Giới thiệu dự án

Thị trường thanh toán kỹ thuật số tại Việt Nam đang trải qua giai đoạn chuyển dịch cơ cấu mạnh mẽ với sự bùng nổ của các nền tảng công nghệ tài chính (Fintech). Trong đó, ví điện tử MoMo (thuộc Công ty Cổ phần Dịch vụ Di động Trực tuyến - M-Service) đã khẳng định vị thế dẫn đầu với hệ sinh thái hàng chục triệu người dùng kể từ khi ra mắt vào năm 2010. Tuy nhiên, thị trường đang chứng kiến sự thay đổi sâu sắc về mặt nhân khẩu học khi Thế hệ Z (Gen Z - sinh từ năm 1997 đến 2012) vươn lên trở thành nhóm khách hàng tiêu dùng số nòng cốt. Đây là thế hệ bản địa kỹ thuật số (digital natives), sở hữu đặc tính am hiểu công nghệ, yêu cầu cao về trải nghiệm tức thì và có hành vi tiêu dùng hoàn toàn khác biệt so với các thế hệ trước.

Vấn đề đặt ra là dù các nền tảng ví điện tử liên tục mở rộng tính năng, mức độ hài lòng thực sự của Gen Z đối với MoMo vẫn chưa được phân tích định lượng chuyên sâu thông qua các mô hình chuẩn hóa. Các nghiên cứu trước đây chủ yếu tiếp cận tập khách hàng đại chúng hoặc chỉ đánh giá ý định chấp nhận sử dụng ban đầu mà bỏ qua sự tương tác phức tạp giữa kỳ vọng và thực tế trải nghiệm. Việc không đáp ứng đúng kỳ vọng đặc thù của Gen Z có thể dẫn đến hiện tượng rời bỏ dịch vụ (customer churn) sang các đối thủ cạnh tranh.

Đề tài nghiên cứu ứng dụng này được xây dựng nhằm giải quyết khoảng trống học thuật và thực tiễn nêu trên, với 5 mục tiêu cụ thể:

  1. Đánh giá tác động của Tính tiện ích (Convenience - COV) đến sự hài lòng tổng thể của Gen Z đối với ví điện tử MoMo.
  2. Xác định ảnh hưởng của Mức độ tích hợp dịch vụ (Service Integration - INT) đến mức độ thỏa mãn của người dùng trẻ.
  3. Đo lường mức độ tác động từ Độ tin cậy của hệ thống (Reliability - REL) tới sự gắn kết của khách hàng Gen Z.
  4. Kiểm định vai trò của Tính an toàn và bảo mật (Security - SEC) trong việc củng cố niềm tin và sự hài lòng.
  5. Phân tích tác động của Thiết kế giao diện người dùng (User Interface Design - UIF) đến trải nghiệm tương tác số.

Giải pháp nghiên cứu tiếp cận thông qua việc thích ứng mô hình chất lượng dịch vụ SERVQUAL kết hợp Lý thuyết Kỳ vọng - Bất hòa nhận thức (Expectancy-Disconfirmation Theory - EDT), sử dụng phương pháp định lượng hiện đại với mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM). Phạm vi nghiên cứu tập trung vào nhóm khách hàng Gen Z sinh sống, học tập và làm việc tại khu vực đô thị TP. Hồ Chí Minh với kích thước mẫu khảo sát chuẩn hóa $N = 196$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình đánh giá dịch vụ truyền thống như TAM (Technology Acceptance Model) hay SERVQUAL nguyên bản (Parasuraman et al., 1988) thường tập trung vào các thuộc tính vật lý hoặc môi trường web 1.0, bộc lộ nhiều hạn chế khi áp dụng vào nền tảng ứng dụng di động (Mobile App) tốc độ cao.

