Giới thiệu dự án

Nghiên cứu "Các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ xe công nghệ của sinh viên khu vực Thành phố Hồ Chí Minh" được thực hiện trong bối cảnh quá trình chuyển đổi số và phát triển hạ tầng giao thông đô thị thông minh tại Việt Nam đang diễn ra mạnh mẽ. Theo thống kê thị trường của Statista (2021), Grab chiếm lĩnh 60% thị phần ứng dụng gọi xe tại Việt Nam, theo sau là Gojek (19%) và Be (18%). Tại TP.HCM – trung tâm giáo dục đại học lớn nhất cả nước với hơn 50 trường đại học, học viện và hàng trăm nghìn sinh viên – nhu cầu di chuyển nhanh chóng, tiết kiệm và an toàn là một bài toán vận hành đô thị cấp thiết.

                  +----------------------------------------------+
                  |  THỊ PHẦN DỊCH VỤ XE CÔNG NGHỆ TẠI VIỆT NAM  |
                  +----------------------------------------------+
                  | Grab:  [██████████████████████████████] 60%   |
                  | Gojek: [██████████] 19%                      |
                  | Be:    [█████████] 18%                       |
                  | Khác:  [█] 3%                                |
                  +----------------------------------------------+

Vấn đề nghiên cứu (Problem Statement)

Sinh viên là nhóm khách hàng có mật độ di chuyển cao nhưng bị giới hạn về ngân sách (thu nhập phụ thuộc hoặc bán thời gian) và nhạy cảm với trải nghiệm công nghệ. Mặc dù các ứng dụng đặt xe công nghệ (Ride-Hailing Applications) giải quyết được nhược điểm của xe ôm truyền thống (minh bạch giá, định vị GPS), các doanh nghiệp công nghệ vẫn gặp nhiều thách thức trong việc duy trì lòng trung thành và thúc đẩy ý định sử dụng liên tục (Continued Usage Intention) của nhóm đối tượng này do áp lực cạnh tranh từ phương tiện cá nhân và xe buýt công cộng.

Mục tiêu dự án

  1. Xác định hệ thống các nhân tố cốt lõi tác động đến ý định sử dụng dịch vụ xe công nghệ của sinh viên tại TP.HCM dựa trên khung lý thuyết chuẩn hóa.
  2. Đo lường mức độ tác động định lượng của từng nhân tố thông qua mô hình hồi quy đa biến và kiểm định thang đo độ tin cậy.
  3. Xây dựng hệ thống hàm ý quản trị và giải pháp công nghệ giúp các doanh nghiệp vận tải công nghệ tối ưu hóa giao diện ứng dụng (UX/UI), chính sách giá và chiến lược tiếp thị lan truyền.

Hướng tiếp cận giải pháp

Nghiên cứu tích hợp hai mô hình nền tảng trong tâm lý học hành vi và chấp nhận công nghệ:

  • Thuyết hành vi dự định (Theory of Planned Behavior - TPB) (Ajzen, 1991): Khảo sát ảnh hưởng của Chuẩn mực chủ quan ($CQ$) và Nhận thức kiểm soát hành vi ($HV$).
  • Mô hình chấp nhận công nghệ (Technology Acceptance Model - TAM) (Davis, 1989): Khảo sát Nhận thức tính dễ sử dụng ($SD$) và Nhận thức sự hữu ích ($HI$).
  • Bổ sung các biến ngoại sinh đặc thù đô thị: Sự hấp dẫn của phương tiện cá nhân ($HD$) và Giá trị giá cả ($GC$).

Kết quả kỳ vọng và chỉ số đo lường

  • Xây dựng mô hình hồi quy đạt độ tin cậy với hệ số xác định hiệu chỉnh $R^2 \ge 0.50$, giá trị $p < 0.05$.
  • Hệ số Cronbach's Alpha của toàn bộ các thang đo thành phần đạt $\alpha \ge 0.70$.
  • Phân tích nhân tố khám phá (EFA) đạt chỉ số $KMO > 0.50$, tổng phương sai trích (Total Variance Explained) $> 50%$.

