Giới thiệu dự án

Thị trường giao đồ ăn trực tuyến (Online Food Delivery - OFD) tại khu vực Đông Nam Á ghi nhận mức tăng trưởng vượt bậc với tổng giá trị hàng hoá (Gross Merchandise Value - GMV) đạt 16,3 tỷ USD vào cuối năm 2022 và nhanh chóng chạm mốc 30,12 tỷ USD vào năm 2023 (tăng 26,6% theo báo cáo của Statista và Momentum Works). Tại Việt Nam, quy mô thị trường năm 2023 ước đạt 1,1 tỷ USD, trong đó thị phần tập trung phần lớn vào hai nền tảng chủ chốt: GrabFood (chiếm 45%) và ShopeeFood (chiếm 41%), phần còn lại thuộc về GoFood, BeFood và các đối thủ khác (14%). Khu vực kinh tế trọng điểm Đông Nam Bộ – đặc biệt là trục tam giác kinh tế TP. Hồ Chí Minh (khoảng 9 triệu dân), Bình Dương và Đồng Nai – là trung tâm tiêu thụ lớn nhất cả nước với tỷ lệ thâm nhập dịch vụ giao đồ ăn tăng từ 62% (2020) lên 83% (2021 - 2023) theo số liệu từ Euromonitor và Nielsen.

                  +----------------------------------------------+
                  |  THỊ TRƯỜNG GIAO ĐỒ ĂN TRỰC TUYẾN VIỆT NAM  |
                  |          Quy mô 2023: 1,1 TỶ USD             |
                  +----------------------------------------------+
                                         |
                +------------------------+------------------------+
                |                                                 |
     +--------------------+                            +--------------------+
     |      GRABFOOD      |                            |     SHOPEEFOOD     |
     |    Thị phần: 45%   |                            |    Thị phần: 41%   |
     +--------------------+                            +--------------------+
                |                                                 |
                +------------------------+------------------------+
                                         |
                            +--------------------------+
                            | CÁC NỀN TẢNG KHÁC (14%)  |
                            |   (GoFood, BeFood,...)   |
                            +--------------------------+

Mặc dù tiềm năng tăng trưởng hàng năm (CAGR) dự báo đạt mức cao giai đoạn 2023–2027 với lượng người dùng ước tính lên tới 162,1 triệu người trên toàn khu vực Đông Nam Á, các doanh nghiệp vận hành ứng dụng OFD đang đối mặt với sự cạnh tranh khốc liệt và bài toán tối ưu chi phí thu hút khách hàng (Customer Acquisition Cost - CAC) cùng tỷ lệ rời bỏ nền tảng (Churn Rate). Các điểm nghẽn (pain points) lớn đối với người tiêu dùng bao gồm: rủi ro an toàn thực phẩm, chênh lệch giá niêm yết trên app so với thực tế, độ trễ thời gian giao nhận vào giờ cao điểm, phí giao hàng tăng cao và sự cố lộ dữ liệu thanh toán cá nhân.

Đề tài khóa luận tốt nghiệp: "Các yếu tố ảnh hưởng đến quyết định lựa chọn ứng dụng giao đồ ăn trực tuyến của khách hàng tại khu vực Đông Nam Bộ" (chuyên ngành Quản trị Kinh doanh, Trường Đại học Công nghiệp TP.HCM - IUH) được triển khai nhằm giải quyết trực tiếp bài toán thực chứng này.

Mục tiêu nghiên cứu cụ thể

  1. Xác định và hệ thống hóa danh mục các yếu tố lý thuyết và thực tiễn chi phối hành vi ra quyết định lựa chọn ứng dụng OFD của người tiêu dùng tại Đông Nam Bộ.
  2. Đo lường, kiểm định mức độ tác động và tính tương quan của từng yếu tố độc lập đến quyết định lựa chọn thông qua mô hình định lượng.
  3. Đề xuất hệ thống hàm ý quản trị, giải pháp công nghệ và chính sách tối ưu hóa vận hành nhằm nâng cao chỉ số giữ chân khách hàng (Retention Rate) và thị phần cho các nền tảng thương mại dịch vụ số.

Phương pháp tiếp cận dựa trên sự kết hợp giữa Mô hình chấp nhận công nghệ (Technology Acceptance Model - TAM), Lý thuyết hành vi hoạch định (Theory of Planned Behavior - TPB), Lý thuyết hành động hợp lý (Theory of Reasoned Action - TRA) và Lý thuyết nhận thức rủi ro (Theory of Perceived Risk - TPR).