Tiêu chí phân tích Nghiên cứu truyền thống (TAM / SERVQUAL gốc) Nghiên cứu hiện đại về Ví điện tử (Nguyen, 2022; Bui, 2021) Mô hình nghiên cứu đề xuất cho Gen Z
Đối tượng trọng tâm Người dùng đại chúng, nhân viên văn phòng Khách hàng mua sắm trực tuyến nói chung Thế hệ Z (12 - 27 tuổi) tại đô thị lớn
Biến số cốt lõi Tính hữu ích, Dễ sử dụng, Phương tiện hữu hình Tiện ích, Chi phí, Khuyến mãi, Tích hợp Tiện ích, Tích hợp, Tin cậy, Bảo mật, Giao diện UI
Độ nhạy công nghệ Thấp đến trung bình Trung bình Rất cao, đòi hỏi Zero-latency và Micro-interactions
Phương pháp xử lý Hồi quy tuyến tính đa biến (SPSS OLS) PLS-SEM cơ bản PLS-SEM với quy trình Bootstrapping 5.000 mẫu

Phân tích nhu cầu người dùng theo ma trận MoSCoW trong thiết kế khảo sát và cấu trúc thang đo:

  • Must have (Bắt buộc có): Các chỉ báo đo lường trực tiếp về An toàn bảo mật (OTP, sinh trắc học), Độ tin cậy xử lý giao dịch không lỗi, và Trải nghiệm Giao diện UI/UX trực quan.
  • Should have (Nên có): Các chỉ báo đo lường Tính tiện ích về tốc độ thanh toán so với tiền mặt và khả năng tối ưu hóa thời gian.
  • Could have (Có thể có): Mức độ bao phủ tích hợp với các sàn thương mại điện tử và dịch vụ công ích.
  • Won't have (Tạm thời chưa xét): Khảo sát các biến số tài chính phức tạp như thói quen đầu tư tích lũy hay vay tiêu dùng vi mô.

Thiết kế hệ thống

Mô hình cấu trúc nghiên cứu (Structural Model Design) được thiết kế nhằm kiểm định 5 giả thuyết tác động tuyến tính trực tiếp từ các biến độc lập đến biến phụ thuộc Sự hài lòng (SAT).

Thông số công nghệ và công cụ sử dụng trong quá trình phân tích:

  • Phần mềm phân tích dữ liệu chuyên dụng: SmartPLS v4.1.0.8 (Hỗ trợ giải thuật PLS-SEM Algorithm và Non-parametric Bootstrapping).
  • Công cụ tính toán kích thước mẫu: G*Power v3.1.9.7 (Statistical Power Analysis). Thiết lập tham số: Effect size $f^2 = 0.15$ (mức trung bình), Sai số loại I $\alpha = 0.05$, Statistical Power $(1 - \beta) = 0.80$, Số lượng biến dự báo (Predictors) = 5. Kích thước mẫu tối thiểu theo tính toán là $N_{min} = 92$. Mẫu thực tế đạt $N = 196$, đáp ứng vượt mức quy tắc 10-fold rule của Hair et al. (2017).
  • Nền tảng thu thập dữ liệu: Google Forms Enterprise tích hợp cơ chế xác thực tài khoản Google, kiểm tra địa chỉ IP để loại trừ phản hồi trùng lặp và thuật toán lọc phản hồi nhanh bất thường (speeders/straight-liners).

Methodology

Quy trình nghiên cứu được triển khai tuần tự theo 4 giai đoạn chuẩn hóa khoa học:

  1. Giai đoạn 1 - Thiết kế và hiệu chỉnh thang đo: Tổng hợp lý thuyết, kế thừa các thang đo quốc tế và trong nước đã được kiểm chứng (Trivedi, 2016; Nguyen, 2022; Limsukhawat, 2021; Bui, 2021). Xây dựng bảng hỏi sơ bộ sử dụng thang đo Likert 7 điểm (từ 1: Hoàn toàn không đồng ý đến 7: Hoàn toàn đồng ý).
  2. Giai đoạn 2 - Thu thập dữ liệu và tiền xử lý (Data Cleansing): Lấy mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) trong khung thời gian từ tháng 09/2024 đến tháng 10/2024. Loại bỏ các quan sát thiếu dữ liệu, mã hóa biến số định lượng và chuẩn bị tệp dữ liệu sạch .csv.
  3. Giai đoạn 3 - Đánh giá mô hình đo lường (Measurement Model Assessment): Kiểm định độ tin cậy nhất quán nội tại (Cronbach’s Alpha, Composite Reliability $\rho_a, \rho_c$), giá trị hội tụ (Average Variance Extracted - AVE, Outer Loadings) và giá trị phân biệt (Fornell-Larcker Criterion, Heterotrait-Monotrait Ratio - HTMT).
  4. Giai đoạn 4 - Đánh giá mô hình cấu trúc và kiểm định giả thuyết: Chạy thuật toán PLS Algorithm để tính toán hệ số xác định $R^2$, hệ số tác động $f^2$, chỉ số phóng đại phương sai VIF; thực hiện Bootstrapping 5.000 lần lặp để kiểm tra giá trị $t\text{-statistic}$ và $p\text{-value}$.

Implementation và kết quả

Development process

Quá trình phân tích định lượng áp dụng các công thức tính toán giải thuật thống kê chuẩn xác trên SmartPLS 4:

  • Hệ số tin cậy tổng hợp (Composite Reliability - $\rho_c$): $$\rho_c = \frac{(\sum \lambda_i)^2}{(\sum \lambda_i)^2 + \sum \text{Var}(\epsilon_i)}$$
  • Phương sai trích trung bình (Average Variance Extracted - AVE): $$\text{AVE} = \frac{\sum \lambda_i^2}{\sum \lambda_i^2 + \sum \text{Var}(\epsilon_i)}$$
  • Hệ số tác động (Effect Size - $f^2$): $$f^2 = \frac{R^2_{\text{included}} - R^2_{\text{excluded}}}{1 - R^2_{\text{included}}}$$

Dưới đây là đoạn mã giả (Pseudocode) mô phỏng thuật toán ước lượng mô hình PLS-SEM lặp Wold và quy trình Bootstrapping:

import numpy as np

def pls_sem_algorithm(X_data, inner_paths, max_iter=300, tol=1e-7):
    """
    Mo phong thuat toan PLS-SEM uoc luong diem so bien an (latent scores)
    va kiem dinh Bootstrapping 5,000 mau.
    """
    n_samples, n_items = X_data.shape
    # Khoi tao trong so ngoai (Outer weights) bang nhau
    weights = np.ones(n_items) / np.sqrt(n_items)
    latent_scores = np.dot(X_data, weights)
    
    for iteration in range(max_iter):
        # Inner estimation: Tinh diem so bien an ben trong dua vao inner_paths
        inner_scores = np.dot(latent_scores, inner_paths)
        # Outer estimation: Cap nhat lai outer weights cho mo hinh phan xa (Reflective)
        new_weights = np.dot(X_data.T, inner_scores)
        new_weights /= np.linalg.norm(new_weights)
        
        if np.max(np.abs(new_weights - weights)) < tol:
            break
        weights = new_weights
        latent_scores = np.dot(X_data, weights)
        
    return weights, latent_scores

def bootstrap_hypothesis_testing(X, Y, n_bootstraps=5000):
    bootstrap_betas = []
    n = len(X)
    for _ in range(n_bootstraps):
        idx = np.random.choice(n, size=n, replace=True)
        # Tinh toan he so hoi quy tuyen tinh tren mau bootstrap
        beta = np.linalg.lstsq(X[idx], Y[idx], rcond=None)[0]
        bootstrap_betas.append(beta)
    
    boot_mean = np.mean(bootstrap_betas, axis=0)
    boot_std = np.std(bootstrap_betas, axis=0)
    t_statistics = boot_mean / boot_std
    return boot_mean, boot_std, t_statistics

