CƠ SỞ LÝ THUYẾT VỀ Ý ĐỊNH MUA HÀNG TRỰC TUYẾN
Các khái niệm có liên quan
TikTok, mạng xã hội và video âm nhạc ra mắt năm 2016 bởi Zhang Yiming, đã nhanh chóng trở thành một nền tảng phổ biến toàn cầu sau khi đổi tên từ musical.ly vào năm 2017, với tên gọi DouYin tại Trung Quốc Trong thời gian đại dịch COVID-19, người dùng đã tìm đến TikTok để kết nối và giải trí, dẫn đến sự gia tăng đáng kể về lượng người dùng Theo báo cáo We Are Social (2023), đầu năm 2023, TikTok đã thu hút hơn 49,86 triệu người dùng từ 18 tuổi trở lên tại Việt Nam Để nâng cao trải nghiệm người xem, TikTok áp dụng thuật toán tự động, phân tích sở thích người dùng dựa trên các video đã thích, bình luận và xem, tương tự như cách hoạt động của Facebook.
TikTok Shop là một nền tảng mua sắm trực tiếp trên TikTok, cho phép người dùng mua bán sản phẩm qua video, LIVE và tab giới thiệu sản phẩm Kể từ tháng 4 năm 2022, TikTok Shop đã chính thức gia nhập thị trường điện tử Việt Nam, cạnh tranh trực tiếp với các ông lớn như Shopee, Tiki và Lazada Là một hình thức thương mại xã hội, TikTok Shop kết hợp giao dịch mua sắm và giải trí trong cùng một ứng dụng, mang đến trải nghiệm mới mẻ cho người tiêu dùng.
Sau hơn một năm, TikTok Shop đã vươn lên vị trí thứ hai trong lĩnh vực mua sắm, chỉ sau Shopee Nền tảng này nổi bật với sự kết hợp giữa giải trí và thương mại, cho phép người dùng dễ dàng khám phá sản phẩm qua livestream và video giới thiệu trong khi lướt TikTok Thói quen mua sắm của người Việt thường dựa vào sự tham khảo từ gia đình và bạn bè, điều này càng thúc đẩy người dùng tìm hiểu và quyết định mua hàng trên TikTok Shop nhờ vào tính cộng đồng và giải trí mà nền tảng này mang lại.
2.1.2 Hành vi người tiêu dùng
Theo Thư viện pháp luật (2010), Luật bảo vệ quyền lợi người tiêu dùng định nghĩa người tiêu dùng là cá nhân, gia đình hoặc tổ chức mua và sử dụng hàng hóa, dịch vụ cho mục đích tiêu dùng Solomon (2019) nhấn mạnh rằng người tiêu dùng là người xác định nhu cầu hoặc mong muốn mua hàng và trải qua ba giai đoạn trong quá trình tiêu dùng, từ việc nhận diện nhu cầu đến việc lựa chọn sản phẩm Như vậy, người tiêu dùng có thể được hiểu là người sử dụng cuối cùng của sản phẩm và dịch vụ.
Hành vi người tiêu dùng là một chủ đề được nhiều nhà nghiên cứu quan tâm
Hành vi người tiêu dùng được hiểu qua nhiều góc độ khác nhau, đặc biệt là trong những năm 1960 và 1970, khi nó được gọi là hành vi của người mua, phản ánh sự tương tác giữa người tiêu dùng và nhà sản xuất trong quá trình mua sắm Theo Cole (2007), hành vi người tiêu dùng bao gồm cả các hoạt động thể chất lẫn tinh thần mà người tiêu dùng thực hiện khi tìm kiếm, đánh giá, mua và sử dụng sản phẩm và dịch vụ Quá trình này liên quan đến việc cá nhân hoặc nhóm lựa chọn, mua, sử dụng hoặc vứt bỏ sản phẩm, dịch vụ, ý tưởng hoặc trải nghiệm nhằm đáp ứng nhu cầu và mong muốn của họ.
Theo Ajzen (1991), ý định là yếu tố quan trọng thúc đẩy cá nhân thực hiện hành vi, thể hiện sự sẵn lòng và mức độ nỗ lực mà họ dự định bỏ ra Blackwell và các cộng sự cũng nhấn mạnh vai trò của ý định trong quá trình hành động của con người.
Ý định, theo nghiên cứu năm 2001, là yếu tố quan trọng trong việc đánh giá khả năng thực hiện hành vi trong tương lai Tóm lại, ý định đóng vai trò dự đoán hành vi của người tiêu dùng trong thời gian tới.
