Dựa vào các lý thuyết như thuyết hành động TRA, thuyết hành vi dự đoán TPB vàcác nghiên cứu trước đó liên quan đến các chủ đề tài liệu để từ đó nhóm tác giả xác nhậnđược mô hình đề xuất
GIỚI THIỆU NGHIÊN CỨU
Lý do chọn đề tài
Đối với sự phát triển của công nghệ và chất lượng cuộc sống ngày càng được nâng cao thì tính liên tục và sự tức thời luôn là những tiêu chí được đặt lên hàng đầu Những doanh nghiệp luôn có những dịch vụ hỗ trợ trò chuyện hay tư vấn trực tiếp qua điện thoại được thực hiện bởi con người sẽ cần có thời gian chờ để trả lời câu hỏi hay xử lý vấn đề của khách hàng Khi số lượng khách hàng tăng thì thời gian chờ cũng tăng lên, dẫn đến chất lượng phục vụ khách hàng suy giảm Trong khi đó, Chatbot có thể hoạt động liên tục mà không cần nghỉ ngơi, nó được sử dụng trong các cuộc hội thoại với nhiều lĩnh vực khác nhau như tư vấn khách hàng, thu thập thông tin, chăm sóc sức khỏe, thương mại điện tử, v.v
Không nằm ngoài xu hướng, các doanh nghiệp Việt Nam cũng cho ra đời nhiều nền tảng tạo lập Chatbot tại Việt Nam, các nhà phát triển Chatbot đã bắt đầu cuộc đua của mình từ đầu năm 2016 Dù xuất phát tương đối muộn nhưng thị trường Chatbot Việt cũng chứng kiến sự tăng trưởng vượt bậc với những cơ hội, lợi thế nhất định Tuy nhiên, đây là một hiện tượng mới Cho tới thời điểm này, có rất ít những tài liệu, những nghiên cứu cụ thể về phản ứng, thái độ của doanh nghiệp khi sử dụng Chatbot, đánh giá những lợi thế cũng như bất cập của Chatbot trong thời kỳ bùng nổ công nghệ Bên cạnh đó, những ưu khuyết điểm mà Chatbot đem đến qua đánh giá của doanh nghiệp cũng đang còn bỏ ngỏ.
Vì vậy mà nhóm nghiên cứu mong muốn làm rõ những vấn đề nêu trên, đề tài “CÁCNHÂN TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH SỬ DỤNG CHATBOT TRONG KINHDOANH THỜI TRANG NHỎ VÀ VỪA TẠI VIỆT NAM” được nhóm đề ra nhằm nghiên cứu toàn diện các khía cạnh, đem đến một cái nhìn tổng quan về Chatbot từ phía các doanh nghiệp vừa và nhỏ.
Mục tiêu nghiên cứu
Xác định các yếu tố ảnh hưởng tới quyết định sử dụng Chatbot trong kinh doanh thời trang nhỏ và vừa tại Việt Nam Đánh giá và xem xét mức độ ảnh hưởng tới quyết định sử dụng chatbot của các doanh nghiệp vừa và nhỏ tại Việt Nam Đề xuất các giải pháp giúp cho các doanh nghiệp vừa và nhỏ đưa ra những cách thức về kinh doanh nhằm nâng cao lợi nhuận và chiếm được thị phần trong ngành hàng thời trang.
Câu hỏi nghiên cứu
Một số câu hỏi như cần được đặt ra để làm rõ hơn được vấn đề nghiên cứu:
Chatbot ảnh hưởng đến nhận thức, thái độ, hành vi của khách hang như thế nào, mức độ ra sao?
Tầm quan trọng của Chatbot trong kinh doanh thời trang vừa và nhỏ?
Những yếu tố nào ảnh hưởng đến hành vi mua hàng của nhóm khách hàng trong doanh nghiệp kinh doanh thời trang vừa và nhỏ
Những mặt hạn chế của Chatbot và làm thế nào để những mặt còn hạn chế ấy được cải thiện ?
