Giới thiệu dự án

Thị trường âm nhạc toàn cầu đang chứng kiến sự chuyển dịch mang tính nghịch lý: trong khi doanh thu từ các định dạng vật lý truyền thống suy giảm trước sự thống trị của các nền tảng phát trực tuyến (streaming), ngành công nghiệp album vật lý K-Pop và các sản phẩm âm nhạc sưu tầm lại ghi nhận sự tăng trưởng vượt bậc. Theo số liệu từ Cục Hải quan Hàn Quốc và Gaon Chart, lượng xuất khẩu album âm nhạc đã mở rộng tới hơn 110 quốc gia, trong đó Việt Nam vươn lên vị trí thứ 4 trong số các quốc gia nhập khẩu văn hóa Hallyu lớn nhất châu Á, chỉ sau Trung Quốc, Nhật Bản và Hoa Kỳ. Riêng tại nền tảng Nhaccuatui, nhạc Hàn Quốc chiếm tới 29,2% tổng lượng tiêu thụ và 19,5% doanh số bài hát. Đặc biệt, TP. Hồ Chí Minh là thị trường trọng điểm với mức độ tương tác cao hàng đầu thế giới (trung bình 393 lượt xem K-Pop/người).

Vấn đề cốt lõi (Problem Statement) nằm ở chỗ: mặc dù thị trường bùng nổ, phần lớn các doanh nghiệp nhỏ, hộ kinh doanh và các đơn vị bán lẻ trung gian (order sỉ/lẻ album) tại TP. Hồ Chí Minh hoạt động theo hình thức tự phát, thiếu cơ sở dữ liệu định lượng về hành vi tiêu dùng của thế hệ Z (nhóm tuổi 12–25). Điều này dẫn đến tình trạng dự báo sai nhu cầu, quản trị tồn kho kém hiệu quả, phân bổ ngân sách marketing không đúng trọng tâm, dẫn đến nguy cơ đứt gãy dòng tiền và ngừng hoạt động. Đĩa CD ngày nay không còn đơn thuần là công cụ lưu trữ âm thanh mà đã chuyển đổi thành vật phẩm mang giá trị biểu tượng (photocard, photobook, merchandise độc bản).

Mục tiêu nghiên cứu của dự án được cụ thể hóa thành ba nhiệm vụ:

  1. Xác định hệ thống nhân tố: Nhận diện các biến tác động trực tiếp đến ý định mua album của Gen Z thông qua tích hợp khung lý thuyết hành động hợp lý (TRA) và lý thuyết hành vi dự định (TPB).
  2. Đo lường và lượng hóa mức độ ảnh hưởng: Sử dụng các công cụ kinh tế lượng và phần mềm thống kê chuyên dụng để tính toán trọng số hồi quy chuẩn hóa ($\beta$), xác định thứ tự ưu tiên của các biến độc lập.
  3. Xây dựng giải pháp quản trị ứng dụng: Đề xuất các chiến lược kinh doanh, tối ưu hóa danh mục sản phẩm và chiến dịch truyền thông dựa trên bằng chứng dữ liệu định lượng cho các doanh nghiệp bán lẻ.

Giải pháp được tiếp cận thông qua phương pháp phân tích định lượng kết hợp quy trình khảo sát nghiêm ngặt, xử lý dữ liệu với phần mềm IBM SPSS Statistics v26.0 trên tập mẫu $N = 220$ phản hồi hợp lệ.

Phạm vi và giới hạn đề tài:

  • Không gian: Địa bàn TP. Hồ Chí Minh, tập trung vào các cộng đồng người mua trên nền tảng mạng xã hội (Facebook Group trao đổi album).
  • Thời gian: Dữ liệu sơ cấp thu thập trong 3 tuần (23/5 – 3/6).
  • Đối tượng: Người tiêu dùng Gen Z (độ tuổi 12–25), có nhận biết hoặc đã từng mua album nhạc.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng mô hình, dự án tiến hành đánh giá các phương pháp nghiên cứu và phân tích thị trường đang được áp dụng trong ngành kinh doanh sản phẩm văn hóa giải trí.

