Mục lục
Chia sẻ chuyên mục Đề Tài Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo 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: Ảnh hưởng của cảm nhận cá nhân hóa trong quảng cáo tạo ra bởi trí tuệ nhân tạo đến ý định mua hàng của người tiêu dùng: vai trò trung gian của niềm tin và cảm nhận tính hữu ích dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.
4.1. Thống kê mô tả
Kết thúc giai đoạn khảo sát, nghiên cứu thu thập được tổng cộng 304 phiếu trả lời khảo sát. Sau khi thực hiện sàng lọc các phiếu trả lời không hợp lệ, còn lại 289 phiếu trả lời khảo sát hợp lệ được đưa vào phân tích dữ liệu. Theo phương pháp chọn cỡ mẫu đã được đề cập ở mục 3.4.1, kích cỡ mẫu này đã đảm bảo đủ điều kiện để tiến hành thực hiện nghiên cứu định lượng.
- Bảng 4.1: Bảng thống kê mô tả các biến nhân khẩu học
Về giới tính: Trong 289 phiếu trả lời hợp lệ, giới tính nam chiếm 44.64% với số lượng 129, còn lại 160 phiếu là giới tính nữ chiếm 55.36%. Cơ cấu giới tính trong khảo sát này tương đối cân bằng, giảm nguy cơ lệch mẫu theo giới.
Về trình độ học vấn: người tham gia khảo sát có trình độ đại học chiếm tỷ lệ cao nhất chiếm 66.09% với số lượng là 191 người. Tiếp theo là nhóm người có trình độ sau đại học gồm 44 người chiếm 15.22%. Nhóm cao đẳng/trung cấp xếp thứ ba với số lượng là 37 người và chiếm 12.80%. Nhóm chiếm tỷ lệ thấp thứ hai là nhóm phổ thông với 14 người, tương ứng 4.84% và số thuộc nhóm khác có 3 người chỉ chiếm 1.04%.
Về vị trí nghề nghiệp: Trong 289 người tham gia khảo sát, số người hiện đang là nhân viên chiếm tỷ lệ cao nhất với 138 người, chiếm 47.75%. Kế đến là sinh viên với 79 người chiếm 27.34% và quản lý với 58 người chiếm 20.07%. Cuối cùng là nhóm chủ doanh nghiệp có 11 người, chiếm 3.81% và nhóm khác chiếm tỷ lệ thấp nhất với 3 người, tương ứng 1.04%. Có thể thấy cơ cấu này tương đối hợp lý vì đối tượng khảo sát tập trung vào thế hệ người lao động tre trưởng thành, nhóm tuổi này phần lớn hiện đã và đang gia nhập thị trường lao động dẫn đến cơ cấu mẫu nghiêng về nhóm người đi làm. Tỷ lệ sinh viên vẫn tương đối đáng kể cho thấy một bộ phận người tham gia khảo sát vẫn đang trong giai đoạn học tập ở bậc trung cấp/cao đẳng/đại học. Ngoài ra, nhóm quản lý đạt 20.07% cho thấy một tỷ lệ nhất định người tham gia khảo sát đã thăng tiến lên các vị trí cao hơn, đặc biệt tại các môi trường doanh nghiệp. Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Về thu nhập trung bình/tháng: Kết quả cho thấy nhóm có thu nhập từ 5 đến dưới 10 triệu đồng chiếm tỷ lệ cao nhất với 109 người chiếm 37.72%. Sau đó là nhóm người có thu nhập từ 10 đến dưới 20 triệu đồng gồm 87 người, chiếm 30.10%. Nhóm dưới 5 triệu đồng có 63 người chiếm 21.80%. Thấp nhất thuộc về nhóm thu nhập hơn 20 triệu đồng trở lên chiếm tỷ lệ 10.38% tương ứng với 30 người. Nhìn chung một phần lớn người tham gia khảo sát đang ở giai đoạn đầu hoặc giai đoạn tích lũy kinh nghiệm trong công việc nên mức thu nhập phổ biến rơi vào khoảng từ 5 đến 20 triệu đồng. Nhóm dưới 5 triệu có 63 người (chiếm 21.80%) trong đó 79 người trả lời hiện đang là sinh viên, thu nhập có thể chủ yếu từ việc đi làm thêm, thực tập hoặc mới đi làm. Trong khi đó, nhóm trên 20 triệu vẫn chiếm một tỷ lệ nhất định nhưng không đáng kể.
Về tần suất mua sắm trực tuyến: người tham gia khảo sát có tần suất mua sắm từ 1-3 lần/tháng chiếm số lượng đông nhất với 159 người chiếm 55.02%. Đứng thứ hai là 98 người chiếm 33.91% có tần suất mua sắm là 4-6 lần/tháng, và có 24 người có tần suất mua sắm trên 6 lần/tháng và chiếm 8.30%. Chỉ có 8 người chiếm tỷ lệ 2.77% có it hơn 1 lần/tháng mua sắm. Điều này cho thấy hầu như tỷ lệ mua sắm người người tham gia khảo sát tương đối cao với tần suất 1-6 lần/tháng, chủ yếu vì người tham gia đều đã đến độ tuổi lao động và đã có thu nhập nhất định, vì vậy mà nhu cầu mua sắm cũng tương đối đáng kể.
Về kinh nghiệm tiếp xúc với quảng cáo cá nhân hóa được tạo ra bởi trí tuệ nhân tạo (AI): trong số lượng 289 người tham gia, 52.60% tương đương với 152 người thi thoảng có tiếp xúc với quảng cáo có mang tính cá nhân hóa tạo ra bởi trí tuệ nhân tạo, và có 137 người tương ứng với 47.40% người thường xuyên tiếp súc với quảng cáo mang tính cá nhân hóa do AI tạo ra, điều này cho thấy hiện này, quảng cáo cá nhân hóa do AI tạo ra đang dần trở nên phổ biến và quen thuộc với nhiều người, và đang dần được sử dụng và phổ biến rộng rãi tới người tiêu dùng.
4.2. Phân tích và đánh giá mô hình đo lường Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Trong nghiên cứu này, mô hình đo lường được kiểm định bằng phương pháp PLS-SEM thông qua phần mềm SmartPLS 3. Việc đánh giá mô hình đo lường nhằm kiểm tra mức độ phù hợp và độ tin cậy của các thang đo trước khi tiến hành phân tích mô hình cấu trúc. Quá trình kiểm định mô hình đo lường được thực hiện theo các bước bao gồm: (1) kiểm định độ tin cậy Cronbach’s Alpha, (2) đánh giá chất lượng biến quan sát (Indicator Reliability), (3) đánh giá thang đo bằng hệ số tin cậy tổng hợp (Composite Reliability), (4) đánh giá tính hội tụ (Convergent Validity), (5) đánh giá tính phân biệt (Discriminant Validity). Việc thực hiện đầy đủ các bước đánh giá trên giúp đảm bảo rằng các biến quan sát phản ánh chính xác các khái niệm tiềm ẩn trong mô hình nghiên cứu, đồng thời tạo cơ sở đáng tin cậy cho việc phân tích mô hình cấu trúc ở các bước tiếp theo.
4.2.1. Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha
Hệ số Cronbach’s Alpha được sử dụng để đánh giá mức độ nhất quán nội tại của các biến quan sát trong cùng một thang đo. Theo Hair và cộng sự (2014), trong các nghiên cứu mang tính khám phá hoặc trong giai đoạn phát triển thang đo, giá trị Cronbach’s Alpha từ 0,60 trở lên được xem là đạt mức chấp nhận, phản ánh mức độ nhất quán nội tại giữa các biến quan sát trong cùng một thang đo. Đồng thời Nunnally và Bernstein (1994) cho rằng một thang đo được xem là đáng tin cậy khi hệ số Cronbach’s Alpha đạt từ 0.60 trở lên và hệ số tương quan biến tổng (Corrected Item – Total Correlation) ≥ 0.30.
- Bảng 4.2: Kết quả kiểm định độ tin cậy thang đo bằng hệ số Cronbach’s Alpha
Dựa vào Kết quả kiểm định độ tin cậy của các thang đo được trình bày trong Bảng 4.2, có thể thấy được tất cả các hệ số Cronbach’s Alpha của các thang đo đều lớn hơn 0.6 và nhỏ hơn 0.9, vì vậy mà thang đo đạt yêu cầu và có độ tin cậy tốt. Hệ số Cronbach’s Alpha cụ thể của từng biến: PP = 0.807, PT = 0.799, PU = 0.747, PI = 0.776. Bên cạnh đó, hệ số tương quan biến tổng của các biến quan sát dao động từ 0.513 đến 0.665, và đều lớn hơn ngưỡng 0.3 và chứng tỏ rằng các biến quan sát có mức liên hệ tốt với khái niệm chung của thang đo. Đồng thời, khi xem xét chỉ số Cronbach’s Alpha nếu loại biến, kết quả cho thấy việc loại bỏ bất kỳ biến quan sát nào cũng làm giảm giá trị Alpha của thang đo. Điều này cho thấy tất cả các biến quan sát đều đóng góp tích cực vào việc đo lường khái niệm nghiên cứu.
Vì vậy, không có biến quan sát nào bị loại bỏ ở bước kiểm định độ tin cậy và toàn bộ các biến được giữ lại để tiếp tục thực hiện các bước phân tích tiếp theo trong mô hình đo lường
4.2.2. Đánh giá chất lượng biến quan sát (Indicator Reliability) Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Đánh giá chất lượng biến quan sát là bước quan trọng trong quá trình kiểm định mô hình đo lường PLS-SEM nhằm đảm bảo rằng các biến quan sát phản ánh chính xác khái niệm tiềm ẩn mà chúng đại diện. Trong mô hình PLS-SEM, chất lượng của biến quan sát thường được đánh giá thông qua hệ số tải ngoài (Outer Loading), thể hiện mức độ tương quan giữa biến quan sát và biến tiềm ẩn tương ứng. Theo Hair và cộng sự (2017), đánh giá chất lượng biến quan sát nhằm mục đích để đảm bảo mỗi biến quan sát phản ánh tốt khái niệm tiềm ẩn mà nó đại diện. Trong bài nghiên cứu này, hệ số tải ngoài (Outer loading) ≥ 0.70 được xem là đạt yêu cầu, trong khi các biến có 0.50 ≤ Outer Loading < 0.70 có thể được chấp nhận nếu các tiêu chí khác như AVE và Composite Reliability vẫn đảm bảo (Hair et al., 2022). Ngược lại, những biến có hệ số tải quá cao, thường trên 0,95, có thể phản ánh sự trùng lặp nội dung giữa các biến quan sát và cần được xem xét điều chỉnh (Hair et al., 2017).
