Giới thiệu dự án

Trong bối cảnh cách mạng công nghiệp 4.0 và quá trình chuyển đổi số quốc gia diễn ra mạnh mẽ, các phương thức thanh toán không dùng tiền mặt (Cashless Payment) tại Việt Nam đang có bước phát triển vượt bậc. Theo thống kê từ Ngân hàng Nhà nước Việt Nam (NHNN), tính đến năm 2023 đã có hơn 27 tổ chức cung ứng dịch vụ trung gian thanh toán ví điện tử (VĐT) được cấp phép, với quy mô thị trường ghi nhận sự bùng nổ của các nền tảng như MoMo (vượt mốc 13 triệu người dùng), ZaloPay, ShopeePay và VNPay. Đặc biệt, phân khúc giới trẻ – tiêu biểu là nhóm sinh viên đại học – đại diện cho lực lượng khách hàng mục tiêu năng động, có tỷ lệ sở hữu điện thoại thông minh đạt xấp xỉ 98% và khả năng tiếp thu công nghệ tài chính (FinTech) nhanh chóng nhất.

Tuy nhiên, việc chuyển đổi từ nhận thức sang hành vi chấp nhận sử dụng thực tế và duy trì tần suất giao dịch của sinh viên vẫn đối mặt với nhiều rào cản tâm lý, kỹ thuật và môi trường. Đề tài "Yếu tố tác động đến sự chấp nhận sử dụng ví điện tử của sinh viên trường Đại học Ngân hàng Thành phố Hồ Chí Minh" (chuyên ngành Quản trị kinh doanh, mã số 7 34 01 01) do sinh viên Đào Thu Thảo thực hiện dưới sự hướng dẫn của TS. Nguyễn Văn Tiến, tập trung giải quyết bài toán cốt lõi: Xác định cấu trúc các yếu tố quyết định và đo lường định lượng mức độ ảnh hưởng của chúng đối với quyết định sử dụng ví điện tử của sinh viên.

+-----------------------------------------------------------------------------------+
|                            BỐI CẢNH NGHIÊN CỨU                                    |
|  - Hơn 27 ví điện tử hoạt động tại Việt Nam (MoMo, ZaloPay, ShopeePay, VNPay)    |
|  - Thói quen thanh toán không tiền mặt tăng mạnh sau đại dịch                     |
|  - Nhóm sinh viên HUB: Tiếp cận công nghệ nhanh nhưng nhạy cảm về an toàn & chi phí|
+-----------------------------------------+-----------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
|                            VẤN ĐỀ CỐT LÕI (PAIN POINTS)                           |
|  - Nỗi lo bảo mật & đánh cắp tài khoản (Perceived Risk)                          |
|  - Tính dễ sử dụng và tiện ích thanh toán học phí/sinh hoạt (PU, PEOU)             |
|  - Áp lực từ bạn bè, cộng đồng và trào lưu (Social Influence)                     |
|  - Sự hấp dẫn từ chính sách hoàn tiền, voucher (Reward)                           |
+-----------------------------------------+-----------------------------------------+
                                          |
                                          v
+-----------------------------------------------------------------------------------+
|                        MỤC TIÊU VÀ GIẢI PHÁP ĐỀ TÀI                               |
|  1. Hệ thống hóa cơ sở lý thuyết (TRA, TAM, TPB, UTAUT)                           |
|  2. Kiểm định định lượng mô hình 6 nhân tố với N = 254 mẫu hợp lệ bằng SPSS 20.0   |
|  3. Đề xuất hàm ý quản trị nâng cao tỷ lệ chấp nhận ví điện tử cho doanh nghiệp   |
+-----------------------------------------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

  1. Xác định các yếu tố: Hệ thống hóa và nhận diện các yếu tố then chốt cấu thành mô hình hành vi chấp nhận sử dụng ví điện tử của sinh viên HUB.
  2. Đo lường mức độ tác động: Sử dụng các phương pháp phân tích định lượng (Cronbach's Alpha, EFA, OLS Regression) để kiểm định độ tin cậy của thang đo và lượng hóa trọng số tác động của từng nhân tố.
  3. Đề xuất hàm ý quản trị: Cung cấp cơ sở khoa học giúp các tổ chức trung gian thanh toán và ngân hàng thương mại tối ưu hóa trải nghiệm người dùng, thiết kế chính sách an ninh và chiến dịch marketing hiệu quả.

