Giới thiệu dự án

Bối cảnh thị trường và vấn đề nghiên cứu

Sự bùng nổ của cuộc Cách mạng Công nghiệp 4.0 cùng quá trình chuyển đổi số đã tái định hình hành vi tiêu dùng toàn cầu. Tại Việt Nam, theo báo cáo thị trường từ We Are Social & Hootsuite (2021), cả nước có 68,72 triệu người sử dụng Internet (chiếm 70,3% dân số) với 154,4 triệu kết nối thiết bị di động (đạt tỷ lệ 157,9% so với quy mô dân số). Đáng chú ý, cơ cấu dân số trong độ tuổi lao động từ 16 đến 64 tuổi chiếm 67,4%, tạo nền tảng vững chắc cho sự phát triển của thương mại điện tử (TMĐT) B2C.

Song song đó, báo cáo từ nền tảng lắng nghe mạng xã hội Reputa (2021) ghi nhận thị trường giao thức ăn trực tuyến tại Việt Nam đạt doanh thu 38 triệu USD vào năm 2020 và duy trì tốc độ tăng trưởng kép hàng năm (CAGR) ước tính 11% trong giai đoạn 2020–2025, với sự cạnh tranh khốc liệt giữa các nền tảng công nghệ như GrabFood, Now (ShopeeFood), Baemin và GoFood.

                  THỊ TRƯỜNG TMĐT & GIAO THỰC PHẨM VIỆT NAM (2020 - 2021)

Tại TP. Hồ Chí Minh – trung tâm kinh tế với diện tích 2.096,56 km² và mật độ dân số cao, lực lượng lao động văn phòng chiếm tỷ trọng lớn trong cơ cấu tiêu dùng dịch vụ. Nhóm khách hàng này đối mặt với các rào cản đặc thù:

  • Thời gian nghỉ trưa giới hạn (thường từ 45 đến 60 phút).
  • Vị trí làm việc tại các tòa nhà cao tầng gây khó khăn cho việc di chuyển ra ngoài.
  • Điều kiện thời tiết nhiệt đới phân hóa hai mùa mưa - nắng rõ rệt ảnh hưởng trực tiếp đến nhu cầu ăn uống tại chỗ.

Dù tiềm năng thị trường rất lớn, các đơn vị cung ứng dịch vụ thực phẩm chế biến sẵn trực tuyến vẫn gặp khó khăn trong việc tối ưu hóa tỷ lệ chuyển đổi từ nhận thức sang hành vi mua sắm lặp lại của nhân viên văn phòng.

Vấn đề nghiên cứu cụ thể (Problem Statement)

Khoảng trống nghiên cứu thực tiễn xuất phát từ việc thiếu hụt các mô hình kinh tế lượng định lượng chính xác mức độ tác động của các yếu tố hành vi, xã hội và công nghệ đối với quyết định đặt mua thực phẩm chế biến sẵn. Các nền tảng công nghệ và doanh nghiệp F&B đang triển khai chiến lược kinh doanh dựa trên các giả định chung mà chưa phân tầng rõ nét trọng số của các yếu tố như truyền miệng kỹ thuật số, rủi ro vệ sinh an toàn thực phẩm, và tính hữu ích của ứng dụng đối với phân khúc nhân viên văn phòng.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận: Xác lập khung lý thuyết tổng hợp dựa trên Lý thuyết Hành động Hợp lý (TRA), Lý thuyết Hành vi Kế hoạch (TPB) và Mô hình Chấp nhận Công nghệ (TAM).
  2. Xác định các yếu tố tác động: Định danh 06 biến độc lập định hình ý định mua sắm trực tuyến thực phẩm chế biến sẵn.
  3. Lượng hóa mức độ ảnh hưởng: Đo lường chính xác hệ số hồi quy chuẩn hóa ($\beta$) của từng nhân tố qua kiểm định thực nghiệm.
  4. Xây dựng hệ thống hàm ý quản trị: Đề xuất giải pháp chiến lược tối ưu hóa vận hành, tiếp thị và kiểm soát rủi ro cho các nền tảng TMĐT F&B.

Phương pháp tiếp cận giải pháp

Nghiên cứu ứng dụng mô hình TAM hiệu chỉnh (Davis, Bagozzi & Warshaw, 1989), loại bỏ biến trung gian "Thái độ" để đo lường tác động trực tiếp lên "Ý định hành vi", đồng thời tích hợp thêm 04 biến mở rộng phù hợp với đặc tính ngành thực phẩm: Sự tin cậy (TRUST), Mong đợi về giá (PRICE), Truyền miệng trực tuyến (EWOM) và Nhận thức rủi ro (PR).

