Giới thiệu dự án

Trong kỷ nguyên Cách mạng Công nghiệp 4.0 và làn sóng chuyển đổi số ngành tài chính, dịch vụ ngân hàng điện tử (E-Banking) đã trở thành trụ cột chiến lược của các ngân hàng thương mại (NHTM) tại Việt Nam. Theo thống kê của Hiệp hội Ngân hàng và Mambu SaaS, hơn 85% người dùng ngân hàng tại Việt Nam có xu hướng chuyển dịch mạnh mẽ sang các kênh số hóa sau đại dịch COVID-19. Tại TP. Hồ Chí Minh – đầu tàu kinh tế với tỷ lệ thanh toán không dùng tiền mặt đạt 89% và hơn 15,6 triệu thẻ thanh toán lưu hành – cuộc cạnh tranh thị phần bán lẻ giữa các NHTM (như Vietcombank, Techcombank, ACB, BIDV) và các công ty công nghệ tài chính (FinTech) ngày càng khốc liệt.

Vấn đề cốt lõi đặt ra cho các nhà quản trị là: Những rào cản và động lực kỹ thuật - tâm lý nào chi phối trực tiếp đến quyết định chấp nhận và sử dụng dịch vụ E-Banking của khách hàng cá nhân (KHCN)? Nếu không định lượng được mức độ tác động của từng yếu tố, ngân hàng dễ phân bổ sai nguồn lực vào hạ tầng công nghệ và chiến dịch tiếp thị.

Đề tài khóa luận tốt nghiệp: "Các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ ngân hàng điện tử của khách hàng cá nhân tại các ngân hàng thương mại trên địa bàn TP. Hồ Chí Minh" (Tác giả: Bành Khánh Phụng; Hướng dẫn: TS. Trần Vương Thịnh; Chuyên ngành: Tài chính – Ngân hàng, Trường Đại học Ngân hàng TP.HCM, 2022) được triển khai nhằm giải quyết trọn vẹn bài toán thực nghiệm này.

+-----------------------------------------------------------------------------------+
|                           MỤC TIÊU VÀ ĐẦU RA CỦA DỰ ÁN                            |
+-----------------------------------------------------------------------------------+
| 1. Hệ thống hóa khung lý thuyết nền tảng (TRA, TPB, TAM).                         |
| 2. Đo lường mức độ tác động của 6 nhân tố độc lập tới Quyết định sử dụng (DEC).   |
| 3. Xây dựng phương trình hồi quy tuyến tính chuẩn hóa với dữ liệu N = 200.        |
| 4. Đề xuất giải pháp tối ưu hóa UI/UX, bảo mật eKYC và nhận diện thương hiệu.     |
+-----------------------------------------------------------------------------------+

Phạm vi nghiên cứu tập trung vào khách hàng cá nhân đang sinh sống, làm việc tại TP.HCM từ tháng 12/2021 đến tháng 02/2022, cung cấp khung định lượng chuẩn xác phục vụ phát triển sản phẩm E-Banking.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành đánh giá so sánh các mô hình hành vi người tiêu dùng phổ biến trên thế giới để xác định nền tảng thích hợp cho thị trường số hóa bán lẻ tại TP.HCM:

Mô hình lý thuyết Tác giả & Năm Ưu điểm kỹ thuật Hạn chế thực nghiệm Ứng dụng trong dự án
TRA (Theory of Reasoned Action) Fishbein & Ajzen (1975) Đơn giản, đo lường rõ thái độ và chuẩn chủ quan. Bỏ qua yếu tố kiểm soát nguồn lực và rào cản kỹ thuật. Nền tảng đo lường ảnh hưởng xã hội.
TPB (Theory of Planned Behaviour) Ajzen (1991) Bổ sung biến nhận thức kiểm soát hành vi (PBC). Chưa tối ưu cho các sản phẩm công nghệ giao diện số. Bổ sung chiều kích năng lực người dùng.
TAM (Technology Acceptance Model) Davis (1989) Chuyên biệt hóa cho hệ thống thông tin (PEOU, PU). Cần mở rộng thêm các biến môi trường (Bảo mật, Thương hiệu). Mô hình cốt lõi, tích hợp 6 biến thực nghiệm.

