Giới thiệu dự án

Thanh toán không dùng tiền mặt (cashless payment) đang trở thành xu thế tất yếu trong nền kinh tế số toàn cầu và tại Việt Nam. Theo định hướng tại Quyết định số 1813/QĐ-TTg của Thủ tướng Chính phủ phê duyệt Đề án phát triển thanh toán không dùng tiền mặt giai đoạn 2021 – 2025, tỷ trọng thanh toán điện tử trong khu vực thương mại dịch vụ mục tiêu đạt mức tăng trưởng trên 20%/năm. Trong hệ sinh thái tài chính bán lẻ, thẻ tín dụng (credit card) đóng vai trò là công cụ kích cầu tiêu dùng thông qua cơ chế "chi tiêu trước, trả tiền sau" với thời gian ân hạn miễn lãi (grace period) lên tới 45–55 ngày.

Tuy nhiên, tại các chi nhánh ngân hàng thương mại cấp quận như Ngân hàng TMCP Sài Gòn Thương Tín (Sacombank) – Chi nhánh Quận 7, tỷ lệ chuyển đổi khách hàng vãng lai sang mở mới thẻ tín dụng đối mặt với nhiều rào cản tâm lý: lo ngại rủi ro gian lận giao dịch (fraud risk), bẫy nợ tài chính (debt trap), cùng các khoản phí thường niên và lãi suất phạt chậm trả chưa được hiểu rõ.

Mục tiêu dự án

  1. Xác định các yếu tố cốt lõi: Khám phá và hệ thống hóa các nhân tố tâm lý và hành vi tác động đến ý định mở và sử dụng thẻ tín dụng của khách hàng cá nhân.
  2. Đo lường mức độ và chiều hướng tác động: Kiểm định định lượng cường độ tác động của từng biến độc lập thông qua hệ số hồi quy chuẩn hóa ($\beta$).
  3. Đề xuất gói giải pháp chiến lược: Xây dựng kiến nghị marketing, truyền thông chính sách phí và quản trị rủi ro thực tiễn cho Sacombank Chi nhánh Quận 7 nhằm nâng tỷ lệ mở thẻ hợp lệ.

Phương pháp tiếp cận và kết quả kỳ vọng

  • Phương pháp: Kết hợp nghiên cứu định tính (phỏng vấn sâu chuyên gia) và nghiên cứu định lượng (khảo sát mẫu $N=153$ đạt chuẩn, xử lý dữ liệu qua SPSS 20.0).
  • Kết quả đo lường: Xác lập mô hình hồi quy tuyến tính bội có ý nghĩa thống kê ($p < 0.05$), kiểm định độ tin cậy thang đo Cronbach's Alpha $> 0.70$ và loại trừ hiện tượng đa cộng tuyến với hệ số phóng đại phương sai $\text{VIF} < 2.0$.
  • Phạm vi & Giới hạn: Khảo sát tập trung vào khách hàng cá nhân chưa sử dụng thẻ tín dụng tại Sacombank Quận 7, thời gian thu thập từ 15/03/2023 đến 31/03/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường bán lẻ Việt Nam, các tổ chức phát hành thẻ đang cạnh tranh gay gắt về ưu đãi hoàn tiền (cashback), tích điểm thưởng và liên kết sàn thương mại điện tử. Dù vậy, rào cản nhận thức vẫn là điểm nghẽn lớn nhất trong việc mở rộng tệp khách hàng mới.

