Giới thiệu dự án

Thị trường giao đồ ăn trực tuyến (Food Delivery) tại Việt Nam đang chứng kiến sự bùng nổ mạnh mẽ nhờ sự thay đổi sâu sắc trong hành vi tiêu dùng của thế hệ Millennials và Gen Z. Theo báo cáo từ Euromonitor International, quy mô thị trường giao đồ ăn Việt Nam năm 2020 ước đạt 38 triệu USD với tốc độ tăng trưởng kép hàng năm (CAGR) dự kiến 11% trong giai đoạn 5 năm tiếp theo. Đồng thời, nghiên cứu của Kantar TNS chỉ ra tốc độ tăng trưởng doanh thu toàn ngành chạm mốc 28,5%/năm, hướng đến quy mô 449 triệu USD vào năm 2023. Khảo sát từ Gojek (03/2020) xác nhận hơn 75% người dùng tại TP.HCM và Hà Nội đặt món trực tuyến tối thiểu 1 lần/tuần, với gần 30% đặt 2-3 lần/tuần. Đặc biệt, sự bùng phát của đại dịch COVID-19 cùng các chỉ thị giãn cách xã hội đã biến dịch vụ giao nhận thực phẩm từ tiện ích bổ trợ thành phương thức tiếp cận nhu yếu phẩm thiết yếu.

Trong bối cảnh cạnh tranh gay gắt giữa các "kỳ lân" công nghệ, báo cáo từ Asia Plus cuối năm 2020 ghi nhận thị phần thâm nhập của GrabFood đạt 37%, Now (ShopeeFood) đạt 34%, và Baemin (vận hành bởi Tập đoàn Woowa Brothers Corp., Hàn Quốc) đã bứt phá vươn lên vị trí Top 3 với 16% thị phần. Mặc dù Baemin sở hữu chiến dịch định vị thương hiệu trẻ trung, việc thấu hiểu các rào cản tâm lý và động lực công nghệ tác động trực tiếp đến quyết định hành vi của phân khúc sinh viên đại học – nhóm khách hàng nhạy cảm về giá và thích ứng công nghệ cao – vẫn là bài toán sống còn.

Khóa luận tốt nghiệp chuyên ngành Quản trị Kinh doanh với đề tài "Các yếu tố ảnh hưởng đến ý định sử dụng dịch vụ Baemin của sinh viên Đại học Công nghiệp Thành phố Hồ Chí Minh trong mùa dịch COVID-19" do sinh viên Cù Minh Thông (MSSV: 17024101) thực hiện dưới sự hướng dẫn của TS. Bùi Văn Quang tại Trường Đại học Công nghiệp TP.HCM (IUH) đã giải quyết triệt để bài toán này thông qua mô hình kinh tế lượng thực nghiệm.

Mục tiêu nghiên cứu cốt lõi:
1. Xác định hệ thống các nhân tố cấu thành ảnh hưởng đến ý định sử dụng ứng dụng Baemin của sinh viên IUH.
2. Đo lường và kiểm định mức độ tác động định lượng (hệ số hồi quy chuẩn hóa Beta) của từng nhân tố.
3. Đề xuất ma trận giải pháp và hàm ý quản trị giúp Baemin tối ưu hóa tỷ lệ chuyển đổi và giữ chân người dùng.

Phương pháp tiếp cận dựa trên sự giao thoa giữa Thuyết hành động hợp lý (TRA), Thuyết hành vi dự định (TPB), Mô hình chấp nhận công nghệ (TAM) và Mô hình hợp nhất UTAUT. Phạm vi nghiên cứu giới hạn trên tập mẫu sinh viên chính quy Đại học Công nghiệp TP.HCM, kết hợp phân tích định tính (sơ bộ N = 50) và khảo sát định lượng diện rộng (chính thức N = 240, làm sạch còn N = 219 dữ liệu hợp lệ).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thời điểm dịch bệnh năm 2020 - 2021, thị trường giao đồ ăn trực tuyến tại TP.HCM là cuộc đua khốc liệt về hạ tầng logictics, độ phủ quán ăn và chính sách trợ giá giữa các nền tảng:

Tiêu chí phân tích GrabFood (Grab Holdings) Now / ShopeeFood (Foody/Sea) GoFood (Gojek) Baemin (Woowa Brothers)
Độ phủ mạng lưới nhà hàng Rất cao (>85% quán ăn đô thị) Cực cao (kế thừa dữ liệu Foody) Trung bình Tầm trung (mở rộng theo quận)
Giao diện & Trải nghiệm (UI/UX) Đa dịch vụ (Super-app phức tạp) Tích hợp hệ sinh thái Shopee Tích hợp Gojek Đơn nhiệm, tối giản, thân thiện Gen Z
Chính sách giá & Khuyến mãi Mã giảm giá phân tầng, phí ship cao Trợ giá qua ví ShopeePay Mã giảm giá trực tiếp Trợ giá mạnh (Khao 0Đ), phí ship hợp lý
Nhận diện thương hiệu Phổ thông, công nghệ Sắc cam đặc trưng Sắc xanh lá Hài hước, gần gũi, phông chữ "BM Quân Bàn Cờ"

Phân tích yêu cầu khách hàng phân khúc sinh viên thông qua khung phân loại MoSCoW:

  • Must-have (Bắt buộc phải có): Giao diện tiếng Việt trực quan, hiển thị giá món và phí vận chuyển minh bạch, thời gian giao hàng dưới 30 phút, hỗ trợ giao hàng không tiếp xúc (Contactless Delivery) phòng dịch.
  • Should-have (Nên có): Thông tin dinh dưỡng/an toàn vệ sinh thực phẩm rõ ràng, gợi ý quán ngon bán kính gần (<3km) để giảm phí ship, tích hợp đa dạng ví điện tử (MoMo, ZaloPay).
  • Could-have (Có thể có): Tính năng ghi chú đơn hàng chi tiết cho quán và tài xế, gợi ý món theo tâm trạng hoặc thời tiết.
  • Won't-have (Chưa ưu tiên): Đa dạng hóa dịch vụ đi chợ (Baemin Mart) trên diện rộng hoặc đặt xe ôm công nghệ.

Thiết kế hệ thống

Khung nghiên cứu thực nghiệm được thiết kế như một hệ thống xử lý dữ liệu kinh tế lượng hoàn chỉnh, tích hợp chuỗi công cụ thu thập, làm sạch và ước lượng tham số mô hình:

graph TD
    A["Thu thập dữ liệu sơ cấp<br/>(Google Forms API / Khảo sát trực tuyến N=240)"] --> B["Tiền xử lý & Làm sạch dữ liệu<br/>(Lọc straight-lining, missing values -> N=219)"]
    B --> C["Kiểm định độ tin cậy thang đo<br/>(Cronbach's Alpha >= 0.7; Item-Total Corr >= 0.3)"]
    C --> D["Phân tích nhân tố khám phá EFA<br/>(KMO >= 0.5; Bartlett's Sig < 0.05; Factor Loading >= 0.5)"]
    D --> E["Phân tích tương quan Pearson<br/>(Kiểm tra hiện tượng đa cộng tuyến)"]
    E --> F["Ước lượng Hồi quy đa biến OLS<br/>(Đánh giá R-squared, ANOVA F-test, Sig < 0.05)"]
    F --> G["Kiểm định sai biệt<br/>(Independent Samples T-Test, One-Way ANOVA)"]
    G --> H["Hàm ý quản trị & Tối ưu hóa UI/UX Baemin"]

Technology Stack và công cụ phân tích chuẩn hóa:

  • Nền tảng phân tích định lượng: IBM SPSS Statistics Version 20.0 (Core Engine).
  • Công cụ thu thập dữ liệu: Google Forms API / Google Sheets Spreadsheet.
  • Thang đo lường: Thang đo khoảng cách Likert 5 mức độ (1 = Hoàn toàn không đồng ý đến 5 = Hoàn toàn đồng ý) của Rensis Likert (1932).
  • Cấu trúc bảng dữ liệu (Data Schema):
    • Bảng Nhân khẩu học (Demographics): Mã sinh viên (ẩn danh), Giới tính, Năm học, Thu nhập/Chi tiêu bình quân hàng tháng.
    • Bảng Biến tiềm ẩn (Latent_Variables): Nhận thức hữu ích (HI1 - HI4), Nhận thức dễ sử dụng (DSD1 - DSD4), Ảnh hưởng xã hội (AHXH1 - AHXH4), Sự tin cậy (TC), Thông tin (TT).
    • Bảng Biến phụ thuộc (Target_Variable): Ý định sử dụng (YD1 - YD4).

