Phân Tích Các Yếu Tố Ảnh Hưởng Đến Ý Định Sử Dụng Dịch Vụ Grab Của Sinh Viên: Báo Cáo Nghiên Cứu Định Lượng


Tóm tắt nghiên cứu (Research Summary)

Nghiên cứu này tập trung giải quyết câu hỏi cốt lõi: Những yếu tố nào chi phối ý định sử dụng dịch vụ gọi xe công nghệ Grab của sinh viên đại học và mức độ tác động của từng yếu tố ra sao? Trong bối cảnh kinh tế chia sẻ (Sharing Economy) bùng nổ mạnh mẽ tại các đô thị lớn, sinh viên là phân khúc khách hàng tiềm năng, nhạy bén với công nghệ nhưng cũng chịu nhiều ràng buộc về tài chính và thói quen di chuyển.

Về mặt phương pháp luận, nghiên cứu áp dụng thiết kế nghiên cứu định lượng suy diễn. Dữ liệu khảo sát được thu thập từ 150 sinh viên Trường Đại học Thương Mại (TMU) tại Hà Nội thông qua bảng hỏi chuẩn hóa Likert 5 điểm. Quy trình xử lý dữ liệu trên phần mềm SPSS bao gồm: đánh giá độ tin cậy thang đo bằng hệ số Cronbach's Alpha, phân tích nhân tố khám phá (EFA), phân tích tương quan Pearson, phân tích hồi quy tuyến tính đa biến và các kiểm định phi tham số (T-Test, One-Way ANOVA/Welch).

Kết quả phân tích hồi quy chỉ ra rằng mô hình giải thích được 57,5% sự biến thiên của ý định sử dụng dịch vụ Grab ($R^2 \text{ hiệu chỉnh} = 0.575$). Ba nhân tố có tác động tích cực và mang ý nghĩa thống kê theo thứ tự giảm dần gồm:

  1. Giá trị Giá cả ($\beta = 0.443$),
  2. Nhận thức sự hữu ích ($\beta = 0.298$),
  3. Chuẩn mực chủ quan ($\beta = 0.202$).

Ngược lại, hai yếu tố giả thuyết ban đầu là "Rào cản kỹ thuật" và "Sự hấp dẫn của phương tiện cá nhân" không có tương quan tuyến tính có ý nghĩa. Kết quả nghiên cứu cung cấp căn cứ thực nghiệm quan trọng giúp các doanh nghiệp Ride-hailing tối ưu hóa chiến lược định giá, nâng cao tiện ích số và xây dựng các chương trình tiếp thị lan tỏa hướng tới giới trẻ.


Bối cảnh và tầm quan trọng (Context & Significance)

Hiện trạng tri thức và bối cảnh kinh tế chia sẻ

Sự trỗi dậy của mô hình kinh tế chia sẻ (Sharing Economy) cùng thuật ngữ "Uberization" đã tái định hình toàn diện ngành vận tải hành khách toàn cầu. Tại Việt Nam, đặc biệt là các đô thị trọng điểm như Hà Nội, dịch vụ gọi xe trên nền tảng ứng dụng di động (App-Based Ride Services) như Grab, Be, Gojek đã trở thành một phần thiết yếu trong hệ sinh thái di chuyển đô thị. Ứng dụng công nghệ định vị GPS kết hợp thuật toán tối ưu hóa điều phối đã giải quyết bài toán bất cân xứng thông tin giữa tài xế và hành khách của phương thức vận tải truyền thống.