- Bảng 4.3: Kết quả phân tích hệ số tải ngoài Outer loading
Dựa vào bảng 4.3, Các giá trị Outer Loading của các biến trong mô hình đều đạt ngưỡng yêu cầu và nằm trong khoảng chấp nhận được, cho thấy các biến quan sát có mức độ liên kết tốt với các biến tiềm ẩn tương ứng. Cụ thể kết quả Outer loadings cho thấy các biến quan sát thuộc các thang đo PI, PP, PY, PU đều có hệ số tải ngoài lớn hơn hoặc bằng 0.70 (0.700 – 0.827), đáp ứng được yêu cầu về độ tin cậy biến quan sát (indicator reliability) (Hair et al., 2022). Trong đó, biến có tải ngoài thấp nhất là PT4 = 0.700, biến có tải ngoài cao nhất là PP2 = 0.827, với các mức tải này, các biến quan sát có thể giải thích tối thiểu khoảng 49% phương sai của cấu trúc tiềm ẩn (0.700²) và tối đa khoảng 68.4% (0.8272), cho thấy sai số đo lường ở mức hợp lý. Đồng thời, không có biến nào có tải ngoài quá cao (≥ 0.95) nên không xuất hiện dấu hiệu trùng lặp nội dung đo lường. Vì vậy, nghiên cứu giữ lại toàn bộ 17 biến quan sát để tiếp tục đánh giá độ tin cậy thang đo (CR/rho_c) và giá trị hội tụ (AVE) trong các bước tiếp theo của mô hình đo lường.
4.2.3. Đánh giá độ tin cậy tổng hợp (Composite Reliability)
Bên cạnh hệ số Cronbach’s Alpha, hệ số tin cậy tổng hợp là chỉ số đánh giá độ tin cậy thang đo trong PLS-SEM, phản ánh mức độ nhất quán nội tại giữa các biến quan sát khi cùng đo lường một khái niệm tiềm ẩn. Theo khuyến nghị của Hair và cộng sự (2017), thang đo được xem là đạt yêu cầu khi CR ≥ 0.70, và CR ≥ 0.95 không được khuyến nghị vì có thể hàm ý sự dư thừa trùng lặp giữa các biến quan sát. Trong nghiên cứu này, CR ≥ 0.70 là mức được sử dụng làm ngưỡng đánh giá chính nhằm đảm bảo độ tin cậy của các thang đo trong mô hình đo lường.
- Bảng 4.4: Kết quả phân tích hệ số tin cậy tổng hợp Composite Reliability
Dựa vào bảng 4.4, kết quả phân tích cho thấy hệ số tin cậy tổng hợp Composite Reliability đều lớn hơn mức 0.70, mức đạt được từ 0.840 đến 0.874. Qua đó cho thấy các thang đo trong mô hình đều đạt độ tin cậy tốt, phản ánh mức độ nhất quán nội tại cao giữa các biến quan sát khi cùng đo lường một biến tiềm ẩn.
4.2.4. Đánh giá tính hội tụ (Convergent Validity)
Trong PLS-SEM, tính hội tụ thường được đánh giá thông qua phương sai trích trung bình (AVE). Khi AVE ≥ 0.50 thì thang đo đạt yêu cầu, nghĩa là biến tiềm ẩn giải thích được ít nhất 50% phương sai của các biến quan sát (Fornell & Larcker, 1981), nếu AVE đạt ngưỡng này, có thể kết luận rằng các biến quan sát đã thể hiện tốt khái niệm tiềm ẩn mà chúng đo lường.. Trong nghiên cứu này, AVE được sử dụng để kiểm định tính hội tụ, các biến có Outer Loading thấp sẽ được cân nhắc điều chỉnh/loại bỏ khi cần thiết để cải thiện AVE.
- Bảng 4.5: Kết quả phân tích giá trị hội tụ (Convergent Validity)
Kết quả phân tích giá trị hội tụ được thể hiện trong bảng 4.5 cho thấy các thang đo trong mô hình đều đạt tính hội tụ. Cụ thể, giá trị AVE của các nhân tố dao động từ 0.555 đến 0.634, trong đó PT = 0.555, PU = 0.568, PI = 0.598, PP = 0.634. Theo tiêu chuẩn của Fornell và Larcker (1981) và khuyến nghị của Hair và cộng sự (2017), toàn bộ các giá trị AVE đều lớn hơn 0.50, nghĩa là mỗi biến tiềm ẩn giải thích được trên 50% phương sai của các biến quan sát tương ứng. Do đó, các thang đo trong nghiên cứu được xác nhận có giá trị hội tụ tốt, đủ điều kiện để tiếp tục đánh giá giá trị phân biệt của mô hình đo lường.
4.2.5. Đánh giá tính phân biệt (Discriminant Validity) Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Tính phân biệt của mô hình đo lường được kiểm tra bằng tiêu chí Heterotrait-Monotrait ratio (HTMT). Ngưỡng chấp nhận thường được sử dụng là HTMT < 0,85 đối với các cặp biến độc lập với nhau để kết luận mô hình không vi phạm tính phân biệt, trong khi các giá trị nằm trong khoảng 0,85–0,90 được xem là cận ngưỡng và cần được xem xét thêm. Theo Henseler và cộng sự (2015), HTMT được xem là phương pháp đáng tin cậy và có độ nhạy cao trong việc kiểm định giá trị phân biệt trong mô hình PLS-SEM và có thể sử dụng bootstrapping để xây dựng khoảng tin cậy cho chỉ số HTMT, nếu giá trị 1 không nằm trong khoảng tin cậy, có thể kết luận hai khái niệm có tính phân biệt.
- Bảng 4.6: Ma trận Heterotrait-Monotrait ratio (HTMT)
Dựa vào kết quả bảng 4.6 ma trận HTMT, các giá trị HTMT giữa các cặp biến tiềm ẩn dao động từ 0.574 đến 0.814 (≤ 0.85), qua đó cho thấy mô hình đo lường đạt giá trị phân biệt vì toàn bộ các cặp khái niệm đều không vượt trên ngưỡng 0.85.
- Bảng 4.7: Khoảng tin cậy HTMT
Theo kết quả của bảng 4.7, độ tin cậy của phép Bootstrap trong đoạn phân vị từ 2.5% đến 97.5% không có giá trị 1. Do đó có thể kết luận mô hình đo lường đạt tính phân biệt theo tiêu chí HTMT inference (Henseler et al., 2015).
Tổng hợp từ các kết quả trên sau khi thực hiện đánh giá mô hình đo lường PLS SEM thông qua việc đánh giá hệ số tin cậy Cronbach’s Alpha, đánh giá chất lượng biến quan sát bằng hệ số tải ngoài Outer loading, đánh giá độ tin cậy tổng hợp CR, đánh giá tính hội tụ và tính phân biệt. Nghiên cứu đã rút trích được 4 thang đo với 17 biến quan sát đạt yêu cầu. Vì vậy nghiên cứu tiếp tục sử dụng 4 thang đo này cùng với 17 biến quan sát để thực hiện phân tích mô hình cấu trúc cấu trúc bình phương nhỏ nhất từng phần PLS SEM.
4.3. Phân tích và đánh giá mô hình cấu trúc PLS SEM Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
4.3.1. Đánh giá hiện tượng đa cộng tuyến
Nghiên cứu sử dụng hệ số phóng đại phương sai VIF để đo lường các mối tương quan giữa các biến tiềm ẩn trong mô hình. Trong nghiên cứu này, hiện tượng đa cộng tuyến được đánh giá bằng ngưỡng VIF < 3, nếu VIF của các biến dự báo nhỏ hơn 3 khi cùng giải thích một biến nội sinh, có thể kết luận không xảy ra hiện tượng đa cộng tuyến giữa các biến dự báo.
- Bảng 4.8: Bảng thống kê đa cộng tuyến VIF của mô hình cấu trúc (inner model)
Dựa vào kết quả kiểm định đa cộng tuyến được trình bày ở bảng 4.8 cho thấy hệ số VIF của các biến dự báo đối với từng biến nội sinh đều nhỏ hơn 3, dao động từ 1.000 đến 1.731. Cụ thể, đối với biến PT, biến dự báo PP có VIF = 1.000, cho thấy không có đa cộng tuyến khi giải thích PU. Đối với biến PI, các biến dự báo gồm PU (VIF = 1.480), PT (VIF = 1.522), PP (VIF = 1.731), phản ánh mức độ tương quan giữa các biến dự báo không cao và không xảy ra hiện tượng đa cộng tuyến. Đối với biến PT, các biến dự báo PP và PU đều có VIF = 1.419 cũng cho thấy không xuất hiện đa cộng tuyến xảy ra. Do đó kết luận rằng mô hình cấu trúc không gặp hiện tượng đa cộng tuyến, và các hệ số đường dẫn có thể được diễn giải một cách tin cậy.
4.3.2. Kiểm định các mối quan hệ tác động trong mô hình
Trong mô hình cấu trúc, để kiểm định ý nghĩa thống kê của các mối quan hệ tác động, tác giả sử dụng kỹ thuật bootstrapping với 5.000 mẫu lặp nhằm ước lượng hệ số đường dẫn, sai số chuẩn (SE), từ đó xác định giá trị t (t-values) và giá trị p (p-values) (Hair et al., 2017).
- Kiểm định mối quan hệ tác động trực tiếp
Bảng 4.9: Mối quan hệ tác động trực tiếp trong mô hình Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Kết quả bảng 4.9 cho thấy rằng tất cả các mối quan hệ tác động trực tiếp trong mô hình PLS SEM của nghiên cứu đều có ý nghĩa thống kê với mức ý nghĩa 5% vì giá trị p-values của các mối quan hệ này đều nhỏ hơn 0.05.