Mua hàng trực tuyến, theo Perea và Monsuwé (2004), là quá trình mua sắm trên các cửa hàng trực tuyến, còn được gọi là mua sắm trên mạng Đây là một hình thức thương mại điện tử, cho phép người tiêu dùng mua sản phẩm hoặc dịch vụ trực tiếp từ người bán qua Internet Mua sắm trực tuyến có thể diễn ra qua các nền tảng mạng xã hội như Meta, TikTok Shop, hoặc các sàn thương mại điện tử như Shopee và Tiki.
Các sản phẩm trên website và cửa hàng trực tuyến được mô tả chi tiết qua tài liệu, hình ảnh, âm thanh và video Theo nghiên cứu của Lester và cộng sự (2006), người tiêu dùng không tiếp xúc trực tiếp với người bán và sản phẩm khi mua sắm trực tuyến, tất cả các giao dịch đều diễn ra qua Internet Mua sắm trực tuyến cho phép người tiêu dùng thực hiện giao dịch mọi lúc, nhờ vào sự phát triển của công nghệ thông tin, các website và cửa hàng trực tuyến hoạt động 24/7 Ngoài ra, người dùng có thể tìm thấy nhiều thông tin phong phú từ nhà sản xuất, người bán, cũng như bình luận, đánh giá và xếp hạng từ người tiêu dùng khác.
Mua hàng trực tuyến tiềm ẩn nhiều rủi ro hơn so với mua sắm truyền thống, khi người mua chỉ có thể đánh giá sản phẩm qua văn bản, hình ảnh, âm thanh và video Các rủi ro chính bao gồm rủi ro bảo mật, khi thông tin cá nhân có thể bị lộ trong quá trình giao dịch; rủi ro sản phẩm, khi người mua không thể kiểm tra hàng hóa trước khi nhận, dẫn đến việc nhận sai màu sắc, hình dạng hoặc thiếu sản phẩm; và rủi ro thời gian, khi có thể xảy ra sự chậm trễ trong việc giao hàng Hơn nữa, chi phí vận chuyển đôi khi cao bằng giá sản phẩm, và một số trang web yêu cầu người mua trả phí giao hàng nếu họ quyết định trả lại hàng.
Ý định mua hàng, theo Theo Dodds và cộng sự (1991), phản ánh khả năng tiêu dùng của người mua, trong khi Delafrooz và cộng sự (2011) cho rằng nó là kế hoạch lựa chọn nơi mua sản phẩm Kotler và Armstrong (2018) chỉ ra rằng trong giai đoạn đánh giá, người tiêu dùng xếp hạng thương hiệu và hình thành ý định mua hàng, với thái độ của người khác và các yếu tố tình huống bất ngờ có thể ảnh hưởng đến quyết định này Tóm lại, ý định mua hàng là kế hoạch của người tiêu dùng về việc mua một sản phẩm hoặc dịch vụ cụ thể trong tương lai.
Dữ liệu về ý định mua hàng là công cụ quan trọng cho các nhà tiếp thị trong việc ra quyết định chiến lược cho sản phẩm mới và hiện có Nó cũng được áp dụng trong thử nghiệm khái niệm để đánh giá sức hấp dẫn của các ý tưởng đối với người tiêu dùng, giúp các nhà quản lý xác định thị trường mục tiêu và phân khúc khách hàng phù hợp.
Ý định mua hàng trực tuyến là tình huống mà người tiêu dùng có ý định và sẵn sàng thực hiện giao dịch trực tuyến, bao gồm quá trình truy xuất và chuyển thông tin cũng như mua bán sản phẩm (Theo Pavlou, 2003) Nghiên cứu của Delafrooz và cộng sự (2011) cho thấy ý định này phản ánh khả năng cao của người tiêu dùng trong việc mua sắm qua Internet Meskaran và cộng sự (2013) cũng nhấn mạnh rằng ý định mua hàng trực tuyến chính là mong muốn của người tiêu dùng trong việc thực hiện giao dịch qua mạng Ngoài ra, các nghiên cứu khác như của Ma (2021) về mua hàng trên live-stream và Anderson cùng cộng sự về mua hàng qua Facebook cũng đã chỉ ra sự phát triển của ý định mua sắm trực tuyến.
Vào năm 2014, TikTok đã trở thành một nền tảng quan trọng trong việc thúc đẩy ý định mua sắm trực tuyến Theo nghiên cứu của Harahap và cộng sự (2022) cũng như Maulida và cộng sự (2022), người tiêu dùng có khả năng cao sẽ thực hiện giao dịch mua hàng qua Internet.