Phạm vi nghiên cứu: Khảo sát khách hàng cá nhân đang sinh sống, học tập và làm việc tại 03 tỉnh/thành phố: TP. Hồ Chí Minh, Bình Dương, Đồng Nai; dữ liệu sơ cấp thu thập từ tháng 02/2024 đến tháng 05/2024 với quy mô mẫu nghiên cứu chính thức đạt $N = 371$ mẫu hợp lệ.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường ứng dụng giao đồ ăn tại khu vực Đông Nam Bộ vận hành dưới mô hình đa nền tảng (Multi-sided Platform), kết nối trực tiếp ba tác nhân: Khách hàng (End-users) - Tài xế đối tác (Merchant-riders) - Quán ăn/Nhà hàng đối tác (Food Merchants). Phân tích ma trận giải pháp cạnh tranh hiện hữu:

Nền tảng Điểm mạnh (Pros) Điểm yếu (Cons) Thị phần (2023) Công nghệ cốt lõi
GrabFood Hệ sinh thái siêu ứng dụng tích hợp, mạng lưới tài xế phủ sóng dày đặc, thuật toán định tuyến GPS chính xác. Phí nền tảng cao, chiết khấu quán ăn lớn (25-30%), giá thành món ăn bị đẩy lên cao. 45% Microservices, Machine Learning Dispatching, GrabPay SDK
ShopeeFood Tích hợp chặt chẽ hệ sinh thái Shopee/ShopeePay, mã khuyến mãi/freeship phong phú, lượng người dùng trẻ đông đảo. Trải nghiệm UI/UX đôi khi tải chậm do tải kèm sàn TMĐT, thời gian xử lý đơn giờ cao điểm kéo dài. 41% Distributed Cloud Architecture, ShopeePay API
GoFood Giao diện tinh gọn, tính năng tích điểm GoPay linh hoạt, nhiều combo khuyến mãi cục bộ. Phạm vi bao phủ tại khu vực ngoại thành Bình Dương, Đồng Nai còn thưa thớt, danh mục quán ăn ít đa dạng hơn. ~10% Event-driven Architecture, Google Cloud Platform

Bảng ma trận phân loại nhu cầu người dùng theo mô hình MoSCoW

                  +-------------------------------------------------------------+
                  |               MA TRẬN PHÂN LOẠI NHU CẦU MoSCoW             |
                  +-------------------------------------------------------------+
                                                 |
         +--------------------+------------------+------------------+--------------------+
         |                    |                                     |                    |
+-----------------+  +-----------------+                   +-----------------+  +-----------------+
|    MUST HAVE    |  |   SHOULD HAVE   |                   |   COULD HAVE    |  |   WON'T HAVE    |
| (Bắt buộc có)   |  |   (Nên trang bị)|                   |  (Có thể thêm)  |  |  (Chưa ưu tiên) |
+-----------------+  +-----------------+                   +-----------------+  +-----------------+
| - Bảo mật OTP/  |  | - So sánh giá   |                   | - Gợi ý món ăn  |  | - Mạng xã hội   |
|   thanh toán    |  |   thời gian thực|                   |   bằng AI       |  |   nội bộ tương  |
| - Định vị GPS   |  | - Ưu đãi giảm   |                   | - Đặt đơn nhóm  |  |   tác phức tạp  |
|   thời gian thực|  |   giá thông minh|                   |   chia tiền     |  | - Giao diện 3D  |
| - Menu đa dạng  |  | - Đánh giá minh |                   |   tự động       |  |   VR nhà hàng   |
| - Hỗ trợ CSKH   |  |   bạch từ khách |                   | - Lên lịch hẹn  |  |                 |
|   nhanh chóng   |  |   hàng thật     |                   |   giờ giao món  |  |                 |
+-----------------+  +-----------------+                   +-----------------+  +-----------------+

Thiết kế hệ thống

Mô hình nghiên cứu thực nghiệm được cấu trúc hóa theo dạng hệ thống xử lý số liệu đa biến (Multivariate Structural Framework) với 6 nhân tố độc lập, 1 nhân tố phụ thuộc và 4 biến kiểm soát nhân khẩu học:

Ngăn xếp công nghệ phân tích và xử lý dữ liệu (Technology Stack)

  • Statistical Processing Engine: IBM SPSS Statistics Version 20.0 (hỗ trợ phân tích Cronbach's Alpha, EFA, OLS Regression, One-way ANOVA).
  • Validation & Cross-check Codebase: Python 3.10.x sử dụng các thư viện pandas v2.1.4, statsmodels v0.14.1, scikit-learn v1.4.0, scipy v1.11.4.
  • Database & Survey Architecture: Google Sheets API v4 + RESTful Web Form schema với cơ chế bẫy lỗi xác thực Input Validation (ngăn chặn duplicate submission, missing response).

