Giới thiệu dự án

Ngành công nghiệp thời trang toàn cầu đang đối mặt với những thách thức nghiêm trọng về phát triển bền vững do sự bùng nổ của mô hình "thời trang nhanh" (fast fashion). Theo thống kê từ các tổ chức nghiên cứu môi trường quốc tế, ngành dệt may chiếm khoảng 10% lượng phát thải carbon toàn cầu và là nguồn gây ô nhiễm nguồn nước sạch lớn thứ hai thế giới do việc sử dụng hóa chất nhuộm độc hại. Tại Việt Nam, đặc biệt là khu vực đô thị như TP. Hồ Chí Minh, thế hệ trẻ (Gen Z, độ tuổi sinh từ 1997 đến 2012) tiêu thụ trung bình 50–60 món đồ thời trang mỗi năm, nhưng tỷ lệ tái sử dụng dưới 7 lần trước khi loại bỏ chiếm tỷ trọng đáng kể.

Trước thực trạng rác thải dệt may gia tăng và áp lực kinh tế đô thị, xu hướng tiêu dùng thời trang đã qua sử dụng (second-hand / 2hand) nổi lên như một giải pháp kinh tế tuần hoàn (Circular Economy) tối ưu. Tuy nhiên, các doanh nghiệp và nhà bán lẻ đồ cũ tại TP. Hồ Chí Minh đang đối mặt với bài toán thiếu cơ sở dữ liệu định lượng về hành vi khách hàng mục tiêu, dẫn đến các chiến lược định giá, truyền thông và quản lý nguồn hàng còn mang tính tự phát.

Mục tiêu nghiên cứu

  1. Xác định các nhân tố cấu thành: Hệ thống hóa và định lượng các yếu tố tâm lý, sản phẩm, kinh tế và tiếp thị tác động đến quyết định mua quần áo đã qua sử dụng của giới trẻ tại TP.HCM.
  2. Đo lường mức độ tác động: Thiết lập mô hình hồi quy tuyến tính đa biến (Multiple Linear Regression) để xác định trọng số ảnh hưởng của từng biến độc lập đối với biến phụ thuộc.
  3. Đề xuất hàm ý quản trị ứng dụng: Cung cấp khung chiến lược 4P (Product, Price, Place, Promotion) và chiến dịch truyền thông xanh giúp các đơn vị kinh doanh thời trang tái chế nâng cao tỷ lệ chuyển đổi và mở rộng quy mô.

Phạm vi và Giới hạn

  • Không gian: Địa bàn TP. Hồ Chí Minh (tập trung tại các tụ điểm mua sắm thời trang trẻ, các trường đại học và chợ đầu mối second-hand).
  • Thời gian thực hiện: Khảo sát và xử lý dữ liệu từ tháng 04/2024 đến tháng 06/2024.
  • Đối tượng khảo sát: Người tiêu dùng trẻ thuộc thế hệ Z có thói quen hoặc hành vi mua sắm đồ vintage, secondhand.
  • Giới hạn kỹ thuật: Mẫu nghiên cứu hợp lệ $N = 193$, sử dụng phương pháp lấy mẫu thuận tiện phi xác suất và xử lý thống kê qua IBM SPSS Statistics v20.0.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường thời trang second-hand truyền thống tại TP.HCM (chợ Bà Chiểu, chợ Bến Thành, chợ Hoàng Hoa Thám, chợ Tân Bình) sở hữu lợi thế về giá nhưng gặp rào cản lớn về trải nghiệm khách hàng và độ tin cậy sản phẩm. Ngược lại, các chuỗi cửa hàng vintage/thrift shop hiện đại đang thu hút giới trẻ nhưng gặp khó khăn trong việc định vị phân khúc giá và mở rộng tệp khách hàng.