Khảo sát nhu cầu khách hàng theo phương pháp phân loại MoSCoW:

  • Must have: Tính bảo mật giao dịch (OTP/eKYC/Sinh trắc học), đường truyền ổn định không gián đoạn.
  • Should have: Giao diện trực quan (UI), dễ dàng điều hướng thao tác chuyển khoản/thanh toán hóa đơn.
  • Could have: Tích hợp hệ sinh thái mở (vé máy bay, thương mại điện tử, đầu tư số).
  • Won't have: Thu các loại phụ phí duy trì dịch vụ cơ bản gây cản trở trải nghiệm.

Thiết kế hệ thống mô hình kinh tế lượng

Hệ thống đo lường thực nghiệm được xây dựng theo kiến trúc 6 nhân tố độc lập tác động trực tiếp đến 1 biến phụ thuộc:

[Hình ảnh ngân hàng (BI)] ------------+
[Dễ dàng sử dụng (PE)] --------------|
[Sự an toàn & Bảo mật (PS)] ---------+---> [QUYẾT ĐỊNH SỬ DỤNG E-BANKING (DEC)]
[Lợi ích nhận được (PU)] ------------|     (Mô hình OLS đa biến, R² hiệu chỉnh)
[Ảnh hưởng xã hội (SI)] -------------|
[Chi phí cảm nhận (PC)] -------------+

Công nghệ và công cụ thống kê sử dụng:

  • Môi trường tính toán: IBM SPSS Statistics phiên bản 20.0 (xử lý kiểm định độ tin cậy và hồi quy đa biến).
  • Công cụ thu thập dữ liệu: Google Forms tích hợp mã hóa tự động thang đo Likert 5 mức độ (1: Rất không đồng ý -> 5: Rất đồng ý).
  • Framework đối chuẩn: Python 3.10 (pandas, statsmodels, scikit-learn) dùng trong thẩm định ma trận tương quan và kiểm soát đa cộng tuyến.

Methodology

Quy trình nghiên cứu được chuẩn hóa qua 6 giai đoạn nghiêm ngặt:

  1. Giai đoạn 1: Xác định mục tiêu và tổng quan 10 nghiên cứu tiền nhiệm trong & ngoài nước.
  2. Giai đoạn 2: Thiết lập thang đo nháp và lấy ý kiến chuyên gia ngân hàng.
  3. Giai đoạn 3: Khảo sát thử nghiệm và phân phối chính thức ($N=210$).
  4. Giai đoạn 4: Sàng lọc dữ liệu sạch ($N=200$ mẫu hợp lệ).
  5. Giai đoạn 5: Phân tích định lượng (Cronbach’s Alpha $\rightarrow$ EFA $\rightarrow$ Ma trận tương quan Pearson $\rightarrow$ Hồi quy OLS đa biến $\rightarrow$ Kiểm định vi phạm giả định).
  6. Giai đoạn 6: Tổng hợp kết quả và xây dựng hàm ý quản trị.

Implementation và kết quả

Development process

Quá trình thu thập và tiền xử lý dữ liệu trải qua 3 giai đoạn khảo sát. Bộ dữ liệu gồm 200 mẫu đại diện cho các nhóm nhân khẩu học tại TP.HCM (độ tuổi từ 18-35 chiếm tỷ trọng lớn, phản ánh tập khách hàng chính của FinTech/E-Banking).

Thuật toán và phương trình phân tích hồi quy tổng quát:

$$\text{DEC} = \beta_0 + \beta_1 \text{BI} + \beta_2 \text{PE} + \beta_3 \text{PS} + \beta_4 \text{PU} + \beta_5 \text{SI} + \beta_6 \text{PC} + \epsilon$$

Trong đó:

  • $\text{DEC}$: Quyết định sử dụng dịch vụ NHĐT (Biến phụ thuộc).
  • $\text{BI}$: Hình ảnh ngân hàng (Bank Image).
  • $\text{PE}$: Tính dễ sử dụng cảm nhận (Perceived Ease of Use).
  • $\text{PS}$: Cảm nhận về sự an toàn (Perceived Security).
  • $\text{PU}$: Lợi ích nhận được (Perceived Usefulness).
  • $\text{SI}$: Ảnh hưởng xã hội (Social Influence).
  • $\text{PC}$: Chi phí sử dụng cảm nhận (Perceived Cost).
  • $\beta_1 \dots \beta_6$: Các hệ số hồi quy chuẩn hóa (Standardized Beta).

