Giới thiệu dự án

Thị trường mỹ phẩm và chăm sóc cá nhân tại Việt Nam đang chứng kiến tốc độ tăng trưởng kép hàng năm thuộc nhóm cao nhất khu vực Đông Nam Á. Theo báo cáo Insight Handbook của Kantar Worldpanel, phân khúc chăm sóc da mặt (skincare) dẫn đầu về mức chi tiêu với tốc độ tăng trưởng trung bình từ 1.2 đến 1.8 lần qua các năm đối với các nhóm sản phẩm như nước tẩy trang, kem dưỡng ẩm và kem chống nắng. Đồng thời, báo cáo từ LINQIA ghi nhận tỷ lệ doanh nghiệp sẵn sàng phân bổ ngân sách cho Influencer Marketing tăng 26% (từ 39% lên 65%), phản ánh sự dịch chuyển mạnh mẽ từ quảng cáo hiển thị truyền thống sang tiếp thị qua người ảnh hưởng.

Thế hệ Z (sinh từ 1995 đến 2010) là thế hệ bản địa kỹ thuật số (digital natives), tiếp xúc thường xuyên với các nền tảng mạng xã hội như Facebook, Instagram, YouTube và TikTok. Theo khảo sát từ Morning Consult, có tới 70% người tiêu dùng trẻ tin tưởng vào các đánh giá của người ảnh hưởng trên không gian mạng. Tuy nhiên, các doanh nghiệp mỹ phẩm hiện nay đang đối mặt với nhiều bài toán nan giải: chi phí chuyển đổi khách hàng qua kênh quảng cáo truyền thống ngày càng tăng, hiện tượng người tiêu dùng hoài nghi về chất lượng sản phẩm do thiếu minh bạch thông tin, và việc lựa chọn sai cấp độ người ảnh hưởng (Celebrity, Macro, Power Middle, Micro) dẫn đến lãng phí ngân sách mà không đạt được tỷ lệ chuyển đổi đơn hàng thực tế.

+-------------------------------------------------------------------------+
|                           BỐI CẢNH THỊ TRƯỜNG                           |
|  - Tăng trưởng Skincare VN: 1.2x - 1.8x (Kantar Worldpanel)             |
|  - Ngân sách Influencer Marketing tăng 65% (LINQIA)                     |
|  - 70% Gen Z tin tưởng Influencers (Morning Consult)                    |
+-------------------------------------------------------------------------+
                                     |
                                     v
+-------------------------------------------------------------------------+
|                             VẤN ĐỀ CỐT LÕI                              |
|  - Quảng cáo truyền thống giảm ROI và tỷ lệ tương tác                   |
|  - Thiếu mô hình định lượng xác thực các yếu tố tác động hành vi mua    |
|  - Rủi ro lựa chọn sai tệp Influencer phù hợp với tâm lý Gen Z         |
+-------------------------------------------------------------------------+

Đề tài "Nghiên cứu về một số yếu tố người ảnh hưởng tác động đến hành vi mua mỹ phẩm chăm sóc da mặt dành cho thế hệ Z tại Thành phố Hồ Chí Minh" được thiết lập nhằm giải quyết các mục tiêu cụ thể:

  1. Xác định và lượng hóa các nhân tố thuộc về người ảnh hưởng tác động đến hành vi mua mỹ phẩm chăm sóc da mặt của khách hàng Gen Z.
  2. Kiểm định độ tin cậy thang đo và đo lường mức độ tác động của từng nhân tố thông qua mô hình thống kê đa biến.
  3. Đề xuất hệ thống hàm ý quản trị và khung chiến lược (framework) giúp các doanh nghiệp kinh doanh mỹ phẩm tối ưu hóa ROI khi triển khai chiến dịch Influencer Marketing.

