Giới thiệu dự án

Thị trường bán lẻ mỹ phẩm và chăm sóc sức khỏe cá nhân (Health & Beauty - H&B) tại Việt Nam đang ghi nhận tốc độ tăng trưởng kép hàng năm (CAGR) đạt xấp xỉ 9.5% giai đoạn 2021–2026. Trong đó, Thành phố Thủ Đức (TP.HCM) – nơi quy tụ hơn 15 trường đại học với hơn 100.000 sinh viên – trở thành địa bàn chiến lược của các chuỗi bán lẻ hàng đầu như Guardian (thuộc tập đoàn DFI Retail Group với hơn 7.000 cửa hàng toàn cầu). Tuy nhiên, các nhà bán lẻ đang đối mặt với sự cạnh tranh gay gắt từ các chuỗi nội địa và quốc tế (Hasaki, Watsons, Matsumoto Kiyoshi, Medicare) cũng như sự dịch chuyển nhanh chóng trong hành vi mua sắm của nhóm khách hàng trẻ thế hệ Gen Z.

Đặc thù của phân khúc sinh viên là ngân sách chi tiêu giới hạn nhưng yêu cầu cao về trải nghiệm mua sắm, tính minh bạch về nguồn gốc xuất xứ và dịch vụ khách hàng. Vấn đề đặt ra là doanh nghiệp chưa định lượng được chính xác trọng số tác động của từng điểm chạm (touchpoint) trong hành trình mua sắm để tối ưu hóa chi phí vận hành và nâng cao tỷ lệ chuyển đổi.

Dự án nghiên cứu "Các yếu tố ảnh hưởng đến quyết định mua hàng của sinh viên tại chuỗi cửa hàng bán lẻ Guardian khu vực Thành phố Thủ Đức" (Mã ngành: Quản trị Kinh doanh - 7340101) được triển khai nhằm giải quyết trực tiếp bài toán kinh doanh này thông qua mô hình kinh tế lượng thực chứng.

Mục tiêu nghiên cứu cụ thể:

  1. Xác định hệ thống các nhân tố cấu thành ảnh hưởng trực tiếp đến quyết định mua sắm của sinh viên tại chuỗi Guardian TP. Thủ Đức.
  2. Đo lường mức độ tác động tương đối (Beta chuẩn hóa) của từng nhân tố đến quyết định mua hàng thông qua mô hình hồi quy tuyến tính bội OLS (Ordinary Least Squares).
  3. Đề xuất hệ thống hàm ý quản trị định lượng giúp tối ưu hóa danh mục sản phẩm, chính sách giá, chuẩn hóa dịch vụ và cải thiện không gian trải nghiệm cửa hàng.

Phương pháp tiếp cận và Phạm vi nghiên cứu:

  • Phương pháp tiếp cận: Kết hợp khung lý thuyết hành vi người tiêu dùng của Philip Kotler (2011), Thuyết hành động hợp lý (TRA) và Thuyết hành vi dự định (TPB), áp dụng quy trình nghiên cứu định lượng chuẩn với $N = 203$ quan sát thực tế được làm sạch từ 250 mẫu khảo sát.
  • Phạm vi không gian: Tập trung vào các điểm bán lẻ Guardian xung quanh Làng Đại học Quốc gia TP.HCM và Trường Đại học Ngân hàng TP.HCM (HUB).
  • Phạm vi thời gian: Thu thập và phân tích dữ liệu sơ cấp từ tháng 10/2023 đến tháng 12/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường bán lẻ H&B hiện đại tại khu vực đô thị đại học đang chứng kiến cuộc đua giữa 4 mô hình bán lẻ chính:

Tiêu chí phân tích Guardian (DFI Group) Hasaki Beauty & Clinic Watsons Vietnam Cửa hàng mỹ phẩm truyền thống
Mô hình kinh doanh Bán lẻ H&B chuyên nghiệp Bán lẻ kết hợp Spa/Clinic Chuỗi bán lẻ H&B quốc tế Bán lẻ truyền thống/Xách tay
Ưu điểm Độ phủ rộng, nguồn gốc 100% chính hãng, layout chuẩn hóa Giá cạnh tranh, dịch vụ chăm sóc da đi kèm Sản phẩm độc quyền, chương trình thành viên mạnh Linh hoạt về giá, không gian nhỏ gọn
Nhược điểm Chiết khấu giá chưa sâu bằng đối thủ Không gian thường quá tải vào giờ cao điểm Số lượng cửa hàng tại Thủ Đức còn ít Rủi ro hàng giả cao, không có hóa đơn chứng từ
Trải nghiệm sinh viên Thân thiện, tiện lợi, tư vấn chuyên nghiệp Tập trung vào giá rẻ và khuyến mãi lớn Trải nghiệm cao cấp, giá định vị trung - cao Khách hàng thiếu sự tin tưởng pháp lý

Phân loại yêu cầu nghiên cứu và hệ thống đo lường (Khung MoSCoW):

  • Must-have (Bắt buộc): Đo lường độ tin cậy thang đo (Cronbach’s Alpha $\ge 0.70$), Phân tích nhân tố khám phá EFA (KMO $\ge 0.5$, Sig. Bartlett $< 0.05$, Variance explained $\ge 50%$), Kiểm định đa cộng tuyến (VIF $< 2.0$) và tự tương quan (Durbin-Watson $\approx 2.0$).
  • Should-have (Nên có): Kiểm định ANOVA về sự khác biệt giữa các nhóm nhân khẩu học (giới tính, mức thu nhập, ngân sách dự chi).
  • Could-have (Có thể mở rộng): Xây dựng module tự động hóa xử lý dữ liệu survey bằng Python script.
  • Won't-have (Không thực hiện): Phân tích mô hình cấu trúc tuyến tính SEM phức tạp (chuyển tiếp sang hướng nghiên cứu tương lai).

Thiết kế hệ thống nghiên cứu

Ngăn xếp công nghệ và công cụ xử lý dữ liệu:

  • Nền tảng phân tích thống kê: IBM SPSS Statistics v20.0 (Core Engine cho kiểm định Cronbach's Alpha, EFA, OLS Regression, ANOVA).
  • Xử lý tiền khả thi & Scripting: Python 3.10 với các thư viện pandas 2.0.3, numpy 1.24.3, statsmodels 0.14.0, scikit-learn 1.3.0.
  • Hệ thống thu thập dữ liệu: Google Forms API kết nối Microsoft Excel 2021 Spreadsheet Engine.
  • Tiêu chuẩn an toàn dữ liệu: Tuân thủ Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân (mã hóa danh tính đáp viên, ẩn địa chỉ IP).

Methodology

Quy trình nghiên cứu trải qua 4 giai đoạn logic:

  1. Thiết kế công cụ đo lường: Xây dựng thang đo Likert 5 mức độ ($1 = \text{Hoàn toàn không đồng ý}$ đến $5 = \text{Hoàn toàn đồng ý}$) dựa trên nghiên cứu của Junio et al. (2013), Dhanabalan et al. (2018), Narayan & Govind (2015).
  2. Kỹ thuật chọn mẫu: Chọn mẫu thuận tiện phi xác suất. Kích thước mẫu tối thiểu theo Hair et al. ($N \ge 5 \times k = 5 \times 30 = 150$). Mẫu thực tế thu về $N = 250$, sau khi làm sạch loại bỏ phiếu không hợp lệ thu được $N = 203$ (đạt tỷ lệ phản hồi hữu dụng 81.2%).
  3. Quy trình kiểm chuẩn chất lượng dữ liệu (Data QA):
    • Kiểm tra Missing Value & Outliers bằng Boxplot.
    • Kiểm định độ tin cậy nội tại bằng hệ số Alpha của Cronbach.
    • Rút trích nhân tố bằng Principal Axis Factoring với phép quay Promax/Varimax.
    • Đánh giá giả định hồi quy (tính chuẩn của phần dư qua biểu đồ Histogram/P-P Plot, tính đồng nhất phương sai qua kiểm định Spearman).