Tiêu chí Chợ đồ si truyền thống Cửa hàng Vintage / Thrift Shop Nền tảng TMĐT & Re-commerce
Ưu điểm Giá cực rẻ (20.000–50.000 VNĐ), nguồn hàng phong phú Sản phẩm được giặt ủi, tuyển chọn kỹ, decor bắt mắt Tìm kiếm nhanh, bộ lọc thông minh, giao dịch tiện lợi
Nhược điểm Mùi ẩm mốc, lỗi rách, tốn thời gian "khui kiện" Giá thành cao, số lượng mẫu độc bản hạn chế Rủi ro sai lệch size, chất lượng vải không đồng đều
Tỷ lệ giữ chân Trung bình (phụ thuộc nhóm săn đồ buôn) Cao đối với tệp khách hàng Gen Z cá tính Cao nếu có chính sách đổi trả minh bạch

Phân loại yêu cầu nghiên cứu theo mô hình MoSCoW

  • Must have (Bắt buộc): Đo lường độ tin cậy thang đo Cronbach's Alpha ($\alpha \ge 0.6$), kiểm định phân tích nhân tố khám phá EFA (KMO $\ge 0.5$, Sig. $< 0.05$, Tổng phương sai trích $> 50%$), kiểm định tương quan Pearson và mô hình hồi quy OLS.
  • Should have (Nên có): Kiểm định ANOVA và Independent Samples T-Test để đánh giá sự khác biệt giữa các nhóm nhân khẩu học (giới tính, thu nhập, tần suất mua).
  • Could have (Có thể có): Mở rộng khảo sát đa kênh tích hợp dữ liệu bán lẻ đa nền tảng (Omnichannel Re-commerce).
  • Won't have (Chưa thực hiện): Đánh giá chuỗi cung ứng logistics đầu vào quốc tế (Campuchia, Nhật Bản, Hàn Quốc, Mỹ).

Thiết kế hệ thống

Mô hình nghiên cứu được xây dựng dựa trên sự kế thừa và tích hợp các lý thuyết hành vi kinh điển: Thuyết hành động hợp lý (TRA - Ajzen & Fishbein, 1975), Thuyết hành vi có kế hoạch (TPB - Ajzen, 1991), Mô hình chấp nhận công nghệ (TAM - Davis, 1986) và Mô hình 5 giai đoạn ra quyết định của Philip Kotler (2013).

Technology Stack và Công cụ nghiên cứu

  • Phần mềm phân tích dữ liệu: IBM SPSS Statistics Version 20.0 / Version 25.0.
  • Xử lý bảng tính & Data Cleaning: Microsoft Excel 365 (Data Analysis Toolpak).
  • Thiết kế bảng hỏi: Google Forms tích hợp thang đo Likert 5 mức độ (1 = Hoàn toàn không đồng ý, 5 = Hoàn toàn đồng ý).
  • Ngôn ngữ mô phỏng dữ liệu bổ trợ: Python 3.10 (thư viện pandas, statsmodels, scikit-learn, seaborn).
-- Schema cấu trúc lưu trữ dữ liệu khảo sát người tiêu dùng (Survey Data Model)
CREATE TABLE survey_responses (
    response_id VARCHAR(50) PRIMARY KEY,
    gender VARCHAR(10) NOT NULL,            -- Nam (60.6%), Nữ (39.4%)
    income_level VARCHAR(30) NOT NULL,      -- <3M, 3-5M, 5-10M, >10M
    purchase_frequency VARCHAR(30) NOT NULL,-- 1-3 lần, 4-7 lần, 8-11 lần, >=12 lần
    occupation VARCHAR(50) NOT NULL,        -- Sinh viên, Văn phòng, Lao động tự do
    td_mean FLOAT NOT NULL,                 -- Điểm trung bình Thái độ (4 biến)
    sp_mean FLOAT NOT NULL,                 -- Điểm trung bình Sản phẩm (4 biến)
    gc_mean FLOAT NOT NULL,                 -- Điểm trung bình Giá cả (4 biến)
    tt_mean FLOAT NOT NULL,                 -- Điểm trung bình Tiếp thị (4 biến)
    mt_mean FLOAT NOT NULL,                 -- Điểm trung bình Môi trường (4 biến)
    qd_mean FLOAT NOT NULL                  -- Điểm trung bình Quyết định mua (3 biến)
);

Methodology

Quy trình nghiên cứu áp dụng phương pháp hỗn hợp (Mixed-Methods Approach) kết hợp giữa nghiên cứu định tính và định lượng chuẩn hóa:

  1. Nghiên cứu định tính: Thực hiện tổng quan tài liệu lý thuyết nền tảng và phỏng vấn sâu chuyên gia (cố vấn học thuật và chủ shop vintage) để hiệu chỉnh bảng hỏi sơ bộ gồm 24 biến quan sát, loại bỏ 01 biến không phù hợp để hình thành bảng hỏi chính thức 23 biến quan sát.
  2. Nghiên cứu định lượng: Phân phối bảng khảo sát trực tuyến. Quy mô mẫu xác định theo công thức của Hair et al. (2014) ($N \ge 5 \times \text{số biến quan sát} = 5 \times 23 = 115$) và công thức Green (1991) ($N \ge 50 + 8m = 50 + 8 \times 5 = 90$). Mẫu thu thập thực tế đạt $N = 234$, sau khi làm sạch loại bỏ mẫu không hợp lệ còn lại $N = 193$ mẫu hợp lệ (vượt ngưỡng yêu cầu tối thiểu).

Implementation và kết quả

Development process

Quá trình phân tích định lượng được thiết lập qua pipeline thống kê tự động hóa trên SPSS, tuân thủ các phương trình toán học và thuật toán chuẩn:

1. Hệ số tin cậy nội tại Cronbach's Alpha:

$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Trong đó: $K$ là số lượng biến quan sát của thang đo; $\sigma_X^2$ là phương sai tổng thể của thang đo; $\sigma_{Y_i}^2$ là phương sai của biến quan sát thứ $i$.

2. Phương trình hồi quy tuyến tính đa biến (OLS Regression):

$$QD = \beta_0 + \beta_1 TD + \beta_2 SP + \beta_3 GC + \beta_4 TT + \beta_5 MT + e$$ Trong đó: $QD$ là Quyết định mua hàng; $TD$, $SP$, $GC$, $TT$, $MT$ là các biến độc lập; $\beta_0$ là hằng số hồi quy; $\beta_1 \dots \beta_5$ là các hệ số hồi quy chuẩn hóa; $e$ là sai số chuẩn.

# Code logic mô phỏng kiểm định độ tin cậy và hồi quy tuyến tính OLS (Python Equivalent)
import numpy as np
import pandas as pd
import statsmodels.api as sm

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    k = df_items.shape[1]
    variance_sum = df_items.var(axis=0, ddof=1).sum()
    total_variance = df_items.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (variance_sum / total_variance))
    return round(alpha, 3)

# Pipeline phân tích OLS
def run_regression_pipeline(data: pd.DataFrame, predictors: list, target: str):
    X = data[predictors]
    X = sm.add_constant(X)
    y = data[target]
    model = sm.OLS(y, X).fit()
    return model.summary()

Testing và validation

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

Toàn bộ 6 cấu trúc thang đo đều vượt qua tiêu chuẩn kiểm định với hệ số Cronbach's Alpha $> 0.6$ và tất cả các hệ số tương quan biến tổng (Corrected Item-Total Correlation) đều $> 0.3$.

Thang đo nhân tố Ký hiệu mã hóa Số biến quan sát Cronbach's Alpha Tương quan biến tổng nhỏ nhất Đánh giá
Thái độ TD 4 0.783 0.486 Đạt độ tin cậy cao
Đặc tính sản phẩm SP 4 0.678 0.362 Đạt tiêu chuẩn
Nhận thức về giá GC 4 0.740 0.435 Đạt độ tin cậy cao
Hoạt động tiếp thị TT 4 0.788 0.512 Đạt độ tin cậy cao
Nhận thức môi trường MT 4 0.841 0.620 Rất tốt
Quyết định mua hàng QD 3 0.879 0.718 Rất tốt

2. Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis)

  • Chỉ số KMO (Kaiser-Meyer-Olkin): Đạt 0.839 (thỏa mãn điều kiện $0.5 < \text{KMO} < 1$), chứng minh độ thích hợp của dữ liệu mẫu cho phân tích nhân tố.
  • Kiểm định Bartlett: Giá trị Thống kê Chi-Square = 1220.35 với bậc tự do $df = 190$, mức ý nghĩa $\text{Sig.} = 0.000 < 0.05$, bác bỏ giả thuyết $H_0$ (ma trận tương quan không phải ma trận đơn vị).
  • Tổng phương sai trích (Total Variance Explained): Đạt 63.914% ($> 50%$), chỉ ra rằng 5 nhân tố rút trích giải thích được 63.914% sự biến thiên của bộ dữ liệu khảo sát.
  • Hệ số tải nhân tố (Factor Loading): Tất cả các biến quan sát đều có hệ số tải $> 0.50$, không có biến nào bị loại do tải chéo.
SPSS Syntax phân tích EFA và Hồi quy OLS:
FACTOR
  /VARIABLES TD1 TD2 TD3 TD4 SP1 SP2 SP3 SP4 GC1 GC2 GC3 GC4 TT1 TT2 TT3 TT4 MT1 MT2 MT3 MT4
  /MISSING LISTWISE 
  /ANALYSIS TD1 TO MT4
  /PRINT INITIAL KMO EXTRACTION ROTATION
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT QD_Mean
  /METHOD=ENTER TD_Mean SP_Mean GC_Mean TT_Mean MT_Mean
  /SCATTERPLOT=(*ZRESID ,*ZPRED)
  /RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID).