Khoảng trống nghiên cứu (Research Gap)

Mặc dù đã có nhiều công trình nghiên cứu về hành vi chấp nhận công nghệ của người tiêu dùng đại chúng, nhưng các nghiên cứu chuyên sâu về phân khúc khách hàng sinh viên – nhóm dân số đặc thù với thu nhập phụ thuộc nhưng có tỷ lệ tiếp nhận công nghệ cao nhất – vẫn còn nhiều khoảng trống:

  • Đa phần các mô hình trước đây chỉ áp dụng đơn lẻ Thuyết Hành vi Dự định (TPB) hoặc Mô hình Chấp nhận Công nghệ (TAM) mà chưa kết hợp đa chiều với Lý thuyết Rào cản Chuyển đổi (Switching Barriers) và Giá trị Cảm nhận Giá cả (Price Value).
  • Bối cảnh thị trường vận tải tại Hà Nội có tính cạnh tranh khốc liệt, nơi phương tiện cá nhân (xe máy) chiếm trên 80% nhu cầu đi lại, tạo ra áp lực chuyển đổi rất lớn đối với các ứng dụng công nghệ.

Tính cấp thiết và tác động thực tiễn

Đối với sinh viên, nhu cầu di chuyển phục vụ học tập, làm thêm và sinh hoạt ngoại khóa là rất lớn. Tuy nhiên, sự biến động về giá cước (đặc biệt sau các đợt điều chỉnh thuế và phụ phí) cùng sự cạnh tranh gay gắt từ các đối thủ đặt ra thách thức sống còn cho Grab trong việc giữ chân tệp khách hàng trẻ. Nghiên cứu này mang tính cấp thiết cao, cung cấp bức tranh dữ liệu thực chứng giúp doanh nghiệp thấu hiểu động cơ tiêu dùng, từ đó đưa ra các chính sách thích ứng linh hoạt và bền vững.


Methodology và approach (Phương pháp tiếp cận)

Thiết kế nghiên cứu và mô hình lý thuyết

Nghiên cứu tích hợp hai mô hình nền tảng trong tâm lý học hành vi và hệ thống thông tin:

  • Lý thuyết Hành vi Dự định (TPB - Ajzen, 1991): Đo lường Chuẩn mực chủ quan (SN).
  • Mô hình Chấp nhận Công nghệ (TAM - Davis, 1989): Đo lường Nhận thức sự hữu ích (PU).
  • Mở rộng mô hình: Bổ sung các biến Giá trị Giá cả (PV), Rào cản kỹ thuật (SB), và Sự hấp dẫn của phương tiện cá nhân (AP).
                 MÔ HÌNH NGHIÊN CỨU THỰC NGHIỆM

Quy trình thu thập dữ liệu

  • Tổng thể và cỡ mẫu: Đối tượng khảo sát là sinh viên đang theo học tại Trường Đại học Thương Mại (Hà Nội). Quy mô mẫu khảo sát ban đầu gồm 300 phiếu (150 phiếu trực tiếp và 150 phiếu trực tuyến qua Google Forms).
  • Mẫu hợp lệ: Sau bước làm sạch và loại bỏ các phiếu không đạt tiêu chuẩn (chưa từng biết về Grab, trả lời thiếu tính nhất quán), mẫu phân tích chính thức đạt $N = 150$ (tỷ lệ phản hồi hợp lệ 50%), đáp ứng tiêu chuẩn tối thiểu của Bollen và Hair et al. đối với 22 biến quan sát (tỷ lệ mẫu/biến quan sát $> 5:1$).

Kỹ thuật phân tích và kiểm định thống kê

Dữ liệu được làm sạch và xử lý thông qua phần mềm SPSS 20 theo các bước chuẩn mực:

  1. Kiểm định độ tin cậy thang đo: Sử dụng hệ số Cronbach's Alpha (ngưỡng chấp nhận $\alpha \ge 0.60$, tương quan biến - tổng $r_{it} \ge 0.30$).
  2. Phân tích nhân tố khám phá (EFA): Sử dụng phương pháp trích Principal Component Analysis với phép quay Varimax (tiêu chuẩn KMO $> 0.5$, kiểm định Bartlett có Sig. $< 0.05$, Eigenvalue $> 1.0$, Tổng phương sai trích $> 50%$, Factor Loading $> 0.50$).
  3. Phân tích tương quan Pearson: Xác định mối liên hệ tuyến tính sơ bộ giữa các biến độc lập và biến phụ thuộc (IU).
  4. Phân tích hồi quy tuyến tính bội (Multiple Linear Regression): Phương pháp đưa biến đồng thời (Enter), kiểm tra nghiêm ngặt các giả định hồi quy:
    • Hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai $\text{VIF} < 2.0$.
    • Tính độc lập của phần dư: Kiểm định Durbin-Watson ($\text{DW} = 2.088$, tiệm cận 2.0).
    • Phù hợp tổng thể: Kiểm định ANOVA ($F\text{-test}, p = 0.000$).
  5. Kiểm định sự khác biệt nhân khẩu học: Sử dụng Independent Samples T-Test (đối với Giới tính) và One-Way ANOVA / Welch test (đối với Trình độ năm học và Thu nhập).

Phát hiện chính (Key Findings)

Dựa trên kết quả phân tích thống kê chuyên sâu, nghiên cứu đã rút ra 5 phát hiện cốt lõi:

Nhân tố / Biến số Hệ số hồi quy chuẩn hóa ($\beta$) Mức ý nghĩa ($p$-value) Kết luận giả thuyết Trọng số quan trọng nhất trong nhóm
Giá trị Giá cả (PV) 0.443 $0.000 < 0.05$ Chấp nhận ($H_5$) Tương quan giá trị - chi phí dịch vụ (0.806)
Nhận thức sự hữu ích (PU) 0.298 $0.000 < 0.05$ Chấp nhận ($H_1$) Sự tự chủ về mặt thời gian (0.841)
Chuẩn mực chủ quan (SN) 0.202 $0.003 < 0.05$ Chấp nhận ($H_2$) Ảnh hưởng từ bạn bè (0.784)
Rào cản kỹ thuật (SB) - $p > 0.05$ (loại bỏ) Bác bỏ ($H_3$) Không có tương quan tuyến tính
Sự hấp dẫn của PTCN (AP) - $p > 0.05$ (loại bỏ) Bác bỏ ($H_4$) Không có tương quan tuyến tính

1. Giá trị Giá cả là động lực quyết định số 1 ($\beta = 0.443$)

Nhân tố Giá trị Giá cả có tác động tích cực mạnh nhất đến ý định sử dụng dịch vụ Grab của sinh viên TMU. Kết quả cho thấy sinh viên đại học có độ nhạy cảm rất cao về mặt tài chính. Biến quan sát "Tương quan giá trị - chi phí dịch vụ" đạt hệ số tải cao nhất ($0.806$), chứng minh rằng sinh viên sẵn sàng chi trả cho Grab khi họ nhận thấy mức giá tương xứng với chất lượng tiện ích và sự an toàn mà họ nhận lại.

2. Nhận thức sự hữu ích giữ vị trí then chốt thứ hai ($\beta = 0.298$)

Tiện ích thực tế là nền tảng cốt lõi duy trì hành vi tiêu dùng số. Trong nhóm này, yếu tố "Sự tự chủ về mặt thời gian" (Factor loading $= 0.841$) và "Tiết kiệm thời gian di chuyển" là những yếu tố được đánh giá cao nhất. Khả năng đặt xe nhanh chóng, theo dõi lộ trình và chủ động lịch trình học tập/làm việc giúp Grab ghi điểm vượt trội so với các phương tiện công cộng truyền thống như xe buýt.

3. Hiệu ứng lan tỏa từ Chuẩn mực chủ quan ($\beta = 0.202$)

Chuẩn mực chủ quan có tác động đáng kể đến quyết định sử dụng, trong đó biến "Ảnh hưởng của bạn bè" đóng vai trò chủ đạo (Factor loading $= 0.784$). Môi trường đại học mang tính cộng đồng cao, các quyết định tiêu dùng số thường được lan truyền thông qua truyền miệng (Word-of-Mouth), hội nhóm mạng xã hội và các hoạt động nhóm sinh viên.