Implementation và kết quả

Development process & Code implementation

Quy trình phân tích dữ liệu được mô hình hóa và tự động hóa thông qua pipeline xử lý Python/SPSS nhằm xác nhận tính nhất quán của thuật toán thống kê:

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

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số Cronbach's Alpha cho thang đo."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    return (k / (k - 1)) * (1 - item_vars.sum() / total_var)

def execute_ols_regression(X: pd.DataFrame, y: pd.Series):
    """Thực thi hồi quy OLS và tính toán hệ số VIF."""
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    
    # Tính Variance Inflation Factor (VIF)
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

# Công thức toán học hồi quy tổng quát:
# QD = beta_0 + beta_1*TL + beta_2*GC + beta_3*TH + beta_4*DV + beta_5*SP + beta_6*KG + epsilon

Thách thức xử lý dữ liệu và giải pháp: Trong giai đoạn phân tích EFA lần 1, 4 biến quan sát gồm DV3 (Khuyến mãi), TL5 (Công khai giá kệ), GC5 (Giá ổn định dài hạn), và KG2 (Thiết bị khẩn cấp) vi phạm tiêu chuẩn giá trị phân biệt (hiệu số hệ số tải Factor Loading $< 0.30$). Tác giả đã quyết định loại bỏ 4 biến này, giữ lại 26 biến quan sát đạt chuẩn tải nhân tố $> 0.50$ trên một nhân tố duy nhất.

Testing và validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha) & EFA

Thang đo biến số Số biến ban đầu Số biến sau EFA Cronbach's Alpha KMO / Factor Loading Phương sai trích (%) Đánh giá
Sự tiện lợi (TL) 5 4 0.823 0.680 - 0.784 -- Đạt chuẩn
Giá cả hàng hóa (GC) 5 4 0.836 0.699 - 0.764 -- Đạt chuẩn
Thương hiệu cửa hàng (TH) 5 5 0.818 0.696 - 0.750 -- Đạt chuẩn
Chất lượng dịch vụ (DV) 5 4 0.829 0.681 - 0.746 -- Đạt chuẩn
Chất lượng sản phẩm (SP) 5 5 0.810 0.684 - 0.748 -- Đạt chuẩn
Không gian mua sắm (KG) 5 4 0.835 0.688 - 0.789 -- Đạt chuẩn
Tổng biến độc lập (EFA) 30 26 -- KMO = 0.857 59.853% Sig. = 0.000
Quyết định mua (QD) 3 3 0.796 KMO = 0.710 71.096% Sig. = 0.000

2. Kết quả ước lượng mô hình hồi quy đa biến (OLS)

Phương trình hồi quy chuẩn hóa được xác lập chính xác:

$$\text{QD} = 0.191 \times \text{TL} + 0.156 \times \text{GC} + 0.125 \times \text{TH} + 0.276 \times \text{DV} + 0.268 \times \text{SP} + 0.236 \times \text{KG}$$

Biến độc lập Hệ số chưa chuẩn hóa (B) Sai số chuẩn Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($Sig.$) Thống kê cộng tuyến (Tolerance) Thống kê cộng tuyến (VIF)
Hằng số ($C$) -0.995 0.225 -- -4.414 0.000 -- --
Sự tiện lợi (TL) 0.210 0.049 0.191 4.287 0.000 0.753 1.327
Giá cả (GC) 0.170 0.049 0.156 3.506 0.001 0.754 1.326
Thương hiệu (TH) 0.135 0.048 0.125 2.793 0.006 0.755 1.325
Dịch vụ (DV) 0.295 0.048 0.276 6.167 0.000 0.751 1.331
Sản phẩm (SP) 0.300 0.050 0.268 5.936 0.000 0.738 1.355
Không gian (KG) 0.247 0.047 0.236 5.306 0.000 0.761 1.314

