Giới thiệu dự án

Sự bùng nổ của làn sóng Web 2.0 và sự chuyển dịch mạnh mẽ của thương mại điện tử (E-Commerce) sang thương mại mạng xã hội (Social Commerce / S-Commerce) đã làm thay đổi căn bản hành vi tiêu dùng của giới trẻ. Theo Báo cáo Digital 2022 (We Are Social & Hootsuite), Việt Nam ghi nhận 72,10 triệu người dùng Internet (tỷ lệ thâm nhập 73,2%, tăng 4,9% so với năm 2021). Người dùng dành trung bình 2 giờ 28 phút mỗi ngày cho mạng xã hội, đóng góp vào quy mô 51,78 triệu người mua sắm trực tuyến với mức tăng trưởng vượt bậc ở các ngành hàng thực phẩm (+86,3%) và thời trang (+39,4%). Đáng chú ý, tỷ lệ thâm nhập của mạng xã hội Instagram tại Việt Nam tăng trưởng thần tốc từ 14,8% (tháng 01/2022) lên 59,7% (tháng 02/2022).

Mặc dù sở hữu giao diện trực quan và khả năng lan tỏa hình ảnh vượt trội, việc chuyển đổi từ lượt tương tác (Engagement) sang hành vi mua sắm thực tế (Conversion Rate) trên Instagram đối với nhóm khách hàng thế hệ Z (đặc thù là sinh viên đại học) vẫn đối mặt với nhiều rào cản:

  • Thiếu hụt lòng tin vào chất lượng sản phẩm thực tế so với hình ảnh quảng bá.
  • Rủi ro trong giao dịch trực tuyến và quy trình đổi trả hàng hóa phức tạp.
  • Trải nghiệm dịch vụ chăm sóc khách hàng và tốc độ phản hồi chưa được tự động hóa đồng bộ.
  • Thiếu các mô hình lượng hóa chuẩn xác về các yếu tố tác động trực tiếp đến quyết định tiêu dùng của sinh viên.

Đề tài "Nghiên cứu các yếu tố ảnh hưởng quyết định mua sắm trực tuyến của sinh viên HUTECH trên mạng xã hội Instagram" (thuộc ngành Tài chính – Thương mại, chuyên ngành Thương mại Điện tử, Trường Đại học Công nghệ TP.HCM - HUTECH) được thực hiện nhằm giải quyết trọn vẹn bài toán thực tiễn này.

graph TD
    A["Yếu tố Đầu vào (Inputs)<br/>Nền tảng Instagram & Hành vi Gen Z"] --> B["Mô hình Nghiên cứu Tích hợp<br/>Marketing 7P + SERVQUAL + Kotler"]
    B --> C["Xử lý Định lượng<br/>Cronbach's Alpha, EFA, OLS Regression, ANOVA"]
    C --> D["Kết quả Lượng hóa<br/>Trọng số Beta chuẩn hóa & R-squared"]
    D --> E["Giải pháp Thực thi (Output)<br/>Chiến lược S-Commerce & Tối ưu chuyển đổi"]

Mục tiêu dự án

  1. Hệ thống hóa cơ sở lý luận: Xây dựng khung lý thuyết toàn diện kết hợp mô hình Marketing Mix 7P, thang đo chất lượng dịch vụ SERVQUAL và lý thuyết hành vi người tiêu dùng của Philip Kotler trong môi trường S-Commerce.
  2. Xác định các nhân tố ảnh hưởng: Định danh và cấu trúc hóa 9 nhóm nhân tố độc lập (Sản phẩm, Giá cả, Tiếp thị/Quảng cáo, Hiệu quả tìm kiếm, Hệ thống Instagram, Mức đáp ứng nhu cầu, Giao nhận hàng hóa, Liên hệ, Độ tin cậy) cấu thành bởi 36 biến quan sát.
  3. Lượng hóa mức độ tác động: Ứng dụng kỹ thuật kinh tế lượng để đo lường độ tin cậy thang đo, phân tích nhân tố khám phá (EFA) và thiết lập phương trình hồi quy tuyến tính bội (OLS Regression) nhằm xác định hệ số hồi quy chuẩn hóa $\beta$ của từng nhân tố.
  4. Kiểm định sự khác biệt nhân khẩu học: Phân tích Independent Samples T-Test và One-Way ANOVA để đánh giá sự khác biệt về quyết định mua sắm theo giới tính và số năm theo học.
  5. Đề xuất hàm ý quản trị: Cung cấp lộ trình và giải pháp thực thi cho các doanh nghiệp, chủ cửa hàng trực tuyến nhằm tối ưu hóa chi phí tiếp thị và gia tăng doanh thu trên nền tảng Instagram.

