Giới thiệu dự án

Sự bùng nổ của cuộc Cách mạng Công nghiệp 4.0 cùng tác động sâu rộng của đại dịch COVID-19 đã thúc đẩy mạnh mẽ hành vi thanh toán không dùng tiền mặt tại Việt Nam. Theo số liệu khảo sát từ VisaNet, giá trị giao dịch qua thẻ và thanh toán kỹ thuật số tăng trưởng 34% theo năm, trong đó tỷ lệ giao dịch không tiếp xúc tăng đột biến đến 230%. Báo cáo từ Ngân hàng Nhà nước Việt Nam ghi nhận hơn 43 đơn vị cung ứng dịch vụ trung gian thanh toán dạng ví điện tử được cấp phép. Trong bối cảnh đó, ShopeePay (tiền thân là AirPay) thuộc hệ sinh thái Sea Group nổi lên như một nền tảng thanh toán di động dẫn đầu gắn liền với thương mại điện tử.

Tuy nhiên, thị trường Fintech đối mặt với bài toán lớn về rào cản thích ứng công nghệ của người tiêu dùng, tỷ lệ chuyển đổi từ nhận thức sang hành vi thanh toán thường xuyên, cũng như các lo ngại liên quan đến giao diện người dùng và tính bảo mật. Đồ án khóa luận tốt nghiệp chuyên ngành Quản trị Kinh doanh tại Trường Đại học Công nghiệp TP.HCM (Mã chuyên ngành: 52340101) đã triển khai đề tài: "Các yếu tố ảnh hưởng đến ý định sử dụng ví điện tử ShopeePay của người tiêu dùng tại Thành phố Hồ Chí Minh".

                           [MÔ HÌNH NGHIÊN CỨU TỔNG QUAN]
+--------------------------------------------------------------------------------+
|  [Nhận thức tính hữu ích (THI)]       --> (Beta = 0.142, p = 0.013)            |
|  [Nhận thức tính dễ sử dụng (TDSD)]   --> (Beta = 0.408, p = 0.000)            |
|  [Sự tin tưởng (STT)]                 --> (Beta = 0.205, p = 0.001)            |
|  [Ảnh hưởng xã hội (AHXH)]            --> (Beta = 0.258, p = 0.000)            |
|  [Bảo mật & Quyền riêng tư (BM)]      --> (Beta = -0.034, p = 0.561 - Loại)    |
|                                                     |                          |
|                                                     v                          |
|                                       [Ý ĐỊNH SỬ DỤNG VÍ SHOPEEPAY]            |
|                                       (R^2 Hiệu chỉnh = 0.539 / 53.9%)         |
+--------------------------------------------------------------------------------+

Mục tiêu dự án

  1. Xác định các nhân tố cấu thành: Hệ thống hóa các yếu tố tác động đến ý định sử dụng ví điện tử ShopeePay của nhóm khách hàng trẻ tại khu vực TP.HCM.
  2. Đo lường mức độ ảnh hưởng: Ứng dụng kỹ thuật phân tích nhân tố khám phá (EFA) và hồi quy tuyến tính đa biến (Multiple Linear Regression) để xác định trọng số tác động của từng nhân tố.
  3. Đề xuất hàm ý quản trị: Xây dựng khung giải pháp tối ưu hóa sản phẩm, truyền thông và trải nghiệm người dùng dựa trên bằng chứng dữ liệu thực nghiệm.

Phương pháp tiếp cận và Phạm vi nghiên cứu

  • Phương pháp tiếp cận: Tích hợp mô hình chấp nhận công nghệ (TAM - Technology Acceptance Model), thuyết hành vi có kế hoạch (TPB - Theory of Planned Behavior) và thuyết hành động hợp lý (TRA - Theory of Reasoned Action).
  • Phạm vi không gian & thời gian: Địa bàn TP. Hồ Chí Minh với cỡ mẫu thực nghiệm $N = 200$, dữ liệu thu thập vào tháng 06/2022.
  • Giới hạn nghiên cứu: Tập trung vào nhóm khách hàng trẻ tuổi (học sinh, sinh viên, nhân viên văn phòng), đo lường ý định hành vi (Behavioral Intention) thông qua phương pháp chọn mẫu thuận tiện.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu so sánh và kế thừa các khung lý thuyết từ các công trình nghiên cứu đi trước trong và ngoài nước nhằm thiết lập mô hình thích ứng cao với thị trường Việt Nam:

Nghiên cứu tác giả Khung lý thuyết Các biến độc lập chính Kết quả tác động nổi bật Hạn chế kế thừa
Phan Trọng Nhân (2020) UTAUT mở rộng Bảo mật, Nỗ lực kỳ vọng, Hiệu suất, Ảnh hưởng xã hội Ảnh hưởng xã hội tác động mạnh nhất đến ý định Chưa đi sâu vào tính đặc thù của hệ sinh thái TMĐT
Amit Kumar Nag (2019) TAM + Trust Tính hữu ích, Dễ sử dụng, Quyền riêng tư, Độ tin cậy Bảo mật và độ tin cậy quyết định hành vi tại Bangkok Khác biệt văn hóa tiêu dùng và hạ tầng Fintech
Teoh Teng Tenk (2020) UTAUT Hiệu suất, Nỗ lực, Ảnh hưởng xã hội, Rủi ro, Chi phí Rủi ro và chi phí nhận thức không có ý nghĩa thống kê Mẫu khảo sát tập trung tại Malaysia
Mô hình nghiên cứu đề xuất TAM + TPB + Trust Hữu ích (THI), Dễ dùng (TDSD), Tin tưởng (STT), Bảo mật (BM), Xã hội (AHXH) Giải thích 53.9% phương sai ý định sử dụng ví ShopeePay Tập trung người dùng đô thị TP.HCM

Ưu tiên hóa yêu cầu đo lường (MoSCoW Framework)

Hệ thống biến quan sát được phân loại theo mức độ ưu tiên để phục vụ đo lường định lượng:

  • Must have (Bắt buộc): Thang đo Cảm nhận tính dễ sử dụng (TDSD1–TDSD4), Cảm nhận tính hữu ích (THI1–THI4), Ý định sử dụng (YDSD1–YDSD3).
  • Should have (Nên có): Thang đo Nhận thức về sự tin tưởng (STT1–STT4), Ảnh hưởng xã hội (AHXH1–AHXH4).
  • Could have (Có thể có): Thang đo Bảo mật và quyền riêng tư (BM1–BM4).
  • Won't have (Không đưa vào phạm vi): Đo lường hành vi thực tế sau sử dụng (Actual Usage) do tập trung vào ý định ban đầu (Intention).

Thiết kế hệ thống thang đo và Thống kê kỹ thuật

Thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) gồm 23 biến quan sát:

$$\text{Mô hình hồi quy dự kiến: } YDSD = \beta_0 + \beta_1 THI + \beta_2 TDSD + \beta_3 STT + \beta_4 BM + \beta_5 AHXH + \epsilon$$

                           [CẤU TRÚC PHÂN CẤP BIẾN QUAN SÁT]
                                           |
    +------------------+-------------------+------------------+------------------+
    |                  |                   |                  |                  |
    v                  v                   v                  v                  v
[HỮU ÍCH (THI)]  [DỄ DÙNG (TDSD)]   [TIN TƯỞNG (STT)]   [BẢO MẬT (BM)]     [XÃ HỘI (AHXH)]
      hơn tiền mặt       diện đẹp mắt        phản hồi             tài khoản          khuyến khích

Phương pháp nghiên cứu và Công cụ thực thi

Quy trình nghiên cứu được chia làm 3 pha chuẩn mực:

  1. Nghiên cứu định tính: Tổng quan tài liệu, tham vấn chuyên gia, hiệu chỉnh ngữ nghĩa 23 biến quan sát.
  2. Nghiên cứu định lượng sơ bộ: Khảo sát thử nghiệm $N=50$ sinh viên, đánh giá độ tin cậy sơ bộ bằng IBM SPSS Statistics 20.0.
  3. Nghiên cứu định lượng chính thức: Thu thập $N=200$ mẫu hợp lệ qua Google Forms, kiểm định chất lượng thang đo (Cronbach's Alpha), phân tích nhân tố khám phá (EFA - Principal Component Analysis, phép xoay Varimax), kiểm tra tương quan Pearson và ước lượng hồi quy OLS.

