Giới thiệu dự án

Thương mại điện tử phát trực tiếp (Social Media Live Streaming - SMLS) đang tái định hình hành vi tiêu dùng toàn cầu. Theo báo cáo từ Statista và Decision Lab, thị trường thương mại phát trực tiếp tại Việt Nam ghi nhận bước nhảy vọt từ 50 triệu USD (năm 2017) lên 162 triệu USD (năm 2021) với tốc độ tăng trưởng kép hàng năm (CAGR) đạt 14,2%, dự kiến vượt mốc 300 triệu USD vào năm 2025. Trung bình mỗi ngày có từ 70.000 đến 80.000 phiên livestream bán hàng diễn ra trên các nền tảng mạng xã hội (MXH) phổ biến như Facebook (94% độ phủ), Instagram (31%) và TikTok (23%).

+-----------------------------------------------------------------------------------+
|                        QUY MÔ THỊ TRƯỜNG LIVESTREAM VIỆT NAM                      |
| 2017: $50M  ===>  2021: $162M (x3.24) ===>  2025 (Dự báo): >$300M (CAGR: 14.2%)   |
| Hoạt động: 70.000 - 80.000 phiên livestream/ngày | Tỷ lệ chọn tiện lợi: 72%      |
+-----------------------------------------------------------------------------------+

Tuy nhiên, sự bùng nổ của mô hình trực tiếp đến người tiêu dùng (Direct-to-Consumer - D2C) cũng đi kèm các thách thức nghiêm trọng: tình trạng quảng cáo sai sự thật, hàng giả, hàng nhái từ một bộ phận người có ảnh hưởng (KOL/KOC) làm suy giảm nghiêm trọng niềm tin trực tuyến. Trong khi đó, phần lớn nghiên cứu trước đây chỉ tập trung vào hành vi mua sắm có kế hoạch trên website truyền thống mà bỏ qua cơ chế tâm lý kích hoạt ý định mua ngẫu hứng (Impulsive Buying Intention - IBI) của nhóm khách hàng Gen Z và Millennials.

Đề tài khóa luận tốt nghiệp: "Những yếu tố tác động tới ý định mua ngẫu hứng sản phẩm thời trang qua hoạt động livestream trên nền tảng mạng xã hội: Nghiên cứu giới trẻ tại TP. Hồ Chí Minh" (Tác giả: Quách Hằng Ni, GVHD: PGS.TS Nguyễn Văn Thụy, Trường Đại học Ngân hàng TP.HCM - HUB, 2024) được thực hiện nhằm giải quyết bài toán này.

Mục tiêu nghiên cứu cụ thể:

  1. Xác định và lượng hóa các tác nhân kích thích trong môi trường livestream tác động đến niềm tin của người tiêu dùng trẻ.
  2. Kiểm định vai trò trung gian của niềm tin đối với ý định mua ngẫu hứng sản phẩm thời trang trực tuyến.
  3. Đề xuất hệ thống hàm ý quản trị và giải pháp kỹ thuật tối ưu hóa tỷ lệ chuyển đổi đơn hàng cho doanh nghiệp D2C thời trang.

Phạm vi nghiên cứu: Tập trung vào người tiêu dùng trẻ (18–30 tuổi) sinh sống tại TP. Hồ Chí Minh, tham gia mua sắm qua livestream trên Facebook, TikTok và Instagram trong giai đoạn tháng 01/2024 – 04/2024.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Mua sắm qua livestream khắc phục triệt để rào cản bất cân xứng thông tin của thương mại điện tử truyền thống nhờ tính trực quan và phản hồi tức thì theo thời gian thực (Real-time Interaction).

