Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại

Đánh giá post

Chia sẻ chuyên mục Đề Tài Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Hành vi mua sắm của người tiêu dùng trong thương mại trực tiếp ứng dụng trí tuệ nhân tạo tại TP. HCM dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

Chương 4 trình bày các kết quả phân tích thu được dựa trên phương pháp nghiên cứu đã được trình bày ở Chương 3. Dữ liệu nghiên cứu sẽ được xử lý và phân tích bằng phần mềm Excel và Smart-PLS, bao gồm các bước làm sạch dữ liệu, thống kê mô tả, đánh giá mô hình đo lường thang đo và đánh giá mô hình cấu trúc. Các kết quả phân tích được trình bày chi tiết và so sánh với những nghiên cứu trước nhằm làm rõ ý nghĩa học thuật và ý nghĩa thực tiễn.

4.1. Kết quả nghiên cứu sơ bộ

4.1.1. Kết quả nghiên cứu định tính

Qua quá trình phỏng vấn chuyên gia, tác giả đã tổng hợp và thống nhất mô hình nghiên cứu sau khi có sự điều chỉnh nhằm phù hợp với bối cảnh hành vi mua sắm của người tiêu dùng trong thương mại trực tiếp ứng dụng trí tuệ nhân tạo tại TP.HCM. Kết quả phỏng vấn cho thấy các yếu tố đặc trưng của nền tảng thương mại trực tiếp ứng dụng trí tuệ nhân tạo, bao gồm mức độ thuận tiện khi sử dụng, khả năng đáp ứng nhu cầu mua sắm và sự phù hợp với thói quen của người tiêu dùng, có tác động đến ý định và hành vi mua sắm thông qua các yếu tố cảm xúc, cụ thể là cảm xúc của sự kích thích và niềm vui.

Bên cạnh đó, các yếu tố thuộc đặc điểm của nền tảng như chất lượng thông tin cung cấp trong phiên phát trực tiếp, khả năng tương tác và lợi ích mà người tiêu dùng nhận được khi mua sắm qua livestream ứng dụng trí tuệ nhân tạo cũng được các chuyên gia đánh giá là có ảnh hưởng gia tăng đến hành vi mua sắm. Tuy nhiên, tác động này chủ yếu diễn ra gián tiếp thông qua cảm xúc của khách hàng, trong đó cảm xúc kích thích và niềm vui được xác định là các biến trung gian trong mô hình nghiên cứu.

Đáng chú ý, kết quả phỏng vấn chuyên gia cho thấy hai yếu tố cảm xúc này không chỉ đóng vai trò là biến trung gian trong mối quan hệ giữa đặc điểm nền tảng và hành vi mua sắm, mà còn có mối quan hệ tương tác qua lại lẫn nhau, góp phần hình thành trải nghiệm mua sắm tích cực. Cụ thể, khi người tiêu dùng cảm nhận được sự kích thích trong quá trình tương tác với các phiên phát trực tiếp ứng dụng trí tuệ nhân tạo, mức độ phấn khích có xu hướng gia tăng, từ đó làm tăng niềm vui khi mua sắm. Ngược lại, niềm vui trong quá trình mua sắm cũng có thể củng cố thêm cảm xúc kích thích, qua đó thúc đẩy người tiêu dùng đưa ra hành vi mua sắm nhanh hơn và ít do dự hơn. Điều này được thể hiện ở phụ lục 1.

4.1.2. Kết quả nghiên cứu định lượng sơ bộ Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Tổng cộng 136 bảng câu hỏi khảo sát định lượng sơ bộ đã được phát ra, trong đó 112 bảng được thu hồi. Sau quá trình sàng lọc và làm sạch dữ liệu, 100 bảng câu hỏi hợp lệ được sử dụng trong phân tích nghiên cứu.

  • Bảng 4.1. Tổng hợp kết quả định lượng sơ bộ

Kết quả cho thấy, hệ số Cronbach’s Alpha của các thang đo đều đạt giá trị lớn hơn 0,7, dao động từ 0,773 (PRI) đến 0,880 (PUS), cho thấy các thang đo có độ tin cậy chấp nhận được đến cao. Bên cạnh đó, Composite Reliability (CR) của các thang đo đều vượt ngưỡng 0,7, cụ thể dao động từ 0,868 (PRI) đến 0,943 (PUS), khẳng định độ tin cậy tổng hợp cao của mô hình đo lường. Ngoài ra, giá trị AVE của tất cả các biến tiềm ẩn đều lớn hơn 0,5, dao động từ 0,686 (PRI) đến 0,893 (PUS), cho thấy các thang đo đáp ứng đầy đủ yêu cầu về giá trị hội tụ.

Đối với hệ số tải ngoài (Outer loadings), các biến quan sát đều có giá trị lớn hơn 0,8, cụ thể dao động từ 0,814 (PRI2) đến 0,946 (PUS2), cho thấy mỗi biến quan sát đều có mức độ đóng góp tốt vào biến tiềm ẩn tương ứng và không có biến nào bị loại bỏ khỏi mô hình. Từ các kết quả trên, có thể kết luận rằng mô hình đo lường của nghiên cứu đáp ứng đầy đủ các tiêu chí đánh giá về độ tin cậy và giá trị hội tụ, qua đó khẳng định tính ổn định và độ tin cậy cao của bộ thang đo. Trên cơ sở này, mô hình nghiên cứu đủ điều kiện để tiếp tục được sử dụng trong phân tích mô hình cấu trúc và kiểm định các giả thuyết nghiên cứu ở các bước tiếp theo.

4.1.3. Bảng khảo sát chính thức

Dựa trên kết quả đánh giá độ tin cậy và giá trị hội tụ của thang đo trong nghiên cứu định lượng sơ bộ, các thang đo đều đạt yêu cầu theo các tiêu chí Cronbach’s Alpha và hệ số tải. Trên cơ sở đó, tác giả giữ nguyên toàn bộ các biến quan sát và sử dụng kết quả thang đo đã được kiểm định để xây dựng bảng câu hỏi khảo sát chính thức phục vụ cho nghiên cứu.

Bảng câu hỏi khảo sát chính thức được thiết kế gồm ba phần chính. Phần thứ nhất là giới thiệu khảo sát và cam kết đồng thuận, trong đó người tham gia khảo sát được cung cấp đầy đủ thông tin về mục đích, nội dung và phạm vi nghiên cứu, đồng thời được cam kết bảo mật thông tin cá nhân. Việc tham gia khảo sát hoàn toàn mang tính tự nguyện và chỉ được thực hiện khi người được khảo sát đồng ý tham gia. Phần thứ hai của bảng khảo sát là thông tin nhân khẩu học, nhằm thu thập các thông tin cơ bản của đối tượng khảo sát, bao gồm trường học, độ tuổi, trình độ học vấn và giới tính. Ngoài ra, liên quan đến hành vi mua sắm của người tiêu dùng trong thương mại trực tiếp ứng dụng trí tuệ nhân tạo tại TP. HCM. Phần thứ ba là nội dung các câu hỏi chính về các biến nghiên cứu, bao gồm 20 câu hỏi tương ứng với các biến quan sát trong mô hình nghiên cứu chính thức. Các câu hỏi này được xây dựng dựa trên bộ thang đo đã được kiểm định độ tin cậy và tính ổn định, để thu thập dữ liệu phục vụ cho quá trình phân tích định lượng chính thức và kiểm định các giả thuyết nghiên cứu trong các bước tiếp theo.

4.2. Kết quả nghiên cứu chính thức Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

4.2.1. Mô tả mẫu khảo sát

Sau quá trình làm sạch dữ liệu, mẫu khảo sát đạt yêu cầu phân tích gồm 248 quan sát, được thu thập tại các trường đại học và doanh nghiệp trên địa bàn TP.HCM, bao gồm Đại học Công nghệ Thông tin (UIT), Đại học Ngân hàng (HUB), Đại học Sư phạm Kỹ thuật (UTE), Công ty Trách nhiệm hữu hạn Công nghệ thông tin ELCA, Công ty Trách nhiệm hữu hạn Kobe Bussan, Công ty Trách nhiệm hữu hạn Bảo hiểm nhân thọ Cathay Life và Ngân hàng Quốc Tế VIB.

Về giới tính, mẫu khảo sát có sự phân bố tương đối cân bằng giữa nam (47,3%) và nữ (51,6%), trong khi giới tính khác chiếm 1,1%. Sự phân bố đồng đều này cho thấy cả hai giới đều có mức độ quan tâm tương đương đối với hoạt động mua sắm trong thương mại trực tiếp ứng dụng trí tuệ nhân tạo.

