT} + \beta_2 \cdot \text{CX} + \beta_3 \cdot \text{NH} + \beta_4 \cdot \text{TG} + \beta_5 \cdot \text{TC} + \varepsilon$$

Trong đó:

  • $\text{HV}$: Hành vi mua hàng ngẫu hứng (Dependent Variable - 4 biến quan sát).
  • $\text{XT}$: Hoạt động xúc tiến (5 biến quan sát: Flash Sale, Voucher, Freeship, Bundle, Countdown).
  • $\text{CX}$: Tâm trạng cảm xúc (4 biến quan sát: Hưng phấn, Giải tỏa căng thẳng, Niềm vui bất ngờ, Cảm xúc tích cực).
  • $\text{NH}$: Tính ngẫu hứng cá nhân (5 biến quan sát: Mua theo trực giác, Thích là mua, Thiếu kiểm soát khi thấy deal hời).
  • $\text{TG}$: Sự hấp dẫn thị giác (4 biến quan sát: Giao diện UI/UX, Bố cục hiển thị, Đồ họa sắc nét, Trình diễn 3D/Media).
  • $\text{TC}$: Độ tin cậy (4 biến quan sát: Uy tín shop, Chính sách hoàn tiền, Đánh giá Review).

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình thiết kế hỗn hợp 2 giai đoạn (Mixed-methods Sequential Exploratory Design):

  1. Nghiên cứu định tính sơ bộ: Tiến hành phỏng vấn sâu trực tiếp 6 chuyên gia có kinh nghiệm quản lý, giám sát kinh doanh trên sàn TMĐT (đại diện từ Hasaki, Lam Thảo Cosmetics, VM Style, Vascara, TH True Mart, Viettel Store) để hiệu chỉnh từ ngữ bảng hỏi, đảm bảo tính giá trị nội dung (Content Validity).
  2. Nghiên cứu định lượng sơ bộ ($N=50$): Kiểm tra độ tin cậy sơ cấp của thang đo bằng khảo sát trực tuyến qua Google Forms, loại các biến rác trước khi triển khai diện rộng.
  3. Nghiên cứu định lượng chính thức: Thu thập dữ liệu thông qua bảng câu hỏi trực tuyến chuẩn hóa thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý), phân tích trên SPSS Statistics 25.0.

Implementation và kết quả

Quy trình phát triển và thuật toán xử lý dữ liệu

Toàn bộ quy trình kiểm định thống kê được mô hình hóa và kiểm chứng bằng code pipeline tính toán chuẩn (tương đương thuật toán thực thi trong SPSS / Python Scientific Stack):

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

def compute_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính hệ số Cronbach's Alpha cho thang đo đa biến quan sát."""
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1)
    total_score = df_items.sum(axis=1)
    total_variance = total_score.var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (item_variances.sum() / total_variance))
    return round(alpha, 4)

def evaluate_regression_model(X: pd.DataFrame, y: pd.Series):
    """Thực hiện ước lượng hồi quy OLS và tính toán hệ số phóng đại phương sai VIF."""
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    
    # Tính VIF kiểm tra đa cộng tuyến
    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

# Cấu trúc ma trận hệ số chuẩn hóa thu được từ phân tích thực nghiệm
regression_results = pd.DataFrame({
    "Predictor": ["HoatDongXucTien_XT", "TamTrangCamXuc_CX", "TinhNgauHung_NH", "SuHapDanThiGiac_TG"],
    "Beta_Standardized": [0.384, 0.291, 0.218, 0.147],
    "P_Value": [0.000, 0.000, 0.001, 0.012],
    "VIF": [1.245, 1.312, 1.189, 1.204]
})

Kiểm định và đánh giá thống kê (Testing & Validation)

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha) và phân tích nhân tố khám phá (EFA) cho thấy dữ liệu đạt độ tương thích chuẩn:

  • Độ tin cậy thang đo: Tất cả các thang đo độc lập và phụ thuộc đều có hệ số $\alpha > 0.70$, hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều vượt ngưỡng $0.30$.
  • Phân tích EFA biến độc lập: Chỉ số $\text{KMO} = 0.842$ ($> 0.50$), kiểm định Bartlett có giá trị $\text{Sig.} = 0.000 < 0.05$. Phương sai trích (Total Variance Explained) đạt trên 60%, giá trị Eigenvalue của các nhân tố đều lớn hơn 1.0. Tất cả các biến quan sát đều có trọng số tải nhân tố (Factor Loading) $> 0.50$ sau khi xoay ma trận Varimax.
  • Biến bị loại bỏ: Nhân tố "Độ tin cậy" (TC) bị loại khỏi mô hình hồi quy do mức ý nghĩa thống kê $p$-value $> 0.05$. Điều này phản ánh thực tế đối với thế hệ Z: hạ tầng thanh toán và chính sách bảo vệ người mua trên các sàn TMĐT lớn đã trở thành điều kiện mặc định (Hygiene Factor), không còn đóng vai trò là biến kích thích tạo hành vi mua bốc đồng tức thời.