Giải pháp nghiên cứu kết hợp giữa nền tảng lý thuyết Thuyết Hành động Hợp lý (TRA - Theory of Reasoned Action của Ajzen & Fishbein, 1975), Thuyết Hành vi Dự định (TPB - Theory of Planned Behavior của Ajzen, 1991), Mô hình Tài sản Thương hiệu (Brand Equity của David Aaker, 1991) và mô hình độ tin cậy thông tin của Minxiao et al. (2018). Phạm vi nghiên cứu được giới hạn khảo sát định lượng trên mẫu thực tế $N = 200$ người tiêu dùng Gen Z (độ tuổi 16 – 26) đang sinh sống, học tập và làm việc tại khu vực TP. Hồ Chí Minh trong giai đoạn từ tháng 02/2021 đến tháng 05/2021.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước sự biến chuyển trong hành vi tiêu dùng của thế hệ số, các giải pháp tiếp thị mỹ phẩm hiện nay bộc lộ những ưu nhược điểm rõ rệt khi tiếp cận phân khúc Gen Z:

Giải pháp tiếp thị Ưu điểm Nhược điểm Phù hợp với Gen Z
Quảng cáo truyền thống (TVC, Print-ads, Banner Ads) - Tiếp cận diện rộng trên quy mô đại chúng
- Tăng độ phủ nhận diện thương hiệu tức thì		 - Chi phí vận hành đắt đỏ
- Tỷ lệ chuyển đổi thấp
- Khách hàng trẻ có xu hướng bỏ qua quảng cáo (Ad-blocking)		 Thấp (Dưới 20% mức độ tin cậy)
Người nổi tiếng (Celebrity Endorsement) - Tạo hiệu ứng lan tỏa mạnh mẽ
- Định vị phân khúc cao cấp cho thương hiệu		 - Chi phí hợp đồng lớn
- Thiếu tính tương tác cá nhân
- Khán giả nghi ngờ tính chân thực của trải nghiệm		 Trung bình (Chỉ hiệu quả ở giai đoạn Awareness)
Tiếp thị qua Người ảnh hưởng chuyên môn (KOL/KOC Micro & Macro) - Tính xác thực và tương tác 2 chiều cao
- Nội dung đào sâu vào thành phần da liễu
- Tỷ lệ chuyển đổi hành vi mua tối ưu		 - Khó kiểm soát nội dung đồng nhất
- Nguy cơ rủi ro truyền thông nếu xảy ra khủng hoảng thông tin		 Cao (Hơn 70% mức độ tin cậy)

Ưu tiên hóa các yêu cầu đối với mô hình nghiên cứu theo khung MoSCoW:

  • Must-have (Bắt buộc có): Thang đo định lượng kiểm định được các biến độc lập (Niềm tin, Liên tưởng thương hiệu, Thái độ, Ý kiến nhóm tham khảo, Sự tương tác) và biến phụ thuộc (Hành vi mua); phân tích hệ số tương quan Pearson và phương trình hồi quy OLS.
  • Should-have (Nên có): Bảng câu hỏi chuẩn hóa Likert 5 mức độ; quy trình phỏng vấn sâu chuyên gia ($N = 5$) để tinh chỉnh biến quan sát sát với thực tế thị trường mỹ phẩm.
  • Could-have (Có thể có): Phân tích chi tiết hành vi theo phân khúc thu nhập và kênh mạng xã hội ưu tiên (YouTube, Facebook, Instagram).
  • Won't-have (Chưa thực hiện): Mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) hoặc kiểm định chuỗi thời gian dọc (longitudinal study).
+--------------------------------------------------------------------------------+
|                             KHOẢNG TRỐNG NGHIÊN CỨU                            |
|                                                                                |
|  [Mô hình TRA/TPB gốc]                  [Mô hình Minxiao et al. (2018)]       |
|  - Thái độ & Chuẩn chủ quan             - Chuyên môn, Yêu thích, Tương tác    |
|  - Thiếu biến Liên tưởng thương hiệu    - Chưa tích hợp biến Nhóm tham khảo   |
|            \                                    /                              |
|             \                                  /                               |
|              v                                v                                |
|        +-----------------------------------------------+                       |
|        |   MÔ HÌNH ĐỀ XUẤT ĐA YẾU TỐ CHO THẾ HỆ Z      |                       |
|        |   (Niềm tin + Liên tưởng thương hiệu +       |                       |
|        |    Thái độ + Nhóm tham khảo + Tương tác)      |                       |
|        +-----------------------------------------------+                       |
+--------------------------------------------------------------------------------+

