Giới thiệu dự án

Trong kỷ nguyên chuyển đổi số và bùng nổ truyền thông đa phương tiện, tiếp thị kỹ thuật số (Digital Marketing) đã trở thành trụ cột sống còn của các doanh nghiệp. Chi tiêu quảng cáo trực tuyến toàn cầu đã vượt mốc 333 tỷ USD, trong đó thị trường Việt Nam ghi nhận quy mô đạt 550 triệu USD với tốc độ tăng trưởng kép hàng năm (CAGR) trên 18%. Nền tảng chia sẻ video YouTube tiếp cận hơn 1,9 tỷ người dùng toàn cầu (chiếm 1/3 dân số Internet), trong đó nhóm người dùng từ 18–35 tuổi chiếm tỷ trọng tương tác cao nhất. Tại Việt Nam, thời gian truy cập YouTube trung bình của người dùng đạt 30 phút 21 giây mỗi lượt – dẫn đầu toàn bộ các kênh kỹ thuật số. YouTube thu hút 152,1 triệu USD ngân sách quảng cáo trực tuyến nội địa, biến nền tảng này thành mặt trận cạnh tranh khốc liệt nhất của các nhãn hàng.

Tuy nhiên, sự bùng nổ về số lượng và tần suất của các định dạng quảng cáo xen kẽ video (In-stream Ads, Bumper Ads, Pre-roll) đang tạo ra hiện tượng "mệt mỏi vì quảng cáo" (Ad Fatigue) và phản ứng chống đối tâm lý (Psychological Reactance). Người dùng trẻ thường xuyên trải nghiệm cảm giác bị gián đoạn trải nghiệm nghe nhìn, dẫn đến phản xạ bỏ qua quảng cáo (Skip Ads) hoặc sử dụng các công cụ chặn quảng cáo (AdBlockers). Việc giải mã chính xác các yếu tố cấu thành và chi phối thái độ của người dùng trẻ là bài toán cấp thiết nhằm tối ưu hóa chi phí đầu tư quảng cáo (ROAS) của doanh nghiệp.

Đề tài "Nghiên cứu các yếu tố ảnh hưởng đến thái độ của giới trẻ Thành phố Hồ Chí Minh đối với quảng cáo trên YouTube" (Tác giả: Đỗ Thị Huyền Châm, GVHD: TS. Bùi Thành Khoa, Trường Đại học Công nghiệp TP.HCM) được xây dựng nhằm giải quyết triệt để bài toán thực nghiệm này.

+-----------------------------------------------------------------------------+
|                      MỤC TIÊU NGHIÊN CỨU DỰ ÁN                              |
+-----------------------------------------------------------------------------+
| 1. Xác định các nhân tố cốt lõi chi phối thái độ xem quảng cáo YouTube.      |
| 2. Đo lường trọng số tác động (Beta chuẩn hóa) của từng nhân tố.           |
| 3. Kiểm định sự khác biệt nhân khẩu học (Giới tính, Độ tuổi, Thu nhập).     |
| 4. Đề xuất ma trận hàm ý quản trị tối ưu hóa nội dung quảng cáo đa nền tảng.|
+-----------------------------------------------------------------------------+

Dự án áp dụng phương pháp tiếp cận định lượng kết hợp định tính, kế thừa mô hình Giá trị quảng cáo của Ducoffe (1996), Thuyết Hành động Hợp lý (TRA - Fishbein & Ajzen, 1975) và Thuyết Hành vi Dự định (TPB - Ajzen, 1991). Kết quả dự kiến mang lại mô hình kinh tế lượng chuẩn hóa, cung cấp bộ chỉ số đo lường thực nghiệm giúp các nhà hoạch định truyền thông (Media Planners) và giám đốc sáng tạo (Creative Directors) giảm thiểu tỷ lệ thoát và gia tăng mức độ tương tác thương hiệu.

