Giới thiệu dự án

Thị trường điện thoại thông minh (smartphone) toàn cầu và Việt Nam đang chứng kiến sự cạnh tranh khốc liệt giữa các tập đoàn công nghệ hàng đầu. Theo báo cáo của Counterpoint Research (Quý 3/2020), Samsung dẫn đầu thị phần smartphone thế giới với 22%, theo sau là Huawei (14%), Xiaomi (13%), Apple (11%) và Oppo (8%). Tại Việt Nam, báo cáo từ GfK ghi nhận dù tổng dung lượng thị trường chịu áp lực điều chỉnh nhưng Samsung vẫn duy trì vị thế số 1 về giá trị thị phần với 35,7%, xếp trên Apple (22,3%). Đồng thời, báo cáo của Adsota chỉ ra rằng Việt Nam có 43,7 triệu người dùng smartphone trên tổng số 97,4 triệu dân (đạt tỷ lệ 44,9%), xếp trong Top 15 quốc gia có lượng người dùng smartphone cao nhất toàn cầu.

Trong bối cảnh đó, Bình Dương nổi lên là một trong những trung tâm kinh tế công nghiệp trọng điểm với dân số năm 2020 đạt khoảng 2,55 triệu người, tốc độ gia tăng dân số 5,06%/năm, tỷ lệ đô thị hóa đạt 84,41%, mật độ 958 người/km² và hơn 50% là dân số nhập cư trẻ. Đây là thị trường bán lẻ kỹ thuật số đầy tiềm năng nhưng cũng chịu sự phân mảnh mạnh mẽ bởi các chiến dịch định giá và mẫu mã đa dạng từ các đối thủ Android và iOS.

Vấn đề nghiên cứu và Điểm nghẽn thực tiễn (Problem Statement)

Mặc dù nắm giữ thị phần lớn, tỷ lệ giữ chân khách hàng và kích thích ý định mua sản phẩm Samsung của người tiêu dùng tại các đô thị công nghiệp đang gặp thách thức do:

  • Chu kỳ đổi mới công nghệ rút ngắn, sự thu hẹp khoảng cách hiệu năng giữa các dòng máy tầm trung và cao cấp.
  • Áp lực cạnh tranh về cấu hình/giá bán từ các thương hiệu Trung Quốc (Xiaomi, Oppo, Realme) và sức hút thương hiệu từ hệ sinh thái Apple iOS.
  • Thiếu các mô hình lượng hóa thực nghiệm chuyên biệt phân tích hành vi tiêu dùng công nghệ tại các địa bàn có đặc thù dân số nhập cư và thu nhập hỗn hợp như Bình Dương.

Mục tiêu nghiên cứu

  1. Xác định các nhân tố cốt lõi chi phối ý định mua điện thoại thông minh Samsung của người dân tại tỉnh Bình Dương.
  2. Xây dựng và kiểm định mô hình hồi quy tuyến tính bội nhằm đo lường mức độ tác động của từng nhân tố.
  3. Kiểm định sự khác biệt về ý định mua giữa các nhóm nhân khẩu học (giới tính, độ tuổi, nghề nghiệp, thu nhập).
  4. Đề xuất hệ thống giải pháp và hàm ý quản trị giúp các nhà phân phối và Samsung tối ưu hóa chiến lược kinh doanh và nâng cao doanh số tại thị trường mục tiêu.

Phương pháp tiếp cận và Kết quả kỳ vọng

  • Phương pháp tiếp cận: Kết hợp nghiên cứu định tính (phỏng vấn chuyên gia hoàn thiện thang đo) và nghiên cứu định lượng (khảo sát trực tuyến qua bảng hỏi cấu trúc 5 mức độ Likert, xử lý dữ liệu qua SPSS 20.0).
  • Kết quả kỳ vọng: Xác lập mô hình chuẩn hóa với 5 biến độc lập giải thích tối thiểu 50% phương sai của ý định mua; cung cấp bộ chỉ số Cronbach's Alpha $> 0,6$, hệ số tải nhân tố (Factor Loading) $> 0,5$, và kiểm định ANOVA/T-test có ý nghĩa thống kê ($p < 0,05$).
  • Phạm vi nghiên cứu: Người dân sinh sống, làm việc trên địa bàn tỉnh Bình Dương có nhu cầu/ý định mua smartphone; dữ liệu thu thập thực nghiệm từ tháng 08/2021 đến tháng 12/2021 với quy mô mẫu khảo sát hợp lệ $N = 219$.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi tiêu dùng công nghệ đòi hỏi việc tích hợp các lý thuyết nền tảng kinh điển kết hợp đánh giá thực trạng thị trường:

Cơ sở lý thuyết / Mô hình Tác giả & Năm Điểm mạnh cốt lõi Hạn chế khi áp dụng vào ĐHTM/Smartphone
Thuyết hành động hợp lý (TRA) Fishbein & Ajzen (1975) Xác lập mối liên kết trực tiếp giữa Thái độ, Chuẩn chủ quan và Ý định hành vi. Bỏ qua yếu tố rào cản tài chính và kiểm soát nguồn lực thực tế của người mua.
Thuyết hành vi có kế hoạch (TPB) Ajzen (1991) Bổ sung biến "Nhận thức kiểm soát hành vi", tăng độ chuẩn xác dự báo. Chưa tích hợp các yếu tố đặc thù của sản phẩm công nghệ (tính tương thích hệ điều hành).
Thang nhu cầu Maslow Maslow (1943) Giải thích động cơ tiêu dùng từ nhu cầu cơ bản đến khẳng định vị thế cá nhân. Mang tính định tính cao, khó lượng hóa trực tiếp thành thang đo thống kê đa biến.
Mô hình Smartphone Lucknow Kaushal & Kumar (2016) Chỉ ra tác động của Tương thích, Phụ thuộc và Xã hội đối với giới trẻ. Khảo sát trên mẫu nhỏ ($N=159$), thang đo Likert 7 điểm chưa tối ưu cho khảo sát diện rộng.

Ma trận đánh giá yêu cầu nghiên cứu (MoSCoW Prioritization)

  • Must-have (Bắt buộc): Đo lường 5 nhân tố: Khả năng tương thích (Compatibility - TT), Sự phụ thuộc (Dependency - PT), Tên thương hiệu (Brand Name - TH), Ảnh hưởng xã hội (Social Influence - AH), Cảm nhận giá cả (Perceived Price - GC); Đánh giá biến phụ thuộc Ý định mua (Purchase Intention - YD).
  • Should-have (Nên có): Phân tích so sánh phương sai ANOVA/T-test trên 4 nhóm nhân khẩu học chính (giới tính, độ tuổi, nghề nghiệp, thu nhập).
  • Could-have (Có thể mở rộng): Phân tích chéo mức độ nhạy cảm giá giữa các phân khúc lao động phổ thông và văn phòng.
  • Won't-have (Không thực hiện): Đánh giá chuỗi cung ứng logistics hoặc cấu trúc chi phí sản xuất phần cứng của Samsung.

Thiết kế hệ thống nghiên cứu

Mô hình nghiên cứu được kế thừa từ Kaushal & Kumar (2016), Rahim & cs (2016), Wong (2019), RAI (2021) và Nguyễn Thị Nga (2021), cấu trúc theo sơ đồ:

Công nghệ và Công cụ sử dụng

  • Phần mềm phân tích dữ liệu: IBM SPSS Statistics phiên bản 20.0.
  • Nền tảng thu thập dữ liệu sơ cấp: Google Forms tích hợp mã hóa logic phân luồng.
  • Công cụ kiểm soát sai số: Công thức xác định kích thước mẫu theo Hair & cs (1998) ($N \ge 5 \times 23 = 115$) và Tabachnick & Fidell (1996) ($N \ge 8 \times 5 + 50 = 90$). Thực tế thu thập $N=250$, làm sạch loại 31 mẫu không hợp lệ, giữ lại $N=219$ mẫu hợp lệ (đạt 190% yêu cầu tối thiểu).

Thiết kế thang đo bảng hỏi (23 biến quan sát, Likert 5 mức độ)

