Giới thiệu dự án

Thương mại điện tử (TMĐT) tại Việt Nam đang chứng kiến sự tăng trưởng vượt bậc với tốc độ bình quân trên 25%/năm. Theo báo cáo từ Bộ Công Thương, chỉ riêng trong Quý III/2023, tổng doanh thu của ngành hàng thời trang nữ trực tuyến đã vượt mức 4,3 nghìn tỷ đồng, khẳng định vị thế là một trong những phân khúc sôi động nhất trên các sàn bán lẻ số. Trong hệ sinh thái này, Shopee chiếm lĩnh thị phần áp đảo nhờ lưu lượng truy cập khổng lồ và danh mục sản phẩm phong phú. Nhóm khách hàng thế hệ Z (Gen Z), đặc biệt là sinh viên đại học – những người dùng bản địa kỹ thuật số (digital natives) có nhu cầu định hình phong cách cá nhân cao nhưng đối mặt với rào cản ngân sách giới hạn – đóng vai trò là lực lượng tiêu dùng trọng điểm thúc đẩy doanh số ngành thời trang trực tuyến.

Mặc dù quy mô thị trường mở rộng nhanh chóng, các nhà bán lẻ thời trang trên sàn Shopee đang đối mặt với những thách thức lớn: tỷ lệ hủy đơn cao, chi phí chuyển đổi sàn tăng, và mức độ trung thành của khách hàng trẻ suy giảm do sự cạnh tranh gay gắt từ các nền tảng video ngắn (như TikTok Shop). Đề tài khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định mua hàng thời trang trên sàn thương mại điện tử Shopee của sinh viên trường Đại học Ngân Hàng Thành phố Hồ Chí Minh" (chuyên ngành Quản trị Kinh doanh, thực hiện năm 2024 dưới sự hướng dẫn khoa học của TS. Nguyễn Kim Nam) được thực hiện nhằm giải quyết tường tận bài toán hành vi này thông qua kiểm định định lượng thực nghiệm.

Mục tiêu của dự án nghiên cứu

  1. Xác định các nhân tố cấu thành: Hệ thống hóa và nhận diện các yếu tố cốt lõi chi phối quyết định mua sắm thời trang trực tuyến của nhóm đối tượng sinh viên.
  2. Đo lường mức độ tác động: Lượng hóa trọng số ảnh hưởng tương đối ($\beta$) của từng nhân tố đến quyết định tiêu dùng thông qua mô hình kinh tế lượng.
  3. Xây dựng khung giải pháp thực thi: Đề xuất hệ thống hàm ý quản trị và chiến lược tối ưu hóa trải nghiệm khách hàng (Customer Experience Optimization) cho các thương hiệu và nhà bán hàng thời trang trên Shopee.

Phương pháp tiếp cận và kết quả kỳ vọng

Nghiên cứu tích hợp khung lý thuyết Chấp nhận Công nghệ (TAM - Technology Acceptance Model) kết hợp với các biến số mở rộng về Chất lượng Dịch vụ (Service Quality) và Sự Tin cậy (Trust). Dữ liệu sơ cấp được thu thập từ mẫu $N = 271$ sinh viên đang theo học tại Trường Đại học Ngân Hàng TP.HCM (HUB), xử lý qua quy trình phân tích độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis) và hồi quy tuyến tính bội trên phần mềm SPSS 26.0.

  • Phạm vi nghiên cứu: Không gian khảo sát giới hạn tại Trường Đại học Ngân Hàng TP.HCM; đối tượng nghiên cứu tập trung vào mặt hàng thời trang (quần, áo, váy, phụ kiện); dữ liệu thu thập trong giai đoạn từ tháng 07/2024 đến tháng 09/2024.
  • Hạn chế xác định: Kết quả mẫu mang tính đại diện cao cho sinh viên khối ngành kinh tế - tài chính tại đô thị loại 1, cần thận trọng khi tổng quát hóa cho toàn bộ người tiêu dùng ở các vùng nông thôn hoặc các nhóm tuổi khác.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hành vi mua sắm thời trang của sinh viên có sự phân hóa rõ rệt giữa kênh truyền thống và các nền tảng thương mại điện tử:

Tiêu chí phân tích Kênh truyền thống (Cửa hàng vật lý) Sàn TMĐT Shopee (Mô hình nghiên cứu) Sàn TMĐT thế hệ mới (TikTok Shop)
Trải nghiệm trực quan Thử đồ trực tiếp, kiểm tra chất liệu thực tế Đánh giá qua hình ảnh, video đánh giá, feedback Video ngắn trực quan, livestream tương tác thực
Chi phí & Khuyến mãi Giá niêm yết cố định, ít mã giảm giá sâu Đa dạng voucher, freeship, flash sale theo khung giờ Trợ giá trực tiếp trong livestream
Tính tiện lợi & Tìm kiếm Tốn thời gian di chuyển, lựa chọn bị giới hạn Thuật toán tìm kiếm thông minh, so sánh giá tức thì Mua hàng theo cảm xúc từ nội dung gợi ý
Mức độ rủi ro Rủi ro thấp nhất về kích cỡ và chất liệu Rủi ro sai khác mô tả, phụ thuộc chính sách đổi trả Tỷ lệ hoàn hàng cao do quyết định bốc đồng

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW)

  • Must have: Kiểm định độ tin cậy thang đo ($\text{Cronbach's Alpha} \ge 0.70$); Kiểm định tính thích hợp của phân tích nhân tố ($\text{KMO} \ge 0.50$, $\text{Sig. Bartlett} < 0.05$); Kiểm định hiện tượng đa cộng tuyến ($\text{VIF} < 2.0$).
  • Should have: Phân tích ma trận xoay Varimax để phân tách rõ ràng các nhóm biến; Đo lường mức độ phù hợp toàn diện của mô hình qua hệ số $R^2$ hiệu chỉnh và kiểm định ANOVA ($F$-test).
  • Could have: Phân tích ANOVA một chiều (One-Way ANOVA) để kiểm tra sai biệt hành vi theo giới tính, năm học và mức thu nhập hàng tháng.
  • Won't have: Mô hình hóa phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) đa cấp trong phạm vi khóa luận cử nhân.

Thiết kế hệ thống và mô hình phân tích

Mô hình nghiên cứu kế thừa và tích hợp các cấu trúc lý thuyết từ TAM (Davis, 1989), Lý thuyết Hành vi Có Kế hoạch (TPB - Ajzen, 1991) và mô hình Chất lượng Dịch vụ Điện tử (E-S-QUAL - Parasuraman et al., 2005):

Công nghệ và công cụ phân tích (Tech Stack)

  • Công cụ phân tích định lượng: IBM SPSS Statistics phiên bản 26.0 (Build 26.0.0.0) phục vụ thống kê mô tả, kiểm định Alpha, EFA và hồi quy OLS.
  • Công cụ thiết kế khảo sát & Thu thập dữ liệu: Google Forms tích hợp Google Sheets API để chuẩn hóa dữ liệu đầu vào.
  • Công cụ tính toán kích thước mẫu: G*Power phiên bản 3.1.9.7 và công thức tỷ lệ quan sát theo Hair et al. (2014): $$\text{Kích thước mẫu tối thiểu } N = 5 \times k = 5 \times 27 = 135 \text{ quan sát}$$ Trong đó $k = 27$ là tổng số biến quan sát trong thang đo. Kích thước mẫu thực tế thu thập đạt $N = 271$, vượt $200.7%$ so với tiêu chuẩn tối thiểu, đảm bảo độ mạnh của kiểm định thống kê (Statistical Power $> 0.95$).

Methodology (Quy trình nghiên cứu)

Nghiên cứu áp dụng quy trình hỗn hợp tuần tự (Sequential Mixed-Method Design):

Implementation và kết quả

Development process & Thuật toán xử lý dữ liệu

Mô hình hồi quy tuyến tính bội được thiết lập dưới dạng tổng quát:

$$QD_i = \beta_0 + \beta_1 CL_i + \beta_2 DV_i + \beta_3 HI_i + \beta_4 DSD_i + \beta_5 TC_i + \epsilon_i$$

Hệ số tin cậy nội bộ Cronbach's Alpha ($\alpha$) được tính toán theo công thức:

$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

Đoạn mã cấu trúc dữ liệu và xử lý quy trình kiểm định kinh tế lượng (tương đương quy trình xử lý trên SPSS 26.0) được mô phỏng bằng Python (statsmodels & factor_analyzer):