Kết quả đạt được

Phân tích thống kê mô tả mẫu nghiên cứu ($N = 193$) cung cấp bức tranh chi tiết về chân dung khách hàng Gen Z tiêu dùng đồ cũ tại TP.HCM:

  • Giới tính: Nam giới chiếm 60.6% ($n = 117$), Nữ giới chiếm 39.4% ($n = 76$). Điều này phản ánh xu hướng nam giới trẻ ngày càng quan tâm đến phong cách thời trang streetwear vintage và săn lùng các dòng sản phẩm denim, áo khoác iconic đã qua sử dụng.
  • Tần suất mua sắm: Nhóm mua từ 4–7 lần chiếm ưu thế tuyệt đối với 56.0%, tiếp theo là nhóm mua 1–3 lần (35.8%), 8–11 lần (5.7%) và thường xuyên trên 12 lần (2.6%).
  • Nghề nghiệp & Thu nhập: Nhân viên văn phòng trẻ và sinh viên chiếm tỷ trọng cao nhất (42.0%). Mức thu nhập phổ biến nhất nằm trong khoảng 3–5 triệu VNĐ (56.5%), dưới 3 triệu VNĐ (28.0%), 5–10 triệu VNĐ (9.8%) và trên 10 triệu VNĐ (5.7%).
Tóm tắt kết quả kiểm định mô hình hồi quy:
- R-Square (R²): 0.584 (Mô hình giải thích 58.4% sự biến thiên của Quyết định mua)
- Adjusted R-Square: 0.573
- F-statistic ANOVA: p-value (Sig.) = 0.000 < 0.001 (Mô hình hồi quy có ý nghĩa thống kê)
- Kiểm định Durbin-Watson: 1.892 (Nằm trong khoảng 1.5 - 2.5, không có tự tương quan bậc 1)
- Hệ số VIF: Đều < 2.0 (Không xảy ra hiện tượng đa cộng tuyến)

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn đáng kể, khắc phục các khoảng trống nghiên cứu của các công trình trước đây tại thị trường TP.HCM:

Tiêu chí so sánh Nghiên cứu Lê Linh Nhi (2023) Nghiên cứu Huỳnh Ngọc Uyển Nhi (2022) Nghiên cứu hiện tại (Nguyễn Anh Thư, 2024)
Mô hình lý thuyết TPB mở rộng (6 biến) Mô hình hành vi Kotler (6 biến) Tích hợp TRA + TPB + 4P Marketing Mix + TAM
Kích thước mẫu ($N$) 292 sinh viên Gen Z 215 người tiêu dùng 193 mẫu chuẩn hóa, lọc sạch nhiễu kỹ càng
Phát hiện độc đáo Yếu tố "Độc đáo" bị loại (Sig. $> 0.05$) Marketing và Sản phẩm tác động mạnh nhất Tỷ lệ nam giới chiếm 60.6%; Ý thức môi trường & Giá chi phối quyết định mua
Phương sai trích ($V_{\text{exp}}$) 59.8% 61.2% 63.914% (Độ hội tụ và giải thích cao vượt trội)
Hàm ý thực tiễn Nghiêng về nâng cao nhận thức sinh thái Đề xuất tối ưu hóa cửa hàng vật lý Khung giải pháp số hóa O2O và chiến lược định giá Dynamic Pricing