Về độ tuổi, nhóm từ 20 đến 30 tuổi chiếm tỷ lệ cao nhất với 66,9%, phản ánh đây là tệp khách hàng chủ lực và tiềm năng của các doanh nghiệp trong lĩnh vực thương mại trực tiếp. Nhóm dưới 20 tuổi chiếm 21,5%, nhóm từ 31 đến 40 tuổi chiếm 9,6%, trong khi nhóm trên 40 tuổi chiếm tỷ lệ rất thấp, chỉ khoảng 2%. Điều này cho thấy một hạn chế nhất định trong việc đại diện cho các nhóm tuổi lớn hơn.

Về trình độ học vấn, phần lớn đáp viên có trình độ đại học (89,8%), tiếp theo là sau đại học (8,3%), trung học phổ thông (2%) và cao đẳng/trung cấp (1,4%). Cơ cấu này phù hợp với đặc điểm của đối tượng khảo sát là sinh viên và nhân viên văn phòng.

Về chi tiêu mua sắm hàng tháng trên các nền tảng livestream ứng dụng trí tuệ nhân tạo như TikTok Live và Shopee Live, phần lớn đáp viên chi tiêu dưới 1 triệu đồng (62%), tiếp theo là từ 1 đến 5 triệu đồng (31,2%), từ 5 đến 10 triệu đồng (3,7%) và trên 10 triệu đồng (3,1%), cho thấy hành vi mua sắm qua livestream AI vẫn đang ở mức chi tiêu vừa phải trong mẫu nghiên cứu.

  • Bảng 4.2. Thống kê mô tả mẫu khảo sát

4.2.2 Đánh giá mô hình đo lường Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Đánh giá mô hình đo lường bao gồm ba nội dung chính là độ tin cậy, độ hội tụ và tính phân biệt, là giai đoạn tiên quyết trước khi tiến hành kiểm định mô hình cấu trúc.

4.2.2.1 Đánh giá độ tin cậy

Để đánh giá độ tin cậy của thang đo, tác giả xem xét ba chỉ số gồm hệ số tải ngoài (Outer loadings), Cronbach’s Alpha và độ tin cậy tổng hợp. Kết quả phân tích được tổng hợp vào các bảng theo từng yếu tố, với năm cột trình bày lần lượt là mã hóa biến quan sát, hệ số tải ngoài, độ tin cậy (Cronbach’s Alpha), độ tin cậy tổng hợp và phương sai trích trung bình (AVE), dựa trên kết quả xuất từ phần mềm SmartPLS.

Ý định sử dụng (ITU): Trong Bảng 4.3, tất cả các biến quan sát của thành phần ý định sử dụng đều có hệ số tải vượt ngưỡng 0,7, cho thấy các biến này đóng góp có ý nghĩa vào thang đo. Giá trị hệ số tải dao động từ 0,907 đến 0,908. Bên cạnh đó, hệ số Cronbach’s Alpha của thang đo đạt 0,786 (nằm trong khoảng 0,7 – 0,95), khẳng định thang đo đạt yêu cầu về độ tin cậy. Độ tin cậy tổng hợp (CR) ghi nhận ở mức 0,903, cao hơn ngưỡng 0,7, chứng tỏ thang đo có tính nhất quán nội tại cao. Tóm lại, thang đo ý định sử dụng đáp ứng tốt các tiêu chuẩn về độ tin cậy và tính nhất quán.

  • Bảng 4.3. Tổng hợp kết quả phân tích của ý định sử dụng

Nhận thức tính hữu ích (PUS): Bảng 4.4 tổng hợp kết quả kiểm định độ tin cậy của thang đo PUS. Hệ số tải ngoài của các biến quan sát nằm trong khoảng 0,944 – 0,946, đều cao hơn ngưỡng tối thiểu 0,7 theo khuyến nghị của Hair và cộng sự (2022). Hệ số Cronbach’s Alpha đạt 0,88, nằm trong khoảng cho phép (0,7 – 0,95), phản ánh thang đo có sự nhất quán nội tại tốt. Độ tin cậy tổng hợp (CR) ghi nhận ở mức 0,943, vượt ngưỡng yêu cầu 0,7. Như vậy, thang đo PUS đảm bảo độ tin cậy và tính nhất quán.

  • Bảng 4.4. Tổng hợp kết quả phân tích của nhận thức tính hữu ích

Nhận thức dễ sử dụng (PEU): Bảng 4.5 tổng hợp kết quả từ phân tích dữ liệu độ tin cậy của thang đo nhận thức dễ sử dụng. Hệ số tải của nhận thức dễ sử dụng dao động từ 0,919 đến 0,922 đều đạt giá trị lớn hơn 0,7. Hệ số Cronbach’s Alpha của thang đo nhận thức dễ sử dụng là 0,82 cao hơn 0,7 và nhỏ hơn 0,95. Độ tin cậy tổng hợp đạt 0,918 thỏa mãn lớn hơn 0,7. Do vậy, thang đo đạt độ tin cậy và tính nhất quán. Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

  • Bảng 4.5. Tổng hợp kết quả phân tích của nhận thức dễ sử dụng

Tính tương thích (COM): Bảng 4.6 tổng hợp kết quả từ phân tích dữ liệu độ tin cậy của thang đo tính tương thích. Hệ số tải của tính tương thích dao động từ 0,889 đến 0,902 đều đạt giá trị lớn hơn 0,7. Hệ số Cronbach’s Alpha của thang đo tính tương thích là 0,877 cao hơn 0,7 và nhỏ hơn 0,95. Độ tin cậy tổng hợp đạt 0,924 thỏa mãn lớn hơn 0,7. Do vậy, thang đo đạt độ tin cậy và tính nhất quán.

  • Bảng 4.6. Tổng hợp cho kết quả phân tích của tính tương thích

Ảnh hưởng xã hội (SIN): Kết quả phân tích độ tin cậy của thang đo SIN được trình bày tại Bảng 4.7. Các hệ số tải của biến quan sát nằm trong khoảng 0,869 – 0,895, tất cả đều lớn hơn 0,7. Hệ số Cronbach’s Alpha đạt 0,858 (thỏa mãn điều kiện > 0,7 và < 0,95). Độ tin cậy tổng hợp (CR) ghi nhận ở mức 0,914, cao hơn ngưỡng 0,7. Vì vậy, thang đo SIN đạt yêu cầu về độ tin cậy và tính nhất quán.

  • Bảng 4.7. Tổng hợp kết quả phân tích của tính tương thích

Nhận thức rủi ro (PRI): Bảng 4.8 tổng hợp kết quả kiểm định độ tin cậy của thang đo PRI. Hệ số tải của các biến quan sát dao động từ 0,814 đến 0,843, tất cả đều vượt ngưỡng 0,7. Hệ số Cronbach’s Alpha đạt 0,868 (nằm trong khoảng 0,7 – 0,95). Độ tin cậy tổng hợp (CR) ghi nhận ở mức 0,868, đáp ứng yêu cầu > 0,7. Do đó, thang đo PRI đảm bảo độ tin cậy và tính nhất quán

  • Bảng 4.8. Tổng hợp kết quả phân tích của nhận thức rủi ro.

Tự hài lòng (SSA): Kết quả phân tích độ tin cậy của thang đo SSA được thể hiện tại Bảng 4.9. Hệ số tải của các biến quan sát nằm trong khoảng 0,855 – 0,884, đều lớn hơn 0,7. Hệ số Cronbach’s Alpha đạt 0,84 (thỏa mãn điều kiện > 0,7 và < 0,95). Độ tin cậy tổng hợp (CR) ghi nhận ở mức 0,904, cao hơn ngưỡng 0,7. Vì vậy, thang đo SSA đạt yêu cầu về độ tin cậy và tính nhất quán. Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

  • Bảng 4.9. Tổng hợp kết quả phân tích của tự hài lòng

Hành vi mua sắm (PBU): Bảng 4.10 trình bày kết quả kiểm định độ tin cậy của thang đo PBU. Hệ số tải của các biến quan sát dao động từ 0,92 đến 0,93, tất cả đều lớn hơn 0,7. Hệ số Cronbach’s Alpha đạt 0,831 (nằm trong khoảng 0,7 – 0,95). Độ tin cậy tổng hợp (CR) ghi nhận ở mức 0,922, đáp ứng yêu cầu > 0,7. Như vậy, thang đo PBU đảm bảo độ tin cậy và tính nhất quán.