Đặc tả biến đo lường (Measurement Schema)

Hệ thống thang đo Likert 5 mức độ (từ 1 = Hoàn toàn không đồng ý đến 5 = Hoàn toàn đồng ý), bao gồm 35 biến quan sát ban đầu:

  • Thang đo Sự thuận tiện (TT): 6 biến quan sát ($TT_1 \rightarrow TT_6$) - Giao diện thân thiện, đặt hàng mọi lúc mọi nơi, thao tác tìm kiếm dễ dàng, phương thức thanh toán linh hoạt.
  • Thang đo Nhận thức tính hữu ích (HI): 5 biến quan sát ($HI_1 \rightarrow HI_5$) - Nâng cao hiệu quả đặt món, cung cấp đầy đủ thông tin quán ăn, theo dõi trạng thái đơn hàng chi tiết.
  • Thang đo Nhận thức về rủi ro khi sử dụng (RR): 5 biến quan sát ($RR_1 \rightarrow RR_5$) - Rủi ro lộ dữ liệu cá nhân, sai lệch món ăn so với hình ảnh thực tế, chậm trễ đơn hàng, mất an toàn vệ sinh thực phẩm.
  • Thang đo Tiết kiệm giá (GC): 5 biến quan sát ($GC_1 \rightarrow GC_5$) - Mã giảm giá, voucher freeship, chính sách đồng giá, so sánh giá trực quan giữa các quán.
  • Thang đo Tiết kiệm thời gian (TG): 5 biến quan sát ($TG_1 \rightarrow TG_5$) - Không cần di chuyển, không phải xếp hàng chờ đợi, tốc độ giao hàng tối ưu.
  • Thang đo Ảnh hưởng xã hội (XH): 5 biến quan sát ($XH_1 \rightarrow XH_5$) - Đề xuất từ bạn bè, gia đình, xu hướng mạng xã hội (TikTok, Facebook review).
  • Thang đo Quyết định lựa chọn (QD): 4 biến quan sát ($QD_1 \rightarrow QD_4$) - Xu hướng ưu tiên lựa chọn, ý định duy trì sử dụng, sẵn sàng giới thiệu nền tảng cho người khác.

Methodology

Nghiên cứu ứng dụng quy trình kết hợp hai giai đoạn: Nghiên cứu định tính (Qualitative Phase) và Nghiên cứu định lượng (Quantitative Phase).

+-----------------------------------------------------------------------------------+
|                            QUY TRÌNH NGHIÊN CỨU 2 GIAI ĐOẠN                       |
+-----------------------------------------------------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 1: NGHIÊN CỨU ĐỊNH TÍNH                                                 |
| - Phỏng vấn chuyên sâu 05 chuyên gia trong ngành E-commerce/F&B Logistics.        |
| - Sàng lọc 35 biến quan sát: Giữ nguyên 19 biến, hiệu chỉnh 11 biến, bổ sung      |
|   5 biến quan sát đặc thù thị trường Đông Nam Bộ.                                 |
+-----------------------------------------------------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 2: THỰC THI ĐỊNH LƯỢNG & KHẢO SÁT CHÍNH THỨC                            |
| - Chọn mẫu phi xác suất (thuận tiện kết hợp định ngạch theo tỉnh/thành).          |
| - Phát 380 phiếu khảo sát trực tuyến -> Thu về 371 phiếu hợp lệ ($N = 371$).       |
| - Công thức xác định cỡ mẫu tối thiểu:                                            |
|     * Theo Hair et al. (2014): $N \ge 5 \times k = 5 \times 35 = 175$ mẫu.       |
|     * Theo Tabachnick & Fidell (2013) cho hồi quy: $N \ge 50 + 8 \times m = 98$   |
|     => Cỡ mẫu $N = 371$ đảm bảo độ tin cậy và tính đại diện thống kê.             |
+-----------------------------------------------------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
| KIỂM ĐỊNH MÔ HÌNH VÀ GIẢ THUYẾT TRÊN SPSS 20.0                                    |
| [Cronbach's Alpha] -> [EFA Factor Analysis] -> [Pearson Correlation] -> [OLS Reg]  |
+-----------------------------------------------------------------------------------+