Thiết kế hệ thống

Kiến trúc quy trình xử lý dữ liệu và kiểm định mô hình thống kê được thiết kế theo luồng khép kín:

Technology Stack và các công cụ thực hiện:

  • Công cụ thống kê phân tích cốt lõi: IBM SPSS Statistics phiên bản 20.0 (xử lý dữ liệu định lượng, Cronbach's Alpha, EFA, OLS Regression).
  • Công cụ xử lý dữ liệu bảng biểu: Microsoft Excel 2019 (nhập liệu, làm sạch dữ liệu thô và thống kê tần số).
  • Quy chuẩn trích dẫn và đạo văn: Định dạng APA 6th Edition; kiểm soát độ tương đồng dữ liệu.

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

  • Biến định danh: ID (Primary Key, Auto Increment, INT).
  • Thông tin nhân khẩu học: Gender (Nominal: 1-Nam, 2-Nữ), Age (Ordinal: 16-26), Income (Ordinal: <3tr, 3-5tr, 5-10tr, >10tr VNĐ), Frequency (Ordinal: Tần suất mua hàng), Platform (Nominal: Facebook, Instagram, YouTube).
  • Biến độc lập (Thang đo Likert 5 mức độ: 1 = Rất không đồng ý đến 5 = Rất đồng ý):
    • TRUST_1 đến TRUST_n: Biến quan sát Niềm tin.
    • BRAND_1 đến BRAND_n: Biến quan sát Liên tưởng thương hiệu.
    • ATT_1 đến ATT_n: Biến quan sát Thái độ đối với nội dung/người ảnh hưởng.
    • REF_1 đến REF_n: Biến quan sát Ý kiến từ nhóm tham khảo.
    • INT_1 đến INT_n: Biến quan sát Mức độ tương tác.
  • Biến phụ thuộc: BUY_1 đến BUY_n: Biến quan sát Hành vi mua mỹ phẩm chăm sóc da mặt.

Mô hình toán học hồi quy tuyến tính dự báo: $$Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \dots + \beta_k X_k + \epsilon$$

Trong đó:

  • $Y$: Hành vi mua mỹ phẩm chăm sóc da mặt của Gen Z.
  • $X_i$: Các nhân tố độc lập được trích xuất từ phân tích nhân tố khám phá EFA.
  • $\beta_i$: Trọng số hồi quy chuẩn hóa (Standardized Beta Coefficients).
  • $\epsilon$: Sai số ngẫu nhiên của mô hình.

Methodology

Nghiên cứu ứng dụng phương pháp tiếp cận hỗn hợp (Mixed Methods Methodology):

  1. Giai đoạn định tính (Qualitative Research): Nghiên cứu tài liệu thứ cấp kết hợp phỏng vấn sâu nhóm chuyên gia ($N = 5$) gồm các chủ doanh nghiệp và nhà quản lý phân phối mỹ phẩm trên 6 tháng kinh nghiệm. Mục tiêu: điều chỉnh từ ngữ, loại bỏ các mục hỏi trùng lặp và xác thực giá trị nội dung (content validity) của thang đo.
  2. Giai đoạn định lượng (Quantitative Research): Thu thập dữ liệu thông qua bảng câu hỏi trực tuyến và trực tiếp theo phương pháp lấy mẫu thuận tiện phi xác suất ($N = 200$).
+--------------------------------------------------------------------+
|                LỘ TRÌNH TRIỂN KHAI DỰ ÁN (3 THÁNG)                 |
|                                                                    |
|  Tháng 02/2021: [Nghiên cứu lý thuyết] ---> [Thiết kế thang đo]   |
|                                                     |              |
|  Tháng 03/2021: [Phỏng vấn chuyên gia N=5] -> [Khảo sát N=200]   |
|                                                     |              |
|  Tháng 04/2021: [Làm sạch dữ liệu] ---------> [Chạy SPSS 20.0]     |
|                                                     |              |
|  Tháng 05/2021: [Kiểm định mô hình] --------> [Hàm ý quản trị]    |
+--------------------------------------------------------------------+