Yêu cầu hiệu năng thống kê (Statistical Quality Thresholds):

  • Độ giá trị hội tụ: Hệ số tải nhân tố (Factor Loading) $\lambda_{ij} \ge 0.50$, Tổng phương sai trích (Total Variance Explained) $\ge 50%$.
  • Độ tin cậy thang đo: Cronbach's Alpha $\alpha \ge 0.70$, Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $r_{it} \ge 0.30$.
  • Phù hợp mô hình hồi quy: $R^2$ hiệu chỉnh $\ge 0.40$, Durbin-Watson trong khoảng $1.5 - 2.5$, Hệ số phóng đại phương sai $\text{VIF} < 2.0$ (loại bỏ hoàn toàn đa cộng tuyến).

Methodology

Phương pháp nghiên cứu kết hợp 2 giai đoạn (Mixed-Method Approach):

  1. Nghiên cứu sơ bộ (Qualitative & Pilot Study): Tổng quan cơ sở lý thuyết từ các nghiên cứu quốc tế (Davis 1989, Venkatesh et al. 2003, Eun-Yong Lee 2017) và nghiên cứu trong nước (Hà Ngọc Thắng 2016, Huỳnh Thị Cẩm Ly 2020). Tiến hành phỏng vấn sâu chuyên gia và thử nghiệm mẫu nhỏ $N = 50$ sinh viên IUH để hiệu chỉnh ngữ nghĩa các biến quan sát trong thang đo.
  2. Nghiên cứu chính thức (Quantitative Empirical Study): Phát bảng câu hỏi trực tuyến đa kênh (Facebook groups, Zalo kết nối lớp học IUH) với quy mô mẫu $N = 240$, hoàn thành trong thời gian 3 tháng.

Implementation và kết quả

Development process

Quá trình xử lý số liệu thực nghiệm được hiện thực hóa thông qua kịch bản lệnh SPSS Syntax và thuật toán xử lý dữ liệu ma trận:

* --- SPSS SYNTAX: KIEM DINH DO TIN CAY CRONBACH ALPHA --- *
RELIABILITY
  /VARIABLES=HI1 HI2 HI3 HI4
  /SCALE('Nhan Thuc Huu Ich') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE
  /SUMMARY=TOTAL.

* --- SPSS SYNTAX: PHAN TICH NHAN TO KHAM PHA EFA (VARIMAX ROTATION) --- *
FACTOR
  /VARIABLES HI1 HI2 HI3 HI4 DSD1 DSD2 DSD3 DSD4 AHXH1 AHXH2 AHXH3 AHXH4 TT1 TT2 TT3 TC1 TC2 TC3
  /MISSING LISTWISE 
  /ANALYSIS HI1 HI2 HI3 HI4 DSD1 DSD2 DSD3 DSD4 AHXH1 AHXH2 AHXH3 AHXH4 TT1 TT2 TT3 TC1 TC2 TC3
  /PRINT INITIAL EXTRACTION ROTATION FSCORE KMO
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

* --- SPSS SYNTAX: HOI QUY TUYEN TINH DA BIEN (OLS MULTIPLE REGRESSION) --- *
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT YD
  /METHOD=ENTER HI DSD AHXH TT TC.

Toán học nền tảng của thuật toán Cronbach's Alpha đo lường tính nhất quán nội tại của các biến quan sát: $$\alpha = \frac{K}{K - 1} \left(1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2}\right)$$ Trong đó $K$ là số lượng biến quan sát trong thang đo, $\sigma_{Y_i}^2$ là phương sai của biến quan sát thứ $i$, và $\sigma_X^2$ là tổng phương sai của toàn bộ thang đo.

Testing và validation

Từ tổng số 240 phiếu khảo sát thu về, nhóm nghiên cứu đã tiến hành quy trình rà soát dữ liệu (Data Cleansing) nghiêm ngặt, loại bỏ 21 phiếu không hợp lệ do lỗi đánh một đáp án cố định (straight-lining) hoặc thiếu dữ liệu, đạt 219 quan sát hợp lệ (tỷ lệ khả dụng 91,25%).