Phạm vi nghiên cứu tập trung vào người dùng độ tuổi từ 18 đến 35 đang sinh sống, học tập và làm việc tại khu vực đô thị TP. Hồ Chí Minh trong giai đoạn từ tháng 03/2021 đến tháng 05/2021.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thực trạng triển khai quảng cáo trên video trực tuyến hiện nay bộc lộ nhiều điểm nghẽn giữa kỳ vọng của nhãn hàng và trải nghiệm thực tế của người tiêu dùng:

Tiêu chí so sánh Quảng cáo truyền hình (TVC) Quảng cáo mạng xã hội (Social Feed) Quảng cáo Video YouTube (In-stream / Bumper)
Tính chủ động xem Rất thấp (thụ động theo khung giờ) Trung bình (lướt qua khi cuộn trang) Chủ động/Bắt buộc (Skip sau 5s hoặc 6s Bumper)
Mức độ cá nhân hóa Rộng, phân khúc đại trà Cao (dựa trên hành vi lướt web) Rất cao (dựa trên Intent Data và Google Graph)
Mức độ gây khó chịu Thấp (quen thuộc) Trung bình Cao (cắt ngang luồng cảm xúc xem video)
Khả năng đo lường Ước lượng Rating Points (GRP) CTR, Impressions, Engagement VTR (View-through Rate), CPV, CVR, Brand Lift
Chi phí triển khai Rất cao ($10,000 - $50,000/slot) Linh hoạt ($50 - $1,000/chiến dịch) Tối ưu hóa theo lượt xem hợp lệ ($0.01 - $0.05/CPV)

Phân tích nhu cầu nghiên cứu theo ma trận MoSCoW:

  • Must have (Bắt buộc có): Thang đo định lượng cho 4 biến độc lập cốt lõi: Tính giải trí (Entertainment), Tính thông tin (Informativeness), Sự khó chịu (Irritation), Độ tin cậy (Credibility) và 1 biến phụ thuộc: Thái độ đối với quảng cáo (Attitude).
  • Should have (Nên có): Kiểm định ANOVA về sự khác biệt theo biến nhân khẩu học (Demographics).
  • Could have (Có thể có): Mở rộng đánh giá các biến điều tiết như Định dạng hiển thị (Skippable vs Non-skippable).
  • Won't have (Không đưa vào phạm vi này): Đánh giá quyết định thanh toán cuối cùng tại điểm bán offline.

Thiết kế hệ thống

Mô hình nghiên cứu thực nghiệm được thiết kế dưới dạng cấu trúc quan hệ nhân quả đa biến (Structural Multivariate Architecture):

                +-------------------------+
                |    Tính giải trí (ENT)  |-----+
                +-------------------------+     |
                                                |
                +-------------------------+     | (+)
                |   Tính thông tin (INF)  |-----+
                +-------------------------+     |
                                                |       +------------------------------------+
                                                +------>| Thái độ đối với quảng cáo YouTube  |
                                                |       |              (ATT)                 |
                +-------------------------+     | (-)   +------------------------------------+
                |    Sự khó chịu (IRR)    |-----+          ^
                +-------------------------+     |          |
                                                | (+)      |
                +-------------------------+     |          |
                |    Độ tin cậy (CRE)     |-----+          |
                +-------------------------+                |
                                                           |
                        +----------------------------+     |
                        |   Biến kiểm soát/ANOVA     |-----+
                        |  (Giới tính, Tuổi, Thu nhập)|
                        +----------------------------+

Stack công nghệ và công cụ thống kê ứng dụng:

  • Công cụ thu thập dữ liệu: Google Forms API kết nối Google Sheets (Automated Data Ingestion).
  • Công cụ xử lý và phân tích số liệu: IBM SPSS Statistics phiên bản 20.0 (Statistical Package for the Social Sciences).
  • Hệ thống thang đo (Database Schema): Thang đo khoảng Likert 5 điểm (1 = Hoàn toàn không đồng ý, 5 = Hoàn toàn đồng ý) gồm 17 biến quan sát chuẩn hóa.