Giải pháp hiện hữu Ưu điểm Nhược điểm / Rào cản Khoảng trống nghiên cứu
Mô hình TAM thuần túy (Davis, 1985) Tập trung mạnh vào khía cạnh công nghệ (Tính hữu ích, Tính dễ dùng). Bỏ qua yếu tố nhận thức rủi ro tài chính và chi phí vận hành thẻ. Chưa phản ánh đầy đủ bản chất sản phẩm tín dụng vay nợ tiêu dùng.
Mô hình TRA/TPB (Ajzen, 1991) Giải thích tốt yếu tố chuẩn chủ quan (áp lực xã hội) và thái độ. Thiếu các thuộc tính kỹ thuật số và tính bảo mật của phương tiện thanh toán. Đòi hỏi mở rộng để tích hợp các biến nhận thức tài chính đặc thù.
Mô hình tích hợp TAM - TPR (Nghiên cứu đề xuất) Đo lường đa chiều: Giá trị công nghệ, rủi ro giao dịch, chi phí thực tế. Cần cỡ mẫu đạt chuẩn và quy trình kiểm định thang đo nghiêm ngặt. Lấp đầy khoảng trống dữ liệu thực chứng tại địa bàn Quận 7, TP.HCM.

Phân loại yêu cầu giải pháp theo ma trận MoSCoW

  • Must-have: Khung đo lường kiểm chứng được 3 nhóm nhân tố chính: Tính hữu ích (PU), Rủi ro nhận thức (PR), Chi phí nhận thức (PC).
  • Should-have: Đánh giá tác động của Tính dễ sử dụng (PEOU) và Chuẩn chủ quan (SN) đối với nhóm khách hàng mục tiêu.
  • Could-have: Phân tích phương sai ANOVA đa nhóm theo độ tuổi, thu nhập và trình độ học vấn.
  • Won't-have: Không phân tích hành vi sau khi sử dụng (post-adoption behavior) hoặc tỷ lệ nợ xấu phát sinh.

Thiết kế hệ thống

Mô hình nghiên cứu được xây dựng dựa trên sự hợp nhất giữa Mô hình Chấp nhận Công nghệ (TAM), Thuyết Hành động Hợp lý (TRA)Thuyết Nhận thức Rủi ro (TPR).

Công thức toán học của mô hình hồi quy tuyến tính bội

$$\text{IU} = \beta_0 + \beta_1 \cdot \text{PU} + \beta_2 \cdot \text{PEOU} + \beta_3 \cdot \text{SN} + \beta_4 \cdot \text{PR} + \beta_5 \cdot \text{PC} + \epsilon$$

Trong đó:

  • $\text{IU}$ (Intention to Use): Biến phụ thuộc - Ý định sử dụng thẻ tín dụng.
  • $\beta_0$: Hệ số chặn (Intercept).
  • $\beta_1, \beta_2, \beta_3, \beta_4, \beta_5$: Hệ số hồi quy riêng phần tương ứng với các biến độc lập.
  • $\epsilon$: Sai số ngẫu nhiên (Error term).

Technology Stack & Công cụ phân tích

  • Phần mềm xử lý thống kê: IBM SPSS Statistics version 20.0 / Python (thư viện pandas, statsmodels, factor_analyzer).
  • Thang đo: Likert 5 mức độ (1 = Hoàn toàn không đồng ý đến 5 = Hoàn toàn đồng ý).
  • Tiêu chuẩn kiểm định: Cronbach's Alpha $\ge 0.70$, hệ số tương quan biến - tổng $\ge 0.30$, KMO $\ge 0.50$, hệ số tải nhân tố Factor Loading $\ge 0.50$, tổng phương sai trích $\ge 50%$, Sig. $F < 0.05$, hệ số $\text{VIF} < 2.0$.

Methodology

Quy trình nghiên cứu khoa học thực hiện theo lộ trình 7 giai đoạn chuẩn hóa:

Đánh giá rủi ro phương pháp luận và biện pháp giảm thiểu

  • Sai lệch mẫu (Sampling Bias): Khách hàng điền mẫu qua loa hoặc chọn trùng 1 đáp án $\rightarrow$ Thiết lập tiêu chí sàng lọc chặt chẽ, loại bỏ 14 phiếu không hợp lệ (thu về 167, giữ lại 153 bảng hợp lệ).
  • Hiện tượng đa cộng tuyến: Các biến độc lập có tương quan quá cao làm sai lệch ước lượng OLS $\rightarrow$ Kiểm soát chặt chỉ số Tolerance và VIF trong bảng kết quả hồi quy.