Phạm vi và giới hạn

  • Không gian: Các cơ sở giáo dục đại học tại TP.HCM (Trường Đại học Công nghiệp TP.HCM - IUH và các trường lân cận).
  • Thời gian: Dữ liệu khảo sát sơ cấp thu thập từ tháng 12/2022 đến tháng 05/2023.
  • Quy mô mẫu: Khảo sát thử nghiệm sơ bộ ($N = 50$, 45 mẫu hợp lệ) và khảo sát chính thức ($N = 300$ mẫu hợp lệ).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường TP.HCM, sinh viên đứng trước nhiều lựa chọn phương tiện di chuyển với các ưu và nhược điểm riêng biệt:

Tiêu chí so sánh Xe công nghệ (Grab, Be, Gojek) Xe ôm truyền thống Phương tiện cá nhân (Xe máy) Xe buýt công cộng
Minh bạch lộ trình & giá Rất cao (Hiển thị trực tiếp trên App) Thấp (Thỏa thuận miệng, dễ bị ép giá) Trung bình (Chi phí xăng dầu biến động) Cao (Giá vé cố định có trợ giá)
Tính sẵn sàng & Linh hoạt Cao (Điều phối tài xế tự động qua GPS) Trung bình (Phụ thuộc vị trí bến bãi) Rất cao (Chủ động hoàn toàn thời gian) Thấp (Cố định tuyến đường và giờ chạy)
Mức độ an toàn & Giám sát Cao (Theo dõi hành trình thực tế, SOS) Thấp (Không lưu trữ dữ liệu chuyến đi) Trung bình (Rủi ro tai nạn giao thông) Cao (Phương tiện kích thước lớn)
Chi phí / chuyến đi (Sinh viên) Trung bình - Cao (Phụ thuộc phụ phí) Biến động, không đồng nhất Thấp (Chi phí vận hành dài hạn rẻ) Rất thấp (3.000 VNĐ / vé sinh viên)
                +------------------------------------------------------+
                |        MA TRẬN PHÂN LOẠI YÊU CẦU THEO MoSCoW         |
                +------------------------------------------------------+
                |  MUST HAVE   | • Định vị chính xác điểm đón/trả      |
                |              | • Báo giá minh bạch trước chuyến đi   |
                |              | • Phương thức thanh toán ví/tiền mặt  |
                +--------------+---------------------------------------+
                |  SHOULD HAVE | • Ưu đãi chuyên biệt thẻ sinh viên    |
                |              | • Đặt lịch chuyến đi đến giảng đường  |
                |              | • Hệ thống chia sẻ cước nhóm          |
                +--------------+---------------------------------------+
                |  COULD HAVE  | • Tích hợp lịch học từ cổng thông tin |
                |              | • Giao diện tối ưu hóa Dark Mode      |
                +--------------+---------------------------------------+
                |  WON'T HAVE  | • Chức năng đấu giá cước tài xế       |
                |              | • Đặt xe không qua định vị GPS        |
                +------------------------------------------------------+

Thiết kế hệ thống mô hình nghiên cứu

Mô hình cấu trúc nghiên cứu phân tích mối quan hệ giữa 6 biến độc lập lên 1 biến phụ thuộc:

 [Nhận thức tính dễ sử dụng (SD)] ----+
 [Nhận thức sự hữu ích (HI)] --------|
 [Chuẩn mực chủ quan (CQ)] ----------+---> [Ý ĐỊNH SỬ DỤNG DỊCH VỤ (YD)]
 [Sự hấp dẫn phương tiện cá nhân (HD)]|
 [Nhận thức kiểm soát hành vi (HV)] --|
 [Giá trị giá cả (GC)] ---------------+