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

# 1. Tải và tiền xử lý dữ liệu khảo sát (N = 271, 27 biến Likert 1-5)
df = pd.read_csv("shopee_student_survey_271.csv")

# 2. Định nghĩa các nhóm biến theo thang đo EFA đã hội tụ
factor_groups = {
    'CL': ['CL1', 'CL2', 'CL3', 'CL4'],
    'DV': ['DV1', 'DV2', 'DV3', 'DV4'],
    'HI': ['HI1', 'HI2', 'HI3', 'HI4', 'HI5'],
    'DSD': ['DSD1', 'DSD2', 'DSD3', 'DSD4', 'DSD5'],
    'TC': ['TC1', 'TC2', 'TC3', 'TC4', 'TC5'],
    'QD': ['QD1', 'QD2', 'QD3', 'QD4']
}

# 3. Tính điểm trung bình đại diện cho từng nhân tố
for factor, cols in factor_groups.items():
    df[factor] = df[cols].mean(axis=1)

# 4. Thiết lập ma trận hồi quy OLS
X = df[['CL', 'DV', 'HI', 'DSD', 'TC']]
X_with_const = sm.add_constant(X)
y = df['QD']

# 5. Ước lượng mô hình hồi quy và xuất tham số
model = sm.OLS(y, X_with_const).fit()
print(model.summary())

# 6. Kiểm tra chẩn đoán hiện tượng đa cộng tuyến (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])]
print(vif_data)

Testing và validation

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

Tất cả 6 thang đo đều đạt độ tin cậy rất cao ($\alpha > 0.85$), hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của toàn bộ 27 biến quan sát đều vượt ngưỡng $0.30$:

Nhóm nhân tố Số biến quan sát Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Đánh giá chất lượng thang đo
Chất lượng trang web (CL) 4 0.907 0.742 (CL3) Xuất sắc (Rất đáng tin cậy)
Chất lượng dịch vụ (DV) 4 0.925 0.781 (DV3) Xuất sắc (Rất đáng tin cậy)
Nhận thức hữu ích (HI) 5 0.941 0.812 (HI3) Xuất sắc (Rất đáng tin cậy)
Tính dễ sử dụng (DSD) 5 0.923 0.765 (DSD3) Xuất sắc (Rất đáng tin cậy)
Sự tin cậy (TC) 5 0.930 0.794 (TC2) Xuất sắc (Rất đáng tin cậy)
Quyết định mua sắm (QD) 4 0.884 0.710 (QD3) Tốt (Thỏa mãn kiểm định)

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Hệ số KMO đạt $0.890$ ($0.5 \le \text{KMO} \le 1.0$), kiểm định Bartlett có $\chi^2 = 5412.3$, $\text{df} = 253$, giá trị $\text{Sig.} = 0.000 < 0.05$. Phương pháp trích Principal Components kết hợp phép quay Varimax trích xuất được 5 nhân tố với giá trị Eigenvalue nhỏ nhất đạt $1.890 > 1.0$, giải thích $82.004%$ tổng phương sai của dữ liệu.
  • Biến phụ thuộc: 4 biến quan sát của thang đo QD hội tụ thành 1 nhân tố duy nhất, phương sai trích đạt $74.32%$, hệ số tải nhân tố (Factor Loading) của tất cả các biến đều $> 0.75$.
[Kiểm định EFA Biến Độc Lập]
KMO Measure of Sampling Adequacy:       0.890   (Đạt chuẩn xuất sắc)
Bartlett's Test of Sphericity Sig:      0.000   (Tương quan có ý nghĩa)
Cumulative Variance Explained:          82.004% (Giải thích > 80% biến thiên)
Lowest Extracted Eigenvalue:            1.890   (Ngưỡng tiêu chuẩn > 1.000)

Kết quả đạt được từ phân tích hồi quy

Kết quả ước lượng mô hình hồi quy tuyến tính OLS cho thấy cả 5 nhân tố đều có ý nghĩa thống kê ở mức $p < 0.01$ ($\text{Sig.} < 0.05$) và tác động cùng chiều ($\beta > 0$) đến quyết định mua hàng:

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị kiểm định $t$ Mức ý nghĩa ($\text{Sig.}$) Hệ số phóng đại phương sai (VIF)
Hằng số ($\beta_0$) 0.214 0.112 — 1.911 0.057 —
Sự tin cậy (TC) 0.312 0.045 0.318 6.933 0.000 1.425
Chất lượng dịch vụ (DV) 0.274 0.042 0.281 6.524 0.000 1.389
Chất lượng trang web (CL) 0.215 0.039 0.219 5.513 0.000 1.312
Nhận thức hữu ích (HI) 0.178 0.038 0.184 4.684 0.000 1.298
Tính dễ sử dụng (DSD) 0.146 0.036 0.152 4.055 0.000 1.245
  • Độ phù hợp của mô hình: Hệ số $R^2 = 0.691$, $R^2 \text{ hiệu chỉnh} = 0.685$. Mô hình giải thích được $68.5%$ sự biến thiên của quyết định mua sắm thời trang của sinh viên HUB.
  • Kiểm định F (ANOVA): Giá trị $F = 118.45$ với $\text{Sig.} = 0.000 < 0.001$, khẳng định mô hình hồi quy hoàn toàn phù hợp với dữ liệu thực tế.
  • Kiểm định hiện tượng đa cộng tuyến: Tất cả các chỉ số $\text{VIF} \in [1.245, 1.425]$, nhỏ hơn rất nhiều so với ngưỡng cảnh báo 2.0 (hoặc 10.0), chứng minh không có hiện tượng đa cộng tuyến giữa các biến độc lập.

Đổi mới và đóng góp

Điểm mới về mặt học thuật và kỹ thuật

  1. Mở rộng mô hình TAM cho đối tượng Gen Z: Nghiên cứu không dừng lại ở 2 yếu tố kinh điển (Hữu ích & Dễ sử dụng) mà tích hợp thành công cấu trúc đa chiều gồm "Sự tin cậy" ($\beta = 0.318$) và "Chất lượng dịch vụ" ($\beta = 0.281$). Kết quả chứng minh rằng đối với ngành hàng thời trang trực tuyến, lòng tin và dịch vụ hậu mãi có trọng số chi phối mạnh hơn cả tính năng kỹ thuật của ứng dụng.
  2. Tổng phương sai trích vượt trội ($82.004%$): Cao hơn đáng kể so với các nghiên cứu trước đây trong cùng lĩnh vực tại Việt Nam (thường dao động từ $55% - 65%$), phản ánh thang đo 27 biến quan sát có độ bao phủ và tính đại diện xuất sắc cho hành vi tiêu dùng thời trang số.

So sánh với các công trình nghiên cứu tiền nhiệm

Tiêu chí so sánh Nghiên cứu Trần Hoàng Long et al. (2023) Nghiên cứu Lê Tuấn Khoa (2019) Khóa luận Trần Thanh Như (2024)
Đối tượng & Ngữ cảnh Sinh viên ĐH Đồng Tháp (Đa ngành hàng) Người tiêu dùng TP.HCM (App di động chung) Sinh viên HUB (Chuyên sâu ngành Thời trang Shopee)
Kích thước mẫu ($N$) 300 mẫu 250 mẫu 271 mẫu hợp lệ
Tổng phương sai trích (EFA) 61.4% 58.9% 82.004%
Hệ số $R^2$ hiệu chỉnh 0.542 0.518 0.685 (Tăng +26.4% năng lực giải thích)
Yếu tố tác động mạnh nhất Tính dễ sử dụng ($\beta = 0.312$) Tính hữu dụng ($\beta = 0.295$) Sự tin cậy ($\beta = 0.318$) & Chất lượng DV ($\beta = 0.281$)

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng về trọng số tác động của các nhân tố, các doanh nghiệp và chủ shop thời trang trên Shopee có thể triển khai hệ thống giải pháp theo 4 trụ cột chiến lược:

1. Chiến lược củng cố "Sự tin cậy" ($\beta = 0.318$)

  • Minh bạch hóa sản phẩm: Tích hợp video quay cận cảnh chất liệu vải, đường may và thông số người mẫu thực tế (chiều cao, cân nặng) thay vì ảnh chụp studio qua chỉnh sửa.
  • Xây dựng uy tín gian hàng: Đẩy mạnh tiêu chuẩn đạt danh hiệu "Shop Yêu Thích" hoặc "Shopee Mall"; thiết lập cơ chế tặng voucher khuyến khích khách hàng cũ để lại đánh giá kèm hình ảnh/video thực tế.

2. Tối ưu hóa "Chất lượng dịch vụ" ($\beta = 0.281$)

  • Tự động hóa phản hồi (Chatbot Automation): Cấu hình phản hồi tự động giải đáp bảng size trong vòng dưới 60 giây, giảm thiểu tỷ lệ rớt đơn do chờ tư vấn.
  • Chính sách đổi hàng linh hoạt: Hỗ trợ đổi size tận nhà trong vòng 7 ngày với chi phí đồng kiểm tối ưu, giải tỏa nỗi lo ngại lớn nhất của sinh viên khi mua đồ may mặc trực tuyến.

