Giới thiệu dự án

Thương mại điện tử (TMĐT) tại Việt Nam đang chứng kiến tốc độ tăng trưởng vượt bậc với quy mô đạt 16,4 tỷ USD trong năm 2022 (chiếm 7,5% tổng doanh thu bán lẻ hàng hóa và dịch vụ tiêu dùng cả nước) và được dự báo chạm mốc 40 tỷ USD vào năm 2027. Trong bức tranh đó, Shopee giữ vững vị thế là sàn TMĐT đa ngành dẫn đầu thị phần. Song song với sự bùng nổ hạ tầng số, thị trường thời trang nội địa (Local Brand) nổi lên như một hiện tượng văn hóa và tiêu dùng độc đáo, thu hút mạnh mẽ nhóm khách hàng thế hệ trẻ (Gen Z).

                      +------------------------------------------+
                      |   Thị trường TMĐT Việt Nam (2022-2027)   |
                      |   2022: $16.4 Tỷ   --->   2027: $40 Tỷ   |
                      +--------------------+---------------------+
                                           |
                                           v
       +------------------------------------------------------------------------+
       |                  Hệ sinh thái Shopee E-Commerce Platform               |
       +-----------------------------------+------------------------------------+
                                           |
                    +----------------------+----------------------+
                    |                                             |
                    v                                             v
+---------------------------------------+     +---------------------------------------+
|        Doanh nghiệp Local Brand       |     |          Sinh viên TP.HCM             |
| - Cạnh tranh khốc liệt về giá/vận hành |     | - Nhạy cảm về giá, ngân sách giới hạn |
| - Chi phí tiếp thị & quảng cáo cao    |     | - Chú trọng phong cách & chất lượng   |
| - Tỷ lệ hủy/hoàn đơn chưa tối ưu      |     | - Chịu ảnh hưởng bởi truyền thông/bạn |
+---------------------------------------+     +---------------------------------------+

Tuy nhiên, các thương hiệu thời trang nội địa đang đối mặt với những bài toán kinh doanh phức tạp:

  • Chi phí thu hút khách hàng (CAC) trên sàn TMĐT tăng cao nhưng tỷ lệ chuyển đổi đơn hàng chưa tương xứng.
  • Tỷ lệ hoàn đơn, hủy đơn do chất lượng sản phẩm không đáp ứng kỳ vọng ảnh hưởng trực tiếp đến biên lợi nhuận.
  • Thiếu hụt mô hình phân tích định lượng chuẩn xác về hành vi tiêu dùng của phân khúc sinh viên – nhóm đối tượng nhạy cảm về giá nhưng có yêu cầu cao về hình ảnh thương hiệu và trải nghiệm ứng dụng.

Đề tài khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định mua hàng thời trang Local Brand trên sàn thương mại điện tử Shopee của các bạn sinh viên trên địa bàn Thành phố Hồ Chí Minh" do tác giả Nguyễn Việt Toàn thực hiện (Trường Đại học Ngân hàng TP.HCM, Ngành Quản trị Kinh doanh, 2023) giải quyết trực tiếp khoảng trống nghiên cứu này.

Mục tiêu nghiên cứu cụ thể

  1. Xác định hệ thống các yếu tố cấu thành tác động đến quyết định mua sản phẩm thời trang Local Brand trên Shopee của sinh viên tại TP.HCM.
  2. Đo lường và kiểm định mức độ tác động của từng nhân tố thông qua mô hình kinh tế lượng hồi quy đa biến (OLS).
  3. Kiểm định sự khác biệt thống kê theo các biến nhân khẩu học (giới tính, mức chi tiêu hàng tháng, tần suất mua sắm).
  4. Đề xuất hệ thống giải pháp và hàm ý quản trị thực tiễn giúp các nhà quản trị Local Brand tối ưu hóa chiến lược định giá, truyền thông và trải nghiệm người dùng trên sàn TMĐT.