Công nghệ và công cụ xử lý dữ liệu

  • Hệ thống thu thập dữ liệu: Google Forms API kết hợp phiếu khảo sát trực tiếp (Paper-based questionnaire).
  • Phần mềm xử lý thống kê: IBM SPSS Statistics Version 20.0 (xây dựng các ma trận tương quan, kiểm định EFA, OLS regression).
  • Ngôn ngữ bổ trợ mô phỏng: Python 3.10 với thư viện pandas (v2.0.3), statsmodels (v0.14.0), scikit-learn (v1.3.0).
-- Cấu trúc lưu trữ dữ liệu khảo sát chuẩn hóa (Database Schema)
CREATE TABLE survey_responses (
    respondent_id VARCHAR(50) PRIMARY KEY,
    university_name VARCHAR(150) NOT NULL,
    academic_year VARCHAR(20) NOT NULL, -- Sinh viên năm 1, 2, 3, 4
    monthly_income_range VARCHAR(50),
    sd_score_avg DECIMAL(3,2), -- Thang đo Tính dễ sử dụng
    hi_score_avg DECIMAL(3,2), -- Thang đo Sự hữu ích
    cq_score_avg DECIMAL(3,2), -- Thang đo Chuẩn mực chủ quan
    hd_score_avg DECIMAL(3,2), -- Thang đo Hấp dẫn PTCN
    hv_score_avg DECIMAL(3,2), -- Thang đo Kiểm soát hành vi
    gc_score_avg DECIMAL(3,2), -- Thang đo Giá trị giá cả
    yd_score_avg DECIMAL(3,2), -- Biến phụ thuộc: Ý định sử dụng
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Phương pháp luận nghiên cứu (Methodology)

Tiến trình nghiên cứu được tổ chức chặt chẽ qua 2 giai đoạn:

  1. Nghiên cứu định tính: Phân tích tài liệu học thuật trong và ngoài nước (Mohd Fazli et al., 2018; Đỗ Đình Nam, 2018; Choong & Goh, 2021), tham vấn chuyên gia và giảng viên hướng dẫn để thiết kế bảng hỏi với 33 biến quan sát chuẩn hóa thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
  2. Nghiên cứu định lượng: Khảo sát sơ bộ $N=50$ nhằm tinh chỉnh từ ngữ và khảo sát chính thức $N=300$ sinh viên. Dữ liệu được làm sạch và xử lý tuần tự qua 5 bước phân tích kinh tế lượng.

Implementation và kết quả

Quy trình triển khai phân tích dữ liệu

Quy trình tính toán chỉ số thống kê và ước lượng hồi quy được lập trình tự động hóa nhằm đối soát kết quả đầu ra từ SPSS:

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

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha của thang đo."""
    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 float((k / (k - 1)) * (1 - (item_vars.sum() / total_var)))

def estimate_ols_regression(X: pd.DataFrame, y: pd.Series):
    """Ước lượng phương trình hồi quy tuyến tính đa biến (OLS)."""
    X_with_const = sm.add_constant(X)
    model = sm.OLS(y, X_with_const).fit()
    return model.summary()

Kết quả kiểm định độ tin cậy và phân tích nhân tố (EFA)

  • Kiểm định Cronbach's Alpha: Tất cả 7 thang đo đều đạt độ tin cậy nội tại cao ($\alpha > 0.70$), hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của các biến quan sát đều $> 0.30$.
  • Phân tích EFA:
    • Hệ số $KMO = 0.842$ ($0.5 < KMO < 1.0$), kiểm định Bartlett's Test có giá trị $Sig. = 0.000 < 0.05$, chứng minh các biến có tương quan tuyến tính chặt chẽ.
    • Phép trích Principal Axis Factoring với phép xoay Varimax trích xuất được các nhóm nhân tố hội tụ rõ nét với hệ số tải nhân tố (Factor Loading) $> 0.50$.
                       BẢNG TỔNG HỢP KIỂM ĐỊNH MÔ HÌNH HỒI QUY
===================================================================================
Biến độc lập              Ký hiệu   Hệ số Beta (β)   Mức ý nghĩa (p)   Hiện tượng VIF
-----------------------------------------------------------------------------------
Chuẩn mực chủ quan           CQ         0.449             0.000            1.215
Nhận thức tính dễ sử dụng    SD         0.384             0.000            1.340
Nhận thức kiểm soát hành vi  HV         0.125             0.012            1.180
Nhận thức sự hữu ích         HI         0.098             0.041            1.250
-----------------------------------------------------------------------------------
R = 0.762 | R² = 0.581 | R² Hiệu chỉnh = 0.575 | F-test = 102.34 (p = 0.000)
Durbin-Watson = 1.892 (Không có hiện tượng tự tương quan chuỗi bậc 1)
===================================================================================