Tiêu chí so sánh E-commerce truyền thống (Web/App) Livestream Commerce (SMLS / D2C)
Định dạng hiển thị Hình ảnh tĩnh, video dựng sẵn, text mô tả Video phát trực tiếp độ trễ thấp, người mẫu mặc thử thực tế
Khả năng tương tác Gửi ticket, chat bot tự động (độ trễ cao) Trao đổi hai chiều trực tiếp với streamer/KOL ngay lập tức
Động cơ mua sắm Mua có chủ đích, tìm kiếm dựa trên nhu cầu sẵn có Kích hoạt cảm xúc, giải trí kết hợp mua sắm ngẫu hứng
Tỷ lệ chuyển đổi Trung bình 1.5% - 2.5% Tăng gấp 5 - 10 lần nhờ hiệu ứng đám đông và giới hạn thời gian

Phân tích yêu cầu theo mô hình MoSCoW:

  • Must-have (Bắt buộc): Thông tin sản phẩm chính xác (kích thước, chất liệu vải, màu sắc thực tế); chính sách vận chuyển, kiểm hàng rõ ràng.
  • Should-have (Nên có): Streamer có ngoại hình thu hút, phong cách hoạt ngôn và am hiểu phối đồ thời trang.
  • Could-have (Có thể có): Các minigame tăng tương tác, flash sale giới hạn theo từng phút livestream.
  • Won't-have (Không ưu tiên): Quy trình xác nhận đơn hàng phức tạp qua nhiều bước trung gian làm gián đoạn cảm xúc mua hàng.

Thiết kế hệ thống

Nghiên cứu tích hợp mô hình Kích thích - Trạng thái nhận thức - Phản ứng (Stimulus-Organism-Response - S-O-R) của Mehrabian & Russell (1974) kết hợp Thuyết hành vi dự định (Theory of Planned Behavior - TPB) của Ajzen (1991) và Mô hình thành công hệ thống thông tin (IS Success Model) của DeLone & McLean (2003).

Mô hình kinh tế lượng ước lượng:

$$\text{Mô hình 1: } TR = \beta_0 + \beta_1 \cdot IQ + \beta_2 \cdot SA + \beta_3 \cdot IN + \beta_4 \cdot DP + \varepsilon_1$$

$$\text{Mô hình 2: } IBI = \alpha_0 + \alpha_1 \cdot TR + \varepsilon_2$$

Stack công nghệ và công cụ thống kê:

  • Xử lý dữ liệu: IBM SPSS Statistics 20.0, AMOS 24.0.
  • Ngôn ngữ phân tích nâng cao: Python 3.10 (thư viện pandas, statsmodels, scipy, factor_analyzer).
  • Thang đo: Thang đo khoảng cách Likert 5 điểm (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý).
+-------------------------------------------------------------------------+
|                  STACK CÔNG CỤ PHÂN TÍCH VÀ ĐO LƯỜNG                    |
| - SPSS Statistics 20.0: Thống kê mô tả, Cronbach's Alpha, EFA, OLS      |
| - Python 3.10 Engine: pandas, statsmodels (OLS Regression), scipy       |
| - Phương pháp ước lượng: Ordinary Least Squares (OLS) & ANOVA test      |
+-------------------------------------------------------------------------+

Methodology

Quy trình nghiên cứu kết hợp hai giai đoạn (Mixed Methods Research):

  1. Nghiên cứu định tính: Phỏng vấn nhóm tập trung (Focus Group Discussion, $n=10$) kết hợp tham vấn chuyên gia ngành thời trang để hiệu chỉnh 23 biến quan sát phù hợp với văn hóa mua sắm tại TP.HCM.
  2. Nghiên cứu định lượng: Khảo sát trực tiếp bằng bảng câu hỏi tiêu chuẩn, thu thập mẫu xác suất ngẫu nhiên phân tầng.
  3. Kiểm soát chất lượng (QA): Loại bỏ câu trả lời đơn điệu (straight-lining), kiểm tra điểm dị biệt (outliers) thông qua chuẩn hóa Z-score ($|Z| > 3.29$).