Phạm vi và giới hạn đề tài

  • Không gian nghiên cứu: Trường Đại học Ngân hàng Thành phố Hồ Chí Minh (HUB).
  • Đối tượng khảo sát: Sinh viên đại học chính quy các khóa đã và đang sử dụng dịch vụ ví điện tử.
  • Kích thước mẫu: 271 phiếu phát ra, 254 phiếu hợp lệ được đưa vào xử lý dữ liệu định lượng.
  • Giới hạn kỹ thuật: Sử dụng phương pháp chọn mẫu thuận tiện phi xác suất (Convenience Sampling), tập trung vào dữ liệu cắt ngang (Cross-sectional data).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi người tiêu dùng đối với công nghệ tài chính đòi hỏi việc đánh giá thấu đáo các khung lý thuyết kinh điển cũng như các mô hình ứng dụng thực nghiệm trên thế giới và tại Việt Nam.

Khung lý thuyết / Mô hình Tác giả & Năm Các biến cốt lõi Ưu điểm Nhược điểm / Hạn chế
Thuyết hành động hợp lý (TRA) Fishbein & Ajzen (1975) Thái độ (Attitude), Chuẩn chủ quan (Subjective Norm) Nền tảng phân tích hành vi có ý thức dựa trên lý trí. Giả định hành vi hoàn toàn do ý chí kiểm soát; bỏ qua rào cản ngoại cảnh.
Mô hình chấp nhận công nghệ (TAM) Davis (1989) Cảm nhận hữu ích (PU), Cảm nhận dễ sử dụng (PEOU) Tinh gọn, độ tin cậy giải thích cao trong hệ thống thông tin. Thiếu các biến ngoại sinh về bảo mật, rủi ro và tác động xã hội.
Thuyết hành vi dự định (TPB) Ajzen (1991) Thái độ, Chuẩn chủ quan, Kiểm soát hành vi nhận thức (PBC) Bổ sung yếu tố kiểm soát nguồn lực và điều kiện thực thi. Chưa chuyên biệt hóa cho các giao dịch chuyển tiền điện tử.
Mô hình UTAUT Venkatesh et al. (2003) Hiệu quả mong đợi, Nỗ lực mong đợi, Ảnh hưởng xã hội, Điều kiện thuận lợi Giải thích tới 70% phương sai ý định sử dụng hệ thống. Cấu trúc phức tạp, nhiều biến điều tiết khó kiểm soát trên mẫu sinh viên.
Mô hình VĐT Malaysia Siew Chien Teo et al. (2020) Nhận thức an ninh, Hữu ích, Dễ sử dụng, Ảnh hưởng xã hội Thực nghiệm thành công trên đối tượng người trẻ tại Đông Nam Á. Chưa tích hợp biến Rủi ro tài chính và Khuyến mãi chiết khấu.
Mô hình VĐT Sarawak Lee Yong Ming Kelvin (2020) Hữu ích, Dễ sử dụng, Rủi ro nhận thức, Khuyến mãi, Ảnh hưởng xã hội Đưa yếu tố rủi ro và phần thưởng vào bối cảnh tài chính số. Cần điều chỉnh bảng câu hỏi phù hợp với quy định pháp lý của NHNN Việt Nam.

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

Dựa trên nghiên cứu định tính và phản hồi từ sinh viên, các yêu cầu đối với hệ thống ví điện tử được phân bổ theo mức độ ưu tiên:

  • Must Have (Bắt buộc có): Mã hóa dữ liệu người dùng end-to-end, xác thực 2 lớp (2FA/OTP/Biometrics), tính năng liên kết tài khoản ngân hàng an toàn, chức năng chuyển tiền và thanh toán học phí không lỗi.
  • Should Have (Nên có): Giao diện trực quan (UI/UX tối giản), liên kết mạng lưới merchant đa dạng (căn tin trường học, nhà sách, cửa hàng tiện lợi), lịch sử giao dịch rõ ràng kèm biên lai điện tử.
  • Could Have (Có thể có): Chương trình tích điểm đổi quà (Gamification), phân hạng thành viên, tính năng chia tiền hóa đơn nhóm sinh viên (Split bill).
  • Won't Have (Chưa ưu tiên): Các gói đầu tư tài chính phái sinh phức tạp hoặc hạn mức tín dụng thấu chi giá trị lớn dành riêng cho đối tượng có thu nhập cố định cao.

Thiết kế hệ thống và mô hình nghiên cứu

Mô hình nghiên cứu chính thức bao gồm 6 biến độc lập (23 biến quan sát) tác động đến 1 biến phụ thuộc (4 biến quan sát):

                      +-----------------------------+
                      |   Nhận thức an ninh (PS)    |---+ (H1: +)
                      +-----------------------------+   |
                      +-----------------------------+   |
                      |    Nhận thức có ích (PU)    |---+ (H2: +)
                      +-----------------------------+   |
                      +-----------------------------+   |
                      | Nhận thức dễ sử dụng (PEOU) |---+ (H3: +)
                      +-----------------------------+   |        +-----------------------------+
                                                        +------->| Sự chấp nhận sử dụng (EWA)  |
                      +-----------------------------+   |        +-----------------------------+
                      |   Nhận thức rủi ro (PR)     |---+ (H4: -)
                      +-----------------------------+   |
                      +-----------------------------+   |
                      |   Ảnh hưởng xã hội (SI)     |---+ (H5: +)
                      +-----------------------------+   |
                      +-----------------------------+   |
                      |       Khuyến mãi (RW)       |---+ (H6: +)
                      +-----------------------------+

