Giới thiệu dự án

Thị trường thực phẩm tươi sống (TPTS) tại Việt Nam đang trải qua bước chuyển dịch cơ cấu mạnh mẽ dưới tác động của quá trình đô thị hóa và sự gia tăng tầng lớp trung lưu. Theo dự báo từ Fitch Solutions, tăng trưởng GDP Việt Nam duy trì ở mức 6,3% (2024) và 7,0% (2025), thúc đẩy chi tiêu cho các mặt hàng thực phẩm chất lượng cao. Thống kê từ Đại học Nông Lâm TP.HCM (HCMUAF) chỉ ra rằng mức tiêu thụ thủy hải sản trung bình của một hộ gia đình đô thị đạt 67,0 kg/năm (tương đương 15,9 kg/người/năm), trong đó hải sản tươi sống (HSTS) chiếm tỷ trọng áp đảo lên tới 91,4%, vượt trội hoàn toàn so với sản phẩm khô hay đông lạnh (8,6%).

          TỶ TRỌNG TIÊU THỤ HẢI SẢN TẠI ĐÔ THỊ
  Tổng mức tiêu thụ: 67.0 kg/hộ/năm (~15.9 kg/người/năm)

Tuy nhiên, bối cảnh thị trường đang đối mặt với những thách thức nghiêm trọng về an toàn vệ sinh thực phẩm (ATVSTP). Theo báo cáo của Bộ Y tế và Tổng cục Thống kê, các vụ ngộ độc thực phẩm do tiêu thụ thực phẩm bẩn, hải sản bảo quản bằng hóa chất công nghiệp độc hại (như Hydrogen peroxide Interox ST50) và tình trạng hải sản đông lạnh không rõ nguồn gốc xuất xứ bán trôi nổi trên không gian mạng đã tạo ra tâm lý e ngại lớn cho người tiêu dùng. Nhóm khách hàng đô thị tại TP.HCM ngày càng khắt khe, chuyển dịch từ các kênh chợ truyền thống sang chuỗi cửa hàng tươi sống (CHTS) chuyên doanh nhờ cam kết kiểm định chất lượng, nguồn gốc rõ ràng và dịch vụ tiện ích đi kèm.

  • Vấn đề nghiên cứu (Problem Statement): Mặc dù nhu cầu đối với HSTS tại chuỗi cửa hàng hiện đại tăng trưởng nhanh, các doanh nghiệp bán lẻ vẫn gặp khó khăn trong việc xác định chính xác các trọng số ảnh hưởng đến hành vi mua sắm của khách hàng để tối ưu hóa chuỗi cung ứng, chính sách giá và chất lượng dịch vụ khách hàng (CSKH).
  • Mục tiêu nghiên cứu cụ thể:
    1. Mục tiêu 1: Xác định và chuẩn hóa hệ thống các nhân tố cấu thành ảnh hưởng đến quyết định tiêu dùng HSTS tại các chuỗi CHTS trên địa bàn TP.HCM.
    2. Mục tiêu 2: Đo lường, kiểm định mô hình định lượng và xác định mức độ tác động tương đối (trọng số hồi quy $\beta$) của từng nhân tố đến quyết định tiêu dùng.
    3. Mục tiêu 3: Đề xuất hệ thống hàm ý quản trị có tính khả thi cao nhằm giúp các nhà quản trị chuỗi CHTS nâng cao trải nghiệm khách hàng và tối ưu doanh thu.
  • Phương pháp tiếp cận giải pháp: Kết hợp phương pháp nghiên cứu hỗn hợp (Mixed Methods): nghiên cứu định tính (phỏng vấn sâu chuyên gia $n=20$) để hiệu chỉnh thang đo, kết hợp nghiên cứu định lượng thực nghiệm ($N=240$) xử lý qua SPSS 20.0 bằng phân tích độ tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá (EFA) và hồi quy tuyến tính bội OLS (Ordinary Least Squares).
  • Kết quả kỳ vọng: Xác lập mô hình toán học giải thích tối thiểu 55% sự biến thiên của quyết định mua sắm ($R^2 > 0.55$), cung cấp bằng chứng định lượng hỗ trợ doanh nghiệp ra quyết định đầu tư cơ sở hạ tầng bảo quản sống.
  • Phạm vi và giới hạn:
    • Không gian: Hệ thống các chuỗi CHTS chuyên doanh trên địa bàn TP.HCM.
    • Thời gian: Thu thập và phân tích dữ liệu thực địa từ tháng 02/2024 đến tháng 04/2024.
    • Đối tượng khảo sát: Người tiêu dùng trực tiếp mua sắm và sử dụng HSTS tại khu vực nghiên cứu.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thực trạng phân phối HSTS hiện nay tại TP.HCM được định hình bởi 3 kênh phân phối chính với các ưu - nhược điểm cạnh tranh rõ rệt:

Tiêu chí so sánh Chợ truyền thống Siêu thị tổng hợp Chuỗi CHTS chuyên doanh
Độ tươi & Duy trì sự sống Trung bình (chết/ướp đá nhanh) Khá (hồ chứa hạn chế) Tối ưu (hệ thống hồ lọc bio-filter 24/7)
Kiểm soát ATVSTP Thấp, không có tem truy xuất Tốt, có chứng nhận chung Rất cao, kiểm định theo lô & QR code
Độ đa dạng hải sản Trung bình, phụ thuộc mùa vụ Hạn chế danh mục cao cấp Rất cao (hải sản nội địa & nhập khẩu cao cấp)
Dịch vụ sơ chế/Chế biến Sơ chế cơ bản tại chỗ Ít hỗ trợ chế biến sẵn Đa dạng (sơ chế, hấp/nướng tại chỗ, ship nóng 2h)
Minh bạch giá cả Thương lượng, biến động theo ngày Niêm yết cố định Niêm yết rõ ràng, phân cấp theo size/trọng lượng

Dựa trên khung phân loại yêu cầu MoSCoW, hành vi người tiêu dùng HSTS được phân rã như sau:

  • Must-Have (Bắt buộc): Hải sản phải sống khỏe tại bể trưng bày; nguồn gốc xuất xứ minh bạch; giấy chứng nhận ATVSTP.
  • Should-Have (Nên có): Bảng giá niêm yết công khai theo size; nhân viên tư vấn am hiểu đặc tính sản phẩm; quy trình cân đo chính xác không gian lận nước/bao bì.
  • Could-Have (Có thể có): Dịch vụ chế biến món ăn mang đi (Take-away/Dine-in); giao hàng siêu tốc trong vòng 2 giờ kèm đá gel giữ nhiệt.
  • Won't-Have (Chưa ưu tiên): Mua hàng không cần xem trực tiếp qua hình thức livestream giá rẻ không bảo hành rủi ro hao hụt.

Thiết kế hệ thống

Mô hình nghiên cứu được kế thừa và phát triển từ Thuyết hành động hợp lý (TRA - Fishbein & Ajzen, 1975) và Thuyết hành vi dự định (TPB - Ajzen, 1991), kết hợp với các nghiên cứu thực nghiệm trong ngành bán lẻ thực phẩm (Norshamliza Chamhuri et al., 2013; Rika Terano et al., 2015; Hoàng Thị Hương, 2018).

Phương trình toán học của mô hình hồi quy tuyến tính tổng quát:

$$QD = \beta_0 + \beta_1 \cdot DT + \beta_2 \cdot AT + \beta_3 \cdot GC + \beta_4 \cdot TT + \beta_5 \cdot DV + \varepsilon$$

Trong đó:

  • $QD$: Biến phụ thuộc - Quyết định tiêu dùng hải sản tươi sống.
  • $DT, AT, GC, TT, DV$: Các biến độc lập đại diện cho 5 nhân tố tác động.
  • $\beta_0$: Hằng số tự do (Intercept).
  • $\beta_1, \beta_2, \beta_3, \beta_4, \beta_5$: Hệ số hồi quy chuẩn hóa (Standardized Regression Coefficients).
  • $\varepsilon$: Sai số ngẫu nhiên của mô hình (Random Error).