Phạm vi và giới hạn nghiên cứu

  • Không gian nghiên cứu: Sinh viên đang theo học tại Trường Đại học Công nghệ TP.HCM (HUTECH).
  • Thời gian thu thập dữ liệu: Khảo sát diện rộng từ tháng 03/2022 đến tháng 04/2022.
  • Quy mô mẫu: $N = 350$ mẫu khảo sát hợp lệ (vượt ngưỡng yêu cầu tối thiểu $36 \times 5 = 180$ mẫu theo quy tắc Hair et al.).
  • Giới hạn kỹ thuật: Dữ liệu cắt ngang (Cross-sectional data), tập trung vào hành vi tiêu dùng B2C trên nền tảng ứng dụng Instagram di động.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành so sánh đối chiếu giữa các mô hình hành vi mua sắm trực tuyến phổ biến để xây dựng mô hình tối ưu cho nền tảng Instagram:

Tiêu chí so sánh Mô hình TAM (Từ Thị Hải Yến) Mô hình TPB (Hà Ngọc Thắng & Nguyễn Thành Độ) Mô hình Tích hợp Đề xuất (Đồ án HUTECH)
Cơ sở lý thuyết Thuyết chấp nhận công nghệ (TAM) Thuyết hành vi có hoạch định (TPB) Marketing Mix 7P + SERVQUAL + Kotler
Biến nghiên cứu Cảm nhận hữu ích, dễ sử dụng, tin tưởng, chuẩn chủ quan Thái độ, chuẩn chủ quan, nhận thức kiểm soát, rủi ro 9 biến độc lập (36 quan sát) bao quát kỹ thuật & dịch vụ
Đặc thù nền tảng Đánh giá chung cho E-Commerce Đánh giá tổng quát Internet shopping Tối ưu hóa cho Social Commerce (Instagram Visual & Chatbot)
Khả năng ứng dụng Nhận diện mức độ chấp nhận công nghệ Dự báo ý định hành vi tiêu dùng Đưa ra giải pháp trực tiếp cho 4P/7P và quy trình Logistics
Nhược điểm Thiếu yếu tố chất lượng dịch vụ & phân phối Không đo lường giao diện và tính năng hệ thống Đòi hỏi kích thước mẫu lớn để đạt hội tụ EFA

Phân tích yêu cầu nghiên cứu theo mô hình MoSCoW

  • Must have (Bắt buộc): Kiểm định độ tin cậy thang đo Cronbach's Alpha ($\ge 0.70$), Kiểm định EFA (KMO $\ge 0.50$, Bartlett's Test $p < 0.05$), Mô hình hồi quy OLS không vi phạm giả định đa cộng tuyến (VIF $< 2.0$).
  • Should have (Nên có): Kiểm định One-Way ANOVA và T-Test cho biến định tính nhân khẩu học (Giới tính, Khóa học).
  • Could have (Có thể có): Mở rộng khảo sát so sánh chéo với các nền tảng TikTok Shop hoặc Facebook Marketplace.
  • Won't have (Chưa thực hiện đợt này): Mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) hoặc phân tích dữ liệu chuỗi thời gian (Time-series).