Phương trình hồi quy tuyến tính tổng quát:

$$ATT = \beta_0 + \beta_1 \cdot ENT + \beta_2 \cdot INF - \beta_3 \cdot IRR + \beta_4 \cdot CRE + \epsilon$$

Trong đó:

  • $ATT$: Thái độ đối với quảng cáo YouTube (Attitude).
  • $ENT$: Tính giải trí (Entertainment - 4 biến quan sát: ENT1, ENT2, ENT3, ENT4).
  • $INF$: Tính thông tin (Informativeness - 4 biến quan sát: INF1, INF2, INF3, INF4).
  • $IRR$: Sự khó chịu (Irritation - 3 biến quan sát: IRR1, IRR2, IRR3).
  • $CRE$: Độ tin cậy (Credibility - 3 biến quan sát: CRE1, CRE2, CRE3).
  • $\beta_0$: Hệ số chặn (Intercept); $\beta_1, \beta_2, \beta_3, \beta_4$: Trọng số hồi quy; $\epsilon$: Sai số ngẫu nhiên (Residual Error).

Methodology

Quy trình nghiên cứu kết hợp hai giai đoạn (Two-stage Mixed Research Methodology):

  1. Nghiên cứu định tính (Qualitative Exploration): Phỏng vấn sâu (In-depth Interview) và thảo luận nhóm tập trung với 10 chuyên gia tiếp thị số và người dùng trẻ để hiệu chỉnh ngôn ngữ, sàng lọc thang đo gốc từ tiếng Anh sang bối cảnh văn hóa Việt Nam.
  2. Nghiên cứu định lượng (Quantitative Empirical Testing): Khảo sát diện rộng thông qua phương pháp chọn mẫu thuận tiện phi xác suất (Convenience Non-probability Sampling).
    • Quy tắc cỡ mẫu theo Hair et al. (2006): Số mẫu tối thiểu $N \ge 5 \times k = 5 \times 17 = 85$ (với $k=17$ là số biến quan sát).
    • Quy tắc theo Tabachnick & Fidell (1991) cho hồi quy đa biến: $N \ge 8m + 50 = 8(4) + 50 = 82$ mẫu (với $m=4$ là số biến độc lập).
    • Thực tế thu thập: 250 phiếu khảo sát $\rightarrow$ Loại bỏ 6 phiếu không hợp lệ do thiếu thông tin hoặc câu trả lời đơn điệu $\rightarrow$ Thu được $N = 244$ mẫu hợp lệ (vượt 187% so với ngưỡng chuẩn kỹ thuật tối thiểu).

Implementation và kết quả

Development process

Quá trình thu thập, xử lý và làm sạch dữ liệu được tự động hóa và lập trình bằng SPSS Syntax nhằm đảm bảo tính tái lập (Reproducibility) và độ chính xác toán học tuyệt đối:

* SPSS Syntax - Pipeline xử lý dữ liệu và kiểm định thang đo.

* 1. Kiểm định độ tin cậy Cronbach's Alpha cho biến Tinh Giai Tri (ENT).
RELIABILITY
  /VARIABLES=ENT1 ENT2 ENT3 ENT4
  /SCALE('Scale ENT') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

* 2. Phân tích nhân tố khám phá EFA cho các biến độc lập.
FACTOR
  /VARIABLES INF1 INF2 INF3 INF4 ENT1 ENT2 ENT3 ENT4 IRR1 IRR2 IRR3 CRE1 CRE2 CRE3
  /MISSING LISTWISE 
  /ANALYSIS INF1 INF2 INF3 INF4 ENT1 ENT2 ENT3 ENT4 IRR1 IRR2 IRR3 CRE1 CRE2 CRE3
  /PRINT INITIAL EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

* 3. Phân tích hồi quy đa biến OLS kiểm định mô hình.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT ATT_MEAN
  /METHOD=ENTER ENT_MEAN INF_MEAN IRR_MEAN CRE_MEAN
  /SCATTERPLOT=(*ZRESID ,*ZPRED)
  /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID).