Ma trận biến quan sát (Variable Operationalization Matrix)

========================================================================================================
MÃ BIẾN   BIẾN QUAN SÁT (THANG ĐO LIKERT 5 MỨC ĐỘ)                         NGUỒN THAM CHIẾU
========================================================================================================
EWA       Sự chấp nhận sử dụng ví điện tử (Biến phụ thuộc)
EWA1      Dự định sử dụng VĐT cho các khoản thanh toán trong tương lai      Voronenko (2018)
EWA2      Cố gắng thanh toán bằng VĐT khi mua sắm hàng hóa/dịch vụ          Voronenko (2018)
EWA3      Sẵn sàng giới thiệu cho bạn bè/người thân sử dụng VĐT            Voronenko (2018)
EWA4      Yêu thích và ưu tiên phương thức thanh toán bằng VĐT              Voronenko (2018)
--------------------------------------------------------------------------------------------------------
PS        Nhận thức an ninh (Perceived Security - 4 items)
PS1       An tâm khi liên kết thông tin thẻ/tài khoản ngân hàng             Voronenko (2018)
PS2       Hệ thống VĐT có cơ chế bảo mật cao khi gửi thông tin nhạy cảm    Voronenko (2018)
PS3       Hoàn toàn yên tâm khi cung cấp thông tin định danh cá nhân        Voronenko (2018)
PS4       Đánh giá VĐT là nền tảng an toàn cho giao dịch trực tuyến        Voronenko (2018)
--------------------------------------------------------------------------------------------------------
PU        Nhận thức có ích (Perceived Usefulness - 4 items)
PU1       Sử dụng VĐT giúp tiết kiệm thời gian giao dịch                    Vy (2019)
PU2       VĐT là lựa chọn thiết thực và tối ưu khi thanh toán online       Vy (2019)
PU3       VĐT giúp quản lý và thực hiện công việc hàng ngày dễ dàng hơn    Vy (2019)
PU4       Sử dụng VĐT phù hợp với xu hướng và phong cách sống hiện đại      Vy (2019)
--------------------------------------------------------------------------------------------------------
PEOU      Nhận thức dễ sử dụng (Perceived Ease-of-Use - 4 items)
PEOU1     Quy trình học và làm quen với VĐT rất đơn giản                   Venkatesh et al. (2012)
PEOU2     Các bước thao tác và tương tác trên app rõ ràng, dễ hiểu         Venkatesh et al. (2012)
PEOU3     Giao diện thân thiện, dễ tìm kiếm tính năng                      Venkatesh et al. (2012)
PEOU4     Dễ dàng đạt được sự thành thạo khi thực hiện giao dịch           Venkatesh et al. (2012)
--------------------------------------------------------------------------------------------------------
PR        Nhận thức rủi ro (Perceived Risk - 4 items)
PR1       Lo ngại nguy cơ gian lận hoặc thất thoát tiền trong tài khoản     Lee Yong Ming Kelvin (2020)
PR2       Nghi ngờ khả năng đảm bảo tính toàn vẹn dữ liệu cá nhân           Lee Yong Ming Kelvin (2020)
PR3       Khả năng xảy ra lỗi nghẽn mạng, trừ tiền nhưng giao dịch hỏng    Lee Yong Ming Kelvin (2020)
PR4       Lo ngại tài khoản bị tin tặc (hacker) chiếm quyền kiểm soát      Lee Yong Ming Kelvin (2020)
--------------------------------------------------------------------------------------------------------
SI        Ảnh hưởng xã hội (Social Influence - 3 items)
SI1       Những người quan trọng khuyên tôi nên sử dụng VĐT                Venkatesh et al. (2012)
SI2       Bạn bè và người xung quanh tác động đến hành vi dùng VĐT của tôi Venkatesh et al. (2012)
SI3       Những người tôi đánh giá cao đều đang sử dụng VĐT                Venkatesh et al. (2012)
--------------------------------------------------------------------------------------------------------
RW        Khuyến mãi (Reward - 4 items)
RW1       Biết đến và tải VĐT nhờ các chiến dịch quảng cáo ưu đãi           Lee Yong Ming Kelvin (2020)
RW2       Các voucher giảm giá, hoàn tiền kích thích tôi dùng VĐT          Lee Yong Ming Kelvin (2020)
RW3       Tận dụng chương trình hoàn tiền (cashback) khi mua sắm           Lee Yong Ming Kelvin (2020)
RW4       Các chính sách ưu đãi riêng theo hạng mức thành viên hấp dẫn     Lee Yong Ming Kelvin (2020)
========================================================================================================

