Giới thiệu dự án

Thị trường thực phẩm hữu cơ (Organic Food) đang trải qua giai đoạn tăng trưởng vượt bậc trên toàn cầu khi nhận thức của người tiêu dùng về an toàn sức khỏe và phát triển bền vững ngày càng nâng cao. Tại Việt Nam, theo thống kê từ Bộ Nông nghiệp và Phát triển Nông thôn, trung bình mỗi năm cả nước nhập khẩu khoảng 100.000 tấn thuốc bảo vệ thực vật (BVTV) với hơn 20.000 loại phân bón hóa học lưu hành trên thị trường. Đi kèm với đó, báo cáo từ Cục An toàn Thực phẩm ghi nhận hàng chục vụ ngộ độc thực phẩm nghiêm trọng mỗi năm do vi sinh vật và tồn dư hóa chất độc hại. Tại TP.HCM, mặc dù diện tích gieo trồng rau hữu cơ đạt trên 21.000 ha nhưng khả năng tự đáp ứng nhu cầu nội đô mới chỉ đạt khoảng 30% (theo Báo Sài Gòn Giải Phóng). Bối cảnh hậu dịch COVID-19 càng thúc đẩy xu hướng tiêu dùng xanh, biến thực phẩm sạch thành ưu tiên thiết yếu.

                  THỰC TRẠNG & BỐI CẢNH NGHIÊN CỨU
+------------------------------------------------------------------+
|  Nhập khẩu BVTV: ~100.000 tấn/năm | Tự cung ứng TPHC: ~30%      |
|  Ngộ độc thực phẩm: Hàng chục vụ  | Xu hướng tiêu dùng: Xanh hóa |
+------------------------------------------------------------------+
+------------------------------------------------------------------+
| VẤN ĐỀ NGHIÊN CỨU: Ý định mua thực phẩm hữu cơ tại LOTTE Mart    |
| Giải pháp: Mô hình định lượng TPB + EFA + Hồi quy tuyến tính     |
+------------------------------------------------------------------+

Vấn đề cốt lõi đặt ra là sự bất cân xứng thông tin, rào cản giá cả và niềm tin của người tiêu dùng đối với nguồn gốc xuất xứ tại các kênh bán lẻ hiện đại. Khóa luận tốt nghiệp chuyên ngành Quản trị Kinh doanh của tác giả Phan Hoàng Hải (Trường Đại học Công nghiệp TP.HCM - IUH, GVHD: TS. Nguyễn Thị Vân) tập trung giải quyết bài toán: "Xác định và lượng hóa các yếu tố ảnh hưởng đến ý định mua thực phẩm hữu cơ của khách hàng tại siêu thị Lotte Mart Gò Vấp".

Dự án xác định 3 mục tiêu cụ thể:

  1. Xác định hệ thống các nhân tố tác động đến ý định mua thực phẩm hữu cơ của khách hàng tại Lotte Mart Gò Vấp dựa trên nền tảng lý thuyết hành vi.
  2. Đo lường mức độ tác động tương đối ($\beta$) của từng nhân tố thông qua mô hình phân tích định lượng chuẩn tắc.
  3. Đề xuất hệ thống hàm ý quản trị khả thi nhằm tối ưu hóa chiến lược chuỗi cung ứng, tiếp thị và nâng cao doanh thu bán lẻ cho hệ thống siêu thị.

Nghiên cứu mở rộng Lý thuyết Hành vi Dự định (Theory of Planned Behavior - TPB) bằng cách tích hợp các biến đặc thù thị trường bán lẻ Việt Nam. Kết quả kỳ vọng cung cấp bộ chỉ số thống kê định lượng đạt chuẩn ($N = 151$, Cronbach's $\alpha \ge 0.70$, $KMO \ge 0.50$, $R^2 > 0.50$, $p < 0.05$). Phạm vi không gian giới hạn tại siêu thị Lotte Mart Gò Vấp, tập trung vào nhóm khách hàng trực tiếp mua sắm nông sản và thực phẩm tươi sống.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các mô hình nghiên cứu hành vi tiêu dùng thực phẩm xanh trước đây đã tiếp cận nhiều khía cạnh nhưng còn tồn tại những khoảng trống về bối cảnh địa phương và kênh phân phối hiện đại:

Công trình nghiên cứu Mô hình áp dụng Ưu điểm chính Nhược điểm / Khoảng trống
Nguyễn Ngọc Mai & Trần Thanh Phong (2020) Mở rộng TPB (6 biến độc lập) Phân tích rõ thị trường phía Bắc (Long Biên, Hà Nội) Chưa phản ánh hành vi tiêu dùng tại các đại siêu thị phía Nam
PGS.TS Hà Nam Khánh Giao (2017) TPB cải tiến (6 biến độc lập) Khảo sát quy mô 378 mẫu về rau an toàn tại TP.HCM Tập trung vào rau an toàn nói chung, chưa phân tách TPHC chuẩn chứng nhận
Nguyễn Thảo Nguyên & Lê Thị Trang (2020) Hồi quy đa biến (5 yếu tố) Đo lường tác động của biến nhân khẩu học giới tính Thang đo chưa chuẩn hóa sâu cấu trúc kiểm soát hành vi nhận thức
Sangkumchaliang & Pakdee (2021) TPB cơ bản (3 biến lõi) Phân tích thị trường Đông Bắc Thái Lan Bỏ qua biến cấu trúc giá và mức độ sẵn có tại điểm bán

Phân loại yêu cầu hệ thống biến số nghiên cứu theo phương pháp MoSCoW:

  • Must-have: Cảm nhận chất lượng (CNCL), Sự quan tâm sức khỏe (CNSK), Cảm nhận về giá (GC), Ý định mua (YD).
  • Should-have: Chuẩn mực chủ quan (CQ), Cảm nhận sự sẵn có (SSC).
  • Could-have: Sự quan tâm môi trường (CNMT), Biến nhân khẩu học điều tiết (Thu nhập, Độ tuổi).
  • Won't-have: Hành vi mua lặp lại thực tế (do giới hạn nghiên cứu cắt ngang).

Thiết kế hệ thống

Mô hình nghiên cứu kế thừa và chuẩn hóa cấu trúc quan hệ nhân quả giữa 6 biến độc lập và 1 biến phụ thuộc:

Công nghệ và công cụ xử lý dữ liệu được thiết lập chuẩn hóa:

  • Phân tích thống kê & Kinh tế lượng: IBM SPSS Statistics phiên bản 20.0 (hỗ trợ phân tích độ tin cậy, EFA, OLS Regression).
  • Ngôn ngữ lập trình hỗ trợ kiểm định: Python v3.10 với các thư viện pandas (v2.0.3), statsmodels (v0.14.0), scikit-learn (v1.3.0).
  • Thu thập dữ liệu: Bảng hỏi cấu trúc Likert 5 mức độ (1: Hoàn toàn không đồng ý $\to$ 5: Hoàn toàn đồng ý).

Cấu trúc lưu trữ dữ liệu khảo sát được mô hình hóa qua lược đồ bảng quan hệ:

CREATE TABLE SurveyResponses (
    RespondentID INT PRIMARY KEY AUTO_INCREMENT,
    Gender ENUM('Nam', 'Nu') NOT NULL,
    PurchaseFrequency VARCHAR(50),
    Occupation VARCHAR(100),
    EducationLevel VARCHAR(50),
    MonthlyIncome VARCHAR(50),
    AgeGroup VARCHAR(20),
    -- Thang đo Likert 5 diem cho 28 bien quan sat
    CNCL1 TINYINT CHECK (CNCL1 BETWEEN 1 AND 5),
    CNCL2 TINYINT CHECK (CNCL2 BETWEEN 1 AND 5),
    CNCL3 TINYINT CHECK (CNCL3 BETWEEN 1 AND 5),
    CNCL4 TINYINT CHECK (CNCL4 BETWEEN 1 AND 5),
    CNMT1 TINYINT CHECK (CNMT1 BETWEEN 1 AND 5),
    CNMT2 TINYINT CHECK (CNMT2 BETWEEN 1 AND 5),
    CNMT3 TINYINT CHECK (CNMT3 BETWEEN 1 AND 5),
    CNMT4 TINYINT CHECK (CNMT4 BETWEEN 1 AND 5),
    CQ1 TINYINT CHECK (CQ1 BETWEEN 1 AND 5),
    CQ2 TINYINT CHECK (CQ2 BETWEEN 1 AND 5),
    CQ3 TINYINT CHECK (CQ3 BETWEEN 1 AND 5),
    CQ4 TINYINT CHECK (CQ4 BETWEEN 1 AND 5),
    GC1 TINYINT CHECK (GC1 BETWEEN 1 AND 5),
    GC2 TINYINT CHECK (GC2 BETWEEN 1 AND 5),
    GC3 TINYINT CHECK (GC3 BETWEEN 1 AND 5),
    GC4 TINYINT CHECK (GC4 BETWEEN 1 AND 5),
    SSC1 TINYINT CHECK (SSC1 BETWEEN 1 AND 5),
    SSC2 TINYINT CHECK (SSC2 BETWEEN 1 AND 5),
    SSC3 TINYINT CHECK (SSC3 BETWEEN 1 AND 5),
    SSC4 TINYINT CHECK (SSC4 BETWEEN 1 AND 5),
    CNSK1 TINYINT CHECK (CNSK1 BETWEEN 1 AND 5),
    CNSK2 TINYINT CHECK (CNSK2 BETWEEN 1 AND 5),
    CNSK3 TINYINT CHECK (CNSK3 BETWEEN 1 AND 5),
    CNSK4 TINYINT CHECK (CNSK4 BETWEEN 1 AND 5),
    YD1 TINYINT CHECK (YD1 BETWEEN 1 AND 5),
    YD2 TINYINT CHECK (YD2 BETWEEN 1 AND 5),
    YD3 TINYINT CHECK (YD3 BETWEEN 1 AND 5),
    YD4 TINYINT CHECK (YD4 BETWEEN 1 AND 5)
);

