Giới thiệu dự án

Sự bùng nổ của cuộc Cách mạng Công nghiệp 4.0 và chuyển đổi số đã tái định hình toàn diện hành vi người tiêu dùng toàn cầu. Tại Việt Nam, thị trường Thương mại Điện tử (TMĐT) đang ghi nhận mức tăng trưởng kép hàng năm (CAGR) ấn tượng trên 20%. Theo báo cáo của Statista, thị trường quảng cáo truyền thông mạng xã hội (Social Media Advertising - SMA) đạt quy mô doanh thu 97,7 tỷ USD toàn cầu và dự kiến vượt 138,4 tỷ USD, trở thành phân khúc dẫn đầu thị phần tiếp thị số. Trong bức tranh đó, sự trỗi dậy của tính năng thương mại kết hợp giải trí (Shoppertainment) thông qua nền tảng TikTok Shop đã biến mạng xã hội này thành kênh phân phối trực tiếp đầy tiềm năng, đặc biệt đối với ngành hàng thời trang may mặc.

Thế hệ Z (Gen Z - sinh từ năm 1997 đến 2012) hiện chiếm khoảng 25% lực lượng lao động và là động lực tiêu dùng chính trong kỷ nguyên số. Tuy nhiên, các doanh nghiệp thời trang bán lẻ đang đối mặt với những vấn đề nan giải (Pain Points):

  • Hiện tượng "bội thực thông tin quảng cáo" khiến người dùng trẻ ngày càng hoài nghi và phớt lờ các kênh tiếp thị truyền thống.
  • Chi phí thu hút khách hàng (Customer Acquisition Cost - CAC) qua các chiến dịch Influencer Marketing (tiếp thị qua người có ảnh hưởng) leo thang nhanh chóng nhưng tỷ lệ chuyển đổi (Conversion Rate - CR) không đạt kỳ vọng do thiếu mô hình định lượng đánh giá mức độ tác động thực tế của từng đặc tính Influencer.
  • Sự chuyển dịch thói quen mua sắm tức thời trên sàn TikTok Shop đòi hỏi doanh nghiệp phải xác định chính xác các trọng số ảnh hưởng tâm lý nhằm tối ưu ngân sách chiến dịch.
+-----------------------------------------------------------------------------------+
|                              KHUNG VẤN ĐỀ NGHIÊN CỨU                              |
+-----------------------------------------------------------------------------------+
|  Doanh nghiệp thời trang               Gen Z tại TP. Thủ Đức                      |
|  - CAC tăng cao trên TikTok Shop  ---> - Đưa ra quyết định mua đồ qua Livestream/Clip |
|  - Thiếu mô hình lượng hóa ROI         - Chịu tác động phức hợp từ Influencer     |
+-----------------------------------------------------------------------------------+
                                         |
                                         v
+-----------------------------------------------------------------------------------+
| MỤC TIÊU: Mô hình hóa & Lượng hóa 5 nhân tố Influencer tác động đến Quyết định mua |
+-----------------------------------------------------------------------------------+

Nghiên cứu được triển khai nhằm giải quyết triệt để các rào cản trên thông qua các mục tiêu cụ thể:

  1. Xác định và chuẩn hóa hệ thống thang đo các nhân tố cấu thành chiến dịch Influencer Marketing tác động đến quyết định mua quần áo của Gen Z.
  2. Lượng hóa mức độ ảnh hưởng của từng nhân tố độc lập (Sức hút, Chất lượng thông tin, Thương hiệu cá nhân, Giá trị niềm tin, Trình độ chuyên môn) đến biến phụ thuộc (Quyết định mua) thông qua phân tích hồi quy tuyến tính bội.
  3. Kiểm định sự phù hợp của mô hình nghiên cứu tại địa bàn đô thị tri thức đặc thù - Thành phố Thủ Đức, TP. Hồ Chí Minh.
  4. Đề xuất hệ thống hàm ý quản trị và chiến lược thực thi giúp tối ưu hóa ROI (Return on Investment) cho các nhãn hàng thời trang khi triển khai chiến dịch Influencer Marketing trên TikTok Shop.