Implementation và kết quả

Development process & Thuật toán lượng hóa

Mô hình hồi quy tuyến tính bội (Ordinary Least Squares - OLS) được biểu diễn theo phương trình toán học:

$$QD = \beta_0 + \beta_1 TT + \beta_2 HI + \beta_3 RR + \beta_4 GC + \beta_5 TG + \beta_6 XH + \epsilon$$

Trong đó:

  • $\beta_0$: Hệ số chặn (Constant intercept).
  • $\beta_1 \rightarrow \beta_6$: Hệ số hồi quy riêng phần chuẩn hóa/chưa chuẩn hóa của từng nhân tố.
  • $\epsilon$: Sai số ngẫu nhiên của mô hình (Random residual error term).

Công thức tính hệ số tin cậy nội tại Cronbach's Alpha: $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

Đoạn mã Python mô phỏng toàn bộ quy trình kiểm định thống kê OLS và kiểm tra hiện tượng đa cộng tuyến (VIF):

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

# 1. Khởi tạo và nạp dữ liệu khảo sát (N = 371)
np.random.seed(42)
df = pd.read_csv("food_delivery_southeast_survey_n371.csv")

independent_vars = ['TT', 'HI', 'RR', 'GC', 'TG', 'XH']
X = df[independent_vars]
y = df['QD']

# 2. Thêm hằng số vào mô hình hồi quy OLS
X_with_const = sm.add_constant(X)
ols_model = sm.OLS(y, X_with_const).fit()

# 3. Tính toán Variance Inflation Factor (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])]

print("=== KẾT QUẢ HỒI QUY OLS ===")
print(ols_model.summary())
print("\n=== HỆ SỐ PHÓNG ĐẠI PHƯƠNG SAI (VIF) ===")
print(vif_data)

Testing và validation

Quá trình kiểm định thang đo và cấu trúc dữ liệu tuân thủ nghiêm ngặt các tiêu chuẩn kiểm định thống kê:

  1. Kiểm định độ tin cậy Cronbach’s Alpha:

    • Tiêu chuẩn chấp nhận: $\alpha \ge 0,60$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0,30$.
    • Toàn bộ 6 thang đo biến độc lập và 1 thang đo biến phụ thuộc đều đạt hệ số $\alpha \in [0,782; 0,891]$, không có biến quan sát nào bị loại do tương quan biến - tổng $< 0,30$.

  2. Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA):

    • Biến độc lập: Hệ số $KMO = 0,864$ (thỏa mãn $0,5 \le KMO \le 1$); Kiểm định Bartlett có mức ý nghĩa $Sig. = 0,000 < 0,05$, khẳng định các biến quan sát có tương quan chặt chẽ. Trích xuất được 6 nhân tố tại điểm dừng Eigenvalue $= 1,238 > 1$, tổng phương sai trích (Total Variance Explained) đạt $64,82% > 50%$. Tất cả các trọng số tải nhân tố (Factor Loading) đều $> 0,55$.
    • Biến phụ thuộc: Hệ số $KMO = 0,789$, $Sig. = 0,000$, trích 1 nhân tố duy nhất với phương sai trích đạt $68,15%$.

  3. Kiểm định mô hình hồi quy tuyến tính:

    • Hệ số xác định $R^2 = 0,612$, $R^2$ hiệu chỉnh (Adjusted $R^2$) $= 0,606$, chứng minh 6 nhân tố độc lập giải thích được $60,6%$ sự biến thiên trong quyết định lựa chọn ứng dụng của người dùng Đông Nam Bộ.
    • Kiểm định $F$ trong bảng ANOVA đạt giá trị $F = 95,742$ với mức ý nghĩa $Sig. = 0,000$, chứng minh mô hình hồi quy xây dựng hoàn toàn phù hợp với tổng thể dữ liệu.
    • Hệ số Durbin-Watson đạt $d = 1,892$ (nằm trong khoảng $1,5 < d < 2,5$), chứng minh không xảy ra hiện tượng tự tương quan chuỗi bậc nhất.
    • Hệ số phóng đại phương sai $VIF \in [1,120; 1,485] < 2,0$, chứng minh mô hình không vi phạm giả định đa cộng tuyến.

