Giới thiệu dự án

Thị trường thanh toán không dùng tiền mặt tại Việt Nam đang trải qua giai đoạn tăng trưởng bùng nổ dưới sự bảo trợ của Quyết định số 2545/QĐ-TTg của Thủ tướng Chính phủ và hành lang pháp lý từ Thông tư 19/2016/TT-NHNN của Ngân hàng Nhà nước Việt Nam. Trong bức tranh kinh tế số, thế hệ GenZ (sinh từ 1997 đến 2012) nổi lên như một phân khúc khách hàng chiến lược. Theo thống kê từ Nielsen Việt Nam, thế hệ Z sở hữu quy mô khoảng 15 triệu người, chiếm 25% lực lượng lao động quốc gia và dự kiến đóng góp tới 30% tổng mức tiêu dùng nội địa.

Tuy nhiên, các Ngân hàng Thương mại (NHTM) đang đối mặt với bài toán nan giải: tỷ lệ mở thẻ tín dụng ở nhóm người trẻ còn thấp hơn nhiều so với tiềm năng chi tiêu, xuất phát từ rào cản tâm lý e ngại nợ xấu, thiếu minh bạch biểu phí, quy trình thẩm định phức tạp và sản phẩm thẻ truyền thống chưa bắt trúng thị hiếu "Digital Native". Đồ án khóa luận tốt nghiệp ngành Tài chính – Ngân hàng (Mã ngành: 7340201) tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (HUB) do sinh viên Đoàn Hảo Trang thực hiện dưới sự hướng dẫn khoa học của TS. Nguyễn Anh Tú đã giải quyết trực diện vấn đề này.

       Mô hình Tổng thể Các Yếu tố Chi phối Quyết định Sử dụng Thẻ Tín dụng GenZ
+-------------------------------------------------------------------------------+
|                                                                               |
|  [ Sự tin tưởng (TT) ] ------------(+)------------+                           |
|                                                   |                           |
|  [ Nhận thức hữu ích (HI) ] -------(+)------------+                           |
|                                                   |                           |
|  [ Ảnh hưởng xã hội (AH) ] --------(+)----------> [ Quyết định sử dụng (QD) ] |
|                                                   |                           |
|  [ Chính sách Marketing (MK) ] ----(+)------------+                           |
|                                                   |                           |
|  [ Chi phí sử dụng (CP) ] ---------( - )----------+                           |
|                                                                               |
+-------------------------------------------------------------------------------+

Mục tiêu nghiên cứu của dự án được cụ thể hóa thành ba nhiệm vụ:

  1. Xác định hệ thống 05 nhân tố nền tảng chi phối quyết định phát hành và sử dụng thẻ tín dụng của khách hàng GenZ tại TP. Hồ Chí Minh.
  2. Đo lường chính xác mức độ tác động và trọng số hồi quy chuẩn hóa ($\beta$) của từng nhân tố lên hành vi người dùng thông qua mô hình kinh tế lượng.
  3. Xây dựng ma trận giải pháp quản trị thực thi cho các NHTM nhằm tối ưu hóa vòng đời sản phẩm thẻ tín dụng (Customer Lifetime Value - CLV).

Nghiên cứu tích hợp các khung lý thuyết kinh điển: Thuyết hành vi người tiêu dùng (Philip Kotler, 2001), Thuyết hành động hợp lý (TRA - Ajzen & Fishbein, 1975), Thuyết hành vi dự định (TPB - Ajzen, 1991) và Mô hình chấp nhận công nghệ (TAM - Davis, 1989). Kết quả kỳ vọng cung cấp bộ chỉ số định lượng rõ ràng với kích thước mẫu thực tế $N=202$, phương sai trích xuất vượt 50% và $R^2$ hiệu chỉnh đạt chuẩn kiểm định kinh tế lượng.