Dự án áp dụng phương pháp tiếp cận kết hợp (Mixed Methods): nghiên cứu định tính (phỏng vấn chuyên sâu $N=6$) nhằm điều chỉnh thang đo phù hợp bối cảnh thực tế và nghiên cứu định lượng ($N=300$) sử dụng công cụ thống kê IBM SPSS Statistics v20.0. Phạm vi nghiên cứu tập trung vào nhóm khách hàng Gen Z cư trú, học tập và làm việc tại Thành phố Thủ Đức có hành vi mua sắm quần áo may sẵn trên TikTok Shop. Giới hạn nghiên cứu không bao gồm các mặt hàng thời trang thiết kế xa xỉ (Haute Couture) và phân khúc khách hàng ngoài thế hệ Z.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi mua sắm trực tuyến của người tiêu dùng đã được nhiều tác giả tiếp cận qua các lăng kính lý thuyết kinh điển như Thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975), Thuyết hành vi có kế hoạch (TPB - Ajzen, 1991), Mô hình chấp nhận công nghệ (TAM - Davis, 1989), và Mô hình quá trình ra quyết định của Philip Kotler.

Tiêu chí phân tích Nghiên cứu của Lê Thị Ngọc (2019) Nghiên cứu của Phạm Thị Thùy Miên (2021) Đề tài nghiên cứu hiện tại (Võ Duy Hoàng, 2023)
Bối cảnh ứng dụng TMĐT truyền thống (Website, Sàn tổng hợp) Đại sứ thương hiệu Biti's (Celebrity Endorsement) TikTok Shop (Social Commerce / Livestream Affiliate)
Đối tượng & Ngành hàng Mua hàng Online tổng hợp (Sinh viên TP.HCM) Giày dép thời trang Biti's (Giới trẻ Đà Nẵng) Quần áo may sẵn Gen Z (TP. Thủ Đức)
Kích thước mẫu ($N$) $N = 300$ $N = 262$ $N = 300$ (Khảo sát chính thức) + $N = 6$ (Định tính)
Mô hình cốt lõi Mở rộng TAM (Dễ sử dụng, Hữu ích, Rủi ro) Đặc điểm cá nhân người nổi tiếng & Giá trị thông điệp Tích hợp Thuyết nguồn tin (Source Credibility) & Thuyết sức hút (Attractiveness Theory)
Ưu điểm Đánh giá tốt khía cạnh kỹ thuật nền tảng TMĐT Nhấn mạnh vai trò người nổi tiếng truyền thống Phản ánh chính xác hành vi Social Commerce & tính năng giỏ hàng tức thời
Hạn chế Chưa đo lường yếu tố tương tác Influencer Chưa tích hợp bối cảnh sàn TMĐT tích hợp video ngắn Cần mở rộng quy mô mẫu trên toàn quốc

Phân loại yêu cầu nghiên cứu theo mô hình MoSCoW:

  • Must have: Thang đo chuẩn hóa Cronbach's Alpha $> 0.7$; Mô hình phân tích nhân tố khám phá (EFA) trích xuất phương sai $> 50%$; Kiểm định giả định hồi quy không vi phạm đa cộng tuyến (VIF $< 2$).
  • Should have: Phân tích tương quan Pearson chi tiết giữa các biến độc lập và biến phụ thuộc; Ma trận xoay nhân tố Varimax rõ ràng.
  • Could have: Đánh giá sự khác biệt nhân khẩu học (giới tính, thu nhập, tần suất mua sắm) tác động đến quyết định mua.
  • Won't have (this release): Mô hình hóa phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) hoặc mở rộng nghiên cứu sang các ngành hàng điện tử, mỹ phẩm.

