Giới thiệu dự án

Thương mại điện tử (TMĐT) tại Việt Nam đang trải qua giai đoạn bứt phá mạnh mẽ trong nền kinh tế số. Theo số liệu từ Bộ Công Thương (2021), TMĐT Việt Nam đạt quy mô 11,8 tỷ USD vào năm 2020 với tốc độ tăng trưởng 18%, trở thành quốc gia duy nhất tại Đông Nam Á duy trì mức tăng trưởng hai con số trong bối cảnh đại dịch. Thống kê từ VietnamPlus (2023) ghi nhận cả nước có khoảng 57 đến 60 triệu người tham gia mua sắm trực tuyến, đạt mức chi tiêu bình quân 260 – 285 USD/người/năm. Trong đó, thời trang và mỹ phẩm dẫn đầu danh mục hàng tiêu dùng trực tuyến (chiếm 74,8% lượng người dùng Internet mua sắm). Theo dự báo của Doona Le (2022), TMĐT thời trang toàn cầu tăng trưởng kép (CAGR) 14,2% giai đoạn 2017–2025, hướng tới quy mô 1.000 tỷ USD.

Sự xuất hiện của mô hình Social Commerce (Thương mại điện tử kết hợp mạng xã hội), điển hình là TikTok Shop (thuộc ByteDance), đã tái định hình hành vi tiêu dùng nhờ thuật toán đề xuất nội dung thông minh và video ngắn trực quan. Khác với TMĐT truyền thống, khoảng 67% người dùng thừa nhận TikTok thúc đẩy họ phát sinh quyết định mua sắm ngẫu hứng ngay cả khi chưa có nhu cầu chủ động (Thu Trang & Lâm Tùng, 2023). Đối tượng sinh viên tại TP. Hồ Chí Minh thuộc thế hệ Gen Z – nhóm tiếp cận công nghệ nhạy bén nhưng có nguồn thu nhập phụ thuộc – là phân khúc khách hàng tiềm năng nhưng đòi hỏi các chiến lược tiếp cận chuyên biệt.

Đề tài nghiên cứu: "Các yếu tố ảnh hưởng đến quyết định mua sản phẩm thời trang trên TikTok Shop của sinh viên tại Thành phố Hồ Chí Minh" do sinh viên Võ Thị Thanh Trâm thực hiện dưới sự hướng dẫn của TS. Nguyễn Văn Thụy (Trường Đại học Ngân hàng TP.HCM) giải quyết bài toán:

  • Vấn đề nghiên cứu (Problem Statement): Thiếu hụt các nghiên cứu định lượng chuẩn xác về cơ chế tác động tâm lý và công nghệ (thuật toán đề xuất, tính tiện dụng, hiệu ứng lan truyền) đến quyết định mua hàng thời trang của thế hệ Gen Z trên nền tảng tích hợp Social Commerce tại Việt Nam.
  • Mục tiêu nghiên cứu cụ thể:
    1. Xác định danh mục các yếu tố cốt lõi (Hình ảnh thương hiệu, Chính sách giá, Truyền miệng, Quảng cáo, Sự dễ dàng) tác động đến quyết định mua sắm sản phẩm thời trang trên TikTok Shop.
    2. Đo lường mức độ tác động tương đối ($\beta$) của từng nhân tố thông qua mô hình phân tích hồi quy tuyến tính bội OLS.
    3. Đề xuất hệ thống giải pháp và hàm ý quản trị giúp các nhà bán lẻ và doanh nghiệp thời trang tối ưu hóa tỷ lệ chuyển đổi đơn hàng.
  • Phạm vi và giới hạn: Khảo sát định lượng trên mẫu $N = 313$ sinh viên đang theo học tại các trường đại học, cao đẳng trên địa bàn TP. Hồ Chí Minh trong giai đoạn từ tháng 04/2023 đến tháng 05/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Sự dịch chuyển từ các sàn TMĐT truyền thống (Shopee, Lazada, Tiki) sang Social Commerce (TikTok Shop) đặt ra bài toán so sánh trải nghiệm người dùng và cơ chế kích thích hành vi mua hàng:

Tiêu chí TMĐT truyền thống (Shopee/Lazada) Mạng xã hội bán hàng (Facebook/Instagram) Shoppertainment (TikTok Shop)
Hành trình mua sắm Tìm kiếm chủ động $\rightarrow$ So sánh giá $\rightarrow$ Đặt hàng Xem bài đăng $\rightarrow$ Nhắn tin/Chốt đơn $\rightarrow$ Chuyển khoản Xem video ngắn/Livestream $\rightarrow$ Kích thích cảm xúc $\rightarrow$ Mua hàng 1 chạm
Cơ chế đề xuất Dựa trên từ khóa tìm kiếm và lịch sử mua Dựa trên đồ thị mạng xã hội và nhóm Thuật toán AI máy học tối ưu trang "For You" (FYP)
Rào cản thanh toán Tích hợp sẵn ví/cổng thanh toán Rời rạc, phụ thuộc thao tác thủ công qua tin nhắn Tích hợp In-App Checkout hoàn chỉnh
Mức độ tương tác Đánh giá dạng văn bản/hình ảnh tĩnh Bình luận, gửi tin nhắn trực tiếp Livestream tương tác thời gian thực, đánh giá video

Phân tích yêu cầu nghiên cứu và hệ thống thang đo theo chuẩn MoSCoW:

  • Must-have: Khung lý thuyết nền tảng (TRA, TPB, CSI), kiểm định độ tin cậy Cronbach's Alpha ($\ge 0.70$), phân tích nhân tố khám phá EFA (Eigenvalue $> 1$, KMO $\ge 0.50$), mô hình hồi quy tuyến tính đa biến.
  • Should-have: Kiểm định khác biệt nhân khẩu học (Independent Samples T-Test, One-way ANOVA, Welch test khi vi phạm phương sai đồng nhất).
  • Could-have: Phân tích độ nhạy theo mức chi tiêu và tần suất lướt ứng dụng hàng ngày.
  • Won't-have: Mô hình phương trình cấu trúc phi tuyến tính SEM đa bậc trong phạm vi nghiên cứu đại học.

Thiết kế hệ thống mô hình và cấu trúc biến

Mô hình nghiên cứu kế thừa Lý thuyết Hành động Hợp lý (TRA - Fishbein & Ajzen, 1975), Lý thuyết Hành vi Dự định (TPB - Ajzen, 1991) và Mô hình Phong cách Ra quyết định Người tiêu dùng (CSI - Sproles & Kendall, 1986).

   [Hình ảnh thương hiệu (HA)] --------(H1+)------> +------------------------+
   [Chính sách giá (CS)] -------------(H2+)------> |                        |
   [Truyền miệng (TM)] ----------------(H3+)------> | Quyết định mua sản phẩm|
   [Quảng cáo (QC)] -------------------(H4+)------> | thời trang TikTok Shop |
   [Sự dễ dàng sử dụng (DD)] ---------(H5+)------> |       (Biến QD)        |
                                                   +------------------------+

Hệ thống biến số và cấu hình công nghệ phân tích:

  • Phần mềm phân tích: IBM SPSS Statistics 20.0, hỗ trợ script Python 3.10 / R cho trích xuất dữ liệu tự động.
  • Cấu trúc dữ liệu: Thang đo Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
  • Mã hóa biến độc lập:
    • HA (Brand Image): 4 biến quan sát (HA1 – HA4).
    • CS (Price Policy): 4 biến quan sát (CS1 – CS4).
    • TM (Word of Mouth): 4 biến quan sát (TM1 – TM4).
    • QC (Advertising): 4 biến quan sát (QC1 – QC4).
    • DD (Perceived Ease of Use): 4 biến quan sát (DD1 – DD4).
  • Biến phụ thuộc: QD (Purchase Decision): 4 biến quan sát (QD1 – QD4).