3. Các chỉ số kiểm chuẩn mô hình tổng thể:

  • Hệ số tương quan đa hợp ($R$): 0.840
  • Hệ số xác định ($R^2$): 0.706
  • Hệ số $R^2$ hiệu chỉnh ($Adjusted\ R^2$): 0.697 (Mô hình giải thích được 69.7% sự biến thiên của Quyết định mua hàng).
  • Kiểm định Fisher ($F$): $F = 78.295$ ($Sig. = 0.000 < 0.01$), bác bỏ giả thuyết $H_0$, mô hình có ý nghĩa thống kê ở mức tin cậy 99%.
  • Kiểm định tự tương quan Durbin-Watson: $d = 2.035$ (nằm hoàn hảo trong khoảng $1.5 < d < 2.5$, không có tự tương quan bậc nhất).
  • Kiểm định đa cộng tuyến: Toàn bộ $VIF < 1.355 \ll 10$, chứng minh không tồn tại hiện tượng đa cộng tuyến.

Kết quả đạt được

Nghiên cứu đã chứng minh cả 6 giả thuyết ($H_1$ đến $H_6$) đều được chấp nhận ở mức ý nghĩa $p < 0.01$. Xếp hạng mức độ tác động giảm dần tới hành vi mua hàng của sinh viên:

  1. Chất lượng dịch vụ ($\beta = 0.276$ - tác động mạnh nhất): Chiếm tỷ trọng tác động lớn nhất. Sinh viên thế hệ mới đánh giá cao sự thân thiện, tốc độ thanh toán và tư vấn chuyên môn.
  2. Chất lượng sản phẩm ($\beta = 0.268$): Mối quan tâm hàng đầu về hạn sử dụng, tem phụ tiếng Việt và niêm phong bao bì.
  3. Không gian mua sắm ($\beta = 0.236$): Môi trường sạch sẽ, máy lạnh mát mẻ và âm nhạc phù hợp kích thích thời gian lưu lại cửa hàng.
  4. Sự tiện lợi ($\beta = 0.191$): Vị trí gần trường/ký túc xá và cách bài trí kệ hàng logic.
  5. Giá cả hàng hóa ($\beta = 0.156$): Tác động ở mức trung bình, sinh viên sẵn sàng trả giá hợp lý nếu chất lượng được cam kết.
  6. Thương hiệu cửa hàng ($\beta = 0.125$): Đóng vai trò tạo dựng niềm tin ban đầu.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mới so với các công trình thực chứng trước đây trong cùng lĩnh vực bán lẻ:

  1. Khám phá nghịch lý độ nhạy giá ở phân khúc sinh viên: Trái ngược với quan điểm truyền thống của Katanyu (2017) và Nguyễn Hoài Tú Nguyên (2021) vốn cho rằng giá cả là yếu tố tiên quyết, nghiên cứu này chứng minh đối với ngành hàng chăm sóc sắc đẹp, sinh viên ưu tiên Chất lượng dịch vụ ($\beta = 0.276$) và Chất lượng sản phẩm ($\beta = 0.268$) cao hơn đáng kể so với Giá cả ($\beta = 0.156$).
  2. Độ chính xác và tính giải thích vượt trội: Mô hình đạt $R^2 \text{ hiệu chỉnh} = 69.7%$, cao hơn đáng kể so với mô hình của Junio et al. (2013) ($R^2 \approx 54%$) và Dhanabalan et al. (2018) ($R^2 \approx 58%$).
  3. Chuẩn hóa thang đo cho chuỗi bán lẻ H&B tại đô thị đại học: Đã sàng lọc và xác lập bộ 26 biến quan sát chuẩn hóa, loại bỏ nhiễu chéo từ các yếu tố tiếp thị đại trà.