Thiết kế hệ thống

Mô hình nghiên cứu đề xuất được xây dựng dựa trên sự kế thừa khung lý thuyết độ tin cậy của nguồn thông điệp (Hovland & Weiss, 1951; Ohanian, 1990) và thuyết sức hút nguồn (McCracken, 1989), bao gồm 5 biến độc lập và 1 biến phụ thuộc:

$$\text{QD} = \beta_0 + \beta_1 \cdot \text{SH} + \beta_2 \cdot \text{CLTT} + \beta_3 \cdot \text{THCN} + \beta_4 \cdot \text{GTNT} + \beta_5 \cdot \text{TDCM} + e$$

Trong đó:

  • $\text{SH}$ (Sức hút của Influencer): Đo lường sự lôi cuốn về ngoại hình, phong cách thời trang, tính khả ái và sự tương đồng lối sống với Gen Z.
  • $\text{CLTT}$ (Chất lượng thông tin): Độ rõ ràng, tính hữu ích, tính cập nhật và chi tiết về chất liệu, kích thước (size chart), giá thành của trang phục may sẵn.
  • $\text{THCN}$ (Thương hiệu cá nhân): Mức độ nhận biết, độ uy tín và vị thế hình ảnh của Influencer trong cộng đồng sáng tạo nội dung thời trang.
  • $\text{GTNT}$ (Giá trị niềm tin): Cảm nhận của người tiêu dùng về tính trung thực, chân thành, tính minh bạch khi Influencer đánh giá (review) sản phẩm mà không phóng đại.
  • $\text{TDCM}$ (Trình độ chuyên môn): Kiến thức phối đồ (mix & match), sự am hiểu về phom dáng, màu sắc và xu hướng thời trang ứng dụng của Influencer.
  • $\text{QD}$ (Quyết định mua): Ý định và hành vi chốt đơn quần áo trực tiếp trên TikTok Shop sau khi theo dõi chiến dịch.

Stack công nghệ và công cụ xử lý dữ liệu:

  • Thu thập dữ liệu: Google Forms API tích hợp Google Sheets để kiểm soát dữ liệu thời gian thực.
  • Xử lý thống kê: IBM SPSS Statistics version 20.0 (hỗ trợ phân tích thống kê mô tả, kiểm định độ tin cậy thang đo, phân tích nhân tố EFA, phân tích tương quan Pearson, hồi quy tuyến tính OLS).
  • Scripting tự động hóa (Python Pipeline): Python v3.10, Pandas v2.0.3, NumPy v1.24.3, Statsmodels v0.14.0 phục vụ đối soát kết quả hồi quy độc lập.
+---------------------------------------------------------------------------------+
|                        KIẾN TRÚC DỮ LIỆU VÀ QUY TRÌNH XỬ LÝ                     |
+---------------------------------------------------------------------------------+
|  [Google Forms Survey]                                                          |
|  [Data Cleaning & Encoding: Likert 5 Levels]                                    |
|  [SPSS v20.0 / Python Statsmodels Engine]                                       |
|  [Báo cáo kết quả & Ma trận trọng số quyết định]                                |
+---------------------------------------------------------------------------------+

Methodology

Quy trình nghiên cứu áp dụng mô hình tuần tự 4 giai đoạn chuẩn mực trong nghiên cứu kinh doanh:

Ma trận đánh giá rủi ro và giải pháp khắc phục (Risk Assessment Matrix):

  • Rủi ro 1: Thiên lệch mẫu (Sampling Bias) do khảo sát trực tuyến. Biện pháp giảm thiểu: Thiết lập câu hỏi gạn lọc (Filter Question) xác nhận độ tuổi Gen Z (1997-2012), địa bàn TP. Thủ Đức và lịch sử đã từng đặt mua quần áo trên TikTok Shop.
  • Rủi ro 2: Khuyết dữ liệu (Missing Values) hoặc đánh dấu ngẫu nhiên (Straight-lining). Biện pháp giảm thiểu: Bắt buộc điền tất cả các trường (Required Fields) và áp dụng thuật toán kiểm tra phương sai phản hồi ($Var < 0.2$ bị loại).
  • Rủi ro 3: Vi phạm các giả định hồi quy (Đa cộng tuyến, Phương sai sai số thay đổi). Biện pháp giảm thiểu: Kiểm soát chỉ số dung sai (Tolerance $> 0.1$) và hệ số phóng đại phương sai ($\text{VIF} < 2.0$), kết hợp đồ thị phân tán phần dư chuẩn hóa (Scatter Plot).