Phạm vi nghiên cứu tập trung vào nhóm khách hàng GenZ đủ điều kiện pháp lý mở thẻ (từ 18 tuổi trở lên) trên địa bàn TP. Hồ Chí Minh trong quý 1/2024. Giới hạn đề tài không bao gồm nhóm vị thành niên dưới 18 tuổi chưa tự chủ tài chính theo quy định của pháp luật hiện hành.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường thẻ tín dụng cho giới trẻ hiện nay chứng kiến sự phân hóa mạnh mẽ giữa các nhóm giải pháp từ ngân hàng truyền thống (SoCBs), ngân hàng thương mại cổ phần năng động (JSCBs) và các công ty công nghệ tài chính (FinTech/BNPL).

Tiêu chí so sánh Ngân hàng Truyền thống (SoCBs) NHTM Đổi mới (MBBank, VPBank) Ứng dụng Mua trước Trả sau (BNPL)
Thủ tục thẩm định Phức tạp, yêu cầu sao kê lương giấy 100% eKYC, phê duyệt hạn mức linh hoạt Xét duyệt tức thì qua Credit Score số
Trải nghiệm sản phẩm Thẻ vật lý đơn điệu, phí thường niên cao Thẻ tích hợp 2-in-1, cá nhân hóa visual Số hóa hoàn toàn trên app, không thẻ cứng
Chương trình ưu đãi Tích điểm cổ điển, hoàn tiền thấp (<2%) Hoàn tiền tới 10% (giải trí, dining, shopping) Giảm giá trực tiếp đơn hàng thương mại điện tử
Rào cản lớn nhất Biểu phí phạt và lãi suất không rõ ràng Hạn mức ban đầu cấp còn thận trọng Phí phạt chậm trả cao, kỳ hạn trả ngắn

Khảo sát nhu cầu người dùng theo ma trận phân hạng tính năng MoSCoW:

  • Must-have (Bắt buộc phải có): Tính năng bảo mật 3D-Secure 2.0, công nghệ không tiếp xúc (Contactless EMV), miễn lãi tối thiểu 45–55 ngày, quản lý khóa/mở thẻ tức thì trên ứng dụng di động.
  • Should-have (Nên có): Hoàn tiền ngành hàng lifestyle theo danh mục tự chọn, hỗ trợ chuyển đổi trả góp 0% lãi suất qua ứng dụng.
  • Could-have (Có thể có): Thẻ ảo phát hành ngay sau 1 phút, thiết kế phôi thẻ theo phong cách Pop-Culture/Anime/Minimalism (điển hình như MB Hi JCB Collection hay VPBank JCB Z Card).
  • Won't-have (Chưa ưu tiên): Thẻ kim loại cao cấp kèm phòng chờ sân bay (không phù hợp với hạn mức và thu nhập bình quân của GenZ).

Thiết kế hệ thống

Hệ thống xử lý và phân tích dữ liệu nghiên cứu hành vi được cấu trúc thành pipeline khép kín từ khâu thu thập dữ liệu thô đến mô hình hóa kinh tế lượng:

flowchart TD
    A[Thu thập dữ liệu: Google Forms n=238] --> B[Tiền xử lý & Làm sạch: Loại 36 mẫu rác]
    B --> C[Dataset chuẩn hóa N=202 mẫu]
    C --> D[Kiểm định Cronbach Alpha: Độ tin cậy thang đo]
    D --> E[Phân tích Nhân tố Khám phá EFA: Trích xuất 5 nhân tố]
    E --> F[Phân tích Tương quan Pearson: Kiểm tra đa cộng tuyến]
    F --> G[Hồi quy Tuyến tính Đa biến OLS]
    G --> H[Kiểm định Giả định: Durbin-Watson, VIF, ANOVA]
    H --> I[Xuất Báo cáo & Đề xuất Hàm ý Quản trị]

Technology Stack phục vụ nghiên cứu và xử lý thống kê:

  • Thu thập dữ liệu: Google Forms API kết hợp Google Sheets Webhook.
  • Xử lý thống kê chuyên sâu: IBM SPSS Statistics v20.0 Core Engine.
  • Thư viện đối chuẩn nâng cao: Python 3.10, pandas v2.1.4, statsmodels v0.14.1, pingouin v0.5.4, factor_analyzer v0.5.0.
  • Quy chuẩn thang đo: Thang đo khoảng cách Likert 5 mức độ (1: Rất không đồng ý -> 5: Rất đồng ý).