Dựa theo kết quả của bảng 4.9, có 3 biến độc lập tác động trực tiếp cùng chiều đến biến Ý định (PI) được xếp theo thứ tự tác động từ mạnh đến yếu bao gồm: PU (0.369), PT (0.313), PP (0.205). Kết quả cho thấy biến cảm nhận tính hữu ích (PU) có tác động mạnh nhất đến biến Ý định mua hàng (PI) và điều này khẳng định rằng tính hữu ích là động lực quan trọng giúp thúc đẩy người tiêu dùng có ý định mua sắm khi tiếp xúc với quảng cáo do AI tạo ra mang tính cá nhân hóa, bên cạnh đó thì biến Cảm nhận tính hữu ích (PU) cũng bị tác động một phần bới biến Cảm nhận cá nhân hóa (PP) với hệ số b = 0.543. Biến Niềm tin (PT) bị tác động trực tiếp cùng chiều bởi 2 biến là Cảm nhận cá nhân hóa (PP) và cảm nhận tính hữu ích (PU) với hệ số hồi quy chuẩn hóa lần lượt là b = 0.452 và b = 0.200. Từ kết quả cho thấy biến cảm nhận tính hữu ích đóng vai trò quyết định trong việc thúc đẩy Ý định mua hàng với hệ số b khá cao.
- Kiểm định mối quan hệ tác động gián tiếp
Bảng 4.10: Mối quan hệ tác động gián tiếp trong mô hình
Căn cứ vào bảng 4.10, kết quả bootstrapping cho các tác động gián tiếp, các giá trị p-values của tất cả các mối quan hệ đều nhỏ hơn 0.05. Vì vậy có thể nói rằng với mức ý nghĩa 5%, các đường dẫn gián tiếp đều có ý nghĩa thống kê.
Dựa vào kết quả bảng 4.10, biến Niềm tin (PT) có vai trò là biến trung gian trong mối quan hệ giữa PP và PI (β = 0.142), giữa PU và PI (β = 0.063). Ngoài ra, mô hình còn ghi nhận cơ chế trung gian theo chuỗi khi PP ảnh hưởng đến PI thông qua PU và PT (PP → PU → PT→ PI) với hệ số hồi quy β = 0.034 cho thấy rằng khi trí tuệ nhân tạo cá nhân hóa nội dung quảng cáo hiệu quả thì người tiêu dùng cảm thấy hữu ích và từ đó hình thành lên niềm tin dẫn đến ý định và hành vi mua sắm. Đồng thời, PU cũng đóng vai trò trung gian trong mối quan hệ giữa PP và PI với hệ số hồi quy β = 0.201 và trong mối quan hệ giữa PP và PT với hệ số hồi quy β = 0.109. Từ kết quả bảng 4.10 cho thấy các biến độc lập đều có tác động đến biến phụ thuộc Ý định mua sắm (PI) thông qua biến trung gian Niềm tin (PT) và Cảm nhận tính hữu ích (PU), thứ tự tác động được xếp từ tác động nhiều đến ít tác động đến PI thông qua hai biến trung gian PT và PU là: cảm nhận cá nhân hóa (PP), Cảm nhận tính hữu ích (PU).
- Kiểm định tổng tác động của các mối quan hệ
Bảng 4.11: Tổng tác động của các mối quan hệ
Từ kết quả bảng 4.11, giá trị p-values của tất cả các mối quan hệ đều nhỏ hơn 0.05, có thể nhận định rằng với mức ý nghĩa 5%, các mối quan hệ tác trong mô hình PLS SEM của nghiên cứu này đều có ý nghĩa thống kê.
Dựa vào kết quả bảng 4.11, xét theo mức tổng tác động lên biến phụ thuộc Ý định mua sắm, biến độc lập cảm nhận cá nhân hóa (PP) là nhân tố ảnh hưởng mạnh nhất đến PI với tổng tác động β = 0.582, các biến còn lại có tổng tác động đến Ý định mua sắm (PI) được xếp theo thứ tự từ tác động nhiều đến ít tác động như sau: PU (0.432), PT (0.313).
4.3.3. Kiểm định các giả thuyết của mô hình nghiên cứu Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
- Bảng 4.12: Tổng hợp kết quả kiểm định giả thuyết nghiên cứu
Dựa trên kết quả kiểm định các giả thuyết trong mô hình nghiên cứu bằng phương pháp bootstrapping, có thể nhận định rằng mô hình lý thuyết được dữ liệu khảo sát ủng hộ. Cụ thể, tất cả 6 giả thuyết (H1–H6) đều được chấp nhận do các đường dẫn đều đạt ý nghĩa thống kê (p-value < 0.05). Đồng thời, các hệ số hồi quy chuẩn hóa (β) đều mang giá trị dương, cho thấy các mối quan hệ trong mô hình đều là cùng chiều.
- H1: Cảm nhận cá nhân hóa (PP) có tác động cùng chiều đến niềm tin (PT).
- H2: Cảm nhận cá nhân hóa (PP) có tác động cùng chiều đến cảm nhận tính hữu ích (PU).
- H3: Cảm nhận cá nhân hóa (PP) có tác động cùng chiều đến ý định mua hàng (PI).
- H4: Cảm nhận cá nhân hóa (PP) ảnh hưởng đến ý định mua hàng (PI) thông qua vai trò trung gian của cảm nhận tính hữu ích (PU).
- H5: Cảm nhận cá nhân hóa (PP) ảnh hưởng đến ý định mua hàng (PI) thông qua vai trò trung gian của niềm tin (PT).
- H6: Cảm nhận cá nhân hóa (PP) ảnh hưởng đến ý định mua hàng (PI) thông qua chuỗi trung gian cảm nhận tính hữu ích (PU) và niềm tin (PT).
- H7: Cảm nhận tính hữu ích (PU) có tác động cùng chiều đến niềm tin (PT).
- H8: Cảm nhận tính hữu ích (PU) có tác động cùng chiều đến ý định mua hàng (PI).
- H9: Niềm tin (PT) có tác động cùng chiều đến ý định mua hàng (PI).
4.3.4. Đánh giá mức độ giải thích R2 hiệu chỉnh
Hệ số xác định R2 và hệ số xác định hiệu chỉnh R2 được sử dụng với mục đích đo lường mức độ phù hợp với mô hình cấu trúc, bên cạnh đó xác định mức độ mà các biến dộc lập giải thích các biến phụ thuộc trong mô hình, với các chỉ số dao động từ 0 đến 1, trong đó nếu giá trị càng lùi về 0 thì độ phù hợp được xem là càng yếu, tương tự độ phù hợp càng mạnh khi giá trị càng tiến đến 1. R2 hiệu chỉnh được xem là thận trọng hơn vì đã điều chỉnh theo số lượng biến dự báo, hạn chế trường hợp R2 tăng một cách tự động do thêm biến dự báo không cần thiết, chỉ số này phù hợp để đánh giá và so sánh mức độ giải thích của mô hình (Hair et al., 2022). R2 hiệu chỉnh cao cho thấy mô hình càng phù hợp và có khả năng giải thích tốt. Trong nghiên cứu này, R2 hiệu chỉnh được đánh giá để xác định được mức độ giải thích biến phụ thuộc bởi các biến độc lập.
- Bảng 4.13: Giá trị R2 và R2 hiệu chỉnh Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Căn cứ vào bảng 4.13, biến Niềm tin (PT) có giá trị R² hiệu chỉnh = 0.339, cho thấy các biến Cảm nhận cá nhân hóa (PP) và Cảm nhận tính hữu ích (PU) có khả năng giải thích khoảng 33.9% sự biến thiên của Niềm tin của người tiêu dùng đối với quảng cáo được cá nhân hóa bởi trí tuệ nhân tạo. Theo tiêu chuẩn đánh giá của Hair và cộng sự (2022), mức độ giải thích này được xem là mức trung bình, cho thấy hai yếu tố PP và PU đóng vai trò tương đối quan trọng trong việc hình thành niềm tin của người tiêu dùng đối với quảng cáo cá nhân hóa. Đối với biến Cảm nhận tính hữu ích (PU), giá trị R² hiệu chỉnh = 0.293, điều này cho thấy Cảm nhận cá nhân hóa (PP) trong mô hình nghiên cứu giải thích được khoảng 29.3% sự biến thiên của Cảm nhận tính hữu ích của người tiêu dùng đối với quảng cáo do AI tạo ra. Mức độ giải thích này cũng được xem là mức trung bình, cho thấy khi người tiêu dùng nhận thấy quảng cáo được cá nhân hóa phù hợp với nhu cầu và sở thích cá nhân thì họ có xu hướng đánh giá quảng cáo đó là hữu ích hơn trong quá trình tìm kiếm thông tin và ra quyết định mua sắm. Bên cạnh đó, biến phụ thuộc Ý định mua sắm (PI) có giá trị R² hiệu chỉnh = 0.529, cho thấy các biến Cảm nhận cá nhân hóa (PP), Cảm nhận tính hữu ích (PU) và Niềm tin (PT) trong mô hình có khả năng giải thích khoảng 52.9% sự biến thiên của Ý định mua sắm của người tiêu dùng đối với các quảng cáo được cá nhân hóa bởi trí tuệ nhân tạo và mức độ giải thích này được xem là mức cao, cho thấy mô hình nghiên cứu có khả năng giải thích khá tốt hành vi ý định mua sắm của người tiêu dùng trong bối cảnh quảng cáo cá nhân hóa dựa trên trí tuệ nhân tạo.
Như vậy, kết quả phân tích R² hiệu chỉnh cho thấy mô hình nghiên cứu có mức độ giải thích tương đối tốt đối với các biến nội sinh, đặc biệt là đối với biến Ý định mua sắm. Điều này chứng tỏ các yếu tố Cảm nhận cá nhân hóa, Cảm nhận tính hữu ích và Niềm tin có vai trò quan trọng trong việc ảnh hưởng đến hành vi và ý định mua sắm của người tiêu dùng khi tiếp cận các quảng cáo được cá nhân hóa bởi trí tuệ nhân tạo.