Implementation và kết quả

Development process

Quá trình xây dựng thang đo và tiền xử lý dữ liệu được chuẩn hóa thông qua mã hóa các biến quan sát trên thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý). Hệ thống thuật toán kiểm định chất lượng thang đo được thực thi tự động qua SPSS Syntax và Python Script:

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

# 1. Tải và làm sạch tập dữ liệu khảo sát (N = 300)
df = pd.read_csv("tiktok_shop_influencer_genz_data.csv")

# 2. Định nghĩa danh sách các biến độc lập và biến phụ thuộc
independent_vars = ['SucHut', 'ChatLuongThongTin', 'ThuongHieuCaNhan', 'GiaTriNiemTin', 'TrinhDoChuyenMon']
X = df[independent_vars]
y = df['QuyetDinhMua']

# Thêm hệ số hằng số (Intercept)
X_with_const = sm.add_constant(X)

# 3. Ước lượng mô hình hồi quy tuyến tính bội OLS
ols_model = sm.OLS(y, X_with_const).fit()

# 4. Kiểm tra hiện tượng đa cộng tuyến (Multicollinearity) qua chỉ số VIF
vif_data = pd.DataFrame()
vif_data["Feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]

print(ols_model.summary())
print("\n--- KẾT QUẢ KIỂM ĐỊNH HỆ SỐ VIF ---")
print(vif_data)

Testing và validation

1. Kiểm định độ tin cậy thang đo bằng hệ số Cronbach's Alpha

Hệ số Cronbach's Alpha được sử dụng để kiểm tra tính nhất quán nội tại của các thang đo. Tiêu chuẩn chấp nhận: Hệ số $\alpha \ge 0.70$ và Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.

Mã thang đo Tên biến nghiên cứu Số biến quan sát Cronbach's Alpha ($\alpha$) Tương quan biến - tổng nhỏ nhất Kết luận
SH Sức hút của Influencer 4 0.842 0.589 Đạt chuẩn độ tin cậy cao
CLTT Chất lượng thông tin 4 0.816 0.541 Đạt chuẩn độ tin cậy cao
THCN Thương hiệu cá nhân 3 0.789 0.512 Đạt chuẩn độ tin cậy tốt
GTNT Giá trị niềm tin 4 0.835 0.567 Đạt chuẩn độ tin cậy cao
TDCM Trình độ chuyên môn 4 0.804 0.528 Đạt chuẩn độ tin cậy cao
QD Quyết định mua quần áo 3 0.828 0.601 Đạt chuẩn độ tin cậy cao

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

  • Kiểm định KMO and Bartlett's Test (Các biến độc lập):
    • Hệ số Kaiser-Meyer-Olkin ($\text{KMO}$) = 0.876 ($0.5 \le \text{KMO} \le 1.0$).
    • Kiểm định Bartlett có giá trị thống kê $\chi^2 = 2486.32$, mức ý nghĩa $p = 0.000 < 0.001$, chứng minh các biến quan sát có tương quan chặt chẽ với nhau.
  • Phương pháp trích xuất (Extraction Method): Phân tích thành phần chính (Principal Component Analysis - PCA) với phép quay góc vuông Varimax.
    • Tổng phương sai trích (Cumulative Variance Explained) = 64.38% ($> 50%$), nghĩa là 5 nhân tố trích xuất giải thích được 64.38% độ biến thiên của tập dữ liệu.
    • Tất cả các hệ số tải nhân tố (Factor Loading) đều đạt giá trị $> 0.55$, không có hiện tượng tải chéo vi phạm.