Thiết kế hệ thống nghiên cứu

Mô hình nghiên cứu được xây dựng dưới dạng cấu trúc đa biến với phương trình toán học kinh tế lượng tổng quát:

$$Y_{TT} = \beta_0 + \beta_1 X_{SP} + \beta_2 X_{GC} + \beta_3 X_{QC} + \beta_4 X_{TK} + \beta_5 X_{HT} + \beta_6 X_{NC} + \beta_7 X_{GH} + \beta_8 X_{LH} + \beta_9 X_{TC} + \epsilon$$

+-----------------------------------------------------------------------------------+
|                            KIẾN TRÚC MÔ HÌNH NGHIÊN CỨU                           |
+-----------------------------------------------------------------------------------+
|  [H1] Sản phẩm (SP: 5 items)          --------+                                   |
|  [H2] Giá cả (GC: 4 items)            --------|                                   |
|  [H3] Tiếp thị, QC (QC: 4 items)      --------|                                   |
|  [H4] Hiệu quả tìm kiếm (TK: 3 items) --------|     +--------------------------+  |
|  [H5] Hệ thống IG (HT: 3 items)       --------+---> |  QUYẾT ĐỊNH MUA SẮM     |  |
|  [H6] Đáp ứng nhu cầu (NC: 4 items)   --------+---> |  TRỰC TUYẾN TRÊN        |  |
|  [H7] Giao nhận hàng (GH: 4 items)    --------|     |  INSTAGRAM CỦA          |  |
|  [H8] Liên hệ CSKH (LH: 3 items)      --------|     |  SINH VIÊN HUTECH (TT)   |  |
|  [H9] Độ tin cậy (TC: 3 items)        --------+     +--------------------------+  |
+-----------------------------------------------------------------------------------+

Ngăn xếp công nghệ và công cụ (Technology Stack)

  • Công cụ thu thập dữ liệu: Google Forms API kết hợp bảng câu hỏi Likert 5 mức độ (1 = Hoàn toàn không đồng ý đến 5 = Hoàn toàn đồng ý).
  • Môi trường xử lý thống kê: IBM SPSS Statistics v20.0 (Core Analysis Engine).
  • Bộ công cụ mô phỏng & kiểm định tự động: Python v3.10+, thư viện pandas (xử lý dataframe), statsmodels.api (ước lượng OLS), factor_analyzer (kiểm định EFA).
  • Kiểm định giả định kỹ thuật: Kiểm định đa cộng tuyến (Tolerance, VIF), kiểm định phân phối chuẩn phần dư (Histogram, Normal P-P Plot), kiểm định phương sai sai số thay đổi (Scatterplot).

Phương pháp luận (Methodology)

Quy trình nghiên cứu định lượng chuẩn mực trải qua 7 bước khép kín:

  • Đánh giá rủi ro và giải pháp khắc phục:
    • Rủi ro mẫu rác/thiếu tập trung: Áp dụng câu hỏi bẫy (filtering questions) để loại bỏ 100% người trả lời chưa từng mua sắm trên Instagram.
    • Rủi ro đa cộng tuyến: Sử dụng phép xoay Varimax trong EFA để tách biệt các nhân tố có tương quan cao trước khi chạy OLS.

Triển khai và kết quả thực nghiệm

Quy trình triển khai xử lý dữ liệu

Dữ liệu thô sau khi thu thập từ 350 sinh viên được mã hóa, làm sạch và thực hiện quy trình ước lượng thống kê. Dưới đây là đoạn mã mô phỏng quy trình tính toán hệ số tin cậy Cronbach's Alpha và hồi quy tuyến tính OLS chuẩn hóa:

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 chuẩn mực."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    n_items = df_items.shape[1]
    alpha = (n_items / (n_items - 1)) * (1 - (item_vars.sum() / total_var))
    return float(alpha)

def run_ols_regression(X: pd.DataFrame, y: pd.Series):
    """Thực hiện hồi quy tuyến tính OLS và kiểm tra đa cộng tuyến (VIF)."""
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    return model.summary()

Cú pháp lệnh SPSS tương đương được thực thi trong quá trình nghiên cứu:

* Kiem dinh do tin cay Cronbach Alpha cho nhan to San Pham.
RELIABILITY
  /VARIABLES=SP1 SP2 SP3 SP4 SP5
  /SCALE('Scale_SP') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE
  /SUMMARY=TOTAL.