Cấu trúc Schema cơ sở dữ liệu khảo sát (Data Dictionary):

  • participant_id: Chuỗi định danh duy nhất (UUIDv4).
  • demographics: Giới tính, Tình trạng hôn nhân, Trình độ học vấn, Nghề nghiệp, Thu nhập bình quân.
  • construct_TT (Sự tin tưởng): $TT_1, TT_2, TT_3, TT_4 \in [1, 5]$.
  • construct_HI (Nhận thức hữu ích): $HI_1, HI_2, HI_3, HI_4 \in [1, 5]$.
  • construct_AH (Ảnh hưởng xã hội): $AH_1, AH_2, AH_3, AH_4 \in [1, 5]$.
  • construct_MK (Chính sách Marketing): $MK_1, MK_2, MK_3, MK_4, MK_5 \in [1, 5]$.
  • construct_CP (Chi phí sử dụng): $CP_1, CP_2, CP_3, CP_4 \in [1, 5]$.
  • construct_QD (Quyết định sử dụng): $QD_1, QD_2, QD_3 \in [1, 5]$.

An toàn dữ liệu và tuân thủ: Dữ liệu thu thập được ẩn danh hóa 100% (Anonymization), loại bỏ các trường PII (Personally Identifiable Information) như họ tên, số điện thoại, số CCCD, tuân thủ tiêu chuẩn bảo vệ dữ liệu cá nhân theo Nghị định 13/2023/NĐ-CP.

Yêu cầu kích thước mẫu: Theo công thức chuẩn của Hair et al. (2014) cho phân tích EFA và hồi quy đa biến: $$n \ge 5 \times x = 5 \times 24 = 120 \text{ quan sát}$$ Trong đó $x = 24$ là tổng số biến quan sát. Cỡ mẫu thu thập hợp lệ thực tế đạt $N = 202$, vượt 168.3% so với ngưỡng tối thiểu, đảm bảo độ mạnh kiểm định thống kê (Statistical Power $> 0.8$).

Methodology

Phương pháp luận nghiên cứu kết hợp phương pháp nghiên cứu định tính và định lượng (Mixed-Methods Empirical Research):

  1. Nghiên cứu định tính: Tổng quan tài liệu học thuật kết hợp phỏng vấn sâu chuyên gia tín dụng và focus group 10 khách hàng GenZ để hiệu chỉnh nội dung 24 biến quan sát, xây dựng bảng hỏi sơ bộ.
  2. Nghiên cứu định lượng: Khảo sát diện rộng ngẫu nhiên phân tầng kết hợp thuận tiện, sàng lọc mẫu và phân tích trên SPSS 20.0 qua 5 giai đoạn: Thống kê mô tả $\rightarrow$ Kiểm định Cronbach's Alpha $\rightarrow$ EFA $\rightarrow$ Tương quan Pearson $\rightarrow$ Hồi quy OLS.

Kế hoạch thực hiện dự án (Project Timeline):

  • Tuần 1 - Tuần 2: Xác định vấn đề nghiên cứu, tổng quan cơ sở lý thuyết TRA, TPB, TAM, Kotler.
  • Tuần 3 - Tuần 4: Xây dựng thang đo sơ bộ, phỏng vấn chuyên gia, chuẩn hóa thang đo chính thức.
  • Tuần 5 - Tuần 7: Phát hành 250 phiếu khảo sát qua kênh Online/Offline, thu về 238 phản hồi.
  • Tuần 8 - Tuần 9: Tiền xử lý dữ liệu, loại 36 mẫu không hợp lệ, thực thi phân tích mô hình trên SPSS 20.0.
  • Tuần 10 - Tuần 12: Thảo luận kết quả, kiểm định giả thuyết kinh tế lượng, hoàn thiện hệ thống hàm ý quản trị.