  • Bảng 4.10. Tổng hợp kết quả phân tích của hành vi mua sắm

4.2.2.2 Đánh giá độ hội tụ

Việc đánh giá độ hội tụ nhằm xác định mức độ tương quan cùng chiều giữa các biến quan sát và khả năng chúng cùng phản ánh một khái niệm tiềm ẩn trong mô hình đo lường. Theo Liu và cộng sự (2025b), giá trị hội tụ của thang đo được đo lường thông qua chỉ số phương sai trích trung bình (AVE). Nếu chỉ số AVE của một thang đo lớn hơn 0,5, thang đo đó được coi là đạt giá trị hội tụ, nghĩa là khái niệm tiềm ẩn có thể giải thích được phần lớn phương sai của các biến quan sát.

Sau khi tiến hành phân tích dữ liệu, tác giả đã tổng hợp kết quả chỉ số AVE của các thang đo và trình bày chi tiết tại Bảng 4.3, Bảng 4.4, Bảng 4.5, Bảng 4.6, Bảng 4.7, Bảng 4.8 và Bảng 4.9. Kết quả phân tích cho thấy tất cả các thang đo đều có giá trị AVE lớn hơn 0,5, trong đó giá trị AVE thấp nhất thuộc về thang đo nhận thức rủi ro (AVE = 0,686) và giá trị AVE cao nhất thuộc về thang đo nhận thức tính hữu ích (AVE = 0,893). Như vậy, có thể kết luận rằng các thang đo trong nghiên cứu đều đạt được giá trị hội tụ theo tiêu chuẩn đề xuất.

4.2.2.3 Đánh giá độ phân biệt

Đánh giá tính phân biệt nhằm xác định mức độ khác biệt giữa các thang đo với nhau trong mô hình nghiên cứu, từ đó đảm bảo mỗi thang đo đại diện cho một khái niệm tiềm ẩn riêng biệt. Theo Fornell & Larcker (1981), giá trị phân biệt của thang đo được chấp nhận nếu căn bậc hai của chỉ số AVE của mỗi nhân tố lớn hơn các hệ số tương quan giữa nhân tố đó với các nhân tố còn lại trong mô hình.

Để đánh giá tính phân biệt theo tiếp cận truyền thống, nghiên cứu sử dụng ma trận Fornell–Larcker. Kết quả được trình bày tại Bảng 4.11, cho thấy giá trị căn bậc hai của AVE của từng biến tiềm ẩn đều lớn hơn các hệ số tương quan tương ứng với các biến tiềm ẩn còn lại. Điều này chứng tỏ rằng các thang đo trong mô hình nghiên cứu đảm bảo được tính phân biệt, phù hợp để tiếp tục sử dụng trong các phân tích tiếp theo.

  • Bảng 4.11. Tổng hợp kết quả độ phân biệt chính thức theo Fornell – Larcker

Bên cạnh tiêu chí Fornell–Larcker, chỉ số Heterotrait–Monotrait (HTMT) ngày càng được nhiều nhà nghiên cứu sử dụng để đánh giá độ phân biệt giữa các biến tiềm ẩn trong mô hình (Hair và cộng sự, 2022). Sau khi tiến hành phân tích dữ liệu, tác giả đã tổng hợp các giá trị chỉ số HTMT của mô hình và trình bày chi tiết tại Bảng 4.11.

Theo Kline (2016), một cặp biến tiềm ẩn được xem là đạt giá trị phân biệt khi chỉ số HTMT nhỏ hơn 0,85. Kết quả từ Bảng 4.11 cho thấy tất cả các giá trị HTMT giữa các cặp biến trong mô hình đều nhỏ hơn ngưỡng 0,85, cụ thể dao động trong khoảng từ 0,142 đến 0,849. Do đó, có thể kết luận rằng các thang đo trong nghiên cứu đều đảm bảo giá trị phân biệt theo tiêu chí HTMT.

  • Bảng 4.12. Tổng hợp kết quả độ phân biệt chính thức theo HTMT

4.2.3 Kết quả đánh giá mô hình cấu trúc Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

4.2.3.1 Đánh giá hiện tượng đa cộng tuyến

Để kiểm tra hiện tượng đa cộng tuyến trong mô hình nghiên cứu, tác giả sử dụng chỉ số phóng đại phương sai (Variance Inflation Factor – VIF), là phương pháp được áp dụng phổ biến trong các nghiên cứu sử dụng PLS-SEM. Theo Hair và cộng sự (2022), nhằm đảm bảo không xảy ra hiện tượng đa cộng tuyến, giá trị VIF của các biến trong mô hình cần nhỏ hơn 3.

Sau khi tiến hành phân tích dữ liệu, tác giả đã tổng hợp các giá trị VIF của các mối quan hệ giữa các biến trong mô hình và trình bày chi tiết tại Bảng 4.13.

  • Bảng 4.13. Tổng hợp kết quả đa cộng tuyến của thang đo

Kết quả cho thấy giá trị VIF thấp nhất đạt 1 và cao nhất đạt 2,64, đều nằm dưới ngưỡng 3 theo khuyến nghị. Do đó, có thể kết luận rằng mô hình nghiên cứu không tồn tại hiện tượng đa cộng tuyến, đáp ứng điều kiện cần thiết để tiếp tục phân tích và kiểm định các mối quan hệ trong mô hình cấu trúc.

4.2.3.2 Kiểm định giả thuyết nghiên cứu

Sau khi hoàn tất các bước đánh giá mô hình đo lường (bao gồm kiểm tra độ tin cậy, độ hội tụ và độ phân biệt), có thể kết luận rằng mô hình nghiên cứu thỏa mãn tất cả các điều kiện cần thiết để tiến hành kiểm định các giả thuyết. Trên cơ sở đó, nghiên cứu thực hiện phân tích bootstrapping với 5.000 mẫu lặp lại nhằm đánh giá mức độ và ý nghĩa thống kê của các mối quan hệ trong mô hình cấu trúc. Kết quả kiểm định các giả thuyết nghiên cứu tổng hợp và trình bày tại Bảng 4.13.

  • Bảng 4.14. Tổng hợp kết quả kiểm định Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Kết quả phân tích cho thấy phần lớn các hệ số tác động (β) trong mô hình có ý nghĩa thống kê ở mức ý nghĩa 5%, phản ánh sự tồn tại của các mối quan hệ nhân quả theo giả thuyết nghiên cứu đề xuất. Bên cạnh đó, một số mối quan hệ tuy có hệ số β khác 0 nhưng không có ý nghĩa thống kê, do giá trị p-value lớn hơn 0,05, nên các giả thuyết tương ứng không được chấp nhận. Cụ thể, cột “Giả thuyết” và “Mối quan hệ” thể hiện toàn bộ các giả thuyết được xây dựng trong mô hình nghiên cứu, được mã hóa từ H1 đến H12, kèm theo các mối quan hệ tương ứng giữa các biến tiềm ẩn. Cột hệ số tác động (β) phản ánh mức độ và chiều hướng tác động của từng mối quan hệ. Cột độ lệch chuẩn thể hiện mức độ biến thiên của các ước lượng, trong khi cột giá trị thống kê t phản ánh kết quả kiểm định Student cho từng giả thuyết. Cuối cùng, cột giá trị p-value cho biết mức ý nghĩa thống kê của từng mối quan hệ, là căn cứ để đánh giá việc chấp nhận hay bác bỏ các giả thuyết nghiên cứu.

Giả thuyết H1a: Nhận thức rủi ro có ảnh hưởng tiêu cực đến nhận thức dễ sử dụng (PRI → PEU). Kết quả cho thấy mối quan hệ nhận thức rủi ro (PRI) và nhận thức dễ sử dụng (PEU) có hệ số β = -0,098. Với mức kiểm định giá trị ρ = 0,016 (< 0,05) có ý nghĩa thống kê. Cho nên, giả thuyết H1a được chấp nhận. Như vậy, nhận thức rủi ro có tác động trái chiều đến nhận thức dễ sử dụng.