Đối tượng và phạm vi nghiên cứu
Đối tượng nghiên cứu : Các doanh nghiệp kinh doanh thời trang online nhỏ và vừa tại Việt Nam Địa điểm nghiên cứu: tại Việt Nam
Thời gian nghiên cứu: tháng 3/2023
Phương pháp nghiên cứu
Nghiên cứu thông tin thứ cấp: Thu thập thông tin từ những nguồn đã có từ trước: sách, giáo trình, thông tin tạp chí, Internet.
Nghiên cứu thông tin sơ cấp: Công cụ sử dụng để nghiên cứu thông tin sơ cấp là bảng khảo sát và phỏng vấn chuyên sâu, các mục được đo bằng thang đo Likert (1= Rất không đồng ý; 2= Không đồng ý; 3= Trung lập; 4= Đồng ý; 5= Rất đồng ý)
Nghiên cứu này được phân tích dựa trên phần mềm Smart PLS 4.0 và SPSS 20
Kết cấu đề tài
Chương 1: Giới thiệu nghiên cứu
Chương 2: Báo cáo kết quả nghiên cứu
Chương 3: Kết luận và một số hàm ý quản trị/ hàm ý chính sách
Cơ sở lý thuyết
1.7.1 Các lý thuyết liên quan đến đề tài
Chatbot là một chương trình có sự kết hợp của trí tuệ nhân tạo (AI) và sự tương tác với con người Công cụ này có thể thay thế cho nhân viên để tư vấn trả lời những thắc mắc mà khách hàng đang gặp phải Chatbot thường trao đổi với khách hàng qua hình thức tin nhắn (Textual) và âm thanh (Audiotory).
Một số thống kê nổi bật về thị trường chatbot bao gồm:
Quy mô thị trường của Chatbot dự kiến sẽ tăng từ 2,6 tỷ USD năm 2019 lên mức 9,4 tỷ USD vào năm 2024, với tốc độ tăng trưởng kép hàng năm (CAGR) đạt 29,7% (theo Business Insider)
Năm 2020, 80% doanh nghiệp toàn cầu sẽ triển khai chatbot (báo cáo của Outgrow)
Hiện nay có trên 300.000 công cụ chatbots trên các mạng xã hội Facebook (theo Venture Beat) Các nhóm ngành được hưởng ích lợi nhiều nhất từ chatbot: ngành bất động sản, ngành du lịch, ngành giáo dục, ngành y tế và ngành tài chính (theo Chatbot Life) Khi sử dụng chatbot có thể tiết kiệm tới 30% chi phí hỗ trợ khách hàng (theo Investpro)
Chatbot dựa trên menu/nút:
- Chatbot theo kịch bản là loại chatbot cơ bản nhất trên thị trường hiện nay Tương tự như menu trên điện thoại di động, các chatbot này khuyến khích người dùng đưa ra nhiều lựa chọn và tìm hiểu sâu hơn về câu trả lời cuối cùng Mặc dù có thể trả lời 80% câu hỏi của khách hàng,các menu của chatbot vẫn gặp khó khăn khi đối mặt với các tình huống nâng cao Khi bạn có nhiều biến hoặc khi bạn cần nhiều kiến thức để dự đoán ý tưởng của người dùng.
Chatbot dựa trên nhận diện từ khóa:
- Chatbots dựa trên nhận dạng từ khóa có thể lắng nghe truy vấn của người dùng và sử dụng công nghệ AI để đưa ra phản hồi phù hợp Một thách thức với các chatbot này là sự dư thừa từ khóa xuất hiện trong hàng loạt câu hỏi liên quan, dẫn đến nhận dạng và câu trả lời sai lệch Một giải pháp mà nhiều công ty đang sử dụng hiện nay là tích hợp menu chatbot với các chatbot dựa trên nhận thức từ khóa để giúp khách hàng tìm ra câu trả lời phù hợp nhất.