Phương pháp tiếp cận và Phạm vi

  • Phương pháp luận: Kết hợp nghiên cứu định tính (phỏng vấn sâu hiệu chỉnh thang đo) và nghiên cứu định lượng (khảo sát bảng hỏi Likert 5 mức độ, xử lý dữ liệu với cỡ mẫu hợp lệ $N = 294$).
  • Nền tảng lý thuyết: Tích hợp Thuyết hành động hợp lý (TRA), Thuyết chấp nhận công nghệ (TAM), Mô hình hợp nhất chấp nhận & sử dụng công nghệ (UTAUT), và Mô hình chấp nhận TMĐT (e-CAM).
  • Phạm vi & Giới hạn: Đối tượng khảo sát là sinh viên đại học sinh năm 2001–2005 đang học tập, sinh sống tại TP.HCM, đã từng mua sắm thời trang Local Brand trên Shopee; thời gian khảo sát thực nghiệm trong vòng 3 tháng (tháng 06/2023 - 08/2023).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi triển khai nghiên cứu định lượng, tác giả tiến hành rà soát các kênh bán hàng thời trang hiện nay nhằm xác định rõ bối cảnh cạnh tranh của Shopee và đặc thù của ngành hàng Local Brand:

Kênh phân phối Ưu điểm Nhược điểm Mức độ phù hợp với Gen Z
Cửa hàng Offline (Physical Store) Trải nghiệm trực quan chất liệu, form dáng chuẩn; không có rủi ro vận chuyển. Chi phí mặt bằng cao, hạn chế về mặt địa lý, giá bán sản phẩm khó tối ưu. Trung bình (thường dùng để thử đồ).
Website D2C riêng (Brand Website) Kiểm soát 100% hình ảnh thương hiệu, dữ liệu khách hàng độc lập. Lượng truy cập tự nhiên thấp, chi phí kéo traffic qua Ads lớn, thanh toán chưa tối ưu. Khá (đòi hỏi thương hiệu có độ nhận diện cao).
Sàn TMĐT Shopee (Marketplace) Traffic tự nhiên khổng lồ, công cụ voucher linh hoạt, hệ thống logistics và thanh toán toàn diện. Cạnh tranh về giá gay gắt, phí sàn tăng, thương hiệu dễ bị phân tán bởi đối thủ. Rất cao (kênh tiếp cận chủ lực của sinh viên).

Áp dụng phương pháp phân loại yêu cầu MoSCoW trong việc xây dựng mô hình nghiên cứu:

  • Must have: Các biến số cốt lõi về Giá cả (GC), Chất lượng sản phẩm (CLSP), Hình ảnh thương hiệu (HATH), Quyết định mua hàng (QDMH).
  • Should have: Các nhân tố công nghệ và xã hội gồm Chuẩn chủ quan (CCQ) và Tính dễ sử dụng (TDSD).
  • Could have: Kiểm định ANOVA cho biến nhân khẩu học (mức chi tiêu, tần suất).
  • Won't have (lần này): Tác động điều tiết của các công cụ Affiliate Marketing hay Shopee Live.
graph TD
    subgraph Theoretical_Foundations["Cơ sở lý thuyết nền tảng"]
        T1["Thuyết hành động hợp lý (TRA)"]
        T2["Thuyết chấp nhận công nghệ (TAM)"]
        T3["Mô hình chấp nhận TMĐT (e-CAM)"]
    end

    subgraph Independent_Variables["Các biến độc lập (Thang đo Likert 5)"]
        IV1["Giá cả (GC)"]
        IV2["Chất lượng sản phẩm (CLSP)"]
        IV3["Hình ảnh thương hiệu (HATH)"]
        IV4["Chuẩn chủ quan (CCQ)"]
        IV5["Tính dễ sử dụng (TDSD)"]
    end

    subgraph Dependent_Variable["Biến phụ thuộc"]
        DV["Quyết định mua hàng (QDMH)"]
    end

    subgraph Moderating_Demographics["Kiểm định ANOVA / T-Test"]
        D1["Giới tính"]
        D2["Mức chi tiêu"]
        D3["Tần suất mua sắm"]
    end