Các mô hình lý thuyết liên quan
2.2.1 Lý thuyết hành vi dự định
Lý thuyết hành vi dự định (TPB) do Ajzen giới thiệu vào năm 1991, mở rộng từ lý thuyết hành động hợp lý (TRA) bằng cách bổ sung biến Nhận thức kiểm soát hành vi Theo TPB, ý định hành vi là yếu tố dự đoán hành vi cá nhân, chịu ảnh hưởng bởi ba yếu tố chính: chuẩn chủ quan, thái độ và nhận thức kiểm soát hành vi Mô hình này được áp dụng rộng rãi trong nghiên cứu về ý định mua hàng trực tuyến, với nhiều nghiên cứu tiêu biểu như của Meskaran và cộng sự (2013) cũng như Hà Ngọc Thắng và Nguyễn Thành Độ (2016).
Hình 2 1: Lý thuyết hành vi dự định (TPB)
Nguồn: Ajzen, 1991 2.2.2 Mô hình kết hợp TAM và TPB (C - TAM - TPB)
Theo Taylor và Todd (1995), mô hình TAM là mô hình phổ biến nhất trong việc sử dụng công nghệ thông tin, nhưng nó không xem xét các yếu tố xã hội và kiểm soát hành vi, những yếu tố này lại có tác động quan trọng đến hành vi sử dụng công nghệ Các yếu tố này được coi là cốt lõi trong mô hình TPB Việc kết hợp giữa mô hình TAM và TPB sẽ tạo ra một mô hình toàn diện hơn để hiểu rõ hơn về việc sử dụng sản phẩm công nghệ thông tin.
Hình 2 2: Mô hình C - TAM - TPB
2.2.3 Lý thuyết thống nhất chấp nhận và sử dụng công nghệ mở rộng (UTAUT2)
Theo Venkatesh và cộng sự (2012), mô hình UTAUT được hình thành thông qua việc xem xét và tổng hợp tám mô hình sử dụng công nghệ, nhằm đánh giá việc chấp nhận công nghệ một cách thống nhất hơn Mô hình này giải thích khoảng 70% sự khác biệt trong ý định hành vi sử dụng công nghệ và khoảng 50% sự khác biệt trong việc sử dụng công nghệ.
Năm 2012, Venkatesh và cộng sự đã phát triển mô hình UTAUT2 bằng cách tích hợp ba yếu tố: Động lực hưởng thụ, Giá trị giá cả và Thói quen Mô hình này loại bỏ biến Tự nguyện sử dụng và bổ sung mối liên kết giữa ý định hành vi và điều kiện thuận lợi Kết quả cho thấy sở thích hành vi của người dùng tăng 74% và mức độ sử dụng công nghệ tăng 52%.
Nguồn: Venkatesh và cộng sự, 2012
Tổng quan các nghiên cứu liên quan
Nghiên cứu của Dương Thị Hải Phương (2012) nhằm điều tra các yếu tố ảnh hưởng và đề xuất giải pháp nâng cao YDMHTT tại Huế, dựa trên mô hình TAM Qua phương pháp nghiên cứu định lượng với bảng câu hỏi, 150 phiếu được phát ra và thu về 118 phiếu hợp lệ Kết quả cho thấy rằng rủi ro cảm nhận, các thuộc tính sản phẩm và công ty, sự dễ sử dụng cảm nhận, cùng với lợi ích cảm nhận đều có tác động đáng kể đến ý định mua hàng trực tuyến của khách hàng tại Huế.
Hình 2 4: Mô hình nghiên cứu của Dương Thị Hải Phương (2012)
Nguồn: Dương Thị Hải Phương, 2012
Nghiên cứu của Hà Ngọc Thắng và Nguyễn Thành Độ (2016) mở rộng mô hình TPB bằng cách tích hợp biến rủi ro cảm nhận, thu thập dữ liệu từ 423 phiếu hợp lệ trong 5 tháng Kết quả cho thấy thái độ và nhận thức kiểm soát hành vi có ảnh hưởng tích cực đến ý định MHTT, trong khi rủi ro cảm nhận lại tác động tiêu cực Đặc biệt, ý kiến của nhóm tham khảo không ảnh hưởng đến YDMHTT của người tiêu dùng Việt Nam Nghiên cứu chỉ tập trung vào rủi ro tài chính và rủi ro sản phẩm, trong khi rủi ro bảo mật, một yếu tố quan trọng đối với người tiêu dùng, không được xem xét chi tiết.