4. Phát hiện bất ngờ: Rào cản kỹ thuật và Phương tiện cá nhân không làm suy giảm ý định sử dụng

  • Rào cản kỹ thuật ($H_3$ bị bác bỏ): Hệ số tương quan Pearson giữa SB và IU có $p = 0.165 > 0.05$. Điều này phản ánh thực tế Gen Z tại các thành phố lớn đã quá thuần thục với smartphone và ứng dụng số; hạ tầng công nghệ không còn là rào cản ngăn họ sử dụng Grab.
  • Sự hấp dẫn của PTCN ($H_4$ bị bác bỏ): Mối tương quan giữa AP và IU không có ý nghĩa thống kê ($p = 0.233 > 0.05$). Mặc dù sinh viên sở hữu hoặc quen dùng xe máy cá nhân, nhưng trong các điều kiện thời tiết xấu (mưa bão, nắng nóng gay gắt) hoặc các chuyến đi nhóm/đêm muộn, họ vẫn xem Grab là giải pháp thay thế linh hoạt hàng đầu.

5. Khác biệt hóa theo biến nhân khẩu học

  • Giới tính và Năm học: Kết quả kiểm định T-Test ($p = 0.636$) cho thấy không có sự khác biệt có ý nghĩa thống kê về ý định sử dụng Grab giữa nam và nữ.
  • Thu nhập: Kiểm định phương sai chỉ ra rằng mức thu nhập hàng tháng tạo ra sự phân hóa rõ rệt đối với tần suất và ý định sử dụng dịch vụ ($p < 0.05$). Nhóm sinh viên có thu nhập/phụ cấp trên 4 triệu đồng/tháng có xu hướng lựa chọn Grab thường xuyên hơn nhóm dưới 2 triệu đồng/tháng.

Đóng góp khoa học và hàm ý thực tiễn (Contributions & Implications)

Đóng góp về mặt học thuật và lý luận

  • Kiểm chứng mô hình tích hợp TAM - TPB: Nghiên cứu đã chứng minh tính hữu hiệu của việc kết hợp hai mô hình TAM và TPB trong việc giải thích hành vi sử dụng dịch vụ kinh tế chia sẻ tại một thị trường mới nổi (Việt Nam).
  • Làm rõ ranh giới của lý thuyết Rào cản chuyển đổi: Đóng góp học thuật quan trọng của công trình là chỉ ra giới hạn của Lý thuyết rào cản kỹ thuật đối với nhóm người dùng bản địa kỹ thuật số (Digital Natives) trong bối cảnh công nghệ di động đã đạt độ bão hòa cao.

Hàm ý quản trị cho doanh nghiệp gọi xe công nghệ (Grab, Be, Gojek)

  1. Chiến lược giá linh hoạt và gói cước sinh viên (Student Pass): Vì Giá trị Giá cả chi phối mạnh nhất, doanh nghiệp cần duy trì mức cước minh bạch, tránh tình trạng tăng giá quá mức trong giờ cao điểm đối với các khu vực tập trung nhiều trường đại học; đồng thời phát triển các gói "thuê bao sinh viên" định kỳ.
  2. Tối ưu hóa tính năng bảo mật và cam kết an toàn: Nâng cấp các tính năng như nút SOS khẩn cấp, chia sẻ hành trình trực tiếp cho gia đình/bạn bè và hiển thị rõ ràng thông tin xếp hạng tài xế nhằm củng cố nhận thức về sự an toàn và hữu ích.
  3. Thúc đẩy tiếp thị giới thiệu (Referral & Peer-to-Peer Marketing): Khai thác sức mạnh của nhân tố Chuẩn mực chủ quan bằng cách triển khai các chương trình "Mời bạn - Nhận mã giảm giá đôi", tận dụng tối đa mạng lưới kết nối của sinh viên trong khuôn viên giảng đường.