Giả thuyết H1b: Nhận thức rủi ro có tác động trái chiều đến nhận thức tính hữu ích (PRI → PUS). Kết quả cho thấy mối quan hệ nhận thức rủi ro (PRI) và nhận thức tính hữu ích (PUS) có hệ số β = -0,111. Với mức kiểm định giá trị ρ = 0,000 (< 0,05) có ý nghĩa thống kê. Cho nên, giả thuyết H1b được chấp nhận. Như vậy, nhận thức rủi ro có tác động trái chiều đến nhận thức tính hữu ích

Giả thuyết H2a: Ảnh hưởng xã hội có ảnh hưởng gia tăng đến nhận thức dễ sử dụng (SIN → PEU). Kết quả cho thấy mối quan hệ ảnh hưởng xã hội (SIN) và nhận thức dễ sử dụng (PEU) có hệ số β = 0,039. Với mức kiểm định giá trị ρ = 0,564 (≥ 0,05) không có ý nghĩa thống kê. Cho nên, giả thuyết H2a bị bác bỏ. Như vậy, ảnh hưởng xã hội không có ảnh hưởng gia tăng đến nhận thức dễ sử dụng. Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Giả thuyết H2b: Ảnh hưởng xã hội có ảnh hưởng gia tăng đến nhận thức tính hữu ích (SIN → PUS). Kết quả cho thấy mối quan hệ nhận thức rủi ro (PRI) và nhận thức tính hữu ích (PUS) có hệ số β = 0,227. Với mức kiểm định giá trị ρ = 0,001 (< 0,05) có ý nghĩa thống kê. Cho nên, giả thuyết H2b được chấp nhận. Như vậy, nhận thức rủi ro có ảnh hưởng gia tăng đến nhận thức tính hữu ích.

Giả thuyết H3a: Tự hài lòng có ảnh hưởng gia tăng đến nhận thức dễ sử dụng (SSA → PEU). Kết quả cho thấy mối quan hệ tự hài lòng (SSA) và nhận thức dễ sử dụng (PEU) có hệ số β = 0,216. Với mức kiểm định giá trị ρ = 0,002 (< 0,05) có ý nghĩa thống kê. Cho nên, giả thuyết H3a được chấp nhận. Như vậy, tự hài lòng có ảnh hưởng gia tăng đến nhận thức tính hữu ích.

Giả thuyết H3b: Tự hài lòng có ảnh hưởng gia tăng đến nhận thức tính hữu ích (SSA → PUS). Kết quả cho thấy mối quan hệ tự hài lòng (PRI) và nhận thức tính hữu ích (PUS) có hệ số β = -0,111. Với mức kiểm định giá trị ρ = 0,000 (< 0,05) có ý nghĩa thống kê. Cho nên, giả thuyết H3b được chấp nhận. Như vậy, tự hài lòng có ảnh hưởng gia tăng đến nhận thức tính hữu ích.

Giả thuyết H4a: Tính tương thích có ảnh hưởng gia tăng đến nhận thức dễ sử dụng (COM → PEU). Kết quả cho thấy mối quan hệ tính tương thích (PRI) và nhận thức dễ sử dụng (PUS) có hệ số β = 0,548. Với mức kiểm định giá trị ρ = 0,000 (< 0,05) có ý nghĩa thống kê. Cho nên, giả thuyết H4a được chấp nhận. Như vậy, tính tương thích có ảnh hưởng gia tăng đến nhận thức dễ sử dụng.

Giả thuyết H4a: Tính tương thích có ảnh hưởng gia tăng đến nhận thức tính hữu ích (COM → PUS). Kết quả cho thấy mối quan hệ tính tương thích (COM) và nhận thức tính hữu ích (PUS) có hệ số β = 0,277. Với mức kiểm định giá trị ρ = 0,001 (< 0,05) có ý nghĩa thống kê. Cho nên, giả thuyết H4b được chấp nhận. Như vậy, nhận thức rủi ro có ảnh hưởng gia tăng đến nhận thức tính hữu ích.

Giả thuyết H5: Ảnh hưởng xã hội có ảnh hưởng gia tăng đến nhận thức dễ sử dụng (PEU → PUS). Kết quả cho thấy mối quan hệ ảnh hưởng xã hội (SIN) và nhận thức dễ sử dụng (PEU) có hệ số β = 0,039. Với mức kiểm định giá trị ρ = 0,564 (≥ 0,05) không có ý nghĩa thống kê. Cho nên, giả thuyết H5 bị bác bỏ. Như vậy, ảnh hưởng xã hội không có ảnh hưởng gia tăng đến nhận thức dễ sử dụng. Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Giả thuyết H7A: Nhận thức dễ sử dụng có ảnh hưởng gia tăng nhận thức tính hữu ích (PEU → PUS). Kết quả cho thấy mối quan hệ nhận thức dễ sử dụng (PRI) và nhận thức tính hữu ích (PUS) có hệ số β = 0,137. Với mức kiểm định giá trị ρ = 0,087 (< 0,05) có ý nghĩa thống kê. Cho nên, giả thuyết H6 được chấp nhận. Như vậy, nhận thức dễ sử dụng có ảnh hưởng gia tăng đến nhận thức tính hữu ích.

Giả thuyết H7: Nhận thức tính hữu ích có ảnh hưởng gia tăng đến ý định sử dụng (PUS → ITU). Kết quả cho thấy mối quan hệ nhận thức tính hữu ích (PUS) và ý định sử dụng (ITU) có hệ số β = 0,398. Với mức kiểm định giá trị ρ = 0,000 (< 0,05) có ý nghĩa thống kê. Cho nên, giả thuyết H7 được chấp nhận. Như vậy, nhận thức tính hữu ích có ảnh hưởng gia tăng ý định sử dụng.

Giả thuyết H8: Ý định sử dụng có ảnh hưởng gia tăng đến nhận hành vi mua sắm (ITU → PBE). Kết quả cho thấy mối quan hệ ý định sử dụng (PRI) và hành vi mua sắm (PBE) có hệ số β = 0,585. Với mức kiểm định giá trị ρ = 0,000 (< 0,05) có ý nghĩa thống kê. Cho nên, giả thuyết H8 được chấp nhận. Như vậy, ý định sử dụng có ảnh hưởng gia tăng đến hành vi mua sắm.

Các giả thuyết có giá trị ρ < 0,05 được chấp nhận, trong khi các giả thuyết có ρ ≥ 0,05 bị bác bỏ. Kết quả phân tích hồi quy cho thấy sự ảnh hưởng của các yếu tố đến ý định sử dụng (ITU), Hành vi mua sắm (PBE), nhận thức dễ sử dụng (PEU)và nhận thức tính hữu ích (IPI) được thể hiện theo Bảng 4.13 và Hình 4.1.

  • Hình 4.1. Kết quả kiểm định mô hình PLS-SEM

4.2.3.3. Đánh giá mức độ giải thích của biến độc lập

Nhằm đánh giá mức độ biến thiên của biến phụ thuộc được giải thích bởi các biến tiềm ẩn trong từng cấu trúc nội sinh, nghiên cứu sử dụng hệ số xác định R² (Basu và cộng sự, 2023). Giá trị R² nằm trong khoảng từ 0 đến 1, giá trị càng cao thì khả năng giải thích của mô hình đối với biến phụ thuộc càng lớn. Theo Hair và cộng sự (2020), các ngưỡng R² được tham chiếu gồm: 0,75 (mức giải thích cao), 0,50 (mức trung bình) và 0,25 (mức yếu).

Sau khi tiến hành phân tích dữ liệu, tác giả tổng hợp các giá trị R² của các biến nội sinh và trình bày chi tiết tại Bảng 4.15. Kết quả phân tích cho thấy biến hành vi mua sắm có giá trị R² hiệu chỉnh đạt 0,34, cho thấy ba biến trung gian gồm ý định sử dụng, nhận thức tính hữu ích và nhận thức dễ sử dụng giải thích được 34% sự biến thiên của hành vi mua sắm. Mức giải thích này phản ánh khả năng giải thích ở mức trung bình của mô hình, đồng thời cho thấy vẫn còn các yếu tố khác ngoài mô hình có thể tác động đến hành vi mua sắm của người tiêu dùng trong thương mại trực tiếp ứng dụng trí tuệ nhân tạo, mở ra hướng nghiên cứu tiếp theo trong tương lai. Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

  • Bảng 4.15. Kết quả tổng kết R2.

Đối với biến ý định sử dụng, kết quả phân tích cho thấy giá trị R² hiệu chỉnh đạt 0,554, cho thấy hai biến nhận thức tính hữu ích và nhận thức dễ sử dụng giải thích được 55,4% sự biến thiên của ý định sử dụng. Mức giải thích này phản ánh khả năng giải thích ở mức trung bình khá, cho thấy hai yếu tố công nghệ cốt lõi trong mô hình TAM có vai trò quan trọng trong việc hình thành ý định sử dụng của người tiêu dùng.

Đối với biến nhận thức dễ sử dụng, bốn biến độc lập gồm nhận thức rủi ro, ảnh hưởng xã hội, tự hài lòng và tính tương thích có giá trị R² hiệu chỉnh đạt 0,563, nghĩa là bốn yếu tố tâm lý và xã hội này giải thích được 56,3% sự biến thiên của nhận thức dễ sử dụng, phản ánh mức độ giải thích trung bình khá của mô hình.