- Đánh giá hệ số tác động f2
Hệ số tác động f2 (effect size) trong PLS-SEM đo lường mức đóng góp của từng biến độc lập vào khả năng giải thích phương sai của biến phụ thuộc, thông qua mức thay đổi của R2 khi loại biến độc lập đó khỏi mô hình (Hair et al., 2017)
- Bảng 4.14: Giá trị f2
Căn cứ vào kết quả bảng 4.14, các biến PP, PT có mức tác động nhỏ lên PI với hệ số f² lần lượt là 0.052, 0.139 (0.02 ≤ f2 < 0.15), trong khi đó biến PU có hệ số tác động f² = 0.198 (0.15 ≤ f2 < 0.35) thể hiện mức tác động trung bình lên PI. Bên cạnh đó, biến PU có mức tác động nhỏ đối với viết PT với hệ số tác động f² = 0.043 (0.02 ≤ f2 < 0.15) và biến PP có mức tác động trung bình lên biến PT với hệ số f² là 0.219 ( 0.15 ≤ f2 < 0.35) cho thấy PP đóng góp quan trọng vào việc giải thích niềm tin của người dùng đối với quảng cáo AI.. Kết quả này cho thấy khả năng giải thích biến PI chủ yếu đến từ biến Cảm nhận tính hữu ích (PU) và Niềm tin (PT). Nếu thử loại bỏ mối quan hệ trực tiếp PP → PI, các biến trung gian (PU và PT) vẫn có khả năng giải thích phần lớn sự biến thiên của Ý định mua hàng. Điều này khẳng định rằng trong quảng cáo AI, yếu tố “Cá nhân hóa” (PP) không trực tiếp tạo ra hành vi ý định ngay lập tức mà phần lớn hiệu quả của nó phải được chuyển hóa thông qua việc làm cho người dùng cảm thấy Tin tưởng và có tính Hữu ích. Bên cạnh đó, đối với biến cảm nhận tính hữu ích (PU), mối quan hệ PP → PU có f2 = 0.419, cho thấy mức độ ảnh hưởng lớn, từ đó thấy được rằng Cảm nhận cá nhân hóa là nhân tố mang tính quyết định cốt lõi để hình thành nên sự hữu ích trong nhận thức của người tiêu dùng.
4.4. Thảo luận kết quả nghiên cứu Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Sau khi thực hiện kiểm định mô hình cấu trúc PLS-SEM, kết quả cho thấy toàn bộ các giả thuyết nghiên cứu đều đạt ý nghĩa thống kê ở mức tin cậy 95% (p < 0.05), Qua đó có thể thấy được rằng các nhân tố được lựa chọn trong nghiên cứu đều có năng lực giải thích ý định mua sắm của người tiêu dùng.
Kết quả nghiên cứu cho thấy Cảm nhận cá nhân hóa (PP) có vai trò quan trọng trong việc hình thành ý định mua sắm của người tiêu dùng đối với các quảng cáo được cá nhân hóa bằng trí tuệ nhân tạo. Cụ thể, kết quả phân tích mô hình cấu trúc cho thấy cảm nhận cá nhân hóa có tác động trực tiếp cùng chiều đến Ý định mua hàng (PI) với hệ số β = 0.205 (p = 0.001). Đồng thời, biến này cũng có ảnh hưởng đáng kể đến Niềm tin (PT) với hệ số β = 0.452 (p < 0.001) và Cảm nhận tính hữu ích (PU) với hệ số β = 0.543 (p < 0.001). Kết quả này cho thấy khi người tiêu dùng cảm nhận rằng các quảng cáo được cá nhân hóa phù hợp với nhu cầu và sở thích của họ, họ có xu hướng đánh giá quảng cáo hữu ích hơn, từ đó hình thành mức độ tin tưởng cao hơn đối với thông tin quảng cáo và cuối cùng thúc đẩy ý định mua sắm. Kết quả này tương đồng với kết quả nghiên cứu của Gia Khuong An & cộng sự (2025) và Nguyễn Thị Kim Chi & cộng sự (2024) và G. Yamuna & cộng sự (2025), Jiwang Yin & cộng sự (2025), Phó Hải Đăng & cộng sự (2025). Kết quả này cũng phù hợp với Thuyết chấp nhận công nghệ (TAM) của Davis (1989), theo đó khi người tiêu dùng nhận thấy công nghệ đáp ứng tốt nhu cầu và mang lại giá trị cho bản thân, họ sẽ hình thành những đánh giá tích cực về tính hữu ích của công nghệ và có xu hướng thực hiện hành vi sử dụng hoặc chấp nhận công nghệ đó. Trong bối cảnh nghiên cứu này, quảng cáo được cá nhân hóa bằng trí tuệ nhân tạo không chỉ làm gia tăng cảm nhận về tính hữu ích mà còn góp phần hình thành niềm tin và thúc đẩy ý định mua hàng. Điều này cho thấy TAM có giá trị giải thích trong bối cảnh marketing ứng dụng AI tại thành phố Hồ Chí Minh, đồng thời mở rộng phạm vi vận dụng của lý thuyết từ hành vi chấp nhận công nghệ sang hành vi phản hồi đối với quảng cáo cá nhân hóa.
Bên cạnh tác động trực tiếp, cảm nhận cá nhân hóa còn tạo ra các tác động gián tiếp đến ý định mua hàng thông qua các biến trung gian trong mô hình nghiên cứu. Cụ thể, tác động gián tiếp thông qua Niềm tin đạt β = 0.142, thông qua Cảm nhận tính hữu ích đạt β = 0.201, và thông qua chuỗi trung gian Cảm nhận tính hữu ích → Niềm tin đạt β = 0.034. Điều này cho thấy cá nhân hóa không chỉ tác động trực tiếp đến ý định mua hàng mà còn đóng vai trò nền tảng trong việc hình thành các yếu tố tâm lý trung gian của người tiêu dùng. Nói cách khác, khi quảng cáo được cá nhân hóa phù hợp với nhu cầu và bối cảnh cá nhân, người tiêu dùng sẽ nhận thấy thông tin quảng cáo hữu ích hơn, đồng thời gia tăng mức độ tin tưởng đối với nền tảng hoặc thương hiệu, từ đó thúc đẩy ý định mua sắm. Kết quả này tương đồng với kết quả nghiên cứu của Gia Khuong An & cộng sự (2025) và Nguyễn Văn Nên & cộng sự (2021). Nghiên cứu không chỉ phân tích các tác động trực tiếp mà còn làm rõ cơ chế tác động gián tiếp của cảm nhận cá nhân hóa thông qua các biến tâm lý trung gian. Cụ thể, nghiên cứu đã kiểm định đồng thời vai trò trung gian riêng le của cảm nhận tính hữu ích và niềm tin cũng như vai trò trung gian nối tiếp của hai biến này trong cùng một mô hình PLS-SEM. Kết quả này góp phần bổ sung bằng chứng thực nghiệm về cơ chế mà quảng cáo cá nhân hóa ứng dụng AI ảnh hưởng đến ý định mua hàng của người tiêu dùng, thay vì chỉ dừng lại ở việc kiểm định các tác động trực tiếp như ở một số nghiên cứu trước.
Tuy nhiên, kết quả phân tích kích thước hiệu ứng cho thấy mức đóng góp trực tiếp của cảm nhận cá nhân hóa đối với ý định mua hàng tương đối thấp (f² = 0.052). Điều này cho thấy tại thị trường TP. Hồ Chí Minh, việc chỉ dừng lại ở mức độ cá nhân hóa dựa trên các thuật toán gợi ý sản phẩm phù hợp với sở thích người dùng vẫn chưa đủ để kích hoạt ngay hành vi mua sắm. Thay vào đó, cá nhân hóa chủ yếu đóng vai trò như một yếu tố khởi đầu, giúp kích hoạt các phản ứng tâm lý tích cực khác của người tiêu dùng, đặc biệt là cảm nhận về tính hữu ích và niềm tin đối với quảng cáo. Kết quả này cũng tương đồng với nghiên cứu của Sipos (2025), khi tác giả cho rằng mức độ cá nhân hóa càng cao thì người tiêu dùng càng có xu hướng phản hồi tích cực đối với nội dung quảng cáo. Tuy nhiên, để chuyển đổi các phản hồi tích cực này thành hành vi mua sắm thực tế, quảng cáo cần đồng thời tạo ra giá trị thông tin hữu ích và xây dựng được sự tin tưởng từ phía người tiêu dùng.
Kết quả nghiên cứu cho thấy Cảm nhận tính hữu ích (Perceived Usefulness – PU) đóng vai trò quan trọng trong việc hình thành Niềm tin (PT) và Ý định mua hàng (PI) của người tiêu dùng đối với các quảng cáo được cá nhân hóa bằng trí tuệ nhân tạo. Cụ thể, kết quả phân tích mô hình cấu trúc cho thấy PU có tác động trực tiếp cùng chiều đến Ý định mua hàng với hệ số β = 0.369, đây cũng là nhân tố có tác động mạnh nhất đến ý định mua hàng trong mô hình nghiên cứu. Điều này cho thấy khi người tiêu dùng nhận thấy các quảng cáo cá nhân hóa mang lại giá trị thông tin hữu ích, giúp họ tiết kiệm thời gian tìm kiếm sản phẩm và hỗ trợ quá trình ra quyết định mua sắm, họ sẽ có xu hướng hình thành ý định mua hàng cao hơn. Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Bên cạnh đó, PU cũng có tác động cùng chiều đến Niềm tin với hệ số β = 0.109, cho thấy khi quảng cáo cá nhân hóa được người tiêu dùng đánh giá là hữu ích và cung cấp thông tin có giá trị, mức độ tin tưởng đối với nội dung quảng cáo cũng sẽ gia tăng. Ngoài tác động trực tiếp, PU còn tạo ra tác động gián tiếp đến Ý định mua hàng thông qua Niềm tin với hệ số β = 0.063, phản ánh rằng cảm nhận về tính hữu ích của quảng cáo không chỉ ảnh hưởng trực tiếp đến hành vi mua sắm mà còn góp phần củng cố niềm tin của người tiêu dùng đối với thông tin quảng cáo. Đồng thời, kết quả nghiên cứu cũng cho thấy PU đóng vai trò trung gian quan trọng trong mối quan hệ giữa Cảm nhận cá nhân hóa (PP) và Ý định mua hàng (PI) với hệ số tác động β = 0.201, đây là mức tác động trung gian lớn nhất trong mô hình nghiên cứu. Ngoài ra, mối quan hệ giữa PP và PU có kích thước hiệu ứng khá lớn (f² = 0.419), cho thấy cảm nhận cá nhân hóa là yếu tố nền tảng góp phần gia tăng giá trị hữu ích của quảng cáo đối với người tiêu dùng. Kết quả này cũng củng cố quan điểm của Serrano-Malebran và Arenas-Gaitan (2021) và Nguyễn Thị Kim Chi & cộng sự (2024) khi cho rằng giá trị hữu ích là động cơ quan trọng thúc đẩy hành vi của người tiêu dùng trong môi trường công nghệ số. Trong bối cảnh marketing dựa trên trí tuệ nhân tạo, người tiêu dùng không chỉ quan tâm đến sự mới me của công nghệ mà còn đánh giá cao khả năng của quảng cáo trong việc giúp họ tiết kiệm thời gian tìm kiếm thông tin và nhanh chóng tiếp cận các sản phẩm phù hợp với nhu cầu cá nhân. Kết quả này cũng phù hợp với Thuyết chấp nhận công nghệ (TAM), trong đó cảm nhận tính hữu ích được xem là một trong những yếu tố quyết định đến việc hình thành ý định hành vi của người dùng. Kết quả nghiên cứu không chỉ khẳng định vai trò của cảm nhận tính hữu ích trong bối cảnh quảng cáo ứng dụng AI mà còn cho thấy đây là biến trung gian có mức tác động lớn nhất trong mô hình, qua đó nhấn mạnh vai trò của giá trị hữu ích của thông tin như một cơ chế chuyển hóa cảm nhận cá nhân hóa thành ý định mua hàng.