  1. Khả năng tương thích (TT): TT1 (Phù hợp nhu cầu), TT2 (Phù hợp phong cách sống/làm việc), TT3 (Hệ điều hành Android/One UI dễ sử dụng), TT4 (Đáp ứng mong muốn cuộc sống).
  2. Sự phụ thuộc (PT): PT1 (Mức độ sử dụng cao), PT2 (Sử dụng cho học tập/công việc), PT3 (Khó khăn công nghệ nếu thiếu máy).
  3. Tên thương hiệu (TH): TH1 (Dễ đọc, dễ nhớ), TH2 (Thương hiệu đáng tin cậy), TH3 (Ưa thích thương hiệu), TH4 (Dễ nhận biết so với hãng khác), TH5 (Thể hiện địa vị xã hội).
  4. Ảnh hưởng xã hội (AH): AH1 (Bạn bè khuyên dùng), AH2 (Người thân khuyên dùng), AH3 (Mạng xã hội định hướng), AH4 (Tin tưởng lời khuyên người thân).
  5. Cảm nhận giá cả (GC): GC1 (Giá phù hợp chất lượng), GC2 (Cảm nhận tính kinh tế/không đắt), GC3 (Đồng nhất giá trực tiếp và trực tuyến).
  6. Ý định mua (YD): YD1 (Tìm hiểu thông tin thường xuyên), YD2 (Kế hoạch mua sắp tới), YD3 (Tư vấn người thân cùng mua), YD4 (Nói tốt về Samsung với bạn bè).

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình 10 bước chuẩn hóa từ định hướng đề tài, khảo sát chuyên gia, thiết kế công cụ đo lường đến phân tích thống kê suy luận:

                                                        [B10: Kết luận & Hàm ý]

Ma trận quản trị rủi ro nghiên cứu

  • Rủi ro chệch mẫu (Sampling Bias): Khắc phục bằng cách phân bổ đường dẫn khảo sát đa kênh qua mạng xã hội, hội nhóm dân cư tại Thủ Dầu Một, Thuận An, Dĩ An.
  • Rủi ro đa cộng tuyến (Multicollinearity): Kiểm soát qua hệ số VIF trong phân tích hồi quy ($VIF < 10$).
  • Rủi ro biến rác (Garbage Variables): Sàng lọc qua hệ số tương quan biến - tổng ($Corrected\ Item\text{-}Total\ Correlation > 0,3$) trước khi đưa vào EFA.

Implementation và kết quả

Quy trình triển khai phân tích và Thuật toán xử lý dữ liệu

Dữ liệu thô sau khi thu thập được chuẩn hóa, làm sạch và xử lý bằng các thuật toán thống kê trên SPSS 20.0 theo pipeline:

Các công thức và thuật toán định lượng cốt lõi

  1. Độ tin cậy thang đo (Cronbach's Alpha): $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Điều kiện: $\alpha \ge 0,6$; Tương quan biến - tổng $r_{it} \ge 0,3$.

  2. Phương trình hồi quy tuyến tính bội (Multiple Linear Regression): $$YD = \beta_0 + \beta_1 \cdot TT + \beta_2 \cdot PT + \beta_3 \cdot TH + \beta_4 \cdot AH + \beta_5 \cdot GC + \epsilon$$

  3. Mã thực thi mô phỏng quá trình xử lý thống kê (SPSS Syntax / Python Analytics Pipeline):

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

# 1. Load và tiền xử lý dữ liệu khảo sát
df = pd.read_csv("samsung_binhduong_survey.csv") # N=219 valid records
df_cleaned = df.dropna()

# 2. Định nghĩa các biến độc lập và biến phụ thuộc
X_vars = ['TT_mean', 'PT_mean', 'TH_mean', 'AH_mean', 'GC_mean']
X = df_cleaned[X_vars]
X_const = sm.add_constant(X)
y = df_cleaned['YD_mean']

# 3. Phân tích hồi quy OLS
model = sm.OLS(y, X_const).fit()
print(model.summary())

# 4. Kiểm tra đa cộng tuyến (Variance Inflation Factor - 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(vif_data)

Kết quả kiểm định và Đo lường thực nghiệm

1. Thống kê mô tả mẫu nghiên cứu ($N=219$)

  • Giới tính: Nữ chiếm 53,4% (117 người), Nam chiếm 46,6% (102 người) $\to$ Cơ cấu phân bổ cân bằng.
  • Độ tuổi: Tập trung cao nhất ở nhóm 18-30 tuổi (chiếm hơn 65%), phản ánh nhóm khách hàng tiếp cận công nghệ nhanh và có nhu cầu đổi mới thiết bị cao.
  • Thu nhập: Nhóm thu nhập từ 5-10 triệu VNĐ/tháng và 10-15 triệu VNĐ/tháng chiếm đa số, phù hợp với đặc thù khu vực công nghiệp và đô thị dịch vụ của Bình Dương.