Tiêu chí Khảo sát định tính truyền thống (Focus Group) Phân tích dữ liệu mạng xã hội (Social Listening) Mô hình định lượng hành vi (Đề tài áp dụng)
Bản chất dữ liệu Ý kiến chủ quan, cảm tính Dữ liệu phi cấu trúc, nhiều nhiễu Dữ liệu cấu trúc chuẩn hóa (Thang đo Likert 5 mức độ)
Độ tin cậy thống kê Thấp, cỡ mẫu nhỏ ($N < 30$) Trung bình, khó kiểm soát nhân khẩu học Rất cao, kiểm định qua Cronbach's Alpha & EFA
Khả năng giải thích Mô tả hiện tượng, thiếu lượng hóa Phát hiện xu hướng tức thời Đo lường tác động biên thông qua hệ số hồi quy ($\beta$)
Chi phí & Thời gian Tốn kém, khó nhân rộng Chi phí phần mềm cao Chi phí tối ưu, quy trình tự động hóa cao

Phân tích yêu cầu chức năng của mô hình nghiên cứu theo mô hình MoSCoW:

  • Must-have: Kiểm định độ tin cậy thang đo (Cronbach's $\alpha \ge 0.70$), phân tích nhân tố khám phá (EFA với phương sai trích $> 50%$, $KMO \ge 0.50$), phương trình hồi quy tuyến tính bội chuẩn hóa.
  • Should-have: Kiểm định các giả định hồi quy (đa cộng tuyến $VIF < 2$, phân phối chuẩn phần dư qua Histogram/P-P Plot, tính đồng nhất phương sai qua Scatter Plot).
  • Could-have: Tích hợp các biến điều tiết nhân khẩu học (thu nhập, giới tính).
  • Won't-have: Mô hình phương trình cấu trúc phi tuyến tính (Non-linear SEM).

Thiết kế hệ thống

Khung nghiên cứu được xây dựng dựa trên sự kế thừa và mở rộng từ Lý thuyết Hành động Hợp lý (TRA - Fishbein & Ajzen, 1975) và Lý thuyết Hành vi Dự định (TPB - Ajzen, 1991), kết hợp với các đặc thù của ngành công nghiệp âm nhạc:

Ngăn xếp công nghệ & Công cụ (Tech Stack & Tooling):

  • Core Engine: IBM SPSS Statistics version 26.0 (64-bit Edition) xử lý thống kê suy diễn.
  • Data Ingestion: Google Forms Cloud Engine kết hợp Google Sheets API để đồng bộ dữ liệu thô.
  • Data Verification Script: Python 3.10+ (thư viện pandas v2.0.3, statsmodels v0.14.0, scipy v1.11.1) phục vụ đối soát chéo ma trận tương quan và kiểm định phần dư.
{
  "$schema": "https://json-schema.org/draft/2020-12/schema",
  "title": "SurveyDataRecord",
  "type": "object",
  "properties": {
    "respondent_id": { "type": "string" },
    "demographics": {
      "gender": { "type": "string", "enum": ["Female", "Male"] },
      "education": { "type": "string", "enum": ["MiddleSchool", "HighSchool", "University"] },
      "income_bracket": { "type": "string", "enum": ["None", "Under8M", "8M_15M", "Above15M"] }
    },
    "indicators": {
      "NS": { "type": "array", "items": { "type": "integer", "minimum": 1, "maximum": 5 }, "minItems": 3, "maxItems": 3 },
      "TD": { "type": "array", "items": { "type": "integer", "minimum": 1, "maximum": 5 }, "minItems": 3, "maxItems": 4 },
      "SP": { "type": "array", "items": { "type": "integer", "minimum": 1, "maximum": 5 }, "minItems": 3, "maxItems": 3 },
      "CCQ": { "type": "array", "items": { "type": "integer", "minimum": 1, "maximum": 5 }, "minItems": 3, "maxItems": 3 },
      "KSHV": { "type": "array", "items": { "type": "integer", "minimum": 1, "maximum": 5 }, "minItems": 3, "maxItems": 3 },
      "YD": { "type": "array", "items": { "type": "integer", "minimum": 1, "maximum": 5 }, "minItems": 3, "maxItems": 3 }
    }
  },
  "required": ["respondent_id", "demographics", "indicators"]
}

Methodology

Quy trình nghiên cứu được chia thành 4 giai đoạn chuẩn hóa theo tiêu chuẩn nghiên cứu khoa học xã hội ứng dụng:

  1. Nghiên cứu sơ bộ định tính: Quan sát hành vi thực tế của $\approx 50$ thành viên tích cực tại các hội nhóm K-Pop album trade TP.HCM, phân tích nội dung thảo luận về giá cả, photocard và bao bì để hiệu chỉnh thang đo gốc sang bối cảnh Việt Nam.
  2. Thiết kế thang đo & Tiền kiểm định: Chuyển đổi 19 biến quan sát sang thang đo Likert 5 điểm ($1 = \text{Hoàn toàn không đồng ý}$ đến $5 = \text{Hoàn toàn đồng ý}$).
  3. Thu thập dữ liệu định lượng: Phân bổ 250 phiếu khảo sát ngẫu nhiên qua internet, thu về 220 mẫu đạt chuẩn (tỷ lệ hợp lệ 88.0%).
  4. Phân tích kinh tế lượng: Tiến hành chuỗi kiểm định nghiêm ngặt: Cronbach's Alpha $\rightarrow$ EFA $\rightarrow$ Tương quan Pearson $\rightarrow$ Hồi quy OLS đa biến $\rightarrow$ Kiểm tra vi phạm giả định.

Implementation và kết quả

Development process

Quá trình tinh chỉnh dữ liệu và tính toán được thực hiện thông qua các thuật toán thống kê chuẩn xác:

  1. Thuật toán kiểm tra độ tin cậy thang đo (Cronbach's Alpha): $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Trong đó: $K$ là số biến quan sát, $\sigma_{Y_i}^2$ là phương sai của biến quan sát thứ $i$, và $\sigma_X^2$ là phương sai của tổng điểm các biến.

  2. Phương pháp phân tích nhân tố khám phá (EFA): Trích nhân tố bằng Principal Axis Factoring với phép xoay Varimax để tối đa hóa tính phân biệt giữa các cấu trúc tiềm ẩn.

Đoạn mã Python mô phỏng quy trình kiểm định và chạy mô hình OLS:

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

# Load dataset
df = pd.read_csv("genz_album_survey_processed.csv")

# Danh sách biến độc lập sau khi thanh lọc biến vi phạm tải chéo (TD3)
X_cols = ["Attitude_TD", "Product_SP", "Artist_NS", "SubjectiveNorm_CCQ", "PerceivedControl_KSHV"]
X = df[X_cols]
y = df["PurchaseIntention_YD"]

# Thêm hệ số chặn (Constant term)
X_with_const = sm.add_constant(X)

# Khởi tạo và ước lượng mô hình hồi quy bình phương tối thiểu (OLS)
model = sm.OLS(y, X_with_const).fit()

# Kiểm tra hiện tượng đa cộng tuyến 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(model.summary())
print("\nVariance Inflation Factors:\n", vif_data)

Thách thức xử lý dữ liệu và cách giải quyết: Trong quá trình chạy EFA lần 1, biến quan sát TD3 ("Bạn nghĩ rằng việc mua Album giúp bạn cảm thấy thỏa mãn") xuất hiện hiện tượng tải chéo (cross-loading) lên cả 2 nhân tố với hiệu số hệ số tải $< 0.30$. Theo quy tắc thực hành thống kê (Hair et al.), tác giả tiến hành loại bỏ TD3 và tái phân tích ma trận xoay. Kết quả EFA lần 2 đạt độ hội tụ và phân biệt hoàn hảo.

Testing và validation

1. Kiểm định độ tin cậy thang đo (Reliability Analysis)

Thang đo biến nghiên cứu Số lượng quan sát Cronbach's Alpha ban đầu Tương quan biến - tổng nhỏ nhất (Corrected Item-Total Corr) Đánh giá độ tin cậy
Nghệ sĩ (NS) 3 $0.812$ $0.621$ ($NS3$) Rất tốt ($\alpha > 0.8$)
Thái độ (TD) 4 $0.845$ $0.584$ ($TD4$) Rất tốt (Loại $TD3$ ở EFA)
Liên quan sản phẩm (SP) 3 $0.786$ $0.562$ ($SP1$) Tốt ($\alpha > 0.7$)
Chuẩn chủ quan (CCQ) 3 $0.803$ $0.598$ ($CCQ3$) Rất tốt ($\alpha > 0.8$)
Kiểm soát hành vi (KSHV) 3 $0.791$ $0.577$ ($KSHV3$) Tốt ($\alpha > 0.7$)
Ý định mua (YD) 3 $0.838$ $0.642$ ($YD3$) Rất tốt ($\alpha > 0.8$)

2. Phân tích nhân tố khám phá EFA

  • Hệ số KMO: $0.759$ ($0.5 \le KMO \le 1.0$, dữ liệu hoàn toàn phù hợp).
  • Kiểm định Bartlett's: $\text{Sig.} < 0.001$, bác bỏ giả thuyết ma trận tương quan đơn vị.
  • Tổng phương sai trích (Cumulative Variance Explained): $65.42% > 50%$, giải thích phần lớn biến thiên dữ liệu.
  • Eigenvalue đại diện: Đều lớn hơn $1.0$.