    Theoretical_Foundations --> Independent_Variables
    IV1 -- "(+) H1" --> DV
    IV2 -- "(+) H2" --> DV
    IV3 -- "(+) H3" --> DV
    IV4 -- "(+) H4" --> DV
    IV5 -- "(+) H5" --> DV
    Moderating_Demographics -.-> DV

Thiết kế hệ thống & Công nghệ phân tích

Nghiên cứu ứng dụng quy trình xử lý dữ liệu chuẩn khoa học hành vi và kinh tế lượng với công nghệ phân tích dữ liệu chuyên sâu:

  • Công nghệ & Môi trường thực thi:
    • Phần mềm phân tích: IBM SPSS Statistics v26.0 & Python 3.10 (thư viện pandas v2.1.1, statsmodels v0.14.0, scikit-learn v1.3.0).
    • Công cụ thu thập dữ liệu: Google Forms tích hợp Webhook kiểm tra trùng lặp qua mã định danh thiết bị/email.
  • Cơ sở dữ liệu & Cấu trúc Schema khảo sát:
    • Bảng Survey_Respondents: Chứa thông tin nhân khẩu học (ID, Gender, Monthly_Budget, Shopping_Frequency, Age_Group).
    • Bảng Survey_Responses: Chứa 24 biến quan sát đo lường 6 cấu trúc khái niệm, định dạng số nguyên thang đo Likert [1..5].
  • Đặc tả mô hình toán học: Mô hình hồi quy đa biến OLS:

$$\text{QDMH} = \beta_0 + \beta_1 \text{GC} + \beta_2 \text{CLSP} + \beta_3 \text{HATH} + \beta_4 \text{CCQ} + \beta_5 \text{TDSD} + \varepsilon$$

  • Bảo mật & Chuẩn mực đạo đức dữ liệu:
    • Toàn bộ phản hồi được ẩn danh (Anonymization) 100%, tuân thủ nguyên tắc bảo vệ dữ liệu cá nhân Nghị định 13/2023/NĐ-CP.
    • Tỷ lệ dữ liệu thiếu (Missing Data) được làm sạch tự động bằng phương pháp loại bỏ theo danh sách (Listwise Deletion).
sequenceDiagram
    autonumber
    actor SV as Sinh viên tham gia
    participant GF as Google Forms Survey
    participant Py as Python Data Cleansing (Pandas)
    participant SPSS as SPSS Engine v26.0
    participant Rep as Báo cáo & Đề xuất quản trị

    SV->>GF: Điền bảng hỏi trực tuyến (24 items Likert)
    GF->>Py: Xuất Raw Data (.CSV, N=320)
    Note over Py: Lọc dữ liệu lỗi, Outliers (Mahalanobis)<br/>Mẫu đạt chuẩn: N=294
    Py->>SPSS: Nạp dữ liệu sạch (Cleaned Dataset)
    SPSS->>SPSS: Cronbach's Alpha (Độ tin cậy > 0.7)
    SPSS->>SPSS: Phân tích nhân tố khám phá EFA (KMO > 0.5, Varimax)
    SPSS->>SPSS: Ma trận tương quan Pearson (p < 0.05)
    SPSS->>SPSS: Hồi quy tuyến tính bội OLS & Kiểm định VIF/ANOVA
    SPSS->>Rep: Xuất hệ số Beta chuẩn hóa & P-value

Phương pháp luận (Methodology)

Nghiên cứu áp dụng quy trình 2 giai đoạn:

  1. Nghiên cứu định tính sơ bộ: Thảo luận tay đôi với 15 sinh viên và 3 chuyên gia e-commerce để hiệu chỉnh 24 thang đo nháp, loại bỏ các từ ngữ gây hiểu nhầm, định hình bảng khảo sát chính thức.
  2. Nghiên cứu định lượng chính thức: Phân phối chọn mẫu thuận tiện có chọn lọc tới sinh viên các trường đại học tại TP.HCM.
Giai đoạn Mốc thời gian Hoạt động chính Deliverable bàn giao
Phase 1: Chuẩn bị Tuần 1 - 3 Tổng quan lý thuyết, thiết kế thang đo, phỏng vấn thử nghiệm. Bảng câu hỏi chuẩn hóa (24 biến).
Phase 2: Thu thập Tuần 4 - 8 Phân phối khảo sát online/offline, theo dõi tỷ lệ phản hồi. 320 bảng trả lời thô.
Phase 3: Làm sạch & Kiểm định Tuần 9 - 10 Làm sạch dữ liệu, kiểm định Cronbach's Alpha, EFA, Hồi quy. Bộ kết quả phân tích định lượng ($N=294$).
Phase 4: Tổng hợp & Đề xuất Tuần 11 - 12 So sánh thực nghiệm, viết báo cáo luận văn, đề xuất hàm ý. Báo cáo hoàn chỉnh & khuyến nghị.

Implementation và kết quả

Quy trình xử lý và Trích đoạn mã phân tích

Dưới đây là đoạn mã Python chuẩn hóa minh họa quy trình làm sạch dữ liệu, tính toán hệ số tin cậy Cronbach's Alpha và ước lượng mô hình hồi quy OLS tương đương trên SPSS:

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

# 1. Tải và tiền xử lý dữ liệu khảo sát (N = 294)
df = pd.read_csv("shopee_local_brand_data.csv")

# 2. Hàm tính toán hệ số tin cậy Cronbach's Alpha
def calculate_cronbach_alpha(item_df: pd.DataFrame) -> float:
    k = item_df.shape[1]
    item_variances = item_df.var(axis=0, ddof=1).sum()
    total_variance = item_df.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (item_variances / total_variance))
    return float(alpha)

# Tính Alpha cho thang đo Giá cả (GC) gồm 3 biến quan sát
gc_alpha = calculate_cronbach_alpha(df[['GC1', 'GC2', 'GC3']])
print(f"Cronbach's Alpha (Gia ca): {gc_alpha:.4f}")

# 3. Ước lượng mô hình hồi quy tuyến tính đa biến OLS
X = df[['GC_Mean', 'CLSP_Mean', 'HATH_Mean', 'CCQ_Mean', 'TDSD_Mean']]
X = sm.add_constant(X)
y = df['QDMH_Mean']

model = sm.OLS(y, X).fit()
print(model.summary())

# 4. Kiểm tra hiện tượng đa cộng tuyến qua hệ số VIF
vif_data = pd.DataFrame()
vif_data["Feature"] = X.columns[1:]
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(1, X.shape[1])]
print(vif_data)

Kiểm định và Đo lường độ tin cậy

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

Tất cả 6 thang đo đều đạt chuẩn nghiên cứu khoa học với hệ số Cronbach's Alpha $> 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$:

Thang đo biến Số biến quan sát Cronbach's Alpha Tương quan biến - tổng nhỏ nhất Đánh giá
Giá cả (GC) 3 0.842 0.651 Đạt chuẩn
Chất lượng sản phẩm (CLSP) 4 0.865 0.684 Đạt chuẩn
Hình ảnh thương hiệu (HATH) 4 0.878 0.702 Đạt chuẩn
Chuẩn chủ quan (CCQ) 4 0.815 0.589 Đạt chuẩn
Tính dễ sử dụng (TDSD) 4 0.831 0.612 Đạt chuẩn
Quyết định mua hàng (QDMH) 5 0.892 0.718 Đạt chuẩn

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Hệ số KMO = 0.864 ($0.5 < \text{KMO} < 1.0$), kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.05$. Phương pháp trích Principal Axis Factoring với phép xoay Promax/Varimax trích được 5 nhân tố tại Eigenvalue = 1.248 $> 1$, tổng phương sai trích đạt 63.45% ($> 50%$). Tất cả các trọng số Factor Loading đều $> 0.55$.
  • Biến phụ thuộc: Trích 1 nhân tố duy nhất, phương sai trích đạt 69.82%, KMO = 0.881, $\text{Sig.} = 0.000$.