Đánh giá rủi ro và giải pháp khắc phục:

  • Rủi ro chệch mẫu (Sampling Bias): Khắc phục bằng cách kiểm định phân phối Levene's Test và ANOVA kiểm tra sự khác biệt giữa các nhóm nhân khẩu học.
  • Rủi ro đa cộng tuyến (Multicollinearity): Kiểm soát nghiêm ngặt qua hệ số phóng đại phương sai (VIF) với ngưỡng chấp nhận $VIF < 2.0$.

Implementation và kết quả

Development process

Quá trình chuyển đổi dữ liệu và thực thi mô hình toán kinh tế lượng được cụ thể hóa thông qua đoạn mã Python/SPSS cú pháp dưới đây, thể hiện cách thức tự động hóa kiểm định độ tin cậy và phân tích hồi quy:

import pandas as pd
import numpy as np
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
import pingouin as pg

# 1. Tải và tiền xử lý dữ liệu khảo sát
df_raw = pd.read_csv("genz_credit_card_survey_2024.csv")
# Loại bỏ các mẫu outliers và dữ liệu không hợp lệ (36 mẫu)
df_clean = df_raw.dropna().query("age >= 18 and valid_response == 1")
print(f"Kích thước mẫu phân tích chính thức: {len(df_clean)} quan sát")

# 2. Kiểm định độ tin cậy Cronbach's Alpha cho từng thang đo
constructs = {
    'TT': ['TT1', 'TT2', 'TT3', 'TT4'],
    'HI': ['HI1', 'HI2', 'HI3', 'HI4'],
    'AH': ['AH1', 'AH2', 'AH3', 'AH4'],
    'MK': ['MK1', 'MK2', 'MK3', 'MK4', 'MK5'],
    'CP': ['CP1', 'CP2', 'CP3', 'CP4'],
    'QD': ['QD1', 'QD2', 'QD3']
}

for name, items in constructs.items():
    alpha, _ = pg.cronbach_alpha(data=df_clean[items])
    print(f"Thang đo {name} - Cronbach's Alpha: {alpha:.3f}")

# 3. Phân tích hồi quy tuyến tính đa biến (OLS Regression)
# Tính giá trị đại diện biến (Mean scores)
for name, items in constructs.items():
    df_clean[name] = df_clean[items].mean(axis=1)

X = df_clean[['TT', 'HI', 'AH', 'MK', 'CP']]
y = df_clean['QD']
X_with_const = sm.add_constant(X)

ols_model = sm.OLS(y, X_with_const).fit()
print(ols_model.summary())

Công thức toán học của mô hình hồi quy tuyến tính xác định: $$QD = \beta_0 + \beta_1 \cdot TT + \beta_2 \cdot HI + \beta_3 \cdot AH + \beta_4 \cdot MK - \beta_5 \cdot CP + \epsilon$$

Testing và validation

Kết quả kiểm định độ tin cậy thang đo qua hệ số Cronbach’s Alpha cho thấy toàn bộ 6 thang đo đều đạt chuẩn học thuật khắt khe ($\alpha > 0.70$ và tương quan biến - tổng Corrected Item-Total Correlation $> 0.30$):

Thang đo biến nghiên cứu Số biến quan sát Hệ số Cronbach’s Alpha Tương quan biến-tổng nhỏ nhất Kết luận
Sự tin tưởng (TT) 04 biến ($TT_1 - TT_4$) 0.842 0.621 ($TT_3$) Đạt độ tin cậy rất tốt
Nhận thức hữu ích (HI) 04 biến ($HI_1 - HI_4$) 0.876 0.684 ($HI_1$) Đạt độ tin cậy rất tốt
Ảnh hưởng xã hội (AH) 04 biến ($AH_1 - AH_4$) 0.815 0.589 ($AH_4$) Đạt độ tin cậy tốt
Chính sách Marketing (MK) 05 biến ($MK_1 - MK_5$) 0.863 0.612 ($MK_2$) Đạt độ tin cậy rất tốt
Chi phí sử dụng (CP) 04 biến ($CP_1 - CP_4$) 0.829 0.597 ($CP_3$) Đạt độ tin cậy tốt
Quyết định sử dụng (QD) 03 biến ($QD_1 - QD_3$) 0.851 0.672 ($QD_2$) Đạt độ tin cậy rất tốt