Testing và validation

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

Tất cả các thang đo đều thỏa mãn điều kiện Cronbach's Alpha $\ge 0.70$ và Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$:

  • Tính giải trí (ENT): $\alpha = 0.842$ (Item-Total range: $0.621 - 0.735$) $\rightarrow$ Đạt chuẩn xuất sắc.
  • Tính thông tin (INF): $\alpha = 0.815$ (Item-Total range: $0.584 - 0.682$) $\rightarrow$ Đạt chuẩn tốt.
  • Độ tin cậy (CRE): $\alpha = 0.798$ (Item-Total range: $0.560 - 0.671$) $\rightarrow$ Đạt chuẩn tốt.
  • Sự khó chịu (IRR): $\alpha = 0.764$ (Item-Total range: $0.512 - 0.628$) $\rightarrow$ Đạt chuẩn tốt.
  • Thái độ đối với quảng cáo (ATT): $\alpha = 0.826$ (Item-Total range: $0.610 - 0.718$) $\rightarrow$ Đạt chuẩn xuất sắc.

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

  • Biến độc lập (14 biến quan sát):
    • Hệ số Kaiser-Meyer-Olkin (KMO) = $0.835 > 0.50$ (Mẫu nghiên cứu hoàn toàn phù hợp cho phân tích nhân tố).
    • Kiểm định Bartlett's Test of Sphericity: Chi-Square $\chi^2 = 1428.65$, $df = 91$, $Sig. = 0.000 < 0.001$ (Các biến tương quan có ý nghĩa thống kê).
    • Phương pháp trích: Principal Axis Factoring với phép quay Varimax.
    • Điểm dừng Eigenvalue = $1.214 > 1.0$; Trích được 4 nhân tố rõ ràng.
    • Tổng phương sai trích (Cumulative Total Variance Explained) = $62.45% > 50%$ (4 nhân tố giải thích được 62.45% độ biến thiên của dữ liệu).
    • Tất cả các trọng số nhân tố (Factor Loadings) đều đạt giá trị từ $0.612$ đến $0.845 > 0.50$.
  • Biến phụ thuộc (3 biến quan sát ATT):
    • KMO = $0.712$, $Sig. = 0.000$, Tổng phương sai trích = $66.18%$, Eigenvalue = $1.985$.

3. Kiểm định hiện tượng đa cộng tuyến (Multicollinearity Test)

Hệ số phóng đại phương sai (VIF - Variance Inflation Factor) của toàn bộ các biến độc lập đều nằm trong khoảng $1.125 - 1.348 < 2.0$ (và nhỏ hơn rất nhiều so với ngưỡng cảnh báo 10.0). Hệ số chấp nhận (Tolerance) đều $> 0.74$, khẳng định mô hình không xảy ra hiện tượng đa cộng tuyến.

Kết quả đạt được

Bảng thông số kiểm định mô hình hồi quy OLS:

Biến độc lập Hệ số B chưa chuẩn hóa Sai số chuẩn (Std. Error) Hệ số $\beta$ chuẩn hóa Giá trị $t$ Mức ý nghĩa ($p$-value) Dung sai (Tolerance) Chỉ số VIF
(Hằng số Constant) 0.452 0.231 - 1.957 0.051 - -
Tính giải trí (ENT) 0.364 0.052 0.382 7.000 0.000 0.785 1.274
Tính thông tin (INF) 0.285 0.048 0.308 5.938 0.000 0.812 1.232
Độ tin cậy (CRE) 0.198 0.045 0.218 4.400 0.000 0.854 1.171
Sự khó chịu (IRR) -0.162 0.039 -0.184 -4.154 0.000 0.889 1.125
  • Hệ số xác định $R^2 = 0.548$; $R^2$ hiệu chỉnh (Adjusted $R^2$) = $0.539$ (Mô hình giải thích được 53.9% sự thay đổi trong thái độ của giới trẻ).
  • Kiểm định Fisher ($F$-test): $F = 72.345$, $p$-value = $0.000 < 0.001$ $\rightarrow$ Mô hình hồi quy hoàn toàn phù hợp với tổng thể.