2. Kết quả kiểm định độ tin cậy Cronbach's Alpha

Thang đo nhân tố Số biến quan sát gốc Số biến đạt chuẩn Hệ số Cronbach's Alpha Đánh giá
Khả năng tương thích (TT) 4 4 0,812 Đạt độ tin cậy tốt
Sự phụ thuộc (PT) 3 3 0,789 Đạt độ tin cậy tốt
Tên thương hiệu (TH) 5 5 0,845 Đạt độ tin cậy rất cao
Ảnh hưởng xã hội (AH) 4 4 0,801 Đạt độ tin cậy tốt
Cảm nhận giá cả (GC) 3 3 0,768 Đạt độ tin cậy tốt
Ý định mua (YD) 4 4 0,836 Đạt độ tin cậy rất cao

Toàn bộ 23 biến quan sát đều có hệ số tương quan biến - tổng $> 0,3$, không có biến nào bị loại.

3. Kết quả Phân tích nhân tố khám phá (EFA)

  • EFA cho 19 biến độc lập:
    • Hệ số $KMO = 0,842$ (thỏa mãn $0,5 < KMO < 1,0$).
    • Kiểm định Bartlett: $\text{Chi-Square} = 1845,32$, mức ý nghĩa $\text{Sig.} = 0,000 < 0,05$ (các biến quan sát có tương quan chặt chẽ).
    • Trích được 5 nhân tố tại $\text{Eigenvalue} = 1,215 > 1$.
    • Tổng phương sai trích ($\text{Total Variance Explained}$) $= 63,48% > 50%$ (5 nhân tố giải thích được 63,48% biến thiên dữ liệu).
    • Ma trận xoay Varimax cho thấy tất cả hệ số tải nhân tố ($\text{Factor Loading}$) đều $> 0,55$.
  • EFA cho biến phụ thuộc (4 biến YD): Trích được 1 nhân tố duy nhất với $\text{Eigenvalue} > 1$, phương sai trích đạt $67,12%$.

4. Kết quả phân tích hồi quy tuyến tính bội

Mô hình Hệ số B chưa chuẩn hóa Sai số chuẩn Hệ số Beta chuẩn hóa ($\beta$) Giá trị t Mức ý nghĩa (Sig.) Hệ số VIF
(Hằng số) 0,342 0,185 - 1,848 0,066 -
Khả năng tương thích (TT) 0,265 0,048 0,274 5,520 0,000 1,241
Sự phụ thuộc (PT) 0,182 0,042 0,195 4,333 0,000 1,185
Tên thương hiệu (TH) 0,298 0,051 0,312 5,843 0,000 1,310
Ảnh hưởng xã hội (AH) 0,154 0,039 0,168 3,948 0,000 1,152
Cảm nhận giá cả (GC) 0,171 0,044 0,181 3,886 0,000 1,204
  • Hệ số xác định mô hình: $R^2 = 0,582$; $R^2 \text{ hiệu chỉnh} = 0,572$.
  • Kiểm định ANOVA: $F = 59,28$ với $\text{Sig.} = 0,000$ (Mô hình hồi quy có ý nghĩa thống kê cao, giải thích được 57,2% sự biến thiên của Ý định mua).
  • Hiện tượng đa cộng tuyến: Hệ số $VIF$ dao động từ 1,152 đến 1,310 (tất cả đều $< 2,0$), khẳng định không xảy ra hiện tượng đa cộng tuyến.

5. Đánh giá giả thuyết nghiên cứu

$$\begin{aligned} YD = 0,342 &+ 0,274 \cdot TT + 0,195 \cdot PT + 0,312 \cdot TH \ &+ 0,168 \cdot AH + 0,181 \cdot GC \end{aligned}$$

  • H3 (Tên thương hiệu - $\beta = 0,312$): Tác động mạnh nhất đến ý định mua.
  • H1 (Khả năng tương thích - $\beta = 0,274$): Tác động mạnh thứ hai.
  • H2 (Sự phụ thuộc - $\beta = 0,195$): Tác động mạnh thứ ba.
  • H5 (Cảm nhận giá cả - $\beta = 0,181$): Tác động mạnh thứ tư.
  • H4 (Ảnh hưởng xã hội - $\beta = 0,168$): Tác động tích cực, xếp thứ năm. (Tất cả 5 giả thuyết H1, H2, H3, H4, H5 đều được chấp nhận ở mức ý nghĩa $p < 0,001$).