Implementation và kết quả

Development process

Quá trình thu thập và xử lý dữ liệu được tiến hành qua 4 giai đoạn chuẩn hóa:

  • Thu thập dữ liệu: Phát 300 phiếu khảo sát, thu về 270 mẫu hợp lệ ($N = 270$, đạt tỷ lệ 90%).
  • Kiểm định độ tin cậy thang đo: Tính toán hệ số Cronbach's Alpha (yêu cầu $\alpha \ge 0.70$, hệ số tương quan biến - tổng $Corrected\ Item-Total\ Correlation \ge 0.30$).
  • Phân tích nhân tố khám phá (EFA): Trích xuất nhân tố bằng phương pháp Principal Axis Factoring kết hợp phép xoay vuông góc Varimax.
  • Phân tích hồi quy bội (Multiple Linear Regression): Đánh giá mức độ giải thích $R^2$ và kiểm định hiện tượng đa cộng tuyến bằng chỉ số phóng đại phương sai (VIF).

Đoạn mã Python thực thi kiểm định mô hình hồi quy và EFA:

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

# 1. Tải và tiền xử lý dữ liệu khảo sát (N=270)
df = pd.read_csv("livestream_fashion_data_hcm.csv")
X_stimulus = df[['IQ_mean', 'SA_mean', 'IN_mean', 'DP_mean']]
y_trust = df['TR_mean']
y_impulse = df['IBI_mean']

# 2. Ước lượng Mô hình 1 (Stimulus -> Trust) bằng OLS
X_stimulus_const = sm.add_constant(X_stimulus)
model_trust = sm.OLS(y_trust, X_stimulus_const).fit()

# 3. Ước lượng Mô hình 2 (Trust -> Impulsive Buying)
X_trust_const = sm.add_constant(y_trust)
model_impulse = sm.OLS(y_impulse, X_trust_const).fit()

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

print(model_trust.summary())
print(model_impulse.summary())
print("VIF Data:\n", vif_data)

Testing và validation

Kết quả kiểm định thống kê trên tập dữ liệu $N=270$ cho thấy tất cả các thang đo đều đạt độ chuẩn xác phương pháp luận cao:

  • Hệ số tin cậy nội tại Cronbach's Alpha:
    • Chất lượng thông tin (IQ - 5 biến quan sát): $\alpha = 0.842$
    • Sức hấp dẫn Streamer (SA - 4 biến quan sát): $\alpha = 0.816$
    • Tính tương tác (IN - 4 biến quan sát): $\alpha = 0.789$
    • Chính sách giao hàng (DP - 3 biến quan sát): $\alpha = 0.765$
    • Niềm tin của giới trẻ (TR - 4 biến quan sát): $\alpha = 0.854$
    • Ý định mua ngẫu hứng (IBI - 3 biến quan sát): $\alpha = 0.828$
  • Kiểm định EFA: Hệ số KMO $= 0.865$ ($0.5 < KMO < 1.0$), kiểm định Bartlett có ý nghĩa thống kê ($p < 0.001$, $Sig. = 0.000$), tổng phương sai trích (Cumulative Variance Explained) đạt $63.48% > 50%$, hệ số tải nhân tố (Factor Loading) của tất cả các biến đều $> 0.55$.
  • Kiểm định tương quan Pearson: Tất cả các biến độc lập đều có mối tương quan thuận chiều có ý nghĩa thống kê ($r = 0.312 \rightarrow 0.584, p < 0.01$) với biến trung gian và biến phụ thuộc.