Chatbot theo ngữ cảnh hiện là loại chatbot thông minh nhất Chatbot theo ngữ cảnh sử dụng công nghệ máy học và trí tuệ nhân tạo (AI) để ghi nhớ các cuộc hội thoại với những người dùng cụ thể, cho phép họ tự cải thiện và phát triển theo thời gian
Có nhiều cách để phân loại chatbot Có một số loại Chatbot phổ biến được sử dụng như:
Chatbot chăm sóc khách hàng
Chatbot trò chuyện theo kịch bản
Chatbot trò chuyện theo từ khóa
Chatbot trò chuyện theo ngữ cảnh
Lý thuyết chính xác trong nghiên cứu đề cập đến tầm quan trọng của việc tiến hành nghiên cứu với mức độ chính xác cao và sự chú ý đến chi tiết Nó liên quan đến khái niệm giảm thiểu các lỗi và thành kiến có thể ảnh hưởng đến kết quả nghiên cứu tiếp thị Độ chính xác trong nghiên cứu marketing có thể đạt được bằng cách sử dụng các kỹ thuật khác nhau như lấy mẫu ngẫu nhiên, phân tích thống kê và phương pháp làm sạch dữ liệu Lấy mẫu ngẫu nhiên giúp đảm bảo rằng quần thể mẫu là đại diện của quần thể mục tiêu, do đó làm giảm cơ hội thiên vị hoặc sai lệch kết quả Mặt khác, phân tích thống kê cho phép các nhà nghiên cứu rút ra kết luận dựa trên số liệu thu thập được trong khi tính toán các lỗi có thể xảy ra hoặc sự không chắc chắn.
Các kỹ thuật làm sạch dữ liệu được sử dụng để loại bỏ bất kỳ mâu thuẫn hoặc sai sót nào trong dữ liệu thu thập được, đảm bảo rằng phân tích dựa trên dữ liệu chính xác và đáng tin cậy Quá trình này liên quan đến việc xác định và sửa lỗi, xóa các bút toán trùng, và kiểm tra dữ liệu bị thiếu.
Lý thuyết về độ chính xác trong nghiên cứu tiếp marketing là rất quan trọng trong việc đảm bảo rằng kết quả nghiên cứu đáng tin cậy, hợp lý và có liên quan đến các mục tiêu nghiên cứu Nếu không có dữ liệu chính xác, các nhà tiếp thị có thể đưa ra các giả định hoặc quyết định không chính xác có thể dẫn đến lãng phí tài nguyên và các chiến dịch
Lý thuyết về ngôn ngữ đàm thoại trong nghiên cứu marketing dựa trên ý tưởng rằng giao tiếp hiệu quả là chìa khóa để có được hiểu biết có ý nghĩa từ những người trả lời phỏng vấn trong các nghiên cứu Ngôn ngữ đàm thoại đề cập đến việc sử dụng ngôn ngữ đơn giản, rõ ràng và tự nhiên thúc đẩy đối thoại mở và khuyến khích những người trả lời cung cấp những phản hồi thẳng thắn Khi tiến hành nghiên cứu tiếp thị, điều cần thiết là dùng ngôn ngữ đàm thoại để giúp người tham gia cảm thấy thoải mái và tham gia vào cuộc trò chuyện Việc sử dụng ngôn ngữ kỹ thuật hoặc phức tạp có thể gây ra sự nhầm lẫn hoặc không quan tâm giữa những người trả lời, làm cho nó trở nên thách thức để có được phản hồi chính xác và trung thực.
Lý thuyết về ngôn ngữ hội thoại trong nghiên cứu marketing gợi ý rằng các nhà nghiên cứu nên sử dụng ngôn ngữ có liên quan đến đối tượng mục tiêu và tránh thuật ngữ chuyên môn hoặc thuật ngữ kỹ thuật trừ khi cần thiết Cách tiếp cận này giúp thiết lập mối quan hệ và lòng tin giữa nhà nghiên cứu và người trả lời, dẫn đến các cuộc thảo luận cởi mở và thẳng thắn hơn.
Ngoài việc sử dụng ngôn ngữ đối thoại trong các cuộc phỏng vấn hoặc khảo sát, các nhà nghiên cứu cũng có thể áp dụng lý thuyết này vào các công cụ nghiên cứu của họ Bằng cách sử dụng các câu hỏi đơn giản và dễ hiểu, các nhà nghiên cứu có thể đảm bảo rằng người trả lời hiểu được mục đích của câu hỏi và cung cấp các câu trả lời có liên quan.