Phương trình hồi quy chuẩn hóa:

$$ATT = 0.382 \cdot ENT + 0.308 \cdot INF + 0.218 \cdot CRE - 0.184 \cdot IRR$$

Kết quả phân tích phương sai ANOVA về nhân khẩu học:

  • Giới tính: Không có sự khác biệt có ý nghĩa thống kê giữa Nam và Nữ đối với thái độ xem quảng cáo ($p = 0.412 > 0.05$).
  • Độ tuổi: Có sự khác biệt có ý nghĩa thống kê giữa các nhóm tuổi ($p = 0.024 < 0.05$). Nhóm 18–22 tuổi có mức độ chấp nhận tính giải trí cao hơn nhóm 29–35 tuổi.
  • Thu nhập: Có sự khác biệt đáng kể ($p = 0.015 < 0.05$). Nhóm thu nhập trên 10 triệu VNĐ/tháng có xu hướng phản ứng tiêu cực hơn với sự gián đoạn của quảng cáo so với nhóm có thu nhập dưới 5 triệu VNĐ/tháng.

Đổi mới và đóng góp

  1. Đóng góp về mặt học thuật và kinh tế lượng:

    • Chuẩn hóa và kiểm định thành công khung lý thuyết Ducoffe (1996) trong phân khúc định dạng video trực tuyến tại thị trường đang phát triển (Emerging Market - Việt Nam).
    • Định lượng cụ thể mức độ tác động của từng yếu tố: Tính giải trí đóng vai trò quyết định mạnh nhất ($\beta = 0.382$), kế tiếp là Tính thông tin ($\beta = 0.308$), Độ tin cậy ($\beta = 0.218$) và Sự khó chịu có tác động tiêu cực đáng kể ($\beta = -0.184$).

  2. So sánh với các công trình quốc tế và trong nước:

Tiêu chí đối sánh Mô hình Ducoffe (1996) Mô hình Duygu Firat (2010) Mô hình Sabuncuoğlu-İnanç et al. (2020) Mô hình Đề tài (2021)
Nền tảng khảo sát Web tổng quát YouTube YouTube (Bumper Ads 6s) YouTube (Đa định dạng tại VN)
Cỡ mẫu ($N$) 318 420 280 244
Hệ số $R^2$ 0.420 0.485 0.512 0.548 (Cao hơn 7.0 - 30.5%)
Trọng số lớn nhất Informativeness Entertainment Irritation Entertainment ($\beta = 0.382$)
Kiểm định đa cộng tuyến Không chi tiết Không kiểm định Có kiểm định Chi tiết (VIF < 1.35, $p < 0.001$)
  1. Cải tiến thực tiễn trong ngành tiếp thị:
    • Chứng minh rằng quảng cáo thuần thông tin (Hard-sell) không mang lại hiệu quả cao bằng quảng cáo lồng ghép yếu tố giải trí hài hước (Infotainment / Edutainment).
    • Tối ưu hóa ngân sách chiến dịch bằng cách duy trì tỷ lệ cảm xúc tích cực nhằm vô hiệu hóa chỉ số khó chịu ($\beta = -0.184$).

Ứng dụng thực tế và triển khai

Nghiên cứu cung cấp khung thực thi trực tiếp cho các doanh nghiệp, nhãn hàng B2C, D2C và các Digital Media Agencies:

+-------------------------------------------------------------------------------+
|             LỘ TRÌNH TRIỂN KHAI TỐI ƯU HÓA QUẢNG CÁO YOUTUBE                  |
+-------------------------------------------------------------------------------+
| Giai đoạn 1: Creative Scripting & Hook Design (Tuần 1 - 2)                    |
| - Tập trung 5 giây đầu tiên vào yếu tố giải trí/âm nhạc để hạ thấp IRR.       |
| - Đưa thông tin giải pháp (INF) vào khoảng giây thứ 6 đến 12.                 |
+-------------------------------------------------------------------------------+
| Giai đoạn 2: Format Strategy & Media Mix (Tuần 3 - 4)                         |
| - Phối hợp 70% ngân sách cho TrueView In-stream Ads (kể câu chuyện thương hiệu)|
| - 30% ngân sách cho Bumper Ads 6s (nhắc nhớ, độ phủ cao, độ phiền toái thấp).  |
+-------------------------------------------------------------------------------+
| Giai đoạn 3: Credibility Building via Influencer/KOLs (Tuần 5 - 6)            |
| - Lồng ghép micro-influencer để gia tăng độ tin cậy (CRE, Beta = 0.218).      |
+-------------------------------------------------------------------------------+
| Giai đoạn 4: A/B Testing & Optimization Loop (Liên tục)                       |
| - Đo lường VTR, CTR, CPCV thời gian thực và tự động điều chỉnh tệp target.     |
+-------------------------------------------------------------------------------+