Cải tiến kỹ thuật nổi bật

  1. Chuẩn hóa cấu trúc thang đo: Tối ưu hóa bảng hỏi loại bỏ các biến trùng lặp, nâng cao phương sai trích lên mức 63.914%, cải thiện hơn 4.1% so với mô hình của Lê Linh Nhi (2023).
  2. Khám phá phân khúc nhân khẩu học mới: Trái với quan niệm phổ thông cho rằng nữ giới là đối tượng chính mua sắm quần áo cũ, dữ liệu chỉ ra tỷ lệ nam giới chiếm 60.6%, tạo tiền đề cho các chiến dịch tiếp thị nhắm mục tiêu (Targeted Marketing) chuyên biệt cho tệp khách hàng nam.
  3. Liên kết kinh tế xanh và động lực tài chính: Mô hình chứng minh mối liên kết chặt chẽ giữa Nhận thức môi trường (Cronbach's Alpha = 0.841) và Nhận thức về giá (Cronbach's Alpha = 0.740), khẳng định tiêu dùng bền vững của giới trẻ xuất phát từ cả lý do tiết kiệm ngân sách cá nhân lẫn ý thức sinh thái.

Ứng dụng thực tế và triển khai

Khung chiến lược Marketing Mix 4P ứng dụng

Dựa trên kết quả định lượng, các đơn vị kinh doanh đồ second-hand có thể triển khai lộ trình chuyển đổi kinh doanh theo 4 trụ cột chiến lược:

1. Chiến lược Sản phẩm (Product Strategy)

  • Quy trình khử khuẩn và làm mới: Thiết lập tiêu chuẩn xử lý sản phẩm qua công nghệ giặt sấy hấp ozone công nghiệp nhằm loại bỏ hoàn toàn mùi ẩm mốc và nguy cơ vi khuẩn, xóa bỏ rào cản tâm lý e ngại về vệ sinh của người mua.
  • Phân loại bộ sưu tập (Curated Collections): Tuyển chọn hàng theo các concept định hình rõ ràng (Vintage Y2K, Streetwear, Gorpcore, Minimalist) đi kèm tem mác chứng thực độ mới (Condition 90%, 95%, 99%).

2. Chiến lược Giá cả (Pricing Strategy)

  • Định giá theo giá trị nhận thức (Value-based Pricing): Thiết lập mức giá dao động trong khoảng 25%–40% so với giá bán lẻ nguyên bản của hàng mới.
  • Chính sách thu cũ đổi mới (Trade-in Credit): Cho phép khách hàng mang quần áo cũ không còn sử dụng đến để đổi lấy voucher giảm giá từ 10%–20% cho lần mua sắm tiếp theo, thúc đẩy chu kỳ xoay vòng sản phẩm.

3. Kênh phân phối và Chiêu thị (Place & Promotion Strategy)

  • Mô hình O2O (Online-to-Offline): Kết hợp cửa hàng vật lý trải nghiệm tại các quận trung tâm TP.HCM với kênh bán hàng livestream đa nền tảng (TikTok Shop, Instagram, Shopee).
  • Thông điệp truyền thông bền vững (Green Storytelling): Số hóa lượng phát thải tiết kiệm được trên hóa đơn điện tử (ví dụ: "Bạn vừa cùng shop tiết kiệm 2.700 lít nước sạch và 3.5kg rác thải dệt may").

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Phương pháp lấy mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện phi xác suất ($N = 193$), chủ yếu phân bổ tại khu vực đô thị TP.HCM, chưa bao quát được toàn diện các tỉnh thành lân cận.
  • Thời gian quan sát: Nghiên cứu dạng cắt ngang (Cross-sectional study) tại một thời điểm (Quý 2/2024), chưa theo dõi được sự thay đổi trong hành vi dài hạn (Longitudinal study).

Hướng nghiên cứu tiếp theo

  1. Mở rộng mô hình SEM (Structural Equation Modeling): Ứng dụng mô hình cấu trúc tuyến tính PLS-SEM để phân tích sâu hơn các biến trung gian (Mediating Variables) như "Lòng tin thương hiệu" và biến điều tiết (Moderating Variables) như "Mức độ nhạy cảm về giá".
  2. Nghiên cứu ứng dụng công nghệ Re-commerce: Đánh giá mức độ chấp nhận công nghệ của người tiêu dùng đối với việc định danh quần áo cũ bằng mã QR/RFID (Digital Product Passport) và thử đồ ảo 3D qua AR.