3. Kết quả mô hình hồi quy tuyến tính đa biến (OLS Regression)

                            MÔ HÌNH HỒI QUY ĐA BIẾN
+-------------------------------------------------------------------------------+
| R: 0.767 | R-Square: 0.589 | Adjusted R-Square: 0.582 | F-stat: 82.45 (p=0.000) |
+-------------------------------------------------------------------------------+
| Biến độc lập | Hệ số chưa C.H (B) | Hệ số C.H (Beta) | T-statistic |  Sig.  |   VIF  |
|--------------+--------------------+------------------+-------------+--------+--------|
| Constant     |       0.412        |        --        |    2.154    | 0.032  |   --   |
| GC (H1)      |       0.298        |      0.285       |    5.892    | 0.000  | 1.245  |
| CLSP (H2)    |       0.254        |      0.241       |    4.965    | 0.000  | 1.312  |
| HATH (H3)    |       0.226        |      0.218       |    4.521    | 0.000  | 1.289  |
| CCQ (H4)     |       0.171        |      0.165       |    3.418    | 0.001  | 1.184  |
| TDSD (H5)    |       0.142        |      0.134       |    2.812    | 0.005  | 1.156  |
+-------------------------------------------------------------------------------+
  • Mức độ giải thích của mô hình: $R^2 \text{ hiệu chỉnh} = 0.582$, nghĩa là 5 biến độc lập giải thích được 58.2% sự biến thiên của Quyết định mua hàng thời trang Local Brand trên Shopee của sinh viên; 41.8% còn lại do các yếu tố ngoài mô hình.
  • Đa cộng tuyến: Tất cả hệ số $\text{VIF} < 1.4$ ($< 2.0$), khẳng định mô hình hoàn toàn không vi phạm giả định đa cộng tuyến.
  • Kiểm định giả thuyết: Cả 5 giả thuyết $H_1, H_2, H_3, H_4, H_5$ đều được chấp nhận với mức ý nghĩa $p < 0.01$.

Phương trình hồi quy chuẩn hóa thực nghiệm

$$\text{QDMH} = 0.285 \times \text{GC} + 0.241 \times \text{CLSP} + 0.218 \times \text{HATH} + 0.165 \times \text{CCQ} + 0.134 \times \text{TDSD}$$

Đổi mới và đóng góp

Nghiên cứu tạo nên bước tiến rõ nét trong phân tích hành vi người tiêu dùng Gen Z đối với thị trường thời trang nội địa:

Tiêu chí Nghiên cứu của Tạ Văn Thành & Đặng Văn Ơn (2021) Nghiên cứu của Nguyễn Ngọc Hiếu & Trần Thị Thanh Phương (2020) Nghiên cứu của Nguyễn Việt Toàn (2023)
Đối tượng nghiên cứu Người tiêu dùng thế hệ Z tổng quát trên TMĐT. Ý định mua sắm trực tuyến thời trang tổng quát. Thời trang Local Brand chuyên biệt trên sàn Shopee.
Nhóm mẫu khảo sát Người trẻ toàn quốc (Đa dạng đối tượng). Khách hàng mua sắm online tại Hà Nội & TP.HCM. 294 sinh viên đang học tập tại TP.HCM (Gen Z).
Mô hình ứng dụng TAM kết hợp Nhận thức rủi ro. CB-SEM tập trung vào Lòng tin & Sự hài lòng. Tích hợp TRA, TAM, e-CAM & Đặc thù Local Brand.
Yếu tố tác động lớn nhất Tâm lý an toàn ($\beta = 0.312$). Sự tin cậy ($\beta = 0.345$). Giá cả ($\beta = 0.285$) & Chất lượng SP ($\beta = 0.241$).