Kết quả đạt được

Kết quả phân tích hồi quy tuyến tính bội OLS phản ánh tác động đồng thời của 5 nhân tố đến quyết định mua quần áo của Gen Z:

Mô hình hồi quy Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị kiểm định $t$ Mức ý nghĩa ($p$-value) Dung sai (Tolerance) Hệ số VIF
(Hằng số / Constant) 0.412 0.185 - 2.227 0.027 - -
Sức hút (SH) 0.345 0.048 0.352 7.188 0.000 0.682 1.466
Chất lượng thông tin (CLTT) 0.228 0.045 0.231 5.067 0.000 0.745 1.342
Giá trị niềm tin (GTNT) 0.186 0.042 0.194 4.429 0.000 0.781 1.280
Trình độ chuyên môn (TDCM) 0.142 0.039 0.148 3.641 0.000 0.812 1.232
Thương hiệu cá nhân (THCN) 0.115 0.038 0.121 3.026 0.003 0.840 1.190

Chỉ số đánh giá mô hình tổng thể:

  • Hệ số xác định $R^2 = 0.582$, Hệ số $R^2$ hiệu chỉnh ($\text{Adjusted } R^2$) = 0.575. Mô hình giải thích được 57.5% sự biến thiên trong quyết định mua quần áo của Gen Z trên TikTok Shop.
  • Kiểm định ANOVA: $F(5, 294) = 81.86$, mức ý nghĩa $p = 0.000 < 0.001$, khẳng định mô hình hồi quy hoàn toàn phù hợp với tổng thể.
  • Hệ số Durbin-Watson = 1.912 (nằm trong khoảng $1.5 - 2.5$), chứng minh không có hiện tượng tự tương quan chuỗi bậc nhất giữa các phần dư.
  • Kiểm định đồ thị Histogram và Normal P-P Plot cho thấy phần dư chuẩn hóa tuân theo quy luật phân phối chuẩn, đồ thị Scatter Plot phân tán ngẫu nhiên xác nhận giả định phương sai không đổi và liên hệ tuyến tính.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn mang tính đột phá cho lĩnh vực Social Commerce:

  1. Lượng hóa thứ bậc tác động của các nhân tố Influencer trên TikTok Shop:

    • Khác biệt với các nghiên cứu trước đây vốn nhấn mạnh vào yếu tố "Chuyên môn" hay "Thương hiệu cá nhân", nghiên cứu này chứng minh Sức hút của Influencer ($\beta = 0.352$) là nhân tố chi phối mạnh mẽ nhất đối với Gen Z. Điều này phản ánh rõ nét đặc tính tâm lý của thế hệ trẻ: họ bị thu hút tức thì bởi phong cách thẩm mỹ cá nhân, ngoại hình ưa nhìn và năng lượng tích cực trong video ngắn trước khi xử lý các thông tin lý tính.
    • Chất lượng thông tin ($\beta = 0.231$) và Giá trị niềm tin ($\beta = 0.194$) xếp vị trí thứ 2 và thứ 3, chứng minh Gen Z không mua hàng mù quáng mà kiểm chứng kỹ lưỡng độ chân thực qua các góc quay cận chất vải, bảng kích cỡ thực tế.

  2. So sánh hiệu quả với các công trình nghiên cứu tiền nhiệm:

    • So với nghiên cứu của Phạm Thị Thùy Miên (2021) trên nền tảng truyền thông đại chúng, nghiên cứu này bổ sung biến số động "Chất lượng thông tin dạng ngắn" đặc thù cho cơ chế gắn thẻ sản phẩm (Yellow Bag) của TikTok Shop.
    • So với mô hình TAM thuần túy của La Thị Tuyết (2021), mô hình tích hợp Source Credibility giải thích thêm 14.2% phương sai biến thiên quyết định mua sắm thời trang.
+-----------------------------------------------------------------------------------+
|               SO SÁNH TRỌNG SỐ TÁC ĐỘNG GIỮA CÁC NHÂN TỐ (BETA)                   |
+-----------------------------------------------------------------------------------+
| Sức hút (SH)             [███████████████████████████████████] 0.352 (Top 1)      |
| Chất lượng thông tin     [███████████████████████] 0.231             (Top 2)      |
| Giá trị niềm tin (GTNT)  [███████████████████] 0.194                 (Top 3)      |
| Trình độ chuyên môn      [███████████████] 0.148                     (Top 4)      |
| Thương hiệu cá nhân      [████████████] 0.121                        (Top 5)      |
+-----------------------------------------------------------------------------------+
  1. Đóng góp khung thang đo bản địa hóa cho đô thị trẻ: Bộ thang đo 22 biến quan sát được tinh chỉnh qua phỏng vấn sâu $N=6$, tương thích hoàn hảo với hành vi tiêu dùng của giới trẻ tại các trung tâm đổi mới sáng tạo như Thành phố Thủ Đức.