Testing và validation

1. Thống kê mô tả mẫu nghiên cứu ($N = 196$)

  • Giới tính: Nữ chiếm 56.4% (111 người), Nam chiếm 43.6% (85 người).
  • Độ tuổi: 98.0% thuộc độ tuổi từ 12 đến 27 tuổi (Gen Z), 2.0% ngoài độ tuổi.
  • Nghề nghiệp: Học sinh/Sinh viên chiếm áp đảo 74.5% (146 người), Người đi làm chiếm 23.0% (45 người), Thất nghiệp/Khác chiếm 2.0% (4 người).
  • Thu nhập hàng tháng: Dưới 3 triệu VNĐ (32.65%), Từ 3 đến 5 triệu VNĐ (41.83%), Trên 5 triệu VNĐ (25.50%).
  • Tần suất sử dụng: Thường xuyên (33.7%), Luôn luôn sử dụng (38.2%), Tỷ lệ đang kích hoạt sử dụng đạt 83.7%.

2. Đánh giá mô hình đo lường (Measurement Model Assessment)

Kết quả phân tích độ tin cậy và hội tụ khẳng định toàn bộ các thang đo đều thỏa mãn các ngưỡng khắt khe của Hair et al. (2016):

Cấu trúc biến (Construct) Ký hiệu Hệ số tải ngoài (Outer Loadings) Cronbach's Alpha ($> 0.70$) Độ tin cậy tổng hợp $\rho_c$ ($> 0.70$) Phương sai trích AVE ($> 0.50$)
Tính tiện ích COV COV1: 0.860; COV2: 0.841; COV3: 0.845 0.808 0.887 0.724
Tích hợp dịch vụ INT INT1: 0.822; INT2: 0.849; INT3: 0.811 0.778 0.868 0.686
Độ tin cậy REL REL1: 0.835; REL2: 0.862; REL3: 0.819 0.795 0.879 0.707
An toàn bảo mật SEC SEC1: 0.839; SEC2: 0.848; SEC3: 0.852 0.803 0.884 0.717
Giao diện người dùng UIF UIF1: 0.881; UIF2: 0.865; UIF3: 0.874 0.846 0.907 0.764
Sự hài lòng SAT SAT1: 0.855; SAT2: 0.868; SAT3: 0.872 0.831 0.899 0.748
  • Kiểm định hiện tượng đa cộng tuyến (Collinearity Statistics - VIF): Toàn bộ các chỉ báo có hệ số VIF dao động từ $1.564$ đến $1.973$ (đều $< 3.0$ và thấp hơn nhiều so với ngưỡng cảnh báo $5.0$), chứng minh không tồn tại hiện tượng đa cộng tuyến giữa các biến độc lập.
  • Giá trị phân biệt (Discriminant Validity): Theo tiêu chí Fornell-Larcker, căn bậc hai của AVE trên đường chéo chính của mỗi biến luôn lớn hơn hệ số tương quan giữa biến đó với tất cả các biến tiềm ẩn khác trong mô hình. Tỷ số HTMT đều dưới ngưỡng khống chế $0.90$.

Kết quả đạt được

Đánh giá mô hình cấu trúc cho thấy khả năng giải thích phương sai vượt trội của mô hình đối với Sự hài lòng của Gen Z:

  • Hệ số xác định ($R^2$): $R^2 = 0.403$ ($R^2_{\text{Adjusted}} = 0.387, T = 6.286, p = 0.000$). Điều này chứng minh rằng 5 yếu tố trong mô hình giải thích được 40.3% sự biến thiên trong mức độ hài lòng của Gen Z đối với MoMo.

| Giả thuyết | Mối quan hệ tác động | Hệ số đường dẫn ($\beta$) | Độ lệch chuẩn (STDEV) | Giá trị $t$ ($|O/\text{STDEV}|$) | Giá trị $p$ ($p\text{-value}$) | Mức độ tác động ($f^2$) | Kết luận kiểm định | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | H1 | $\text{COV} \rightarrow \text{SAT}$ | -0.255 | 0.086 | 2.951 | 0.003 | 0.064 (Nhỏ) | Chấp nhận (Tác động nghịch) | | H2 | $\text{INT} \rightarrow \text{SAT}$ | -0.044 | 0.071 | 0.623 | 0.534 | 0.002 (Không đáng kể) | Bác bỏ (Không có ý nghĩa) | | H3 | $\text{REL} \rightarrow \text{SAT}$ | 0.140 | 0.065 | 2.158 | 0.031 | 0.021 (Nhỏ) | Chấp nhận (Tác động thuận) | | H4 | $\text{SEC} \rightarrow \text{SAT}$ | 0.299 | 0.084 | 3.565 | 0.000 | 0.078 (Đáng kể) | Chấp nhận (Tác động thuận) | | H5 | $\text{UIF} \rightarrow \text{SAT}$ | 0.493 | 0.068 | 7.219 | 0.000 | 0.286 (Lớn) | Chấp nhận (Tác động mạnh nhất) |