Ứng dụng thực tế và triển khai

Dựa trên trọng số hồi quy chuẩn hóa, tác giả xây dựng lộ trình thực thi 6 nhóm giải pháp quản trị chiến lược cho chuỗi Guardian:

Chi tiết các giải pháp thực tế:

  • Tối ưu Chất lượng Dịch vụ ($\beta = 0.276$): Tổ chức định kỳ workshop đào tạo nhân viên về phân biệt loại da, thành phần mỹ phẩm; tích hợp các cổng thanh toán e-wallet không tiền mặt (Momo, Apple Pay, ShopeePay) để giảm thời gian chờ tại quầy dưới 45 giây/khách.
  • Quản trị Chất lượng Sản phẩm ($\beta = 0.268$): Áp dụng quy tắc kiểm kê FEFO (First Expired, First Out), cam kết 100% sản phẩm có tem chống hàng giả điện tử và tem phụ rõ ràng.
  • Nâng cấp Không gian Mua sắm ($\beta = 0.236$): Duy trì nhiệt độ cửa hàng ở mức $22^\circ\text{C} - 24^\circ\text{C}$, bố trí ánh sáng trắng ấm tại khu vực gương soi trang điểm, phân khu trải nghiệm "Tester Zone" sạch sẽ.
  • Tối ưu Mạng lưới Tiện lợi ($\beta = 0.191$): Phát triển mô hình cửa hàng tiện ích thu nhỏ (Guardian Express) đặt cạnh trạm xe buýt đại học và ký túc xá khu A & B Đại học Quốc gia.
  • Chính sách Giá & Khuyến mãi ($\beta = 0.156$): Xây dựng chương trình Student Pass Loyalty tích điểm đổi voucher 15% vào các đợt thi học kỳ.

Hạn chế và hướng phát triển

Hạn chế nghiên cứu:

  • Giới hạn địa bàn: Mẫu khảo sát tập trung tại TP. Thủ Đức, chưa bao quát toàn bộ thị trường TP.HCM và các tỉnh thành khác.
  • Phương pháp chọn mẫu: Lấy mẫu thuận tiện phi xác suất có thể tạo ra độ lệch nhất định về tỷ lệ giới tính (Nữ chiếm 72.4%).
  • Mô hình tĩnh: Thiết kế nghiên cứu cắt ngang (Cross-sectional study) chưa phản ánh được biến động hành vi theo chu kỳ thời gian dài hạn.

Hướng nghiên cứu tiếp theo:

  • Ứng dụng mô hình cấu trúc tuyến tính bình phương nhỏ nhất từng phần (PLS-SEM) để phân tích các biến trung gian (như Sự hài lòng, Lòng trung thành thương hiệu).
  • Mở rộng nghiên cứu hành vi mua sắm đa kênh kết hợp (Omni-channel Retailing: mua online nhận tại cửa hàng BOPIS).

Đối tượng hưởng lợi

  • Sinh viên: Nhận được trải nghiệm mua sắm được cá nhân hóa, tối ưu chi phí thông qua các gói ưu đãi minh bạch và yên tâm tuyệt đối về an toàn da liễu.
  • Doanh nghiệp bán lẻ: Cắt giảm chi phí tiếp thị dàn trải, tập trung ngân sách nâng cấp dịch vụ và trưng bày, ước tính giúp tăng doanh số trung bình trên mỗi giỏ hàng (Basket Size) từ 15% đến 20%.
  • Cộng đồng học thuật: Cung cấp tài liệu tham khảo có giá trị cao về hành vi người tiêu dùng trẻ trong ngành bán lẻ hiện đại tại Việt Nam.