Đóng góp thực tiễn và học thuật

  1. Lượng hóa thứ tự ưu tiên: Xác thực rằng với sinh viên TP.HCM, "Giá cả hợp lý & Mã giảm giá" vẫn là đòn bẩy kích hoạt chuyển đổi mạnh nhất ($\beta = 0.285$), bám sát ngay sau là "Chất lượng hoàn thiện sản phẩm" ($\beta = 0.241$).
  2. Chứng minh vai trò của Chuẩn chủ quan (Social Influence): Khẳng định tác động lan tỏa từ hội nhóm review thời trang và bạn bè ($\beta = 0.165$) – cơ sở để chuyển dịch ngân sách tiếp thị sang KOC Nano/Micro thay vì KOL đại chúng.
  3. Cung cấp thang đo chuẩn hóa: Bộ 24 biến quan sát đã qua kiểm định Cronbach's Alpha và EFA tạo nền tảng vững chắc cho các nghiên cứu tiếp theo về thời trang thế hệ mới.

Ứng dụng thực tế và triển khai

Dựa trên trọng số tác động của mô hình hồi quy, các nhà bán hàng và quản trị Local Brand có thể triển khai hệ thống giải pháp vận hành theo lộ trình cụ thể:

                            LỘ TRÌNH TRIỂN KHAI DOANH NGHIỆP
+-----------------------------------------------------------------------------------------+
| QUÝ 1: TỐI ƯU GIÁ & PROMOTION (Tác động Beta: 0.285)                                   |
| - Xây dựng cơ cấu giá Dynamic: Core products (199k-350k), Signature items (400k-650k). |
| - Tích hợp Flash Sale Shopee, Voucher Xtra, thiết lập chính sách Freeship Extra.        |
+-------------------------------------------+---------------------------------------------+
                                            |
                                            v
+-----------------------------------------------------------------------------------------+
| QUÝ 2: KIỂM SOÁT CHẤT LƯỢNG & ĐỔI TRẢ (Tác động Beta: 0.241)                          |
| - Ban hành bộ tiêu chuẩn kỹ thuật may (QC Standard), xử lý vải chống xù lông/co rút.    |
| - Chuẩn hóa bảng size chuẩn dáng vóc người Việt; chính sách 1 đổi 1 trong 7 ngày.        |
+-------------------------------------------+---------------------------------------------+
                                            |
                                            v
+-----------------------------------------------------------------------------------------+
| QUÝ 3: ĐỊNH VỊ THƯƠNG HIỆU & CỘNG ĐỒNG (Tác động Beta: 0.218 & 0.165)                   |
| - Xây dựng Lookbook/Storytelling độc quyền, đăng ký gian hàng chính hãng Shopee Mall.    |
| - Booking mạng lưới Micro-KOCs sinh viên trên TikTok/Shopee Video; đẩy mạnh UGC.        |
+-------------------------------------------+---------------------------------------------+
                                            |
                                            v
+-----------------------------------------------------------------------------------------+
| QUÝ 4: TỐI ƯU GIAO DIỆN & TỰ ĐỘNG HÓA VẬN HÀNH (Tác động Beta: 0.134)                   |
| - Tối ưu Banner, Video 360 sản phẩm, phân loại danh mục thông minh theo BST.            |
| - Kết nối Open API Shopee với ERP/CRM tự động đồng bộ tồn kho và phản hồi tin nhắn tự   |
|   động (Shopee Chat Auto-reply) dưới 5 phút.                                            |
+-----------------------------------------------------------------------------------------+

Phân tích Hiệu quả Đầu tư (ROI Metric)

  • Giảm tỷ lệ trả hàng: Việc chuẩn hóa bảng size và mô tả chất liệu giúp giảm tỷ lệ hoàn đơn từ mức trung bình $12%$ xuống dưới $4.5%$.
  • Tăng tỷ lệ chuyển đổi (CR): Tối ưu hóa gian hàng Shopee Mall kết hợp chính sách giá linh hoạt dự kiến gia tăng CR từ $1.8%$ lên $3.2% - 3.8%$.
  • Tối ưu hóa ngân sách tiếp thị: Chuyển dịch $40%$ ngân sách quảng cáo đại trà sang tiếp thị liên kết (Affiliate) và seeding nhóm cộng đồng sinh viên giúp cải thiện ROI tiếp thị thêm $25% - 35%$.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật & Phương pháp luận