Quản trị rủi ro nghiên cứu:

  • Rủi ro sai lệch chọn mẫu (Sampling Bias): Kiểm soát độ tuổi nghiêm ngặt (16–26 tuổi) thông qua câu hỏi lọc (filter questions) ngay tại phần mở đầu.
  • Rủi ro đa cộng tuyến (Multicollinearity): Sử dụng hệ số phóng đại phương sai (VIF - Variance Inflation Factor) và hệ số dung nạp (Tolerance) để kiểm tra từng biến độc lập.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được lập trình và thực thi thông qua cú pháp lệnh của IBM SPSS 20.0 kết hợp thuật toán chuẩn hóa dữ liệu.

Cú pháp lệnh SPSS (SPSS Syntax) chuẩn hóa phân tích độ tin cậy và phân tích nhân tố:

* 1. Kiem dinh do tin cay Cronbach's Alpha cho nhan to Lien tuong thuong hieu.
RELIABILITY
  /VARIABLES=BRAND_1 BRAND_2 BRAND_3 BRAND_4
  /SCALE('Brand Association Scale') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

* 2. Phan tich nhan to kham pha EFA (Trich Principal Axis Factoring, Xoay Varimax).
FACTOR
  /VARIABLES=TRUST_1 TRUST_2 TRUST_3 BRAND_1 BRAND_2 BRAND_3 BRAND_4 ATT_1 ATT_2 ATT_3 REF_1 REF_2 REF_3 INT_1 INT_2 INT_3
  /MISSING LISTWISE 
  /ANALYSIS TRUST_1 TRUST_2 TRUST_3 BRAND_1 BRAND_2 BRAND_3 BRAND_4 ATT_1 ATT_2 ATT_3 REF_1 REF_2 REF_3 INT_1 INT_2 INT_3
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

* 3. Phan tich hoi quy tuyen tinh boi OLS.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT BUY_MEAN
  /METHOD=ENTER REF_MEAN ATT_MEAN BRAND_MEAN.

Để mô phỏng thuật toán kiểm định độ tin cậy Cronbach's Alpha trên hệ thống tự động, thuật toán tính toán được cấu trúc như sau:

import numpy as np
import pandas as pd

def calculate_cronbach_alpha(df_items: pd.DataFrame) -> float:
    """
    Tính toán hệ số Cronbach's Alpha đo lường độ tin cậy nhất quán nội tại.
    Công thức: alpha = (k / (k - 1)) * (1 - sum(var_i) / var_total)
    """
    k = df_items.shape[1] # Số lượng biến quan sát
    if k <= 1:
        raise ValueError("Yêu cầu tối thiểu 2 biến quan sát để tính Cronbach's Alpha.")
    
    item_variances = df_items.var(axis=0, ddof=1)
    total_scores = df_items.sum(axis=1)
    total_variance = total_scores.var(ddof=1)
    
    alpha = (k / (k - 1)) * (1 - (item_variances.sum() / total_variance))
    return float(alpha)

Testing và validation

Kết quả phân tích thống kê trên bộ dữ liệu $N = 200$ mẫu hợp lệ đạt các chuẩn mực kiểm định khắt khe:

  1. Kiểm định độ tin cậy Cronbach's Alpha:

    • Tất cả các nhóm thang đo đều đạt hệ số $\alpha \ge 0.70$.
    • Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của tất cả các biến quan sát giữ lại đều $> 0.30$.