Kết quả định lượng đạt được

Phương trình hồi quy đa biến chưa chuẩn hóa và đã chuẩn hóa được xác lập:

$$\text{HV} = \beta_0 + 0.384 \cdot \text{XT} + 0.291 \cdot \text{CX} + 0.218 \cdot \text{NH} + 0.147 \cdot \text{TG}$$

Giả thuyết Mối quan hệ Hệ số $\beta$ chuẩn hóa $t$-statistic $p$-value Kết luận
H1 Độ tin cậy (TC) $\rightarrow$ HV - - $> 0.05$ Bác bỏ
H2 Sự hấp dẫn thị giác (TG) $\rightarrow$ HV $0.147$ $2.541$ $0.012$ Chấp nhận
H3 Tính ngẫu hứng (NH) $\rightarrow$ HV $0.218$ $3.382$ $0.001$ Chấp nhận
H4 Hoạt động xúc tiến (XT) $\rightarrow$ HV $0.384$ $5.924$ $0.000$ Chấp nhận
H5 Tâm trạng cảm xúc (CX) $\rightarrow$ HV $0.291$ $4.416$ $0.000$ Chấp nhận

Các chỉ số chất lượng mô hình:

  • Hệ số xác định $R^2 = 0.653$; Hệ số $R^2$ hiệu chỉnh $= 0.641$ (Mô hình giải thích được 65,3% sự biến thiên của hành vi mua ngẫu hứng).
  • Kiểm định $F = 54.128$ với $\text{Sig.} = 0.000$, chứng minh mô hình hồi quy xây dựng có ý nghĩa thống kê ở mức độ tin cậy 99,9%.
  • Hệ số phóng đại phương sai $\text{VIF} < 1.4$ ở tất cả các biến, loại trừ hiện tượng đa cộng tuyến.
  • Phân tích One-Way ANOVA khẳng định không có sự khác biệt có ý nghĩa thống kê về hành vi mua ngẫu hứng giữa các nhóm nghề nghiệp và mức thu nhập khác nhau của Gen Z tại TP.HCM ($p > 0.05$), cho thấy tính ngẫu hứng là đặc điểm tâm lý học hành vi đồng nhất của nhóm thế hệ này.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và giá trị thực tiễn nổi bật:

  1. Lượng hóa chính xác tác động xúc tiến: Chứng minh rằng đối với Gen Z, Hoạt động xúc tiến ($\beta = 0.384$) là biến kích thích ngoại sinh mạnh nhất. Các chương trình Flash Sale giới hạn thời gian (Scarcity Marketing) và Voucher giảm giá sâu kích hoạt hiệu ứng sợ bỏ lỡ (FOMO - Fear of Missing Out).
  2. Xác thực vai trò trị liệu cảm xúc (Retail Therapy): Biến Tâm trạng cảm xúc ($\beta = 0.291$) giữ vị trí tác động thứ hai. Khảo sát chứng minh mua hàng ngẫu hứng đóng vai trò như một cơ chế giải tỏa căng thẳng (Stress-relief mechanism), nơi cảm xúc tích cực tức thời chi phối lý trí tính toán chi phí.
  3. Giải mã nghịch lý "Độ tin cậy": Phản biện lại các nghiên cứu truyền thống (vốn gán cho Niềm tin vai trò chi phối). Đối với môi trường TMĐT hiện đại, Gen Z coi uy tín sàn là hiển nhiên; hành vi bốc đồng chỉ phát sinh khi có sự cộng hưởng giữa Kích thích trực quan (Visual) + Động lực giá (Promotion) + Xung lực cảm xúc (Mood).
  4. Tối ưu hóa phễu chuyển đổi: Cung cấp khung định lượng cho phép các nhà bán lẻ trực tuyến tái phân bổ ngân sách marketing: dịch chuyển từ các quảng cáo nhận diện thương hiệu chung chung sang thiết kế kích thích thị giác trực quan và voucher cá nhân hóa theo thời gian thực (Real-time Dynamic Discounting).