Kết quả đạt được

Hệ thống phương trình hồi quy tuyến tính sau khi chuẩn hóa:

$$\mathbf{TR} = 0.245 \cdot \mathbf{IQ} + 0.218 \cdot \mathbf{SA} + 0.148 \cdot \mathbf{IN} + 0.126 \cdot \mathbf{DP} \quad (R^2 = 0.482, F = 61.68, p < 0.001)$$

$$\mathbf{IBI} = 0.512 \cdot \mathbf{TR} \quad (R^2 = 0.262, F = 95.14, p < 0.001)$$

Giả thuyết Mối quan hệ tác động Hệ số chuẩn hóa ($\beta$) $t$-value $p$-value ($Sig.$) Kết luận
H1 Chất lượng thông tin $\rightarrow$ Niềm tin 0.245 4.312 0.000 Chấp nhận
H2 Sức hấp dẫn của Streamer $\rightarrow$ Niềm tin 0.218 3.845 0.000 Chấp nhận
H3 Tính tương tác $\rightarrow$ Niềm tin 0.148 2.651 0.008 Chấp nhận
H4 Chính sách giao hàng $\rightarrow$ Niềm tin 0.126 2.198 0.029 Chấp nhận
H5 Niềm tin $\rightarrow$ Ý định mua ngẫu hứng 0.512 9.754 0.000 Chấp nhận

Kiểm định T-Test và ANOVA: Không có sự khác biệt có ý nghĩa thống kê về ý định mua ngẫu hứng theo giới tính ($p = 0.412 > 0.05$), nhưng có sự khác biệt rõ rệt theo tần suất theo dõi livestream hàng tuần ($F = 4.872, p = 0.002 < 0.05$). Nhóm theo dõi $>3$ phiên/tuần có điểm trung bình ý định mua ngẫu hứng cao hơn $34.8%$ so với nhóm hiếm khi xem.


Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và cải tiến thực nghiệm quan trọng:

  1. Khắc phục khoảng trống nghiên cứu bối cảnh Việt Nam: So với các nghiên cứu của Xu & Li (2020) tại Trung Quốc hay Bawack et al. (2023) tại thị trường phương Tây, đề tài đã chứng minh cơ chế kích hoạt hành vi mua ngẫu hứng của người tiêu dùng trẻ trong bối cảnh văn hóa đô thị TP.HCM.
  2. Lượng hóa vai trò trung gian then chốt của Niềm tin: Phản bác giả định cho rằng mua ngẫu hứng hoàn toàn là hành vi phi lý trí. Kết quả cho thấy giới trẻ chỉ đưa ra quyết định mua bốc đồng khi nhận thức rủi ro đã được triệt tiêu thông qua niềm tin vững chắc ($\beta = 0.512$).
  3. Tái cấu trúc thứ tự ưu tiên kích thích: Chứng minh rằng Chất lượng thông tin ($\beta = 0.245$) và Sức hấp dẫn của Streamer ($\beta = 0.218$) vượt trội hơn hẳn so với các chương trình khuyến mãi giảm giá đơn thuần trong việc duy trì lòng tin dài hạn.
Tiêu chí Nghiên cứu của Trần Thị Ngọc Lan (2023) Nghiên cứu của Xu & Li (2020) Mô hình nghiên cứu này (2024)
Bối cảnh Sàn TMĐT tổng hợp (Shopee/Lazada) Livestream đa ngành tại Trung Quốc Livestream chuyên ngành Thời trang tại TP.HCM
Cơ chế trung gian Tác động trực tiếp đến hành vi Đồng hóa nhận thức & Kích thích Niềm tin của giới trẻ (S-O-R Framework)
Yếu tố dẫn đầu Giá cả & Khuyến mãi Tương tác bán xã hội (PSI) Chất lượng thông tin thực tế ($\beta = 0.245$)

Ứng dụng thực tế và triển khai

Dựa trên các hệ số hồi quy thực nghiệm, doanh nghiệp kinh doanh thời trang D2C cần triển khai lộ trình 4 trụ cột chiến lược:

+-------------------------------------------------------------------------+
|                  LỘ TRÌNH 4 TRỤ CỘT TRIỂN KHAI D2C COMMERCE             |
| 1. Minh bạch thông tin (IQ)   ===> Chuẩn hóa kịch bản, bảng size chuẩn  |
| 2. Chuẩn hóa Streamer (SA)    ===> Đào tạo kỹ năng phối đồ, ngôn ngữ    |
| 3. Tối ưu tương tác (IN)      ===> Chatbot lọc comment, minigame realtime|
| 4. Chính sách giao hàng (DP)  ===> Đồng kiểm, freeship, đổi trả 7 ngày   |
+-------------------------------------------------------------------------+

1. Chuẩn hóa chất lượng thông tin hiển thị (IQ)

  • Thiết lập quy chuẩn ánh sáng studio đạt chỉ số hoàn màu CRI $\ge 95$ để tái tạo chính xác 100% màu sắc trang phục thực tế.
  • Streamer bắt buộc công khai số đo cá nhân (chiều cao, cân nặng, số đo 3 vòng) và mô tả chi tiết độ co giãn, thành phần sợi dệt (Cotton, Linen, Polyester) trên bảng ghim màn hình.

2. Nâng cấp năng lực chuyên môn của Streamer (SA)

  • Xây dựng tiêu chuẩn tuyển chọn Streamer dựa trên kiến thức thời trang (Styling skills) thay vì chỉ dựa vào lượng người theo dõi ảo. Streamer cần đóng vai trò là "chuyên gia tư vấn phong cách" trực tiếp cho từng vóc dáng người xem.

3. Tối ưu hóa tương tác thời gian thực (IN)

  • Tích hợp công cụ Social Commerce Automation tự động bắt bình luận theo cú pháp: [Mã SP] + [Số điện thoại] + [Size].
  • Giảm độ trễ phản hồi thắc mắc của người xem xuống dưới 15 giây bằng cách bố trí đội ngũ trợ lý phiên live (Co-host) lọc câu hỏi theo thời gian thực.

4. Cam kết chính sách giao hàng an toàn (DP)

  • Áp dụng chính sách cho phép "Đồng kiểm khi nhận hàng" và "Đổi size miễn phí trong 7 ngày". Điều này giúp giải tỏa 100% tâm lý e ngại rủi ro mua sắm online của khách hàng trẻ.

Hạn chế và hướng phát triển

Nghiên cứu tồn tại một số giới hạn học thuật cần được mở rộng:

  1. Quy mô mẫu: Kích thước mẫu $N = 270$ chỉ tập trung tại TP. Hồ Chí Minh, chưa mang tính đại diện tuyệt đối cho toàn bộ người tiêu dùng trẻ trên toàn quốc (như Hà Nội, Đà Nẵng hay các đô thị loại 2).
  2. Phương pháp lấy mẫu: Sử dụng mẫu thuận tiện phi xác suất, có thể chịu ảnh hưởng bởi sai số chọn mẫu.
  3. Phạm vi biến số: Mô hình mới chỉ tích hợp 4 tác nhân kích thích ngoại cảnh, chưa xem xét các yếu tố tâm lý cá nhân sâu hơn như sự sợ bỏ lỡ (Fear of Missing Out - FOMO), áp lực đồng trang lứa (Peer Pressure), hay ảnh hưởng của thuật toán gợi ý luồng live.

Hướng nghiên cứu tương lai: Mở rộng quy mô mẫu lên $N \ge 1.000$, ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) kết hợp phân tích đa nhóm (Multi-group Analysis - MGA) giữa các nền tảng TikTok Live và Facebook Live.


Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp nghiên cứu định lượng, kỹ thuật xử lý dữ liệu SPSS/AMOS và ứng dụng lý thuyết S-O-R trong thương mại điện tử.
  • Doanh nghiệp & Nhà bán lẻ thời trang: Cung cấp các con số định lượng chính xác để phân bổ ngân sách marketing hợp lý (tập trung 60% vào chất lượng nội dung và đào tạo streamer thay vì cắt giảm giá quá sâu).
  • Các KOC/KOL & Nhà sáng tạo nội dung: Định hình phong cách livestream chuyên nghiệp, nâng cao uy tín cá nhân và tỷ lệ giữ chân người xem (Viewer Retention Rate).
  • Nhà nghiên cứu kinh tế số: Bộ khung thang đo 23 biến đã được kiểm định độ tin cậy và độ giá trị thực tế tại thị trường Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật cơ bản để thiết lập một phiên livestream bán hàng thời trang chuẩn là gì?