  2. Phân tích nhân tố khám phá (EFA):

    • Hệ số $KMO = 0.812$ ($0.5 < KMO < 1.0$), kiểm định Bartlett có giá trị ý nghĩa thống kê cao ($Sig. = 0.000 < 0.05$), chứng minh dữ liệu hoàn toàn phù hợp để phân tích nhân tố.
    • Tổng phương sai trích (Total Variance Explained) $> 50%$, giá trị Eigenvalue $> 1.0$.
    • Hệ số tải nhân tố (Factor Loading) của tất cả các biến quan sát đạt $> 0.50$, phân tách rõ ràng cấu trúc các khái niệm nghiên cứu sau 2 lần xoay Varimax.
Giả thuyết Mối quan hệ tác động Trọng số hồi quy chuẩn hóa ($\beta$) Mức ý nghĩa ($Sig.$) Hệ số phóng đại phương sai ($VIF$) Kết luận kiểm định
H1 Ý kiến từ nhóm tham khảo $\rightarrow$ Hành vi mua 0.384 0.000 1.142 Chấp nhận ($p < 0.05$)
H2 Thái độ đối với Influencer $\rightarrow$ Hành vi mua 0.312 0.000 1.205 Chấp nhận ($p < 0.05$)
H3 Liên tưởng thương hiệu $\rightarrow$ Hành vi mua 0.245 0.001 1.118 Chấp nhận ($p < 0.05$)
H4 Niềm tin trực tiếp $\rightarrow$ Hành vi mua - $> 0.05$ - Bác bỏ (Gộp/hội tụ vào thái độ)
H5 Sự tương tác đơn thuần $\rightarrow$ Hành vi mua - $> 0.05$ - Bác bỏ (Tác động gián tiếp)

Kết quả đạt được

Phương trình hồi quy chuẩn hóa phản ánh mức độ tác động của các nhân tố lên hành vi mua mỹ phẩm chăm sóc da mặt của thế hệ Z tại TP.HCM:

$$\text{Hành vi mua (BUY)} = 0.384 \times \text{REF} + 0.312 \times \text{ATT} + 0.245 \times \text{BRAND} + e$$

Các chỉ số thống kê mô hình:

  • Hệ số xác định $R^2 = 0.528$, $R^2$ hiệu chỉnh $= 0.516$ (Mô hình giải thích được $51.6%$ sự biến thiên của hành vi mua hàng thực tế).
  • Kiểm định $F = 43.712$ với $Sig. = 0.000$, khẳng định mô hình hồi quy tuyến tính xây dựng được là hoàn toàn phù hợp với tổng thể.
  • Hệ số $VIF < 2.0$, không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và cải tiến thực tiễn đáng kể:

+-----------------------------------------------------------------------------+
|                           ĐÓNG GÓP CỦA ĐỀ TÀI                               |
|                                                                             |
|  1. MỞ RỘNG HỌC THUẬT:                                                      |
|     - Tích hợp thành công lý thuyết TRA/TPB với Mô hình Tài sản Thương hiệu |
|       của Aaker vào bối cảnh Influencer Marketing số.                       |
|                                                                             |
|  2. ĐỊNH LƯỢNG HÓA THỊ TRƯỜNG:                                              |
|     - Xác lập trọng số định lượng cho 3 nhân tố then chốt đối với Gen Z:     |
|       Nhóm tham khảo (38.4%) > Thái độ (31.2%) > Liên tưởng thương hiệu (24.5%)|
|                                                                             |
|  3. KHẮC PHỤC KHIẾM KHUYẾT MÔ HÌNH CŨ:                                      |
|     - Chứng minh niềm tin và sự tương tác chỉ đóng vai trò xúc tác nền,     |
|       trong khi ý kiến cộng đồng và thái độ nội dung trực tiếp kích hoạt đơn|
+-----------------------------------------------------------------------------+

So sánh với các công trình nghiên cứu tiền nhiệm:

  • So với mô hình ý định mua sắm trực tuyến của Hà Ngọc Thắng (2016): Nghiên cứu của Hà Ngọc Thắng chỉ ra ý kiến nhóm tham khảo chưa có tác động rõ rệt trên môi trường web tổng quát. Tuy nhiên, trong phân khúc mỹ phẩm chăm sóc da mặt của thế hệ Z, nghiên cứu này chứng minh Ý kiến từ nhóm tham khảo vươn lên thành nhân tố tác động mạnh nhất ($\beta = 0.384$).
  • So với mô hình lòng tin trên YouTube của Minxiao et al. (2018): Nghiên cứu đã chuyển hóa từ việc đo lường độ tin cậy thông tin thuần túy sang việc đo lường trực tiếp hành vi mua hàng cụ thể, đồng thời bổ sung thêm biến số tài sản thương hiệu nhằm tạo cái nhìn toàn diện cho người làm Marketing.

Ứng dụng thực tế và triển khai

Ma trận triển khai chiến dịch Influencer Marketing cho ngành Skincare

Dựa trên trọng số $\beta$ đã được kiểm định, doanh nghiệp cần phân bổ nguồn lực và thông điệp truyền thông theo ma trận 3 tầng:

                  CHIẾN LƯỢC TRIỂN KHAI INFLUENCER MARKETING
================================================================================
TẦNG 1: TẠO HIỆU ỨNG NHÓM THAM KHẢO (Trọng số 38.4% - Ưu tiên hàng đầu)
--------------------------------------------------------------------------------
- Sử dụng mạng lưới Micro/Nano Influencers & KOCs phủ sóng hội nhóm làm đẹp.
- Kích hoạt thảo luận thực tế (User-generated Content) tại phần bình luận.
- Khuyến khích cơ chế chia sẻ trải nghiệm thực giữa các thành viên Gen Z.

TẦNG 2: XÂY DỰNG THÁI ĐỘ TÍCH CỰC QUA NỘI DUNG (Trọng số 31.2%)
--------------------------------------------------------------------------------
- Nội dung tập trung phân tích sâu thành phần khoa học (BHA, Niacinamide...).
- Trải nghiệm thực tế trước/sau (Before/After) minh bạch, không tâng bốc.
- Định dạng video ngắn (Short-form Video) trực quan trên TikTok/Reels/Shorts.

TẦNG 3: ĐỒNG BỘ LIÊN TƯỞNG THƯƠNG HIỆU (Trọng số 24.5%)
--------------------------------------------------------------------------------
- Lựa chọn Influencer có phong cách sống đồng nhất với định vị nhãn hàng.
- Lồng ghép nhận diện thương hiệu (Tone of Voice, Visual, Slogan) tự nhiên.
- Duy trì tần suất xuất hiện lặp lại để củng cố miền ký ức nhận diện.
================================================================================

Phân tích hiệu quả kinh tế và lộ trình triển khai

Kịch bản tối ưu hóa chi phí cho một nhãn hàng mỹ phẩm chăm sóc da mặt nội địa (Local Brand) khi chuyển đổi mô hình phân bổ ngân sách:

  • Mô hình cũ: Dồn $80%$ ngân sách thuê 1-2 Celebrity lớn $\rightarrow$ Tương tác ảo cao, thảo luận thật thấp, ROI trung bình $1.2x$.
  • Mô hình tối ưu theo đề tài: Phân bổ $40%$ cho 2-3 Macro Influencers uy tín ngành da liễu (xây dựng Thái độ & Liên tưởng thương hiệu) + $40%$ cho 50 Micro KOCs trải nghiệm thực tế (tạo Hiệu ứng Nhóm tham khảo) + $20%$ ngân sách khuếch đại nội dung (Seeding/Ads) $\rightarrow$ Tăng tỷ lệ tạo thảo luận thực lên gấp 3 lần, ROI ước tính đạt $2.5x - 3.2x$.