Kết quả nghiên cứu cho thấy Niềm tin (Perceived Trust – PT) là một yếu tố quan trọng ảnh hưởng đến Ý định mua hàng (PI) của người tiêu dùng đối với các quảng cáo được cá nhân hóa bằng trí tuệ nhân tạo. Cụ thể, kết quả phân tích mô hình cấu trúc cho thấy Niềm tin có tác động cùng chiều và có ý nghĩa thống kê đến Ý định mua hàng với hệ số β = 0.313 (p = 0.000). Điều này cho thấy khi người tiêu dùng cảm nhận rằng các quảng cáo được cá nhân hóa bởi AI trên các nền tảng số là đáng tin cậy và minh bạch, họ sẽ có xu hướng hình thành ý định mua sắm cao hơn đối với các sản phẩm hoặc dịch vụ được quảng cáo. Kết quả này phù hợp với nghiên cứu của Odoom (2022) khi nhấn mạnh rằng niềm tin là một trong những rào cản tâm lý quan trọng nhất trong các giao dịch có sự hỗ trợ của trí tuệ nhân tạo. Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Bên cạnh tác động trực tiếp đến ý định mua hàng, kết quả nghiên cứu cũng cho thấy Niềm tin chịu ảnh hưởng từ cả Cảm nhận cá nhân hóa (PP) với hệ số β = 0.452 và Cảm nhận tính hữu ích (PU) với hệ số β = 0.200. Điều này cho thấy người tiêu dùng có xu hướng tin tưởng quảng cáo khi họ cảm nhận rằng nội dung quảng cáo vừa phù hợp với nhu cầu cá nhân, vừa mang lại giá trị thông tin hữu ích trong quá trình tìm kiếm và lựa chọn sản phẩm. Ngoài ra, nghiên cứu cũng xác nhận vai trò trung gian của Niềm tin trong mối quan hệ giữa Cảm nhận cá nhân hóa và Ý định mua hàng, với tác động gián tiếp β = 0.142. Bên cạnh đó, mô hình còn xác nhận cơ chế trung gian chuỗi PP → PU → PT → PI với hệ số β = 0.034, phản ánh tiến trình tâm lý Nhận thức – Cảm xúc – Hành vi, trong đó cá nhân hóa giúp gia tăng cảm nhận hữu ích, cảm nhận hữu ích củng cố niềm tin, và niềm tin cuối cùng thúc đẩy ý định mua sắm của người tiêu dùng. Kết quả này phù hợp với nghiên cứu của Kim và Jeong (2023), khi cho rằng quảng cáo cá nhân hóa trong môi trường số có thể tăng cường cảm nhận về sự phù hợp và hữu ích và từ đó củng cố niềm tin của người tiêu dùng. Kết quả này cũng tương đồng với nghiên cứu của Sipos (2025), nhấn mạnh vai trò của cá nhân hóa do AI tạo ra trong việc nâng cao niềm tin và sự hài lòng của khách hàng và tương đồng với nghiên cứu của tác giả Gia Khương An & cộng sự (2025). Kết quả này phù hợp với Thuyết hành vi có kế hoạch (TPB) khi khẳng định vai trò của các yếu tố tâm lý trong việc hình thành ý định hành vi. Trong nghiên cứu này, niềm tin được xem là một yếu tố tâm lý quan trọng góp phần thúc đẩy ý định mua hàng đối với quảng cáo cá nhân hóa ứng dụng AI.
Nhìn chung, kết quả nghiên cứu không chỉ khẳng định vai trò của cảm nhận cá nhân hóa, cảm nhận tính hữu ích và niềm tin trong việc thúc đẩy ý định mua hàng của người tiêu dùng mà còn cung cấp bằng chứng thực nghiệm cho việc vận dụng kết hợp Thuyết chấp nhận công nghệ (TAM) và Thuyết hành vi có kế hoạch (TPB) trong bối cảnh quảng cáo cá nhân hóa ứng dụng trí tuệ nhân tạo. Đặc biệt, nghiên cứu đã làm rõ cơ chế tác động của cảm nhận cá nhân hóa đến ý định mua hàng thông qua việc kiểm định đồng thời vai trò trung gian riêng le của cảm nhận tính hữu ích và niềm tin đồng thời vai trò trung gian nối tiếp của hai biến này. Đây là điểm khác biệt so với một số nghiên cứu trước, vốn chủ yếu tập trung vào các tác động trực tiếp hoặc chỉ xem xét từng biến trung gian riêng le. Kết quả nghiên cứu không chỉ bổ sung bằng chứng thực nghiệm trong bối cảnh Thành phố Hồ Chí Minh mà còn góp phần mở rộng cơ sở lý thuyết về hành vi người tiêu dùng trong lĩnh vực quảng cáo ứng dụng trí tuệ nhân tạo.
- TÓM TẮT CHƯƠNG 4
Ở chương 4, kết quả nghiên cứu được tổng hợp lại sau khi đã tiến hành phân tích dữ liệu bằng phần mềm SPSS 20 và SmartPLS 3. Đánh giá mô hình cho thấy rằng các thang đo đều đạt được độ tin cậy cao cũng như đáp ứng giá trị phân biệt và giá trị hội tụ. Bên cạnh đó, đánh giá mô hình cấu trúc đã kiểm định 6 giả thuyết và kết quả là các giả thuyết đều được chấp nhận.
CHƯƠNG 5. KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
5.1. Kết luận
Trong bối cảnh chuyển đổi số diễn ra mạnh mẽ, việc ứng dụng trí tuệ nhân tạo (AI) vào các hoạt động tiếp thị, đặc biệt là quảng cáo cá nhân hóa, đã trở thành xu hướng quan trọng giúp doanh nghiệp nâng cao hiệu quả truyền thông và cải thiện trải nghiệm khách hàng, cũng như câu hỏi “ Quảng cáo mang tính cá nhân hóa do AI tạo ra có mức độ ảnh hưởng như thế nào đến ý định mua sắm của người tiêu dùng?” trở nên ngày càng quan trọng hơn để các doanh nghiệp có thể áp dụng trong đa dạng các lĩnh vực. Nghiên cứu này được thực hiện nhằm phân tích mức độ ảnh hưởng của cảm nhận cá nhân hóa trong quảng cáo do trí tuệ nhân tạo tạo ra đến ý định mua hàng của người tiêu dùng tại Thành phố Hồ Chí Minh, đồng thời xem xét vai trò trung gian của hai yếu tố tâm lý quan trọng là niềm tin và cảm nhận tính hữu ích. Tác giả đã nghiên cứu tác động và mức độ ảnh hưởng của quảng cáo mang tính cá nhân hóa đến ý định mua sắm của người tiêu dùng tại thành phố Hồ Chí Minh, thông qua hai biến trung gian đó là Niềm tin (PT) và Cảm nhận tính hữu ích (PU). Thông qua quá trình tổng hợp tham khảo từ các nghiên cứu trước đây, tác giả đã xây dựng cơ sở lý thuyết cho bài nghiên cứu cũng như đề xuất mô hình nghiên cứu với 6 giả thuyết nghiên cứu. Phương pháp được sử dụng trong nghiên cứu bao gồm phương pháp nghiên cứu định tính và phương pháp nghiên cứu định lượng.
Nghiên cứu được thực hiện thông qua việc thu thập và xử lý dữ liệu. Tác giả đã thu được 289 phiếu khảo sát hợp lệ, điều này đảm bảo đạt yêu cầu về số lượng mẫu khảo sát. Từ kết quả nghiên cứu chỉ ra rằng kết quả đánh giá độ tin cậy, giá trị phân biệt và giá trị hội tụ của thanh đo đều đảm bảo. Bên cạnh đó, các giả thuyết trong mô hình đều được chấp nhận từ kết quả kiểm định của mô hình PLS-SEM. Kết quả nghiên cứu này đã trả lời cho các mục tiêu và câu hỏi nghiên cứu được nếu ở trong chương 1. Cụ thể: (1) Cảm nhận cá nhân hóa (PP) có tác động cùng chiều và trực tiếp đến Ý định mua sắm (PI) của người tiêu dùng. (2) Kết quả cho thấy Cảm nhận tính hữu ích (PU) và Niềm tin (PT) đóng vai trò là các biến trung gian quan trọng, và Tác động gián tiếp của cá nhân hóa qua hai biến trung gian mạnh hơn đáng kể so với tác động trực tiếp, do đó vai trò của các biến trung gian là tất yếu để quảng cáo cá nhân hóa do AI tạo ra có thể mang tính thuyết phục người tiêu dùng cao hơn. (3) Để tối ưu hóa tác động đến ý định mua sắm của người tiêu dùng, doanh nghiệp không chỉ nên tập trung vài kỹ thuật cá nhân hóa mà còn nên tập trung xây dựng chiến lược để tăng tính hữu ích mà quảng cáo mang lại và củng cố niềm tin của người tiêu dùng.
