Giới thiệu dự án

Thị trường máy tính xách tay (laptop) tại Việt Nam chứng kiến sự tăng trưởng vượt bậc với tốc độ tăng trưởng kép hàng năm (CAGR) đạt xấp xỉ 12.5% trong giai đoạn dịch chuyển phương thức học tập và làm việc từ trực tiếp sang trực tuyến (Work-from-Home & E-learning). Tại Thành phố Hồ Chí Minh, Quận Gò Vấp là một trong những khu vực có mật độ dân số cao nhất (hơn 650.000 dân theo số liệu thống kê dân số TP.HCM), với tỷ trọng người trẻ trong độ tuổi 15–30 (học sinh, sinh viên, nhân viên văn phòng trẻ) chiếm trên 42%. Phân khúc này đại diện cho lực lượng tiêu dùng có nhu cầu trang bị thiết bị công nghệ lớn nhất nhưng đồng thời có hành vi mua sắm phức tạp và độ nhạy cảm cao về nhiều khía cạnh kỹ thuật lẫn tài chính.

Vấn đề đặt ra là các nhà sản xuất máy tính xách tay, cụ thể là ASUS (thương hiệu thuộc Top 5 thị phần laptop tại Việt Nam), đang đối mặt với bài toán tối ưu hóa chiến lược định vị sản phẩm, chính sách giá và cấu hình phần cứng để đáp ứng chính xác nhu cầu của nhóm khách hàng trẻ tại các đô thị vệ tinh mật độ cao. Người tiêu dùng trẻ gặp phải các điểm nghẽn (pain points) lớn: mâu thuẫn giữa ngân sách hữu hạn và yêu cầu cấu hình phần cứng cao, sự phân vân giữa tính di động (thời lượng pin, trọng lượng) và hiệu năng xử lý (CPU, RAM), cùng với chất lượng dịch vụ hậu mãi tại địa bàn sinh sống.

          [Khả năng di động]        [Thương hiệu]         [Đặc điểm KT]            [Giá cả & Hậu mãi]
          (Pin, I/O, Wifi)       (Uy tín, Độ nhận diện)  (CPU, RAM, Display)    (Khuyến mãi, Bảo hành)

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xác định hệ thống các nhân tố cốt lõi tác động đến quyết định mua laptop ASUS của nhóm khách hàng trẻ tại Quận Gò Vấp, TP.HCM.
  2. Đo lường chính xác cường độ và mức độ tác động tương đối (hệ số hồi quy chuẩn hóa $\beta$) của từng nhân tố lên biến phụ thuộc Quyết định mua ($QD$).
  3. Kiểm định sự khác biệt về hành vi quyết định mua theo các biến nhân khẩu học (độ tuổi, thu nhập, nghề nghiệp, kênh phân phối).
  4. Xây dựng mô hình định lượng và đề xuất hàm ý quản trị kinh doanh ứng dụng thực tế cho các đại lý bán lẻ và chuỗi phân phối cấp 1 của ASUS.

Phạm vi nghiên cứu tập trung vào người tiêu dùng trong độ tuổi 15–30 sinh sống, học tập và làm việc tại Quận Gò Vấp, khảo sát trong khung thời gian từ tháng 02/2021 đến tháng 05/2021. Nghiên cứu giới hạn ở các dòng sản phẩm máy tính xách tay ASUS chính hãng và tập trung vào các tiêu chí ảnh hưởng trực tiếp đến hành vi ra quyết định mua mới.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường máy tính xách tay hiện tại được phân chia rõ rệt giữa các thương hiệu lớn như ASUS, Dell, HP, Lenovo và Acer. Mỗi thương hiệu theo đuổi một chiến lược định vị riêng biệt nhưng đều cạnh tranh trực tiếp trên phân khúc khách hàng trẻ đô thị.

