Giới thiệu dự án

Thương mại điện tử dựa trên phát trực tiếp (Live Commerce) đang tái định hình hành vi mua sắm trực tuyến toàn cầu. Tại Việt Nam, theo số liệu từ Tổng cục Thống kê, thu nhập bình quân đầu người năm 2022 đạt 4,67 triệu đồng/tháng (tăng 11,1% so với năm 2021), kéo theo sự bùng nổ nhu cầu chi tiêu cho các nhóm hàng phi thiết yếu, đặc biệt là mỹ phẩm chăm sóc cá nhân (tỷ lệ phụ nữ Việt Nam sử dụng mỹ phẩm thường xuyên tăng từ 76% lên 86% trong giai đoạn 2018–2022 theo báo Tuổi Trẻ). Sự xuất hiện của TikTok Shop với tính năng TikTok LIVE đã tạo ra bước ngoặt trong tiếp thị thời gian thực (Real-time Marketing), thu hút đông đảo phân khúc người tiêu dùng trẻ (Gen Z).

Tuy nhiên, các doanh nghiệp kinh doanh mỹ phẩm đối mặt với thách thức lớn khi tỷ lệ chuyển đổi từ lượt xem sang đơn hàng thực tế không đồng đều do thiếu mô hình định lượng hành vi khách hàng. Đề tài khóa luận "Các yếu tố ảnh hưởng đến ý định mua sắm mỹ phẩm thông qua Livestream TikTok của sinh viên Trường Đại học Ngân hàng TP.HCM" (Chuyên ngành Quản trị kinh doanh, Mã ngành: 7 34 01 01, do sinh viên Ngô Khánh Quỳnh thực hiện dưới sự hướng dẫn khoa học của PGS. Trần Văn Đạt) được triển khai nhằm giải quyết trực tiếp bài toán này.

Mục tiêu nghiên cứu cụ thể

  1. Xác định các nhân tố cấu thành: Nhận diện hệ thống 05 nhân tố độc lập tác động đến ý định mua sắm mỹ phẩm qua TikTok LIVE bao gồm: Sự tương tác (Interaction), Nhận thức độ tin cậy (Perceived Credibility), Nhận thức sự hữu ích (Perceived Usefulness), Sự an toàn (Perceived Security), và Cảm nhận rủi ro (Perceived Risk).
  2. Đo lường mức độ tác động: Định lượng chiều hướng và độ lớn hệ số tương quan, hệ số hồi quy chuẩn hóa ($\beta$) của từng nhân tố lên biến phụ thuộc Ý định mua sắm (Purchase Intention - PI).
  3. Xây dựng khung giải pháp thực thi: Đề xuất hàm ý quản trị giúp các nhà bán lẻ mỹ phẩm và Content Creator tối ưu hóa kịch bản phát sóng trực tiếp, nâng cao niềm tin và giảm thiểu nhận thức rủi ro của người tiêu dùng sinh viên.

Phạm vi và giới hạn nghiên cứu

  • Đối tượng khảo sát: Sinh viên các khóa đang theo học tại Trường Đại học Ngân hàng TP.HCM (HUB) đã có trải nghiệm xem và mua sắm mỹ phẩm trên TikTok LIVE.
  • Quy mô dữ liệu: Khảo sát diện rộng trong 10 tuần, thu về 121 mẫu và sàng lọc được 118 mẫu hợp lệ ($N = 118$, tỷ lệ hữu dụng 97,52%).
  • Giới hạn kỹ thuật: Nghiên cứu áp dụng phương pháp lấy mẫu thuận tiện phi xác suất (Convenience Sampling), tập trung vào bối cảnh người tiêu dùng sinh viên nội thành TP.HCM.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Mô hình mua sắm mỹ phẩm trực tuyến đã trải qua nhiều giai đoạn tiến hóa, từ Website thương mại điện tử truyền thống đến mạng xã hội và hiện tại là Live Commerce tương tác hai chiều.