Kết quả kỳ vọng và chỉ số đo lường

  • Quy mô mẫu hợp lệ: $N \ge 200$ phản hồi đạt chuẩn phân tích định lượng.
  • Độ tin cậy thang đo: Hệ số Cronbach's Alpha $\alpha \ge 0.70$, hệ số tương quan biến - tổng $r_{it} \ge 0.30$.
  • Độ hội tụ và phân biệt: Hệ số KMO $\in [0.5, 1.0]$, kiểm định Bartlett đạt ý nghĩa thống kê ($p < 0.001$), phương sai trích $\ge 50%$.
  • Độ phù hợp của mô hình hồi quy: Hệ số xác định $R^2 \ge 0.50$, kiểm định $F$ với $p < 0.05$, không vi phạm hiện tượng đa cộng tuyến (hệ số phóng đại phương sai $VIF < 2.0$).

Phạm vi và giới hạn

  • Không gian: Địa bàn TP. Hồ Chí Minh.
  • Thời gian: Thu thập và xử lý dữ liệu từ tháng 02/2021 đến tháng 05/2021.
  • Đối tượng khảo sát: Nhân viên văn phòng đã và đang sử dụng dịch vụ đặt mua trực tuyến thực phẩm chế biến sẵn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

                   MA TRẬN SO SÁNH GIỮA HAI PHƯƠNG THỨC MUA SẮM

Phân tích yêu cầu theo mô hình MoSCoW

  • Must-have (Bắt buộc): Hệ thống đánh giá/review minh bạch từ người dùng trước (EWOM); tính minh bạch về giá và chi phí giao hàng.
  • Should-have (Cần có): Giao diện đặt món tối ưu hóa thao tác dưới 3 bước; tích hợp hệ thống theo dõi đơn hàng thời gian thực.
  • Could-have (Có thể có): Tính năng đặt món theo nhóm cho phòng ban; tích hợp tự động hóa hóa đơn đỏ cho doanh nghiệp.
  • Won't-have (Không ưu tiên): Đa dạng hóa danh mục ngoài F&B chế biến sẵn trên cùng một luồng thanh toán chuyên biệt.

Thiết kế hệ thống mô hình và công nghệ

Mô hình nghiên cứu kinh tế lượng được thiết lập theo cấu trúc quan hệ nhân quả đa biến:

                            MÔ HÌNH HỒI QUY ĐỀ XUẤT

Phương trình hồi quy tổng quát

$$Y_{MSTT} = \beta_0 + \beta_1 X_{EWOM} + \beta_2 X_{PU} + \beta_3 X_{PRICE} + \beta_4 X_{PEU} + \beta_5 X_{TRUST} + \beta_6 X_{PR} + \epsilon$$

Trong đó:

  • $Y_{MSTT}$: Biến phụ thuộc - Ý định mua sắm trực tuyến thực phẩm chế biến sẵn.
  • $X_1 \dots X_6$: Các biến độc lập đại diện cho 6 nhân tố trong mô hình.
  • $\beta_1 \dots \beta_6$: Hệ số hồi quy riêng phần chuẩn hóa.
  • $\epsilon$: Sai số ngẫu nhiên của mô hình.

Technology Stack & Công cụ xử lý dữ liệu

  • Phần mềm phân tích thống kê: IBM SPSS Statistics Version 20.0 (hỗ trợ kiểm định Cronbach's Alpha, EFA, OLS Regression).
  • Công cụ thu thập dữ liệu sơ cấp: Google Forms API kết hợp bảng câu hỏi số hóa.
  • Công cụ xử lý bảng tính & kiểm soát dữ liệu thô: Microsoft Excel 2019 (Data Cleaning & Validation).
  • Môi trường script bổ trợ kiểm chứng: Python 3.9 (pandas 1.3.0, statsmodels 0.12.2, scipy 1.7.0).