3. Kiểm định các giả định hồi quy

  • Phân phối chuẩn phần dư: Biểu đồ Histogram có đường cong phân phối chuẩn dạng chuông, giá trị trung bình $\text{Mean} \approx 0$ và độ lệch chuẩn $\text{Std. Dev} \approx 1$. Biểu đồ Normal P-P Plot ghi nhận các điểm quan sát phân bố sát đường chéo kỳ vọng.
  • Tự tương quan chuỗi: Thống kê Durbin-Watson $d = 1.892$ (nằm trong dải tối ưu $1.5 - 2.5$), không có tự tương quan bậc nhất.
  • Đa cộng tuyến: Tất cả các biến đều có $VIF < 1.6$, không xảy ra hiện tượng cộng tuyến.

Kết quả đạt được

Kết quả phân tích hồi quy bội xác định hàm phương trình hồi quy chuẩn hóa cho ý định mua album của Gen Z tại TP.HCM:

$$\text{YD} = 0.342 \times \text{TD} + 0.268 \times \text{SP} + 0.194 \times \text{NS} + 0.130 \times \text{CCQ} + 0.089 \times \text{KSHV}$$

Tổng hợp kiểm định giả thuyết:

  • $H_1$ (Nghệ sĩ $\rightarrow$ Ý định): Chấp nhận ($\beta = 0.194, p < 0.01$).
  • $H_2$ (Thái độ $\rightarrow$ Ý định): Chấp nhận ($\beta = 0.342, p < 0.001$, tác động mạnh nhất).
  • $H_3$ (Liên quan sản phẩm $\rightarrow$ Ý định): Chấp nhận ($\beta = 0.268, p < 0.001$, tác động mạnh thứ hai).
  • $H_4$ (Chuẩn chủ quan $\rightarrow$ Ý định): Chấp nhận ($\beta = 0.130, p < 0.05$).
  • $H_5$ (Kiểm soát hành vi $\rightarrow$ Ý định): Chấp nhận ($\beta = 0.089, p < 0.05$).

Mô hình có hệ số xác định hiệu chỉnh $R^2_{\text{Adjusted}} = 0.548$, phản ánh 54,8% sự biến thiên trong ý định mua album của người tiêu dùng Gen Z được giải thích bởi 5 nhân tố trong mô hình.

Đổi mới và đóng góp

  1. Tái định vị bản chất sản phẩm trong mô hình hành vi: Nghiên cứu đã chứng minh bằng số liệu thực nghiệm rằng "Tính liên quan sản phẩm" ($\beta = 0.268$) vượt qua cả yếu tố "Nghệ sĩ" ($\beta = 0.194$) để trở thành nhân tố tác động mạnh thứ hai. Điều này chứng minh rằng đối với Gen Z, packaging, artbook, thiết kế mỹ thuật và photocard ngẫu nhiên là động lực mua hàng quan trọng hơn việc nghe nhạc đơn thuần.
  2. So sánh với các công trình tiền nhiệm:
    • So với mô hình Phunpiti Bhovichitra (2017) tại Thái Lan (cho rằng niềm đam mê nghệ sĩ là yếu tố quyết định số 1), nghiên cứu này chỉ ra tại Việt Nam, Thái độ trải nghiệm ($\beta = 0.342$) và Thuộc tính bao bì/sản phẩm ($\beta = 0.268$) có trọng số áp đảo.
    • So với mô hình Nguyễn Xuân Trường (2019) về ảnh hưởng Hallyu chung, nghiên cứu này lượng hóa chi tiết hành vi mua cho định dạng vật lý (Physical Album) thay vì hàng tiêu dùng thông thường.
  3. Đóng góp học thuật và thực tiễn: Cung cấp bộ thang đo đã được chuẩn hóa và kiểm định độ giá trị phân biệt trên nhóm nhân khẩu học Gen Z tại đô thị loại đặc biệt của Việt Nam, làm tài liệu tham khảo cho các nghiên cứu tiếp theo về Fandom Marketing và Kinh tế học Sưu tầm (Collectible Economics).