Mô hình hồi quy tuyến tính tổng quát: $$YD = \beta_0 + \beta_1 CNCL + \beta_2 CNSK + \beta_3 CNMT + \beta_4 SSC + \beta_5 CQ + \beta_6 GC + \epsilon$$

Methodology

Quy trình nghiên cứu kết hợp 2 giai đoạn:

  1. Nghiên cứu định tính: Tổng hợp tài liệu, hiệu chỉnh thang đo 28 biến quan sát phù hợp ngữ cảnh khách hàng siêu thị Lotte Mart Gò Vấp.
  2. Nghiên cứu định lượng: Thu mẫu ngẫu nhiên thuận tiện. Căn cứ theo Hair et al. (2006), kích thước mẫu tối thiểu cần thỏa mãn $n \ge 5 \times k = 5 \times 28 = 140$ mẫu. Mẫu thu thập thực tế đạt $N = 160$, sau khi làm sạch và loại bỏ phiếu không hợp lệ thu được $N = 151$ quan sát đạt chuẩn.

Tiêu chuẩn kiểm soát chất lượng dữ liệu:

  • Hệ số Cronbach's Alpha tổng $\ge 0.70$; Tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.
  • Phân tích nhân tố EFA: Hệ số $0.5 \le KMO \le 1.0$, Bartlett's Test có $Sig. < 0.05$, Tổng phương sai trích (Total Variance Explained) $> 50%$, Factor Loading $\ge 0.50$.
  • Đa cộng tuyến: Hệ số phóng đại phương sai $VIF < 2.0$.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được hiện thực hóa qua quy trình xử lý dữ liệu chuẩn bằng Python và SPSS:

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

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tinh he so tin cay Cronbach's Alpha cho thang do."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    return (k / (k - 1)) * (1 - item_vars.sum() / total_var)

def run_ols_regression(data: pd.DataFrame, target_col: str, feature_cols: list):
    """Thuc thi hoi quy tuyen tinh OLS va danh gia da cong tuyen (VIF)."""
    X = data[feature_cols]
    y = data[target_col]
    X_const = sm.add_constant(X)
    
    model = sm.OLS(y, X_const).fit()
    
    # Tinh toan VIF cho tung bien doc lap
    vif_data = pd.DataFrame()
    vif_data["Feature"] = feature_cols
    vif_data["VIF"] = [
        variance_inflation_factor(X.values, i) for i in range(len(feature_cols))
    ]
    
    return model.summary(), vif_data

# Pipeline thuc thi: Cronbach Alpha -> EFA -> Pearson Correlation -> OLS Regression

Testing và validation

1. Thống kê mô tả mẫu ($N = 151$)

  • Giới tính: Nữ chiếm ưu thế vượt trội với 61.6% (93 người), Nam chiếm 38.4% (58 người) – phù hợp đặc thù người nội trợ, quyết định chi tiêu thực phẩm gia đình.
  • Thu nhập: Nhóm từ 5 - 10 triệu VNĐ chiếm tỷ trọng lớn nhất với 50.3% (76 người), 10 - 20 triệu VNĐ chiếm 20.5% (31 người), dưới 5 triệu VNĐ chiếm 19.2% (29 người) và trên 20 triệu VNĐ chiếm 9.9% (15 người).
  • Trình độ học vấn: Đại học - Cao đẳng chiếm 92.7% (140 người), Trên đại học chiếm 7.3% (11 người).
  • Tần suất mua sắm: 1 - 2 lần/tuần chiếm 32.5% (49 người), 2 - 5 lần/tuần chiếm 23.8% (36 người), mỗi ngày chiếm 7.9% (12 người).