Phương pháp nghiên cứu (Methodology)

Quy trình nghiên cứu kết hợp phương pháp hỗn hợp (Mixed-method Research Design):

  1. Nghiên cứu định tính: Khảo sát tài liệu lý thuyết, phỏng vấn sâu 03 chuyên gia TMĐT và thảo luận nhóm tập trung (Focus Group Discussion - FGD) với 10 sinh viên nhằm hiệu chỉnh nội dung và hình thức các phát biểu quan sát.
  2. Nghiên cứu định lượng: Phát bảng câu hỏi trực tuyến qua Google Forms đến các cụm trường đại học tại TP.HCM (ĐHQG TP.HCM, BUH, UEH, UFM). Thu về 313 mẫu hợp lệ sau khi làm sạch dữ liệu loại bỏ các mẫu không đạt yêu cầu.
  3. Tiến độ triển khai:
Giai đoạn Nhiệm vụ chính Kết quả đầu ra
Tháng 04/2023 (Tuần 1-2) Tổng quan tài liệu, thiết kế thang đo nháp Khung thang đo 24 biến quan sát
Tháng 04/2023 (Tuần 3) Phỏng vấn chuyên gia & FGD sinh viên Bảng khảo sát chuẩn hóa
Tháng 05/2023 (Tuần 1-2) Thu thập dữ liệu diện rộng ($N = 313$) Bộ dữ liệu sơ cấp sạch
Tháng 05/2023 (Tuần 3-4) Phân tích dữ liệu trên SPSS 20.0 Báo cáo kiểm định EFA, OLS, ANOVA
Tháng 06/2023 Tổng hợp báo cáo & hoàn thiện hàm ý quản trị Khóa luận tốt nghiệp hoàn chỉnh

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán thống kê

Toàn bộ quy trình xử lý dữ liệu được chuẩn hóa bằng đường ống (pipeline) thống kê: Kiểm tra độ tin cậy $\rightarrow$ Phân tích nhân tố $\rightarrow$ Tương quan Pearson $\rightarrow$ Hồi quy OLS $\rightarrow$ Kiểm định giả định vi phạm.

Đoạn mã đại diện mô phỏng thuật toán kiểm định độ tin cậy và hồi quy đa biến:

import numpy as np
import pandas as pd
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 cho tập biến quan sát."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    alpha = (k / (k - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

def run_regression_analysis(df: pd.DataFrame, X_cols: list, y_col: str):
    """Thực thi hồi quy tuyến tính bội OLS và kiểm tra đa cộng tuyến (VIF)."""
    X = sm.add_constant(df[X_cols])
    y = df[y_col]
    model = sm.OLS(y, X).fit()
    return model.summary()

Kiểm định và xác thực mô hình (Testing & Validation)

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

Tất cả 6 thang đo đều đạt chuẩn độ tin cậy cao ($\alpha > 0.70$), các biến quan sát đều có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) vượt ngưỡng $0.30$:

  • Thang đo Sự dễ dàng (DD): $\alpha = 0.843$ (4 biến quan sát)
  • Thang đo Truyền miệng (TM): $\alpha = 0.826$ (4 biến quan sát)
  • Thang đo Chính sách giá (CS): $\alpha = 0.812$ (4 biến quan sát)
  • Thang đo Quảng cáo (QC): $\alpha = 0.795$ (4 biến quan sát)
  • Thang đo Hình ảnh thương hiệu (HA): $\alpha = 0.768$ (4 biến quan sát)
  • Thang đo Quyết định mua hàng (QD): $\alpha = 0.856$ (4 biến quan sát)

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Chỉ số $KMO = 0.862$ ($0.5 < KMO < 1.0$), kiểm định Bartlett có mức ý nghĩa $p\text{-value} = 0.000 < 0.05$, chứng minh các biến quan sát có tương quan chặt chẽ. Tổng phương sai trích (Total Variance Explained) đạt $62.45% > 50%$ tại điểm dừng Eigenvalue $= 1.238 > 1$. Phép xoay Varimax trích xuất chính xác 5 nhân tố tương ứng.
  • Biến phụ thuộc: $KMO = 0.811$, Bartlett Test $Sig. = 0.000$, phương sai trích đạt $69.82%$ với 1 nhân tố duy nhất.