Đoạn mã cú pháp (Syntax) thực thi kiểm định trên SPSS Statistics / Python tương đương:

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

# 1. Load dataset khảo sát N = 200
df = pd.read_csv("ebanking_survey_data_hcmc.csv")

# 2. Định nghĩa biến độc lập và phụ thuộc
X = df[['BI', 'PE', 'PS', 'PU', 'SI', 'PC']]
y = df['DEC']
X_const = sm.add_constant(X)

# 3. Chạy mô hình OLS Regression
model = sm.OLS(y, X_const).fit()
print(model.summary())

# 4. Kiểm tra đa cộng tuyến (VIF Metric)
vif_data = pd.DataFrame()
vif_data["Feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]
print(vif_data)

Testing và validation

Kết quả kiểm định chất lượng mô hình thống kê qua các bài test tiêu chuẩn:

Chỉ số kiểm định Ngưỡng chấp nhận chuẩn Kết quả thực nghiệm Kết luận kỹ thuật
Cronbach's Alpha $\alpha \ge 0.60$; Tương quan biến-tổng $\ge 0.30$ Dao động từ 0.782 đến 0.886 Thang đo đạt độ nhất quán nội tại rất cao.
KMO (Kaiser-Meyer-Olkin) $0.50 \le \text{KMO} \le 1.00$ $\text{KMO} = 0.843$ Dữ liệu hoàn toàn thích hợp cho phân tích nhân tố.
Kiểm định Bartlett Mức ý nghĩa $p$-value $< 0.05$ $p = 0.000$ (Sig. $< 0.001$) Các biến quan sát có tương quan chặt chẽ.
Tổng phương sai trích (EFA) Phương sai tích lũy $> 50.0%$ $64.82%$ (Eigenvalue $> 1.0$) 6 nhân tố giải thích được 64.82% biến thiên dữ liệu.
Hệ số Đa cộng tuyến (VIF) $\text{VIF} < 2.0$ (hoặc $< 10.0$) $1.120 \le \text{VIF} \le 1.450$ Không có hiện tượng đa cộng tuyến giữa các biến.
Tự tương quan (Durbin-Watson) Khoảng giá trị chấp nhận $1.50 - 2.50$ $d = 1.892$ Phần dư không vi phạm hiện tượng tự tương quan bậc 1.

Kết quả đạt được

Hồi quy đa biến chứng minh cả 6 nhân tố đều có tác động cùng chiều mang ý nghĩa thống kê ($p < 0.05$) tới quyết định sử dụng dịch vụ E-Banking của khách hàng:

+------------------------------------------------------------------------------------+
|                KẾT QUẢ TRỌNG SỐ HỒI QUY CHUẨN HÓA (STANDARDIZED BETA)              |
+------------------------------------------------------------------------------------+
| 1. Hình ảnh ngân hàng (BI)      : Beta = 0.312 | t = 4.821 | p = 0.000 (Mạnh nhất) |
| 2. Dễ dàng sử dụng (PE)         : Beta = 0.245 | t = 3.764 | p = 0.001            |
| 3. Cảm nhận sự an toàn (PS)     : Beta = 0.218 | t = 3.412 | p = 0.002            |
| 4. Lợi ích nhận được (PU)       : Beta = 0.189 | t = 2.980 | p = 0.005            |
| 5. Ảnh hưởng xã hội (SI)        : Beta = 0.154 | t = 2.451 | p = 0.015            |
| 6. Chi phí sử dụng (PC)         : Beta = 0.112 | t = 2.014 | p = 0.045 (Thấp nhất)|
+------------------------------------------------------------------------------------+

Hệ số $R^2$ hiệu chỉnh đạt 0.584, khẳng định mô hình giải thích được 58.4% sự biến thiên trong quyết định sử dụng E-Banking của người tiêu dùng tại TP.HCM.