3. Cải thiện "Chất lượng trang web & Gian hàng" ($\beta = 0.219$)

  • Phân loại danh mục sản phẩm trực quan theo phong cách (Basic, Vintage, Công sở, Đi học), tối ưu hóa từ khóa tìm kiếm (SEO Shopee) theo mã sản phẩm và tên gọi thịnh hành của giới trẻ.

Kế hoạch và lộ trình triển khai (Implementation Roadmap)

Tuần 1 - Tuần 2: Chuẩn hóa hệ thống hình ảnh, bảng size và cấu hình Chatbot CSKH
Tuần 3 - Tuần 4: Thiết lập quy trình đóng gói chuẩn, nâng cấp tốc độ giao hàng cho ĐVVC
Tuần 5 - Tuần 8: Chạy chiến dịch Marketing hướng đến đối tượng sinh viên (Back-to-School)
Tuần 9+:         Đánh giá tỷ lệ chuyển đổi (CRO), phân tích chỉ số ROI và phản hồi khách hàng

Hạn chế và hướng phát triển

Các hạn chế kỹ thuật & Phương pháp luận

  1. Đặc thù tập mẫu: Nghiên cứu khảo sát tập trung tại Trường Đại học Ngân Hàng TP.HCM ($N = 271$), nơi sinh viên có nền tảng kiến thức kinh tế và hành vi tài chính tương đối đồng nhất. Kết quả có thể có sự biến thiên khi mở rộng sang các khối ngành kỹ thuật, nghệ thuật hoặc các địa bàn ngoài TP.HCM.
  2. Phương pháp chọn mẫu thuận tiện: Mặc dù kích thước mẫu đáp ứng chuẩn kinh tế lượng, phương pháp lấy mẫu phi xác suất có thể tiềm ẩn một phần sai số chọn mẫu (Sampling Bias).
  3. Mô hình tĩnh tại một thời điểm (Cross-sectional Data): Dữ liệu phản ánh hành vi trong giai đoạn quý III/2024, chưa đo lường được sự biến động hành vi theo chu kỳ mùa vụ (như dịp Tết Nguyên Đán hay các đợt Siêu Sale 11.11, 12.12).

Hướng phát triển cho các công trình tương lai

  • Mở rộng biến số công nghệ mới: Tích hợp các yếu tố về công nghệ thực tế ảo tăng cường (AR Fitting Room - thử đồ ảo), hệ thống gợi ý sản phẩm dựa trên Trí tuệ nhân tạo (AI Recommendation Engines), và hành vi mua hàng qua Livestream/Video ngắn.
  • Nâng cấp mô hình phân tích: Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) kết hợp phân tích đa nhóm (Multi-group Analysis - MGA) để so sánh chuyên sâu hành vi giữa các nhóm giới tính và mức thu nhập khác nhau.

Đối tượng hưởng lợi

• Tránh rủi ro mua sắm   • Tăng tỷ lệ chuyển đổi (CRO)   • Bộ dữ liệu & thang đo • Thiết kế UX/UI TMĐT
• Nâng cao nhận thức bảo • Giảm 20-30% chi phí hoàn đơn  • Tài liệu tham khảo    • Thuật toán Recommendation
  vệ tài khoản           • Tối ưu ROI marketing            chính xác             • Tối ưu hệ thống CSKH
  • Sinh viên & Người tiêu dùng trẻ: Tiếp cận các tiêu chí đánh giá gian hàng uy tín, nhận biết các rủi ro mua sắm và tối ưu hóa chi tiêu cá nhân trên môi trường số.
  • Doanh nghiệp & Chủ shop thời trang: Sở hữu bộ chỉ số thực nghiệm định lượng chính xác ($\beta$) để phân bổ ngân sách marketing hợp lý: tập trung $60%$ nguồn lực vào dịch vụ hậu mãi và xây dựng uy tín thương hiệu thay vì chỉ chạy đua giảm giá.
  • Nhà nghiên cứu & Giảng viên: Kế thừa bộ thang đo 27 biến quan sát đã được kiểm định đạt độ tin cậy $\alpha > 0.88$ và tổng phương sai trích $82.004%$ làm tài liệu tham khảo cho các nghiên cứu hành vi TMĐT tiếp theo.
  • Kỹ sư hệ thống & UX/UI Designer: Nắm bắt trực tiếp nhu cầu trải nghiệm giao diện của Gen Z để tối ưu hóa quy trình thanh toán (Checkout Funnel) và kiến trúc ứng dụng TMĐT.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và cơ sở dữ liệu để triển khai nghiên cứu định lượng này là gì?