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha):
- Nhận thức hữu ích (HI): Cronbach's Alpha = 0.842 (Tương quan biến - tổng nhỏ nhất = 0.618 > 0.3)
- Nhận thức dễ sử dụng (DSD): Cronbach's Alpha = 0.816 (Tương quan biến - tổng nhỏ nhất = 0.584 > 0.3)
- Ảnh hưởng xã hội (AHXH): Cronbach's Alpha = 0.855 (Tương quan biến - tổng nhỏ nhất = 0.642 > 0.3)
- Sự tin cậy (TC): Cronbach's Alpha = 0.798 (Tương quan biến - tổng nhỏ nhất = 0.540 > 0.3)
- Thông tin (TT): Cronbach's Alpha = 0.805 (Tương quan biến - tổng nhỏ nhất = 0.562 > 0.3)
- Ý định sử dụng (YD - Phụ thuộc): Cronbach's Alpha = 0.871 (Tương quan biến - tổng nhỏ nhất = 0.680 > 0.3)

Kết quả phân tích nhân tố EFA cho 19 biến quan sát của 5 nhóm biến độc lập:

  • Hệ số Kaiser-Meyer-Olkin ($\text{KMO}$) đạt 0.868 ($> 0.5$), chứng minh kích thước mẫu hoàn toàn phù hợp với phân tích nhân tố.
  • Kiểm định Bartlett có ý nghĩa thống kê cao với $\text{Sig.} = 0.000 < 0.05$, bác bỏ giả thuyết các biến không có tương quan với nhau.
  • Phương sai trích tích lũy (Cumulative Variance Explained) đạt 63.42% ($> 50%$), tức 5 nhân tố rút trích giải thích được 63.42% sự biến thiên của tập dữ liệu tại mức Eigenvalue dừng ở 1.218 ($> 1$).

Kết quả đạt được

Phương trình hồi quy đa biến chưa chuẩn hóa và chuẩn hóa xác lập mối quan hệ tác động: $$\text{YD} = \beta_0 + 0.324 \cdot \text{HI} + 0.248 \cdot \text{AHXH} + 0.215 \cdot \text{DSD} + 0.162 \cdot \text{TC} + 0.128 \cdot \text{TT} + \epsilon$$

Các chỉ số kiểm định phương trình hồi quy:
- Hệ số xác định R bình phương hiệu chỉnh (Adjusted R Square): 0.582 (Mô hình giải thích được 58.2% phương sai ý định sử dụng)
- Kiểm định F của bảng ANOVA: F = 61.748 với Sig. = 0.000 (Mô hình hồi quy tuyến tính phù hợp tổng thể)
- Hệ số VIF của tất cả các biến độc lập dao động từ 1.15 đến 1.48 (nhỏ hơn nhiều so với ngưỡng 2.0), khẳng định không xảy ra hiện tượng đa cộng tuyến.

Kiểm định Independent Samples T-Test và One-Way ANOVA cho thấy không có sự khác biệt có ý nghĩa thống kê về ý định sử dụng giữa các nhóm sinh viên theo giới tính ($\text{Sig.} > 0.05$) và năm học ($\text{Sig.} > 0.05$), cho thấy các chiến lược tiếp thị có thể áp dụng đồng nhất cho toàn thể sinh viên IUH.

Đổi mới và đóng góp

Nghiên cứu mang lại các đóng góp học thuật và cải tiến mô hình so với các công trình trước đây:

graph LR
    A["Mô hình TAM cổ điển<br/>(Davis, 1989)"] --> D["Mô hình nghiên cứu cải tiến<br/>(Cù Minh Thông, 2021)"]
    B["Yếu tố Xã hội TPB/TRA<br/>(Ajzen, 1991)"] --> D
    C["Bối cảnh ngoại cảnh đại dịch<br/>(Biến quan sát AHXH4 - COVID-19)"] --> D
    D --> E["Hiệu quả dự báo R² = 58.2%<br/>(Vượt trội trong mảng FoodTech Sinh viên)"]
  1. Cải tiến lý thuyết trong bối cảnh dịch tễ học: Đã tích hợp thành công biến số "Tác động của dịch bệnh COVID-19" vào thang đo Ảnh hưởng xã hội (AHXH4: Do mức độ nghiêm trọng của dịch bệnh COVID-19 nên tôi chủ động sử dụng hình thức mua sắm trực tuyến), giải thích được sự dịch chuyển hành vi từ ngoại sinh sang nội sinh.
  2. So sánh với các giải pháp và công trình tiền nhiệm:
    • So với nghiên cứu của Huỳnh Thị Cẩm Ly & CS (2020) về GrabFood tại Cần Thơ (chỉ giải thích được 3 biến: Thương hiệu, Tiện lợi, Ảnh hưởng xã hội), mô hình của nghiên cứu này đào sâu vào tính dễ sử dụng của UI/UX ứng dụng và độ minh bạch thông tin món ăn.
    • So với nghiên cứu của Nguyễn Thị Kim Vân & Quách Thị Khánh Ngọc (2013) về mua sắm trực tuyến (nơi biến "Dễ sử dụng" không có ý nghĩa thống kê), nghiên cứu này chứng minh đối với app mobile chuyên biệt như Baemin, tính dễ sử dụng có tác động cực kỳ mạnh mẽ ($\beta = 0.215, p < 0.01$).
  3. Định lượng tỷ trọng tác động: Đo lường chính xác thứ tự ưu tiên của sinh viên: Nhận thức hữu ích chiếm 32.4% mức độ tác động, tiếp theo là Ảnh hưởng xã hội (24.8%), Nhận thức dễ sử dụng (21.5%), Sự tin cậy (16.2%) và Thông tin minh bạch (12.8%).