Đổi mới và đóng góp

  • Tái định nghĩa biến "Hình ảnh ngân hàng": Trong khi các nghiên cứu truyền thống (như Lê Tấn Phước, 2017) cho rằng hình ảnh ngân hàng có tác động yếu nhất, nghiên cứu này chứng minh trong bối cảnh rủi ro an ninh mạng gia tăng tại đô thị lớn, Hình ảnh ngân hàng ($\beta = 0.312$) vươn lên thành động lực chi phối mạnh mẽ nhất. Khách hàng lựa chọn ứng dụng số trước hết dựa trên uy tín thể chế.
  • So sánh với các công trình tiêu biểu:
    • So với Nguyễn Duy Thanh & Cao Hào Thi (2011): Mô hình kiểm soát tốt hơn các biến ngoại lai bằng việc cập nhật các kênh thanh toán thế hệ mới như QR Pay và eKYC.
    • So với Trần Hữu Ái & Cao Hùng Tấn (2020): Phân rã rõ ràng ranh giới giữa nhận thức rủi ro bảo mật hệ thống và nhận thức chi phí giao dịch, cung cấp hệ số $p$-value độc lập có độ tin cậy cao hơn.
  • Đóng góp học thuật & thực tiễn: Xác lập bộ thang đo 26 biến quan sát đã chuẩn hóa cho thị trường tài chính Việt Nam, hỗ trợ các nhóm nghiên cứu sau dễ dàng kế thừa mà không cần hiệu chỉnh cấu trúc nhân tố.

Ứng dụng thực tế và triển khai

Dựa trên trọng số Beta thực nghiệm, các NHTM có thể thực thi lộ trình nâng cấp hệ thống E-Banking theo 4 giai đoạn chiến lược:

[Giai đoạn 1: Q1]               [Giai đoạn 2: Q2]               [Giai đoạn 3: Q3]               [Giai đoạn 4: Q4]
Tối ưu hóa UI/UX                Triển khai eKYC AI              Chính sách Zero-Fee             Chiến dịch Word-of-Mouth
- Rút ngắn thao tác < 3 clicks  - Xác thực sinh trắc học FIDO2  - Miễn phí chuyển khoản 24/7    - Referral program
- Tăng tốc độ load < 1.5s       - Mã hóa bảo mật OTP nâng cao   - Minh bạch biểu phí dịch vụ    - Quảng bá đa kênh
  1. Chiến lược Thương hiệu & Tin cậy (Trọng số 0.312): Tăng cường truyền thông về chuẩn an toàn thông tin quốc tế (PCI-DSS, ISO 27001), hợp tác cùng NHNN trong các chiến dịch bảo vệ người dùng số.
  2. Thiết kế Tương tác UI/UX (Trọng số 0.245): Giảm thiểu độ phức tạp biểu mẫu, chuẩn hóa luồng giao dịch tối đa 3 chạm, tích hợp trợ lý ảo Voice Banking.
  3. Tăng cường An ninh Hệ thống (Trọng số 0.218): Thiết lập phát hiện gian lận bằng máy học (Fraud Detection System) để cảnh báo giao dịch bất thường trong thời gian thực.
  4. Chính sách Chi phí (Trọng số 0.112): Áp dụng chiến lược Zero-Fee cho giao dịch thường xuyên, tạo điều kiện giữ chân khách hàng cá nhân gắn bó lâu dài.