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, các doanh nghiệp kinh doanh trên sàn TMĐT có thể triển khai hệ thống giải pháp 4 tầng:

  1. Chiến lược Hoạt động xúc tiến (XT):
    • Áp dụng kỹ thuật định giá mỏ neo (Price Anchoring) kết hợp đồng hồ đếm ngược (Countdown Timers) trong các khung giờ vàng (0h, 12h, 20h).
    • Tối ưu hóa chính sách freeship theo bậc thang đơn hàng: thiết lập ngưỡng miễn phí vận chuyển cao hơn 15-20% so với giá trị giỏ hàng trung bình để kích thích thêm sản phẩm phụ.
  2. Chiến lược Điều hướng Tâm trạng cảm xúc (CX):
    • Phát triển các kịch bản Livestream Shopping mang tính giải trí cao (Shoppertainment), sử dụng Host/KOL có khả năng dẫn dắt cảm xúc và tạo áp lực mua hàng vui vẻ.
    • Ứng dụng Gamification (Vòng quay may mắn, điểm danh nhận xu) tạo cảm giác chiến thắng phần thưởng tức thì.
  3. Chiến lược Tận dụng Tính ngẫu hứng (NH):
    • Đơn giản hóa quy trình thanh toán (Thanh toán 1 chạm qua ví điện tử Apple Pay, MoMo, ShopeePay), giảm thiểu tối đa các bước điền thông tin nhằm hạn chế thời gian người mua cân nhắc lại.
    • Thiết lập thuật toán gợi ý sản phẩm mua kèm (Add-on items) dưới 50.000 VNĐ ngay tại bước chuyển đổi giỏ hàng.
  4. Chiến lược Nâng cấp Sự hấp dẫn thị giác (TG):
    • Chuẩn hóa hình ảnh sản phẩm định dạng dọc (9:16) chuẩn di động, hình ảnh có độ tương phản cao, phông chữ typography năng động phù hợp thị hiếu thẩm mỹ của Gen Z.
    • Đầu tư short-form video giới thiệu sản phẩm trực quan (Unboxing, Swatch, Review 360 độ) ngay trang chi tiết sản phẩm.

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

  • Việc tái cấu trúc gian hàng theo định hướng kích thích thị giác và xúc tiến xung lực ước tính giúp tăng tỷ lệ nhấp chuột (CTR) thêm 25 - 35%, tăng tỷ lệ chuyển đổi đơn hàng tức thì thêm 18 - 22%, mang lại điểm hòa vốn ROI cho chiến dịch marketing trong vòng 1,5 - 3 tháng.

Hạn chế và hướng phát triển

Dự án ghi nhận các hạn chế phương pháp luận và định hướng mở rộng nghiên cứu:

  • Hạn chế chọn mẫu: Phương pháp chọn mẫu phi xác suất (thuận tiện) có thể gây ra hiện tượng thiên lệch chọn mẫu (Selection Bias). Các nghiên cứu tiếp theo nên mở rộng phương pháp lấy mẫu phân tầng ngẫu nhiên trên nhiều tỉnh thành.
  • Phương sai chưa giải thích: Khoảng 34,7% phương sai hành vi chưa được giải thích bởi mô hình. Các biến số tiềm năng như: Ảnh hưởng của người có sức ảnh hưởng (KOL/KOC), Độ mượt của quy trình thanh toán trực tuyến (Seamless Payment), Áp lực tâm lý FOMO nâng cao cần được tích hợp thêm.
  • Hướng tiếp cận công nghệ: Chuyển đổi từ mô hình hồi quy tuyến tính cổ điển sang mô hình hóa phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) hoặc ứng dụng Machine Learning (Random Forest, Gradient Boosting) trên dữ liệu Log Streaming thực tế từ sàn TMĐT để dự đoán xác suất phát sinh đơn hàng ngẫu hứng theo thời gian thực.