Phương pháp nghiên cứu (Methodology)

                            QUY TRÌNH NGHIÊN CỨU 4 GIAI ĐOẠN
  1. Nghiên cứu định tính: Tổng quan lý thuyết, tổng hợp thang đo chuẩn hóa từ các công trình nghiên cứu trong và ngoài nước; hiệu chỉnh ngôn ngữ bảng hỏi phù hợp ngữ cảnh thị trường Việt Nam.
  2. Nghiên cứu định lượng sơ bộ: Khảo sát mẫu thử nghiệm $N = 30$ để đánh giá sơ bộ độ tin cậy thang đo (Cronbach's Alpha sơ bộ), loại bỏ các biến quan sát gây nhiễu.
  3. Nghiên cứu định lượng chính thức: Thu thập dữ liệu thông qua phương pháp chọn mẫu thuận tiện (Non-probability convenience sampling) với quy mô $N = 250$.
  4. Quy trình xử lý dữ liệu:
    • Thống kê mô tả (Descriptive Statistics).
    • Kiểm định độ tin cậy thang đo (Cronbach's Alpha).
    • Phân tích nhân tố khám phá (EFA) với phép trích Principal Components và phép xoay Varimax.
    • Phân tích tương quan Pearson (Pearson Correlation).
    • Phân tích hồi quy tuyến tính bội (Multiple Linear Regression) và kiểm định ANOVA.

Implementation và kết quả

Quy trình phân tích dữ liệu & Code triển khai

Quy trình tính toán các chỉ số kinh tế lượng trên tập dữ liệu khảo sát được chuẩn hóa qua mã lệnh phân tích (SPSS Syntax & Python Script tương đương) như sau:

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

# 1. Tải và tiền xử lý dữ liệu khảo sát (N = 227)
df = pd.read_csv("khao_sat_mstt_hcm_2021.csv")

# 2. Định nghĩa các biến độc lập và biến phụ thuộc
independent_vars = ['EWOM', 'PU', 'PRICE', 'PEU', 'TRUST', 'PR']
X = df[independent_vars]
y = df['MSTT']

# Thêm hệ số chặn (Constant)
X_const = sm.add_constant(X)

# 3. Ước lượng mô hình hồi quy OLS (Ordinary Least Squares)
model = sm.OLS(y, X_const).fit()

# 4. Kiểm tra hiện tượng đa cộng tuyến qua chỉ số VIF
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]

print(model.summary())
print("\n--- Variance Inflation Factor (VIF) ---")
print(vif_data)

* SPSS Syntax: Phân tích nhân tố EFA và Hồi quy tuyến tính bội.
FACTOR
  /VARIABLES PU1 PU2 PU3 PU4 PEU1 PEU2 PEU3 PRICE1 PRICE2 PRICE3 PRICE4 TRUST1 TRUST2 TRUST3 EWOM1 EWOM2 EWOM3 PR1 PR2 PR3
  /MISSING LISTWISE 
  /ANALYSIS PU1 TO PR3
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /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 MSTT
  /METHOD=ENTER EWOM PU PRICE PEU TRUST PR.

Kiểm định và đánh giá thống kê (Testing & Validation)

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

Quá trình kiểm định thang đo sơ cấp đối với các biến quan sát cho thấy tất cả các thang đo đều đáp ứng điều kiện phương pháp luận:

  • Thang đo Nhận thức sự hữu ích (PU): $\alpha = 0.832$
  • Thang đo Nhận thức tính dễ sử dụng (PEU): $\alpha = 0.789$
  • Thang đo Mong đợi về giá (PRICE): $\alpha = 0.814$ (sau khi loại bỏ 01 biến rác ở vòng lọc thứ 2)
  • Thang đo Sự tin cậy (TRUST): $\alpha = 0.805$
  • Thang đo Truyền miệng trực tuyến (EWOM): $\alpha = 0.867$
  • Thang đo Nhận thức rủi ro (PR): $\alpha = 0.776$
  • Thang đo Ý định mua sắm trực tuyến (MSTT): $\alpha = 0.841$

Tất cả các biến quan sát đều có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.35$.

Phân tích nhân tố khám phá (EFA)

  • Hệ số KMO đạt $0.842 > 0.50$, chứng minh quy mô mẫu hoàn toàn thích hợp cho phân tích nhân tố.
  • Kiểm định Bartlett có giá trị thống kê $Sig. = 0.000 < 0.001$, khẳng định các biến quan sát có tương quan chặt chẽ trong tổng thể.
  • Phương sai trích tích lũy (Cumulative Variance Explained) đạt $63.85% > 50%$, giá trị Eigenvalue dừng ở mức $1.214 > 1.0$, trích xuất thành công 6 nhóm nhân tố độc lập với các hệ số tải nhân tố (Factor Loading) đều đạt chuẩn $> 0.55$.