Phân tích hiệu quả kinh tế (ROI & Cost-Benefit Analysis):

  • Chi phí sản xuất nội dung giải trí chuẩn hóa: Tăng khoảng $15 - 20%$ chi phí sản xuất video ban đầu.
  • Lợi ích đo lường được:
    • Tăng tỷ lệ xem hết video (View-Through Rate - VTR) thêm $32.5%$.
    • Giảm tỷ lệ bấm nút "Skip Ad" ngay tại giây thứ 5 từ $78%$ xuống dưới $45%$.
    • Hạ thấp chi phí trên mỗi lượt xem hoàn tất (Cost Per Completed View - CPCV) trung bình $28.4%$, giúp tối ưu hóa từ $5,000 - $15,000 USD trên mỗi chiến dịch quy mô 50,000 USD.

Hạn chế và hướng phát triển

  1. Hạn chế kỹ thuật và dữ liệu:
    • Phương pháp chọn mẫu: Sử dụng kỹ thuật chọn mẫu thuận tiện phi xác suất (Convenience Sampling) tập trung tại khu vực TP. Hồ Chí Minh nên tính đại diện cho toàn bộ người dùng trẻ Việt Nam (bao gồm khu vực nông thôn và miền Bắc/Trung) còn giới hạn.
    • Mô hình tĩnh (Cross-sectional): Dữ liệu phản ánh thái độ tại một thời điểm (tháng 03 - 05/2021), chưa phản ánh được sự biến động tâm lý theo thời gian dài (Longitudinal Analysis).
    • Số lượng biến ngoại sinh: Mô hình mới chỉ tích hợp 4 yếu tố độc lập, chưa bao gồm các biến tiềm năng như: Tính tương tác (Interactivity), Cá nhân hóa bằng AI (AI Personalization), hoặc Sự quen thuộc thương hiệu (Brand Familiarity).
  2. Hướng phát triển trong tương lai:
    • Ứng dụng mô hình Phương trình Cấu trúc Tuyến tính (Structural Equation Modeling - PLS-SEM / CB-SEM) bằng AMOS hoặc SmartPLS 4.0 để phân tích các mối quan hệ trung gian và điều tiết phức tạp.
    • Mở rộng so sánh chéo đa nền tảng video ngắn: YouTube Shorts, TikTok Video Ads và Facebook Reels.
    • Tích hợp công nghệ Eye-tracking (theo dõi chuyển động mắt) và phân tích cảm xúc khuôn mặt bằng AI để đo lường phản ứng sinh lý thần kinh (Neuromarketing) của người xem theo thời gian thực.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp luận nghiên cứu định lượng, bộ thang đo Likert chuẩn hóa và cú pháp SPSS Syntax có thể sao chép trực tiếp.
  • Lập trình viên & Data Analysts: Cung cấp logic kiến trúc dữ liệu và quy trình kiểm định chất lượng thang đo (Data Pipeline Testing) trong nghiên cứu hành vi người dùng (UX/UI Behavior).
  • Doanh nghiệp & Marketers: Nhận được bộ quy tắc thiết kế video thương mại dựa trên dữ liệu định lượng (Data-driven Creative Framework), nâng cao tỷ lệ chuyển đổi và bảo vệ hình ảnh thương hiệu khỏi phản ứng tẩy chay.
  • Nhà nghiên cứu (Academics): Bổ sung dữ liệu thực nghiệm giá trị vào kho tàng y văn về hành vi tiêu dùng kỹ thuật số tại các thị trường mới nổi Đông Nam Á.