Đối tượng quan tâm (Target Audience)

  • Giảng viên và Nhà nghiên cứu học thuật: Tài liệu tham khảo hữu ích cho các đề tài về Kinh tế số, Quản trị Marketing, Tâm lý học người tiêu dùng và Hành vi tổ chức.
  • Đội ngũ chuyên viên Marketing & Quản trị Sản phẩm (Product Managers): Cung cấp insight sắc bén về hành vi và độ nhạy cảm giá của phân khúc khách hàng trẻ tại các đô thị loại I.
  • Cơ quan quản lý giao thông và quy hoạch đô thị: Cung cấp góc nhìn thực nghiệm về xu hướng chuyển dịch phương thức di chuyển của giới trẻ, hỗ trợ hoạch định chính sách tích hợp giao thông công cộng và dịch vụ kết nối chặng đầu/chặng cuối (First-mile/Last-mile connectivity).

Câu hỏi thường gặp (FAQ)

1. Phát hiện quan trọng nhất của nghiên cứu này là gì?

Phát hiện cốt lõi: Giá trị Giá cả là nhân tố chi phối mạnh nhất ($\beta = 0.443$), theo sau là Nhận thức sự hữu ích ($\beta = 0.298$) và Chuẩn mực chủ quan ($\beta = 0.202$). Mô hình giải thích thành công 57,5% ý định sử dụng dịch vụ Grab của sinh viên.

2. Phương pháp nghiên cứu của đề tài có điểm gì đặc biệt?

Nghiên cứu kết hợp đa chiều các lý thuyết kinh điển (TAM, TPB) và quy trình sàng lọc biến định lượng đa bước: từ kiểm định Cronbach's Alpha, EFA, lọc tương quan Pearson đến hồi quy đa biến có kiểm soát đa cộng tuyến và kiểm định phân sai ANOVA/Welch.

3. Kết quả nghiên cứu có thể khái quát hóa (Generalize) cho toàn bộ sinh viên tại Việt Nam không?

Mặc dù mẫu khảo sát tập trung tại Trường Đại học Thương Mại (Hà Nội), kết quả có thể khái quát hóa ở mức độ cao cho nhóm sinh viên đại học tại các đô thị lớn (Hà Nội, TP.HCM) nhờ có sự tương đồng về đặc điểm nhân khẩu học, thu nhập và hạ tầng giao thông số.

4. Những hướng nghiên cứu tiếp theo (Next Steps) có thể mở rộng là gì?

Các nghiên cứu tương lai nên mở rộng quy mô mẫu đa trường, áp dụng mô hình Mô hình hóa Phương trình Cấu trúc (SEM - PLS/CB) để đánh giá các mối quan hệ tác động gián tiếp (trung gian/điều tiết), và so sánh trực tiếp thị phần giữa các thương hiệu (Grab vs Be vs Xanh SM).

5. Ứng dụng thực tiễn lớn nhất đối với các ứng dụng gọi xe là gì?

Doanh nghiệp cần tập trung vào chính sách trợ giá thông minh cho sinh viên và tối ưu hóa thời gian chờ xe, thay vì đầu tư quá nhiều ngân sách vào việc hướng dẫn kỹ thuật cài đặt ứng dụng – vốn không còn là rào cản đối với người trẻ.


Kết luận (Conclusion)

Báo cáo nghiên cứu đã giải quyết thành công các câu hỏi nghiên cứu đặt ra, khẳng định mô hình 3 nhân tố: Giá trị Giá cả, Nhận thức sự hữu ích và Chuẩn mực chủ quan tác động đồng biến đến ý định sử dụng dịch vụ Grab của sinh viên. Nghiên cứu không chỉ hoàn thiện cơ sở lý luận về hành vi chấp nhận dịch vụ số mà còn mang đến những khuyến nghị thực chiến giá trị cho các doanh nghiệp vận tải công nghệ trong việc xây dựng lòng trung thành của phân khúc khách hàng trẻ tại Việt Nam.