Trên cơ sở tổng hợp các lý thuyết nền tảng như thuyết chấp nhận công nghệ (TAM) và thuyết hành vi có kế hoạch (TPB), nghiên cứu đã xây dựng mô hình nghiên cứu gồm bốn biến chính: cảm nhận cá nhân hóa, cảm nhận tính hữu ích, niềm tin và ý định mua hàng. Dữ liệu nghiên cứu được thu thập thông qua khảo sát người tiêu dùng tại Thành phố Hồ Chí Minh và được phân tích bằng các phương pháp thống kê như thống kê mô tả, đánh giá mức độ tin cậy Cronbach’s Alpha, phân tích mô hình đo lường, phân tích mô hình cấu trúc bình phương nhỏ nhất từng phần PLS-SEM.
Kết quả nghiên cứu cho thấy cảm nhận cá nhân hóa trong quảng cáo do trí tuệ nhân tạo tạo ra có tác động cùng chiều đến cảm nhận tính hữu ích, niềm tin và ý định mua hàng của người tiêu dùng. Khi người tiêu dùng nhận thấy nội dung quảng cáo được thiết kế phù hợp với sở thích, nhu cầu và hành vi cá nhân của họ, họ có xu hướng đánh giá quảng cáo đó có giá trị thông tin cao hơn và có mức độ tin tưởng lớn hơn đối với thương hiệu. Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Bên cạnh đó, kết quả nghiên cứu cũng chỉ ra rằng cảm nhận tính hữu ích có tác động cùng chiều đến niềm tin và ý định mua hàng. Điều này cho thấy khi người tiêu dùng cảm thấy quảng cáo do AI tạo ra cung cấp thông tin hữu ích, hỗ trợ quá trình ra quyết định và giúp họ tiết kiệm thời gian tìm kiếm sản phẩm, họ sẽ có xu hướng tin tưởng hơn vào nội dung quảng cáo và sẵn sàng thực hiện hành vi mua sắm.
Ngoài ra, yếu tố niềm tin được xác định là một trong những yếu tố quan trọng ảnh hưởng trực tiếp đến ý định mua hàng của người tiêu dùng. Khi người tiêu dùng tin tưởng vào độ tin cậy của thông tin quảng cáo và cách thức doanh nghiệp sử dụng dữ liệu cá nhân, họ sẽ giảm bớt sự hoài nghi và tăng khả năng chấp nhận các đề xuất sản phẩm từ quảng cáo cá nhân hóa.
Đặc biệt, kết quả phân tích cũng cho thấy niềm tin và cảm nhận tính hữu ích đóng vai trò trung gian trong mối quan hệ giữa cảm nhận cá nhân hóa và ý định mua hàng. Điều này cho thấy hiệu quả của quảng cáo cá nhân hóa không chỉ đến từ mức độ phù hợp của nội dung quảng cáo mà còn phụ thuộc vào cách người tiêu dùng đánh giá giá trị thông tin và mức độ tin cậy của quảng cáo đó.
Nhìn chung, nghiên cứu đã cung cấp bằng chứng thực nghiệm cho thấy việc ứng dụng trí tuệ nhân tạo trong cá nhân hóa quảng cáo có thể góp phần nâng cao ý định mua hàng của người tiêu dùng, đặc biệt trong bối cảnh thị trường kỹ thuật số phát triển nhanh chóng tại Thành phố Hồ Chí Minh. Những phát hiện này không chỉ đóng góp vào cơ sở lý thuyết về hành vi người tiêu dùng trong môi trường số mà còn cung cấp những gợi ý quan trọng cho các doanh nghiệp trong việc xây dựng chiến lược quảng cáo cá nhân hóa hiệu quả.
5.2. Hàm ý lý thuyết Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Từ kết quả kiểm định mô hình nghiên cứu cho thấy các giả thuyết nghiên cứu đều được chấp nhận. Một số đóng góp về mặt lý thuyết từ nghiên cứu này như sau:
Thứ nhất, nghiên cứu góp phần mở rộng cơ sở lý thuyết về quảng cáo cá nhân hóa trong bối cảnh ứng dụng trí tuệ nhân tạo. Kết quả nghiên cứu cho thấy cảm nhận cá nhân hóa trong quảng cáo do AI tạo ra có tác động cùng chiều đến các yếu tố nhận thức và hành vi của người tiêu dùng. Kết quả này phù hợp với nghiên cứu của Serrano-Malebran và Arenas-Gaitan (2021) khi cho rằng mức độ cá nhân hóa trong quảng cáo có thể tác động đến cảm nhận tính hữu ích và ý định mua hàng của người tiêu dùng trên các nền tảng số. Điều này cho thấy việc cá nhân hóa nội dung quảng cáo đóng vai trò quan trọng trong việc nâng cao hiệu quả của hoạt động marketing số.
Thứ hai, nghiên cứu củng cố vai trò của niềm tin trong môi trường quảng cáo số, đặc biệt là trong bối cảnh quảng cáo được tạo ra bởi trí tuệ nhân tạo. Kết quả nghiên cứu cho thấy cảm nhận cá nhân hóa có tác động cùng chiều đến niềm tin của người tiêu dùng, và niềm tin tiếp tục ảnh hưởng đến ý định mua hàng. Kết quả này tương đồng với nghiên cứu của Dario Sipos (2025) khi cho rằng cá nhân hóa dựa trên AI có thể gia tăng niềm tin của người tiêu dùng đối với nội dung quảng cáo và từ đó thúc đẩy hành vi mua hàng.
Thứ ba, nghiên cứu bổ sung thêm bằng chứng thực nghiệm về vai trò của cảm nhận tính hữu ích trong việc hình thành ý định mua hàng của người tiêu dùng. Kết quả này phù hợp với nghiên cứu của Nguyễn Thị Kim Chi và cộng sự (2024) khi chỉ ra rằng cảm nhận tính hữu ích của các ứng dụng AI trong thương mại điện tử có ảnh hưởng đáng kể đến ý định mua sắm trực tuyến của người tiêu dùng. Tương tự, nghiên cứu của Gia Khuong An và Thi Thuy An Ngo (2025) cũng cho thấy cảm nhận tính hữu ích là một yếu tố quan trọng ảnh hưởng đến ý định mua hàng trong bối cảnh quảng cáo cá nhân hóa tại Việt Nam.
Thứ tư, nghiên cứu góp phần làm rõ cơ chế tác động gián tiếp của quảng cáo cá nhân hóa đến ý định mua hàng thông qua các yếu tố tâm lý của người tiêu dùng. Cụ thể, kết quả nghiên cứu cho thấy niềm tin và cảm nhận tính hữu ích đóng vai trò trung gian trong mối quan hệ giữa cảm nhận cá nhân hóa và ý định mua hàng. Điều này bổ sung cho các nghiên cứu trước như Gia Khuong An và Thi Thuy An Ngo (2025) khi các tác giả tập trung vào vai trò trung gian của mức độ liên quan và tính hữu ích nhưng chưa xem xét sâu cơ chế kết hợp giữa niềm tin và cảm nhận tính hữu ích trong cùng một mô hình nghiên cứu.
Thứ năm, nghiên cứu đóng góp thêm bằng chứng thực nghiệm trong bối cảnh thị trường Việt Nam, đặc biệt là tại Thành phố Hồ Chí Minh – một trong những trung tâm kinh tế và thương mại điện tử phát triển mạnh của cả nước. Trong khi nhiều nghiên cứu trước tập trung vào các thị trường khác như Chile (Serrano-Malebran & Arenas-Gaitan, 2021) hoặc Trung Quốc (Yin và cộng sự, 2025), nghiên cứu này cung cấp thêm bằng chứng thực nghiệm về phản ứng của người tiêu dùng Việt Nam đối với quảng cáo cá nhân hóa được tạo ra bởi trí tuệ nhân tạo.
Cuối cùng, nghiên cứu cũng đóng góp về mặt lý thuyết khi kết hợp các yếu tố cá nhân hóa, niềm tin và cảm nhận tính hữu ích trong cùng một mô hình nghiên cứu nhằm giải thích ý định mua hàng của người tiêu dùng trong bối cảnh quảng cáo AI. Điều này giúp làm rõ hơn cơ chế tâm lý và nhận thức của người tiêu dùng khi tiếp nhận các thông điệp quảng cáo được cá nhân hóa trong môi trường số.
5.3. Hàm ý quản trị Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
5.3.1. Hàm ý quản trị đối với “Cảm nhận cá nhân hóa”
Căn cứ vào giá trị trung bình của các biến quan sát, các biến thuộc thang đo cảm nhận cá nhân hóa có giá trị trung bình dao động từ 3.640 đến 3.927, cho thấy người tiêu dùng nhìn chung có đánh giá khá tích cực đối với các quảng cáo được cá nhân hóa bằng AI trên các nền tảng số. Trong đó, PP1 “Quảng cáo được cá nhân hóa bởi AI đưa ra các gợi ý mua sắm phù hợp với nhu cầu của tôi” có giá trị trung bình cao nhất (Mean = 3.927), cho thấy người tiêu dùng đánh giá khá cao khả năng của các hệ thống quảng cáo trong việc đề xuất sản phẩm phù hợp với nhu cầu cá nhân. Điều này phản ánh rằng các thuật toán gợi ý sản phẩm hiện nay đã bước đầu đáp ứng được kỳ vọng của người tiêu dùng trong việc tìm kiếm các sản phẩm liên quan đến sở thích và hành vi mua sắm của họ. Tiếp theo là PP2 (Mean = 3.796) và PP4 (Mean = 3.775), cho thấy người tiêu dùng cũng có mức độ đồng ý tương đối cao đối với việc các quảng cáo cá nhân hóa có thể giúp họ tiếp cận các sản phẩm phù hợp hoặc được điều chỉnh theo hoàn cảnh cá nhân. Tuy nhiên, các giá trị này vẫn chưa đạt mức rất cao, cho thấy mức độ cá nhân hóa của quảng cáo vẫn cần được cải thiện thêm để mang lại trải nghiệm phù hợp hơn cho từng người dùng. Trong khi đó, PP3 “Quảng cáo được cá nhân hóa bởi AI được tùy chỉnh theo nhu cầu của tôi” có giá trị trung bình thấp nhất (Mean = 3.640). Điều này cho thấy một bộ phận người tiêu dùng vẫn chưa hoàn toàn cảm nhận rõ ràng rằng các quảng cáo họ tiếp nhận được thiết kế riêng dựa trên nhu cầu cá nhân. Nói cách khác, mức độ tùy chỉnh nội dung quảng cáo vẫn chưa đủ sâu để tạo ra cảm giác cá nhân hóa rõ rệt đối với người dùng.