2. Kiểm định độ tin cậy thang đo và EFA

Tất cả 6 thang đo biến độc lập và 1 thang đo biến phụ thuộc đều đạt độ tin cậy cao:

  • Hệ số Cronbach's Alpha các nhóm nhân tố dao động từ $0.782$ đến $0.891$ (vượt ngưỡng 0.70).
  • Hệ số KMO của các biến độc lập đạt $0.842 > 0.50$, kiểm định Bartlett's đạt mức ý nghĩa $Sig. = 0.000 < 0.05$.
  • Tổng phương sai trích đạt $63.45% > 50%$, toàn bộ 24 biến quan sát độc lập tải lên 6 nhân tố với Factor Loading đều $> 0.55$.
  • Thang đo biến phụ thuộc (YD) có $KMO = 0.796$, Phương sai trích đạt $68.21%$.

Kết quả đạt được

Mô hình hồi quy tuyến tính bội giải thích tốt biến thiên của ý định mua thực phẩm hữu cơ:

Biến độc lập Hệ số $\beta$ chưa chuẩn hóa Hệ số $\beta$ chuẩn hóa Giá trị $t$ Mức ý nghĩa ($Sig.$) Hệ số phóng đại phương sai ($VIF$)
Hằng số ($C$) 0.214 - 1.120 0.265 -
Cảm nhận chất lượng (CNCL) 0.342 0.358 5.214 0.000 1.341
Chuẩn mực chủ quan (CQ) 0.231 0.245 3.892 0.000 1.258
Sự quan tâm sức khỏe (CNSK) 0.198 0.204 3.125 0.002 1.412
Sự quan tâm môi trường (CNMT) 0.145 0.152 2.451 0.015 1.289
Cảm nhận sự sẵn có (SSC) 0.128 0.134 2.118 0.036 1.195
Cảm nhận về giá (GC) -0.105 -0.112 -2.045 0.043 1.150
               MỨC ĐỘ TÁC ĐỘNG CỦA CÁC YẾU TỐ ĐẾN Ý ĐỊNH MUA
+------------------------------------------------------------------------+
| 1. Cảm nhận chất lượng (CNCL)     ████████████████████  Beta = 0.358   |
| 2. Chuẩn mực chủ quan (CQ)        █████████████▌        Beta = 0.245   |
| 3. Sự quan tâm sức khỏe (CNSK)    ███████████           Beta = 0.204   |
| 4. Sự quan tâm môi trường (CNMT)  ████████              Beta = 0.152   |
| 5. Cảm nhận sự sẵn có (SSC)       ███████               Beta = 0.134   |
| 6. Cảm nhận giá (GC)              █████(-)              Beta = -0.112  |
+------------------------------------------------------------------------+

Chỉ số phù hợp mô hình:

  • Hệ số xác định $R^2 = 0.618$, $R^2$ hiệu chỉnh $= 0.602$ (mô hình giải thích được 60.2% sự biến thiên của Ý định mua).
  • Kiểm định $F = 38.74$ ($Sig. = 0.000$) chứng minh mô hình hồi quy hoàn toàn phù hợp về mặt thống kê.
  • Hệ số $VIF < 1.5$ chứng minh không xảy ra hiện tượng đa cộng tuyến.

Đổi mới và đóng góp

  1. Khẳng định vai trò áp đảo của "Cảm nhận chất lượng" ($\beta = 0.358$): Khác với nghiên cứu của Nguyễn Ngọc Mai & Trần Thanh Phong (2020) tại Long Biên (nơi Chuẩn mực chủ quan chiếm vị trí số 1), tại khu vực đô thị hiện đại như Gò Vấp - TP.HCM, người tiêu dùng đặt chất lượng tươi ngon, dinh dưỡng và tem kiểm định lên hàng đầu.
  2. Lượng hóa rào cản nhạy cảm giá ($\beta = -0.112$): Chứng minh định lượng rằng giá cao vẫn là rào cản ngược chiều đối với nhóm khách hàng phổ thông (thu nhập 5-10 triệu đồng), đòi hỏi siêu thị phải có chính sách định giá hợp lý.
  3. So sánh đa chiều với các công trình đi trước:
    • Vượt trội hơn nghiên cứu của Sangkumchaliang & Pakdee (2021) khi bổ sung thành công 3 biến môi trường, sẵn có và giá bán vào mô hình TPB gốc, nâng độ thích hợp giải thích từ $48.5%$ lên $60.2%$.
    • Cụ thể hóa đối tượng nghiên cứu tại chuỗi siêu thị Lotte Mart, tạo cơ sở dữ liệu vi mô chính xác hơn các nghiên cứu khảo sát diện rộng toàn thành phố của PGS.TS Hà Nam Khánh Giao (2017).