Hình 2 5: Mô hình nghiên cứu của Hà Ngọc Thắng và Nguyễn Thành Độ
Nguồn: Hà Ngọc Thắng và Nguyễn Thành Độ, 2016
Tạ Văn Thành và Đặng Xuân Ơn (2021) đã tiến hành nghiên cứu về ý định mua sắm trực tuyến của Thế hệ Z tại Việt Nam thông qua phương pháp định tính và định lượng Nghiên cứu dựa trên lý thuyết TPB, sử dụng bảng câu hỏi khảo sát trực tuyến với 488 phiếu hợp lệ Kết quả cho thấy rằng tâm lý an toàn, nhận thức hữu ích, niềm tin và cảm nhận rủi ro đều có ảnh hưởng đáng kể đến ý định mua sắm trực tuyến của Thế hệ Z.
Z Thời gian nghiên cứu ngắn nên đại diện mẫu chƣa cao có thể dẫn đến sai sót khi phản ánh ý định mua hàng của Thế hệ Z
Hình 2 6: Mô hình nghiên cứu của Tạ Văn Thành và Đặng Xuân Ơn (2021)
Nguồn: Tạ Văn Thành và Đặng Xuân Ơn, 2021
Nghiên cứu của Ma (2021) về ý định mua hàng live-stream của người tiêu dùng Trung Quốc đã thu thập dữ liệu từ 339 người thông qua bảng câu hỏi và phân tích bằng mô hình SEM trong AMOS 24 Kết quả cho thấy động lực thụ hưởng, tự thể hiện, sự hiện diện và tương tác xã hội có ảnh hưởng đến ý định mua sắm phát trực tiếp, trong khi tiện ích cảm nhận không tác động đến ý định này Định hướng mua sắm đóng vai trò trung gian trong các mối quan hệ giữa cảm nhận về sự hưởng thụ, tự thể hiện và tương tác xã hội với ý định mua sắm Nghiên cứu cũng xác nhận vai trò của những người nổi tiếng kỹ thuật số trong mối quan hệ giữa kích thước mạng cảm nhận và các yếu tố như tiện ích nhận thức, mức độ tương tác và sự hiện diện xã hội Tuy nhiên, nghiên cứu có hạn chế khi không phân biệt giữa người dùng mới và người dùng có kinh nghiệm, và chỉ tập trung vào người tiêu dùng Trung Quốc.
Hình 2 7: Mô hình nghiên cứu của Ma (2021)
Nghiên cứu của Harahap và cộng sự (2022) cho thấy tính dễ sử dụng, giá cả, phương tiện truyền thông xã hội và niềm tin của người tiêu dùng có tác động tích cực đến ý định mua hàng của sinh viên Labuhanbatu khi sử dụng TikTok Shop Dữ liệu được thu thập từ 100 sinh viên đã mua sắm trên TikTok Shop thông qua khảo sát và phân tích bằng SPSS 26 Kết quả cho thấy rằng các yếu tố này đóng vai trò quan trọng trong quyết định mua hàng trên nền tảng TikTok.
Nghiên cứu của Maulida và cộng sự (2022) về ý định mua hàng của người tiêu dùng trên TikTok Shop dựa trên lý thuyết truyền miệng điện tử (e-WOM) và mô hình UTAUT2 Dữ liệu được thu thập từ 479 người dùng TikTok Shop thông qua bảng câu hỏi và được xử lý bằng phương pháp PLS-SEM với ứng dụng SmartPLS Kết quả cho thấy động lực thụ hưởng là yếu tố ảnh hưởng mạnh nhất đến ý định mua hàng Ngoài ra, các yếu tố như chất lượng thông tin, kỳ vọng hiệu quả, ảnh hưởng xã hội, niềm tin, người có ảnh hưởng, thói quen và giá trị giá cả cũng có tác động tích cực đến ý định mua hàng của người tiêu dùng trên nền tảng này.
Nghiên cứu của Setiyani và cộng sự (2023) về ý định sử dụng thương mại điện tử Shopee tại Indonesia dựa trên lý thuyết UTAUT2 đã khảo sát 152 người dùng ứng dụng này Kết quả phân tích dữ liệu bằng SMART-PLS cho thấy ảnh hưởng xã hội và thói quen có tác động tích cực đến ý định sử dụng Shopee, trong khi các yếu tố như kỳ vọng hiệu quả, kỳ vọng nỗ lực, điều kiện thuận lợi, động lực thụ hưởng và giá trị giá cả không ảnh hưởng đến ý định này.