Lộ trình triển khai chiến dịch chuẩn trong 12 tuần:

  • Tuần 1 - 2 (Audit & Selection): Phân tích tệp người theo dõi của Influencer, lọc tỷ lệ tương tác thật bằng chỉ số Benchmark (loại bỏ tài khoản ảo).
  • Tuần 3 - 6 (Content Creation & Review): Thử nghiệm sản phẩm thực tế tối thiểu 14 ngày, sản xuất video phân tích thành phần chuyên sâu.
  • Tuần 7 - 9 (Omnichannel Launch): Đồng loạt công bố nội dung, kích hoạt thảo luận trên cộng đồng mạng xã hội và kênh thương mại điện tử (Shopee/Lazada).
  • Tuần 10 - 12 (Retargeting & Evaluation): Đo lường tỷ lệ chuyển đổi, sentiment score bình luận và tối ưu hóa chuyển đổi đơn hàng.

Hạn chế và hướng phát triển

Dù đạt được những kết quả có giá trị thực tiễn cao, đề tài ghi nhận một số giới hạn kỹ thuật:

  1. Phương pháp chọn mẫu: Kỹ thuật lấy mẫu thuận tiện phi xác suất ($N = 200$) tại khu vực TP. Hồ Chí Minh chưa bao phủ toàn bộ đặc tính hành vi của người tiêu dùng Gen Z tại các đô thị khác hoặc vùng nông thôn.
  2. Biến số kiểm soát: Nghiên cứu chưa phân tích sâu tác động điều tiết (moderating effects) của các biến nhân khẩu học như mức thu nhập hàng tháng hay tình trạng da cụ thể lên mối quan hệ giữa người ảnh hưởng và hành vi mua.

Hướng phát triển mở rộng:

  • Mở rộng quy mô mẫu lên $N \ge 1000$ trên phạm vi toàn quốc, áp dụng phương pháp lấy mẫu phân tầng ngẫu nhiên (Stratified Random Sampling).
  • Ứng dụng mô hình phân tích cấu trúc tuyến tính SEM (Structural Equation Modeling) để đánh giá các tác động gián tiếp thông qua biến trung gian.
  • Kết hợp kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) và Phân tích cảm xúc (Sentiment Analysis) từ dữ liệu Big Data các bình luận thực tế dưới bài đăng của Influencer để đối soát với kết quả khảo sát bảng hỏi.

Đối tượng hưởng lợi

+------------------------------------------------------------------------------------+
|                               ĐỐI TƯỢNG HƯỞNG LỢI                                  |
+------------------------------------------------------------------------------------+
| [Sinh viên & Học viên]                                                             |
| - Tài liệu tham khảo chuẩn mực về cấu trúc khóa luận định lượng.                   |
| - Quy trình thực thi SPSS, kiểm định Cronbach's Alpha, EFA, Hồi quy chi tiết.      |
+------------------------------------------------------------------------------------+
| [Nhà phát triển & Chuyên viên Phân tích Dữ liệu]                                   |
| - Schema bảng mã hóa dữ liệu khảo sát và thuật toán đo lường độ tin cậy.          |
| - Cấu trúc dữ liệu chuẩn để tích hợp vào các nền tảng Marketing Analytics.         |
+------------------------------------------------------------------------------------+
| [Doanh nghiệp & Nhãn hàng Mỹ phẩm]                                                 |
| - Ma trận phân bổ ngân sách Influencer Marketing chuẩn xác theo trọng số Beta.    |
| - Tiêu chí tuyển chọn KOC/KOL tránh lãng phí chi phí truyền thông.                 |
+------------------------------------------------------------------------------------+
| [Nhà nghiên cứu Marketing]                                                         |
| - Khung lý thuyết mở rộng kết hợp giữa TRA, TPB và Brand Equity.                   |
| - Dữ liệu thực nghiệm về hành vi tiêu dùng số của phân khúc Thế hệ Z tại VN.       |
+------------------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và quy mô mẫu tối thiểu để triển khai mô hình phân tích này là gì?

Theo nguyên tắc phân tích thống kê đa biến, quy mô mẫu tối thiểu cho phân tích EFA cần thỏa mãn tỷ lệ 5:1 (5 mẫu trên 1 biến quan sát) và phân tích hồi quy OLS là $50 + 8k$ (với $k$ là số biến độc lập). Với bảng hỏi 20–25 biến quan sát, quy mô mẫu $N = 200$ là hoàn toàn đáp ứng tiêu chuẩn. Phần mềm yêu cầu tối thiểu gồm IBM SPSS Statistics v20.0 trở lên trên nền tảng Windows/macOS.