Ứng dụng thực tế và triển khai

+------------------------------------------------------------------------+
|                   LỘ TRÌNH TRIỂN KHAI TẠI SIÊU THỊ                     |
+------------------------------------------------------------------------+
| Tháng 1 - 2  : Minh bạch chất lượng & Tích hợp QR Code truy xuất       |
| Tháng 3 - 4  : Tái cấu trúc trưng bày & Tối ưu hóa chuỗi cung ứng lạnh |
| Tháng 5 - 6  : Triển khai chiến dịch Social Proof & Kích hoạt KOCs     |
| Tháng 7 - 12 : Định giá linh hoạt & Combo trợ giá dùng thử             |
+------------------------------------------------------------------------+

Chiến lược thực thi chi tiết

  • Nâng cao cảm nhận chất lượng (Ưu tiên số 1): Thiết lập hệ thống truy xuất nguồn gốc số (Dynamic QR Code) trên từng bao bì thực phẩm hữu cơ tại quầy Lotte Mart Gò Vấp. Cho phép người mua quét mã để xem nhật ký canh tác, chứng nhận VietGAP/GlobalGAP/USDA và thời gian thu hoạch thực tế.
  • Tận dụng chuẩn mực chủ quan (Ưu tiên số 2): Xây dựng các chương trình "Gia đình sống xanh - Ăn sạch", tài trợ góc trải nghiệm ẩm thực dinh dưỡng tại siêu thị, khuyến khích khách hàng chia sẻ trải nghiệm trên mạng xã hội thông qua mã ưu đãi thành viên.
  • Chiến lược giá và thúc đẩy sẵn có:
    • Triển khai chính sách "Giá bình ổn xanh" cho các nhóm rau củ thiết yếu vào khung giờ vàng.
    • Phân bổ lại layout siêu thị: Đưa quầy thực phẩm hữu cơ ra vị trí trung tâm ngay lối vào khu vực thực phẩm tươi sống, gắn nhãn phân biệt rõ rệt với hàng thông thường.

Dự báo hiệu quả kinh tế (ROI): Việc chuẩn hóa nhận diện và minh bạch chất lượng ước tính giúp tăng tỷ lệ chuyển đổi từ khách tham quan sang người mua TPHC thêm $18 - 25%$, rút ngắn chu kỳ hoàn vốn của gian hàng hữu cơ xuống còn $6 - 9$ tháng.


Hạn chế và hướng phát triển

  • Hạn chế mẫu và địa bàn: Nghiên cứu mới thực hiện lấy mẫu thuận tiện tại siêu thị Lotte Mart Gò Vấp với kích thước $N = 151$. Mặc dù đạt chuẩn kiểm định kinh tế lượng, tính đại diện cho toàn bộ người tiêu dùng TP.HCM còn có giới hạn.
  • Bản chất đo lường ý định: Nghiên cứu dừng lại ở "Ý định mua" (Purchase Intention), chưa đo lường trực tiếp "Hành vi mua thực tế" (Actual Purchase Behavior) và tỷ lệ mua lặp lại qua POS data.
  • Hướng phát triển tương lai: Mở rộng mô hình Cấu trúc Tuyến tính SEM (Structural Equation Modeling) kết hợp phân tích đa nhóm (Multi-group Analysis) theo độ tuổi, giới tính và so sánh chéo giữa các hệ thống siêu thị đối thủ (Co.opmart, WinMart, Emart, Aeon Mall).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận cấu trúc báo cáo định lượng mẫu mực, hiểu cách áp dụng mô hình TPB và quy trình xử lý dữ liệu chuẩn từ Cronbach's Alpha, EFA đến hồi quy OLS.
  • Nhà phân tích dữ liệu (Data Analysts / BI): Sở hữu khung mã nguồn chuẩn (Python/SPSS) để tự động hóa việc tính toán VIF, chỉ số Alpha và xây dựng pipeline khảo sát khách hàng.
  • Doanh nghiệp bán lẻ & Quản lý siêu thị: Nắm bắt các trọng số tác động chính xác ($\beta$) để phân bổ ngân sách marketing, tối ưu hóa danh mục sản phẩm và chính sách giá cho ngành hàng organic.
  • Nhà nghiên cứu khoa học: Kế thừa bộ thang đo đã được kiểm định độ tin cậy và giá trị hội tụ tại thị trường bán lẻ Việt Nam.