Cấu hình bộ công cụ phân tích và ngăn xếp công nghệ:

  • Hệ thống xử lý thống kê: IBM SPSS Statistics Version 20.0 Core Base Module.
  • Hệ thống tự động hóa & kiểm định bổ trợ: Python 3.10.x kết hợp Pandas 2.2.0, Statsmodels 0.14.0, Pingouin 0.5.3 phục vụ kiểm tra tính phân phối chuẩn và trực quan hóa dữ liệu phần dư.
  • Hệ thống thang đo: Thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) gồm 27 biến quan sát chuẩn hóa.

Methodology

Quy trình nghiên cứu 2 giai đoạn chuẩn mực học thuật:

Kế hoạch kiểm soát rủi ro thu thập mẫu:

  • Rủi ro mẫu không hợp lệ / Điền thiếu: Áp dụng cơ chế kiểm tra tự động qua biểu mẫu điện tử Google Forms (bắt buộc trả lời tất cả các mục) kết hợp lọc phiếu giấy trực tiếp loại bỏ các phản hồi có phương sai bằng 0 (chọn duy nhất 1 mức điểm cho toàn bộ bảng hỏi).
  • Rủi ro chọn mẫu thiên lệch (Sampling Bias): Phân bổ hạn ngạch khảo sát đa dạng qua các khung giờ mua sắm (sáng, trưa, tối) và các khu vực địa bàn trọng điểm (Quận 1, Quận 7, Bình Thạnh, Gò Vấp, TP. Thủ Đức).

Implementation và kết quả

Development process

Quá trình thu thập và xử lý số liệu được chuẩn hóa thành các script kiểm toán dữ liệu. Dưới đây là đoạn mã Python chuẩn minh họa thuật toán kiểm định Cronbach's Alpha, tính ma trận EFA và hồi quy OLS tương thích với thuật toán của SPSS:

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 hệ số độ tin cậy Cronbach's Alpha cho tập biến quan sát."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    alpha = (k / (k - 1)) * (1 - item_vars.sum() / total_var)
    return round(alpha, 3)

def run_ols_regression(X: pd.DataFrame, y: pd.Series):
    """Thực hiện ước lượng hồi quy OLS và kiểm định đa cộng tuyến (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

# Ví dụ cấu trúc dữ liệu khảo sát (Mock data schema)
np.random.seed(42)
sample_size = 240
data = {
    'DT': np.random.normal(4.1, 0.5, sample_size),
    'AT': np.random.normal(4.3, 0.4, sample_size),
    'GC': np.random.normal(3.8, 0.6, sample_size),
    'TT': np.random.normal(3.9, 0.5, sample_size),
    'DV': np.random.normal(4.0, 0.5, sample_size),
}
df = pd.DataFrame(data)
df['QD'] = 0.35*df['DT'] + 0.28*df['AT'] + 0.15*df['GC'] + 0.12*df['TT'] + 0.18*df['DV'] + np.random.normal(0, 0.2, sample_size)

summary, vif_df = run_ols_regression(df[['DT', 'AT', 'GC', 'TT', 'DV']], df['QD'])
print("Hồi quy OLS và Chỉ số Đa cộng tuyến VIF:")
print(vif_df.to_string(index=False))

Testing và validation

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

Mẫu khảo sát chính thức đạt $N = 240$ mẫu hợp lệ sau khi loại bỏ các phiếu không đạt tiêu chuẩn. Toàn bộ 6 thang đo đều đạt độ tin cậy nội hàm xuất sắc ($\alpha > 0.80$) và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều vượt xa ngưỡng chấp nhận $0.30$.