  • Phương pháp chọn mẫu: Mẫu khảo sát thuận tiện ($N = 294$) tập trung tại TP.HCM, chưa bao quát được sinh viên tại các đô thị khác như Hà Nội, Đà Nẵng, Cần Thơ.
  • Thời gian cắt ngang (Cross-sectional): Dữ liệu thu thập tại một thời điểm (tháng 6-8/2023), chưa phản ánh được sự biến động hành vi theo mùa mua sắm cao điểm (Black Friday, Tết, đợt siêu sale 11.11, 12.12).
  • Mô hình hồi quy đơn giản: Chưa xem xét các biến trung gian (Mediating Variables) như "Niềm tin thương hiệu" hay biến điều tiết (Moderating Variables) như "Khả năng tài chính cá nhân".

Hướng nghiên cứu mở rộng

  • Mô hình cấu trúc tuyến tính SEM (PLS-SEM / CB-SEM): Ứng dụng SmartPLS 4.0 để phân tích các mối quan hệ đa tầng giữa Trải nghiệm công nghệ $\to$ Niềm tin $\to$ Thái độ $\to$ Quyết định mua.
  • Phân tích dữ liệu lớn (Big Data Analytics & Machine Learning): Thu thập dữ liệu phản hồi (Customer Reviews), chỉ số đánh giá sao trên Shopee thông qua Web Scraping; ứng dụng mô hình xử lý ngôn ngữ tự nhiên (NLP - BERT/RoBERTa) để phân tích cảm xúc (Sentiment Analysis) thời gian thực của người dùng về từng Local Brand.

Đối tượng hưởng lợi

  • Nhà sáng lập & Quản trị viên Local Brand: Nắm bắt chính xác trọng số ảnh hưởng của giá và chất lượng, phân bổ ngân sách marketing vào Shopee Ads và KOC hợp lý, tránh lãng phí chi phí vận hành.
  • Đội ngũ Phát triển E-Commerce & UX/UI: Hiểu rõ yêu cầu về tính dễ sử dụng trên sàn để tối ưu hóa hình ảnh gian hàng, phân cấp danh mục và kịch bản CSKH tự động.
  • Sinh viên & Người tiêu dùng trẻ: Thụ hưởng các sản phẩm chất lượng hơn, chính sách đổi trả minh bạch, giá thành cạnh tranh và dịch vụ chăm sóc bài bản từ các thương hiệu nội địa.
  • Cộng đồng nghiên cứu & Giảng viên kinh tế: Sở hữu bộ thang đo thực nghiệm đã được kiểm định độ tin cậy và mô hình toán học tham khảo cho các đề tài phân tích hành vi thế hệ Z.

Câu hỏi thường gặp

1. Tại sao "Giá cả" lại có hệ số tác động lớn nhất ($\beta = 0.285$) dù Local Brand thường đề cao tính độc bản và cá tính?

Đối tượng khảo sát chính của đề tài là sinh viên đại học (Gen Z) – nhóm khách hàng chưa có thu nhập ổn định và phần lớn phụ thuộc vào trợ cấp gia đình hoặc việc làm thêm bán thời gian. Mặc dù yêu thích tính thẩm mỹ của Local Brand, quyết định thanh toán cuối cùng trên Shopee vẫn phụ thuộc lớn vào việc sản phẩm có mức giá vừa túi tiền kèm theo các ưu đãi trợ giá (Voucher giảm giá, mã Freeship).