Implementation và kết quả

Development process

Quá trình thu thập và làm sạch dữ liệu thực tế tại Sacombank Chi nhánh Quận 7 được chuyển đổi thành tập dữ liệu chuẩn hóa phục vụ phân tích đa biến.

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

# 1. Đọc dữ liệu khảo sát đã làm sạch (N = 153)
data = pd.read_csv("sacombank_survey_data.csv")

# 2. Định nghĩa các biến nghiên cứu
X_vars = ['PU', 'PEOU', 'SN', 'PR', 'PC']
X = data[X_vars]
y = data['IU']

# 3. Thêm hằng số vào mô hình OLS
X_with_const = sm.add_constant(X)

# 4. Ước lượng mô hình hồi quy OLS
model = sm.OLS(y, X_with_const).fit()
print(model.summary())

# 5. Kiểm tra hệ số đa cộng tuyến VIF
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
print(vif_data)
* SPSS Syntax: Phân tích độ tin cậy Cronbach's Alpha và Hồi quy OLS.
RELIABILITY
  /VARIABLES=PU1 PU2 PU3 PU4
  /SCALE('Thang do Nhan thuc Tinh huu ich') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT IU
  /METHOD=ENTER PU PEOU SN PR PC.

Testing và validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 6 thang đo thành phần đều đạt chỉ số tin cậy nội hàm cao ($> 0.70$), các biến quan sát đều có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$:

  • Nhận thức tính hữu ích (PU): $\alpha = 0.842$ (4 biến quan sát).
  • Nhận thức tính dễ sử dụng (PEOU): $\alpha = 0.815$ (4 biến quan sát).
  • Chuẩn chủ quan (SN): $\alpha = 0.796$ (3 biến quan sát).
  • Nhận thức rủi ro (PR): $\alpha = 0.858$ (4 biến quan sát).
  • Nhận thức chi phí (PC): $\alpha = 0.824$ (4 biến quan sát).
  • Ý định sử dụng (IU): $\alpha = 0.867$ (3 biến quan sát).

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Chỉ số $\text{KMO} = 0.812$ ($0.5 \le \text{KMO} \le 1.0$), kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.05$. Tổng phương sai trích đạt $63.45% > 50%$, giá trị Eigenvalue tại nhân tố thứ 5 đạt $1.248 > 1.0$. Ma trận xoay Varimax thể hiện 19 biến quan sát hội tụ rõ nét vào 5 nhóm nhân tố với Factor Loading $> 0.55$.
  • Biến phụ thuộc (IU): $\text{KMO} = 0.725$, $\text{Sig.} = 0.000$, phương sai trích đạt $71.20%$, trích xuất 1 nhân tố duy nhất.

Kết quả đạt được

Kết quả ước lượng tham số mô hình hồi quy tuyến tính bội trên mẫu $N = 153$ ghi nhận 3 yếu tố có ý nghĩa thống kê ở mức $p < 0.05$:

Biến độc lập Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị t Mức ý nghĩa (p-value) Hệ số VIF Kết luận giả thuyết
(Constant) 2.145 0.412 - 5.206 0.000 - -
Nhận thức tính hữu ích (PU) 0.386 0.065 +0.412 5.938 0.000 1.324 Chấp nhận H1 (Cùng chiều)
Nhận thức tính dễ sử dụng (PEOU) 0.052 0.058 +0.064 0.896 0.372 1.415 Bác bỏ H2 ($p > 0.05$)
Chuẩn chủ quan (SN) 0.041 0.051 +0.053 0.804 0.423 1.218 Bác bỏ H3 ($p > 0.05$)
Nhận thức rủi ro (PR) -0.284 0.059 -0.315 -4.814 0.000 1.285 Chấp nhận H4 (Ngược chiều)
Nhận thức chi phí (PC) -0.198 0.054 -0.228 -3.667 0.000 1.242 Chấp nhận H5 (Ngược chiều)
  • Hệ số xác định mô hình: $R^2 = 0.548$, $R^2 \text{ hiệu chỉnh} = 0.533$. Mô hình giải thích được $53.3%$ sự biến thiên của ý định sử dụng thẻ tín dụng.
  • Kiểm định độ phù hợp: Giá trị $F = 35.621$ với $\text{Sig.} = 0.000$, chứng minh mô hình hồi quy có ý nghĩa tổng thể cao.
  • Hiện tượng đa cộng tuyến: Tất cả các hệ số $\text{VIF} < 1.50$, khẳng định không xảy ra hiện tượng đa cộng tuyến.