Kết quả đạt được

Giả thuyết Mối quan hệ kỳ vọng Hệ số hồi quy chưa chuẩn hóa ($B$) Hệ số Beta chuẩn hóa ($\beta$) Giá trị $t$-statistic Mức ý nghĩa ($Sig.$) Kết luận kiểm định
H1 Sự thuận tiện ($TT$) $\rightarrow$ Quyết định ($QD$) (+) 0,248 0,265 5,482 0,000 Chấp nhận (Ủng hộ)
H2 Nhận thức hữu ích ($HI$) $\rightarrow$ Quyết định ($QD$) (+) 0,185 0,198 4,120 0,000 Chấp nhận (Ủng hộ)
H3 Nhận thức rủi ro ($RR$) $\rightarrow$ Quyết định ($QD$) (-) -0,112 -0,121 -2,894 0,004 Chấp nhận (Ủng hộ)
H4 Tiết kiệm giá ($GC$) $\rightarrow$ Quyết định ($QD$) (+) 0,274 0,292 6,105 0,000 Chấp nhận (Ủng hộ)
H5 Tiết kiệm thời gian ($TG$) $\rightarrow$ Quyết định ($QD$) (+) 0,162 0,174 3,651 0,000 Chấp nhận (Ủng hộ)
H6 Ảnh hưởng xã hội ($XH$) $\rightarrow$ Quyết định ($QD$) (+) 0,131 0,140 3,018 0,003 Chấp nhận (Ủng hộ) 
                       MỨC ĐỘ TÁC ĐỘNG CỦA CÁC YẾU TỐ (BETA CHUẨN HÓA)
                       
  Tiết kiệm giá (GC)        [==============================] 0.292 (Mạnh nhất)
  Sự thuận tiện (TT)        [===========================] 0.265
  Nhận thức hữu ích (HI)    [====================] 0.198
  Tiết kiệm thời gian (TG)  [=================] 0.174
  Ảnh hưởng xã hội (XH)     [==============] 0.140
  Nhận thức rủi ro (RR)     [------------] -0.121 (Tác động ngược chiều)

Thứ tự mức độ tác động: Tiết kiệm giá ($\beta = 0,292$) > Sự thuận tiện ($\beta = 0,265$) > Nhận thức tính hữu ích ($\beta = 0,198$) > Tiết kiệm thời gian ($\beta = 0,174$) > Ảnh hưởng xã hội ($\beta = 0,140$) > Nhận thức rủi ro ($\beta = -0,121$).

Kiểm định biến kiểm soát (ANOVA/T-test):

  • Giới tính: Không có sự khác biệt có ý nghĩa thống kê giữa Nam và Nữ về quyết định lựa chọn ($Sig. = 0,412 > 0,05$).
  • Độ tuổi & Thu nhập: Có sự khác biệt có ý nghĩa thống kê ($Sig. < 0,05$). Nhóm đối tượng trong độ tuổi từ 18–25 tuổi và nhóm thu nhập dưới 10 triệu đồng/tháng có độ nhạy cảm cao nhất với yếu tố "Tiết kiệm giá" và "Sự thuận tiện".

Đổi mới và đóng góp

Nghiên cứu mang lại những giá trị đóng góp mới về cả phương diện lý thuyết học thuật lẫn thực tiễn triển khai kinh doanh công nghệ:

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí so sánh Nghiên cứu của Ngô Thanh Phương Quỳnh (2021) Nghiên cứu của Chanmi Hong et al. (2021) Nghiên cứu này (IUH - 2024)
Không gian nghiên cứu Giới trẻ toàn quốc (18 - 22 tuổi) Người tiêu dùng tại Hoa Kỳ Vùng kinh tế Đông Nam Bộ (TP.HCM, Bình Dương, Đồng Nai)
Cơ sở lý thuyết TAM đơn thuần TAM + TPR trong bối cảnh dịch bệnh Tích hợp TAM + TPB + TRA + TPR thích ứng hậu Covid-19
Cỡ mẫu hợp lệ $N = 382$ $N = 367$ $N = 371$
Mô hình tác động mạnh nhất Lợi ích kinh tế Rủi ro an toàn thực phẩm Tiết kiệm giá ($\beta = 0,292$) & Sự thuận tiện ($\beta = 0,265$)
Biến kiểm soát Chưa phân tích chuyên sâu Không phân tầng địa phương Kiểm định đa biến: Giới tính, Tuổi, Thu nhập, Nghề nghiệp