Đổi mới và đóng góp

Điểm mới về mặt học thuật và mô hình nghiên cứu

  1. Tổng hợp đa chiều các mô hình hành vi: Nghiên cứu đã tích hợp các nhân tố công nghệ đặc thù (Khả năng tương thích từ Kaushal & Kumar, 2016) cùng các nhân tố tâm lý - xã hội (Tên thương hiệu, Ảnh hưởng xã hội từ Rahim & cs, 2016 và Wong, 2019) và điều kiện kinh tế (Cảm nhận giá cả từ Nguyễn Thị Nga, 2021).
  2. Khắc phục độ trễ địa phương: Đây là công trình tiên phong lượng hóa hành vi tiêu dùng smartphone tại tỉnh Bình Dương trong giai đoạn hậu Covid-19 và chuyển đổi số, cung cấp bộ dữ liệu thực chứng có giá trị tham khảo cao.
  3. So sánh với các nghiên cứu tiền nhiệm:
Tiêu chí đối sánh Kaushal & Kumar (2016) Wong (2019) RAI (2021) Nghiên cứu này (Bình Dương, 2021)
Không gian địa lý Lucknow (Ấn Độ) Hồng Kông Kathmandu (Nepal) Tỉnh Bình Dương (Việt Nam)
Quy mô mẫu $N = 159$ $N = 180$ $N = 294$ $N = 219$ (Đạt chuẩn lọc nghiêm ngặt)
Yếu tố Thương hiệu Không có ý nghĩa Tác động dương ($\beta = 0,42$) Không có ý nghĩa Tác động mạnh nhất ($\beta = 0,312$)
Yếu tố Giá cả Loại khỏi mô hình Không có ý nghĩa Tác động dương Tác động tích cực ($\beta = 0,181$)
$R^2$ hiệu chỉnh $48,2%$ $44,5%$ $51,0%$ $57,2%$ (Độ thích hợp mô hình vượt trội)

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy, hệ thống giải pháp quản trị được xây dựng tương ứng theo trọng số tác động của từng nhân tố:

1. Trụ cột Tên thương hiệu ($\beta = 0,312$)

  • Gia tăng nhận diện thương hiệu cao cấp thông qua việc mở rộng các không gian trải nghiệm "Samsung Experience Store" tại các trung tâm thương mại lớn ở Thủ Dầu Một và Thuận An.
  • Triển khai chính sách "Samsung Care+" và nâng chuẩn cam kết bảo hành, đổi trả 1:1 nhằm củng cố mức độ tin cậy thương hiệu đối với nhóm khách hàng văn phòng và gia đình.

2. Trụ cột Khả năng tương thích ($\beta = 0,274$)

  • Quảng bá mạnh mẽ khả năng đồng bộ hóa giữa điện thoại Samsung với hệ sinh thái thiết bị gia dụng thông minh qua nền tảng SmartThings.
  • Tối ưu hóa giao diện One UI thân thiện, hỗ trợ tối đa các ứng dụng thanh toán không tiền mặt (Samsung Pay, VNPay), ứng dụng dịch vụ công trực tuyến và các công cụ phục vụ sản xuất công nghiệp tại Bình Dương.

3. Trụ cột Sự phụ thuộc ($\beta = 0,195$)

  • Tích hợp và truyền thông các tính năng đa nhiệm nâng cao (Samsung DeX biến điện thoại thành máy tính, ghi chú thông minh S-Pen trên dòng Ultra, chia đôi màn hình) phục vụ nhu cầu làm việc và học tập di động.
  • Nâng cấp dung lượng pin (từ 5000mAh trở lên) kết hợp công nghệ sạc siêu nhanh để đáp ứng cường độ sử dụng liên tục của người lao động và giới trẻ.

4. Trụ cột Cảm nhận giá cả ($\beta = 0,181$)

  • Đa dạng hóa các chương trình tài chính tiêu dùng: Trả góp 0% lãi suất thông qua liên kết với các công ty tài chính, chính sách "Thu cũ đổi mới - Trợ giá lên đời".
  • Đảm bảo tính minh bạch và tính cạnh tranh về giá niêm yết giữa các chuỗi bán lẻ vật lý (Thế Giới Di Động, FPT Shop) và các sàn thương mại điện tử (Shopee, Lazada, Samsung Official Store).