Đổi mới và đóng góp

Nghiên cứu mang lại các đóng góp lý thuyết và thực nghiệm có giá trị cao, làm rõ các nghịch lý trong hành vi tiêu dùng số của Gen Z:

  1. Phát hiện "Nghịch lý Tiện ích" (Convenience Paradox): Khác với nghiên cứu của Nguyen (2022) hay Trivedi (2016) trên tập khách hàng đại chúng (nơi tiện ích luôn tỷ lệ thuận với sự hài lòng), nghiên cứu này ghi nhận hệ số hồi quy âm có ý nghĩa thống kê ($\beta = -0.255, p = 0.003$). Dưới góc độ Lý thuyết Bất hòa nhận thức (EDT), Gen Z xem tính tiện ích và tốc độ là tiêu chuẩn hiển nhiên (Hygiene factor). Khi một nền tảng định vị quá cao về sự tiện lợi nhưng đôi khi gặp độ trễ vi mô, sự kỳ vọng quá mức (Over-expectation) sẽ chuyển hóa trực tiếp thành sự thất vọng (Negative disconfirmation).
  2. Khẳng định vai trò áp đảo của Thiết kế Giao diện (UI Design): Biến UIF sở hữu hệ số tác động lớn nhất ($\beta = 0.493, t = 7.219, p = 0.000, f^2 = 0.286$). Điều này chứng minh đối với thế hệ trực quan (visual generation), giao diện không đơn thuần là lớp vỏ thẩm mỹ mà là công cụ tương tác trực tiếp quyết định khả năng hoàn thành nhiệm vụ và cảm xúc sử dụng.
  3. Làm rõ sự bão hòa của Tích hợp dịch vụ (Service Integration): Giả thuyết H2 bị bác bỏ ($\beta = -0.044, p = 0.534$). Gen Z không còn cảm thấy thỏa mãn chỉ vì một chiếc ví điện tử nhồi nhét quá nhiều tiện ích từ thanh toán hóa đơn đến mua vé máy bay. Sự tích hợp quá mức không đi kèm với tối ưu hóa luồng trải nghiệm thậm chí gây nhiễu nhận thức (cognitive overload).
  4. Mở rộng mô hình SERVQUAL cho FinTech tại thị trường mới nổi: Nghiên cứu đã bản địa hóa và số hóa thành công 5 thành phần SERVQUAL vào không gian thanh toán điện tử tại Việt Nam, cung cấp cơ sở dữ liệu thực chứng cho các nghiên cứu tiếp theo về kinh tế số Đông Nam Á.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, các doanh nghiệp cung cấp ví điện tử (đặc biệt là MoMo) có thể áp dụng ngay lộ trình tối ưu hóa trải nghiệm khách hàng:

Kịch bản ứng dụng & Tái cấu trúc sản phẩm

Lộ trình triển khai kỹ thuật và kinh doanh

  • Giai đoạn 1 (Quý 1): Tái cấu trúc luồng giao diện (UI Refactoring): Áp dụng thiết kế "Clean UI", cho phép người dùng tùy biến ẩn bớt các tính năng tích hợp không sử dụng, giảm mật độ thông tin trên màn hình chính nhằm tăng tốc độ tải trang xuống $< 0.8\text{s}$.
  • Giai đoạn 2 (Quý 2): Nâng cấp bảo mật thông minh (Smart Security): Tích hợp cơ chế xác thực sinh trắc học FIDO2, FaceID/TouchID đa lớp và hệ thống thông báo trạng thái giao dịch theo thời gian thực (Push notification latency $< 200\text{ms}$).
  • Giai đoạn 3 (Quý 3 - Quý 4): Tích hợp AI Chăm sóc khách hàng tự động: Triển khai GenAI Chatbot giải quyết sự cố 24/7, xử lý hoàn tiền tự động khi giao dịch lỗi, giúp nâng cao chỉ số Tin cậy (REL) từ mức tác động $\beta = 0.140$ lên mức kỳ vọng $\beta > 0.300$.