Đóng góp học thuật và ứng dụng thực tiễn

  • Làm rõ sự chuyển dịch hành vi người dùng: Khẳng định người tiêu dùng tại các đô thị công nghiệp phía Nam có hành vi mua sắm dựa trên "Lựa chọn duy lý" (Rational Choice Theory) cao: họ chủ động so sánh voucher giữa các app trước khi chốt đơn.
  • Định lượng hóa tác động tiêu cực của Rủi ro: Chứng minh bằng thực chứng rằng rủi ro lộ dữ liệu và bất đồng bộ chất lượng món ăn làm suy giảm quyết định lựa chọn với hệ số $\beta = -0,121$ ($p = 0,004$).
  • Khung tham chiếu chuẩn hóa thang đo: Cung cấp bộ thang đo 35 biến quan sát đã qua hiệu chỉnh từ hội đồng chuyên gia, có thể tái sử dụng cho các nghiên cứu về kinh tế nền tảng (Platform Economy) tại Việt Nam.

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy thực chứng, các doanh nghiệp vận hành nền tảng giao đồ ăn (FoodTech Platforms) và các đối tác ẩm thực có thể triển khai hệ thống giải pháp sau:

                  +-------------------------------------------------------------+
                  |           LỘ TRÌNH 4 TRỤ CỘT TRIỂN KHAI THỰC TẾ             |
                  +-------------------------------------------------------------+
                                                 |
         +--------------------+------------------+------------------+--------------------+
         |                    |                                     |                    |
+-----------------+  +-----------------+                   +-----------------+  +-----------------+
|   TRỤ CỘT 1     |  |   TRỤ CỘT 2     |                   |   TRỤ CỘT 3     |  |   TRỤ CỘT 4     |
| Tối ưu chiến    |  | Trải nghiệm     |                   | Giảm thiểu      |  | Tăng cường      |
| lược giá & phí  |  | UI/UX           |                   | nhận thức       |  | ảnh hưởng       |
|                 |  |                 |                   | rủi ro          |  | xã hội          |
+-----------------+  +-----------------+                   +-----------------+  +-----------------+
| - Dynamic       |  | - One-Click     |                   | - Mã hóa E2EE   |  | - Gamification  |
|   Pricing       |   Checkout         |                   |   thanh toán    |   giới thiệu    |
| - Gói hội viên  |  | - Thuật toán    |                   | - Bảo hiểm đơn  |   bạn bè        |
|   thuê bao      |   gợi ý Realtime   |                   |   hàng rơi vỡ   |  | - Đánh giá món  |
| - Tối ưu phí    |  | - Tracking GPS  |                   | - Kiểm định ATTP|   có kiểm duyệt |
|   giao hàng     |   tài xế < 100ms   |                   |   quán ăn       |   tránh spam    |
+-----------------+  +-----------------+                   +-----------------+  +-----------------+

1. Tối ưu hóa chiến lược giá và chiết khấu linh hoạt (Yếu tố Giá: $\beta = 0,292$)

  • Áp dụng thuật toán định giá linh hoạt (Dynamic Pricing Engine) dựa trên mật độ đơn hàng và thời gian thực.
  • Thiết kế các gói hội viên định kỳ (Subscription Model - ví dụ: GrabUnlimited, ShopeeFood Pass) để tăng Lifetime Value (LTV) và khóa chân khách hàng, giảm áp lực săn khuyến mãi rời rạc.

2. Tối ưu hóa giao diện và trải nghiệm tiện lợi (Yếu tố Tiện lợi: $\beta = 0,265$)

  • Giảm số bước hoàn tất đơn hàng (Checkout flow) từ 5 bước xuống 2 bước qua tính năng One-Click Reorder.
  • Tối ưu hóa hệ thống tìm kiếm thông minh hỗ trợ xử lý ngôn ngữ tự nhiên (NLP) cho phép tìm kiếm theo tên món ăn địa phương, nguyên liệu hoặc trạng thái ăn kiêng (Halal, Vegetarian, Keto).

3. Tăng tốc độ giao vận và xử lý thời gian thực (Yếu tố Thời gian: $\beta = 0,174$)

  • Tích hợp thuật toán ghép đơn thông minh (Order Batching Algorithm) cho phép 1 tài xế nhận 2-3 đơn cùng tuyến đường với bán kính dưới 1,5 km, giảm $20-30%$ thời gian chờ đơn của khách.
  • Mở rộng mạng lưới "Bếp trung tâm" (Cloud Kitchen / GrabKitchen) tại các cụm khu công nghiệp ở Bình Dương và Đồng Nai để thu hẹp bán kính giao vận.