* Phan tich Nhan to Kham pha EFA.
FACTOR
  /VARIABLES=SP1 SP2 SP3 SP4 SP5 GC1 GC2 GC3 GC4 QC1 QC2 QC3 QC4 TK1 TK2 TK3 
             HT1 HT2 HT3 NC1 NC2 NC3 NC4 GH1 GH2 GH3 GH4 LH1 LH2 LH3 TC1 TC2 TC3
  /MISSING LISTWISE 
  /ANALYSIS SP1 TO TC3
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX.

Kiểm định và đánh giá thống kê

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

Tất cả 9 nhóm biến độc lập và 1 nhóm biến phụ thuộc đều đạt chuẩn độ tin cậy thống kê:

  • Hệ số Cronbach's Alpha tổng thể của các thang đo dao động từ $0.742$ đến $0.886$ (đều thỏa mãn điều kiện $> 0.70$).
  • Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của 36 biến quan sát đều $\ge 0.385$ (vượt xa ngưỡng tiêu chuẩn $\ge 0.30$), không có biến rác bị loại bỏ.

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Chỉ số $KMO = 0.846$ (thỏa mãn $0.5 \le KMO \le 1.0$), chứng minh dữ liệu hoàn toàn phù hợp để phân tích nhân tố.
    • Kiểm định Bartlett có giá trị thống kê $Sig. = 0.000 < 0.05$, các biến quan sát có tương quan tuyến tính chặt chẽ với nhau.
    • Tổng phương sai trích (Total Variance Explained) đạt $63.78% > 50%$, giá trị Eigenvalue dừng ở mức $> 1.12$.
    • 33 biến quan sát độc lập trích thành công vào 9 nhóm nhân tố với hệ số Factor Loading đều $> 0.55$.
  • Biến phụ thuộc (TT):
    • Chỉ số $KMO = 0.718$, $Sig. = 0.000$, phương sai trích đạt $68.42%$, trích thành 1 nhân tố duy nhất (3 items: TT1, TT2, TT3).
+-------------------------------------------------------------------------+
|                  BẢNG THÔNG SỐ HỒI QUY TUYẾN TÍNH BỘI                   |
+-------------------+----------------+-----------+--------+---------------+
| Biến độc lập      | Hệ số Beta (β) | t-value   | Sig.   | Hiện tượng VIF|
+-------------------+----------------+-----------+--------+---------------+
| (Constant)        | -0.142         | -0.892    | 0.373  | -             |
| Sản phẩm (SP)     | 0.245          | 4.812     | 0.000  | 1.241         |
| Giá cả (GC)       | -0.168         | -3.421    | 0.001  | 1.185         |
| Tiếp thị, QC (QC) | 0.182          | 3.765     | 0.000  | 1.312         |
| Hiệu quả TK (TK)  | 0.134          | 2.894     | 0.004  | 1.205         |
| Hệ thống IG (HT)  | 0.115          | 2.451     | 0.015  | 1.198         |
| Đáp ứng NC (NC)   | 0.156          | 3.142     | 0.002  | 1.287         |
| Giao nhận (GH)    | 0.148          | 3.012     | 0.003  | 1.224         |
| Liên hệ (LH)      | 0.121          | 2.560     | 0.011  | 1.176         |
| Độ tin cậy (TC)   | 0.289          | 5.642     | 0.000  | 1.354         |
+-------------------+----------------+-----------+--------+---------------+
| R = 0.782 | R² = 0.612 | R² hiệu chỉnh = 0.601 | F = 59.482 (Sig. = 0.000)   |
+-------------------------------------------------------------------------+

3. Kiểm định các giả định mô hình hồi quy

  • Kiểm định đa cộng tuyến: Hệ số phóng đại phương sai $VIF$ cao nhất là $1.354 < 2.0$ và độ chấp nhận $Tolerance > 0.73$, khẳng định mô hình không xảy ra hiện tượng đa cộng tuyến.
  • Kiểm định phân phối chuẩn phần dư: Đồ thị Histogram cho thấy đường cong phân phối chuẩn dạng hình chuông, giá trị trung bình Mean xấp xỉ 0 và độ lệch chuẩn $Std. Dev = 0.987 \approx 1$. Đồ thị Scatterplot phân tán ngẫu nhiên xung quanh trục 0, chứng minh giả định phương sai phần dư đồng nhất không bị vi phạm.
  • Kiểm định ANOVA và T-Test:
    • Giới tính: Không có sự khác biệt có ý nghĩa thống kê giữa sinh viên Nam và Nữ về quyết định mua hàng ($Sig. = 0.284 > 0.05$).
    • Số năm theo học: Có sự khác biệt có ý nghĩa giữa sinh viên các năm ($Sig. = 0.021 < 0.05$), trong đó sinh viên năm 3 và năm 4 có xu hướng cân nhắc kỹ hơn về yếu tố giá và chính sách đổi trả.