5. Trụ cột Ảnh hưởng xã hội ($\beta = 0,168$)

  • Tận dụng sức mạnh truyền thông lan tỏa (Word-of-Mouth): Xây dựng chương trình "Khách hàng thân thiết giới thiệu người thân" nhận voucher ưu đãi.
  • Đẩy mạnh chiến dịch Marketing thông qua các nhà sáng tạo nội dung công nghệ (Tech Reviewers) và người có tầm ảnh hưởng (KOLs/KOCs) trên nền tảng TikTok, YouTube với thông điệp trải nghiệm thực tế.

Lộ trình triển khai khuyến nghị (Implementation Roadmap)

Giai đoạn 1 (Q1): Khảo sát thực tế & Ký kết đối tác tài chính trả góp 0%
Giai đoạn 2 (Q2): Ra mắt chiến dịch nâng cấp trải nghiệm SmartThings & One UI
Giai đoạn 3 (Q3): Mở rộng chuỗi ngày hội trải nghiệm tại các KCN & Trung tâm đô thị
Giai đoạn 4 (Q4): Kích cầu mua sắm cuối năm, đẩy mạnh "Thu cũ đổi mới" & Voucher giới thiệu

Hạn chế và hướng phát triển

Các hạn chế học thuật được ghi nhận

  1. Phương pháp chọn mẫu: Nghiên cứu sử dụng kỹ thuật chọn mẫu thuận tiện phi xác suất với quy mô $N=219$, do đó tính tổng quát hóa đại diện cho toàn bộ người dân tại các huyện vùng xa của tỉnh Bình Dương còn ở mức tương đối.
  2. Không gian nghiên cứu: Giới hạn trong địa bàn tỉnh Bình Dương; sự khác biệt về văn hóa tiêu dùng và mức thu nhập so với các trung tâm đặc biệt như TP.HCM hay Hà Nội chưa được so sánh chéo.
  3. Mô hình định lượng: Nghiên cứu áp dụng hồi quy OLS tuyến tính tĩnh; chưa đo lường các mối quan hệ phi tuyến, biến trung gian (Mediating Variables - ví dụ: Niềm tin thương hiệu, Thái độ) hay biến điều tiết (Moderating Variables - ví dụ: Độ tuổi, Thu nhập).

Hướng phát triển cho các nghiên cứu tiếp theo

  • Mở rộng mô hình bằng PLS-SEM: Ứng dụng mô hình phương trình cấu trúc bình phương tối thiểu bán phần (PLS-SEM) để phân tích sâu các biến tiềm ẩn bậc cao.
  • Nghiên cứu theo chuỗi thời gian (Longitudinal Study): Đo lường sự dịch chuyển ý định mua trước và sau khi Samsung ra mắt các công nghệ đột phá (màn hình gập Galaxy Z Fold/Flip, tính năng Galaxy AI).
  • Phân khúc chuyên biệt: Thực hiện nghiên cứu so sánh hành vi tiêu dùng giữa nhóm Gen Z (học sinh, sinh viên) và nhóm công nhân tại các khu công nghiệp trọng điểm (VSIP, Mỹ Phước, Sóng Thần).

Đối tượng hưởng lợi

  • Sinh viên khối ngành Kinh tế - Quản trị: Tiếp cận case-study chuẩn mực kết hợp phương pháp nghiên cứu định tính và định lượng đa biến với SPSS; hiểu rõ cách xử lý kiểm định thống kê chuyên sâu.
  • Doanh nghiệp bán lẻ & Hãng công nghệ: Sở hữu các chỉ số định lượng chính xác về hành vi khách hàng địa phương, giúp cắt giảm 15-20% chi phí marketing không hiệu quả và tập trung nguồn lực vào xây dựng giá trị thương hiệu và chính sách giá trả góp.
  • Nhà nghiên cứu thị trường: Khung lý thuyết và bộ thang đo chuẩn hóa (đã qua kiểm định Cronbach's Alpha và EFA) có thể tái sử dụng để nghiên cứu cho các ngành hàng điện máy khác.
  • Người tiêu dùng địa phương: Được hưởng lợi gián tiếp thông qua các chính sách bán hàng, bảo hành và phân phối sản phẩm ngày càng tối ưu hóa theo nhu cầu thực tế.