Phương trình hồi quy chuẩn hóa

Dựa trên kết quả hồi quy, phương trình xác định ý định sử dụng dịch vụ xe công nghệ của sinh viên TP.HCM có dạng:

$$YD = 0.449 \times CQ + 0.384 \times SD + 0.125 \times HV + 0.098 \times HI + \epsilon$$

     TỶ TRỌNG TÁC ĐỘNG CỦA CÁC YẾU TỐ ĐẾN Ý ĐỊNH SỬ DỤNG (BETA %)
+---------------------------------------------------------------+
| Chuẩn mực chủ quan (CQ):         [██████████████████] 44.9%    |
| Tính dễ sử dụng (SD):            [███████████████]   38.4%    |
| Kiểm soát hành vi (HV):          [█████]             12.5%    |
| Sự hữu ích (HI):                 [████]               9.8%    |
+---------------------------------------------------------------+

Đổi mới và đóng góp

  1. Phát hiện thứ bậc tác động mới trong hành vi sinh viên: Khác với các nghiên cứu tập trung vào tệp khách hàng văn phòng (nơi giá trị giá cả hoặc sự hữu ích đóng vai trò số 1), nghiên cứu này chứng minh Chuẩn mực chủ quan ($\beta = 0.449$) là yếu tố chi phối mạnh mẽ nhất đối với sinh viên. Tâm lý đám đông, sự giới thiệu từ bạn bè cùng lớp và gia đình có sức nặng gấp 4.5 lần nhận thức thuần túy về sự hữu ích.
  2. Khẳng định tầm quan trọng của trải nghiệm số (UX/UI): Yếu tố Nhận thức tính dễ sử dụng ($\beta = 0.384$) giữ vị trí thứ hai. Sinh viên ưu tiên thao tác mượt mà, định vị GPS ít sai số và tích hợp thanh toán không tiền mặt không có độ trễ.
  3. So sánh học thuật đa chiều:
Tiêu chí nghiên cứu Đề tài (Lê Thị Phương Nhi, 2023) Đỗ Đình Nam (2018) Đoàn Việt Hùng (2021) Choong & Goh (2021)
Không gian & Mẫu TP.HCM ($N = 300$, Sinh viên) Hà Nội ($N = 221$, Dân cư) Gò Vấp - TP.HCM ($N = 220$) Malaysia ($N = 392$, Smartphone)
Yếu tố tác động lớn nhất Chuẩn mực chủ quan ($\beta = 0.449$) Giá trị giá cả Sự hữu ích cảm nhận Nhận thức dễ sử dụng
Mô hình cốt lõi Tích hợp TPB + TAM TAM mở rộng TPB + TAM TPB + TAM + Rủi ro
Tỷ lệ giải thích $R^2$ 58.1% 51.4% 53.2% 56.7%

Ứng dụng thực tế và triển khai

Chiến lược triển khai cho doanh nghiệp (Ride-Hailing Enterprises)