Đối tượng hưởng lợi

  • Chủ shop thời trang & Doanh nghiệp Re-commerce: Nắm bắt chính xác insight và dữ liệu nhân khẩu học (tỷ trọng nam 60.6%, thu nhập 3–5M) để tái cấu trúc danh mục sản phẩm và ngân sách quảng cáo.
  • Sinh viên & Học viên cao học ngành Quản trị Kinh doanh / Marketing: Tham khảo phương pháp luận chuẩn hóa, quy trình kiểm định EFA, Cronbach's Alpha và cú pháp xử lý SPSS thực chiến.
  • Nhà hoạch định chính sách & Tổ chức môi trường: Có thêm bằng chứng thực nghiệm để xây dựng các chương trình thúc đẩy tiêu dùng xanh và hỗ trợ doanh nghiệp tuần hoàn tại đô thị.

Câu hỏi thường gặp

1. Tại sao nghiên cứu này lại ghi nhận tỷ lệ nam giới mua đồ second-hand (60.6%) cao hơn nữ giới?

Dữ liệu khảo sát phản ánh sự chuyển dịch rõ nét trong xu hướng thời trang đường phố (Streetwear) và văn hóa Vintage tại TP.HCM. Nam giới trẻ thường tìm kiếm các sản phẩm độc bản như áo khoác bóng chày, quần túi hộp, denim jacket hoặc giày retro từ các thương hiệu lớn với chi phí tiết kiệm.

2. Tiêu chuẩn kích thước mẫu $N = 193$ có đủ độ tin cậy thống kê cho hồi quy tuyến tính không?

Hoàn toàn thỏa mãn. Theo Hair et al. (2014), tỷ lệ mẫu tối thiểu là $5:1$ cho mỗi biến quan sát ($5 \times 23 = 115$). Theo Green (1991), kiểm định hồi quy cần tối thiểu $50 + 8m = 50 + 8 \times 5 = 90$. Mẫu $N = 193$ vượt xa các tiêu chuẩn khắt khe này.

3. Làm thế nào để giải quyết định kiến đồ cũ là 'kém vệ sinh' trong kinh doanh thực tế?

Doanh nghiệp cần tiêu chuẩn hóa quy trình xử lý sản phẩm: giặt hấp công nghiệp, tiệt trùng tia cực tím, đóng gói chân không gắn thẻ tag niêm phong "Sanitized & Ready-to-wear" và cung cấp chính sách đổi trả minh bạch.

4. Phần mềm SPSS 20.0 có hạn chế gì so với các công cụ phân tích hiện đại như SmartPLS hay R?

SPSS 20.0 tối ưu tuyệt đối cho phân tích hồi quy OLS và EFA truyền thống. Đối với các mô hình phức tạp có biến trung gian và biến điều tiết phi tuyến tính, việc chuyển đổi sang SmartPLS 4.0 hoặc R (lavaan package) sẽ cung cấp thêm các chỉ số độ phù hợp mô hình toàn diện hơn.

5. Yếu tố nào đóng vai trò quyết định mạnh nhất đến hành vi mua của Gen Z?

Kết quả phân tích cho thấy Nhận thức về giá kết hợp cùng Ý thức về môi trường và Đặc tính sản phẩm độc lạ là bộ ba động lực chính chi phối quyết định chuyển đổi từ thời trang nhanh sang đồ second-hand.

Kết luận

Nghiên cứu "Các yếu tố ảnh hưởng đến quyết định mua quần áo đã qua sử dụng của giới trẻ tại Thành phố Hồ Chí Minh" do tác giả Nguyễn Anh Thư thực hiện đã hệ thống hóa thành công khung lý thuyết và bằng chứng thực nghiệm về hành vi tiêu dùng thời trang tuần hoàn. Thông qua bộ dữ liệu chuẩn hóa $N = 193$, kiểm định Cronbach's Alpha vững chắc ($\alpha: 0.678 - 0.879$), hệ số KMO đạt $0.839$ và tổng phương sai trích $63.914%$, đề tài khẳng định tiềm năng to lớn của thị trường thời trang second-hand tại Việt Nam.

Việc áp dụng các hàm ý quản trị về tuyển chọn sản phẩm, minh bạch hóa giá trị kinh tế và truyền thông trách nhiệm môi trường sẽ là chìa khóa giúp các doanh nghiệp thời trang phát triển bền vững, vừa tối ưu hóa lợi nhuận vừa góp phần bảo vệ hệ sinh thái đô thị xanh.