Câu hỏi thường gặp (FAQ)

1. Yêu cầu kỹ thuật và công cụ cần thiết để tái lập mô hình nghiên cứu này?

Để chạy lại toàn bộ quy trình phân tích, nhà nghiên cứu cần máy tính cấu hình tối thiểu 4GB RAM, cài đặt phần mềm IBM SPSS Statistics từ phiên bản 20.0 trở lên hoặc môi trường Python 3.8+ có sẵn các gói statsmodels, pandas, scipy, scikit-learn. Dữ liệu đầu vào cần mã hóa theo thang đo Likert 5 điểm chuẩn.

2. Vì sao biến Giá cả (GC) chỉ đứng thứ 5 trong 6 yếu tố tác động?

Kết quả định lượng cho thấy hệ số $\beta = 0.156$ của biến Giá cả vẫn có ý nghĩa thống kê ($p = 0.001 < 0.05$). Tuy nhiên, đối với sản phẩm chăm sóc sức khỏe và da mặt, rủi ro tổn hại sức khỏe do hàng giả là rất lớn. Do đó, người tiêu dùng trẻ ưu tiên chất lượng phục vụ và nguồn gốc chính hãng trước khi cân nhắc đến mức độ chênh lệch giá.

3. Làm thế nào để tích hợp quy trình nghiên cứu này vào hệ thống CRM của cửa hàng?

Dữ liệu khảo sát hành vi có thể tích hợp trực tiếp vào hệ thống CRM/ERP (như SAP Retail hoặc Oracle Retail) thông qua API để tự động chấm điểm trải nghiệm khách hàng (CSAT/NPS), từ đó kích hoạt thông báo điều chỉnh nhân sự theo thời gian thực tại từng chi nhánh.

4. Chi phí triển khai các khuyến nghị quản trị là bao nhiêu và thời gian thu hồi vốn (ROI)?

Chi phí đào tạo nhân viên và sắp xếp lại không gian tại một cửa hàng ước tính khoảng 30–50 triệu VNĐ. Với mức tăng trưởng doanh thu dự kiến 15% và tỷ lệ quay lại mua sắm tăng 25%, chu kỳ hoàn vốn đầu tư (ROI) ước tính đạt từ 4 đến 6 tháng.

5. Dấu hiệu nào cho thấy mô hình hồi quy không bị hiện tượng đa cộng tuyến?

Mô hình kiểm soát đa cộng tuyến thông qua hai chỉ số: Hệ số phóng đại phương sai VIF đều nằm trong khoảng $1.314 - 1.355$ (thấp hơn nhiều so với ngưỡng cảnh báo 2.0 và trần tối đa 10.0), và Độ chấp nhận Tolerance đều đạt $> 0.738$ (vượt xa mức tối thiểu 0.10).

Kết luận

Đồ án khóa luận tốt nghiệp của tác giả Phạm Trúc Thy đã hoàn thành xuất sắc việc lượng hóa các yếu tố tác động đến hành vi mua sắm của sinh viên tại chuỗi bán lẻ Guardian TP. Thủ Đức. Với phương pháp nghiên cứu chặt chẽ, mô hình hồi quy đa biến đã chứng minh sức mạnh giải thích 69.7% thực tế hành vi tiêu dùng, làm nổi bật vai trò quyết định của Chất lượng dịch vụ ($\beta = 0.276$) và Chất lượng sản phẩm ($\beta = 0.268$).

Kết quả nghiên cứu không chỉ đóng góp về mặt lý luận trong việc chuẩn hóa thang đo hành vi bán lẻ mỹ phẩm tại Việt Nam, mà còn cung cấp một bản kế hoạch hành động khả thi, định lượng và rõ ràng cho các nhà quản trị chuỗi bán lẻ hiện đại.

Hành động đề xuất: Quý bạn đọc, nhà nghiên cứu và doanh nghiệp quan tâm có thể áp dụng ngay bộ thang đo và pipeline phân tích thực chứng này để tối ưu hóa mô hình bán lẻ tại các khu đô thị đại học trên toàn quốc.