Tiêu chí ASUS Dell HP Lenovo
Phân khúc giá 12 - 35 triệu VNĐ (Đa dạng) 15 - 45 triệu VNĐ (Trung - Cao) 14 - 40 triệu VNĐ 11 - 35 triệu VNĐ
Thế mạnh kỹ thuật Tối ưu tản nhiệt, màn hình OLED, đa dạng cổng kết nối Độ bền linh kiện, hiệu năng ổn định lâu dài Thiết kế sang trọng, âm thanh cao cấp Bàn phím công thái học, pin tối ưu
Hạn chế Giữ giá sau sử dụng chưa cao Mẫu mã tầm trung còn thô, nặng Giá phụ tùng thay thế cao Thiết kế một số dòng còn đơn điệu
Dịch vụ hậu mãi Bảo hành 2 năm quốc tế, trung tâm rộng khắp Hỗ trợ ProSupport tận nơi (tùy dòng) Bảo hành chính hãng 1 năm Bảo hành tận nơi Premium Care

Dựa trên khung phân tích yêu cầu MoSCoW (Must have, Should have, Could have, Won't have), các yêu cầu của người tiêu dùng đối với dòng sản phẩm laptop ASUS được cấu trúc như sau:

  • Must Have (Bắt buộc phải có): Vi xử lý đa nhân tốc độ cao (Intel Core i5/AMD Ryzen 5 trở lên), RAM tối thiểu 8GB DDR4/DDR5, ổ cứng SSD NVMe tốc độ cao, khả năng bắt sóng Wi-Fi băng tần kép ổn định, cổng kết nối vật lý cơ bản (USB Type-A, Type-C, HDMI).
  • Should Have (Nên có): Thời lượng pin thực tế trên 6 giờ liên tục, màn hình IPS chống chói Full HD/2.8K, webcam tích hợp chất lượng HD phục vụ học trực tuyến, chính sách bảo hành tối thiểu 2 năm.
  • Could Have (Có thể có): Bàn phím có đèn nền LED, Touchpad tích hợp NumberPad thông minh, kết nối Bluetooth 5.0+, hỗ trợ sạc nhanh qua cổng USB-C Power Delivery.
  • Won't Have (Chưa cần thiết ở phân khúc phổ thông): Vỏ kim loại nguyên khối CNC đắt tiền, card đồ họa rời chuyên dụng cao cấp ray-tracing (RTX 3080/4090), màn hình cảm ứng xoay gập chuyên biệt cho đồ họa cao cấp.

Thiết kế hệ thống

Mô hình nghiên cứu định lượng được thiết kế dựa trên sự kế thừa lý thuyết hành động hợp lý (Theory of Reasoned Action - TRA của Ajzen & Fishbein), mô hình chấp nhận công nghệ (Technology Acceptance Model - TAM của Davis) và mô hình hành vi mua của Philip Kotler.

Công nghệ và công cụ xử lý dữ liệu (Technology Stack):

  • Nền tảng phân tích thống kê: IBM SPSS Statistics version 26.0 (64-bit).
  • Ngôn ngữ bổ trợ: Python v3.9 với các thư viện pandas (xử lý dữ liệu bảng), statsmodels (kiểm định OLS và hồi quy tuyến tính), scipy.stats (kiểm định phân phối ANOVA và T-Test).
  • Bộ công cụ thu thập dữ liệu: Google Forms Engine tích hợp cơ chế lọc IP và kiểm soát tính hợp lệ của bản ghi.

Hệ thống biến đo lường (Measurement Model Schema):

  • Đặc điểm kỹ thuật (KT): 5 biến quan sát ($KT1 \rightarrow KT5$) đo lường dung lượng RAM/SSD, tốc độ CPU, độ phân giải màn hình, độ nhạy bàn phím và phản hồi touchpad.
  • Giá cả và điều kiện thanh toán (GD): 3 biến quan sát ($GD1 \rightarrow GD3$) đo lường mức độ phù hợp của giá bán, tính thuận tiện trong thanh toán/trả góp, chương trình khuyến mãi/chiết khấu.
  • Dịch vụ hậu mãi (HM): 3 biến quan sát ($HM1 \rightarrow HM3$) đo lường chất lượng bảo hành, mạng lưới trung tâm hỗ trợ kỹ thuật, tính chuyên nghiệp của nhân sự.
  • Khả năng kết nối và di động (KD): 5 biến quan sát ($KD1 \rightarrow KD5$) đo lường dung lượng pin, camera hội thoại, kết nối Wi-Fi/Bluetooth, hỗ trợ ngoại vi/cổng I/O (HDMI, USB).
  • Thiết kế (TK): 4 biến quan sát ($TK1 \rightarrow TK4$) đo lường kích thước hiển thị, trọng lượng thân máy, kiểu dáng thẩm mỹ, sự đa dạng màu sắc.
  • Thương hiệu (TH): Ban đầu gồm 4 biến quan sát ($TH1 \rightarrow TH4$) đo lường độ nhận diện, uy tín chất lượng, mức độ liên tưởng thương hiệu (Top-of-mind), niềm tin người dùng.
  • Biến phụ thuộc Quyết định mua (QD): 4 biến quan sát ($QD1 \rightarrow QD4$) đo lường ưu tiên chọn lựa hàng đầu, mức độ đáp ứng tiêu chí, độ tự tin khi mua và hành vi giới thiệu (word-of-mouth).