Câu hỏi thường gặp

1. Cần chuẩn bị hạ tầng dữ liệu và công cụ gì để tái lập phân tích này?

Để tái lập toàn bộ quy trình, bạn cần:

  • Máy tính cá nhân (RAM tối thiểu 4GB, CPU 2 nhân).
  • Phần mềm IBM SPSS Statistics (từ v20.0 trở lên) hoặc môi trường Python 3.8+ cài đặt sẵn pandas, statsmodels, scikit-learn.
  • Bộ dữ liệu khảo sát định dạng .sav hoặc .csv chứa 28 biến quan sát được mã hóa thang đo Likert 5 điểm.

2. Kích thước mẫu 151 có đảm bảo độ tin cậy thống kê không?

Hoàn toàn đảm bảo. Theo quy tắc kinh nghiệm của Bollen (1989) và Hair et al. (2006), tỷ lệ cỡ mẫu trên biến quan sát tối thiểu là $5:1$. Với mô hình 28 biến quan sát, kích thước mẫu tối thiểu là $28 \times 5 = 140$. Mẫu hợp lệ $N = 151$ thỏa mãn điều kiện, đồng thời kiểm định $F$ đạt mức ý nghĩa $p = 0.000 < 0.05$.

3. Làm thế nào để siêu thị tích hợp dữ liệu khảo sát với hệ thống POS bán hàng hiện có?

Doanh nghiệp có thể liên kết mã thẻ thành viên (Loyalty ID) của khách hàng tham gia khảo sát với lịch sử quét mã vạch tại máy POS (Point of Sale). Dữ liệu này được đẩy vào Data Warehouse qua RESTful API để kiểm chứng xem ý định mua có chuyển hóa thành hành vi chi tiêu thực tế hay không.

4. Chi phí triển khai hệ thống minh bạch nguồn gốc và tối ưu quầy kệ là bao nhiêu?

Chi phí ban đầu ước tính từ 30 - 50 triệu VNĐ cho một điểm siêu thị, bao gồm:

  • In ấn tem nhãn QR code thông minh truy xuất nguồn gốc.
  • Lắp đặt màn hình LCD hiển thị giấy chứng nhận tại quầy organic.
  • Đào tạo nhân viên tư vấn dinh dưỡng tại điểm bán.

5. Tại sao biến "Cảm nhận giá cả" lại có hệ số âm ($\beta = -0.112$)?

Hệ số hồi quy âm phản ánh quy luật kinh tế học tiêu dùng thông thường: khi người tiêu dùng cảm nhận mức giá của thực phẩm hữu cơ quá cao so với thực phẩm thường, ý định sẵn sàng chi trả sẽ suy giảm. Do đó, việc định giá chênh lệch trên $30 - 40%$ sẽ tạo lực cản lớn đối với nhóm khách hàng có thu nhập trung bình.


Kết luận

Khóa luận tốt nghiệp của tác giả Phan Hoàng Hải đã giải quyết trọn vẹn bài toán xác định các nhân tố ảnh hưởng đến ý định mua thực phẩm hữu cơ tại siêu thị Lotte Mart Gò Vấp. Bằng phương pháp định lượng thực chứng chặt chẽ, nghiên cứu chứng minh rằng Cảm nhận chất lượng ($\beta = 0.358$) và Chuẩn mực chủ quan ($\beta = 0.245$) là hai động lực cốt lõi chi phối quyết định của người tiêu dùng, trong khi Cảm nhận về giá ($\beta = -0.112$) là rào cản cần được điều tiết linh hoạt. Các phát hiện này cung cấp luận cứ khoa học vững chắc giúp các nhà quản trị bán lẻ và doanh nghiệp nông nghiệp hữu cơ xây dựng chiến lược tiếp thị đa kênh, chuẩn hóa chất lượng và gia tăng thị phần bền vững tại thị trường đô thị Việt Nam.