Phương trình hồi quy chuẩn hóa thực tế: $$\text{IU} = 0.412 \cdot \text{PU} - 0.315 \cdot \text{PR} - 0.228 \cdot \text{PC}$$


Đổi mới và đóng góp

Nghiên cứu mang lại những giá trị đóng góp học thuật và thực tiễn đáng kể khi đặt trong bức tranh toàn cảnh của hệ thống thanh toán ngân hàng bán lẻ tại Việt Nam.

So sánh với các công trình nghiên cứu tiền nhiệm

  1. So với Trịnh Hoàng Nam và cộng sự (2020): Công trình năm 2020 xác định cả 4 yếu tố đều có ý nghĩa, trong đó PR tác động mạnh nhất. Tại Sacombank Quận 7, Nhận thức tính hữu ích (PU, $\beta = 0.412$) lại vươn lên thành yếu tố tác động mạnh nhất, phản ánh người dân khu đô thị hiện đại đánh giá cao giá trị tiện lợi và công cụ tài chính của thẻ trước khi cân nhắc rủi ro.
  2. So với Nguyễn Đình Yến Oanh và John Cassidy (2018): Nghiên cứu của Oanh & Cassidy cho rằng chi phí (PC) không ảnh hưởng do các ngân hàng đua nhau miễn phí. Ngược lại, kết quả năm 2023 tại Quận 7 chứng minh Chi phí nhận thức (PC, $\beta = -0.228$) vẫn là rào cản ngược chiều rõ rệt khi các loại phí phạt chậm trả, phí rút tiền mặt và lãi suất quá hạn được khách hàng đặc biệt lưu tâm.

Đóng góp cho ngành ngân hàng

  • Về lý thuyết: Kiểm chứng thành công mô hình tích hợp TAM - TPR - TRA trong phân khúc khách hàng tiềm năng chưa từng sử dụng thẻ tín dụng tại một địa bàn đô thị phát triển nhanh.
  • Về thực tiễn quản trị: Chỉ ra 2 biến cản trở then chốt ($PR$ và $PC$) để ban giám đốc chi nhánh cấu trúc lại thông điệp quảng bá, tập trung xóa bỏ nỗi sợ rủi ro thay vì tốn nguồn lực vào truyền thông tính dễ dùng (do giao diện app/thẻ ngày nay đã quá phổ cập).

Ứng dụng thực tế và triển khai

Dựa trên trọng số tác động từ mô hình hồi quy, Sacombank Chi nhánh Quận 7 có thể triển khai khung giải pháp gồm 3 mũi nhọn chiến lược:

1. Nâng cao nhận thức tính hữu ích (Tác động mạnh nhất: $\beta = +0.412$)

  • Liên kết thương mại cục bộ: Tích hợp các chương trình hoàn tiền (cashback 5–10%) và trả góp 0% lãi suất tại các trung tâm thương mại lớn ở Quận 7 như SC VivoCity, Crescent Mall, Lotte Mart.
  • Đóng gói giải pháp quản lý chi tiêu: Cung cấp tính năng phân tích biểu đồ tài chính tự động trên ứng dụng Sacombank Pay, giúp khách hàng nhìn thấy lợi ích tối ưu dòng tiền cá nhân.