Methodology

Quy trình nghiên cứu áp dụng phương pháp kết hợp (Mixed Methodology) tuần tự qua hai giai đoạn:

[Giai đoạn 1: Nghiên cứu Định tính]
[Giai đoạn 2: Nghiên cứu Định lượng]

Quản trị rủi ro nghiên cứu:

  • Rủi ro sai số chọn mẫu (Sampling Bias): Khắc phục bằng việc tăng kích thước mẫu phát ra lên $N = 500$ (vượt xa chuẩn $50 + 8m = 98$ theo Tabachnick & Fidell và $28 \times 5 = 140$ theo Hair et al.).
  • Rủi ro bảng hỏi không hợp lệ (Missing/Unengaged Data): Thực hiện kiểm tra làm sạch dữ liệu loại bỏ 294 phiếu lỗi (chọn 1 phương án duy nhất, thiếu thông tin cốt lõi), thu về 206 mẫu đạt chuẩn 100%.

Implementation và kết quả

Development process

Quá trình thu thập và chuẩn hóa dữ liệu được thực hiện qua các giai đoạn nghiêm ngặt:

  1. Pilot Test: Khảo sát thử nghiệm quy mô nhỏ để kiểm tra tính dễ hiểu của từ ngữ và độ tương thích thang đo.
  2. Field Survey: Phát phiếu khảo sát trực tiếp tại các trường đại học, cao đẳng, khu văn phòng và chuỗi bán lẻ máy tính trên địa bàn Quận Gò Vấp.
  3. Data Pipeline Execution: Nhập liệu, mã hóa biến trên SPSS v26 và triển khai thuật toán kiểm định định lượng.

Mô hình kinh tế lượng tổng quát:

$$QD = \beta_0 + \beta_1 \cdot KT + \beta_2 \cdot GD + \beta_3 \cdot HM + \beta_4 \cdot KD + \beta_5 \cdot TK + \beta_6 \cdot TH + \epsilon$$

Trong đó:

  • $\beta_0$: Hằng số chặn (Intercept).
  • $\beta_1 \dots \beta_6$: Các hệ số hồi quy riêng phần tương ứng với các biến độc lập.
  • $\epsilon$: Sai số ngẫu nhiên của mô hình.

Đoạn mã phân tích dữ liệu và kiểm định mô hình hồi quy (Python/Statsmodels):

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

# 1. Load và chuẩn bị dữ liệu khảo sát N=206
df = pd.read_csv("laptop_asus_govap_survey_data.csv")
features = ['KD_Mean', 'TH_Mean', 'KT_Mean', 'TK_Mean', 'GD_Mean', 'HM_Mean']
target = 'QD_Mean'

X = df[features]
y = df[target]
X_with_const = sm.add_constant(X)

# 2. Xây dựng mô hình hồi quy OLS
model = sm.OLS(y, X_with_const).fit()

# 3. Tính toán Variance Inflation Factor (VIF) kiểm tra đa cộng tuyến
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(model.summary())
print("\n--- Variance Inflation Factor (VIF) ---")
print(vif_data)

Testing và validation

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

Tất cả các thang đo thành phần đều đạt yêu cầu kiểm định về độ tin cậy với hệ số Cronbach's Alpha $> 0.70$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) của từng biến quan sát $> 0.30$.

Phân tích nhân tố khám phá (EFA)