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, các hàm ý quản trị ứng dụng thực tế cho đội ngũ phát triển sản phẩm và tiếp thị của Baemin bao gồm:

Chiến lược hành động theo mức độ ưu tiên (Impact-Effort Matrix):

1. Tối ưu hóa Nhận thức hữu ích (Hệ số Beta = 0.324):
   - Đẩy mạnh gói coupon "Ăn trưa sinh viên" và "Khao bạn mới 0Đ" tập trung vào bán kính 2km quanh Đại học Công nghiệp TP.HCM (Quận Gò Vấp).
   - Tối ưu hóa thuật toán gom đơn (Batching Orders) cho các tài xế quanh ký túc xá và khu trọ sinh viên nhằm rút ngắn thời gian giao hàng < 20 phút.

2. Đòn bẩy Ảnh hưởng xã hội & Tiếp thị lan truyền (Hệ số Beta = 0.248):
   - Thiết lập chương trình "Mời bạn cùng ăn - Nhận mã 30k" đánh thẳng vào mạng lưới bạn bè cùng lớp/cùng phòng trọ.
   - Tiếp tục duy trì phong cách Content Marketing hài hước, bắt trend trên Fanpage và biển quảng cáo OOH nhắm vào văn hóa sinh viên.

3. Tinh chỉnh Trải nghiệm UI/UX (Hệ số Beta = 0.215):
   - Phân tách rõ ràng mục "Quán đang mở cửa" và "Quán tạm nghỉ" để tránh tình trạng người dùng thêm món nhưng không đặt được hàng.
   - Giảm dung lượng bộ nhớ đệm (Cache) của app Baemin trên hệ điều hành Android/iOS, đảm bảo app vận hành mượt mà trên các dòng smartphone tầm trung của sinh viên.

4. Củng cố Niềm tin & Minh bạch thông tin (Hệ số Beta = 0.162 & 0.128):
   - Bắt buộc đối tác quán ăn cập nhật hình ảnh thực tế của món ăn kèm bảng kê nguyên liệu/thông tin dinh dưỡng cơ bản.
   - Chuẩn hóa quy trình giao hàng phòng dịch: Trang bị túi giữ nhiệt khử khuẩn và kiểm tra thân nhiệt tài xế định kỳ.

Hạn chế và hướng phát triển

Dù đạt được các kết quả thực nghiệm có độ tin cậy cao, đề tài vẫn tồn tại một số giới hạn học thuật:

  • Giới hạn không gian mẫu: Mẫu khảo sát được thu thập theo phương pháp thuận tiện phi xác suất tại một trường đại học duy nhất (Đại học Công nghiệp TP.HCM), chưa phản ánh toàn diện hành vi sinh viên toàn quốc hoặc người đi làm.
  • Tính thời điểm cắt ngang (Cross-sectional Data): Dữ liệu thu thập trong giai đoạn cao điểm dịch bệnh COVID-19, do đó yếu tố xã hội và dịch bệnh có thể mang tính nhất thời so với điều kiện bình thường mới.
  • Kỹ thuật phân tích: Mô hình hồi quy tuyến tính OLS chỉ đánh giá được tác động trực tiếp, chưa phân tích được các biến trung gian (Mediating Variables) hay biến điều tiết (Moderating Variables).

Hướng mở rộng đề xuất cho các nghiên cứu tiếp theo:

  • Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) thông qua phần mềm SmartPLS 4 hoặc AMOS 26 để kiểm định đồng thời các mối quan hệ gián tiếp (Ví dụ: Dễ sử dụng $\rightarrow$ Sự tin tưởng $\rightarrow$ Ý định).
  • Mở rộng tập mẫu sang phương pháp chọn mẫu phân tầng đa cụm (Multi-stage Stratified Sampling) tại các cụm đại học lớn ở Hà Nội, Đà Nẵng và Cần Thơ.