Kết quả phân tích nhân tố khám phá (EFA):

  • Kiểm định KMO và Bartlett các biến độc lập: Hệ số $KMO = 0.868$ ($0.5 \le KMO \le 1.0$), Kiểm định Bartlett có giá trị thống kê $\chi^2 = 2145.68$ với mức ý nghĩa $Sig. = 0.000 < 0.05$, chứng minh các biến quan sát có tương quan chặt chẽ trong tổng thể.
  • Tổng phương sai trích (Total Variance Explained): Đạt 63.42% ($> 50%$), tại điểm dừng Eigenvalue $= 1.218 > 1.0$. Điều này khẳng định 5 nhân tố trích xuất giải thích được 63.42% độ biến thiên của bộ dữ liệu.
  • Hệ số tải nhân tố (Factor Loading): Tất cả 21 biến quan sát độc lập đều có Factor Loading dao động từ $0.614$ đến $0.845$ ($> 0.50$), phân tách rõ ràng thành 5 nhóm nhân tố mà không xảy ra hiện tượng chéo biến.

Kết quả đạt được

Kết quả phân tích hồi quy tuyến tính đa biến trên mẫu $N = 202$ cho thấy mô hình đạt độ tương thích cao với dữ liệu thực tế:

Biến độc lập trong mô hình Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị t Mức ý nghĩa (Sig.) Hệ số VIF
Hằng số (Constant) 0.412 0.185 - 2.227 0.027 -
Sự tin tưởng (TT) 0.284 0.046 0.312 6.174 0.000 1.245
Nhận thức hữu ích (HI) 0.248 0.043 0.276 5.767 0.000 1.189
Ảnh hưởng xã hội (AH) 0.182 0.039 0.198 4.667 0.000 1.204
Chính sách Marketing (MK) 0.165 0.041 0.174 4.024 0.000 1.156
Chi phí sử dụng (CP) -0.142 0.038 -0.158 -3.737 0.000 1.082

Các chỉ số chất lượng mô hình tổng thể:

  • Hệ số xác định $R^2 = 0.584$; Hệ số $R^2$ hiệu chỉnh (Adjusted $R^2$) = 0.573 (mô hình giải thích được 57.3% sự biến thiên của Quyết định sử dụng thẻ tín dụng ở GenZ).
  • Kiểm định ANOVA: Giá trị $F = 55.062$ với $Sig. = 0.000 < 0.001$, khẳng định mô hình hồi quy tuyến tính xây dựng là hoàn toàn phù hợp.
  • Hệ số Durbin-Watson = 1.912 (nằm trong khoảng $1.5 - 2.5$), chứng minh mô hình không vi phạm giả định tự tương quan chuỗi bậc nhất.
  • Hệ số phóng đại phương sai $VIF \in [1.082; 1.245] \ll 10$, xác nhận không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.

Tất cả 5 giả thuyết từ $H_1$ đến $H_5$ đều được chấp nhận với mức ý nghĩa $p < 0.001$. Trong đó, Sự tin tưởng ($\beta = 0.312$) có tác động mạnh nhất, tiếp theo là Nhận thức hữu ích ($\beta = 0.276$), Ảnh hưởng xã hội ($\beta = 0.198$), Chính sách Marketing ($\beta = 0.174$), và Chi phí sử dụng ($\beta = -0.158$) mang tác động nghịch biến.


Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn nổi bật khi so sánh với các công trình nghiên cứu trước đây:

Tiêu chí Nghiên cứu Hà Nam Khánh Giao (2020) Nghiên cứu Phùng Thị Ngát (2022) Đồ án Khóa luận Hiện tại (2024)
Đối tượng nghiên cứu Khách hàng cá nhân tổng quát (Smartbanking BIDV) Khách hàng cá nhân tổng thể tại Nam Á Bank Chuyên biệt 100% GenZ (18-27 tuổi)
Không gian & Thời gian Bắc Sài Gòn (Dữ liệu cũ trước 2020) TP. Hồ Chí Minh (Cỡ mẫu nhỏ) Toàn địa bàn TP.HCM (Dữ liệu Q1/2024 mới nhất)
Yếu tố tác động hàng đầu Cảm nhận rủi ro & Chi phí Nhận thức an toàn, bảo mật Sự tin tưởng ($\beta=0.312$) & Hữu ích ($\beta=0.276$)
Cơ sở mô hình tích hợp TAM + UTAUT + IDT TRA + TAM + TPB TAM + TRA + TPB + Kotler chuyên biệt cho GenZ

Những điểm cải tiến cốt lõi:

  1. Đổi mới về phân khúc đối tượng: Thay vì gộp chung khách hàng cá nhân, nghiên cứu giải mã chính xác "điểm nghẽn tâm lý" của thế hệ Z - nhóm đối tượng coi trọng tính an toàn thương hiệu nhưng cực kỳ nhạy cảm với biểu phí ẩn.
  2. Định lượng hóa tác động tiêu cực của chi phí: Minh chứng bằng thực nghiệm rằng mỗi 1 độ lệch chuẩn tăng lên trong nhận thức chi phí (phí thường niên, phí rút tiền mặt, lãi suất phạt) sẽ làm giảm 0.158 độ lệch chuẩn trong quyết định sử dụng thẻ của GenZ.
  3. Cập nhật dữ liệu thời gian thực: Bộ số liệu phản ánh trực tiếp hành vi tiêu dùng sau đại dịch COVID-19 và trong bối cảnh các ngân hàng số (Neo-banks) bùng nổ mạnh mẽ tại trung tâm kinh tế TP. Hồ Chí Minh.

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy chuẩn hóa, các NHTM có thể áp dụng lộ trình triển khai 4 giai đoạn để tăng trưởng thị phần thẻ tín dụng GenZ:

                          Lộ Trình Triển Khai Thực Tế 4 Giai Đoạn
+-----------------------------------------------------------------------------------------+
| Giai đoạn 1: Minh bạch hóa & Xây dựng Lòng tin (Tháng 1 - 2)                           |
| -> Công khai 100% biểu phí trên App, cam kết Zero Hidden Fees, nâng chuẩn bảo mật EMV. |
+-----------------------------------------------------------------------------------------+
                                           |
                                           v
+-----------------------------------------------------------------------------------------+
| Giai đoạn 2: Tối ưu Hóa Giá trị Sử dụng Thực tế (Tháng 3 - 5)                           |
| -> Tích hợp thẻ 2-in-1, mở rộng mạng lưới hoàn tiền Lifestyle (Grab, Shopee, Spotify). |
+-----------------------------------------------------------------------------------------+
                                           |
                                           v
+-----------------------------------------------------------------------------------------+
| Giai đoạn 3: Chiến dịch Tiếp thị Số qua KOC/KOLs (Tháng 6 - 8)                          |
| -> Viral Marketing trên TikTok/Instagram, tài trợ Workshop tài chính cá nhân tại HUB.   |
+-----------------------------------------------------------------------------------------+
                                           |
                                           v
+-----------------------------------------------------------------------------------------+
| Giai đoạn 4: Tái cấu trúc Gói Phí Dành riêng cho GenZ (Tháng 9 - 12)                    |
| -> Miễn phí thường niên trọn đời theo điều kiện chi tiêu, giảm lãi suất cho sinh viên. |
+-----------------------------------------------------------------------------------------+

Bài toán hiệu quả đầu tư (Cost-Benefit Analysis & ROI Estimate):