Kết quả đạt được

Kết quả phân tích hồi quy tuyến tính bội xác định mối quan hệ giữa các nhân tố độc lập và Quyết định mua hàng (QD):

$$\widehat{QD} = \beta_0 + \beta_1 DD + \beta_2 TM + \beta_3 CS + \beta_4 QC + \beta_5 HA$$

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 ($Sig.$) Thống kê VIF
(Hằng số) 0.214 0.185 - 1.157 0.248 -
Sự dễ dàng (DD) 0.312 0.045 0.324 6.933 0.000 1.342
Truyền miệng (TM) 0.268 0.048 0.271 5.583 0.000 1.411
Chính sách giá (CS) 0.221 0.042 0.228 5.261 0.000 1.285
Quảng cáo (QC) 0.154 0.039 0.162 3.948 0.000 1.218
Hình ảnh thương hiệu (HA) 0.042 0.041 0.045 1.024 0.306 1.305
  • Hệ số xác định mô hình: $R^2 = 0.584$; $R^2$ hiệu chỉnh $= 0.577$ (Mô hình giải thích được $57,7%$ sự biến thiên của Quyết định mua hàng).
  • Kiểm định $F = 86.214$ với $Sig. = 0.000$ xác nhận mô hình hồi quy hoàn toàn phù hợp với tổng thể.
  • Hệ số phóng đại phương sai $VIF < 2.0$, chứng minh không xảy ra hiện tượng đa cộng tuyến.

Kết luận giả thuyết:

  • $H_1$ (Hình ảnh thương hiệu $\rightarrow$ Quyết định mua): Không có ý nghĩa thống kê ($Sig. = 0.306 > 0.05$).
  • $H_2$ (Chính sách giá $\rightarrow$ Quyết định mua): Chấp nhận ($\beta = 0.228, p < 0.001$).
  • $H_3$ (Truyền miệng $\rightarrow$ Quyết định mua): Chấp nhận ($\beta = 0.271, p < 0.001$).
  • $H_4$ (Quảng cáo $\rightarrow$ Quyết định mua): Chấp nhận ($\beta = 0.162, p < 0.001$).
  • $H_5$ (Sự dễ dàng $\rightarrow$ Quyết định mua): Chấp nhận ($\beta = 0.324, p < 0.001$).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ nét về mặt lý luận và thực tiễn so với các công trình nghiên cứu trước đó:

[Mbete & cs, 2020 - Shopee]      [Syahtidar & cs, 2022 - Shopee]      [Nghiên cứu hiện tại - TikTok Shop]
- HA tác động mạnh (+)           - HA tác động tích cực (+)           - HA KHÔNG có ý nghĩa (p=0.306)
- Giá không tác động             - Giá tác động (+)                   - DD tác động mạnh nhất (β=0.324)
- DD tác động (+)                - TM & QC tác động (+)               - TM tác động thứ hai (β=0.271)
  1. Sự khác biệt về vai trò của Hình ảnh thương hiệu (Brand Image): Trong khi các nghiên cứu trên nền tảng Shopee (như Mbete & cs, 2020; Syahtidar & cs, 2022) khẳng định thương hiệu là yếu tố quyết định hàng đầu, nghiên cứu này chứng minh đối với phân khúc sinh viên mua sắm thời trang trên TikTok Shop, hình ảnh thương hiệu không tạo ra tác động trực tiếp có ý nghĩa thống kê. Sinh viên Gen Z ưu tiên sự trải nghiệm, tính tiện dụng và các đánh giá thực tế hơn là danh tiếng thương hiệu thuần túy.
  2. Xác lập vị thế áp đảo của "Sự dễ dàng" ($\beta = 0.324$): Giao diện mua sắm tích hợp trực tiếp trên video ngắn (In-feed video shop), khả năng thanh toán 1-click không cần chuyển hướng trang và thao tác giỏ hàng tức thời là đòn bẩy kích thích quyết định mua mạnh nhất.
  3. Tác động cộng hưởng của Electronic Word-of-Mouth (eWOM - $\beta = 0.271$): Đánh giá từ người mua trước dưới phần bình luận và các video review của KOC (Key Opinion Consumer) tác động mạnh hơn các chiến dịch quảng cáo trả phí truyền thống ($\beta = 0.162$).