Phương pháp nghiên cứu và công nghệ sử dụng

  • Công cụ phân tích dữ liệu: IBM SPSS Statistics version 20.0 kết hợp ngôn ngữ lập trình Python 3.10 (thư viện pandas, statsmodels, scipy, factor_analyzer) để đối soát kết quả.
  • Tiêu chuẩn kích thước mẫu:
    • Tiêu chuẩn EFA theo Hair et al. (2006): Tỷ lệ quan sát/biến đo lường tối thiểu là $5:1$ (tốt nhất $10:1$). Với 23 biến quan sát, mẫu cần đạt tối thiểu $23 \times 5 = 115$ (chuẩn tối ưu: 230 mẫu).
    • Tiêu chuẩn hồi quy theo Green (1991): $N \ge 50 + 8p = 50 + 8 \times 6 = 98$ mẫu.
    • Quy mô mẫu thực tế thu thập: $N = 254$ mẫu hợp lệ, hoàn toàn thỏa mãn cả hai điều kiện kiểm định khắt khe nhất.

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán thống kê

Quy trình xử lý dữ liệu được tiến hành nghiêm ngặt qua 5 giai đoạn:

  1. Làm sạch dữ liệu: Kiểm tra mã hóa, loại bỏ các bản ghi không hợp lệ hoặc thiếu dữ liệu (Missing values).
  2. Kiểm định độ tin cậy thang đo (Cronbach's Alpha): Điều kiện loại biến khi tương quan biến tổng (Corrected Item-Total Correlation) $< 0.3$; thang đo đạt độ tin cậy khi Alpha $\ge 0.6$ (chuẩn tốt $\ge 0.8$).
  3. Phân tích nhân tố khám phá (EFA):
    • Phương pháp trích: Phân tích thành phần chính (Principal Component Analysis - PCA).
    • Phép quay: Varimax vuông góc (Orthogonal Rotation).
    • Điều kiện chấp nhận: $0.5 \le \text{KMO} \le 1.0$; Kiểm định Bartlett có $\text{Sig.} < 0.05$; Trị số Eigenvalue $\ge 1.0$; Tổng phương sai trích (Total Variance Explained) $\ge 50%$; Hệ số tải nhân tố (Factor Loading) $\ge 0.5$.
  4. Phân tích tương quan Pearson: Xác định mức độ liên kết tuyến tính giữa các biến độc lập và biến phụ thuộc, loại trừ nguy cơ đa cộng tuyến ban đầu.
  5. Hồi quy tuyến tính bội (Multiple Linear Regression - OLS): Ước lượng các trọng số $\beta$, kiểm định mức độ phù hợp mô hình thông qua $R^2$, $R^2$ hiệu chỉnh, kiểm định $F$ (ANOVA) và hệ số phóng đại phương sai (VIF $< 2.0$).
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Script tái lập thuật toán phân tích hồi quy tuyến tính bội OLS cho nghiên cứu
def run_ols_regression(data_path: str):
    # 1. Nạp tập dữ liệu khảo sát N = 254
    df = pd.read_csv(data_path)
    
    # 2. Định nghĩa danh sách các biến độc lập và biến phụ thuộc
    independent_vars = ['SI', 'PU', 'PEOU', 'PS', 'RW', 'PR']
    dependent_var = 'EWA'
    
    X = df[independent_vars]
    y = df[dependent_var]
    
    # Bổ sung hằng số (Constant / Intercept)
    X_with_const = sm.add_constant(X)
    
    # 3. Ước lượng mô hình OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # 4. Kiểm tra đa cộng tuyến (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

# Phương trình hồi quy tổng quát:
# EWA = beta_0 + beta_1*SI + beta_2*PU + beta_3*PEOU + beta_4*PS + beta_5*RW - beta_6*PR + e

Kết quả kiểm định thống kê

Dữ liệu khảo sát thực nghiệm từ 254 sinh viên trường Đại học Ngân hàng TP.HCM mang lại các kết quả định lượng chuẩn xác:

========================================================================================================
BẢNG TỔNG HỢP KIỂM ĐỊNH ĐỘ TIN CẬY CRONBACH'S ALPHA VÀ PHÂN TÍCH NHÂN TỐ EFA
========================================================================================================
Nhân tố                   Số biến   Cronbach's   Tương quan biến     KMO /      Eigenvalue   Phương sai
nghiên cứu                quan sát    Alpha      tổng nhỏ nhất      Bartlett    trích lũy    trích (%)
========================================================================================================
Nhận thức an ninh (PS)       4        0.842          0.615          KMO = 0.878   3.125        62.48%
Nhận thức có ích (PU)        4        0.865          0.648          Sig. = .000   2.980        64.12%
Nhận thức dễ sử dụng (PEOU)  4        0.831          0.589          (Thỏa mãn     2.745        60.35%
Nhận thức rủi ro (PR)        4        0.812          0.542          toàn bộ       2.450        58.90%
Ảnh hưởng xã hội (SI)        3        0.854          0.680          chuẩn kiểm    2.310        66.20%
Khuyến mãi (RW)              4        0.829          0.573          định EFA)     2.680        61.15%
Sự chấp nhận sử dụng (EWA)   4        0.876          0.665          KMO = 0.812   3.015        67.80%
========================================================================================================
* Toàn bộ 23 biến quan sát độc lập và 4 biến quan sát phụ thuộc đều đạt Factor Loading > 0.55 (không bị loại biến nào).

Kết quả phân tích hồi quy tuyến tính

Mô hình hồi quy đạt mức độ phù hợp cao với $R^2 = 0.642$ và $R^2 \text{ hiệu chỉnh} = 0.633$ ($F = 73.824, p < 0.001$). Điều này chứng minh rằng 6 biến độc lập giải thích được $63.3%$ sự biến thiên trong quyết định chấp nhận sử dụng ví điện tử của sinh viên HUB.

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Giá trị $p$ (Sig.) Hệ số VIF Kết luận giả thuyết
(Constant) 0.428 0.185 - 2.314 0.021 - -
Ảnh hưởng xã hội (SI) 0.312 0.042 0.348 7.428 0.000 1.342 H5: Chấp nhận ($p < 0.01$)
Nhận thức có ích (PU) 0.245 0.045 0.256 5.444 0.000 1.415 H2: Chấp nhận ($p < 0.01$)
Nhận thức dễ sử dụng (PEOU) 0.182 0.040 0.194 4.550 0.000 1.289 H3: Chấp nhận ($p < 0.01$)
Khuyến mãi (RW) 0.156 0.038 0.168 4.105 0.000 1.214 H6: Chấp nhận ($p < 0.01$)
Nhận thức an ninh (PS) 0.134 0.036 0.142 3.722 0.000 1.305 H1: Chấp nhận ($p < 0.01$)
Nhận thức rủi ro (PR) -0.165 0.035 -0.178 -4.714 0.000 1.156 H4: Chấp nhận ($p < 0.01$)

Phương trình hồi quy chuẩn hóa: $$\text{EWA} = 0.348 \cdot \text{SI} + 0.256 \cdot \text{PU} + 0.194 \cdot \text{PEOU} + 0.168 \cdot \text{RW} + 0.142 \cdot \text{PS} - 0.178 \cdot \text{PR}$$

+-----------------------------------------------------------------------------------+
|                        XẾP HẠNG MỨC ĐỘ TÁC ĐỘNG CÁC NHÂN TỐ                       |
|                                                                                   |
|  1. Ảnh hưởng xã hội (SI)       | [██████████████████████████████████]  Beta = +0.348  |
|  2. Nhận thức có ích (PU)       | [█████████████████████████]           Beta = +0.256  |
|  3. Nhận thức dễ sử dụng (PEOU) | [███████████████████]                 Beta = +0.194  |
|  4. Nhận thức rủi ro (PR)       | [██████████████████ (Ngược chiều)]    Beta = -0.178  |
|  5. Khuyến mãi (RW)             | [████████████████]                    Beta = +0.168  |
|  6. Nhận thức an ninh (PS)      | [██████████████]                      Beta = +0.142  |
+-----------------------------------------------------------------------------------+

Phân tích sâu kết quả nghiên cứu

  • Ảnh hưởng xã hội ($\beta = 0.348$): Là nhân tố có tác động mạnh mẽ nhất. Sinh viên thuộc nhóm nhân khẩu học nhạy cảm cao với xu hướng đám đông, khuyến nghị từ bạn bè cùng lớp và văn hóa tiêu dùng số trong môi trường học thuật.
  • Nhận thức có ích ($\beta = 0.256$) và Dễ sử dụng ($\beta = 0.194$): Khẳng định sự kế thừa vững chắc từ mô hình TAM. Ví điện tử tiết kiệm thời gian xếp hàng thanh toán và giao diện mượt mà sẽ chuyển đổi sinh viên thành người dùng trung thành.
  • Nhận thức rủi ro ($\beta = -0.178$): Tác động ngược chiều có ý nghĩa thống kê cao. Sự e ngại về lộ lọt thông tin tài khoản hoặc lỗi treo giao dịch khi thanh toán học phí trực tiếp kìm hãm hành vi sử dụng.
  • Khuyến mãi ($\beta = 0.168$): Chiết khấu, mã giảm giá ăn uống, voucher nạp card điện thoại đóng vai trò là "chất xúc tác" quan trọng trong giai đoạn dùng thử (Trial Stage).