Hạn chế và hướng phát triển

  • Quy mô mẫu ($N=200$): Mẫu tập trung chủ yếu tại TP.HCM, chưa bao quát khu vực nông thôn hoặc các đô thị loại II, loại III.
  • Phương pháp lấy mẫu thuận tiện: Khảo sát online trong giai đoạn dịch bệnh có thể tạo ra độ lệch nhất định về phía nhóm người dùng am hiểu công nghệ.
  • Hướng mở rộng:
    • Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) / PLS-SEM để phân tích các tác động gián tiếp và biến điều tiết (Moderating variables: Độ tuổi, Thu nhập).
    • Mở rộng nghiên cứu sang lĩnh vực Ngân hàng Mở (Open Banking) và Tài chính phi tập trung (Decentralized Finance).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu khoa học, từ xây dựng bảng hỏi, xử lý ma trận EFA đến phân tích hồi quy OLS trên SPSS 20.
  • Kỹ sư Phần mềm & Product Owner FinTech: Nắm bắt các chỉ số đo lường trải nghiệm người dùng để tối ưu kiến trúc Microservices và luồng thanh toán E-Banking.
  • Ban Lãnh đạo Ngân hàng Thương mại: Có cơ sở khoa học định lượng để ra quyết định phân bổ ngân sách marketing và đầu tư hạ tầng bảo mật.
  • Nhà nghiên cứu kinh tế: Sở hữu bộ dữ liệu thực chứng và trọng số tác động của thị trường tài chính TP.HCM thời kỳ hậu đại dịch.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai bộ công cụ phân tích dữ liệu của đề tài là gì?

Máy tính chạy hệ điều hành Windows 10/11 hoặc macOS, RAM tối thiểu 4GB, cài đặt phần mềm IBM SPSS Statistics v20.0 trở lên (hoặc môi trường Python 3.8+ với các thư viện statsmodels, scipy, pandas).

2. Tại sao yếu tố "Hình ảnh ngân hàng" lại có tác động lớn nhất trong nghiên cứu này?

Tại các đô thị phát triển như TP.HCM, người tiêu dùng có nhận thức sâu sắc về rủi ro lừa đảo công nghệ cao. Uy tín và hình ảnh an toàn của ngân hàng đóng vai trò là "màng lọc tin cậy" tiên quyết trước khi họ quyết định giao dịch tài sản số.

3. Mô hình có tích hợp được cho các ngân hàng số độc lập (Digital-only Banks) không?

Hoàn toàn có thể. Tuy nhiên, các ngân hàng số độc lập cần tập trung nguồn lực lớn hơn vào biến "Cảm nhận an toàn (PS)" và "Tính dễ sử dụng (PE)" do chưa có hệ thống chi nhánh vật lý củng cố hình ảnh thương hiệu.

4. Chi phí sử dụng (PC) tác động thấp nhất có đồng nghĩa ngân hàng có thể tùy ý tăng phí không?

Không. Hệ số Beta thấp ($\beta = 0.112$) chỉ phản ánh rằng khách hàng sẵn sàng trả mức phí hợp lý nếu nhận lại dịch vụ chất lượng và bảo mật vượt trội. Việc áp phí bất hợp lý sẽ kích hoạt rào cản từ bỏ dịch vụ sang các ngân hàng Zero-Fee.

5. Khung thời gian hoàn vốn (ROI) khi ngân hàng đầu tư nâng cấp UI/UX và bảo mật theo khuyến nghị là bao lâu?

Dựa trên tốc độ tăng trưởng giao dịch 20%/năm tại TP.HCM, việc cải tiến hệ sinh thái E-Banking thường đem lại điểm hòa vốn và sinh lời trong khoảng 12 đến 18 tháng thông qua giảm chi phí vận hành chi nhánh quầy và tăng thu nhập ngoài lãi (NFI).


Kết luận

Khóa luận tốt nghiệp của tác giả Bành Khánh Phụng đã giải quyết xuất sắc bài toán định lượng hành vi người tiêu dùng E-Banking tại TP.HCM. Bằng việc phối hợp chặt chẽ giữa cơ sở lý thuyết hiện đại (TRA, TPB, TAM) và công cụ thống kê SPSS 20.0 trên mẫu dữ liệu $N=200$, nghiên cứu đã chứng minh vai trò then chốt của Hình ảnh thương hiệu ($\beta = 0.312$), Tính dễ sử dụng ($\beta = 0.245$)An toàn bảo mật ($\beta = 0.218$).

Đây là công trình nghiên cứu ứng dụng có giá trị tham khảo học thuật cao và là cẩm nang thực chiến giá trị cho các nhà quản trị NHTM trong hành trình bứt phá chuyển đổi số.