Từ kết quả nghiên cứu, một số hàm ý quản trị quan trọng có thể được đề xuất cho các doanh nghiệp trong việc triển khai quảng cáo cá nhân hóa dựa trên trí tuệ nhân tạo.
Thứ nhất, doanh nghiệp cần tiếp tục phát huy điểm mạnh hiện có trong việc đề xuất các sản phẩm phù hợp với nhu cầu của người tiêu dùng, vì đây là nội dung được đánh giá cao nhất trong nhóm biến quan sát (PP1). Các doanh nghiệp nên tiếp tục đầu tư vào các hệ thống AI recommendation system, sử dụng dữ liệu hành vi người dùng như lịch sử tìm kiếm, lịch sử mua hàng và các tương tác trên nền tảng số để nâng cao độ chính xác của các gợi ý sản phẩm. Việc duy trì và cải thiện khả năng gợi ý sản phẩm phù hợp sẽ giúp người tiêu dùng cảm nhận rõ hơn giá trị của quảng cáo cá nhân hóa, từ đó tăng cường cảm nhận tính hữu ích và niềm tin đối với nội dung quảng cáo. Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Thứ hai, doanh nghiệp cần ưu tiên cải thiện khả năng tùy chỉnh nội dung quảng cáo theo nhu cầu cá nhân của người tiêu dùng, vì đây là nội dung có điểm trung bình thấp nhất (PP3). Các nền tảng quảng cáo nên áp dụng các thuật toán học máy tiên tiến hơn để phân tích sâu hơn hành vi người dùng và tạo ra các nội dung quảng cáo phù hợp với từng cá nhân. Ví dụ, hệ thống có thể điều chỉnh thông điệp quảng cáo, hình ảnh, thời điểm hiển thị hoặc loại sản phẩm đề xuất dựa trên đặc điểm nhân khẩu học, sở thích và bối cảnh sử dụng của người tiêu dùng. Việc tăng cường mức độ tùy chỉnh này sẽ giúp quảng cáo trở nên gần gũi và phù hợp hơn với từng cá nhân, từ đó nâng cao cảm nhận cá nhân hóa.
Thứ ba, doanh nghiệp cần kết hợp cá nhân hóa quảng cáo với việc nâng cao cảm nhận tính hữu ích và niềm tin của người tiêu dùng, vì đây là hai yếu tố trung gian quan trọng trong mô hình nghiên cứu. Khi quảng cáo được thiết kế theo hướng cung cấp thông tin hữu ích, phù hợp với nhu cầu thực tế của khách hàng và minh bạch về nguồn gốc thông tin, người tiêu dùng sẽ có xu hướng tin tưởng hơn vào quảng cáo và đánh giá cao giá trị mà quảng cáo mang lại. Điều này sẽ góp phần thúc đẩy ý định mua sắm trong môi trường thương mại điện tử.
Tóm lại, kết quả nghiên cứu cho thấy cảm nhận cá nhân hóa đóng vai trò nền tảng trong việc hình thành cảm nhận tính hữu ích, niềm tin và ý định mua sắm của người tiêu dùng. Vì vậy, các doanh nghiệp cần tiếp tục đầu tư vào các công nghệ trí tuệ nhân tạo và phân tích dữ liệu khách hàng nhằm nâng cao khả năng cá nhân hóa quảng cáo, đồng thời đảm bảo rằng nội dung quảng cáo được thiết kế phù hợp với nhu cầu thực tế của người tiêu dùng để tối đa hóa hiệu quả của hoạt động marketing trong môi trường số.
5.3.2. Hàm ý quản trị đối với “Niềm tin” Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Xét theo giá trị trung bình của các biến quan sát, các biến thuộc thang đo Niềm tin có giá trị trung bình dao động từ 3.481 đến 3.851, cho thấy người tiêu dùng nhìn chung có mức độ tin tưởng khá tích cực đối với các quảng cáo cá nhân hóa do AI tạo ra trên các nền tảng số. Trong đó, PT4 “Tôi có thể tin tưởng vào quảng cáo được cá nhân hóa bởi AI trên các nền tảng số” có giá trị trung bình cao nhất (Mean = 3.851), cho thấy nhiều người tiêu dùng đã có xu hướng chấp nhận và tin tưởng các quảng cáo cá nhân hóa. Tiếp theo là PT2 (Mean = 3.796) và PT3 (Mean = 3.706), phản ánh rằng người tiêu dùng cũng đánh giá khá tích cực về mức độ đáng tin cậy của quảng cáo cá nhân hóa. Tuy nhiên, PT5 “Tôi đặt mức độ tin tưởng cao vào quảng cáo được cá nhân hóa bởi AI trên các nền tảng số” có giá trị trung bình thấp nhất (Mean = 3.481), cho thấy mức độ tin tưởng sâu sắc của người tiêu dùng vẫn chưa thực sự cao. Ngoài ra, PT1 (Mean = 3.616) cũng cho thấy yếu tố tính toàn vẹn của quảng cáo chưa được người tiêu dùng đánh giá ở mức cao, hàm ý rằng một bộ phận người tiêu dùng vẫn còn những lo ngại liên quan đến độ chính xác của thông tin quảng cáo hoặc việc sử dụng dữ liệu cá nhân trong quá trình cá nhân hóa nội dung quảng cáo. Nhìn chung, kết quả nghiên cứu cho thấy niềm tin đóng vai trò quan trọng trong việc chuyển hóa cảm nhận của người tiêu dùng về quảng cáo cá nhân hóa thành ý định mua sắm, đặc biệt trong bối cảnh người tiêu dùng ngày càng quan tâm đến tính minh bạch và độ tin cậy của các hệ thống quảng cáo ứng dụng trí tuệ nhân tạo.
Từ các kết quả trên, một số hàm ý quản trị quan trọng có thể được đề xuất nhằm giúp các doanh nghiệp nâng cao mức độ tin tưởng của người tiêu dùng đối với quảng cáo cá nhân hóa dựa trên trí tuệ nhân tạo.
Thứ nhất, doanh nghiệp cần duy trì và tiếp tục phát huy mức độ tin tưởng hiện có của người tiêu dùng đối với quảng cáo cá nhân hóa, đặc biệt là ở khía cạnh khả năng người tiêu dùng cảm thấy họ có thể tin tưởng vào quảng cáo (PT4). Để làm được điều này, các doanh nghiệp cần đảm bảo rằng nội dung quảng cáo được thiết kế một cách minh bạch, chính xác và nhất quán với thông tin sản phẩm thực tế. Việc cung cấp thông tin rõ ràng về nguồn gốc sản phẩm, chính sách bảo hành, đánh giá của khách hàng và thông tin về thương hiệu sẽ giúp củng cố niềm tin của người tiêu dùng đối với quảng cáo.
Thứ hai, doanh nghiệp cần tăng cường độ tin cậy của nội dung quảng cáo, vì đây là yếu tố được phản ánh qua các biến PT2 và PT3 với mức điểm trung bình chưa thật sự cao. Các doanh nghiệp nên chú trọng xây dựng các nội dung quảng cáo dựa trên dữ liệu thực tế và trải nghiệm của khách hàng, chẳng hạn như hiển thị đánh giá từ người dùng trước đó, xếp hạng sản phẩm hoặc các chứng nhận chất lượng từ bên thứ ba. Điều này sẽ giúp quảng cáo trở nên thuyết phục hơn và giảm bớt sự hoài nghi của người tiêu dùng đối với thông tin quảng cáo. Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Thứ ba, doanh nghiệp cần ưu tiên cải thiện mức độ tin tưởng sâu sắc của người tiêu dùng đối với quảng cáo cá nhân hóa, vì đây là yếu tố có điểm trung bình thấp nhất (PT5). Để nâng cao yếu tố này, các doanh nghiệp cần chú trọng hơn đến việc bảo vệ quyền riêng tư và dữ liệu cá nhân của người tiêu dùng. Việc công khai các chính sách bảo mật, cho phép người dùng kiểm soát dữ liệu cá nhân và minh bạch trong việc sử dụng dữ liệu để cá nhân hóa quảng cáo sẽ giúp người tiêu dùng cảm thấy an tâm hơn khi tiếp nhận các quảng cáo được cá nhân hóa.
Cuối cùng, doanh nghiệp cũng cần nâng cao tính toàn vẹn của quảng cáo cá nhân hóa, vì yếu tố này được phản ánh qua biến PT1 với mức điểm trung bình chưa cao. Điều này có thể được thực hiện thông qua việc đảm bảo rằng các quảng cáo không gây hiểu nhầm, không phóng đại thông tin sản phẩm và không sử dụng các thông điệp gây áp lực mua sắm đối với người tiêu dùng. Khi người tiêu dùng cảm thấy quảng cáo mang tính trung thực và đáng tin cậy, mức độ tin tưởng của họ sẽ được củng cố, từ đó thúc đẩy ý định mua sắm.
Tóm lại, kết quả nghiên cứu cho thấy Niềm tin là một yếu tố có ảnh hưởng đáng kể đến ý định mua sắm của người tiêu dùng trong bối cảnh quảng cáo cá nhân hóa dựa trên trí tuệ nhân tạo. Vì vậy, các doanh nghiệp cần chú trọng xây dựng và duy trì niềm tin của khách hàng thông qua việc đảm bảo tính minh bạch, độ chính xác của thông tin quảng cáo, đồng thời tăng cường các biện pháp bảo vệ dữ liệu cá nhân của người tiêu dùng. Điều này sẽ góp phần nâng cao hiệu quả của các chiến lược quảng cáo cá nhân hóa và thúc đẩy hành vi mua sắm của khách hàng trong môi trường thương mại điện tử.