4. Kiểm soát rủi ro và bảo mật dữ liệu (Yếu tố Rủi ro: $\beta = -0,121$)

  • Ẩn số điện thoại thật của khách hàng (Virtual Number Masking) và mã hóa Token hóa (Tokenization) cho toàn bộ thẻ thanh toán quốc tế liên kết.
  • Thiết lập chính sách bảo hiểm đơn hàng: cam kết hoàn tiền tự động 100% trong vòng 15 phút nếu phát sinh sự cố giao sai món, đổ vỡ hoặc quá thời gian cam kết trên 30 phút.

Hạn chế và hướng phát triển

+-----------------------------------------------------------------------------------+
|                        HẠN CHẾ VÀ HƯỚNG MỞ RỘNG NGHIÊN CỨU                        |
+-----------------------------------------------------------------------------------+
| HẠN CHẾ HIỆN TẠI:                                                                 |
| 1. Phương pháp chọn mẫu phi xác suất (thuận tiện) -> Giới hạn tính khái quát hóa. |
| 2. Địa bàn khảo sát gói gọn tại 3 tỉnh/thành -> Chưa phủ hết 6 tỉnh Đông Nam Bộ.   |
| 3. Nghiên cứu cắt ngang (Cross-sectional) tại một thời điểm năm 2024.              |
+-----------------------------------------------------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
| HƯỚNG PHÁT TRIỂN TIẾP THEO:                                                       |
| 1. Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) |
|    hoặc CB-SEM để kiểm định các biến trung gian (Mediating: Thái độ, Lòng trung   |
|    thành) và biến điều tiết (Moderating: Tần suất đặt hàng, Mức độ am hiểu công   |
|    nghệ).                                                                         |
| 2. Thu thập dữ liệu theo chuỗi thời gian (Longitudinal Study) để đánh giá biến    |
|    động hành vi tiêu dùng khi các nền tảng cắt giảm trợ cấp khuyến mãi.           |
| 3. Mở rộng cỡ mẫu lên $N \ge 1.000$ mẫu, phân bổ xác suất theo tầng dân cư.       |
+-----------------------------------------------------------------------------------+

Đối tượng hưởng lợi

                                  ĐỐI TƯỢNG HƯỞNG LỢI
                                           |
         +--------------------+------------+------------+--------------------+
         |                    |                         |                    |
+-----------------+  +-----------------+       +-----------------+  +-----------------+
|   SINH VIÊN &   |  | CÁC DOANH NGHIỆP|       | KỸ SƯ SẢN PHẨM  |  |  CÁC NHÀ KHOA   |
|  NGƯỜI HỌC TẬP  |  |  F&B VÀ APP OFD |       | & DEVELOPERS    |  | HỌC & NGHIÊN CỨU|
+-----------------+  +-----------------+       +-----------------+  +-----------------+
| - Nắm vững quy  |  | - Xây dựng cơ   |       | - Định hướng    |  | - Khung lý      |
|   trình nghiên  |   chế khuyến mãi   |        kiến trúc tính   |   thuyết tích hợp|
|   cứu định lượng|   tập trung ROI    |        năng theo chuẩn  |   vững chắc      |
| - Template xử   |  | - Giảm churn    |        MoSCoW           |  | - Nguồn tài liệu|
|   lý số liệu    |   rate 15-20% nhờ  |       | - Tối ưu luồng  |   tham khảo chuẩn|
|   SPSS/Python   |   kiểm soát rủi ro |        checkout & bảo   |   xác cho các đề |
|   thực chứng    |  | - Mở rộng Cloud |        mật thông tin    |   tài tiếp theo  |
|                 |   Kitchen chuẩn    |        người dùng       |                  |
+-----------------+  +-----------------+       +-----------------+  +-----------------+
  • Doanh nghiệp vận hành ứng dụng (Grab, ShopeeFood, Gojek): Sở hữu dữ liệu thực nghiệm để tái cơ cấu ngân sách khuyến mãi, phân bổ nguồn lực kỹ thuật tập trung vào 2 yếu tố trọng yếu nhất ($GC$ và $TT$).
  • Chủ nhà hàng / Quán ăn đối tác: Hiểu được tâm lý nhạy cảm về giá và thời gian của thực khách đô thị để thiết kế combo món ăn phù hợp với khung giờ vàng.
  • Product Manager & Kỹ sư phần mềm: Có cơ sở dữ liệu thực tế để ưu tiên backlog tính năng hệ thống, tập trung vào bảo mật và tốc độ định tuyến.
  • Giảng viên, Sinh viên và Nhà nghiên cứu: Nhận được tài liệu tham khảo hoàn chỉnh về cấu trúc khóa luận chuẩn mực, bao gồm đầy đủ phương pháp luận, thuật toán, mã nguồn kiểm tra và dữ liệu phân tích định lượng tin cậy.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập phân tích dữ liệu của đề tài là gì?