Lý thuyết bảo mật trong nghiên cứu tiếp thị tập trung vào việc bảo vệ quyền riêng tư của người tham gia và bảo mật dữ liệu trong các nghiên cứu Lý thuyết này nhấn mạnh tầm quan trọng của sự đồng ý và cơ chế bảo vệ dữ liệu có hiểu biết để đảm bảo thông tin cá nhân của người trả lời không bị tổn hại Các nhà nghiên cứu tiếp thị phải đảm bảo rằng họ có các hệ thống an toàn và bảo mật tại chỗ để thu thập, lưu trữ và phân tích dữ liệu Họ cần tuân theo các hướng dẫn đạo đức và các yêu cầu pháp lý để bảo vệ dữ liệu và sự riêng tư của người tham gia Để đảm bảo an toàn trong nghiên cứu tiếp thị, các nhà nghiên cứu nên thực hiện các biện pháp như mã hóa, bảo vệ mật khẩu và giao thức lưu trữ dữ liệu an toàn Ngoài ra, các nhà nghiên cứu phải có được sự đồng ý có hiểu biết từ những người tham gia trước khi thu thập bất kỳ dữ liệu nào, phác thảo rõ ràng cách thức dữ liệu của họ sẽ được sử dụng và bảo vệ.
Lý thuyết bảo mật trong nghiên cứu tiếp thị cũng nhấn mạnh tầm quan trọng của các cân nhắc đạo đức khi tiến hành các nghiên cứu nghiên cứu Điều này bao gồm bảo vệ dân số dễ bị tổn thương, duy trì bí mật và đảm bảo tính chính xác và minh bạch trong báo cáo kết quả.
Lý thuyết về năng lực tài chính trong nghiên cứu tiếp thị tập trung vào khả năng của người tiêu dùng quản lý hiệu quả và đưa ra quyết định về tài chính của họ Lý thuyết này nhấn mạnh tầm quan trọng của việc hiểu hành vi, thái độ và nhu cầu tài chính của người tiêu dùng để thông báo các chiến lược tiếp thị hiệu quả Các nhà nghiên cứu tiếp thị phải xem xét khả năng tài chính của đối tượng mục tiêu của họ khi thiết kế nghiên cứu và phát triển các chiến dịch tiếp thị Điều này bao gồm việc hiểu cách người tiêu dùng quản lý tài chính của họ, ra quyết định mua hàng và ưu tiên chi tiêu Hơn nữa, khả năng tài chính trong nghiên cứu tiếp thị nhấn mạnh tầm quan trọng của tính minh bạch và niềm tin trong việc xây dựng mối quan hệ lâu dài với khách hàng Bằng cách cung cấp thông tin rõ ràng và chính xác về giá cả, phí và điều khoản, các nhà tiếp thị có thể xây dựng niềm tin với người tiêu dùng và nâng cao năng lực tài chính của họ.
BÁO CÁO NGHIÊN CỨU
Thiết kế nghiên cứu
Phương pháp nghiên cứu định lượng và định tính được áp dụng đồng thời trong nghiên cứu Sử dụng phương pháp suy luận từ mô hình và phân tích lý thuyết đã trình bày ở chương 2 của đề tài về khung khái niệm và các chuẩn thuyết để từ đó xây dựng mô hình nghiên cứu Từ mô hình này, nhóm tác giả đã ứng dụng đồng thời hai phương pháp nghiên cứu là định tính và định lượng, tiến hành hai giai đoạn nghiên cứu cơ bản và nghiên cứu chính thức nhằm đánh giá lại mô hình và củng cố giả thuyết theo mô hình nghiên cứu mới
Hình 2-6 Quy trình nghiên cứu
Bước 1 :Xây dựng cơ sở lý thuyết
Dựa vào cơ sở lý thuyết, hình thành lên khung lý thuyết của đề tài và định hướng nghiên cứu Đề tài chủ yếu nghiên cứu những lý thuyết về nhân tố ảnh hưởng đến hành vi sử dụng Chatbot trong kinh doanh thời trang Trên cơ sở xem xét và tổng hợp các nghiên cứu trong và ngoài nước có liên quan và nghiên cứu các mô hình đã được áp dụng thành công, nhóm tác giả tiến hành xây dựng mô hình nghiên cứu.