Nhìn chung, các giá trị R² hiệu chỉnh của bốn biến nội sinh trong mô hình dao động từ 0,340 đến 0,585, đều nằm trong ngưỡng giải thích trung bình theo tiêu chí của Hair và cộng sự (2020). Cụ thể, ba biến ý định sử dụng, nhận thức dễ sử dụng và nhận thức tính hữu ích đạt mức giải thích trung bình khá, trong khi biến hành vi mua sắm đạt mức giải thích trung bình. Kết quả này cho thấy mô hình nghiên cứu có khả năng giải thích hợp lý các biến nội sinh, đồng thời khẳng định rằng luận văn đã đạt được mục tiêu nghiên cứu đề ra.

4.2.3.4 Đánh giá năng lực dự báo ngoài mẫu của mô hình

Sau quá trình xử lý dữ liệu, tác giả tổng hợp các giá trị f² nhằm đánh giá mức độ ảnh hưởng của từng biến độc lập lên biến phụ thuộc, kết quả được thể hiện tại Hình 4.16.

Trong mô hình phân tích, hệ số Q2 có giá trị lớn hơn 0 chứng minh được biến độc lập có khả năng dự báo cho các biến phụ thuộc như sau. Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

  • Bảng 4.16. Kết quả đánh giá năng lực dự báo ngoài mẫu của mô hình

Bảng 4.16 trình bày kết quả đánh giá năng lực dự báo ngoài mẫu của mô hình thông qua hệ số Q². Kết quả cho thấy tất cả các giá trị Q² của các biến nội sinh trong mô hình đều đạt giá trị lớn hơn 0,25, cho thấy các biến độc lập có độ chính xác dự báo đạt mức trung bình trở lên theo tiêu chí phân loại của Hair và cộng sự (2019b). Điều này mang lại khẳng định mô hình nghiên cứu có khả năng dự báo tốt đối với các biến tiềm ẩn nội sinh.

Xét theo từng biến cụ thể, giá trị Q² cao nhất thuộc về biến nhận thức tính hữu ích, phản ánh rằng các biến độc lập trong mô hình có khả năng dự báo mạnh nhất đối với yếu tố này. Tiếp theo là biến nhận thức dễ sử dụng với giá trị Q² ở mức khá, cho thấy các yếu tố tâm lý và xã hội như nhận thức rủi ro, ảnh hưởng xã hội, tự hài lòng và tính tương thích có khả năng dự báo tốt đối với cảm nhận về sự dễ sử dụng của người tiêu dùng. Biến ý định sử dụng đạt giá trị Q² ở mức trung bình, trong khi biến hành vi mua sắm có giá trị Q² thấp nhất trong bốn biến nội sinh, tuy nhiên vẫn vượt ngưỡng 0,25 và đạt yêu cầu về năng lực dự báo.

Nhìn chung, với toàn bộ các giá trị Q² đều đạt ngưỡng yêu cầu, mô hình nghiên cứu thể hiện sự liên quan dự báo có ý nghĩa đối với các biến tiềm ẩn nội sinh, qua đó khẳng định chất lượng và độ tin cậy tổng thể của mô hình cấu trúc hơn.

4.2.3.5 Đánh giá hiệu quả tác động của các biến trong các quan hệ

Sau khi thực hiện phân tích dữ liệu, tác giả đã tổng hợp kết quả f2 để đánh giá mức hiệu quả tác động của biến độc lập đến biến phụ thuộc vào Hình 4.17.

  • Bảng 4.17. Kết quả đánh giá tác động của quan hệ các biến

Dựa trên kết quả phân tích hệ số hiệu quả tác động f² và theo ngưỡng đánh giá do Cohen (1988) đề xuất, mô hình nghiên cứu ghi nhận ba mối quan hệ có mức tác động yếu, năm mối quan hệ có mức tác động trung bình và ba mối quan hệ có mức tác động mạnh. Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Cụ thể, các mối quan hệ có mức tác động yếu bao gồm: Ảnh hưởng của nhận thức rủi ro đến nhận thức dễ sử dụng (PRI → PEU) với hệ số f² = 0,021; Ảnh hưởng của Ảnh hưởng xã hội đến Nhận thức dễ sử dụng (SIN → PEU) với hệ số f² = 0,002; và Ảnh hưởng nhận thức tính dễ sử dụng đến nhận thức hữu ích (PEU → PUS) với hệ số f² = 0,020. Các mối quan hệ này cho thấy mức độ đóng góp còn hạn chế vào khả năng giải thích của mô hình.

Bên cạnh đó, mô hình có năm mối quan hệ đạt mức tác động trung bình, bao gồm: nhận thức rủi ro tác động đến nhận thức hữu ích (PRI → PUS) với f² = 0,028; ảnh hưởng xã hội tác động đến nhận thức hữu ích (SIN → PUS) với f² = 0,068; tự hài lòng tác động đến nhận thức dễ sử dụng (SSA → PEU) với f² = 0,052; tự hài lòng đến nhận thức hữu ích (SSA → PUS) với f² = 0,059; và tính tương thích tác động đến Nhận thức hữu ích (COM → PUS) với f² = 0,071. Các mối quan hệ này cho thấy các yếu tố công nghệ và xã hội có vai trò đáng kể trong việc hình thành nhận thức của người tiêu dùng.

Đáng chú ý, mô hình ghi nhận ba mối quan hệ có mức tác động mạnh, bao gồm: Sự tương thích tác động đến Nhận thức dễ sử dụng (COM → PEU) với hệ số f² = 0,360 – là mối quan hệ có mức tác động mạnh nhất trong mô hình; Nhận thức dễ sử dụng tác động đến Ý định sử dụng (PEU → ITU) với f² = 0,259; và Nhận thức hữu ích tác động đến Ý định sử dụng (PUS → ITU) với f² = 0,221. Các kết quả này cho thấy vai trò trung tâm của các yếu tố nhận thức công nghệ trong việc thúc đẩy hành vi mua sắm trong thương mại trực tiếp ứng dụng trí tuệ nhân tạo của người tiêu dùng.

4.3. Thảo luận kết quả nghiên cứu Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

4.3.1 Kết quả đánh giá sơ bộ

Nghiên cứu sơ bộ được tiến hành dựa trên 100 bảng khảo sát hợp lệ được thu thập từ 136 phiếu khảo sát phát ra, nhằm thực hiện kiểm định và đánh giá sơ bộ thang đo. Kết quả phân tích cho thấy các hệ số tải (outer loadings) của các biến quan sát đều đạt giá trị trên 0,7, phản ánh mức độ đóng góp phù hợp của các biến vào khái niệm nghiên cứu. Đồng thời, hệ số Cronbach’s Alpha của các thang đo đều lớn hơn 0,9 và nhỏ hơn 0,95, cho thấy mức độ nhất quán nội tại cao và không xảy ra hiện tượng trùng lặp đo lường. Bên cạnh đó, độ tin cậy tổng hợp (Composite Reliability) của các thang đo đều vượt ngưỡng 0,7, đáp ứng tiêu chuẩn khuyến nghị trong nghiên cứu định lượng. Nhìn chung, các kết quả này khẳng định rằng hệ thống thang đo trong nghiên cứu đạt độ tin cậy cao, đủ điều kiện để tiếp tục sử dụng trong giai đoạn phân tích chính thức.

4.3.2. Kết quả thang đo chính thức

Trong mô hình nghiên cứu đề xuất, luận văn xác định 8 khái niệm nghiên cứu đại diện cho các biến tiềm ẩn, bao gồm: nhận thức rủi ro, ảnh hưởng xã hội, tính tương thích, nhận thức tính hữu ích, nhận thức dễ sử dụng, ý định sử dụng và hành vi mua sắm. Các khái niệm này được xây dựng và hiệu chỉnh dựa trên kết quả nghiên cứu định tính, thông qua việc tổng hợp các tài liệu nghiên cứu trước đây và phỏng vấn chuyên gia trong lĩnh vực liên quan. Tiếp theo, trong giai đoạn đánh giá định lượng sơ bộ, các thang đo được kiểm định và cho kết quả đạt yêu cầu về độ tin cậy, giá trị hội tụ và giá trị phân biệt, làm cơ sở để hình thành bộ thang đo chính thức cho nghiên cứu. Dữ liệu khảo sát sau khi thu thập được tiến hành làm sạch, từ 353 quan sát ban đầu còn lại 248 quan sát hợp lệ được sử dụng cho quá trình phân tích và kiểm định thang đo trong nghiên cứu chính thức. Kết quả đánh giá mô hình đo lường ở giai đoạn nghiên cứu chính thức cho thấy tất cả các thang đo trong mô hình đều đáp ứng đầy đủ các tiêu chuẩn đo lường theo đề xuất của các nghiên cứu trước, khẳng định tính phù hợp và độ tin cậy của mô hình nghiên cứu. Tóm lại, các kết quả phân tích cho thấy mô hình nghiên cứu được đề xuất là phù hợp với bối cảnh nghiên cứu tại khu vực TP.HCM.