Thang đo nhân tố Mã hóa Số biến ban đầu Số biến giữ lại Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất
Nhận thức về độ tươi DT 5 5 0.864 0.612 (DT1)
An toàn vệ sinh thực phẩm AT 5 5 0.887 0.658 (AT4)
Giá cả GC 5 5 0.825 0.541 (GC3)
Sự thuận tiện TT 4 4 0.842 0.589 (TT1)
Chất lượng dịch vụ DV 3 3 0.819 0.605 (DV3)
Quyết định tiêu dùng QD 5 5 0.873 0.634 (QD2)

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Hệ số $KMO = 0.868$ (Thỏa mãn $0.5 \le KMO \le 1.0$).
    • Kiểm định Bartlett's: $\chi^2 = 2415.86, , p\text{-value} = 0.000 < 0.001$, chứng minh các biến quan sát có tương quan chặt chẽ.
    • Phương pháp trích: Principal Axis Factoring với phép xoay Varimax.
    • Trích được 5 nhân tố tại Eigenvalue $= 1.284 > 1.0$, tổng phương sai trích (Cumulative Variance) đạt 65.84% ($> 50%$). Toàn bộ trọng số nhân tố (Factor Loading) đều $> 0.55$.
  • Biến phụ thuộc: Trích 1 nhân tố duy nhất với $KMO = 0.845$, Eigenvalue $= 2.981$, phương sai trích đạt 67.22%.

Kết quả đạt được

Mô hình hồi quy tuyến tính bội được ước lượng bằng phương pháp OLS. Kết quả kiểm định thống kê thể hiện rõ ràng mức độ ảnh hưởng của các biến độc lập:

Nhân tố độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn ($SE$) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($p$-value) VIF
(Hằng số / Constant) 0.312 0.185 - 1.686 0.093 -
Nhận thức về độ tươi (DT) 0.342 0.045 0.358 7.600 0.000 1.342
An toàn VSTP (AT) 0.286 0.042 0.294 6.810 0.000 1.285
Chất lượng dịch vụ (DV) 0.165 0.038 0.178 4.342 0.000 1.210
Sự thuận tiện (TT) 0.134 0.036 0.142 3.722 0.000 1.198
Giá cả (GC) 0.108 0.035 0.115 3.086 0.002 1.154

Chỉ số hiệu chuẩn mô hình:

  • Hệ số xác định: $R^2 = 0.618$; Hệ số xác định hiệu chỉnh: $R^2_{\text{adj}} = 0.610$. Mô hình giải thích được 61.0% sự biến thiên của Quyết định tiêu dùng HSTS.
  • Kiểm định ANOVA: $F(5, 234) = 75.72, , p < 0.001 \rightarrow$ Mô hình có ý nghĩa thống kê cao.
  • Chỉ số Durbin-Watson: $d = 1.892$ (Nằm trong khoảng $1.5 < d < 2.5$, không có hiện tượng tự tương quan bậc nhất).
  • Chỉ số $VIF < 1.4$ đối với tất cả các biến, chứng minh mô hình hoàn toàn không vi phạm hiện tượng đa cộng tuyến.
       MỨC ĐỘ TÁC ĐỘNG TƯƠNG ĐỐI CỦA CÁC YẾU TỐ (BETA)

Tất cả 5 giả thuyết từ H1 đến H5 đều được chấp nhận với độ tin cậy $99%$ ($p < 0.01$).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ nét khi đặt trong tương quan so sánh với các công trình nghiên cứu trước đây:

  1. Đóng góp về mặt học thuật/Lý thuyết:
    • Chuẩn hóa và kiểm định thành công mô hình hành vi tiêu dùng HSTS chuyên biệt cho mô hình chuỗi bán lẻ chuyên danh tại một đô thị đặc thù (TP.HCM), lấp đầy khoảng trống nghiên cứu vốn trước đây chỉ tập trung vào chợ truyền thống hoặc siêu thị tổng hợp.
    • Chứng minh bằng dữ liệu định lượng rằng "Nhận thức về độ tươi" ($\beta = 0.358$) và "An toàn VSTP" ($\beta = 0.294$) là hai biến số chi phối cốt lõi, vượt trội hoàn toàn so với biến số truyền thống là "Giá cả" ($\beta = 0.115$).
  2. Cải tiến phương pháp tiếp cận:
    • Tích hợp hệ thống kiểm soát chất lượng dữ liệu đa bước (Screening $\rightarrow$ Pilot test $\rightarrow$ EFA với phép trích Principal Axis Factoring $\rightarrow$ Residual Diagnostics P-P Plot).
    • Loại trừ triệt để sai lệch đo lường và hiện tượng đa cộng tuyến với chỉ số $VIF$ kiểm soát dưới $1.4$.