2. Triệt tiêu rào cản nhận thức rủi ro (Tác động tiêu cực: $\beta = -0.315$)

  • Nâng cấp tính năng an toàn chủ động: Tích hợp công nghệ bảo mật 3D-Secure 2.0, cấp quyền cho chủ thẻ khóa/mở thẻ tức thì, điều chỉnh hạn mức thanh toán trực tuyến ngay trên thiết bị di động.
  • Cam kết bảo hiểm gian lận: Miễn trừ trách nhiệm tài chính cho khách hàng đối với các giao dịch gian lận phát sinh trước khi báo khóa thẻ trong vòng 24 giờ.

3. Minh bạch hóa và tái cấu trúc chi phí (Tác động tiêu cực: $\beta = -0.228$)

  • Chính sách miễn phí có điều kiện: Áp dụng miễn phí thường niên năm đầu tiên và hoàn phí các năm tiếp theo nếu đạt hạn mức chi tiêu tích lũy tối thiểu (ví dụ: 30 triệu VNĐ/năm).
  • Minh bạch bảng sao kê: Thiết kế thông báo nhắc nợ tự động trước 5 ngày qua Zalo OA/SMS với biểu phí rõ ràng, kèm công cụ mô phỏng lãi suất giúp khách hàng tránh rơi vào bẫy chậm thanh toán.

Lộ trình triển khai 6 tháng và ước tính ROI

  • Tháng 1 - Tháng 2: Thiết kế lại ấn phẩm truyền thông, số hóa biểu phí minh bạch trên kênh Sacombank Pay Chi nhánh Quận 7.
  • Tháng 3 - Tháng 4: Ký kết hợp tác ưu đãi với 30 đối tác ăn uống, mua sắm tại khu đô thị Phú Mỹ Hưng.
  • Tháng 5 - Tháng 6: Triển khai chiến dịch tiếp thị số đa kênh, tổ chức workshop tài chính cá nhân tại các tòa nhà văn phòng Quận 7.
  • Dự báo hiệu quả tài chính: Tăng tỷ lệ phát hành thẻ mới thêm $25 - 35%$, giảm tỷ lệ hủy thẻ năm đầu xuống dưới $8%$, điểm hài lòng khách hàng (CSAT) đạt trên $85%$.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phạm vi

  • Kích thước mẫu ($N=153$): Mặc dù thỏa mãn yêu cầu thống kê tối thiểu cho mô hình 5 biến độc lập theo tiêu chuẩn Hair et al. ($5 \times 19 = 95$ quan sát), cỡ mẫu chưa đủ lớn để tổng quát hóa cho toàn bộ hệ thống Sacombank trên phạm vi toàn quốc.
  • Phạm vi không gian: Nghiên cứu giới hạn tại địa bàn Chi nhánh Quận 7, nơi có mức thu nhập bình quân đầu người cao hơn mặt bằng chung, dẫn đến sự khác biệt về nhận thức rủi ro và hành vi tiêu dùng so với các vùng nông thôn hoặc tỉnh lẻ.
  • Phương pháp lấy mẫu: Áp dụng phương pháp lấy mẫu thuận tiện phi xác suất (convenience sampling), có khả năng chịu ảnh hưởng bởi độ lệch phản hồi (response bias).

Hướng nghiên cứu tiếp theo

  • Mở rộng mô hình cấu trúc tuyến tính SEM: Sử dụng PLS-SEM hoặc CB-SEM để kiểm định các mối quan hệ trung gian (mediating effects) như Thái độNiềm tin can thiệp vào ý định hành vi.
  • Nghiên cứu theo chuỗi thời gian (Longitudinal Study): Theo dõi hành vi thực tế từ lúc mở thẻ đến tần suất kích hoạt chi tiêu và tỷ lệ duy trì thẻ sau 12 tháng.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Cung cấp khung phương pháp luận chuẩn xác từ định tính đến định lượng, cách xây dựng thang đo Likert, kiểm định EFA và giải thích hồi quy tuyến tính trên SPSS.
  • Ban điều hành Sacombank và các Ngân hàng Thương mại: Nhận diện chính xác 3 đòn bẩy trọng yếu tác động đến quyết định của khách hàng để tối ưu hóa ngân sách marketing và thiết kế chính sách biểu phí hợp lý.
  • Người tiêu dùng cá nhân: Hiểu rõ hơn về cơ chế vận hành của thẻ tín dụng, cách tận dụng thời gian ân hạn miễn lãi và bảo vệ thông tin thẻ an toàn.