Ứng dụng thực tế và triển khai

Dựa trên trọng số hồi quy chuẩn hóa, khung chiến lược hành động được đề xuất cho các doanh nghiệp, nhà bán hàng (Sellers) và Content Creators ngành thời trang:

1. Tối ưu hóa "Sự dễ dàng" (Trọng số 0.324)

  • Thiết kế luồng mua hàng (User Journey): Gắn thẻ sản phẩm (Product Tagging) trực tiếp ở góc trái video ngay thời điểm sản phẩm xuất hiện bắt mắt nhất.
  • Đồng bộ hóa Size & Tồn kho: Thiết lập bảng hướng dẫn chọn kích cỡ (Size Chart) tương tác ngay trong phần mô tả sản phẩm, giảm thiểu tỷ lệ thoát đơn do phân vân thông số.
  • Đa dạng hóa cổng thanh toán: Liên kết tự động với ví điện tử MoMo, ZaloPay, Apple Pay và nâng cao độ an toàn cho phương thức thanh toán khi nhận hàng (COD).

2. Khuếch đại hiệu ứng "Truyền miệng kỹ thuật số" (Trọng số 0.271)

  • Chiến lược KOC/Micro-Influencer: Hợp tác với các nhà sáng tạo nội dung sinh viên có lượng người theo dõi từ 10.000 – 50.000 (Micro-influencers) để thực hiện video trải nghiệm thực tế (Haul đồ, Try-on haul, Mix & Match).
  • Quản trị bình luận tiêu cực: Thiết lập hệ thống phản hồi tự động và đội ngũ CSKH xử lý các thắc mắc/khiếu nại trong mục đánh giá sản phẩm dưới 15 phút.

3. Tối ưu hóa "Chính sách giá" (Trọng số 0.228)

  • Cấu trúc giá phân khúc: Định vị dải giá thời trang cho sinh viên từ $99.000\text{ VNĐ} - 299.000\text{ VNĐ}$.
  • Tận dụng trợ giá TikTok Shop Voucher: Tích hợp mã miễn phí vận chuyển (Freeship Xtra) và voucher giảm giá trực tiếp trong các phiên Livestream giờ vàng (12h trưa và 20h - 22h tối).

Hạn chế và hướng phát triển

Mặc dù đạt được những kết quả có giá trị thực tiễn cao, đề tài vẫn ghi nhận một số giới hạn kỹ thuật:

  1. Phạm vi không gian mẫu: Dữ liệu thu thập tập trung chủ yếu tại khu vực TP. Hồ Chí Minh với $N = 313$, chưa bao quát toàn bộ hành vi tiêu dùng của sinh viên trên các vùng miền khác tại Việt Nam.
  2. Phương pháp chọn mẫu: Sử dụng kỹ thuật chọn mẫu thuận tiện phi xác suất (Convenience Sampling), có thể gây ra sai số chọn mẫu nhất định khi tổng quát hóa dữ liệu.
  3. Cấu trúc biến giải thích: Mô hình $R^2$ hiệu chỉnh đạt $57,7%$, đồng nghĩa còn $42,3%$ sự biến thiên của Quyết định mua hàng phụ thuộc vào các nhân tố chưa được xem xét (ví dụ: Uy tín của KOC, Thuật toán gây nghiện của FYP, Rủi ro cảm nhận về chất lượng vải, Tốc độ giao hàng).

Hướng nghiên cứu tiếp theo:

  • Mở rộng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để đo lường các biến trung gian (Ý định mua, Thái độ với Livestream) và biến điều tiết (Giới tính, Thu nhập thực tế).
  • Mở rộng khảo sát đa kênh so sánh giữa TikTok Shop, Shopee Live và Instagram Reels Shopping.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng, kỹ thuật xử lý dữ liệu với SPSS và cách xây dựng hệ thống thang đo đạt chuẩn học thuật.
  • Doanh nghiệp thời trang & Chủ shop trực tuyến: Sở hữu bộ số liệu định lượng chuẩn xác để tái cơ cấu ngân sách marketing: chuyển dịch $30%$ ngân sách từ quảng cáo thương hiệu thuần túy sang tối ưu hóa trải nghiệm gian hàng và tiếp thị qua Micro-KOC.
  • Kỹ sư giải pháp & Nhà phát triển nền tảng (Developers): Nắm bắt dữ liệu hành vi người dùng cuối để tối ưu hóa UI/UX giỏ hàng, giảm độ trễ (latency) khi tải luồng Livestream và tinh chỉnh thuật toán đề xuất sản phẩm theo ngữ cảnh video.
  • Giới nghiên cứu TMĐT: Đóng góp bằng chứng thực nghiệm mới về sự dịch chuyển hành vi người tiêu dùng trong kỷ nguyên Shoppertainment tại các thị trường mới nổi.