Ứng dụng thực tế và triển khai

Dựa trên kết quả nghiên cứu định lượng thực nghiệm, các doanh nghiệp và nhà bán lẻ thời trang có thể áp dụng lộ trình 4 bước để triển khai chiến dịch Influencer Marketing tối ưu trên TikTok Shop:

Chiến lược thực thi theo từng nhân tố cốt lõi:

  • Tối ưu hóa yếu tố Sức hút (Attractiveness):

    • Lựa chọn Micro-Influencer (10k - 100k followers) và KOC (Key Opinion Consumer) có phong cách định hình rõ rệt (Streetwear, Minimalist, Y2K, Chic), có nét tương đồng cao về lối sống với nhóm khách hàng Gen Z mục tiêu.
    • Chú trọng vào kỹ thuật quay dựng video ngắn: ánh sáng chuẩn studio, phối cảnh năng động, âm nhạc xu hướng (trending sound) nhằm giữ chân người xem trong 3 giây đầu tiên.

  • Nâng cao Chất lượng thông tin (Information Quality):

    • Xây dựng kịch bản video/Livestream có cấu trúc: Nêu rõ chiều cao/cân nặng mẫu mặc $\rightarrow$ Trải nghiệm thực tế chất vải (co giãn, thấm hút, độ nhăn) $\rightarrow$ Hướng dẫn chọn size chi tiết $\rightarrow$ Gợi ý tối thiểu 3 công thức phối đồ (mix & match) ứng dụng trong đời sống.
    • Tận dụng tính năng gắn ghim câu hỏi thường gặp (Pinned Q&A) trên luồng phát trực tiếp để giải đáp thắc mắc người mua tức thì.

  • Xây dựng Giá trị niềm tin (Trust Value):

    • Ký hợp đồng nguyên tắc yêu cầu Influencer trải nghiệm sản phẩm tối thiểu 3-5 ngày trước khi thực hiện nội dung quảng cáo.
    • Minh bạch các ưu/nhược điểm nhỏ của trang phục (ví dụ: form áo hơi ôm hoặc chất vải cần ủi nhẹ), tạo dựng sự chân thật thay vì tâng bốc sản phẩm quá đà.

Phân tích hiệu quả kinh tế và ROI dự phóng:

Hạng mục chi phí / Chỉ số Mô hình Booking KOL truyền thống (Macro) Mô hình Chiến dịch KOC / Affiliate tối ưu theo nghiên cứu Mức độ cải thiện (%)
Chi phí cố định (Booking Fee) 50.000.000 VNĐ / Video 10.000.000 VNĐ (Base) + Hoa hồng doanh số Giảm 60% rủi ro vốn ban đầu
Tỷ lệ nhấp giỏ hàng (CTR) 2.5% - 3.8% 6.2% - 8.5% Tăng hơn 100%
Tỷ lệ chuyển đổi đơn hàng (CR) 1.2% 3.4% Tăng 183.3%
Chỉ số ROAS (Return on Ad Spend) 2.1x 4.8x Tăng 128.5%
Tỷ lệ hoàn hủy đơn (Return Rate) 18% - 22% (do sai size/kỳ vọng) 7% - 9% (nhờ chất lượng thông tin cao) Giảm trên 55% chi phí vận hành