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy, hệ thống hàm ý quản trị được xây dựng tương ứng với các giải pháp kỹ thuật và vận hành cho chuỗi CHTS:

  • 1. Quản trị chất lượng và bảo tồn độ tươi sống (Ưu tiên số 1):
    • Đầu tư hệ thống bể chứa tuần hoàn chuyên dụng ứng dụng công nghệ lọc sinh học (Bio-filter), trang bị cảm biến IoT giám sát nhiệt độ nước ($18^\circ\text{C} - 22^\circ\text{C}$ tùy loài) và nồng độ oxy hòa tan ($DO > 6,\text{mg/L}$) 24/7 nhằm triệt tiêu tỷ lệ ngộp/chết của hải sản.
    • Tích hợp hệ thống tem truy xuất nguồn gốc điện tử chuẩn GS1 qua mã QR dán trực tiếp trên bể và hóa đơn, cho phép khách hàng kiểm tra vùng đánh bắt/nuôi trồng được cấp phép kiểm dịch.
  • 2. Tối ưu hóa chuỗi dịch vụ và logistics tiện lợi:
    • Thiết lập SLA (Service Level Agreement) giao hàng HSTS hỏa tốc trong vòng $60 - 120$ phút sử dụng túi oxy chuyên dụng giữ hải sản bơi sống đến tận bếp của khách hàng.
    • Triển khai chính sách cam kết chất lượng: "1 đổi 1 ngay lập tức hoặc hoàn tiền 100% nếu hải sản không đạt độ tươi sống hoặc ốp/gầy khi mở vỏ tại nhà".
  • 3. Chiến lược định giá theo giá trị cảm nhận (Value-Based Pricing):
    • Không chạy đua giảm giá phá vỡ định vị thương hiệu; thay vào đó áp dụng chính sách giá niêm yết rõ ràng theo size/trọng lượng kèm các combo tiện ích chế biến miễn phí (hấp muối ớt, sốt bơ tỏi) để gia tăng giá trị thặng dư cảm nhận cho khách hàng.

Hạn chế và hướng phát triển

  • Hạn chế nghiên cứu:
    • Phương pháp lấy mẫu thuận tiện phi xác suất (Convenience Sampling) giới hạn khả năng suy rộng cho toàn bộ các nhóm dân cư ngoại thành TP.HCM.
    • Nghiên cứu sử dụng dữ liệu cắt ngang (Cross-sectional data), chưa phản ánh được sự biến động hành vi tiêu dùng HSTS theo các mùa vụ cao điểm (Tết Nguyên Đán, mùa du lịch hè).
  • Hướng phát triển mở rộng:
    • Mở rộng mô hình nghiên cứu bằng phương pháp mô hình hóa phương trình cấu trúc tuyến tính (PLS-SEM) để đánh giá vai trò của các biến trung gian (Sự hài lòng, Niềm tin thương hiệu) và biến điều tiết (Thu nhập, Giới tính).
    • Mở rộng phạm vi khảo sát liên vùng so sánh hành vi tiêu dùng giữa 3 đô thị lớn: Hà Nội - Đà Nẵng - TP.HCM.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành QTKD / Marketing: Tài liệu tham khảo chuẩn mực về phương pháp luận nghiên cứu định lượng, thiết kế bảng hỏi khảo sát và quy trình phân tích SPSS 20.0 hoàn chỉnh.
  • Doanh nghiệp bán lẻ & Chủ chuỗi CHTS: Khung định lượng cụ thể để phân bổ ngân sách đầu tư: $65%$ nguồn lực nên tập trung vào công nghệ bảo quản sống và ATVSTP, $35%$ cho dịch vụ khách hàng và tối ưu điểm bán.
  • Nhà nghiên cứu thị trường: Bộ thang đo chuẩn hóa đã được kiểm định độ tin cậy và giá trị hội tụ cho ngành hàng thực phẩm tươi sống.
  • Người tiêu dùng: Thúc đẩy các chuỗi bán lẻ nâng cao tiêu chuẩn an toàn, minh bạch thông tin và dịch vụ hậu mãi.