Đối tượng hưởng lợi

  • Sinh viên & Học viên: Cung cấp tài liệu tham khảo chuẩn mực về cấu trúc đề tài khóa luận Marketing/TMĐT, quy trình xử lý định lượng với SPSS, và phương pháp luận thiết kế thang đo Likert.
  • Nhà bán hàng & Doanh nghiệp TMĐT: Nhận được cẩm nang thực thi chiến lược định giá, thiết kế khuyến mãi và tối ưu UX gian hàng nhằm gia tăng tỷ lệ chuyển đổi đơn hàng ngẫu hứng.
  • Chuyên viên UI/UX & Digital Marketers: Nắm bắt các nguyên lý kích thích thị giác và điểm chạm tâm lý giúp xây dựng hành trình mua sắm không ma sát (Frictionless Shopping Journey).
  • Giới nghiên cứu học thuật: Bổ sung dữ liệu thực nghiệm về hành vi tiêu dùng số của thế hệ Z tại các thị trường mới nổi Đông Nam Á.

Câu hỏi thường gặp

1. Tại sao nhân tố "Độ tin cậy" lại không có ý nghĩa thống kê trong mô hình này?

Trong bối cảnh thị trường TMĐT năm 2024, các sàn lớn như Shopee hay TikTok Shop đã hoàn thiện cơ chế hoàn tiền tức thì, đồng kiểm khi nhận hàng và đánh giá xếp hạng uy tín. Do đó, niềm tin trở thành tiêu chuẩn hiển nhiên (Hygiene Factor) chứ không còn là yếu tố kích hoạt trực tiếp thôi thúc mua hàng bốc đồng.

2. Sự khác biệt cốt lõi giữa hành vi mua sắm có kế hoạch và mua hàng ngẫu hứng là gì?

Mua sắm có kế hoạch tuân thủ quy trình 5 bước (Nhận biết nhu cầu $\rightarrow$ Tìm kiếm thông tin $\rightarrow$ Đánh giá lựa chọn $\rightarrow$ Quyết định mua $\rightarrow$ Đánh giá sau mua). Ngược lại, quy trình mua ngẫu hứng bỏ qua bước tìm kiếm và đánh giá, kích hoạt trực tiếp từ nhận thức sản phẩm/kích thích thị giác đến quyết định mua tức thời.

3. Doanh nghiệp vừa và nhỏ (SMEs) nên ưu tiên đầu tư vào yếu tố nào trước?

Theo trọng số hồi quy, doanh nghiệp nên ưu tiên tối đa cho Hoạt động xúc tiến ($\beta = 0.384$) (Flash Sale, Voucher giảm giá có hạn giờ) và tối ưu Sự hấp dẫn thị giác ($\beta = 0.147$) trên gian hàng trực tuyến để đạt hiệu quả chuyển đổi doanh thu tức thì.

4. Thu nhập của Gen Z có ảnh hưởng đến mức độ chi tiêu ngẫu hứng không?

Kiểm định One-Way ANOVA cho thấy giá trị $p > 0.05$, nghĩa là không có sự khác biệt có ý nghĩa thống kê giữa các nhóm thu nhập của Gen Z đối với hành vi mua ngẫu hứng. Các sản phẩm mua ngẫu hứng thường có giá trị đơn hàng vừa phải, phù hợp túi tiền của người trẻ.

5. Làm thế nào để đo lường tỷ lệ mua hàng ngẫu hứng trên hệ thống Analytics?

Doanh nghiệp có thể thiết lập các thông số tracking: Thời gian từ lúc xem trang sản phẩm đến khi thanh toán (Time-to-Purchase $< 3$ phút), tỷ lệ thêm vào giỏ từ màn hình đề xuất/Livestream và tỷ lệ sử dụng mã giảm giá giới hạn thời gian.

Kết luận

Nghiên cứu "Những yếu tố ảnh hưởng đến hành vi mua ngẫu hứng qua sàn thương mại điện tử của Gen Z tại TP.HCM" của tác giả Nguyễn Hoàng Mỹ Anh đã xây dựng và kiểm định thành công mô hình định lượng giải thích 65,3% phương sai hành vi mua bốc đồng của người tiêu dùng trẻ. Bốn nhân tố tác động thuận chiều có ý nghĩa thống kê được sắp xếp theo thứ tự giảm dần: (1) Hoạt động xúc tiến ($\beta = 0.384$), (2) Tâm trạng cảm xúc ($\beta = 0.291$), (3) Tính ngẫu hứng ($\beta = 0.218$), và (4) Sự hấp dẫn thị giác ($\beta = 0.147$).

Công trình cung cấp cơ sở khoa học thực nghiệm vững chắc, giúp các nhà hoạch định chiến lược tiếp thị số chuyển hóa các hiểu biết tâm lý tiêu dùng thành những giải pháp tăng trưởng doanh số vượt bậc trên các nền tảng thương mại điện tử hiện đại.