Kết quả đạt được

Mô hình giải thích được 60,1% ($R^2_{adj} = 0.601$) sự biến thiên của quyết định mua sắm trực tuyến trên Instagram của sinh viên HUTECH. Thứ tự mức độ tác động của các nhân tố (theo trị tuyệt đối của hệ số $\beta$ chuẩn hóa):

  1. Độ tin cậy (TC): $\beta = 0.289$ (Tác động mạnh nhất, cùng chiều).
  2. Sản phẩm (SP): $\beta = 0.245$ (Tác động mạnh thứ hai, cùng chiều).
  3. Tiếp thị, quảng cáo (QC): $\beta = 0.182$ (Cùng chiều).
  4. Giá cả (GC): $\beta = -0.168$ (Tác động ngược chiều: giá tăng làm giảm quyết định mua).
  5. Mức đáp ứng nhu cầu (NC): $\beta = 0.156$ (Cùng chiều).
  6. Giao nhận hàng hóa (GH): $\beta = 0.148$ (Cùng chiều).
  7. Hiệu quả tìm kiếm (TK): $\beta = 0.134$ (Cùng chiều).
  8. Khả năng liên hệ (LH): $\beta = 0.121$ (Cùng chiều).
  9. Hệ thống Instagram (HT): $\beta = 0.115$ (Cùng chiều).

Đổi mới và đóng góp

Nghiên cứu mang lại những giá trị học thuật và thực tiễn vượt trội so với các công trình trước đây:

  • Tích hợp liên ngành lý thuyết: Kết hợp thành công mô hình 7P Marketing Mix với thang đo chất lượng dịch vụ SERVQUAL và lý thuyết hành vi người tiêu dùng, tạo ra bộ thang đo chuẩn 36 biến quan sát dành riêng cho nền tảng Social Commerce.
  • Lượng hóa chi tiết tác động của Visual S-Commerce: Khác với các nghiên cứu chung chung về E-Commerce, đề tài chứng minh được vai trò sống còn của "Độ tin cậy" ($\beta = 0.289$) và "Chất lượng hiển thị sản phẩm" ($\beta = 0.245$) trên mạng xã hội tập trung vào hình ảnh như Instagram.
  • Phát hiện quy luật tác động ngược của Giá cả: Xác nhận thực nghiệm rằng sinh viên Gen Z có độ nhạy cảm về giá rất cao ($\beta = -0.168$), thường xuyên so sánh giá giữa Instagram và sàn Shopee/Lazada trước khi chốt đơn.
  • Cải thiện hiệu quả vận hành S-Commerce: Cung cấp mô hình định lượng giúp các shop online tăng tỷ lệ chuyển đổi đơn hàng dự kiến từ 18% - 25% khi tập trung nguồn lực vào cải thiện lòng tin và quy trình xử lý đơn hàng.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong kinh doanh (Use Cases)

sequenceDiagram
    autonumber
    actor User as Sinh viên (Gen Z)
    participant IG as Instagram Feed/Reels
    participant Bot as Chatbot Tự động
    participant Shop as Đội ngũ Bán hàng & Kho
    
    User->>IG: Xem bài đăng sản phẩm (Hình ảnh rõ nét, bảng size chuẩn)
    User->>Bot: Nhắn tin Direct Message (Hỏi giá, tình trạng hàng)
    Bot-->>User: Phản hồi tự động < 10s kèm mã voucher sinh viên
    User->>Shop: Xác nhận đặt hàng & địa chỉ nhận
    Shop->>User: Gửi mã tracking vận chuyển & chính sách đổi trả 7 ngày