Kết quả nghiên cứu đạt được

Từ 250 phiếu phát ra, tác giả thu về 227 phiếu hợp lệ (tỷ lệ phản hồi hợp lệ đạt 90.8%). Kết quả ước lượng mô hình hồi quy đa biến thể hiện chi tiết tại bảng sau:

                  BẢNG KẾT QUẢ PHÂN TÍCH HỒI QUY TUYẾN TÍNH ĐA BIẾN
Ghi chú: R² = 0.584; R² điều chỉnh = 0.573; F = 51.482 (p = 0.000); Durbin-Watson = 1.942; VIF max = 1.412.

                     TRỌNG SỐ TÁC ĐỘNG CỦA CÁC YẾU TỐ (BETA)
EWOM  [+] ██████████████████████████████████ 0.340
PU    [+] ███████████████████████ 0.231
PRICE [+] ██████████████████ 0.189
PEU   [+] ███████████████ 0.154
TRUST [+] █████████████ 0.128
PR    [-] █████████████ -0.130 (Tác động nghịch chiều)

Tổng kết kiểm định giả thuyết

  • H1 (PU $\rightarrow$ MSTT): Chấp nhận ($\beta = 0.231, p < 0.001$).
  • H2 (PEU $\rightarrow$ MSTT): Chấp nhận ($\beta = 0.154, p < 0.001$).
  • H3 (PRICE $\rightarrow$ MSTT): Chấp nhận ($\beta = 0.189, p < 0.001$).
  • H4 (TRUST $\rightarrow$ MSTT): Chấp nhận ($\beta = 0.128, p = 0.001$).
  • H5 (EWOM $\rightarrow$ MSTT): Chấp nhận ($\beta = 0.340, p < 0.001$) – Yếu tố có tác động mạnh nhất.
  • H6 (PR $\rightarrow$ MSTT): Chấp nhận ($\beta = -0.130, p < 0.001$) – Tác động tiêu cực có ý nghĩa thống kê.

Đổi mới và đóng góp

Điểm mới về mô hình và phương pháp

Nghiên cứu đã điều chỉnh cấu trúc TAM truyền thống để phù hợp với ngữ cảnh tiêu dùng thực phẩm tại thị trường TP.HCM. Việc chứng minh vai trò áp đảo của Truyền miệng trực tuyến (EWOM) ($\beta = 0.340$) so với các yếu tố kỹ thuật như Tính dễ sử dụng (PEU) ($\beta = 0.154$) mang lại góc nhìn mới: đối với ngành hàng ăn uống trực tuyến, tác động tâm lý xã hội từ cộng đồng có sức nặng gấp hơn 2,2 lần so với độ tiện dụng đơn thuần của giao diện phần mềm.

                      SO SÁNH VỚI CÁC CÔNG TRÌNH TIỀN NHIỆM

Đóng góp thực tiễn cho ngành

Nghiên cứu cung cấp cơ sở dữ liệu định lượng chính xác giúp các nhà quản trị nền tảng phân bổ ngân sách tiếp thị hợp lý: ưu tiên xây dựng cơ chế xác thực đánh giá cộng đồng và minh bạch hóa cấu trúc định giá thay vì chỉ tập trung vào khuyến mãi bề nổi.

Ứng dụng thực tế và triển khai

Chiến lược triển khai 6 trụ cột dựa trên hệ số tác động

              KHUNG HÀM Ý QUẢN TRỊ 6 TRỤ CỘT CHO NỀN TẢNG TMĐT F&B

Dự báo tài chính & Hiệu quả hoàn vốn (ROI Projection)

Việc chuyển dịch ngân sách tiếp thị từ quảng cáo hiển thị truyền thống sang phát triển hệ thống e-WOM và tối ưu UX giúp doanh nghiệp F&B:

  • Tăng tỷ lệ giữ chân khách hàng (Customer Retention Rate) thêm 18–25% sau 6 tháng.
  • Giảm chi phí thu hút một khách hàng mới (CAC) xuống 15%.
  • Dự kiến thời gian hoàn vốn cho hệ sinh thái quản lý chất lượng và e-WOM đạt từ 4 đến 6 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phương pháp

  1. Phương pháp chọn mẫu: Lấy mẫu thuận tiện (phi xác suất) làm giảm tính đại diện cho toàn bộ các nhóm nhân viên văn phòng ngoại vi TP.HCM.
  2. Thời điểm nghiên cứu: Dữ liệu thu thập trong giai đoạn dịch bệnh COVID-19 có thể phản ánh sự đột biến cục bộ về nhu cầu giao nhận thay vì trạng thái bình thường mới.
  3. Phương pháp phân tích: Mô hình hồi quy OLS chỉ đo lường mối quan hệ tuyến tính một chiều, chưa phân tích được các mối quan hệ đa tầng dạng cấu trúc tuyến tính (SEM).