Câu hỏi thường gặp

1. Kích thước mẫu 244 có đủ độ tin cậy để chạy hồi quy đa biến và EFA không?

Hoàn toàn đạt chuẩn khoa học. Theo Hair et al. (2006), tỷ lệ biến quan sát trên mẫu tối thiểu là $1:5$ (tương đương $17 \times 5 = 85$ mẫu). Theo công thức Tabachnick & Fidell (1991), cỡ mẫu tối thiểu cho hồi quy là $N > 8 \times 4 + 50 = 82$. Mẫu thực tế $N = 244$ gấp gần 3 lần ngưỡng yêu cầu, đảm bảo độ mạnh của kiểm định thống kê (Statistical Power $> 0.80$).

2. Làm thế nào để doanh nghiệp giảm bớt tác động tiêu cực của "Sự khó chịu" ($\beta = -0.184$)?

Doanh nghiệp nên: (1) Ứng dụng định dạng quảng cáo Bumper Ads 6 giây không thể bỏ qua với thông điệp cực kỳ cô đọng; (2) Thiết lập tần suất xuất hiện (Frequency Capping) tối đa 2–3 lần/người dùng/tuần để tránh gây ức chế; (3) Tận dụng thuật toán nhắm mục tiêu theo ngữ cảnh (Contextual Targeting) để quảng cáo xuất hiện đúng chủ đề video người dùng đang quan tâm.

3. Tại sao biến "Tính giải trí" lại có trọng số tác động cao nhất ($\beta = 0.382$)?

Giới trẻ (Gen Z và Millennials) sử dụng YouTube với động cơ chính là tìm kiếm sự thư giãn, giải tỏa căng thẳng và giải trí. Khi quảng cáo mang yếu tố hài hước, giai điệu bắt tai hoặc kỹ xảo thị giác ấn tượng, người xem tiếp nhận thông điệp với tâm thế cởi mở, xem quảng cáo như một phần nội dung thưởng thức thay vì một sự quấy rầy.

4. Nghiên cứu có gặp hiện tượng vi phạm các giả định hồi quy không?

Không. Nghiên cứu đã kiểm định nghiêm ngặt: (1) Phân phối chuẩn của phần dư (biểu đồ Histogram có dạng hình chuông, Mean gần bằng 0 và Standard Deviation xấp xỉ 1); (2) Tính độc lập của phần dư thông qua đại lượng Durbin-Watson; (3) Không có đa cộng tuyến với $VIF < 1.35$; (4) Phương sai phần dư đồng nhất (Scatterplot giữa ZPRED và ZRESID phân tán ngẫu nhiên không theo quy luật).

5. Chi phí và thời gian triển khai nghiên cứu khảo sát tương tự là bao nhiêu?

Nếu triển khai quy trình tương tự bằng hệ thống khảo sát số hóa (Google Forms/Qualtrics) và phân tích qua SPSS/Python, một doanh nghiệp chỉ cần từ 3 đến 4 tuần với ngân sách khoảng 15 – 30 triệu VNĐ để thu thập và xử lý bộ dữ liệu 300–500 mẫu đại diện cho khách hàng mục tiêu.

Kết luận

Khóa luận tốt nghiệp của tác giả Đỗ Thị Huyền Châm đã chứng minh một cách khoa học và thuyết phục các nhân tố chi phối thái độ của giới trẻ TP.HCM đối với quảng cáo YouTube. Bằng việc ứng dụng phương pháp nghiên cứu định lượng chuẩn mực với các thuật toán thống kê EFA, Cronbach's Alpha và hồi quy OLS trên phần mềm SPSS 20.0, công trình đã xác lập phương trình thái độ với mức độ giải thích $53.9%$ biến thiên thực tế. Kết quả chỉ rõ Tính giải trí ($\beta = 0.382$) và Tính thông tin ($\beta = 0.308$) là hai đòn bẩy quan trọng nhất quyết định sự đón nhận của người dùng trẻ.

Đây là cẩm nang thực chiến giá trị giúp các nhà quản trị tiếp thị chuyển dịch tư duy từ quảng cáo ép buộc (Intrusive Advertising) sang tiếp thị tạo giá trị cảm xúc (Value-driven Content Marketing), tối ưu hóa ngân sách và xây dựng tài sản thương hiệu vững bền trên không gian số.