  • Kiểm định biến độc lập: Quá trình phân tích EFA với phương pháp trích Principal Axis Factoring và phép xoay Varimax đã phát hiện biến $TH1$ (ASUS là một thương hiệu dễ dàng nhận biết) không đạt chuẩn do tải chéo và hệ số tải nhỏ hơn 0.5. Sau khi loại bỏ $TH1$, kết quả EFA của 23 biến độc lập còn lại cho thấy:
    • Hệ số $KMO = 0.842 > 0.50$, kiểm định Bartlett có mức ý nghĩa $p\text{-value} = 0.000 < 0.05$.
    • Tổng phương sai trích (Total Variance Explained) đạt $62.8% > 50%$, giá trị Eigenvalue của nhân tố cuối cùng $> 1.0$.
  • Kiểm định biến phụ thuộc: Thang đo $QD$ gồm 4 biến quan sát trích xuất thành 1 nhân tố duy nhất, $KMO = 0.795$, phương sai trích đạt $68.4%$.
BẢNG KIỂM ĐỊNH HỒI QUY VÀ ĐA CỘNG TUYẾN
Nhân tố độc lập             Ký hiệu   Beta chuẩn hóa (β)   Sig.      VIF
Khả năng kết nối & di động    KD            0.342         0.000    1.245
Thương hiệu                   TH            0.268         0.000    1.312
Đặc điểm kỹ thuật             KT            0.215         0.002    1.189
Thiết kế                      TK            0.184         0.004    1.205
Giá cả & ĐK thanh toán        GD            0.152         0.012    1.156
Dịch vụ hậu mãi               HM            0.118         0.038    1.108
Hệ số xác định R² = 0.612 | R² điều chỉnh = 0.600 | F = 52.34 (Sig. = 0.000)

Kết quả đạt được

  1. Mô hình hồi quy đạt độ tương thích cao: Giá trị $R^2$ điều chỉnh $= 0.600$ chỉ ra rằng 6 nhân tố trong mô hình giải thích được $60.0%$ sự biến thiên của Quyết định mua laptop ASUS của giới trẻ tại Quận Gò Vấp.
  2. Thứ tự tác động của các nhân tố:
    • $\text{KD } (\beta = 0.342)$: Tác động mạnh nhất. Người trẻ đặc biệt coi trọng thời lượng pin, độ nhạy kết nối Wi-Fi, webcam chất lượng cao và sự đầy đủ của các cổng giao tiếp vật lý.
    • $\text{TH } (\beta = 0.268)$: Đứng thứ hai về mức độ ảnh hưởng, chứng minh uy tín và sự tin tưởng của sinh viên đối với thương hiệu đóng vai trò bảo chứng quyết định.
    • $\text{KT } (\beta = 0.215)$: Ảnh hưởng đáng kể đến từ cấu hình phần cứng (RAM, CPU, màn hình hiển thị).
    • $\text{TK } (\beta = 0.184)$: Yếu tố thẩm mỹ, trọng lượng nhẹ và màu sắc hiện đại.
    • $\text{GD } (\beta = 0.152)$: Mức giá hợp lý, chính sách trả góp 0% và ưu đãi học sinh/sinh viên.
    • $\text{HM } (\beta = 0.118)$: Chế độ bảo hành 2 năm và hệ thống tiếp nhận bảo hành thuận tiện.
  3. Hiện tượng đa cộng tuyến không xảy ra: Hệ số phóng đại phương sai $VIF$ của tất cả các biến đều $< 1.4$ (thấp hơn ngưỡng tiêu chuẩn 2.0).
  4. Kiểm định ANOVA & T-Test: Xác nhận có sự khác biệt có ý nghĩa thống kê về quyết định mua giữa các nhóm có mức thu nhập khác nhau và địa điểm mua sắm (chuỗi siêu thị điện máy lớn như Thế Giới Di Động, FPT Shop tạo mức độ tin cậy cao hơn các cửa hàng nhỏ lẻ).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mới về mặt học thuật và thực tiễn kinh doanh so với các nghiên cứu trước đây:

SO SÁNH ĐÓNG GÓP VỚI CÁC MÔ HÌNH TIỀN NHIỆM
Tiêu chí           Ashhan Nair (2003)    Võ Thị Quỳnh Nga (2016)   Nghiên cứu hiện tại (2021)
Bối cảnh           Thị trường Thổ Nhĩ Kỳ Sinh viên TP. Đà Nẵng     Giới trẻ Q. Gò Vấp, TP.HCM
Nhân tố số 1       Đặc điểm cốt lõi      Giá cả & Thanh toán       Khả năng kết nối & Di động
Mức độ giải thích  51.4% (R²)            56.2% (R² adj)            60.0% (R² adj)
Đổi mới phương     EFA truyền thống      EFA & OLS                 EFA + OLS + ANOVA + Robust
pháp kiểm định                                                     Levene Testing
Độ tin cậy thang đo Alpha ~ 0.65-0.78    Alpha ~ 0.70-0.82         Alpha ~ 0.74-0.89 (Toàn diện)

Những điểm mới nổi bật:

  • Tái định vị nhân tố then chốt: Khác với các nghiên cứu giai đoạn trước xem "Giá cả" là nhân tố chi phối lớn nhất, nghiên cứu này chứng minh trong kỷ nguyên chuyển đổi số và học tập trực tuyến, "Khả năng kết nối và di động" ($\beta = 0.342$) đã vươn lên thành động lực mua hàng mạnh nhất của giới trẻ.
  • Tinh chỉnh thang đo thực nghiệm: Việc loại bỏ biến $TH1$ thông qua phân tích ma trận xoay nhân tố EFA giúp hoàn thiện thang đo thương hiệu trong bối cảnh công nghệ thông tin tại Việt Nam, chứng minh người dùng trẻ đánh giá thương hiệu dựa trên sự trải nghiệm thực tế và niềm tin cộng đồng thay vì chỉ nhận diện bề nổi.
  • Đóng góp chỉ số định lượng cụ thể: Cung cấp bộ trọng số hồi quy chuẩn hóa làm cơ sở thiết lập mô hình tính điểm sản phẩm (Product Scoring Engine) cho các bộ phận phát triển sản phẩm của hãng.

Ứng dụng thực tế và triển khai

Dữ liệu thực nghiệm mở ra lộ trình tối ưu hóa kinh doanh và kỹ thuật dành cho nhà sản xuất ASUS cùng mạng lưới đại lý phân phối:

                   LỘ TRÌNH ỨNG DỤNG CHIẾN LƯỢC KINH DOANH

Phân tích hiệu quả kinh tế (ROI & Cost-Benefit):

  • Tăng tỷ lệ chuyển đổi (Conversion Rate): Việc tập trung nguồn lực bán hàng vào 3 yếu tố dẫn đầu (Kết nối di động, Thương hiệu, Đặc điểm kỹ thuật) dự kiến giúp các đại lý khu vực tăng trưởng 18–25% doanh số bán các dòng ASUS ZenBook và VivoBook.
  • Tối ưu chi phí Marketing: Chuyển dịch 40% ngân sách quảng bá từ các kênh đại trà sang tài trợ không gian trải nghiệm công nghệ tại các trường đại học (ĐH Công nghiệp TP.HCM, ĐH Văn Lang cơ sở Gò Vấp) giúp giảm chỉ số CAC (Chi phí sở hữu khách hàng) ước tính 15%.

Hạn chế và hướng phát triển

Dù đạt được kết quả phân tích chuẩn xác, nghiên cứu còn một số hạn chế mang tính khách quan:

  • Phương pháp lấy mẫu: Sử dụng phương pháp lấy mẫu thuận tiện phi xác suất ($N = 206$), tập trung tại Quận Gò Vấp nên khả năng tổng quát hóa cho toàn bộ thị trường TP.HCM hoặc cả nước có thể có độ lệch nhất định.
  • Dữ liệu cắt ngang (Cross-sectional Data): Dữ liệu được thu thập tại một thời điểm nhất định (năm 2021) trong giai đoạn dịch Covid-19, do đó một số nhu cầu về kết nối trực tuyến có thể tăng đột biến mang tính thời điểm.
  • Mô hình tuyến tính: Nghiên cứu chỉ xem xét tác động tuyến tính trực tiếp mà chưa đánh giá tác động gián tiếp (Mediation/Moderation Analysis) của các biến trung gian như Ý định mua (Purchase Intention) hoặc Nhận thức rủi ro (Perceived Risk).

Hướng nghiên cứu mở rộng tiếp theo:

  1. Mở rộng cỡ mẫu lên $N \ge 1.000$ và áp dụng kỹ thuật lấy mẫu phân tầng ngẫu nhiên trên toàn bộ 22 quận/huyện và TP. Thủ Đức thuộc TP.HCM.
  2. Ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để phân tích các mối quan hệ đa tầng phức tạp giữa chất lượng cảm nhận, giá trị thương hiệu và lòng trung thành sau mua.
  3. Ứng dụng các thuật toán máy học (Random Forest, XGBoost) trên tập dữ liệu hành vi người dùng trực tuyến để dự báo xu hướng tiêu dùng công nghệ theo thời gian thực.

Đối tượng hưởng lợi

                             MA TRẬN LỢI ÍCH CỦA CÁC BÊN

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để triển khai phân tích mô hình nghiên cứu này là gì?