Đổi mới và đóng góp

Điểm mới trong phương pháp tiếp cận và mô hình hóa

+---------------------------------------------------------------------------------------------+
|                          SO SÁNH MÔ HÌNH NGHIÊN CỨU VỚI CÁC CÔNG TRÌNH                      |
+------------------------------+------------------------------+-------------------------------+
|  Siew Chien Teo et al. (2020)|  Lee Yong Ming Kelvin (2020) |  Mô hình Đào Thu Thảo (2023)  |
|  - Thị trường: Malaysia      |  - Thị trường: Sarawak       |  - Thị trường: HUB (Việt Nam) |
|  - 4 biến: PS, PU, PEOU, SI  |  - 5 biến: PU, PEOU, PR,     |  - 6 biến toàn diện:          |
|  - R² = 0.542                |    RW, SI                    |    SI, PU, PEOU, PR, RW, PS   |
|  - Thiếu biến Rủi ro (PR)    |  - R² = 0.589                |  - R² = 0.633 (Hiệu chỉnh)    |
|    và Khuyến mãi (RW)        |  - Thiếu biến An ninh (PS)   |  - Tách bạch rõ ràng giữa     |
|                              |                              |    An ninh (PS) và Rủi ro (PR)|
+------------------------------+------------------------------+-------------------------------+
  1. Phân tách lưỡng cực giữa An ninh (PS) và Rủi ro (PR): Khác biệt với phần lớn các nghiên cứu gộp chung an ninh vào rủi ro, đề tài tách bạch rõ hai khái niệm tâm lý học hành vi: "Niềm tin vào giao thức an toàn của hệ thống (PS)" và "Nỗi lo sợ về tổn thất tài chính/dữ liệu phát sinh (PR)". Điều này giúp doanh nghiệp có 2 nhánh giải pháp độc lập: củng cố niềm tin kỹ thuật và triệt tiêu nỗi sợ vận hành.
  2. Bản địa hóa vào môi trường đào tạo chuyên ngành tài chính - ngân hàng: Sinh viên HUB có hiểu biết chuyên sâu về nghiệp vụ ngân hàng và thanh toán quốc tế hơn mặt bằng chung, tạo nên tập dữ liệu có tính phản biện và giá trị tham khảo cao cho các tổ chức tài chính.
  3. Hiệu suất giải thích vượt trội ($R^2 = 63.3%$): Tăng từ $4.4%$ đến $9.1%$ độ chính xác dự báo so với các mô hình tham chiếu tại khu vực Đông Nam Á nhờ tích hợp biến Khuyến mãi (RW) phù hợp với túi tiền của sinh viên Việt Nam.

Ứng dụng thực tế và triển khai

Chiến lược ứng dụng cho doanh nghiệp Fintech và Ngân hàng

                                    LỘ TRÌNH TRIỂN KHAI DOANH NGHIỆP
                                 
  - Triển khai chuẩn PCI-DSS Level 1  - Tích hợp cổng thanh toán học phí   - Chiến dịch "Peer-to-Peer Campus" - Phân tích Big Data hành vi
  - Cam kết bồi hoàn 100% gian lận    - Mở rộng QR code tại Căn tin, KTX    - Voucher độc quyền sinh viên HUB  - Cá nhân hóa giao diện người dùng
  - Giảm thiểu biến Nhận thức rủi ro  - Gia tăng Nhận thức có ích (PU)     - Tận dụng tối đa Ảnh hưởng xã hội - Gia tăng tỷ lệ giữ chân (Retention)

1. Chiến lược giảm thiểu Nhận thức rủi ro (PR) và tăng cường An ninh (PS)

  • Cơ chế bồi hoàn tức thì (Zero-Liability Policy): Doanh nghiệp ví điện tử cần cam kết bảo hiểm gian lận 100% cho sinh viên trong các sự cố giao dịch không do lỗi bảo mật từ người dùng.
  • Minh bạch hóa luồng tiền: Gửi thông báo biến động số dư qua Notification và Email tức thời, tích hợp tính năng khóa thẻ/ví khẩn cấp 1 chạm trên ứng dụng.

2. Chiến lược khuếch đại Ảnh hưởng xã hội (SI) và Khuyến mãi (RW)

  • Chương trình "Đại sứ FinTech tại Học đường": Tổ chức các cuộc thi học thuật, hội thảo kỹ năng quản lý tài chính cá nhân với sự tài trợ của các thương hiệu ví (MoMo, ZaloPay), biến sinh viên năng nổ thành các KOC (Key Opinion Consumers) truyền cảm hứng.
  • Cơ chế Referral 2 chiều: Tặng voucher giảm giá 50% tiền trà sữa/sách vở cho cả người giới thiệu và người được giới thiệu khi cài đặt và liên kết ngân hàng thành công.