Câu hỏi thường gặp

1. Tại sao Hình ảnh thương hiệu lại không có ý nghĩa thống kê trong nghiên cứu này?

Theo phân tích hồi quy, biến Hình ảnh thương hiệu có $Sig. = 0.306 > 0.05$. Điều này phản ánh đặc thù hành vi của sinh viên khi mua thời trang trên TikTok Shop: họ bị thôi thúc bởi hình ảnh video trực quan, đánh giá thực tế và mức giá phù hợp hơn là thương hiệu lớn. Các thương hiệu nội địa (Local brands) không quá nổi tiếng vẫn có thể đạt doanh số vượt bậc nếu có video viral và giá cả cạnh tranh.

2. Các yêu cầu kỹ thuật tối thiểu để thiết lập gian hàng TikTok Shop chuẩn chuyển đổi là gì?

Nhà bán hàng cần chuẩn bị:

  • Tài khoản TikTok Business đã xác minh định danh doanh nghiệp hoặc cá nhân.
  • Liên kết tài khoản TikTok Shop Seller Center với cổng thanh toán điện tử nội địa.
  • Đồng bộ API kho hàng (Open API TikTok Shop) với phần mềm quản lý bán hàng (như Sapo, KiotViet, Haravan) để cập nhật tồn kho theo thời gian thực.
  • Bộ video chuẩn khung hình 9:16, độ phân giải tối thiểu 1080p và gắn liên kết giỏ hàng trực tiếp.

3. Làm thế nào để giải quyết vấn đề phương sai không đồng nhất trong dữ liệu nhân khẩu học?

Trong đề tài, khi kiểm định ANOVA theo các nhóm chi tiêu hàng tháng gặp hiện tượng vi phạm tính đồng nhất của phương sai (Test of Homogeneity of Variances có $Sig. < 0.05$), tác giả đã chuyển sang sử dụng kiểm định Welch và Brown-Forsythe để đảm bảo tính vững của kết luận thống kê.

4. Chi phí triển khai chiến lược KOC truyền miệng có tốn kém hơn chạy quảng cáo TikTok Ads không?

Không. Với nhóm Micro-KOC sinh viên, doanh nghiệp có thể áp dụng mô hình Affiliate Marketing (Tiếp thị liên kết - chi trả hoa hồng từ 8% - 15% trên mỗi đơn hàng thành công) kết hợp gửi sản phẩm mẫu (seeding). Mô hình này giúp tối ưu hóa dòng tiền và rủi ro hơn nhiều so với việc đấu thầu quảng cáo TikTok Ads (CPM/CPC) khi chưa tối ưu trang đích.

5. Khung thời gian hoàn vốn (ROI) dự kiến cho một chiến dịch thời trang TikTok Shop là bao lâu?

Đối với các mặt hàng thời trang cơ bản có giá dưới $300.000\text{ VNĐ}$, nếu tối ưu tốt luồng trải nghiệm (Sự dễ dàng) và đẩy mạnh Livestream trong khung giờ vàng, điểm hòa vốn và tạo lợi nhuận dương thường đạt được trong vòng 30 – 45 ngày kể từ khi triển khai chiến dịch viral marketing.

Kết luận

Khóa luận tốt nghiệp của tác giả Võ Thị Thanh Trâm đã phân tích thành công cơ chế tác động đến quyết định mua sản phẩm thời trang trên TikTok Shop của sinh viên TP.HCM. Thông qua quy trình phân tích định lượng chuẩn tắc trên mẫu $N = 313$, nghiên cứu chỉ ra rằng Sự dễ dàng ($\beta = 0.324$), Truyền miệng ($\beta = 0.271$), Chính sách giá ($\beta = 0.228$) và Quảng cáo ($\beta = 0.162$) là bốn trụ cột cốt lõi thúc đẩy doanh số. Kết quả nghiên cứu là kim chỉ nam giúp các thương hiệu thời trang chuyển đổi hiệu quả từ tiếp thị truyền thống sang kỷ nguyên Shoppertainment bùng nổ.