Implementation và kết quả

Quy trình triển khai phân tích dữ liệu

Toàn bộ dữ liệu khảo sát được xử lý và kiểm định thông qua cú pháp phân tích định lượng (tương thích cú pháp IBM SPSS / Python statsmodels):

import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo

# 1. Đọc dữ liệu khảo sát chính thức (N = 200)
df = pd.read_csv("shopeepay_survey_n200.csv")

# 2. Kiểm định KMO và Bartlett Test cho biến độc lập
independent_vars = ['THI1','THI2','THI3','THI4','TDSD1','TDSD2','TDSD3','TDSD4',
                    'STT1','STT2','STT3','STT4','BM1','BM2','BM3','BM4','AHXH1','AHXH2','AHXH3','AHXH4']
kmo_all, kmo_model = calculate_kmo(df[independent_vars])
print(f"KMO Measure: {kmo_model:.3f}") # Output: > 0.72

# 3. Phân tích hồi quy OLS đa biến
X = df[['THI', 'TDSD', 'STT', 'BM', 'AHXH']]
y = df['YDSD']
X = sm.add_constant(X)
model = sm.OLS(y, X).fit()
print(model.summary())

Kiểm định và Validation kỹ thuật

1. Đánh giá độ tin cậy thang đo (Cronbach's Alpha)

Tất cả các thang đo đều thỏa mãn tiêu chuẩn: Cronbach's Alpha $> 0.7$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.3$.

  • Nhận thức về tính hữu ích (THI): $\alpha = 0.813$ (4 biến quan sát)
  • Nhận thức về tính dễ sử dụng (TDSD): $\alpha = 0.841$ (4 biến quan sát)
  • Nhận thức về sự tin tưởng (STT): $\alpha = 0.862$ (4 biến quan sát)
  • Bảo mật và sự riêng tư (BM): $\alpha = 0.765$ (4 biến quan sát)
  • Ảnh hưởng xã hội (AHXH): $\alpha = 0.878$ (4 biến quan sát)
  • Ý định sử dụng ví điện tử (YDSD): $\alpha = 0.811$ (3 biến quan sát)

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Chỉ số $KMO = 0.722 > 0.5$, kiểm định Bartlett có giá trị thống kê với $\text{Sig.} = 0.000 < 0.05$. Tổng phương sai trích (Total Variance Explained) đạt $> 60%$, các hệ số tải nhân tố (Factor Loading) đều $> 0.5$.
  • Biến phụ thuộc: $KMO = 0.595$, $\text{Sig.} = 0.000$, phương sai trích đạt $> 65%$.

3. Phân tích tương quan Pearson & Hiện tượng Đa cộng tuyến

  • Tất cả các biến độc lập đều có tương quan tuyến tính có ý nghĩa thống kê với biến phụ thuộc ($p < 0.01$).
  • Hệ số phóng đại phương sai (VIF - Variance Inflation Factor) của các biến đều nằm trong khoảng $1.15 - 1.45 < 2.0$, loại trừ hoàn toàn nguy cơ đa cộng tuyến.
  • Hệ số Durbin-Watson đạt chuẩn ($1.5 < d < 2.5$), chứng minh không có hiện tượng tự tương quan chuỗi bậc 1 trong phần dư.

Kết quả đạt được và Kiểm định giả thuyết

Bảng tổng hợp kết quả ước lượng mô hình hồi quy đa biến:

Giả thuyết Mối quan hệ tác động Hệ số hồi quy chuẩn hóa ($\beta$) Mức ý nghĩa ($p$-value / Sig.) Đánh giá kiểm định
H1 $\text{THI} \rightarrow \text{YDSD}$ +0.142 0.013 Chấp nhận ($p < 0.05$)
H2 $\text{TDSD} \rightarrow \text{YDSD}$ +0.408 0.000 Chấp nhận ($p < 0.001$)
H3 $\text{STT} \rightarrow \text{YDSD}$ +0.205 0.001 Chấp nhận ($p < 0.01$)
H4 $\text{BM} \rightarrow \text{YDSD}$ -0.034 0.561 Bác bỏ ($p > 0.05$)
H5 $\text{AHXH} \rightarrow \text{YDSD}$ +0.258 0.000 Chấp nhận ($p < 0.001$)
                           [MỨC ĐỘ TÁC ĐỘNG CỦA CÁC NHÂN TỐ (BETA)]
  +-------------------------------------------------------------------------------+
  | [TDSD] Tính dễ sử dụng  : ######################################## 0.408 (Rank 1)|
  | [AHXH] Ảnh hưởng xã hội : ######################### 0.258 (Rank 2)           |
  | [STT]  Sự tin tưởng     : #################### 0.205 (Rank 3)                 |
  | [THI]  Tính hữu ích     : ############## 0.142 (Rank 4)                       |
  | [BM]   Bảo mật          : (Loại bỏ - Sig. = 0.561 > 0.05)                     |
  +-------------------------------------------------------------------------------+

Phương trình hồi quy chuẩn hóa chuẩn xác:

$$\text{YDSD} = 0.408 \times \text{TDSD} + 0.258 \times \text{AHXH} + 0.205 \times \text{STT} + 0.142 \times \text{THI}$$

Hệ số xác định hiệu chỉnh $R^2 \text{ Adjusted} = 0.539$ cho thấy 4 nhân tố trên giải thích được 53.9% sự biến thiên của ý định sử dụng ví điện tử ShopeePay ở người tiêu dùng trẻ tại TP.HCM.


Đổi mới và đóng góp

  1. Làm rõ trọng số chi phối của Tính dễ sử dụng (TDSD): Với hệ số $\beta = 0.408$, nghiên cứu chứng minh rằng đối với nhóm người dùng trẻ (Gen Z và Millennials), giao diện mượt mà, thao tác thanh toán ít bước (One-click checkout) và quy trình liên kết ngân hàng đơn giản là yếu tố quan trọng số 1, vượt qua cả yếu tố lợi ích khuyến mãi.
  2. Hiện tượng bác bỏ biến "Bảo mật & Quyền riêng tư" (BM): Khác với các nghiên cứu truyền thống tại thị trường phương Tây, biến Bảo mật không có ý nghĩa thống kê ($p = 0.561$). Điều này chỉ ra rằng người tiêu dùng trẻ tại TP.HCM mặc định xem bảo mật là điều kiện tiên quyết sẵn có từ thương hiệu lớn (Shopee/Sea Group), chứ không phải là yếu tố tạo nên động lực gia tăng ý định sử dụng.
  3. Đóng góp học thuật thực nghiệm: Cung cấp bộ dữ liệu định lượng chuẩn hóa tại đô thị loại đặc biệt của Việt Nam, đóng vai trò tài liệu tham khảo cho các mô hình nghiên cứu Fintech, Mobile Banking và Thương mại di động (M-Commerce).

Ứng dụng thực tế và triển khai

Dựa trên kết quả phân tích giá trị trung bình (Mean) của các biến quan sát, các hàm ý quản trị chiến lược được xây dựng chi tiết:

                  [LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP QUẢN TRỊ 4 QUÝ]
  +---------------------------------------------------------------------------+
  | QUÝ 1: TỐI ƯU GIAO DIỆN & TRẢI NGHIỆM (UI/UX)                            |
  |  - Refactor UI luồng thanh toán, giảm 30% số bước thực hiện.              |
  |  - Nâng cấp điểm đánh giá TDSD4 (hiện tại thấp nhất: Mean = 4.39).        |
  +---------------------------------------------------------------------------+
                                       |
                                       v
  +---------------------------------------------------------------------------+
  | QUÝ 2: MỞ RỘNG MẠNG LƯỚI MERCHANT & HIỆU ỨNG XÃ HỘI (SOCIAL VIRAL)        |
  |  - Triển khai QR Code ShopeePay tại chuỗi bán lẻ, siêu thị, canteen trường|
  |  - Khắc phục điểm nghẽn AHXH4 (Mean = 4.31). Tích hợp chia bill nhóm.    |
  +---------------------------------------------------------------------------+
                                       |
                                       v
  +---------------------------------------------------------------------------+
  | QUÝ 3: CỦNG CỐ NIỀM TIN & DỊCH VỤ KHÁCH HÀNG (TRUST & SUPPORT)            |
  |  - Cam kết bồi hoàn 100% khi giao dịch lỗi trong 24h (tối ưu STT1, STT4). |
  |  - Thiết lập kênh CSKH phản hồi tức thì dưới 3 phút trên app.             |
  +---------------------------------------------------------------------------+
                                       |
                                       v
  +---------------------------------------------------------------------------+
  | QUÝ 4: TỐI ƯU HÓA CHI PHÍ & TIỆN ÍCH HỮU ÍCH (VALUE-ADDED)               |
  |  - Miễn phí nạp/rút tiền liên ngân hàng, gói voucher thanh toán sinh hoạt |
  |  - Cải thiện biến THI2 (Tiết kiệm chi phí, Mean = 4.44).                  |
  +---------------------------------------------------------------------------+

Kế hoạch giải pháp chi tiết

  1. Nhóm giải pháp Tính dễ sử dụng (Beta = 0.408):
    • Đơn giản hóa giao diện trang chủ ví ShopeePay, phân nhóm chức năng rõ ràng (Thanh toán đơn hàng, Nạp điện thoại, Thanh toán hóa đơn, Quét QR Offline).
    • Tối ưu hóa hiệu năng ứng dụng, giảm thời gian load trang thanh toán xuống dưới 1.2 giây.
  2. Nhóm giải pháp Ảnh hưởng xã hội (Beta = 0.258):
    • Đẩy mạnh chương trình Referral Marketing "Mời bạn bè cùng dùng ví - Nhận combo voucher 100K".
    • Mở rộng phủ điểm chấp nhận thanh toán ShopeePay QR tại các chuỗi cửa hàng tiện lợi, siêu thị, quán trà sữa, khu vực quanh các trường đại học lớn.
  3. Nhóm giải pháp Sự tin tưởng (Beta = 0.205):
    • Minh bạch hóa trạng thái xử lý giao dịch, tự động hoàn tiền tức thì khi giao dịch gián đoạn.
    • Nâng cao tính năng lắng nghe phản hồi và cải tiến các bản vá lỗi hàng tuần.
  4. Nhóm giải pháp Tính hữu ích (Beta = 0.142):
    • Đa dạng hóa dịch vụ tiện ích số: Đặt vé xem phim, vé máy bay, đóng học phí, phí bảo hiểm.
    • Triển khai các chính sách chiết khấu trực tiếp và tích lũy Shopee Xu đồng bộ giữa sàn TMĐT và ví.

Hạn chế và hướng phát triển

  • Hạn chế cỡ mẫu và phương pháp chọn mẫu: Nghiên cứu thực hiện với $N = 200$ bằng phương pháp chọn mẫu thuận tiện phi xác suất, tập trung chủ yếu vào đối tượng sinh viên và người đi làm trẻ tại TP.HCM, hạn chế khả năng suy rộng cho toàn quốc.
  • Biến thiên chưa được giải thích: Mô hình giải thích được 53.9% phương sai, nghĩa là còn 46.1% bị tác động bởi các biến số chưa đưa vào nghiên cứu (ví dụ: Thói quen tiêu dùng tiền mặt, Chính sách khuyến mãi trực tiếp, Khả năng tương thích công nghệ).
  • Hướng mở rộng tương lai:
    • Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) hoặc PLS-SEM để phân tích sâu các biến trung gian và biến điều tiết.
    • Mở rộng khảo sát đa thế hệ, đặc biệt là nhóm người dùng trung niên và cao tuổi ($>50$ tuổi).