4.3.3. Kết quả về giả thuyết nghiên cứu Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Kết quả phân tích cho thấy mô hình đã kiểm định thành công các mối quan hệ cấu trúc giữa các yếu tố bên ngoài (gồm cảm nhận rủi ro – PRI, ảnh hưởng xã hội – SIN, tự hài lòng – SSA, tính tương thích – COM) với các thành phần cốt lõi của mô hình chấp nhận công nghệ TAM (nhận thức dễ sử dụng – PEU, nhận thức tính hữu ích – PUS, và ý định sử dụng – ITU). Mô hình nghiên cứu bao gồm 11 giả thuyết, tất cả đều được chấp nhận với các mức độ ảnh hưởng khác nhau, được đánh giá thông qua chỉ số hiệu ứng f² chỉ báo phản ánh cường độ tác động của từng mối quan hệ trong mô hình.

Trước hết, kết quả phân tích cho thấy nhận thức rủi ro (PRI) có tác động trái chiều đến nhận thức dễ sử dụng (PEU) với giá trị hiệu ứng f² = 0,021, tương ứng với mức ảnh hưởng trung bình, qua đó giả thuyết H1a được chấp nhận. Điều này cho thấy khi người dùng cảm nhận được mức độ rủi ro ở mức kiểm soát được, họ có xu hướng đánh giá hệ thống là dễ sử dụng hơn. Bên cạnh đó, nhận thức rủi ro cũng tác động trái chiều đến nhận thức tính hữu ích (PUS) với giá trị f² = 0,028, thể hiện mức tác động trung bình, do đó cơ sở lý luận H1b được chấp nhận. Kết quả này mang hàm ý rằng trong bối cảnh nghiên cứu, người dùng có xu hướng chấp nhận rủi ro nếu họ nhận thấy hệ thống mang lại lợi ích thiết thực. Đối với ảnh hưởng xã hội (SIN), kết quả cho thấy yếu tố này tác động đến nhận thức dễ sử dụng (PEU) với giá trị f² = 0,002, tương ứng mức tác động yếu, do đó cơ sở lý luận H2a được chấp nhận nhưng với cường độ thấp. Điều này cho thấy mặc dù ý kiến từ bạn bè, người thân hay cộng đồng có tác động đến cách người dùng đánh giá mức độ dễ sử dụng của hệ thống, nhưng vai trò này không mang tính quyết định. Ngược lại, ảnh hưởng xã hội có tác động trung bình đến nhận thức tính hữu ích (PUS) với giá trị f² = 0,068, dẫn đến việc chấp nhận giả thuyết H2b. Kết quả này phản ánh rằng sự chấp thuận từ môi trường xã hội giúp người dùng tin tưởng hơn vào giá trị và lợi ích mà hệ thống mang lại.

Kết quả nghiên cứu cho thấy tự hài lòng (SSA) có ảnh hưởng gia tăng và trung bình đến nhận thức dễ sử dụng (PEU) với f² = 0,052, qua đó giả thuyết H3a được chấp nhận. Điều này cho thấy khi hệ thống cung cấp đầy đủ hướng dẫn, hỗ trợ kỹ thuật và khả năng phản hồi nhanh, người dùng sẽ cảm nhận hệ thống dễ sử dụng hơn. Đồng thời, tự hài lòng cũng tác động trung bình đến nhận thức tính hữu ích (PUS) với giá trị f² = 0,059, do đó cơ sở lý luận H3b được chấp nhận. Kết quả này khẳng định vai trò quan trọng của hỗ trợ hệ thống trong việc nâng cao giá trị cảm nhận tính hữu ích của người dùng. Trong các yếu tố bên ngoài, tính tương thích (COM) là biến có tác động mạnh nhất đến nhận thức dễ sử dụng (PEU) với giá trị f² = 0,36, thể hiện mức tác động mạnh, do đó cơ sở lý luận H4a được chấp nhận. Kết quả này cho thấy khi hệ thống phù hợp với thói quen, kinh nghiệm và nhu cầu của người dùng, họ sẽ đánh giá hệ thống là dễ tiếp cận và dễ thao tác hơn. Bên cạnh đó, tính tương thích cũng tác động cùng chiều đến nhận thức tính hữu ích (PUS) với f² = 0,071, tương ứng mức tác động trung bình, qua đó giả thuyết H4b được chấp nhận. Điều này hàm ý rằng sự phù hợp của hệ thống không chỉ giúp tăng tính dễ sử dụng mà còn nâng cao giá trị thực tiễn của hệ thống đối với người dùng. Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Phù hợp với lý thuyết TAM, kết quả nghiên cứu cho thấy nhận thức dễ sử dụng (PEU) có tác động mạnh đến nhận thức tính hữu ích (PUS) với giá trị f² = 0,02, do đó cơ sở lý luận H5 được chấp nhận. Kết quả này cho thấy khi người dùng cảm nhận hệ thống dễ sử dụng, họ sẽ có xu hướng đánh giá hệ thống là hữu ích hơn trong việc hỗ trợ công việc hoặc nhu cầu cá nhân. Kết quả nghiên cứu cũng khẳng định vai trò trung tâm của các biến nhận thức trong việc hình thành ý định sử dụng (ITU). Cụ thể, nhận thức dễ sử dụng (PEU) có tác động mạnh đến ý định sử dụng với giá trị f² = 0,259, do đó cơ sở lý luận H6 được chấp nhận. Đồng thời, nhận thức tính hữu ích (PUS) cũng có tác động mạnh đến ý định sử dụng với f² = 0,221, dẫn đến việc chấp nhận giả thuyết H7. Kết quả này cho thấy người dùng có xu hướng hình thành ý định sử dụng hệ thống khi họ vừa cảm nhận được tính dễ sử dụng, vừa nhận thấy giá trị và lợi ích mà hệ thống mang lại.

  • Tổng kết chương 4

Chương 4 đã trình bày kết quả phân tích PLS-SEM kiểm định mô hình và các giả thuyết nghiên cứu. Các thang đo đều đạt yêu cầu về độ tin cậy, giá trị hội tụ và phân biệt, khẳng định tính ổn định của công cụ đo lường.Kết quả kiểm định cho thấy bốn yếu tố gồm nhận thức rủi ro, ảnh hưởng xã hội, tự hài lòng và tính tương thích đều tác động đến nhận thức dễ sử dụng và nhận thức tính hữu ích, trong đó tính tương thích có tác động mạnh nhất. Nhận thức dễ sử dụng tác động cùng chiều đến nhận thức tính hữu ích và ý định sử dụng, trong khi nhận thức tính hữu ích đóng vai trò trung tâm hình thành ý định sử dụng, từ đó thúc đẩy hành vi mua sắm thực tế. Tóm lại, tính tương thích và tự hài lòng đóng vai trò then chốt trong việc nâng cao mức độ chấp nhận công nghệ, bổ sung cơ sở lý thuyết cho mô hình TAM và cung cấp hàm ý thực tiễn cho doanh nghiệp triển khai livestream ứng dụng trí tuệ nhân tạo hiệu quả hơn.

CHƯƠNG 5: KẾT LUẬN

5.1. Kết luận Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Luận văn hướng đến việc làm sáng tỏ các yếu tố tác động đến hành vi mua sắm của người tiêu dùng trong môi trường thương mại phát trực tiếp ứng dụng trí tuệ nhân tạo, đặc biệt chú trọng so sánh hiệu quả giữa người phát trực tiếp ảo và người dẫn chương trình thật. Để đạt được mục tiêu này, nghiên cứu áp dụng chiến lược hỗn hợp, trong đó giai đoạn định tính giúp khám phá và hiệu chỉnh mô hình, còn giai đoạn định lượng phục vụ kiểm định các giả thuyết được đề xuất. Bộ thang đo được xây dựng dựa trên nền tảng các nghiên cứu trước, đặc biệt từ Liu (2025), và được kiểm chứng đầy đủ về độ tin cậy, hội tụ và phân biệt trước khi đưa vào phân tích chính thức tại TP.HCM.