Hạn chế và hướng phát triển

Nghiên cứu đã đạt được các mục tiêu khoa học đề ra, tuy nhiên vẫn tồn tại một số hạn chế khách quan cần được ghi nhận:

  1. Phạm vi không gian và phương pháp chọn mẫu: Dữ liệu khảo sát thu thập thuận tiện trên $N=300$ người tiêu dùng tại khu vực Thành phố Thủ Đức. Mặc dù Thủ Đức mang tính đại diện cao cho đô thị tri thức trẻ, kết quả có thể có sự khác biệt nhất định khi mở rộng ra các tỉnh thành khác hoặc khu vực nông thôn.
  2. Đặc thù ngành hàng: Khóa luận tập trung duy nhất vào phân khúc quần áo may sẵn. Hành vi mua sắm các ngành hàng có độ tham gia cao (High-involvement goods) như mỹ phẩm cao cấp, trang sức đắt tiền hoặc đồ công nghệ có thể chịu sự chi phối lớn hơn từ biến "Trình độ chuyên môn" thay vì "Sức hút".
  3. Mô hình thống kê: Nghiên cứu sử dụng hồi quy OLS trên SPSS v20.0 để kiểm tra các tác động trực tiếp, chưa phân tích các biến trung gian (Mediating Variables - như Thái độ đối với thương hiệu) hoặc biến điều tiết (Moderating Variables - như Giới tính, Mức thu nhập, Tần suất lướt TikTok).

Hướng nghiên cứu tiếp theo:

  • Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) để kiểm định các mối quan hệ đa tầng phức hợp.
  • Mở rộng phạm vi khảo sát liên tỉnh ($N \ge 1.000$) trên khắp ba miền Bắc - Trung - Nam nhằm tăng cường tính khái quát hóa của dữ liệu.
  • Tích hợp công nghệ AI và Big Data Analytics để phân tích cảm xúc (Sentiment Analysis) từ hàng triệu bình luận thực tế dưới các video gắn link TikTok Shop.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI DỰ ÁN                              |
+-----------------------------------------------------------------------------------+
+-----------------------------------------------------------------------------------+
  • Doanh nghiệp bán lẻ thời trang & Chủ shop trực tuyến: Sở hữu cẩm nang chiến lược định lượng chính xác để phân bổ ngân sách tiếp thị; chuyển dịch từ hình thức booking người nổi tiếng thụ động sang mạng lưới KOC sáng tạo tập trung vào Sức hút thẩm mỹ và Thông tin minh bạch, giúp tăng gấp đôi tỷ lệ chuyển đổi đơn hàng.
  • Các nhà sáng tạo nội dung (Influencers / KOCs): Hiểu rõ kỳ vọng thực sự của Gen Z khi theo dõi video thời trang; từ đó nâng cao kỹ năng truyền tải thông tin size/vải, giữ vững tính trung thực nhằm duy trì lòng tin dài hạn của người theo dõi (Followers).
  • Sinh viên, Giảng viên và Giới nghiên cứu học thuật: Tiếp cận một tài liệu tham khảo hoàn chỉnh về phương pháp luận nghiên cứu định lượng kết hợp (SPSS + EFA + OLS Regression), bộ câu hỏi khảo sát chuẩn hóa và dữ liệu thực chứng bám sát xu hướng Social Commerce mới nhất tại Việt Nam.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại kết luận "Sức hút" quan trọng hơn "Trình độ chuyên môn" của Influencer?

Gen Z là thế hệ tiếp cận thông tin thị giác cực nhanh thông qua video ngắn (Short-form video). Đối với ngành hàng thời trang may sẵn thường nhật (Daily Wear), quyết định mua hàng mang tính bộc phát và cảm xúc cao (Emotional & Impulse buying). Một Influencer có ngoại hình ưa nhìn, phong cách mặc đẹp và gu thẩm mỹ cuốn hút sẽ tạo ra nguồn cảm hứng tức thì mạnh hơn nhiều so với việc phân tích kỹ thuật may mặc hàn lâm.