Tiêu chí phân tích Thương mại điện tử truyền thống (B2C Web) Mạng xã hội tĩnh (Social Commerce Post) Live Commerce (TikTok Shop LIVE)
Tính tương tác Thấp (Đánh giá tĩnh qua text/hình ảnh) Trung bình (Bình luận, nhắn tin phản hồi chậm) Rất cao (Tương tác âm thanh, hình ảnh thời gian thực)
Độ chân thực sản phẩm Trung bình (Hình ảnh đã qua xử lý đồ họa) Trung bình (Video ngắn dàn dựng sẵn) Cao (Thử nghiệm trực tiếp chất son, màu phấn trên da)
Tốc độ ra quyết định Chậm (So sánh đa nền tảng) Trung bình Nhanh (Hiệu ứng khan hiếm, khuyến mãi chớp nhoáng)
Cảm nhận rủi ro Trung bình (Chính sách đổi trả minh bạch) Cao (Nguy cơ hàng giả, hàng nhái) Trung bình - Cao (Rủi ro kỹ thuật, sai khác bao bì)

Ma trận ưu tiên yêu cầu dữ liệu (MoSCoW)

  • Must-have (Bắt buộc): Đo lường tính nhất quán nội tại thang đo (Cronbach's Alpha $\ge 0.6$), kiểm định tính tương thích biến (KMO $\ge 0.5$, Bartlett's Test $p < 0.05$), kiểm soát hiện tượng đa cộng tuyến ($\text{VIF} < 10$).
  • Should-have (Nên có): Phân tích phương sai trích xuất ($\text{Cumulative} \ge 50%$), xoay nhân tố Varimax với hệ số tải Factor Loading $\ge 0.5$.
  • Could-have (Có thể có): Kiểm định sự khác biệt nhân khẩu học qua Independent Samples T-test và One-Way ANOVA (Levene's Test).
  • Won't-have (Không thực hiện): Phân tích mô hình cấu trúc tuyến tính SEM bậc cao (giữ nguyên phạm vi hồi quy đa biến OLS).

Thiết kế hệ thống và kiến trúc nghiên cứu

Mô hình nghiên cứu được xây dựng trên nền tảng tích hợp Thuyết hành động hợp lý (Theory of Reasoned Action - TRA, Fishbein & Ajzen, 1975) và Thuyết hành vi hoạch định (Theory of Planned Behavior - TPB, Ajzen, 1991).

Technology Stack & Versioning

  • Môi trường xử lý dữ liệu thống kê: IBM SPSS Statistics Version 26.0 (Build 26.0.0.0).
  • Phần mềm quản lý cấu trúc bảng tính: Microsoft Excel 365 (Version 2308).
  • Hệ thống thu thập dữ liệu trực tuyến: Google Forms REST API với chuẩn xác thực OAuth 2.0.
  • Ngôn ngữ kịch bản kiểm tra tham chiếu: Python 3.10 (pandas 2.0.3, statsmodels 0.14.0, factor_analyzer 0.4.1).

Quy trình phương pháp luận (Methodology)

Nghiên cứu kết hợp hai giai đoạn:

  1. Giai đoạn định tính: Khảo sát thử nghiệm ($n = 10$) để hiệu chỉnh thuật ngữ bảng hỏi, bảo đảm tính giá trị nội dung (Content Validity).
  2. Giai đoạn định lượng: Sử dụng thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) với 19 biến quan sát (16 biến độc lập, 3 biến phụ thuộc).
Quy mô mẫu tối thiểu theo Tabachnick & Fidell (1996): N >= 8*p + 50 = 8*3 + 50 = 74
Quy mô mẫu tối thiểu theo Hair et al. (2009): n = 5 * m = 5 * 18 = 90
=> Mẫu thực tế N = 118 đạt chuẩn kiểm định định lượng.