Kết quả phân tích PLS-SEM cho thấy phần lớn các giả thuyết được ủng hộ ở mức tin cậy 95%, khẳng định rằng các yếu tố tâm lý và nhận thức đóng vai trò nền tảng trong việc định hình ý định và hành vi mua sắm. Đáng chú ý, tính tương thích được xác nhận là nhân tố tác động mạnh nhất đến nhận thức dễ sử dụng, trong khi nhận thức tính hữu ích giữ vị trí trung tâm trong chuỗi tác động dẫn đến ý định sử dụng. Các yếu tố còn lại như nhận thức rủi ro, ảnh hưởng xã hội và tự hài lòng có mức tác động dao động từ trung bình đến yếu tùy từng mối quan hệ cụ thể.

Về đóng góp tổng thể, nghiên cứu không chỉ bổ sung chiều sâu lý thuyết cho mô hình TAM trong bối cảnh AI phát trực tiếp mà còn cung cấp những gợi ý thiết thực giúp doanh nghiệp và nhà quản trị nền tảng tối ưu hóa chiến lược triển khai VLS, hướng đến xây dựng sự gắn kết lâu dài với người tiêu dùng.

5.2. Đóng góp nghiên cứu

5.2.1. Về mặt lý thuyết

Nghiên cứu này không chỉ hệ thống hóa các lý thuyết sẵn có mà còn mang lại những góc nhìn mới mẻ cho lĩnh vực hành vi người tiêu dùng trong thương mại trực tiếp. Cụ thể, các đóng góp chính bao gồm:

Mở rộng và làm mở rộng mô hình chấp nhận công nghệ trong bối cảnh thương mại đương đại. Luận văn đã kế thừa thành công mô hình TAM truyền thống và phát triển nó bằng cách bổ sung các yếu tố tâm lý – xã hội đặc trưng. Việc đưa vào các biến số như tính tương thích, ảnh hưởng xã hội và nhu cầu tự thỏa mãn đã giúp lý giải rõ ràng hơn cách người tiêu dùng tiếp nhận hình thức mua sắm mới – bán hàng phát trực tiếp có sự hỗ trợ của AI. Kết quả này góp phần tạo dựng một khung lý thuyết toàn diện hơn cho các nghiên cứu về công nghệ mới nổi trong tương lai.

Xây dựng nền tảng lý thuyết về tương tác giữa con người và trí tuệ nhân tạo. Nghiên cứu góp phần làm rõ mối quan hệ giữa người tiêu dùng và các thực thể ảo (như người bán hàng ảo). Kết quả chỉ ra rằng, mặc dù AI mang lại sự tiện lợi và tính mới mẻ, nhưng các yếu tố cảm xúc và niềm tin vẫn đóng vai trò then chốt trong lý thuyết hành

Đây là đóng góp quan trọng, giúp các nghiên cứu tiếp theo hiểu sâu hơn về “ranh giới” giữa hiệu quả công nghệ và trải nghiệm cảm xúc của khách hàng. Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Củng cố và mở rộng lý thuyết về nhận thức rủi ro đối với công nghệ mới. Trong khi nhiều nghiên cứu trước đây chỉ chú trọng đến lợi ích, luận văn này đã đi sâu phân tích các rào cản tâm lý. Bằng chứng thực nghiệm về tác động tiêu cực của nỗi lo rủi ro đến ý định mua sắm đã bổ sung những bằng chứng quý giá, góp phần hoàn thiện lý thuyết quản trị rủi ro trong các giao dịch trực tuyến ứng dụng công nghệ cao.

Đóng góp vào lý thuyết về tâm lý mua sắm bốc đồng. Nghiên cứu đã chỉ ra cách các kịch bản bán hàng phát trực tiếp kết hợp với thuật toán thông minh có thể kích thích hành vi mua hàng ngoài dự tính. Phát hiện này mở ra hướng nghiên cứu mới về sự biến đổi tâm trạng cũng như tác động của môi trường số đến các quyết định mua sắm nhanh của người dùng.

Cuối cùng, nghiên cứu đặt nền móng cho các công trình về người có ảnh hưởng ảo tại thị trường Việt Nam. Là một trong những nghiên cứu tiên phong tại TP. HCM về hành vi của người dùng đối với các nhân vật ảo được điều khiển bởi AI, luận văn đã tạo ra một tiền đề lý thuyết quan trọng. Đây sẽ là tài liệu tham khảo có giá trị cho các nghiên cứu tiếp theo về xu hướng tự động hóa trong lĩnh vực tiếp thị và bán lẻ.

5.2.2. Về mặt thực tiễn

Kết quả nghiên cứu mang lại những giá trị thực tế quan trọng cho các cá nhân, doanh nghiệp và nhà quản trị đang vận hành trong lĩnh vực thương mại điện tử, cụ thể như sau:

Hỗ trợ doanh nghiệp tối ưu hóa chiến lược bán hàng thông qua nhân vật ảo. Kết quả nghiên cứu cho thấy tính tương thích và sự dễ sử dụng là những yếu tố then chốt thúc đẩy người tiêu dùng chấp nhận công nghệ. Vì vậy, các doanh nghiệp tại TP. HCM khi triển khai người bán hàng ảo bằng AI cần chú trọng thiết kế giao diện thân thiện, giọng nói tự nhiên và khả năng tương tác linh hoạt. Đảm bảo công nghệ phù hợp với thói quen mua sắm sẵn có của khách hàng sẽ giúp giảm bớt sự e ngại ban đầu.

Cung cấp giải pháp giảm thiểu rào cản tâm lý cho người mua hàng. Do nhận thức rủi ro có ảnh hưởng tiêu cực đến ý định mua sắm, các doanh nghiệp cần xây dựng hệ thống bảo mật thông tin chặt chẽ và chính sách đổi trả rõ ràng khi ứng dụng Việc công khai các chứng nhận chất lượng sản phẩm và bảo vệ quyền lợi người dùng trong các buổi phát trực tiếp sẽ giúp củng cố niềm tin, khiến khách hàng an tâm hơn khi giao dịch qua các hệ thống tự động.

Khai thác ảnh hưởng xã hội và nhu cầu tự thỏa mãn nhằm gia tăng doanh số. Kết quả cho thấy người tiêu dùng dễ bị tác động bởi cộng đồng và mong muốn có trải nghiệm mua sắm thú vị. Các nhà bán hàng nên tích hợp yếu tố giải trí, trò chơi có thưởng hoặc các chương trình ưu đãi dành riêng cho cộng đồng vào các phiên phát trực tiếp. Việc tạo ra một không gian mua sắm có tính kết nối cao sẽ kích thích nhu cầu tự thỏa mãn và thúc đẩy hành vi mua sắm tức thời.

Định hướng kết hợp giữa yếu tố con người và công nghệ. Mặc dù AI mang lại hiệu suất cao, kết quả thực nghiệm cho thấy nhân vật ảo hiện tại vẫn chưa thể thay thế hoàn toàn sự kết nối cảm xúc của con người. Do đó, chiến lược tối ưu là mô hình phối hợp: sử dụng nhân vật ảo để giải đáp thắc mắc nhanh chóng 24/7, và dùng người thật cho các khâu tư vấn chuyên sâu hoặc xây dựng lòng trung thành. Cách tiếp cận này giúp doanh nghiệp vừa tiết kiệm chi phí, vừa duy trì sự gắn kết với khách hàng.

Cuối cùng, nghiên cứu là tài liệu tham khảo hữu ích cho các nhà hoạch định chính sách và phát triển nền tảng. Kết quả từ thị trường TP. HCM – một trung tâm kinh tế năng động – cung cấp dữ liệu thực tế giúp các nhà phát triển ứng dụng hiểu rõ hơn về thị hiếu người dùng Việt Nam. Đây là cơ sở để cải thiện các tính năng kỹ thuật, giúp các buổi phát trực tiếp ứng dụng AI trở nên mượt mà, gần gũi và hiệu quả hơn trong việc chinh phục người tiêu dùng.

5.3. Hàm ý quản trị Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Kết quả nghiên cứu cho thấy hành vi mua sắm trong thương mại trực tiếp ứng dụng trí tuệ nhân tạo chịu tác động từ các yếu tố tâm lý gồm nhận thức rủi ro, ảnh hưởng xã hội, tự hài lòng và tính tương thích, thông qua các biến trung gian là nhận thức dễ sử dụng, nhận thức tính hữu ích và ý định sử dụng. Trên cơ sở đó, luận văn đề xuất một số hàm ý quản trị dành cho doanh nghiệp và nhà quản trị nền tảng như sau:

Nhận thức rủi ro: Với hệ số gây cản trở đáng kể điển hình là hệ số trung bình là 0,843 ảnh hưởng đến các đánh giá tích cực về công nghệ trong thương mại trực tiếp ứng dụng trí tuệ nhân tạo. Để giảm sự không chắc chắn, doanh nghiệp cần tăng cường minh bạch về thông tin sản phẩm, bảo mật thanh toán và chính sách đổi trả, đồng thời kết hợp người phát trực tiếp ảo với người dẫn chương trình thật nhằm củng cố niềm tin và sự an tâm cho khách hàng.