       LỘ TRÌNH TRIỂN KHAI HÀM Ý QUẢN TRỊ 4 GIAI ĐOẠN (Q1 - Q4)
+--------------------------------------------------------------------+
| Q1: CHIẾN DỊCH VIRAL VÀ REFERRAL MARKETING                        |
| • Triển khai chương trình "Mời bạn học - Nhận chuyến đi 0 đồng"    |
| • Liên kết với các hội sinh viên và CLB trường đại học              |
+--------------------------------------------------------------------+
+--------------------------------------------------------------------+
| Q2: TỐI ƯU HÓA GIAO DIỆN VÀ TRẢI NGHIỆM ĐẶT XE (UI/UX)            |
| • Giảm số lần chạm (tap) từ mở app đến đặt xe từ 5 bước xuống 3   |
| • Tự động gợi ý cổng trường đại học theo định vị thời gian thực   |
+--------------------------------------------------------------------+
+--------------------------------------------------------------------+
| Q3: MỞ RỘNG HẠ TẦNG THANH TOÁN VÀ KIỂM SOÁT TÀI CHÍNH             |
| • Tích hợp ví MoMo, ZaloPay, ShopeePay với gói cước Student Pass   |
| • Ra mắt tính năng chia tiền cước tự động (Split Fare) theo nhóm   |
+--------------------------------------------------------------------+
+--------------------------------------------------------------------+
| Q4: NÂNG CAO TÍNH HỮU ÍCH VÀ ĐIỀU PHỐI GIỜ CAO ĐIỂM               |
| • Tối ưu thuật toán điều phối xe quanh bán kính làng đại học       |
| • Cam kết thời gian chờ dưới 5 phút trong khung giờ 07h00-08h00    |
+--------------------------------------------------------------------+

Đánh giá hiệu quả kinh tế và ROI (Cost-Benefit Analysis)

  • Tăng tỷ lệ chuyển đổi (Conversion Rate): Nhờ cơ chế Referral Program dựa trên yếu tố Chuẩn mực chủ quan, chi phí thu hút khách hàng mới (CAC - Customer Acquisition Cost) dự kiến giảm 28-35% so với quảng cáo hiển thị truyền thống.
  • Tăng chỉ số giữ chân khách hàng (Retention Rate): Tối ưu hóa UI/UX và tính năng Student Pass giúp tần suất sử dụng xe công nghệ của sinh viên tăng từ 2.1 chuyến/tuần lên 4.5 chuyến/tuần, rút ngắn thời gian hoàn vốn đầu tư tiếp thị xuống còn 3.5 tháng.

Hạn chế và hướng phát triển

Hạn chế học thuật

  • Phương pháp lấy mẫu: Nghiên cứu sử dụng kỹ thuật chọn mẫu thuận tiện phi xác suất ($N = 300$), dữ liệu tập trung chính ở khu vực TP.HCM nên tính đại diện tổng thể cho sinh viên toàn quốc cần được tái kiểm định.
  • Biến ngoại sinh: Chưa phân tích sâu tác động của xu hướng chuyển đổi phương tiện xe máy điện công nghệ (như GSM/Xanh SM Bike) và các biến số về mức độ nhạy cảm dữ liệu cá nhân.

Hướng nghiên cứu tiếp theo

  • Mở rộng mô hình nghiên cứu sử dụng Mô hình phương trình cấu trúc tuyến tính (SEM - Structural Equation Modeling) trên AMOS/SmartPLS để phân tích các biến trung gian (Thái độ, Lòng tin).
  • Khảo sát sự dịch chuyển hành vi sang xe điện công nghệ gắn liền với mục tiêu giảm phát thải carbon (ESG/Green Mobility).