Hướng nghiên cứu tiếp theo

  • Áp dụng mô hình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để đánh giá vai trò trung gian và điều tiết (Moderating effect) của yếu tố Thu nhập và Giới tính.
  • Mở rộng phạm vi đối sánh liên tỉnh giữa TP. Hồ Chí Minh, Hà Nội và Đà Nẵng.

Đối tượng hưởng lợi

                 GIÁ TRỊ MANG LẠI CHO CÁC NHÓM ĐỐI TƯỢNG

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai phân tích mô hình nghiên cứu này là gì?

Cần máy tính cá nhân cấu hình tối thiểu RAM 4GB, cài đặt hệ điều hành Windows 10/11 hoặc macOS, phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên (hoặc môi trường Python 3.8+ tích hợp thư viện statsmodels, scikit-learn) và Microsoft Excel để xử lý dữ liệu thô.

2. Giới hạn quy mô mẫu bao nhiêu là đạt chuẩn kiểm định EFA và Hồi quy?

Theo quy tắc kinh nghiệm của Hair et al. (2010), kích thước mẫu tối thiểu cho EFA gấp 5 lần số biến quan sát ($N \ge 5 \times k$). Với bảng hỏi gồm 20 biến quan sát, mẫu cần tối thiểu 100 phản hồi. Mẫu thực tế của đồ án đạt $N = 227$, hoàn toàn đảm bảo độ tin cậy thống kê vượt trội.

3. Làm thế nào để tích hợp hệ thống e-WOM vào ứng dụng F&B hiện hữu?

Doanh nghiệp có thể thiết kế API kết nối hệ thống đánh giá đơn hàng với dịch vụ lưu trữ đám mây, xây dựng bộ lọc ngôn ngữ tự nhiên (NLP) để tự động gắn thẻ (tag) món ăn (ví dụ: "nóng hổi", "giao nhanh", "đúng vị") nhằm tăng tính chân thực và minh bạch cho cộng đồng.

4. Chi phí triển khai và lộ trình bảo trì hệ thống đo lường hành vi khách hàng?

Chi phí ban đầu tập trung vào xây dựng công cụ số hóa bảng hỏi và phân tích dữ liệu (khoảng 5–10 triệu VNĐ nếu dùng nền tảng SaaS). Định kỳ mỗi quý, doanh nghiệp cần chạy lại mô hình hồi quy để theo dõi sự dịch chuyển trọng số $\beta$ của người tiêu dùng khi thị trường biến động.

5. Tại sao yếu tố Nhận thức rủi ro (PR) lại mang hệ số Beta âm?

Về mặt kinh tế lượng, hệ số $\beta_{PR} = -0.130 < 0$ chứng minh mối quan hệ nghịch biến: khi mức độ lo ngại về an toàn thực phẩm, chậm trễ đơn hàng hoặc mất cắp dữ liệu tăng lên 1 đơn vị chuẩn hóa, ý định mua sắm trực tuyến của nhân viên văn phòng sẽ giảm đi 0.130 đơn vị chuẩn hóa.

Kết luận

Khóa luận tốt nghiệp của tác giả Bùi Văn Mạnh đã giải quyết thành công bài toán thực tiễn về hành vi mua sắm trực tuyến thực phẩm chế biến sẵn của nhân viên văn phòng tại TP. Hồ Chí Minh. Thông qua phương pháp luận chặt chẽ kết hợp phân tích Cronbach's Alpha, EFA và hồi quy đa biến trên mẫu khảo sát thực tế $N = 227$, công trình đã xác lập vị trí chi phối hàng đầu của nhân tố Truyền miệng trực tuyến ($\beta = 0.340$), theo sau bởi Nhận thức sự hữu ích ($\beta = 0.231$), Mong đợi về giá ($\beta = 0.189$), Nhận thức tính dễ sử dụng ($\beta = 0.154$), Sự tin cậy ($\beta = 0.128$), đồng thời lượng hóa tác động ức chế từ Nhận thức rủi ro ($\beta = -0.130$).

Đây là công trình tham khảo giá trị cao cho các sinh viên khối ngành Kinh tế - Quản trị trong việc xây dựng luận văn định lượng, đồng thời là cẩm nang định hướng chiến lược thiết thực cho các doanh nghiệp TMĐT F&B trong quá trình chinh phục phân khúc khách hàng văn phòng đầy tiềm năng.