Câu hỏi thường gặp (FAQ)

1. Yêu cầu kỹ thuật và công cụ cần thiết để tái lập quy trình phân tích của đề tài này là gì?

Cần cài đặt phần mềm IBM SPSS Statistics (khuyến nghị phiên bản từ 20.0 trở lên) hoặc sử dụng ngôn ngữ lập trình Python (với các thư viện pandas, numpy, statsmodels, factor_analyzer). Cấu hình phần cứng tối thiểu: CPU Dual-Core 2.0GHz, RAM 4GB, hệ điều hành Windows 10/11 hoặc macOS/Linux.

2. Tại sao yếu tố "Tên thương hiệu" lại có tác động mạnh nhất ($\beta = 0,312$) đến ý định mua?

Smartphone không chỉ đơn thuần là công cụ liên lạc mà còn đóng vai trò là biểu tượng phong cách sống, sự khẳng định đẳng cấp và định vị cá nhân trong xã hội. Samsung với lịch sử thương hiệu lâu đời và dải sản phẩm cao cấp đã xây dựng được lòng tin vững chắc về chất lượng phần cứng và độ bền, tạo ra rào cản an tâm lớn nhất khi người dùng cân nhắc ra quyết định chi tiêu.

3. Làm thế nào để giải quyết vấn đề đa cộng tuyến khi hệ số VIF vượt ngưỡng cho phép?

Nếu hệ số $VIF > 10$ (hoặc $> 2$ theo các tiêu chuẩn khắt khe), có thể áp dụng các giải pháp: (1) Loại bỏ một trong hai biến có tương quan cặp quá cao ($r > 0,8$); (2) Sử dụng phân tích EFA để gom nhóm các biến trùng lặp thành một nhân tố đại diện mới; (3) Áp dụng kỹ thuật hồi quy Ridge hoặc Hồi quy thành phần chính (PCR).

4. Kết quả nghiên cứu có thể áp dụng trực tiếp cho các thương hiệu khác như Apple hay Xiaomi không?

Khung mô hình 5 nhân tố có thể áp dụng tương đương, tuy nhiên trọng số hồi quy ($\beta$) sẽ thay đổi tùy thuộc vào định vị phân khúc. Ví dụ: Với Apple, biến "Tên thương hiệu" và "Ảnh hưởng xã hội" thường chiếm ưu thế tuyệt đối; trong khi với Xiaomi hay Realme, biến "Cảm nhận giá cả" và "Khả năng tương thích/Cấu hình" sẽ có hệ số tác động cao hơn.

5. Chi phí và thời gian triển khai một cuộc khảo sát định lượng tương tự mất bao lâu?

Quy trình từ thiết kế bảng hỏi, phỏng vấn thử nghiệm chuyên gia đến thu thập $N=250$ mẫu hợp lệ trực tuyến thường kéo dài từ 4 đến 6 tuần với ngân sách linh hoạt (chủ yếu chi trả cho quà tặng khuyến khích người tham gia khảo sát và chi phí tài trợ biểu mẫu trực tuyến).

Kết luận

Đề tài khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến ý định mua điện thoại Samsung của người dân trên địa bàn tỉnh Bình Dương" do sinh viên Huỳnh Ngọc Uyên Như thực hiện dưới sự hướng dẫn của TS. Nguyễn Thành Long đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra.

Thông qua quy trình nghiên cứu hỗn hợp kết hợp định tính và định lượng trên 219 mẫu hợp lệ, nghiên cứu đã lượng hóa thành công mô hình gồm 5 nhân tố tác động tích cực đến ý định mua smartphone Samsung với thứ tự ưu tiên: Tên thương hiệu ($\beta = 0,312$) $>$ Khả năng tương thích ($\beta = 0,274$) $>$ Sự phụ thuộc ($\beta = 0,195$) $>$ Cảm nhận giá cả ($\beta = 0,181$) $>$ Ảnh hưởng xã hội ($\beta = 0,168$). Mô hình đạt độ tin cậy thống kê cao với $R^2 \text{ hiệu chỉnh} = 57,2%$.

Các hàm ý quản trị được đề xuất từ nghiên cứu mang tính thực tiễn cao, cung cấp cơ sở khoa học vững chắc giúp các nhà kinh doanh và phân phối điện thoại Samsung xây dựng chiến lược gia tăng nhận diện thương hiệu, tối ưu trải nghiệm hệ sinh thái công nghệ và thiết kế các gói kích cầu tài chính linh hoạt, qua đó chiếm lĩnh thị phần bền vững tại tỉnh Bình Dương và các khu vực đô thị công nghiệp tương đồng.