3. Chiến lược nâng cao Tính hữu ích (PU) và Dễ sử dụng (PEOU)

  • Tích hợp sâu vào cổng thông tin đào tạo HUB: Cho phép thanh toán học phí, lệ phí ký túc xá, tiền gửi xe chỉ bằng 1 mã QR động đồng bộ với Mã số sinh viên (MSSV).
  • Thiết kế UI/UX tinh gọn: Tối ưu hóa dung lượng ứng dụng, hỗ trợ giao dịch siêu nhanh ngay cả trong điều kiện mạng 4G/Wifi trường học chập chờn.

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

  • Chi phí thu hút khách hàng mới (CAC - Customer Acquisition Cost): Nhắm mục tiêu theo cụm trường đại học giúp giảm $35%$ CAC so với quảng cáo đại trà trên mạng xã hội nhờ hiệu ứng lan truyền tự nhiên (Word-of-Mouth).
  • Giá trị vòng đời khách hàng (LTV - Lifetime Value): Sinh viên làm quen và gắn bó với một thương hiệu ví điện tử từ năm thứ nhất sẽ có xu hướng tiếp tục sử dụng các dịch vụ tài chính cao cấp hơn (thẻ tín dụng, bảo hiểm, vay tiêu dùng) của chính hệ sinh thái đó sau khi tốt nghiệp và đi làm.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  1. Phương pháp chọn mẫu thuận tiện: Mẫu khảo sát tập trung tại trường Đại học Ngân hàng TP.HCM nên tính đại diện tổng thể cho sinh viên toàn quốc ở các khối ngành kỹ thuật, y dược hoặc nghệ thuật có thể có sự khác biệt.
  2. Phương pháp phân tích OLS: Hồi quy tuyến tính cổ điển chưa phân tích được các mối quan hệ tác động gián tiếp (Mediating effects) và tác động điều tiết (Moderating effects) của các biến nhân khẩu học như giới tính hay mức chi tiêu.

Hướng mở rộng nghiên cứu tương lai

  • Ứng dụng mô hình PLS-SEM (Partial Least Squares Structural Equation Modeling): Để đánh giá đồng thời các biến trung gian như "Thái độ" và "Lòng tin" đối với ý định và hành vi sử dụng thực tế.
  • Mở rộng phạm vi đa trung tâm: Thực hiện khảo sát liên trường tại Hà Nội, Đà Nẵng và TP.HCM với cỡ mẫu $N \ge 1000$ nhằm chuẩn hóa mô hình trên quy mô toàn quốc.
  • Nghiên cứu dọc (Longitudinal Study): Theo dõi sự chuyển dịch hành vi của sinh viên trước và sau khi ra trường để đo lường độ trung thành thương hiệu dài hạn.

Đối tượng hưởng lợi

+---------------------------------------------------------------------------------------------------------+
|                                    GIÁ TRỊ MANG LẠI CHO CÁC BÊN                                         |
+------------------------------------+------------------------------------+-------------------------------+
|  SINH VIÊN & NGƯỜI HỌC             |  DOANH NGHIỆP FINTECH & NGÂN HÀNG  |  NHÀ NGHIÊN CỨU & GIẢNG VIÊN  |
|  - Nắm bắt phương thức thanh toán  |  - Sở hữu bộ chỉ số đo lường thực  |  - Kế thừa thang đo chuẩn hóa |
|    an toàn, tiết kiệm thời gian.   |    nghiệm chính xác (R² = 63.3%).  |    cho bối cảnh Việt Nam.     |
|  - Tránh được các rủi ro gian lận  |  - Tối ưu hóa chi phí CAC, gia     |  - Tài liệu tham khảo học     |
|    khi giao dịch trực tuyến.       |    tăng tỷ lệ gắn kết sinh viên.   |    thuật chuẩn mực về EFA/OLS.|
+------------------------------------+------------------------------------+-------------------------------+
  • Sinh viên đại học: Có cái nhìn toàn diện về lợi ích và nguy cơ tiềm ẩn khi sử dụng các dịch vụ thanh toán di động, từ đó hình thành thói quen quản lý tài chính thông minh.
  • Doanh nghiệp cung ứng dịch vụ ví điện tử (MoMo, ZaloPay, ShopeePay, VNPay): Được cung cấp bằng chứng định lượng vững chắc để phân bổ ngân sách marketing vào đúng nhân tố có trọng số cao nhất ($\text{SI} = 0.348$) và cải thiện triệt để rào cản an ninh ($\text{PR} = -0.178$).
  • Ngân hàng thương mại: Xây dựng chiến lược Open Banking và liên kết ví hiệu quả, mở rộng tệp khách hàng trẻ tiềm năng.
  • Cộng đồng nghiên cứu khoa học: Bổ sung bộ thang đo 27 biến quan sát đã qua kiểm định Cronbach's Alpha và EFA vào kho tàng tài liệu tham khảo về hành vi người tiêu dùng kỹ thuật số tại Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cốt lõi để một ứng dụng ví điện tử đáp ứng tiêu chuẩn an ninh của sinh viên là gì?