  • Chi phí đầu tư dự kiến (Ngân sách chiến dịch thẻ GenZ): ~1.2 tỷ VNĐ (Bao gồm chi phí công nghệ phát hành thẻ ảo tức thì, chiến dịch KOCs và ngân sách Cashback ban đầu).
  • Doanh thu kỳ vọng sau 12 tháng:
    • Phát hành mới: 15,000 thẻ tín dụng GenZ hoạt động (Active rate $> 75%$).
    • Doanh số giao dịch bình quân: 3.5 triệu VNĐ/thẻ/tháng $\rightarrow$ Tổng doanh số thanh toán (Interchange fee ~1.2%): Thu phí thanh toán đạt ~756 triệu VNĐ/năm.
    • Phí dịch vụ giá trị gia tăng & lãi vay trả góp: ~1.1 tỷ VNĐ/năm.
  • Tỷ suất sinh lời (ROI): Dự kiến đạt 56.3% sau 18 tháng triển khai, đồng thời tạo tệp khách hàng trung thành chuyển đổi sang vay mua nhà/mua xe khi bước vào độ tuổi 28–35.

Hạn chế và hướng phát triển

Mặc dù đạt được những kết quả có giá trị học thuật và thực tiễn cao, đề tài vẫn tồn tại một số giới hạn:

  • Không gian mẫu: Chỉ thực hiện trên địa bàn TP. Hồ Chí Minh, chưa mở rộng ra các đô thị loại 1 khác như Hà Nội, Đà Nẵng, Hải Phòng hay Cần Thơ để so sánh khác biệt vùng miền.
  • Phương pháp chọn mẫu: Sử dụng phương pháp chọn mẫu thuận tiện phi xác suất ($N=202$), có thể chưa đại diện hoàn hảo cho toàn bộ 15 triệu GenZ trên cả nước.
  • Biến số bổ sung: Chưa đưa các biến kiểm soát hiện đại như "Am hiểu tài chính cá nhân" (Financial Literacy) hay "Mức độ nghiện công nghệ" (Technology Readiness Index - TRI) vào mô hình.

Hướng nghiên cứu tiếp theo:

  1. Mở rộng kích thước mẫu lên $N \ge 1000$ trên phạm vi toàn quốc và áp dụng phương pháp mô hình hóa cấu trúc tuyến tính SEM (Structural Equation Modeling) qua phần mềm SmartPLS hoặc AMOS để kiểm định các tác động trung gian/điều tiết.
  2. Nghiên cứu sâu về hành vi thanh toán tích hợp thẻ trên Apple Pay, Google Wallet và xu hướng thẻ tín dụng không số (Numberless Card).

Đối tượng hưởng lợi

Nghiên cứu mang lại giá trị định lượng cho nhiều nhóm đối tượng trong hệ sinh thái Tài chính - Công nghệ:

  • Sinh viên & Giới trẻ GenZ: Tiếp cận cẩm nang chi tiêu thông minh, nhận biết rõ các loại chi phí phát sinh, phòng tránh bẫy nợ tín dụng và biết cách tận dụng 45-55 ngày miễn lãi để tối ưu dòng tiền cá nhân.
  • Ngân hàng Thương mại & Tổ chức Thẻ quốc tế (Visa/Mastercard/JCB): Sở hữu bộ trọng số thực nghiệm ($\beta$) để phân bổ nguồn lực marketing chính xác, tập trung 58.8% nguồn lực vào xây dựng niềm tin thương hiệu và hoàn thiện tính năng hữu ích thay vì chạy đua khuyến mãi ngắn hạn.
  • Nhà phát triển Ứng dụng & FinTech: Nắm bắt chính xác insight người dùng để thiết kế luồng trải nghiệm UI/UX mở thẻ số hóa trong 3 phút, tích hợp tính năng quản lý ngân sách tự động trên Mobile Banking.
  • Nhà nghiên cứu & Giảng viên: Cung cấp tài liệu tham khảo thực chứng có đầy đủ kiểm định kinh tế lượng, cú pháp phân tích chuẩn mực cho các đề tài về Hành vi tài chính cá nhân và Ngân hàng số.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và pháp lý để GenZ mở thẻ tín dụng tại các NHTM hiện nay là gì?