Hình 2 8: Mô hình nghiên cứu của Setiyani và cộng sự (2023)
Nguồn: Setiyani và cộng sự, 2023
Các nghiên cứu trong và ngoài nước đã chỉ ra rằng các mô hình UTAUT2 và TPB là những lý thuyết phổ biến trong việc nghiên cứu YDMHTT Tuy nhiên, không chỉ dừng lại ở việc áp dụng các mô hình có sẵn, các nghiên cứu còn mở rộng chúng để phù hợp với từng bối cảnh cụ thể Hơn nữa, ý định mua hàng trực tuyến chịu ảnh hưởng của nhiều yếu tố khác nhau, với mức độ tác động và kết quả không giống nhau tùy thuộc vào khoảng thời gian và khu vực nghiên cứu.
Mặc dù có nhiều nghiên cứu về ý định mua hàng trực tuyến, nhưng nghiên cứu về ý định mua hàng thông qua TikTok Shop tại TP Hồ Chí Minh vẫn còn hạn chế Đặc biệt, yếu tố rủi ro bảo mật chưa được khai thác trong các khảo sát hiện có, tạo ra một khoảng trống nghiên cứu cần được khám phá.
ĐẶC ĐIỂM ĐỊA BÀN VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Đặc điểm địa bàn
Thành phố Hồ Chí Minh, hay còn gọi là Sài Gòn, có diện tích 2.095,239 km² và giáp ranh với nhiều tỉnh như Bình Dương, Tây Ninh, Đồng Nai, Bà Rịa - Vũng Tàu, Long An và Tiền Giang Theo Tổng cục Thống kê (2021), dân số trung bình của thành phố là 9.166,84 nghìn người, chiếm khoảng 9,4% dân số cả nước, với mật độ dân số đạt 4.375 người/km², gấp 14,73 lần so với mức trung bình toàn quốc Là một trong những thành phố đông dân cư nhất, TP.HCM có nhu cầu mua sắm lớn và đóng vai trò là trung tâm kinh tế quan trọng, nằm tại ngã tư quốc tế với các tuyến đường hàng hải và giao thông kết nối các tỉnh trong vùng, đồng thời là cửa ngõ quốc tế.
Năm 2022, TP.HCM chiếm 47,7% tổng số tổ chức và cá nhân bán hàng trực tuyến tại Việt Nam Đến năm 2023, thương mại điện tử tại thành phố tiếp tục phát triển mạnh mẽ, trở thành một trong hai địa phương dẫn đầu về tên miền ".vn", một yếu tố quan trọng trong kinh doanh trực tuyến TP.HCM đạt 89,2 điểm trong Chỉ số Thương mại điện tử Việt Nam 2023, với chỉ số NNL&HT là 98,5 và B2B là 93,4, chỉ xếp sau Hà Nội về chỉ số B2C.
Trong 6 tháng đầu năm 2023, TP.HCM ghi nhận tốc độ tăng trưởng GDP đạt 3,55% so với cùng kỳ năm trước, với tổng mức bán lẻ hàng hóa và doanh thu dịch vụ tiêu dùng vượt 561.000 tỷ đồng, tăng 7,1% Thành phố đã khởi công nhiều dự án lớn như cải tạo kênh Tham Lương - Bến Cát và rạp xiếc Phú Thọ, đồng thời khánh thành Bệnh viện Ung bướu cơ sở 2 Các hoạt động văn hóa, nghệ thuật tại TP.HCM được tổ chức đa dạng, đảm bảo trật tự và an toàn xã hội.
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Mô tả mẫu nghiên cứu
Khảo sát được thực hiện từ ngày 25/7 đến 13/8/2023 thông qua Google Form, nhắm đến người dân TP.HCM chưa từng mua hàng trên TikTok Shop nhưng đã biết đến nền tảng này Thông tin cá nhân của người tham gia khảo sát bao gồm giới tính, độ tuổi và thu nhập Kết quả thu được từ 212 phiếu hợp lệ đã được phân tích bằng phần mềm SPSS 25.0.
4.1.1 Thống kê mô tả biến định tính
Bảng 4 1: Thống kê mô tả các biến định tính (n = 212)
Thông tin mẫu Tần suất Tỷ lệ (%)
Nguồn: Kết quả xử lý của tác giả
Trong một cuộc khảo sát với 212 người, giới tính của người tham gia cho thấy sự chênh lệch rõ rệt: nữ chiếm 56.6%, nam 42%, và giới tính khác chỉ 1.4% Điều này cho thấy nữ giới có tỷ lệ YDMHTT qua TikTok Shop cao hơn so với nam và giới tính khác Về độ tuổi, phần lớn người tham gia khảo sát nằm trong độ tuổi từ 18 đến dưới 23, chiếm 55.7% Tiếp theo là nhóm từ 23 đến 30 tuổi với 21.7% (46 người), trong khi nhóm từ 15 đến dưới 18 tuổi chiếm 20.8% Nhóm trên 30 tuổi có số người tham gia thấp nhất, chỉ chiếm 1.9% trong tổng thể nghiên cứu.