Đối tượng hưởng lợi

  • Sinh viên đại học: Có cơ sở dữ liệu thực chứng để đánh giá, lựa chọn phương thức di chuyển phù hợp với ngân sách cá nhân và tận dụng hiệu quả các tiện ích ứng dụng.
  • Đội ngũ phát triển phần mềm & Product Manager (Grab, Be, Gojek): Nhận diện trực tiếp các điểm nghẽn trải nghiệm người dùng để tối ưu luồng đặt xe và tích hợp các tính năng thanh toán nhóm.
  • Chuyên viên Marketing & Quản trị kinh doanh: Nhận được bộ chỉ số đo lường thực tế ($\beta$ weights) để phân bổ ngân sách tiếp thị tập trung vào kênh truyền miệng (Word-of-Mouth) và tiếp thị mạng xã hội.
  • Nhà nghiên cứu kinh tế lượng: Kế thừa bộ thang đo chuẩn hóa đã được kiểm định độ tin cậy và cấu trúc EFA cho các đề tài nghiên cứu hành vi người tiêu dùng số.

Câu hỏi thường gặp

1. Yếu tố nào quyết định mạnh nhất đến ý định đặt xe của sinh viên?

Kết quả hồi quy chứng minh Chuẩn mực chủ quan (Subjective Norms) có trọng số tác động lớn nhất ($\beta = 0.449, p < 0.001$). Sinh viên quyết định đặt xe phần lớn chịu tác động từ lời khuyên, trải nghiệm chia sẻ của bạn bè, người thân và cộng đồng xung quanh.

2. Tại sao biến Nhận thức sự hữu ích lại có trọng số thấp hơn Tính dễ sử dụng?

Đối với thế hệ Gen Z (sinh viên), tính hữu ích của xe công nghệ (tiết kiệm thời gian, che nắng mưa) đã trở thành thuộc tính mặc định (baseline). Do đó, sự phân hóa trong ý định sử dụng tập trung vào việc ứng dụng nào mang lại trải nghiệm mượt mà hơn, thao tác nhanh hơn và ít lỗi giao diện hơn.

3. Nghiên cứu sử dụng cỡ mẫu N = 300 có đảm bảo tính đại diện thống kê không?

Theo tiêu chuẩn Hair et al. (2014), kích thước mẫu tối thiểu cho phân tích EFA cần gấp 5 lần số biến quan sát ($33 \times 5 = 165$ mẫu) và phân tích hồi quy cần $50 + 8m = 50 + 8 \times 6 = 98$ mẫu. Do đó, kích thước $N = 300$ mẫu hoàn toàn thỏa mãn các tiêu chuẩn thống kê nghiêm ngặt.

4. Doanh nghiệp xe công nghệ cần thay đổi chiến lược giao diện người dùng như thế nào?

Cần tối giản hóa quy trình thanh toán không tiền mặt, tích hợp nhận diện điểm đón thông minh tại các cổng trường đại học và tinh gọn luồng đặt xe xuống dưới 3 bước chạm.

5. Kết quả nghiên cứu có áp dụng được cho mảng dịch vụ giao thức ăn (Food Delivery) không?

Có thể chuyển giao khung lý thuyết TPB + TAM sang mảng Food Delivery; tuy nhiên cần bổ sung thêm các biến quan sát về tốc độ giao hàng, phí vận chuyển và độ phong phú của danh mục món ăn.


Kết luận

Nghiên cứu của Lê Thị Phương Nhi (2023) đã giải quyết trọn vẹn bài toán xác định các nhân tố ảnh hưởng đến ý định sử dụng dịch vụ xe công nghệ của sinh viên tại TP.HCM. Với mô hình kinh tế lượng vững chắc ($R^2 = 58.1%$, $F = 102.34$), nghiên cứu chỉ ra rằng Chuẩn mực chủ quan ($\beta = 0.449$)Tính dễ sử dụng ($\beta = 0.384$) là hai đòn bẩy chiến lược quan trọng nhất. Đây là tài liệu tham khảo có giá trị học thuật và thực tiễn cao, định hình lộ trình phát triển sản phẩm công nghệ và chiến lược marketing cho các nền tảng di chuyển thông minh tại Việt Nam. Các nhà quản trị và nhà phát triển ứng dụng cần nhanh chóng khai thác những phát hiện này để tối ưu hóa trải nghiệm khách hàng và gia tăng thị phần bền vững.