2. Cần chuẩn bị những gì để vận hành mô hình khảo sát và phân tích dữ liệu tương tự?

Yêu cầu hệ thống bao gồm:

  • Bộ câu hỏi khảo sát trực tuyến qua Google Forms hoặc Qualtrics.
  • Phần mềm IBM SPSS Statistics (phiên bản từ v20.0 trở lên) hoặc môi trường Python 3.10+ (với các thư viện pandas, statsmodels, factor_analyzer).
  • Tập mẫu tối thiểu đạt quy tắc $N \ge 5 \times k$ (trong đó $k$ là tổng số biến quan sát; với bài toán 22 biến quan sát, mẫu tối thiểu cần đạt $N \ge 110$, mẫu thực tế $N=300$ đảm bảo độ tin cậy vượt trội).

3. Làm thế nào để giải quyết rào cản "Giá trị niềm tin" khi Influencer nhận tiền quảng cáo?

Nhãn hàng nên áp dụng hình thức Affiliate Marketing (tiếp thị liên kết) thay vì trả phí booking cố định thuần túy. Khuyến khích Influencer tự do sáng tạo nội dung chân thực, quay video unbox không qua chỉnh sửa màu quá mức, và cho phép nêu rõ các điểm lưu ý về sản phẩm để gia tăng chỉ số chân thật (Authenticity).

4. Chi phí triển khai chiến dịch Influencer Marketing tối ưu trên TikTok Shop khoảng bao nhiêu?

Với chiến lược KOC đa tầng:

  • Ngân sách khởi điểm từ 15.000.000 - 30.000.000 VNĐ có thể kích hoạt mạng lưới 10 - 20 Micro-KOCs theo hình thức gửi mẫu trải nghiệm (Seeding) kết hợp chia sẻ hoa hồng 10% - 15% trên mỗi đơn hàng thành công, giảm thiểu tối đa áp lực tài chính cho các Start-up thời trang.

5. Kết quả nghiên cứu có áp dụng được cho các nền tảng khác như Shopee Video hay Facebook Reels không?

Hoàn toàn có thể áp dụng. Bản chất hành vi của Gen Z trên các nền tảng video ngắn tích hợp TMĐT là tương đồng. Tuy nhiên, TikTok Shop có ưu thế vượt trội về thuật toán phân phối nội dung "For You Page" (FYP) dựa trên mức độ tương tác, do đó yếu tố Sức hút hình ảnh cần được ưu tiên hàng đầu.

Kết luận

Khóa luận tốt nghiệp của tác giả Võ Duy Hoàng dưới sự hướng dẫn khoa học của TS. Nguyễn Văn Tiến (Trường Đại học Ngân hàng TP. Hồ Chí Minh) đã hoàn thành xuất sắc nhiệm vụ giải mã các yếu tố tác động đến hành vi mua sắm thời trang của thế hệ Z trên sàn TikTok Shop thông qua chiến dịch Influencer Marketing.

Nghiên cứu đã cung cấp bằng chứng thực nghiệm vững chắc: Sức hút của người ảnh hưởng ($\beta = 0.352$), Chất lượng thông tin ($\beta = 0.231$), Giá trị niềm tin ($\beta = 0.194$), Trình độ chuyên môn ($\beta = 0.148$) và Thương hiệu cá nhân ($\beta = 0.121$) đều có tác động thuận chiều có ý nghĩa thống kê đến Quyết định mua sắm của Gen Z ($p < 0.01$).

Trong bối cảnh nền kinh tế số và xu hướng Shoppertainment bùng nổ, công trình không chỉ có giá trị học thuật quan trọng trong việc hoàn thiện lý thuyết tiếp thị người ảnh hưởng tại Việt Nam mà còn là kim chỉ nam hành động cho các doanh nghiệp thời trang trong việc tối ưu hóa chuyển đổi số, cắt giảm chi phí tiếp thị lãng phí và xây dựng lợi thế cạnh tranh bền vững trên thị trường.