Thu nhập bình quân hàng tháng của đối tượng khảo sát được phân chia thành ba mức, cho thấy tình hình tài chính khá thấp Cụ thể, 50.5% người tham gia có thu nhập dưới 5 triệu đồng, 36.8% có thu nhập từ 5 đến dưới 10 triệu đồng, và chỉ 12.7% có thu nhập trên 10 triệu đồng.
4.1.2 Thống kê mô tả biến định lượng
Trong tổng số 212 người tham gia khảo sát, có sự dao động trong quan điểm về
Bài viết trình bày 7 yếu tố gồm HM, PV, TR, SR, SI, PU và OPI, với kỳ vọng rủi ro bảo mật thể hiện dấu âm, cho thấy hầu hết câu trả lời nằm trong khoảng từ 1-2 (hoàn toàn không đồng ý – không đồng ý) Ngược lại, 5 biến độc lập còn lại có kỳ vọng dấu dương, với câu trả lời chủ yếu từ mức 3-5 (bình thường – hoàn toàn đồng ý) Do đó, thống kê mô tả cho thấy kỳ vọng âm và dương trong mô hình là hợp lý, khẳng định rằng dữ liệu này hoàn toàn thích hợp cho việc thực hiện nghiên cứu.
Bảng 4 2: Thống kê mô tả biến định lƣợng Yếu tố Biến quan sát N Trung bình Độ lệch chuẩn Động lực thụ hưởng
SR4 212 1.93 0.751 Ảnh hưởng xã hội
PU5 212 4.33 0.691 Ý định mua hàng trực tuyến
Nguồn: Kết quả xử lý của tác giả
Đánh giá, kiểm định các thang đo nghiên cứu
4.2.1 Kiểm định độ tin cậy của thang đo
Bảng 4 3: Tóm tắt kết quả kiểm định Cronbach's Alpha
Giá trị trung bình của thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Hệ số tương quan với biến tổng
Cronbach’s Alpha nếu loại biến Động lực thụ hưởng
SR4 5.60 3.303 0.543 0.728 Ảnh hưởng xã hội
PU5 17.33 4.025 0.501 0.698 Ý định mua hàng trực tuyến
Nguồn: Kết quả xử lý của tác giả
Kết quả phân tích Cronbach's Alpha cho thấy hệ số Cronbach’s Alpha của HM,
Các hệ số Cronbach’s Alpha của PV, TR, SR, SI, PU và OPI lần lượt là 0.827, 0.724, 0.834, 0.769, 0.805, 0.742, cho thấy độ tin cậy cao với giá trị Corrected Item – Total Correlation từ 0.3 trở lên Điều này chứng minh rằng các thang đo trong nghiên cứu đạt yêu cầu về độ tin cậy, với các yếu tố được đánh giá rất tốt dựa trên bảng câu hỏi có mẫu chấp nhận được và kết quả trực quan rõ ràng.
Vì vậy, 32 biến quan sát đều đƣợc chấp nhận và sẽ đƣợc sử dụng trong phân tích nhân tố khám phá (EFA)
4.2.2 Phân tích nhân tố khám phá EFA
Phân tích nhân tố được thực hiện thông qua phương pháp trích nguyên tắc thành phần (Principal Component), kết hợp với phép xoay Varimax để tối ưu hóa kết quả Để đảm bảo tính phù hợp của mẫu khảo sát, phương pháp kiểm định KMO và Bartlett được sử dụng nhằm đánh giá sự tương thích của dữ liệu.
4.2.2.1 Phân tích nhân tố khám phá EFA cho biến độc lập
Kết quả phân tích nhân tố khám phá lần 1
Bảng 4 4: Kết quả kiểm định EFA các biến độc lập lần 1
Biến quan sát Nhân tố
Phần trăm của phương sai 26.236 9.627 7.137 6.003 5.071 4.543
Chi bình phương xấp xỉ 2351.795 df 378
Nguồn: Kết quả xử lý của tác giả
Phân tích nhân tố cho thấy hệ số KMO = 0.836, nằm trong khoảng 0.5 ≤ KMO ≤ 1, cho thấy tính phù hợp của phân tích Với Sig = 0.000 < 0.05, các biến quan sát có tương quan với nhau ở mức ý nghĩa 5% Phân tích đã rút gọn 32 biến quan sát thành 6 nhóm nhân tố có ý nghĩa, với trị số Eigenvalues = 1.272 > 1 Tổng phương sai trích đạt 58.618%, giải thích được 58.618% mô hình phân tích nhân tố Kết quả này xác nhận giả thuyết ban đầu về mô hình có sáu biến độc lập là hợp lệ.