Khách hàng phải từ đủ 18 tuổi trở lên theo Điều 16 Thông tư 19/2016/TT-NHNN, có căn cước công dân gắn chip hợp lệ. Về mặt kỹ thuật, khách hàng chỉ cần smartphone có camera trước hỗ trợ eKYC (nhận diện khuôn mặt và quét NFC chip CCCD) trên ứng dụng ngân hàng số mà không cần trực tiếp đến quầy giao dịch.

2. Yếu tố nào có trọng số tác động lớn nhất đến quyết định mở thẻ của GenZ?

Yếu tố Sự tin tưởng (TT) giữ vai trò chi phối cao nhất với hệ số chuẩn hóa $\beta = 0.312$ ($p < 0.001$). GenZ ưu tiên lựa chọn các ngân hàng có lịch sử bảo mật tốt, cam kết minh bạch biểu phí và hệ thống vận hành ổn định trước khi cân nhắc đến các yếu tố ưu đãi.

3. Chi phí sử dụng ảnh hưởng tiêu cực như thế nào đến quyết định dùng thẻ?

Hệ số hồi quy của Chi phí sử dụng (CP) là $\beta = -0.158$ với $t = -3.737$ ($p < 0.001$). Điều này chỉ ra rằng các loại phí ẩn, phí thường niên cao và lãi suất phạt trả chậm là rào cản tâm lý trực tiếp khiến người trẻ hủy bỏ ý định mở hoặc tiếp tục duy trì thẻ tín dụng.

4. Các ngân hàng có thể tích hợp giải pháp nào để giải quyết rào cản ảnh hưởng xã hội?

Do yếu tố Ảnh hưởng xã hội (AH) có hệ số tác động $\beta = 0.198$, ngân hàng nên phát triển chương trình "Member-Get-Member" (MGM) tặng thưởng tiền mặt cho cả người giới thiệu và người mở thẻ mới, kết hợp truyền thông giáo dục tài chính qua mạng xã hội (TikTok, Threads) từ các Micro-KOLs có uy tín.

5. Khung phương pháp luận của đề tài có thể nhân rộng cho các dịch vụ tài chính khác không?

Có. Quy trình nghiên cứu chuẩn kết hợp thang đo Likert 5, kiểm định Cronbach's Alpha, EFA và hồi quy OLS hoàn toàn có thể áp dụng chuẩn hóa để phân tích quyết định sử dụng các dịch vụ tài chính mới như Ví điện tử, Bảo hiểm số (InsurTech), Chứng khoán phái sinh hay Ứng dụng đầu tư vi mô (Micro-investing).


Kết luận

Đồ án khóa luận tốt nghiệp "Những yếu tố ảnh hưởng đến quyết định sử dụng thẻ tín dụng của GenZ tại các Ngân hàng Thương mại trên địa bàn Thành phố Hồ Chí Minh" do tác giả Đoàn Hảo Trang thực hiện đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra. Thông qua việc phân tích định lượng chặt chẽ trên mẫu khảo sát $N=202$, nghiên cứu đã định vị chính xác 5 yếu tố then chốt: Sự tin tưởng ($\beta = 0.312$), Nhận thức hữu ích ($\beta = 0.276$), Ảnh hưởng xã hội ($\beta = 0.198$), Chính sách Marketing ($\beta = 0.174$), và Chi phí sử dụng ($\beta = -0.158$).

Kết quả nghiên cứu là luận cứ khoa học vững chắc giúp các nhà hoạch định chiến lược bán lẻ tại các NHTM định hình lại sản phẩm thẻ: chuyển trọng tâm từ "cung cấp phương tiện cho vay tiêu dùng" sang "kiến tạo phong cách sống tài chính văn minh, an toàn và cá nhân hóa" cho thế hệ tương lai của nền kinh tế Việt Nam.

Hành động ngay: Khám phá thêm các tài liệu phân tích dữ liệu chuyên sâu và áp dụng ngay bộ tiêu chí đo lường hành vi khách hàng số vào các dự án chuyển đổi số ngân hàng bán lẻ của bạn!