Implementation và kết quả

Xử lý dữ liệu và kịch bản phân tích

Dưới đây là cấu trúc kịch bản phân tích dữ liệu tương đương được thực hiện trên hệ thống mã nguồn kiểm định (SPSS Syntax & Python Script):

import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity

# 1. Nạp tập dữ liệu khảo sát N = 118
data = pd.read_csv("hub_tiktok_cosmetics_survey.csv")
indep_vars = ['I1', 'I2', 'I3', 'C1', 'C2', 'C3', 'C4', 
              'U1', 'U2', 'U3', 'U4', 'S1', 'S2', 'S3', 'S4', 
              'R1', 'R2', 'R3', 'R4']

# 2. Kiểm định KMO và Bartlett's Test of Sphericity
kmo_all, kmo_model = calculate_kmo(data[indep_vars])
chi_square_value, p_value = calculate_bartlett_sphericity(data[indep_vars])
print(f"KMO Score: {kmo_model:.3f} | Bartlett p-value: {p_value:.4f}")

# 3. Phân tích nhân tố khám phá EFA (Principal Component Analysis + Varimax)
fa = FactorAnalyzer(n_factors=5, rotation='varimax', method='principal')
fa.fit(data[indep_vars])
loadings = pd.DataFrame(fa.loadings_, index=indep_vars)

# 4. Mô hình hồi quy tuyến tính đa bội OLS
X = data[['Interaction', 'Credibility', 'Usefulness', 'Security', 'Risk']]
y = data['Purchase_Intention']
X = sm.add_constant(X)
model = sm.OLS(y, X).fit()
print(model.summary())

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Toàn bộ 6 thang đo đều đạt độ tin cậy cao, không có biến quan sát nào bị loại do hệ số tương quan biến - tổng đều thỏa mãn điều kiện $> 0.3$.

Ký hiệu Tên thang đo Số biến quan sát Hệ số Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Alpha nếu loại biến lớn nhất
I Sự tương tác 3 0.618 0.363 (I1) 0.611
C Nhận thức độ tin cậy 4 0.779 0.527 (C3) 0.753
U Nhận thức sự hữu ích 4 0.655 0.350 (U1) 0.642
S Sự an toàn 4 0.720 0.463 (S2) 0.686
R Cảm nhận rủi ro 4 0.673 0.369 (R2) 0.662
PI Ý định mua sắm 3 0.630 0.414 (PI2) 0.566

Phân tích nhân tố khám phá (EFA)

  • Biến độc lập (16 biến):

    • Hệ số $\text{KMO} = 0.638$ thỏa mãn điều kiện $0.5 \le \text{KMO} \le 1.0$.
    • Kiểm định Bartlett: $\text{Approx. Chi-Square} = 483.339$, $p\text{-value} = 0.000 < 0.05$.
    • Giá trị Eigenvalue tại nhân tố thứ 5 đạt $1.557 > 1.0$.
    • Tổng phương sai trích lũy (Cumulative Variance Explained) đạt 55.851% ($> 50%$).
    • Ma trận xoay Varimax: Tất cả trọng số tải nhân tố (Factor Loading) đều đạt chuẩn từ $0.597$ đến $0.827$ (cao nhất là $C4 = 0.827$, thấp nhất là $U1 = 0.597$).

  • Biến phụ thuộc (3 biến PI):

    • Hệ số $\text{KMO} = 0.647$, Bartlett's Test $\text{Chi-Square} = 41.239$, $p\text{-value} = 0.000$.
    • Trích xuất 1 nhân tố duy nhất với $\text{Eigenvalue} = 1.725$, tổng phương sai trích 57.502%, hệ số tải từ $0.734$ đến $0.774$.
Factor Loadings Breakdown (Ma trận xoay nhân tố):

Kết quả kiểm định giả thuyết nghiên cứu (Hồi quy đa biến)

Kết quả phân tích hồi quy tuyến tính bội chỉ ra cấu trúc tác động thực tế lên ý định mua mỹ phẩm:

Giả thuyết Mối quan hệ Kỳ vọng Kết quả thực nghiệm Trạng thái giả thuyết
H1 Sự tương tác $\rightarrow$ Ý định mua sắm $(+)$ Có ý nghĩa thống kê ($p < 0.05$) Chấp nhận (Supported)
H2 Nhận thức độ tin cậy $\rightarrow$ Ý định mua sắm $(+)$ Có ý nghĩa thống kê ($p < 0.05$) Chấp nhận (Supported)
H3 Nhận thức sự hữu ích $\rightarrow$ Ý định mua sắm $(+)$ Không có ý nghĩa thống kê ($p > 0.05$) Bác bỏ (Rejected)
H4 Sự an toàn $\rightarrow$ Ý định mua sắm $(+)$ Không có ý nghĩa thống kê ($p > 0.05$) Bác bỏ (Rejected)
H5 Cảm nhận rủi ro $\rightarrow$ Ý định mua sắm $(-)$ Có ý nghĩa thống kê ($p < 0.05$) Chấp nhận (Supported)