Sau khi thực hiện xoay nhân tố bằng phương pháp Varimax, các biến quan sát đã được nhóm thành 6 cụm Tất cả hệ số tải của các biến quan sát đều lớn hơn 0.5, ngoại trừ biến PV4 trong thang đo giá trị giá cả, do đó biến này đã bị loại bỏ vì có hệ số tải thấp hơn tiêu chuẩn 0.5 Tiếp theo, tiến hành kiểm định EFA lần 2.
Kết quả phân tích nhân tố khám phá lần 2 (loại bỏ PV4)
Bảng 4 5: Kết quả kiểm định EFA các biến độc lập lần 2
Biến quan sát Nhân tố
Phần trăm của phương sai 26.473 9.936 7.374 6.127 5.161 4.688
Chi bình phương xấp xỉ 2290.859 df 351
Nguồn: Kết quả xử lý của tác giả
Kết quả từ Bảng 4.5 cho thấy hệ số KMO đạt 0.830, nằm trong khoảng 0.5 đến 1, cho thấy phân tích nhân tố là phù hợp Hơn nữa, giá trị Sig = 0.000 nhỏ hơn 0.05, chứng tỏ rằng các biến quan sát có mối tương quan với nhau trong tổng thể với mức ý nghĩa 5% Điều này khẳng định rằng phân tích nhân tố cho mô hình là thích hợp và các biến được chọn trong mô hình là đáng để nghiên cứu.
Rút gọn 31 biến quan sát thành 6 nhóm nhân tố có ý nghĩa hơn với trị số Eigenvalues đạt 1.266, lớn hơn 1, và tổng phương sai trích đạt 59.758%, cho thấy mô hình phân tích nhân tố giải thích được 59.758% biến động Kết quả này xác nhận các thang đo rút ra là hợp lý và phù hợp với giả thuyết ban đầu về mô hình có sáu biến độc lập.
Kết quả từ lần chạy EFA thứ hai cho thấy ma trận xoay đã xác định 31 biến quan sát, được phân nhóm thành 6 nhóm hội tụ tương ứng với 6 thang đo ban đầu: sự tin tưởng, động lực thụ hưởng, ảnh hưởng xã hội, nhận thức hữu ích, rủi ro bảo mật và giá trị giá cả Đây là 6 biến độc lập chính thức được sử dụng trong mô hình nghiên cứu.
4.2.2.2 Phân tích nhân tố khám phá EFA cho biến phụ thuộc
Bảng 4 6: Kiểm định KMO and Bartlett của biến phụ thuộc
Chi bình phương xấp xỉ 201.118 df 6
Nguồn: Kết quả xử lý của tác giả
Theo Bảng 4.6, hệ số KMO đạt 0.748, nằm trong khoảng 0.5 đến 1, cho thấy phân tích nhân tố là phù hợp Đồng thời, giá trị Sig = 0.000 nhỏ hơn 0.05, chứng tỏ các biến quan sát có mối tương quan với nhau trong tổng thể với mức ý nghĩa 5% Vì vậy, phân tích nhân tố cho mô hình được xác nhận là thích hợp.
Kết quả Bảng 4.7 cho thấy Eigenvalues = 2.330 > 1, tổng phương sai trích 58.247% giải thích đƣợc 58.247% mô hình phân tích nhân tố Do đó, thang đo rút ra là đƣợc chấp nhận
Hệ số tải của các biến quan sát trong Bảng 4.8 đều lớn hơn 0.5, cho thấy ý nghĩa thực tế và sự chấp nhận của các biến này.