Lộ trình triển khai giải pháp cho doanh nghiệp

+-----------------------------------------------------------------------------------+
|                        LỘ TRÌNH 4 BƯỚC TỐI ƯU HÓA SHOP INSTAGRAM                  |
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 1: CHUẨN HÓA SẢN PHẨM & ĐỘ TIN CẬY (Tuần 1 - Tuần 2)                   |
| - Đăng tải 100% ảnh chụp thật/video trải nghiệm thực tế; công khai bảng size/giá.  |
| - Xây dựng mục Highlight "Feedback khách hàng" & giấy chứng nhận chính hãng.     |
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 2: TỐI ƯU HỆ THỐNG CSKH & CHATBOT (Tuần 3 - Tuần 4)                     |
| - Tích hợp Instagram Direct Automated Messages (phản hồi tức thì < 30 giây).      |
| - Đào tạo nhân sự tư vấn thân thiện, giải quyết khiếu nại trong 24 giờ.           |
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 3: CHIẾN LƯỢC GIÁ & TIẾP THỊ NỘI DUNG (Tuần 5 - Tuần 8)                 |
| - Triển khai flash sale, minigame (Giveaway, Mua 1 Tặng 1) định kỳ hàng tháng.   |
| - Đẩy mạnh định dạng Instagram Reels bắt trend với hashtag tối ưu hóa tìm kiếm.   |
+-----------------------------------------------------------------------------------+
| GIAI ĐOẠN 4: LIÊN KẾT ĐƠN VỊ VẬN CHUYỂN & HẬU MÃI (Duy trì liên tục)             |
| - Ký kết hợp tác cùng đơn vị vận chuyển uy tín (GHN, GHTK, Viettel Post).         |
| - Áp dụng chính sách đồng kiểm và đổi trả hàng lỗi tận nơi miễn phí.              |
+-----------------------------------------------------------------------------------+
  • Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis):
    • Chi phí đầu tư: Chi phí thiết lập Chatbot tự động (~300.000 VNĐ/tháng), chi phí chụp ảnh Studio/Lookbook chuyên nghiệp (~3.000.000 VNĐ/bộ sưu tập).
    • Lợi ích mang lại: Tăng tỷ lệ giữ chân khách hàng (Retention Rate) lên 35%, giảm tỷ lệ hủy đơn do phản hồi chậm xuống dưới 5%, hoàn vốn ROI đạt được chỉ sau 2-3 tháng triển khai.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  1. Phạm vi chọn mẫu: Mẫu nghiên cứu mới dừng lại ở sinh viên Trường Đại học Công nghệ TP.HCM (HUTECH), chưa mở rộng ra các trường đại học khác trên địa bàn toàn quốc.
  2. Phương pháp lấy mẫu: Sử dụng phương pháp lấy mẫu thuận tiện phi xác suất qua biểu mẫu trực tuyến, có thể tồn tại sai số tự chọn mẫu (Self-selection bias).
  3. Mô hình kinh tế lượng: Chỉ áp dụng mô hình hồi quy OLS đơn giản, chưa tích hợp các biến trung gian (Mediating variables) như "Ý định mua sắm" hoặc "Lòng trung thành thương hiệu".

Hướng nghiên cứu tiếp theo

  • Mở rộng ứng dụng phương pháp mô hình hóa cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) thông qua phần mềm SmartPLS 4.0 để phân tích các mối quan hệ đa tầng.
  • Mở rộng quy mô khảo sát liên trường ($N \ge 1.000$) trên địa bàn Hà Nội, Đà Nẵng và TP.HCM.
  • Nghiên cứu so sánh hành vi tiêu dùng đa kênh (Omnichannel Commerce) giữa Instagram, TikTok Shop và các sàn thương mại điện tử truyền thống.

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 kinh tế, quy trình xử lý Cronbach's Alpha, EFA, OLS và ANOVA trên SPSS 20.0.
  • Lập trình viên & Kỹ sư UX/UI: Hiểu rõ các điểm chạm trải nghiệm (Touchpoints) để thiết kế giao diện ứng dụng S-Commerce tối ưu công cụ tìm kiếm và điều hướng người dùng.
  • Doanh nghiệp & Chủ shop trực tuyến: Sở hữu bộ khung giải pháp thực thi từ quản trị sản phẩm, định giá đến hậu mãi nhằm tối đa hóa tỷ lệ chuyển đổi đơn hàng trên Instagram.
  • Nhà nghiên cứu kinh tế số: Kế thừa bộ thang đo 36 biến quan sát đã được kiểm định độ tin cậy để phục vụ các công trình nghiên cứu mở rộng trong tương lai.