Cần trang bị camera quay tối thiểu chuẩn Full HD 1080p 60fps, hệ thống đèn chiếu 3 điểm (Key light, Fill light, Backlight) có chỉ số CRI $\ge 95$, micro cài áo không dây khử ồn và đường truyền Internet băng thông upload tối thiểu 50 Mbps ổn định.

2. Tại sao chất lượng thông tin lại tác động mạnh hơn sự hấp dẫn của Streamer?

Trong ngành hàng thời trang, sự vừa vặn và độ bền chất liệu là rủi ro nhận thức lớn nhất. Một streamer dù cuốn hút nhưng cung cấp sai lệch thông tin về form dáng hoặc chất vải sẽ khiến khách hàng thất vọng, dẫn đến tỷ lệ hoàn hàng (Return Rate) tăng cao và phá vỡ niềm tin mua sắm.

3. Làm thế nào để kích hoạt ý định mua ngẫu hứng mà không làm khách hàng cảm thấy bị thao túng?

Doanh nghiệp nên sử dụng hiệu ứng giới hạn thời gian (Flash Sale 5 phút) đi kèm với chính sách bảo đảm "Đổi trả tận nhà miễn phí". Cung cấp giải pháp an toàn sẽ biến sự bốc đồng cảm xúc thành hành động chốt đơn mà không tạo ra cảm giác ân hận sau mua (Post-purchase Cognitive Dissonance).

4. Tỷ lệ hoàn hàng trung bình trong livestream thời trang là bao nhiêu và cách tối ưu?

Tỷ lệ hoàn hàng trong livestream thời trang dao động từ 15% - 30%. Để giảm tỷ lệ này xuống dưới 8%, doanh nghiệp cần gọi điện xác nhận đơn ngay trong vòng 10 phút sau khi chốt trên live và tích hợp phần mềm gửi hình ảnh thực tế của sản phẩm qua tin nhắn trước khi đóng gói.

5. Chi phí đầu tư ban đầu cho một phòng livestream chuyên nghiệp là bao nhiêu?

Chi phí dao động từ 25 - 50 triệu VNĐ cho thiết bị phần cứng (máy ảnh, ánh sáng, máy tính cấu hình Core i5/Ryzen 5 trở lên, card capture). Chi phí vận hành biến đổi linh hoạt tùy thuộc vào hoa hồng chiết khấu cho KOL/KOC (thường từ 10% - 20% doanh thu phiên live).


Kết luận

Nghiên cứu đã chứng minh thực nghiệm rằng ý định mua ngẫu hứng sản phẩm thời trang qua livestream của giới trẻ tại TP.HCM chịu sự chi phối quyết định bởi Niềm tin ($\beta = 0.512$), trong đó Chất lượng thông tin ($\beta = 0.245$) và Sức hấp dẫn của Streamer ($\beta = 0.218$) là hai tác nhân kích thích quan trọng nhất.

Để phát triển bền vững trong kỷ nguyên Social Commerce, các thương hiệu thời trang không thể chỉ dựa vào chiêu trò giảm giá ngắn hạn, mà bắt buộc phải xây dựng hệ sinh thái bán hàng trực tiếp minh bạch, streamer chuyên nghiệp và chính sách dịch vụ vượt trội. Hãy bắt đầu chuẩn hóa kịch bản phiên live và tối ưu hóa trải nghiệm tương tác ngay hôm nay để bứt phá doanh thu bán hàng đa kênh.