Phân tích hiệu quả kinh tế (ROI)

Việc tập trung cải tiến UI và Security theo mô hình đề xuất giúp tối ưu hóa ngân sách phát triển tính năng dàn trải. Dự kiến tỷ lệ giữ chân khách hàng (Retention Rate) của phân khúc Gen Z sẽ tăng từ 15% đến 22%, giảm chỉ số người dùng rời bỏ (Churn Rate) xuống dưới 5%/năm, từ đó nâng cao giá trị vòng đời khách hàng (Customer Lifetime Value - CLV).

Hạn chế và hướng phát triển

Nghiên cứu thẳng thắn nhìn nhận các giới hạn nội tại cần được tiếp tục mở rộng:

  • Giới hạn không gian và nhân khẩu học: Dữ liệu khảo sát thu thập chủ yếu từ sinh viên và người trẻ tại TP. Hồ Chí Minh ($74.5%$ là sinh viên), chưa bao quát toàn diện nhóm Gen Z tại khu vực nông thôn hoặc các đô thị loại II, nơi hạ tầng thanh toán số có sự phân hóa.
  • Phương pháp thu thập tự báo cáo (Self-reported data): Bảng hỏi trực tuyến có thể tiềm ẩn sai lệch phản hồi chủ quan (response bias) hoặc mong muốn xã hội (social desirability bias).
  • Phạm vi biến số: Mô hình tập trung vào 5 biến độc lập cốt lõi, chưa kiểm soát các biến ngoại lai như: Ưu đãi tài chính/Cashback, Áp lực đồng đẳng xã hội (Social Influence), hay Trình độ hiểu biết tài chính cá nhân (Financial Literacy).

Hướng phát triển tương lai:

  • Mở rộng phương pháp nghiên cứu hỗn hợp (Mixed-methods), kết hợp phỏng vấn sâu (In-depth interview) và theo dõi hành vi tương tác thực tế (In-app tracking / UX A/B Testing log).
  • Nghiên cứu so sánh đa nhóm (Multi-Group Analysis - MGA) giữa Gen Z và Gen Y (Millennials) hoặc mở rộng sang thế hệ kế tiếp là Gen Alpha.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Quản trị Kinh doanh / Fintech: Cung cấp tài liệu tham khảo chuẩn mực về quy trình phân tích dữ liệu nghiên cứu định lượng ứng dụng PLS-SEM và công cụ SmartPLS 4.
  • Đội ngũ Phát triển Sản phẩm (Product Owners / UI-UX Designers): Nắm bắt dữ liệu thực nghiệm về thị hiếu tương tác trực quan của Gen Z, từ đó ưu tiên nguồn lực tối ưu hóa giao diện thay vì mở rộng tính năng phụ trợ không hiệu quả.
  • Các Doanh nghiệp Fintech & Ngân hàng số: Sở hữu khung chiến lược quản trị kỳ vọng khách hàng trẻ, nâng cao năng lực cạnh tranh trong phân khúc thanh toán không dùng tiền mặt.
  • Các nhà nghiên cứu học thuật: Tiếp cận một biến thể mở rộng đã được kiểm định của mô hình SERVQUAL áp dụng cho bối cảnh thanh toán di động tại các nền kinh tế mới nổi.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lại chỉ ra Tính tiện ích (Convenience) có tác động tiêu cực đến Sự hài lòng của Gen Z?