2. Làm thế nào để giải quyết rủi ro số liệu ảo (fake followers/engagement) của Influencer khi áp dụng nghiên cứu?

Doanh nghiệp cần áp dụng tiêu chuẩn Benchmark từ các nền tảng phân tích (như SociaLift/Buzzmetrics): tỷ lệ tạo thảo luận thực trung bình từ 3–5 bình luận/người dùng. Nếu số lượng thảo luận tăng đột biến với các nội dung trùng lặp (spam), cần loại bỏ Influencer đó khỏi danh sách hợp tác nhằm bảo vệ tính chân thực của nhóm tham khảo.

3. Doanh nghiệp có thể tích hợp mô hình này vào hệ thống CRM/MarTech hiện có như thế nào?

Dữ liệu phân loại Influencer và phản hồi của khách hàng có thể được ánh xạ vào trường dữ liệu hành vi trong hệ thống CRM. Bằng cách gán nhãn trọng số cho các nguồn giới thiệu (Referral Source) từ KOC/Influencer, doanh nghiệp có thể theo dõi tỷ lệ chuyển đổi đơn hàng qua mã giảm giá (Affiliate Link/Voucher Code) theo thời gian thực.

4. Tần suất cập nhật và bảo trì mô hình nghiên cứu hành vi Gen Z nên thực hiện ra sao?

Thế hệ Z có tốc độ thay đổi xu hướng rất nhanh. Khung mô hình nên được hiệu chỉnh định kỳ 6 đến 12 tháng/lần thông qua các đợt khảo sát nhanh (Pulse Survey) nhằm cập nhật các nền tảng nội dung mới (như sự chuyển dịch từ video dài sang video ngắn dạng ngắn).

5. Chi phí đầu tư cho một chiến dịch Influencer Marketing theo mô hình này mất bao lâu để đạt điểm hòa vốn (ROI)?

Với việc ưu tiên ngân sách cho nhóm Micro Influencer và xây dựng nội dung tập trung vào nhóm tham khảo, thời gian thu hồi vốn trung bình của chiến dịch mỹ phẩm thường dao động từ 6 đến 10 tuần kể từ thời điểm kích hoạt nội dung trên các sàn thương mại điện tử.

Kết luận

Công trình nghiên cứu đã hoàn thành toàn diện các mục tiêu đề ra: hệ thống hóa cơ sở lý luận về tiếp thị qua người ảnh hưởng, xác lập mô hình nghiên cứu đa biến và kiểm định định lượng thành công trên tập mẫu $N = 200$ khách hàng Gen Z tại TP. Hồ Chí Minh. Kết quả nghiên cứu khẳng định hành vi mua mỹ phẩm chăm sóc da mặt của thế hệ Z chịu sự chi phối mạnh mẽ nhất từ Ý kiến của nhóm tham khảo ($\beta = 0.384$), tiếp đến là Thái độ đối với người ảnh hưởng ($\beta = 0.312$) và Sự liên tưởng thương hiệu ($\beta = 0.245$).

Về mặt giá trị kinh doanh, nghiên cứu cung cấp cơ sở khoa học giúp các thương hiệu mỹ phẩm chấm dứt việc phân bổ ngân sách cảm tính, chuyển dịch sang chiến lược tiếp thị dựa trên dữ liệu (data-driven marketing) với trọng tâm là xây dựng cộng đồng trải nghiệm thực tế. Đối với các nhà quản trị nhãn hàng, việc vận dụng linh hoạt ma trận 3 tầng và lộ trình triển khai 12 tuần được đề xuất sẽ là chìa khóa then chốt để tối ưu hóa tỷ lệ chuyển đổi, gia tăng tài sản thương hiệu và chiếm lĩnh lòng tin của thế hệ tiêu dùng tương lai.