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành: Cung cấp tài liệu mẫu mực về phương pháp nghiên cứu định lượng trong Quản trị Kinh doanh, quy trình xử lý dữ liệu với SPSS (Cronbach's Alpha, EFA, OLS).
  • Kỹ sư phát triển sản phẩm & UI/UX Designer: Nắm bắt chính xác insight người dùng để ưu tiên hóa tính năng, tinh gọn trải nghiệm sử dụng (yếu tố TDSD có trọng số cao nhất).
  • Doanh nghiệp Fintech & Sàn TMĐT: Có cơ sở khoa học để hoạch định ngân sách marketing, cân đối giữa chi phí khuyến mãi (Promotions) và chi phí cải thiện hạ tầng trải nghiệm ứng dụng.
  • Nhà nghiên cứu thị trường: Khung thang đo 23 biến quan sát chuẩn hóa có thể tái sử dụng để đánh giá các sản phẩm ví điện tử đối thủ (MoMo, ZaloPay, Viettel Money).

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái lập phân tích dữ liệu của đề tài?

Để tái lập toàn bộ kết quả phân tích thống kê, cần chuẩn bị bộ dữ liệu khảo sát thô dạng .sav hoặc .csv cùng phần mềm IBM SPSS Statistics từ phiên bản 20.0 trở lên (hoặc môi trường Python 3.8+ sử dụng các thư viện pandas, statsmodels, factor_analyzer, scikit-learn).

2. Tại sao yếu tố "Bảo mật và Quyền riêng tư" lại bị loại khỏi phương trình hồi quy?

Trong mô hình thực nghiệm, biến Bảo mật (BM) có mức ý nghĩa kiểm định $p\text{-value} = 0.561 > 0.05$. Về mặt thống kê, biến này không có tác động mang ý nghĩa lên ý định sử dụng ví ShopeePay trong mẫu $N = 200$, do người dùng trẻ có xu hướng đặt niềm tin mặc định vào hạ tầng bảo mật của hệ sinh thái Shopee.

3. Quy mô mẫu $N = 200$ có đảm bảo độ tin cậy thống kê cho phân tích EFA không?

Theo quy tắc kinh nghiệm của Hair et al. (1998), kích thước mẫu tối thiểu cho phân tích EFA cần đạt tỷ lệ $5:1$ so với số biến quan sát ($23 \times 5 = 115$ mẫu). Cỡ mẫu thực tế $N = 200$ đạt tỷ lệ $8.7:1$, hoàn toàn đáp ứng độ tin cậy cho kiểm định EFA và hồi quy đa biến.

4. Hệ số $R^2$ hiệu chỉnh đạt 53.9% có ý nghĩa gì trong nghiên cứu hành vi kinh doanh?

Trong nghiên cứu khoa học xã hội và hành vi người tiêu dùng, $R^2 \text{ Adjusted} > 0.5$ (53.9%) là mức độ giải thích tương đối cao và có ý nghĩa thực tiễn lớn, chứng minh rằng mô hình đã bao quát được các nhân tố cốt lõi chi phối quyết định của khách hàng.

5. Khóa luận này có thể mở rộng tích hợp với hệ thống CRM của doanh nghiệp như thế nào?

Dữ liệu khảo sát và các trọng số Beta có thể được chuyển hóa thành thuật toán chấm điểm tiềm năng người dùng (Lead Scoring) trong hệ thống CRM của ShopeePay, từ đó tự động phân khúc khách hàng và gửi các kịch bản kích hoạt tương tác (Engagement workflows) cá nhân hóa.


Kết luận

Đồ án khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến ý định sử dụng ví điện tử ShopeePay của người tiêu dùng tại Thành phố Hồ Chí Minh" đã giải quyết triệt để các mục tiêu nghiên cứu đề ra thông qua phương pháp luận định lượng chặt chẽ. Kết quả chỉ ra rằng Nhận thức về tính dễ sử dụng ($\beta = 0.408$)Ảnh hưởng xã hội ($\beta = 0.258$) là hai đòn bẩy quan trọng nhất chi phối ý định sử dụng ví điện tử. Nghiên cứu không chỉ đóng góp về mặt học thuật trong việc làm sáng tỏ hành vi tiêu dùng Fintech của giới trẻ mà còn mang lại giá trị thực tiễn cao cho các nhà quản trị nền tảng thanh toán số trong việc hoạch định chiến lược phát triển sản phẩm bền vững.