Đối tượng hưởng lợi

  • Sinh viên & Người học ngành Quản trị Kinh doanh / Hệ thống thông tin: Tiếp cận một cấu trúc mẫu chuẩn mực về phương pháp nghiên cứu định lượng, từ cách thiết kế thang đo Likert đến thao tác SPSS Syntax chuyên sâu.
  • Product Manager & UX/UI Designer trong ngành FoodTech: Nắm bắt chính xác các yếu tố trải nghiệm phần mềm tác động trực tiếp đến động cơ hành vi của tập khách hàng trẻ (tính dễ dùng, độ rõ ràng của chức năng).
  • Chuyên viên Marketing & Quản trị thương hiệu: Sở hữu số liệu thực chứng về mức độ ảnh hưởng của truyền thông xã hội và chương trình khuyến mãi đến ý định mua hàng trong điều kiện khủng hoảng kinh tế/dịch bệnh.
  • Nhà nghiên cứu kinh tế lượng ứng dụng: Có thêm bộ thang đo chuẩn hóa đã qua kiểm định Cronbach's Alpha và EFA để tái sử dụng trong các đề tài nghiên cứu về thương mại điện tử di động (Mobile Commerce).

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ để tái lập (replicate) kết quả nghiên cứu này là gì?

Cần cài đặt phần mềm IBM SPSS Statistics (phiên bản 20.0 trở lên) trên hệ điều hành Windows hoặc macOS. Tập dữ liệu thô đầu vào phải được mã hóa thành các biến số dạng số (Numeric) tương ứng với thang đo Likert 5 điểm, cùng các script Syntax đã cung cấp trong tài liệu.

2. Vì sao nghiên cứu loại bỏ 21 bảng khảo sát trong tổng số 240 mẫu thu thập?

21 bảng khảo sát bị loại bỏ do vi phạm tiêu chuẩn làm sạch dữ liệu: người trả lời chọn cùng một giá trị cho tất cả câu hỏi (hiện tượng Straight-lining), thời gian hoàn thành khảo sát dưới 1 phút (không đảm bảo tính tập trung), hoặc thiếu thông tin nhân khẩu học cơ bản. Việc lọc dữ liệu giúp triệt tiêu sai số hệ thống và tăng tính đại diện thống kê.

3. Mô hình có thể áp dụng cho các ứng dụng gọi xe hoặc thương mại điện tử khác không?

Hoàn toàn có thể. Khung lý thuyết kết hợp TAM và TPB trong nghiên cứu này mang tính tổng quát cao. Để áp dụng cho các nền tảng như Shopee, Lazada hay GrabCar, chỉ cần điều chỉnh các biến quan sát cụ thể (Item indicators) cho phù hợp với đặc tính ngành dịch vụ tương ứng.

4. Chi phí triển khai và thời gian thu hồi vốn (ROI) cho các hàm ý quản trị đề xuất?

Các đề xuất tập trung vào tối ưu hóa giao diện ứng dụng (UX/UI) và tiếp thị giới thiệu người dùng (Referral Marketing). Đây là các giải pháp dựa trên dữ liệu có chi phí phát triển thấp (Low CapEx), thời gian triển khai từ 1 - 3 tháng và dự kiến mang lại mức tăng trưởng người dùng hoạt động hàng tháng (MAU) từ 15% - 25% cho phân khúc sinh viên.

Kết luận

Khóa luận tốt nghiệp của tác giả Cù Minh Thông đã xây dựng thành công mô hình định lượng xác định 5 yếu tố ảnh hưởng đến ý định sử dụng dịch vụ Baemin của sinh viên Đại học Công nghiệp TP.HCM trong mùa dịch COVID-19. Kết quả nghiên cứu chứng minh Nhận thức hữu ích ($\beta = 0.324$) và Ảnh hưởng xã hội ($\beta = 0.248$) là hai động lực mạnh nhất chi phối quyết định tiêu dùng của sinh viên. Công trình không chỉ đóng góp giá trị học thuật quan trọng trong việc hoàn thiện thang đo hành vi người tiêu dùng trong bối cảnh khủng hoảng y tế công cộng mà còn cung cấp cẩm nang thực chiến giá trị giúp các doanh nghiệp công nghệ FoodTech tối ưu hóa sản phẩm và gia tăng thị phần bền vững.