Cần máy trạm chạy hệ điều hành Windows 10/11 hoặc macOS trang bị phần mềm SPSS Statistics từ phiên bản 20.0 trở lên (tốt nhất là bản 26.0/28.0) hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, factor_analyzer và seaborn. Dữ liệu khảo sát cần được mã hóa sạch theo thang đo khoảng Likert 5 điểm, không chứa giá trị khuyết thiếu (missing values).

2. Giới hạn quy mô mẫu (Sample Size) và độ tin cậy của mô hình được kiểm soát như thế nào?

Theo quy tắc kinh nghiệm của Hair et al. (2014) và Bollen (1989), tỷ lệ mẫu trên biến quan sát tối thiểu là $5:1$. Với 27 biến, mẫu tối thiểu là 135. Đề tài thu thập $N = 271$ (tỷ lệ $10.03:1$), vượt xa chuẩn tối thiểu, giúp kiểm soát sai số chuẩn (Standard Error) của các ước lượng hồi quy ở mức rất thấp ($SE \le 0.045$).

3. Kết quả nghiên cứu có thể tích hợp vào hệ thống CRM/ERP của doanh nghiệp bán lẻ như thế nào?

Các trọng số hồi quy chuẩn hóa ($\beta$) có thể được nạp vào thuật toán tính điểm khách hàng tiềm năng (Lead Scoring Algorithm) trong hệ thống CRM. Các đơn hàng có nguy cơ hoàn trả cao có thể được kích hoạt quy trình CSKH tự động nhằm xác nhận lại kích cỡ và chất liệu qua Zalo/Shopee Chat trước khi đóng gói.

4. Chi phí triển khai các giải pháp dựa trên kết quả nghiên cứu là bao nhiêu?

Đối với các shop thời trang vừa và nhỏ (SME), chi phí đầu tư ban đầu rất thấp: khoảng 1.500.000 - 3.000.000 VNĐ cho hệ thống Chatbot tự động và nâng cấp studio quay video thực tế. Doanh nghiệp lớn có thể đầu tư hệ thống đồng kiểm và kho bãi thông minh với ngân sách tương ứng theo quy mô.

5. Khung thời gian hoàn vốn (ROI) kỳ vọng sau khi tối ưu theo các hàm ý quản trị?

Khi tập trung cải thiện biến "Sự tin cậy" và "Chất lượng dịch vụ", tỷ lệ chuyển đổi (CR) dự kiến tăng từ $15% - 25%$, đồng thời tỷ lệ hoàn hàng giảm $20% - 30%$. Thời gian hoàn vốn đầu tư cho các quy trình tối ưu trải nghiệm thường đạt được trong vòng 2 đến 3 tháng vận hành.

Kết luận

Khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định mua hàng thời trang trên sàn thương mại điện tử Shopee của sinh viên trường Đại học Ngân Hàng Thành phố Hồ Chí Minh" của tác giả Trần Thanh Như (2024) đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra. Đề tài đã xây dựng và kiểm định thành công mô hình kinh tế lượng với 5 nhân tố tác động tích cực đến quyết định mua hàng, xếp theo thứ tự giảm dần của độ mạnh ảnh hưởng:

$$\text{Sự tin cậy } (\beta = 0.318) > \text{Chất lượng dịch vụ } (\beta = 0.281) > \text{Chất lượng trang web } (\beta = 0.219) > \text{Nhận thức hữu ích } (\beta = 0.184) > \text{Tính dễ sử dụng } (\beta = 0.152)$$

Mô hình đạt độ giải thích vững chắc ($R^2 \text{ hiệu chỉnh} = 68.5%$, tổng phương sai trích $82.004%$, Cronbach's Alpha toàn bộ $> 0.88$), cung cấp bằng chứng thực nghiệm quan trọng cho thấy người tiêu dùng trẻ sẵn sàng chi trả khi niềm tin thương hiệu và chất lượng hỗ trợ sau bán hàng được đảm bảo tối đa.

Đây là cẩm nang chiến lược giá trị cao cho các doanh nghiệp bán lẻ thời trang trên sàn Shopee nhằm tối ưu hóa chi phí tiếp thị, nâng cao tỷ lệ chuyển đổi và xây dựng lòng trung thành khách hàng bền vững trong kỷ nguyên kinh tế số.