Câu hỏi thường gặp

1. Cỡ mẫu N=153 có đảm bảo độ tin cậy khoa học cho phân tích EFA và Hồi quy không?

Hoàn toàn đảm bảo. Theo nguyên tắc của Hair et al. (2014), kích thước mẫu tối thiểu cần gấp 5 lần số biến quan sát ($5 \times 19 = 95$). Theo Green (1991), kích thước mẫu cho hồi quy tuyến tính bội cần $N \ge 50 + 8m = 50 + 8 \times 5 = 90$ (với $m=5$ biến độc lập). Cỡ mẫu $N=153$ vượt xa cả hai ngưỡng tiêu chuẩn trên.

2. Tại sao yếu tố "Nhận thức tính dễ sử dụng" (PEOU) lại không có ý nghĩa thống kê trong nghiên cứu này?

Trong bối cảnh hiện đại, việc sử dụng thẻ tín dụng qua máy POS, thanh toán chạm (contactless) hay quét mã QR trên ứng dụng di động đã trở nên cực kỳ thân thuộc. Khách hàng xem tính dễ dùng là điều hiển nhiên, do đó nó không còn là yếu tố mang tính quyết định để thúc đẩy ý định mở thẻ.

3. Nghiên cứu giải quyết rủi ro gian lận thẻ tín dụng như thế nào?

Nghiên cứu chỉ ra $PR$ có tác động âm lớn ($\beta = -0.315$). Đề tài khuyến nghị ngân hàng phải triển khai công nghệ xác thực đa lớp (3D-Secure, sinh trắc học FaceID), đồng thời đẩy mạnh truyền thông hướng dẫn khách hàng cách bảo mật mã CVV/CVC ở mặt sau thẻ.

4. Ngân hàng có thể bù đắp chi phí miễn phí thường niên bằng nguồn thu nào?

Ngân hàng có thể bù đắp thông qua nguồn thu phí trao đổi (interchange fee) từ các đơn vị chấp nhận thẻ (merchant) khi khách hàng quẹt thẻ, doanh thu từ các giao dịch trả góp phí chuyển đổi thấp, và việc mở rộng bán chéo các sản phẩm bảo hiểm liên kết (bancassurance).

5. Khách hàng chưa từng dùng thẻ tín dụng cần điều kiện gì để được mở thẻ tại Sacombank Quận 7?

Khách hàng cần chứng minh nguồn thu nhập ổn định qua sao kê tài khoản ngân hàng (thông thường từ 5 - 7 triệu VNĐ/tháng trở lên tùy hạng thẻ), có hợp đồng lao động hợp lệ và không có lịch sử nợ xấu trên hệ thống Trung tâm Thông tin Tín dụng Quốc gia (CIC).


Kết luận

Khóa luận tốt nghiệp của tác giả Hoàng Mai Phương đã phân tích và đo lường thành công các yếu tố quyết định ý định sử dụng thẻ tín dụng của khách hàng cá nhân tại Sacombank Chi nhánh Quận 7. Thông qua mô hình tích hợp TAM, TRA và TPR với $N=153$ mẫu khảo sát chuẩn hóa, nghiên cứu xác định: Nhận thức tính hữu ích ($\beta = +0.412$) là động lực thúc đẩy mạnh mẽ nhất, trong khi Nhận thức rủi ro ($\beta = -0.315$)Nhận thức chi phí ($\beta = -0.228$) là hai rào cản tiêu cực trọng yếu.

Kết quả này cung cấp cơ sở dữ liệu thực nghiệm giá trị giúp lãnh đạo ngân hàng hoạch định chính sách sản phẩm, tái cấu trúc biểu phí minh bạch và triển khai các giải pháp an toàn bảo mật, góp phần hiện thực hóa mục tiêu chuyển đổi số và phát triển thanh toán không dùng tiền mặt bền vững.