Bước 2: Xây dựng thang đo
Thang đo được xây dựng dựa trên cơ sở lý thuyết mô hình Công nghệ- Tổ chức- Môi trường (Tornatzky & Fleischer, 1990), lý thuyết chấp nhận công nghệ (Foley Curley, 1984; Sharda, Barr & McDonnell, 1988) Trên cơ sở này hình thành một tập biến quan sát (thang đo sơ bộ) để đo lượng các biến tiềm ẩn (yếu tố nghiên cứu).
Các doanh nghiệp tích hợp chatbox lợi ích có thể hỗ trợ tiếp cận khách hàng 24/7 mà không cần phải thuê nhân viên trực cả ngày lẫn đêm Điều này đã phần nào giúp được các doanh nghiệp tăng hiệu suất kinh doanh, cắt giảm chi phí, góp phần nâng cao trải nghiệm và tăng mức độ hài lòng của khách hàng Hơn thế nữa, chatbot được ứng dụng ở nhiều lĩnh vực như đặt phòng khách sạn, đặt bàn nhà hàng, đặt vé máy bay, tư vấn tài chính cá nhân, sắp xếp lịch hẹn, Chính vì vậy, đến thời điểm hiện tại, không thể phủ nhận những công dụng lợi ích mà chatbot mang lại trong công việc kinh doanh Tuy nhiên, không phải doanh nghiệp nào cũng ứng dụng thành công chatbot vào công việc kinh doanh bởi không phải ai cũng có thể tự viết mã, xây dựng một bot hoàn chỉnh cho doanh nghiệp Vì vậy, thang đo sẽ được điều chỉnh và bổ sung thông qua phương pháp thảo luận nhóm và phỏng vấn sâu. Qua kết quả định tính, thang đo sơ bộ lần 2 sẽ được hình thành.
Nghiên cứu định lượng sơ bộ được tiến hành với số lượng quan sát n, mục đích của bước này là kiểm định giá trị, độ tin cậy của thang đo và kiểm định giá trị hội tụ các chỉ báo
2.1.2 Nghiên cứu định lượng chính thức
Nghiên cứu này cũng tiến hành với cách tương tự là thông qua bảng câu hỏi trắc nghiệm theo hai phương thức: phỏng vấn trực tuyến và phỏng vấn thông quaInternet (sử dụng phần mềm Google Form) Nghiên cứu này đang tiến hành ở ViệtNam Nghiên cứu thực nghiệm trong nội dung nghiên cứu cơ bản là để kiểm tra đánh giá những thang điểm và phương trình toán học Nghiên cứu ứng dụng công nghệ SmartPLS trong kiểm định thang đo lường thông qua chỉ số Cronbach ‘ sAlpha Sau khi phân tích Cronbach’s Alpha, các thang đo phù hợp sẽ được kiểm định tiếp theo bằng việc phân tích nhân tố khám phá EFA để hiệu chỉnh cho phù hợp Tiếp theo, tiến hành ước lượng mô hình cấu trúc tuyến tính (SEM) thông qua các chỉ số tiêu chuẩn, phù hợp với đặc điểm nghiên cứu là không dựa trên giả định phân phối chuẩn, linh hoạt sử dụng với cỡ mẫu nhỏ Và cuối cùng, để kiểm tra xem các chỉ báo cấu thành có thực sự góp phần vào việc hình thành biến tiềm ẩn, quy trình bootstrapping cần được thực hiện.
Thiết kế nghiên cứu sơ bộ
Nghiên cứu nhân tố ảnh hưởng đến hành vi sử dụng chatbot trong kinh doanh thời trang được xây dựng dựa trên cơ sở lý thuyết mô hình Công nghệ- Tổ chức- Môi trường (Tornatzky & Fleischer, 1990), lý thuyết chấp nhận công nghệ (Foley Curley, 1984; Sharda, Barr & McDonnell, 1988) Dựa trên các lý thuyết trên và nghiên cứu trước đây, tác giả đã xây dựng khung lý thuyết và thang đo sơ bộ lần 1 với 45 biến quan sát thuộc 8 khái niệm Thang đo được xây dựng dưới dạng các phát biểu thành mệnh đề, người được hỏi sẽ cho điểm thang đo Likert 5 mức độ phù hợp với suy nghĩ của họ nhất Thang đo điểm được sử dụng với “1 - Rất không đồng ý; 5 - Rất đồng ý”.