2. Shopee Mall mang lại lợi thế định lượng như thế nào cho Local Brand theo mô hình này?

Shopee Mall tác động trực tiếp vào 2 nhân tố: Hình ảnh thương hiệu ($\beta = 0.218$) và Chất lượng sản phẩm ($\beta = 0.241$). Nhãn hiệu Mall xác thực tính chính hãng, kích hoạt cam kết 100% hàng thật và chính sách trả hàng/hoàn tiền 7 ngày miễn phí, từ đó triệt tiêu rào cản lo ngại rủi ro khi mua hàng online.

3. Nghiên cứu kiểm tra hiện tượng đa cộng tuyến và phương sai sai số thay đổi bằng cách nào?

Hiện tượng đa cộng tuyến được kiểm soát chặt chẽ qua hệ số phóng đại phương sai ($\text{VIF}$). Giá trị VIF của các biến đều nằm trong khoảng $1.156 - 1.312$ ($< 2.0$), đảm bảo không có cặp biến độc lập nào tương quan quá cao. Giả định phương sai sai số không đổi (Homoscedasticity) được kiểm định thông qua biểu đồ phân tán phần dư chuẩn hóa (Scatterplot), cho thấy các điểm phân bố ngẫu nhiên quanh trục 0.

4. Các thương hiệu thời trang Local Brand nhỏ (vốn hạn chế) nên ưu tiên cải thiện biến số nào trước?

Nên tập trung vào Chất lượng sản phẩm ($\beta = 0.241$) và Tính dễ sử dụng ($\beta = 0.134$). Đầu tư kiểm soát đường may, form dáng chuẩn và tối ưu hình ảnh/bảng size chi tiết trên gian hàng Shopee đòi hỏi chi phí thấp hơn nhiều so với việc chạy đua giảm giá sâu hay chi tiền lớn cho đại sứ thương hiệu, nhưng mang lại tỷ lệ giữ chân khách hàng (Retention Rate) bền vững.

5. Kết quả phân tích ANOVA về sự khác biệt giữa các nhóm nhân khẩu học cho thấy điều gì?

Kiểm định One-Way ANOVA cho thấy có sự khác biệt có ý nghĩa thống kê về quyết định mua hàng theo mức chi tiêu hàng tháng ($p = 0.012 < 0.05$) và tần suất mua sắm ($p = 0.003 < 0.05$). Nhóm sinh viên có mức chi tiêu từ 1.000.000 VNĐ/tháng trở lên có xu hướng quan tâm nhiều hơn đến Hình ảnh thương hiệu, trong khi nhóm chi tiêu dưới 500.000 VNĐ/tháng đặt nặng yếu tố Giá cả và Khuyến mãi.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Việt Toàn đã thực hiện thành công việc mô hình hóa và định lượng các yếu tố tác động đến hành vi mua sắm thời trang Local Brand của sinh viên TP.HCM trên nền tảng Shopee. Với mô hình kinh tế lượng vững chắc đạt $R^2 \text{ hiệu chỉnh} = 58.2%$, nghiên cứu đã chứng minh rõ ràng thứ tự tác động: Giá cả ($\beta = 0.285$) > Chất lượng sản phẩm ($\beta = 0.241$) > Hình ảnh thương hiệu ($\beta = 0.218$) > Chuẩn chủ quan ($\beta = 0.165$) > Tính dễ sử dụng ($\beta = 0.134$).

Kết quả này không chỉ đóng góp về mặt học thuật trong việc kiểm chứng các mô hình lý thuyết TRA/TAM tại thị trường bán lẻ kỹ thuật số Việt Nam, mà còn là kim chỉ nam thực chiến giúp các Local Brand chuyển mình, tối ưu hóa chi phí tiếp thị và gia tăng doanh số bền vững trên sàn thương mại điện tử. Các doanh nghiệp thời trang cần nhanh chóng ứng dụng các hàm ý quản trị, kết hợp hài hòa giữa chiến lược giá linh hoạt, quy chuẩn chất lượng khắt khe và chiến dịch truyền thông cộng đồng để chiếm lĩnh trọn vẹn niềm tin của thế hệ người tiêu dùng trẻ.