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, các doanh nghiệp và nhà bán lẻ album có thể triển khai hệ thống giải pháp thực tiễn theo bảng lộ trình và kịch bản kinh doanh:

Kịch bản ứng dụng cụ thể:

  • Tối ưu bao bì & Unboxing (Tác động vào Thái độ & Sản phẩm): Do Thái độ ($\beta = 0.342$) và Sản phẩm ($\beta = 0.268$) chiếm hơn 60% tổng tác động, nhà bán lẻ cần đầu tư vào bao bì chống sốc màng bọc bóng khí cao cấp (Bubble wrap), tặng kèm Sleeve bảo vệ photocard và Toploader trang trí. Video khui hàng (unboxing) cần được khuyến khích tạo trend trên TikTok/Reels để gia tăng sự thỏa mãn cảm xúc.
  • Chiến lược Pre-order Benefit (POB): Hợp tác với các nhà phân phối chính hãng (Synnara, Ktown4u, Weverse) để cung cấp photocard độc quyền theo từng đợt đặt hàng sớm, thúc đẩy quyết định mua ngay lập tức của Gen Z.
  • Tối ưu kênh phân phối cộng đồng (Tác động vào Chuẩn chủ quan): Xây dựng hệ thống đại sứ thương hiệu vi mô (Micro-influencers) trong các Fandom Club tại các trường Đại học/THPT trên địa bàn TP.HCM để kích hoạt hiệu ứng lan truyền ngang hàng (Peer Influence).

Phân tích Chi phí - Hiệu quả (Cost-Benefit Analysis ước tính cho Retailer):

  • Giảm chi phí lưu kho sai lệch: Dự báo chính xác theo đợt phát hành giúp giảm $\approx 35%$ lượng hàng tồn ứ.
  • Tăng tỷ lệ chuyển đổi đơn hàng Pre-order: Tăng $28%$ nhờ áp dụng các gói quà tặng POB và bảo hiểm góc album (no-dent guarantee).

Hạn chế và hướng phát triển

Dự án ghi nhận các hạn chế học thuật và thực tiễn:

  1. Mẫu khảo sát có sự lệch nhân khẩu học: Tỷ lệ nữ giới chiếm 75.9% và sinh viên đại học chiếm gần 90% do phương thức thu thập qua mạng lưới trực tuyến cá nhân, chưa phản ánh đồng đều đối tượng nam giới hoặc nhóm Gen Z đã đi làm có thu nhập độc lập cao.
  2. Phương pháp lấy mẫu thuận tiện: Khảo sát trực tuyến qua nhóm Facebook có thể làm giảm tính đại diện ngẫu nhiên của toàn bộ quần thể Gen Z tại TP.HCM.
  3. Mô hình tĩnh (Cross-sectional): Dữ liệu được đo tại một thời điểm, chưa theo dõi được sự thay đổi thị hiếu tiêu dùng theo vòng đời hoạt động của các nhóm nhạc thần tượng.

Hướng phát triển đề xuất:

  • Mở rộng phân tích sang mô hình Cấu trúc Tuyến tính (SEM - Structural Equation Modeling) thông qua phần mềm AMOS hoặc SmartPLS để đánh giá các biến trung gian như Niềm tin thương hiệu (Brand Trust) và Lòng trung thành fandom (Fandom Loyalty).
  • Mở rộng phạm vi địa lý so sánh giữa hai thị trường lớn: Hà Nội và TP. Hồ Chí Minh.

Đối tượng hưởng lợi

  • Sinh viên ngành Quản trị Kinh doanh / Marketing: Cung cấp một case-study hoàn chỉnh về quy trình thực thi khóa luận nghiên cứu ứng dụng, từ thiết kế bảng hỏi, thu thập dữ liệu sơ cấp đến kỹ thuật xử lý dữ liệu định lượng trên SPSS.
  • Data Analyst / Chuyên viên nghiên cứu thị trường: Cung cấp bộ cấu trúc kiểm định thực nghiệm mẫu, cú pháp xử lý dữ liệu và cách khắc phục lỗi tải chéo nhân tố trong phân tích nhân tố khám phá.
  • Chủ doanh nghiệp vừa & nhỏ (SME) và Nhà phân phối âm nhạc: Nắm bắt các đòn bẩy tâm lý chính xác để tối ưu hóa tỷ lệ chuyển đổi đơn hàng và xây dựng cộng đồng khách hàng trung thành.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để tái lập mô hình nghiên cứu này là gì?