Cần cài đặt phần mềm IBM SPSS Statistics (phiên bản 20.0 trở lên) hoặc môi trường Python 3.8+ với các thư viện lõi: pandas, numpy, statsmodels, scipy. Tệp dữ liệu cần được mã hóa sạch theo thang đo Likert 5 mức độ, không chứa giá trị khuyết (missing values) vượt quá 5%.

2. Vì sao yếu tố "Tiết kiệm giá" lại có hệ số tác động lớn nhất ($\beta = 0,292$)?

Khu vực Đông Nam Bộ tập trung lượng lớn công nhân tại các khu công nghiệp, nhân viên văn phòng và sinh viên đại học (chiếm phần lớn mẫu khảo sát). Nhóm nhân khẩu học này có thu nhập trung bình từ 5-15 triệu đồng/tháng, dẫn đến độ co giãn của cầu theo giá rất lớn; họ có xu hướng so sánh chéo giữa các app để chọn nơi có chi phí cuối cùng thấp nhất.

3. Làm thế nào để giải quyết mâu thuẫn giữa việc cắt giảm khuyến mãi và duy trì người dùng?

Doanh nghiệp cần dịch chuyển từ chiến lược "đốt tiền" cấp mã giảm giá đại trà sang mô hình "Hội viên trung thành" (Loyalty Program) kết hợp cá nhân hóa ưu đãi. Đồng thời, nâng cao chỉ số "Sự thuận tiện" ($\beta = 0,265$) và "Tiết kiệm thời gian" ($\beta = 0,174$) để biến việc dùng app thành thói quen cố định thay vì chỉ phụ thuộc vào khuyến mãi.

4. Rủi ro lớn nhất mà người dùng lo ngại khi sử dụng ứng dụng OFD tại Đông Nam Bộ là gì?

Theo số liệu thống kê Mean của thang đo $RR$, hai biến quan sát có điểm lo ngại cao nhất là: $RR_1$ (Nguy cơ lộ lọt thông tin cá nhân/số điện thoại cho bên thứ ba làm phiền) và $RR_4$ (Món ăn nhận được không đảm bảo chất lượng vệ sinh hoặc sai lệch trọng lượng so với quán trực tiếp).

5. Chi phí triển khai hệ thống đề xuất và thời gian thu hồi vốn (ROI) ước tính?

Đối với một nền tảng quy mô tầm trung, chi phí nâng cấp hạ tầng bảo mật dữ liệu, tích hợp thuật toán ghép đơn và tối ưu UI/UX dao động trong khoảng $50.000 - 100.000$ USD. Thời gian thu hồi vốn ước tính từ 6 đến 12 tháng thông qua việc giảm tỷ lệ hủy đơn (Drop-off Rate) từ $12%$ xuống dưới $5%$ và tăng tỷ lệ giữ chân khách hàng thêm $15%$.

Kết luận

Đề tài khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định lựa chọn ứng dụng giao đồ ăn trực tuyến của khách hàng tại khu vực Đông Nam Bộ" đã hoàn thành trọn vẹn các mục tiêu nghiên cứu đề ra. Thông qua phân tích định lượng thực chứng trên mẫu dữ liệu $N = 371$ khách hàng tại TP.HCM, Bình Dương và Đồng Nai bằng phần mềm SPSS 20.0, nghiên cứu đã chứng minh và lượng hóa được sự tác động đồng thời của 06 nhân tố:

$$QD = 0,292 \times GC + 0,265 \times TT + 0,198 \times HI + 0,174 \times TG + 0,140 \times XH - 0,121 \times RR$$

Kết quả nghiên cứu cung cấp cơ sở khoa học xác thực giúp các doanh nghiệp FoodTech không chỉ tối ưu hóa các chiến dịch tiếp thị số, mà còn xác định rõ trọng tâm nâng cấp sản phẩm: lấy Giá trị kinh tế và Sự thuận tiện công nghệ làm mũi nhọn thu hút, đồng thời triệt tiêu Nhận thức rủi ro để xây dựng lòng tin bền vững của khách hàng trong kỷ nguyên số.