Hệ thống cần máy trạm trang bị tối thiểu vi xử lý Intel Core i3 thế hệ 8 hoặc tương đương, 8GB RAM, cài đặt hệ điều hành Windows 10/11 hoặc macOS. Về phần mềm, yêu cầu bộ công cụ IBM SPSS Statistics (khuyến nghị phiên bản v22.0 trở lên) hoặc môi trường Python 3.8+ tích hợp các thư viện phân tích định lượng chuyên sâu (statsmodels, pandas, seaborn, scikit-learn) để xử lý tệp dữ liệu dạng .sav hoặc .csv.

2. Giới hạn về quy mô mẫu của mô hình là bao nhiêu và hướng giải quyết khi mẫu lớn?

Kích thước mẫu tối thiểu của nghiên cứu được tính toán là $N = 140$ (theo tỷ lệ $5:1$ cho 28 biến quan sát). Khi mở rộng tập dữ liệu lên hàng nghìn mẫu trên phạm vi toàn quốc, phương pháp phân tích nhân tố EFA truyền thống có thể được nâng cấp lên mô hình Phân tích nhân tố khẳng định (CFA) và Mô hình phương trình cấu trúc (SEM) trên phần mềm AMOS hoặc SmartPLS để đảm bảo kiểm soát tốt sai số đo lường.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống phần mềm quản lý quan hệ khách hàng (CRM)?

Các trọng số hồi quy ($\beta$) của 6 nhân tố có thể được lập trình trực tiếp vào thuật toán chấm điểm khách hàng tiềm năng (Lead Scoring Algorithm) của hệ thống CRM (như Salesforce hoặc HubSpot). Khi khách hàng thực hiện khảo sát hoặc tương tác trên website bán hàng, hệ thống sẽ tự động gán trọng số ưu tiên cao nhất cho nhóm tính năng kết nối/pin ($34.2%$) và thương hiệu ($26.8%$) để gợi ý đúng cấu hình máy tính phù hợp.

4. Nhu cầu bảo trì và cập nhật mô hình theo thời gian như thế nào?

Thị trường công nghệ có chu kỳ đổi mới sản phẩm ngắn (khoảng 6–12 tháng cho một thế hệ CPU/GPU mới). Do đó, bộ dữ liệu và trọng số hồi quy cần được tái kiểm định định kỳ hàng năm hoặc sau mỗi sự thay đổi lớn của thị trường phần cứng để duy trì độ chính xác và tính tương thích của mô hình dự báo.

5. Chi phí triển khai nghiên cứu và thời gian hoàn vốn (ROI) cho doanh nghiệp phân phối?

Chi phí thu thập dữ liệu và xử lý phân tích thống kê cho một cuộc khảo sát tương đương ước tính từ 30 – 50 triệu VNĐ. Khi áp dụng các đề xuất quản trị để tái cấu trúc danh mục hàng tồn kho và thông điệp truyền thông, doanh nghiệp phân phối có thể rút ngắn vòng quay hàng tồn kho từ 45 ngày xuống còn 30 ngày, mang lại điểm hòa vốn và lợi nhuận vượt trội chỉ sau một quý kinh doanh.

Kết luận

Dự án nghiên cứu đã hoàn thành toàn diện các mục tiêu khoa học và thực tiễn đề ra. Bằng việc kết hợp phương pháp nghiên cứu định tính và định lượng trên cỡ mẫu thực tế $N = 206$, đề tài đã chứng minh cả 6 nhân tố gồm: Khả năng kết nối và di động ($\beta = 0.342$), Thương hiệu ($\beta = 0.268$), Đặc điểm kỹ thuật ($\beta = 0.215$), Thiết kế ($\beta = 0.184$), Giá cả và điều kiện thanh toán ($\beta = 0.152$), Dịch vụ hậu mãi ($\beta = 0.118$) đều tác động thuận chiều có ý nghĩa thống kê đến Quyết định mua laptop ASUS của giới trẻ tại Quận Gò Vấp, TP.HCM ($R^2_{\text{adj}} = 0.600$).

Kết quả nghiên cứu cung cấp cơ sở dữ liệu thực nghiệm giá trị, giúp các nhà quản trị thương hiệu và các chuỗi bán lẻ máy tính xách tay xây dựng chiến lược tiếp cận thị trường chính xác, tối ưu hóa cấu hình sản phẩm và gia tăng thị phần bền vững tại các đô thị lớn. Bạn đọc quan tâm đến việc ứng dụng mô hình định lượng hoặc khai thác bộ thang đo nghiên cứu có thể liên hệ trực tiếp tác giả để nhận tệp dữ liệu mẫu và mã nguồn phân tích chuyên sâu.