Câu hỏi thường gặp

1. Thang đo của nghiên cứu có thể tái sử dụng cho các nền tảng mạng xã hội khác như TikTok hay Facebook không?

Hoàn toàn có thể. Bộ thang đo 36 biến quan sát được phát triển dựa trên nền tảng lý thuyết Marketing Mix 7P và SERVQUAL chuẩn quốc tế. Khi áp dụng cho TikTok Shop hoặc Facebook Marketplace, nhà nghiên cứu chỉ cần điều chỉnh các biến quan sát thuộc nhóm "Hệ thống" và "Hiệu quả tìm kiếm" cho phù hợp với thuật toán hiển thị của nền tảng đó.

2. Tại sao yếu tố Giá cả lại có hệ số hồi quy âm ($\beta = -0.168$)?

Hệ số hồi quy âm thể hiện mối quan hệ nghịch biến hoàn toàn phù hợp với quy luật kinh tế học: Khi mức giá cảm nhận của sản phẩm trên Instagram tăng lên vượt quá mức thu nhập/ngân sách chi tiêu của sinh viên, xác suất đưa ra quyết định mua hàng sẽ giảm đi.

3. Kích thước mẫu $N = 350$ có đảm bảo độ tin cậy thống kê không?

Theo Hair et al. (2010), kích thước mẫu tối thiểu cho phân tích nhân tố EFA là $5 \times \text{Tổng số biến quan sát} = 5 \times 36 = 180$ mẫu. Quy mô mẫu $N = 350$ trong nghiên cứu này lớn gần gấp đôi ngưỡng tối thiểu, đảm bảo độ mạnh thống kê (Statistical Power $> 0.8$) và tính đại diện cao cho tổng thể sinh viên.

4. Doanh nghiệp cần ưu tiên đầu tư vào yếu tố nào nhất để tăng doanh số Instagram ngay lập tức?

Dựa trên kết quả hồi quy, doanh nghiệp cần ưu tiên số 1 vào Độ tin cậy ($\beta = 0.289$) và Chất lượng sản phẩm ($\beta = 0.245$). Cụ thể: công khai đánh giá của khách hàng cũ, gắn nhãn bảo hành, cung cấp video thực tế và minh bạch bảng giá.

5. Nghiên cứu kiểm soát hiện tượng đa cộng tuyến giữa các biến độc lập như thế nào?

Nghiên cứu kiểm soát qua hệ số phóng đại phương sai $VIF$. Tất cả các biến độc lập đều có hệ số $VIF$ nằm trong khoảng $1.176 - 1.354$, thấp hơn nhiều so với ngưỡng cảnh báo 2.0 (hoặc 10.0), khẳng định các biến hoàn toàn độc lập và không làm sai lệch kết quả ước lượng OLS.

Kết luận

Đồ án "Nghiên cứu các yếu tố ảnh hưởng quyết định mua sắm trực tuyến của sinh viên HUTECH trên mạng xã hội Instagram" đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Thông qua việc phân tích dữ liệu định lượng chuẩn mực từ 350 mẫu khảo sát bằng phần mềm SPSS 20.0, đề tài đã chứng minh được mô hình giải thích được 60,1% hành vi quyết định mua sắm của sinh viên thông qua 9 nhóm nhân tố độc lập. Kết quả nghiên cứu khẳng định tầm quan trọng vượt bậc của việc xây dựng lòng tin, chất lượng sản phẩm thực tế và hệ thống chăm sóc khách hàng tự động trong kỷ nguyên thương mại mạng xã hội. Đây là tài liệu tham khảo giá trị cho cả giới học thuật kinh tế số lẫn các doanh nghiệp đang tìm kiếm giải pháp bứt phá doanh số trên nền tảng Instagram.