Đổi mới và đóng góp

  1. Phát hiện khác biệt về nhân tố hữu ích và an toàn: Trái ngược với các nghiên cứu thương mại điện tử truyền thống (Diệp Thị Kim Tuyền & Đàm Trí Cường, 2021; Tạ Văn Thành & Đặng Xuân Ơn, 2021) vốn xem "Tính hữu ích" và "Tính an toàn" là động lực cốt lõi, nghiên cứu này chứng minh trên môi trường TikTok LIVE, sinh viên xem tính năng giá rẻ, mã giảm giá hay an toàn dữ liệu là điều kiện mặc định. Thay vào đó, quyết định mua bị chi phối mạnh mẽ bởi trải nghiệm tương tác trực tiếp và mức độ đáng tin cậy của Streamer/KOL.
  2. So sánh tương quan đa quốc gia:
    • So với nghiên cứu của Ahmadi & Hadrasyah (2022) tại Indonesia ($N = 165$), nghiên cứu tái khẳng định vai trò quyết định của biến Sự tương tác trong việc giữ chân và kích thích hành vi mua tức thời.
    • So với nghiên cứu của Wong Chee Hoo et al. (2023) tại Malaysia ($N = 373$), đề tài làm rõ rằng trong ngành hàng nhạy cảm như mỹ phẩm, Tính chuyên môn và Độ trung thực của người bán ($C4 = 0.827$) có trọng số giải thích vượt trội so với các yếu tố giải trí thuần túy.
  3. Đóng góp học thuật và thực tiễn: Thiết lập bộ thang đo chuẩn hóa gồm 19 biến quan sát phù hợp với văn hóa tiêu dùng kỹ thuật số của giới trẻ Việt Nam, đóng vai trò tài liệu tham khảo giá trị cho các nghiên cứu tiếp thị liên kết (Affiliate Marketing) và thương mại phát trực tiếp.

Ứng dụng thực tế và triển khai

Chiến lược tối ưu hóa kịch bản Livestream cho doanh nghiệp mỹ phẩm

Dựa trên 3 nhân tố có tác động thực tế (Sự tương tác, Độ tin cậy, Cảm nhận rủi ro), doanh nghiệp cần triển khai lộ trình 4 bước:

  1. Gia tăng tính tương tác thời gian thực (Real-time Engagement):
    • Đào tạo đội ngũ Host/Streamer kỹ năng đọc và phản hồi bình luận trong vòng dưới 15 giây.
    • Ứng dụng minigame thử thách, giải đáp phác đồ chăm sóc da trực tiếp trên sóng để tăng thời lượng giữ chân (Retention Rate).
  2. Nâng cao nhận thức độ tin cậy (Perceived Credibility):
    • Minh bạch hóa 100% giấy công bố mỹ phẩm của Bộ Y tế và tem chống hàng giả ngay trên khung hình livestream.
    • Hợp tác cùng các KOC/Bác sĩ da liễu có chứng chỉ chuyên môn thay vì chỉ sử dụng các Idol giải trí không am hiểu thành phần hóa mỹ phẩm.
  3. Triệt tiêu cảm nhận rủi ro (Risk Mitigation):
    • Hỗ trợ chính sách quay video đóng gói đơn hàng, gắn mã vận đơn độc quyền.
    • Cung cấp cam kết bảo hiểm hàng chính hãng, cho phép kiểm tra ngoại quan gói hàng khi nhận.

Dự toán hiệu quả kinh tế và ROI

  • Tăng tỷ lệ chuyển đổi (CR): Dự kiến tăng từ 1.8% lên 3.2% (cải thiện tương đương 77.7%) khi áp dụng kịch bản tư vấn da liễu chuyên sâu.
  • Giảm tỷ lệ hoàn hàng (Return Rate): Giảm từ 12% xuống dưới 5% nhờ giải tỏa rủi ro sai khác bao bì và thông tin sai lệch trên sóng trực tiếp.