Ảnh hưởng xã hội: dựa vào kết quả nghiên cứu với hệ số trung bình là 0,777, ảnh hưởng xã hội có ảnh hưởng gia tăng đến nhận thức dễ sử dụng, hàm ý rằng doanh nghiệp cần tận dụng sức mạnh cộng đồng để thúc đẩy chấp nhận công nghệ. Các chiến lược như sử dụng người có ảnh hưởng, hiển thị số lượng người xem và mua sắm trong phiên phát trực tiếp, hay khuyến khích chia sẻ trải nghiệm và đánh giá tích cực từ người dùng hiện tại sẽ giúp người tiêu dùng mới cảm giác rằng an tâm, củng cố xác nhận xã hội và đẩy nhanh quá trình chấp nhận công nghệ.

Tự hài lòng: mối quan hệ giả thuyết được xác nhận bởi tự hài lòng với hệ số trung bình là 0,758 có ảnh hưởng gia tăng đến cả nhận thức dễ sử dụng và nhận thức tính hữu ích, phản ánh vai trò quan trọng của tự hài lòng nhấn mạnh tầm quan trọng của sự gắn kết cảm xúc. Việc thiết kế các trải nghiệm phát trực tiếp mang tính giải trí và cá nhân hóa như phản hồi tương tác, các yếu tố trò chơi hóa và đề xuất sản phẩm thông minh có thể tăng cường sự thích thú và giảm bớt rào cản tâm lý của khách hàng.

Tính tương thích: ngoài ra, nó có ảnh hưởng gia tăng với hệ số trung bình 0,803 đến nhận thức dễ sử dụng và nhận thức tính hữu ích, cho thấy tính tương thích nổi lên là yếu tố quyết định mạnh nhất đối với sự dễ sử dụng cảm nhận. Các hệ thống phát trực tiếp ứng dụng trí tuệ nhân tạo nên được thiết kế để phù hợp chặt chẽ với thói quen mua sắm hiện tại của người tiêu dùng qua giao diện trực quan và nội dung cá nhân hóa. Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Nhận thức dễ sử dụng: thông qua kết quả nghiên cứu với kết quả của hệ số trung bình 0,848 có ảnh hưởng gia tăng đến ý định sử dụng. Cụ thể, để khách hàng có thể dễ dàng học cách mua sắm và cảm nhận rằng thuận tiện khi sử dụng VLS, các doanh nghiệp cần ưu tiên thiết kế giao diện tương tác trực quan, tối giản hóa các thao tác kỹ thuật và tích hợp hệ thống hướng dẫn mua sắm ngay trong thời gian thực. Các nền tảng phát trực tiếp nên tận dụng khả năng của VLS để giải đáp nhanh chóng các thắc mắc về quy trình đặt hàng hoặc tìm kiếm sản phẩm, giúp rút ngắn lộ trình làm quen với công nghệ mới của người dùng.

Nhận thức tính hữu ích: Nhận thức tính hữu ích kết quả của hệ số trung bình 0,775 có ảnh hưởng gia tăng đến ý định sử dụng. Để gia tăng giá trị thực tế cho khách hàng, các doanh nghiệp cần tập trung vào việc biến VLS thành một công cụ giúp nâng cao hiệu quả mua sắm thông qua khả năng truy xuất thông tin sản phẩm tức thì, so sánh giá cả và đưa ra các gợi ý cá nhân hóa chính xác theo nhu cầu thực tế của từng cá nhân. Đồng thời, sự hữu ích này cần được củng cố bằng việc đảm bảo người dùng có thể học cách mua sắm bằng VLS một cách dễ dàng, giúp họ tiết hỗ trợ người dùng tra cứu thông tin một cách thuận tiện như hành vi mua sắm.

Ý định sử dụng: có ảnh hưởng gia tăng đến hành vi mua sắm, phản ánh tiềm năng tăng trưởng của nền tảng VLS với kết quả hệ số trung bình là 0,824. Để chuyển đổi sự quan tâm thành hành động mua sắm thực tế, doanh nghiệp cần triển khai chiến dịch quảng bá và ưu đãi dành riêng cho người dùng mới, đồng thời chú trọng chương trình chăm sóc khách hàng thân thiết và cá nhân hóa dựa trên dữ liệu hành vi, từ đó củng cố lòng trung thành và biến VLS thành thói quen mua sắm bền vững.

Hành vi mua sắm: với hệ số giá trị trung bình là 0,855 để thúc đẩy hành vi mua sắm thực tế, doanh nghiệp cần tối ưu hóa khả năng thuyết phục của VLS qua việc thiết kế kịch bản phát trực tiếp có tính kích thích cao như ưu đãi giới hạn thời gian, nhằm tạo sự cấp thiết và thúc đẩy quyết định mua tức thì. Đồng thời, đầu tư vào hệ thống dữ liệu lớn giúp VLS đề xuất sản phẩm chính xác và cá nhân hóa, biến VLS thành trợ lý mua sắm thông minh đáng tin cậy, từ đó chuyển đổi hiệu quả lưu lượng người xem thành doanh thu thực tế. Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

Nhìn chung, việc thúc đẩy hành vi mua sắm trong thương mại trực tiếp ứng dụng trí tuệ nhân tạo đòi hỏi các nhà quản trị tiếp cận toàn diện, giảm rủi ro, tăng ảnh hưởng xã hội, nâng cao trải nghiệm cảm xúc và đảm bảo tính tương thích, nhằm khai thác hiệu quả tiềm năng của AI trong khi vẫn duy trì yếu tố con người trong trải nghiệm mua sắm.

5.4 Hạn chế và hướng nghiên cứu trong tương lai

Bên cạnh những đóng góp có giá trị về mặt học thuật lẫn ứng dụng thực tiễn, công trình nghiên cứu vẫn còn một số điểm chưa hoàn thiện cần được bổ sung trong các hướng nghiên cứu tiếp theo.

Một là,hạm vi thu thập dữ liệu giới hạn trong khu vực TP.HCM, nơi người dân có mức độ tiếp cận và làm quen với công nghệ tương đối cao, khiến kết quả nghiên cứu chưa phản ánh đầy đủ sự đa dạng hành vi tiêu dùng trên phạm vi toàn quốc. Vì vậy, các nghiên cứu trong tương lai nên mở rộng địa bàn khảo sát nhằm nâng cao tính đại diện và khả năng khái quát hóa của kết quả.

Hai là, cấu trúc nghiên cứu cắt ngang chỉ ghi nhận dữ liệu tại một thời điểm nhất định, điều này làm giảm khả năng lý giải mối quan hệ nhân quả và bỏ qua sự biến đổi trong nhận thức cũng như hành vi của người tiêu dùng theo thời gian. Các nghiên cứu sau có thể cân nhắc áp dụng thiết kế dọc hoặc thực nghiệm để nắm bắt tốt hơn các tác động mang tính động trong môi trường phát trực tiếp AI.

Ba là, việc phụ thuộc vào dữ liệu tự báo cáo tiềm ẩn nguy cơ sai lệch do người trả lời khó tái hiện chính xác cảm xúc và nhận thức tại thời điểm trải nghiệm. Do đó, các nghiên cứu kế tiếp nên ưu tiên thu thập dữ liệu theo thời gian thực, ngay trong quá trình người tiêu dùng tham gia phiên phát trực tiếp.

Nhìn chung, giải quyết các hạn chế nêu trên sẽ tạo nền tảng cho những nghiên cứu toàn diện hơn, góp phần hỗ trợ doanh nghiệp hoạch định chiến lược phù hợp trong bối cảnh thương mại phát trực tiếp ứng dụng trí tuệ nhân tạo không ngừng phát triển. Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: Hành vi mua sắm của người tiêu dùng trong thương mại

0 0 đánh giá
Article Rating
Theo dõi
Thông báo của
guest
1 Comment
Cũ nhất
Mới nhất Được bỏ phiếu nhiều nhất
trackback

[…] ===>>> Luận văn: KQNC Đến mua sắm người tiêu dùng trong thương mại […]

Contact Me on Zalo
0877682993
1
0
Rất thích suy nghĩ của bạn, hãy bình luận.x