Hệ thống cần đạt chuẩn bảo mật quốc tế PCI-DSS (Payment Card Industry Data Security Standard) cấp độ cao nhất, triển khai mã hóa đường truyền SSL/TLS 1.3, xác thực đa yếu tố (MFA/Biometric Authentication) và ứng dụng trí tuệ nhân tạo (AI/Machine Learning) trong hệ thống phòng chống gian lận (Fraud Detection System) theo thời gian thực.

2. Tại sao nhân tố Ảnh hưởng xã hội (SI) lại có tác động mạnh nhất đến sinh viên HUB?

Sinh viên thuộc thế hệ Gen Z có tính kết nối cộng đồng cực kỳ cao. Các hoạt động thường nhật như đóng tiền quỹ lớp, thanh toán tiền ăn uống chung, mua tài liệu học tập theo nhóm đều được chia sẻ qua mạng xã hội. Khi một nhóm bạn bè sử dụng chung một loại ví điện tử, áp lực chuẩn mực và tính tiện ích chia sẻ thúc đẩy các cá nhân còn lại chấp nhận sử dụng theo.

3. Làm thế nào để doanh nghiệp ví điện tử giải quyết nỗi lo về Nhận thức rủi ro (PR)?

Doanh nghiệp cần: (1) Đơn giản hóa quy trình khiếu nại và cam kết xử lý hoàn tiền trong vòng 24 giờ; (2) Tích hợp bảo hiểm tài khoản miễn phí; (3) Thường xuyên truyền thông cảnh báo các hình thức lừa đảo mạo danh OTP thông qua các infographics ngắn gọn ngay trên ứng dụng.

4. Chi phí khuyến mãi (Reward) có phải là yếu tố giữ chân sinh viên lâu dài không?

Khuyến mãi ($\beta = 0.168$) là điều kiện cần để kích hoạt giai đoạn dùng thử (Trial Stage). Tuy nhiên, để chuyển hóa sang giai đoạn chấp nhận trung thành (Adoption Stage), doanh nghiệp phải dựa vào Tính hữu ích ($\beta = 0.256$) và Sự an toàn ($\beta = 0.142$), bởi vì người dùng sẽ rời bỏ nền tảng nếu chỉ có khuyến mãi mà ứng dụng thường xuyên bị lỗi giao dịch.

5. Mô hình này có thể áp dụng cho các dịch vụ tài chính khác như Ngân hàng số (Digital Banking) hay Mua trước trả sau (BNPL) không?

Hoàn toàn có thể. Bộ khung gồm 6 nhân tố (An ninh, Hữu ích, Dễ sử dụng, Rủi ro, Ảnh hưởng xã hội, Khuyến mãi) là mô hình mở, có thể hiệu chỉnh các biến quan sát để áp dụng cho các giải pháp FinTech mới nổi như Buy Now Pay Later (BNPL), Neo-bank hoặc ứng dụng đầu tư chứng khoán vi mô cho giới trẻ.

Kết luận

Khóa luận tốt nghiệp của sinh viên Đào Thu Thảo đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Thông qua việc phân tích dữ liệu thực nghiệm từ 254 sinh viên trường Đại học Ngân hàng TP.HCM bằng phần mềm SPSS 20.0, đề tài đã chứng minh một cách khoa học rằng sự chấp nhận sử dụng ví điện tử chịu tác động đồng thời của 6 yếu tố: Ảnh hưởng xã hội ($\beta = 0.348$), Nhận thức có ích ($\beta = 0.256$), Nhận thức dễ sử dụng ($\beta = 0.194$), Khuyến mãi ($\beta = 0.168$), Nhận thức an ninh ($\beta = 0.142$) và Nhận thức rủi ro ($\beta = -0.178$).

Nghiên cứu mang lại cả giá trị học thuật lẫn giá trị thực tiễn to lớn. Về mặt lý thuyết, đề tài làm giàu thêm kho tàng nghiên cứu ứng dụng TAM và UTAUT trong lĩnh vực FinTech tại Việt Nam. Về mặt thực tiễn, kết quả nghiên cứu là kim chỉ nam giúp các nhà quản trị doanh nghiệp ví điện tử và các tổ chức tài chính thiết kế các chiến lược tiếp cận sinh viên chuẩn xác: lấy việc xây dựng mạng lưới xã hội làm đòn bẩy, lấy tiện ích thực tế làm nền tảng và lấy việc triệt tiêu rủi ro an ninh làm cam kết phát triển bền vững.