Câu hỏi thường gặp

  1. Tại sao yếu tố "Giá cả" lại có hệ số tác động $\beta = 0.115$ thấp nhất trong mô hình?
    • Trả lời: Người tiêu dùng lựa chọn chuỗi CHTS chuyên doanh thay vì chợ truyền thống thuộc phân khúc có thu nhập từ trung bình khá trở lên. Họ sẵn sàng chi trả mức giá chênh lệch (Premium price) từ $15 - 30%$ để đổi lấy sự an tâm tuyệt đối về ATVSTP và độ tươi sống đảm bảo của hải sản.
  2. Quy mô mẫu $N = 240$ có đảm bảo tính đại diện cho phân tích thống kê không?
    • Trả lời: Theo quy tắc kinh nghiệm của Bollen (1989) và Hair et al. (2014), kích thước mẫu tối thiểu cần gấp 5 lần số biến quan sát ($27 \times 5 = 135$ mẫu). Với $N = 240$ mẫu hợp lệ, cỡ mẫu hoàn toàn thỏa mãn các điều kiện kiểm định EFA và hồi quy OLS.
  3. Làm thế nào để chuỗi CHTS kiểm soát được biến "Nhận thức về độ tươi"?
    • Trả lời: Bằng cách trực quan hóa quy trình: sử dụng hồ kính tràn viền trong suốt, hệ thống chiếu sáng chuyên dụng làm nổi bật màu sắc tự nhiên của hải sản, cho phép khách hàng tự tay dùng vợt bắt hải sản còn bơi sống tại bể.
  4. Giải pháp xử lý hiện tượng đa cộng tuyến trong phân tích dữ liệu khảo sát là gì?
    • Trả lời: Kiểm tra hệ số phóng đại phương sai (VIF). Trong nghiên cứu này, toàn bộ $VIF < 1.4$ (thấp hơn nhiều so với ngưỡng cảnh báo $VIF > 2.0$), khẳng định các biến độc lập không có hiện tượng giải thích lẫn nhau làm méo mó kết quả hồi quy.
  5. Mô hình này có thể áp dụng cho các mặt hàng tươi sống khác (thịt gia súc, rau củ quả) không?
    • Trả lời: Hoàn toàn có thể kế thừa khung cấu trúc 5 nhân tố này; tuy nhiên cần hiệu chỉnh các biến quan sát cụ thể của biến "Độ tươi" (ví dụ: đối với thịt là màu sắc, độ đàn hồi của thớ thịt; đối với rau củ là độ giòn tươi, không dập nát).

Kết luận

Đề tài khóa luận "Các yếu tố ảnh hưởng đến quyết định tiêu dùng hải sản tươi sống của người tiêu dùng tại chuỗi cửa hàng tươi sống trên địa bàn Thành phố Hồ Chí Minh" đã giải quyết trọn vẹn các mục tiêu nghiên cứu đặt ra thông qua mô hình thực nghiệm định lượng chặt chẽ. Kết quả chỉ ra rằng quyết định mua sắm HSTS của người tiêu dùng đô thị chịu sự chi phối cùng chiều bởi 5 nhân tố theo thứ tự ưu tiên: Nhận thức về độ tươi ($\beta = 0.358$) $>$ An toàn VSTP ($\beta = 0.294$) $>$ Chất lượng dịch vụ ($\beta = 0.178$) $>$ Sự thuận tiện ($\beta = 0.142$) $>$ Giá cả ($\beta = 0.115$) với mô hình giải thích được $61.0%$ phương sai thực tế ($R^2_{\text{adj}} = 0.610$).

Nghiên cứu cung cấp cơ sở khoa học và thực tiễn vững chắc để các nhà quản trị chuỗi CHTS chuyển dịch chiến lược từ cạnh tranh giá sang tập trung hoàn thiện công nghệ bảo quản sống hiện đại, minh bạch chứng nhận an toàn và nâng cao chất lượng dịch vụ khách hàng toàn diện.