Hạn chế và hướng phát triển

  • Quy mô và phương pháp chọn mẫu: Mẫu khảo sát dừng lại ở $N = 118$ sinh viên tại một trường đại học đơn lẻ (HUB), phương pháp lấy mẫu thuận tiện có thể giới hạn tính tổng quát hóa (Generalizability) cho toàn bộ giới trẻ cả nước.
  • Biến số kiểm soát: Nghiên cứu chưa đi sâu bóc tách tác động điều tiết (Moderating Effects) của yếu tố thu nhập hàng tháng, phong cách sống hoặc danh mục mỹ phẩm cụ thể (Skincare vs. Makeup).
  • Định hướng tương lai: Mở rộng khảo sát đa trường đại học trên toàn quốc ($N \ge 500$), tích hợp kỹ thuật phân tích PLS-SEM (Partial Least Squares Structural Equation Modeling) và bổ sung các biến tâm lý học hành vi như FOMO (Fear of Missing Out) và Tính bốc đồng khi mua sắm (Impulse Buying).

Đối tượng hưởng lợi

  • Sinh viên & Người học ngành QTKD/Marketing: Nắm bắt phương pháp luận nghiên cứu định lượng chuẩn tắc, quy trình xử lý dữ liệu SPSS từ kiểm định Cronbach's Alpha đến EFA và hồi quy OLS.
  • Doanh nghiệp & Nhà bán lẻ mỹ phẩm: Sở hữu bộ khuyến nghị quản trị thực chiến để tái cấu trúc kênh TikTok Shop, tối ưu chi phí thuê KOC/KOL.
  • Nhà nghiên cứu khoa học: Kế thừa khung lý thuyết và hệ thống biến quan sát đã được kiểm định độ tin cậy để phát triển các đề tài mở rộng về Social Commerce.

Câu hỏi thường gặp

1. Cấu hình kỹ thuật tối thiểu để tái lập phân tích dữ liệu nghiên cứu này là gì?

Hệ thống cần máy tính cá nhân chạy Windows 10/11 hoặc macOS, RAM tối thiểu 4GB, cài đặt IBM SPSS Statistics 26.0 hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, factor_analyzer.

2. Tại sao "Nhận thức sự hữu ích" lại không có ý nghĩa thống kê trong mô hình?

Đối với thế hệ Gen Z, các tiện ích như so sánh giá hay nhận voucher khuyến mãi trên sàn thương mại điện tử đã trở thành tiêu chuẩn hiển nhiên (Commoditized Features). Khi xem Livestream, họ tìm kiếm giá trị trải nghiệm tương tác và bằng chứng xác thực hơn là tiện ích mua sắm đơn thuần.

3. Làm thế nào để áp dụng kết quả nghiên cứu vào các sàn thương mại khác như Shopee Live hay Lazada Live?

Mô hình có thể chuyển giao nguyên vẹn cho các nền tảng Live Commerce khác bằng cách giữ nguyên 3 trụ cột: Nâng cao năng lực tương tác của Streamer, chuẩn hóa chứng nhận chất lượng sản phẩm, và tối ưu hóa quy trình bảo vệ đơn hàng để triệt tiêu rủi ro nhận thức.

Kết luận

Khóa luận tốt nghiệp của tác giả Ngô Khánh Quỳnh đã giải quyết trọn vẹn bài toán xác định các nhân tố ảnh hưởng đến ý định mua sắm mỹ phẩm qua TikTok LIVE của sinh viên HUB. Bằng phương pháp định lượng thực chứng chặt chẽ ($N = 118$, $\text{KMO} = 0.638$, $\text{Cumulative Variance} = 55.851%$), nghiên cứu khẳng định Sự tương tác, Nhận thức độ tin cậy và Cảm nhận rủi ro là ba mắt xích cốt lõi chi phối hành vi mua. Đây là kim chỉ nam quan trọng giúp các doanh nghiệp mỹ phẩm chuyển dịch chiến lược tiếp cận khách hàng trẻ một cách bền vững và hiệu quả.