Hệ số hồi quy âm ($\beta = -0.255, p = 0.003$) không có nghĩa là sự tiện lợi làm người dùng thất vọng, mà phản ánh quy luật của Lý thuyết Kỳ vọng - Bất hòa nhận thức (EDT). Gen Z mặc định xem sự tiện ích là tiêu chuẩn cơ bản bắt buộc phải có. Khi kỳ vọng đặt ở mức tối đa, bất kỳ độ trễ nhỏ nào trong trải nghiệm thực tế cũng tạo ra sự bất hòa nhận thức tiêu cực (negative disconfirmation), dẫn đến giảm sút chỉ số hài lòng.

2. Yếu tố nào đóng vai trò quyết định mạnh nhất đến sự hài lòng của Gen Z khi dùng MoMo?

Thiết kế giao diện người dùng (User Interface - UIF) là yếu tố tác động mạnh nhất với hệ số đường dẫn $\beta = 0.493$ ($t = 7.219, p = 0.000$) và kích thước tác động $f^2 = 0.286$. Tiếp theo sau là Tính an toàn và bảo mật (Security - SEC) với $\beta = 0.299$ ($p = 0.000$).

3. Kích thước mẫu $N = 196$ có đủ độ tin cậy thống kê cho mô hình PLS-SEM không?

Hoàn toàn đáp ứng. Theo phân tích lực thống kê bằng công cụ chuyên dụng G*Power 3.1.9.7 với Effect size $f^2 = 0.15, \alpha = 0.05, \text{Power} = 0.80$, cỡ mẫu tối thiểu chỉ cần $N = 92$. Hơn nữa, kích thước mẫu 196 vượt xa tiêu chuẩn "quy tắc 10 lần" (10-fold rule) của Hair et al. (2017), đảm bảo độ tin cậy cao cho thuật toán Bootstrapping 5.000 lần lặp.

4. Tại sao Tích hợp dịch vụ (Integration) không có ý nghĩa thống kê trong mô hình?

Kết quả kiểm định giả thuyết H2 ghi nhận $p\text{-value} = 0.534 > 0.05$. Điều này cho thấy việc tích hợp đa dạng thanh toán điện nước, mua sắm sàn TMĐT đã trở thành tiện ích bão hòa. Người dùng Gen Z xem đây là thuộc tính chung của mọi ví điện tử và không còn coi nó là động lực chính tạo nên sự hài lòng cá nhân hóa.

5. Doanh nghiệp ví điện tử nên ưu tiên phân bổ ngân sách kỹ thuật như thế nào từ kết quả nghiên cứu này?

Doanh nghiệp nên ưu tiên từ 60-70% nguồn lực phát triển sản phẩm vào việc tối ưu hóa kiến trúc UI/UX (Clean UI, giảm thời gian phản hồi micro-interactions) và nâng cấp các giao thức an ninh số (sinh trắc học, mã hóa dữ liệu end-to-end, cảnh báo gian lận thông minh), thay vì tiếp tục chi tiêu dàn trải để tích hợp thêm các dịch vụ thứ ba ít sử dụng.

Kết luận

Đề tài nghiên cứu đã giải quyết thành công bài toán đo lường các nhân tố tác động đến sự hài lòng của thế hệ người dùng trẻ (Gen Z) tại TP. Hồ Chí Minh đối với ví điện tử MoMo. Bằng việc kết hợp chặt chẽ giữa khung lý thuyết kinh điển (SERVQUAL, EDT) và phương pháp phân tích cấu trúc hiện đại (PLS-SEM trên SmartPLS 4), nghiên cứu đã chứng minh Thiết kế giao diện (UIF) và An toàn bảo mật (SEC) là hai trụ cột chi phối mạnh mẽ nhất trải nghiệm người dùng, đồng thời chỉ ra bài học kinh nghiệm sâu sắc về việc quản trị kỳ vọng tiện ích của khách hàng số. Kết quả nghiên cứu cung cấp cơ sở dữ liệu định lượng vững chắc giúp các nhà quản trị sản phẩm Fintech định hình chiến lược phát triển bền vững và bứt phá trong kỷ nguyên tài chính số.