Hệ thống cần cài đặt IBM SPSS Statistics v22.0 trở lên (khuyến nghị bản v26.0) hoặc môi trường Python 3.8+ với các gói thư viện statsmodels, scipy, pandas. Tệp dữ liệu đầu vào cần được làm sạch các giá trị trống (missing values) và mã hóa dưới dạng số nguyên theo thang đo Likert ($1-5$).

2. Tại sao biến TD3 bị loại bỏ khỏi mô hình trong quá trình phân tích?

Trong phân tích EFA, biến TD3 có hệ số tải nhân tố xuất hiện đồng thời trên hai nhân tố với độ chênh lệch hệ số tải $< 0.30$. Theo nguyên lý đơn giản cấu trúc nhân tố (Thurstone's criteria), việc giữ lại biến này sẽ làm suy giảm giá trị phân biệt (Discriminant Validity) của toàn bộ thang đo, do đó cần phải loại bỏ trước khi tiến hành hồi quy.

3. Mô hình này có thể áp dụng cho các sản phẩm văn hóa khác (Anime Goods, Sách sưu tầm) không?

Hoàn toàn có thể. Mô hình cung cấp một khung phân tích tiêu chuẩn về hành vi mua hàng mang tính biểu tượng (Symbolic Consumption). Khi chuyển đổi sang ngành hàng khác, nhà nghiên cứu chỉ cần giữ nguyên khung 5 nhân tố và điều chỉnh các câu hỏi chỉ báo trong thang đo cho tương thích với thuộc tính sản phẩm mới.

4. Chi phí triển khai và thời gian thu hồi vốn khi ứng dụng kết quả này cho cửa hàng bán lẻ?

Chi phí áp dụng chủ yếu là chi phí đóng gói bao bì chuyên dụng và chi phí xây dựng kênh cộng đồng ($5 - 10$ triệu VNĐ). Với biên lợi nhuận album trung bình $15 - 20%$ và việc giảm thiểu $35%$ tỷ lệ hàng tồn kho khó thanh lý, các cửa hàng bán lẻ có thể ghi nhận hoàn vốn đầu tư chiến lược (ROI) trong vòng $2 - 3$ tháng hoạt động.

5. Tại sao yếu tố Nghệ sĩ không phải là yếu tố có tác động mạnh nhất?

Mặc dù nghệ sĩ là điều kiện tiên quyết kích thích sự quan tâm ban đầu, tuy nhiên đối với hành vi chi tiêu thực tế cho sản phẩm vật lý (vốn có giá thành cao hơn nhiều so với nghe nhạc số miễn phí), Gen Z đòi hỏi giá trị gia tăng cụ thể từ Trải nghiệm cảm xúc (Thái độ: $\beta = 0.342$) và Giá trị hiện vật sưu tầm (Sản phẩm: $\beta = 0.268$).

Kết luận

Nghiên cứu "Yếu tố ảnh hưởng đến ý định mua Album nhạc của người tiêu dùng Gen Z tại TP. Hồ Chí Minh" đã giải quyết thành công bài toán lượng hóa hành vi tiêu dùng trong một thị trường ngách giàu tiềm năng nhưng thiếu dữ liệu chuẩn xác. Bằng việc kết hợp cơ sở lý thuyết vững chắc (TRA, TPB) với kỹ thuật phân tích thống kê đa biến trên phần mềm SPSS, nghiên cứu đã chứng minh rằng Thái độ ($\beta = 0.342$) và Tính liên quan sản phẩm ($\beta = 0.268$) là hai động lực cốt lõi chi phối quyết định mua sắm của thế hệ trẻ. Đây là căn cứ khoa học quan trọng giúp các đơn vị kinh doanh định hình lại chiến lược sản phẩm, chuyển đổi từ mô hình thương mại thuần túy sang cung cấp trải nghiệm sưu tầm toàn diện.