5.3.3. Hàm ý quản trị đối với “Cảm nhận tính hữu ích”
Xét theo giá trị trung bình của các biến quan sát, các biến thuộc thang đo Cảm nhận tính hữu ích có giá trị trung bình dao động từ 3.668 đến 3.882, cho thấy người tiêu dùng nhìn chung có đánh giá khá tích cực đối với mức độ hữu ích của các quảng cáo được cá nhân hóa bằng trí tuệ nhân tạo trên các nền tảng số. Trong đó, PU1 “Quảng cáo được cá nhân hóa bởi AI trên các nền tảng số giúp tôi tiết kiệm thời gian mua sắm” có giá trị trung bình cao nhất (Mean = 3.882), cho thấy người tiêu dùng đánh giá cao khả năng của quảng cáo cá nhân hóa trong việc giúp họ tiết kiệm thời gian trong quá trình tìm kiếm thông tin và lựa chọn sản phẩm. Tiếp theo, PU3 “Quảng cáo được cá nhân hóa bởi AI giúp tôi nâng cao hiệu quả mua sắm” có Mean = 3.834, phản ánh rằng người tiêu dùng nhìn chung đồng ý rằng các quảng cáo cá nhân hóa có thể hỗ trợ họ tìm kiếm và lựa chọn sản phẩm phù hợp một cách hiệu quả hơn. Bên cạnh đó, PU4 “Quảng cáo được cá nhân hóa bởi AI cải thiện chất lượng trải nghiệm mua sắm của tôi” có Mean = 3.758, cho thấy người tiêu dùng cũng có xu hướng đánh giá tích cực về khả năng của quảng cáo cá nhân hóa trong việc nâng cao trải nghiệm mua sắm trên các nền tảng số. Tuy nhiên, PU2 “Quảng cáo được cá nhân hóa bởi AI hỗ trợ những khía cạnh quan trọng trong quá trình mua sắm của tôi” có giá trị trung bình thấp nhất (Mean = 3.668), cho thấy một bộ phận người tiêu dùng vẫn chưa hoàn toàn cảm nhận rõ ràng rằng quảng cáo cá nhân hóa có thể hỗ trợ toàn diện cho các khía cạnh quan trọng trong quá trình mua sắm. Điều này hàm ý rằng trong một số trường hợp, nội dung quảng cáo vẫn chưa cung cấp đầy đủ thông tin hoặc chưa đáp ứng đúng nhu cầu của người tiêu dùng tại thời điểm họ tiếp cận quảng cáo. Nhìn chung, kết quả phân tích cho thấy cảm nhận về tính hữu ích của quảng cáo cá nhân hóa ở mức khá tích cực, phản ánh rằng người tiêu dùng bước đầu nhận thấy giá trị thực tiễn mà các quảng cáo ứng dụng trí tuệ nhân tạo mang lại trong quá trình tìm kiếm thông tin và ra quyết định mua sắm. Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Từ các kết quả nghiên cứu trên, một số hàm ý quản trị quan trọng có thể được đề xuất nhằm nâng cao cảm nhận về tính hữu ích của quảng cáo cá nhân hóa do trí tuệ nhân tạo tạo ra.
Thứ nhất, doanh nghiệp cần tăng cường khả năng cung cấp thông tin có giá trị trong nội dung quảng cáo cá nhân hóa. Thay vì chỉ giới thiệu sản phẩm một cách đơn thuần, quảng cáo nên cung cấp các thông tin cụ thể như tính năng sản phẩm, lợi ích sử dụng, đánh giá từ người dùng trước đó hoặc so sánh giữa các lựa chọn sản phẩm khác nhau. Khi quảng cáo trở thành một nguồn thông tin hỗ trợ cho quá trình ra quyết định, người tiêu dùng sẽ cảm nhận rõ ràng hơn về giá trị mà quảng cáo mang lại.
Thứ hai, doanh nghiệp cần nâng cao độ chính xác của hệ thống gợi ý sản phẩm dựa trên trí tuệ nhân tạo. Các nền tảng quảng cáo nên sử dụng dữ liệu hành vi của người dùng như lịch sử tìm kiếm, lịch sử mua sắm hoặc tương tác trên nền tảng để phân tích nhu cầu của khách hàng một cách chính xác hơn. Nhờ đó, hệ thống có thể đề xuất các sản phẩm phù hợp với từng cá nhân, giúp người tiêu dùng cảm thấy rằng quảng cáo thực sự hỗ trợ họ trong quá trình mua sắm.
Thứ ba, doanh nghiệp cần thiết kế quảng cáo cá nhân hóa theo hướng hỗ trợ trực tiếp quá trình mua sắm của người tiêu dùng. Chẳng hạn, quảng cáo có thể tích hợp các chức năng như gợi ý sản phẩm tương tự, đề xuất sản phẩm bổ sung hoặc cung cấp các chương trình khuyến mãi phù hợp với từng cá nhân. Những yếu tố này sẽ giúp quảng cáo trở nên thiết thực hơn, từ đó nâng cao cảm nhận về tính hữu ích của người tiêu dùng.
Thứ tư, doanh nghiệp cần kết hợp giữa cá nhân hóa nội dung quảng cáo và trải nghiệm mua sắm tổng thể của khách hàng. Khi quảng cáo được cá nhân hóa không chỉ phù hợp với nhu cầu của người tiêu dùng mà còn cung cấp những thông tin hữu ích hỗ trợ quá trình ra quyết định, người tiêu dùng sẽ cảm nhận rằng quảng cáo mang lại lợi ích thực sự cho họ. Điều này không chỉ giúp nâng cao Cảm nhận tính hữu ích, mà còn góp phần gia tăng Niềm tin và Ý định mua sắm của khách hàng.
Tóm lại, Cảm nhận tính hữu ích đóng vai trò quan trọng trong việc chuyển hóa tác động của quảng cáo cá nhân hóa thành niềm tin và ý định mua sắm của người tiêu dùng. Do đó, các doanh nghiệp cần tập trung nâng cao giá trị thực tiễn của quảng cáo thông qua việc cung cấp thông tin hữu ích, cải thiện độ chính xác của hệ thống gợi ý sản phẩm và thiết kế nội dung quảng cáo hỗ trợ hiệu quả cho quá trình ra quyết định mua sắm của khách hàng.
5.4. Hạn chế của nghiên cứu Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
Mặc dù nghiên cứu đã đạt được những kết quả nhất định, vẫn tồn tại một số hạn chế cần được xem xét.
Thứ nhất, nghiên cứu chỉ được thực hiện đối với người tiêu dùng tại Thành phố Hồ Chí Minh, do đó kết quả nghiên cứu có thể chưa phản ánh đầy đủ đặc điểm của người tiêu dùng tại các khu vực khác.
Thứ hai, mô hình nghiên cứu chỉ tập trung vào một số yếu tố chính như cảm nhận cá nhân hóa, niềm tin và cảm nhận tính hữu ích, trong khi ý định mua hàng của người tiêu dùng có thể chịu ảnh hưởng bởi nhiều yếu tố khác như quyền riêng tư, thái độ đối với công nghệ hoặc mức độ chấp nhận AI. Ngoài ra, các vấn đề pháp lý và quyền sở hữu trí tuệ liên quan đến quảng cáo do AI tạo ra chưa được nghiên cứu chuyên sâu.
5.5. Các hướng nghiên cứu tiếp theo
Trong các nghiên cứu tiếp theo, các nhà nghiên cứu có thể mở rộng phạm vi khảo sát sang nhiều khu vực địa lý khác tại Việt Nam nhằm nâng cao tính khái quát của kết quả nghiên cứu.
Bên cạnh đó, nghiên cứu trong tiếp theo có thể mở rộng bằng cách bổ sung nhận thức về quyền riêng tư, thái độ đối với AI, mức độ chấp nhận công nghệ và các vấn đề về quyền sở hữu trí tuệ đối với nội dung do AI tạo ra, qua đó làm rõ toàn diện hơn các yếu tố ảnh hưởng đến ý định mua sắm trong quảng cáo ứng dụng AI.
Ngoài ra, các nghiên cứu tiếp theo có thể áp dụng phương pháp nghiên cứu thực nghiệm để phân tích sâu hơn sự thay đổi trong nhận thức và hành vi của người tiêu dùng đối với quảng cáo cá nhân hóa do AI tạo ra.
TÓM TẮT CHƯƠNG 5
Đây là chương kết luận, có vai trò tổng hợp và hệ thống hóa toàn bộ kết quả nghiên cứu của luận văn. Thông qua quá trình kiểm định mô hình nghiên cứu, đề tài đã xác định được tác động tích cực của cảm nhận cá nhân hóa trong quảng cáo do trí tuệ nhân tạo (AI) tạo ra đến ý định mua sắm của người tiêu dùng tại Thành phố Hồ Chí Minh, đồng thời làm rõ vai trò trung gian của nhận thức sự hữu ích và niềm tin trong mối quan hệ này.
Dựa trên kết quả thu được, các hàm ý quản trị được đề xuất tại chương 5, tập trung vào việc tối ưu mức độ cá nhân hóa trong nội dung quảng bá, tối ưu hóa trải nghiệm người dùng, cũng như xây dựng niềm tin và cảm nhận giá trị tính hữu ích nhằm hỗ trợ các công ty gia tăng hiệu quả chiến lược quảng cáo trong thời kỳ số.
Ngoài ra, chương trình bày các điểm đóng góp chính cho bài nghiên cứu xét trên cả lý luận và thực tiễn, giúp làm sáng tỏ cơ chế ảnh hưởng của quảng cáo theo từng người ứng dụng AI đối với hành vi của KH. Cuối cùng, nêu ra các hạn chế vẫn tồn đọng trong bài đồng thời gợi ý các hướng nghiên cứu tiếp theo với mục tiêu mở rộng và phát triển sâu hơn chủ đề này trong tương lai. Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo.
XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:
===>>> Luận văn: Ảnh hưởng cảm nhận cá nhân hóa trong quảng cáo

Dịch Vụ Viết Luận Văn 24/7 Chuyên cung cấp dịch vụ làm luận văn thạc sĩ, báo cáo tốt nghiệp, khóa luận tốt nghiệp, chuyên đề tốt nghiệp và Làm Tiểu Luận Môn luôn luôn uy tín hàng đầu. Dịch Vụ Viết Luận Văn 24/7 luôn đặt lợi ích của các bạn học viên là ưu tiên hàng đầu. Rất mong được hỗ trợ các bạn học viên khi làm bài tốt nghiệp. Hãy liên hệ ngay Dịch Vụ Viết Luận Văn qua Website: https://hotrovietluanvan.com/ – Hoặc Gmail: hotrovietluanvan24@gmail.com

[…] ===>>> Luận văn: KQNC Đến cảm nhận cá nhân hóa trong quảng cáo […]