Bảng 4 7: Tổng phương sai trích của biến phụ thuộc
Nhân tố Hệ số Eigenvalue khởi tạo Chỉ số sau khi trích
Nguồn: Kết quả xử lý của tác giả
Bảng 4 8: Ma trận chƣa xoay
Nguồn: Kết quả xử lý của tác giả
Nhận xét phân tích EFA
Trong nghiên cứu phân tích nhân tố khám phá (EFA) đầu tiên, 32 biến quan sát được xem xét, tuy nhiên biến PV4 của thang đo giá trị giá cả đã bị loại bỏ do hệ số tải EFA nhỏ hơn 0.5 Ở lần kiểm định EFA thứ hai, kết quả cho thấy 7 yếu tố được rút trích từ 31 biến quan sát, hội tụ thành 6 nhóm nhân tố trong ma trận xoay Mô hình lý thuyết phù hợp với nghiên cứu bao gồm các yếu tố PU, PV, TR, SR, SI, HM và OPI Các thang đo đã đạt được giá trị phân biệt và giá trị hội tụ rõ ràng, và các yếu tố này sẽ được sử dụng trong các phân tích tiếp theo.
Bảng 4 9: Ma trận tương quan
OPI HM PV TR SR SI PU
Nguồn: Kết quả xử lý của tác giả
Theo Bảng 4.9, tất cả 6 biến độc lập đều có hệ số Sig < 0.05, cho thấy sự liên kết với ý định mua hàng trực tuyến (OPI) Các biến như động lực thụ hưởng (HM), giá trị giá cả (PV), sự tin tưởng (TR), ảnh hưởng xã hội (SI), và nhận thức hữu ích (PU) đều có mối tương quan dương với OPI ở mức tin cậy 99%, trong khi rủi ro bảo mật (SR) lại có tương quan âm với OPI ở mức tin cậy 95% Như vậy, các yếu tố này đều ảnh hưởng đến ý định mua hàng trực tuyến qua TikTok Shop tại TP.HCM.
Kiểm định sự phù hợp của mô hình
Bảng 4 10: Mô hình hồi quy tóm tắt
Sai số chuẩn của ƣớc lƣợng
Nguồn: Kết quả xử lý của tác giả
Giá trị R bình phương hiệu chỉnh là 0.503, cho thấy 50,3% sự biến thiên của ý định mua hàng trực tuyến qua TikTok Shop tại TP.HCM được giải thích bởi 6 biến độc lập: HM, PV, TR, SR, SI và PU Phần còn lại 49,7% là do các yếu tố ngoài mô hình và sai số ngẫu nhiên Thêm vào đó, chỉ số Durbin-Watson là 1.997, cho thấy mô hình nghiên cứu hiện tại không có sự tương quan.
Bảng 4 11: Phân tích phương sai ANOVA
Mô hình Tổng bình phương df Trung bình bình phương
Nguồn: Kết quả xử lý của tác giả
Giá trị thống kê F với Sig = 0.000 < 0.05 cho thấy mô hình hồi quy phù hợp với tổng thể, chứng tỏ rằng các biến độc lập có ảnh hưởng đến ý định mua hàng trực tuyến qua TikTok Shop.
Kiểm định các giả thuyết trong mô hình nghiên cứu
Bảng 4 12: Hệ số hồi quy
Hệ số hồi quy chƣa chuẩn hóa
Hệ số hồi quy chuẩn hóa t Sig Thống kê tương quan
Nguồn: Kết quả xử lý của tác giả
Không có hiện tượng đa cộng tuyến trong mô hình vì chỉ số VIF của các biến độc lập đều nhỏ hơn 2 Hai biến HM và SR được loại bỏ do giá trị Sig kiểm định t lần lượt là 0.341 và 0.691, lớn hơn 0.05, cho thấy chúng không ảnh hưởng đến ý định mua hàng trực tuyến (OPI) Ngược lại, các biến PV, TR, SI, PU đều có ảnh hưởng tích cực đến OPI.
"Sự tin tưởng" có tác động lớn nhất đến "Ý định mua hàng trực tuyến" với Beta
= 0.341, tin tưởng của NTD vào hàng hóa, người bán hay các gian hàng trên TikTok Shop tăng thì ý định mua hàng trực tuyến tăng 0.341 đơn vị
Giá trị giá cả có hệ số Beta = 0.243, cho thấy rằng nếu người tiêu dùng nhận thức rằng việc mua hàng trên TikTok Shop mang lại nhiều lợi ích hơn so với giá sản phẩm, thì ý định mua hàng trực tuyến sẽ tăng lên 0.243 đơn vị.
"Ảnh hưởng xã hội" với Beta = 0.167, ảnh hưởng từ gia đình, bạn bè, người xung quanh, mạng xã hội tăng thì ý định mua hàng trực tuyến tăng 0.167 đơn vị
"Nhận thức hữu ích" với Beta = 0.153, nhận thức hữu ích tăng thì ý định mua hàng trực tuyến tăng 0.153 đơn vị