2.2.2 Nghiên cứu sơ bộ định tính
● Giai đoạn 1: Nghiên cứu sơ bộ định tính để xây dựng khung khái niệm Nghiên cứu sơ bộ định tính được thực hiện tại Việt Nam vào tháng 2 năm 2023 thông qua phương pháp thảo luận nhóm tập trung với 13 người là các giảng viên chuyên ngành Marketing, các giảng viên có đảm nhận hướng dẫn nghiên cứu khoa học và là những người có hiểu biết cao về Chatbot để xây dựng khung khái niệm.
● Giai đoạn 2: Sử dụng phương pháp phỏng vấn sâu với 30 người cũng là những người có hiểu biết cao về dịch bệnh Covid-19 Nghiên cứu với mục tiêu đánh giá lại các thuật ngữ trong bảng câu hỏi nhằm điều chỉnh cho phù hợp trước khi vào giai đoạn nghiên cứu sơ bộ định lượng.
Cách thức thực hiện như sau:
Tác giả tổ chức và thực hiện thảo luận nhóm tập trung gồm 13 người tham gia ở giai đoạn 1 và phỏng vấn sâu 30 người tham gia ở giai đoạn 2 đều là những người có chuyên môn, trình độ học vấn cao với những đặc điểm liên quan đến yếu tố như sinh sống tại Việt Nam và có hiểu biết về Chatbot Phương pháp này rất thích hợp để tìm ra cũng như xác định được những quan điểm, suy nghĩ và cảm xúc của người dân có sự quan tâm đến Chatbot Quá trình được thực hiện thông qua 2 phần.Phần 1: Các cấu trúc được đánh giá tài liệu sâu rộng và bảng câu hỏi không có cấu trúc.
Phần 2: Một bài kiểm tra tính hợp lệ nội dung bằng chỉ số CRV.
Nghiên cứu với mục tiêu đánh giá lại các thuật ngữ trong bảng câu hỏi nhằm điều chỉnh cho phù hợp trước khi vào giai đoạn nghiên cứu sơ bộ định lượng. Thang đo được đáp viên đánh giá theo 3 mức độ: (1) Không cần thiết (not necessary); (2) Hữu ích nhưng không cần thiết (useful but non-essential); (3) Cần thiết (essential) Kết quả thu được sẽ được tính toán chỉ số Content Validity Ratio (CRV) với công thức sau:
Ne: số người tham gia cho biết là cần thiết; N: tổng số người tham gia.
Chỉ số CRV được dùng để đánh giá độ tin cậy trong thang đo Khi CRV>0 thì thang đo đạt được độ tin cậy; CRV = 0 cần xem xét và quyết định giữ lại hay loại bỏ; CRV0,636) nên cả chỉ 31 trên 35 biến quan sát được chấp nhận.
Bảng 2-4 Kiểm định hệ số CRV với các biến quan sát
STT Ký hiệu biến quan sát
Số người lựa chọn ở các mức độ Hệ số CRV Không cần thiết
Hữu ích nhưng không cần thiết
Như vậy, mô hình nghiên cứu chính thức gồm 7 biến với 31 biến quan sát được chấp nhận đưa vào bảng khảo sát trong nghiên cứu sơ bộ định lượng tiếp theo.
2.2.4 Nghiên cứu sơ bộ định lượng
Nghiên cứu sơ bộ định lượng được thực hiện với 192 người có kiến thức về Chatbot cũng như cách vận hành Chatbot kể từ thời gian nghiên cứu Nghiên cứu được tiến hành bằng phương pháp nghiên cứu cắt lát (cross- sectional study), nhằm mục đích đánh giá sơ bộ thang đo các khái niệm nghiên cứu trước khi tiến hàng nghiên cứu chính thức Nghiên cứu này áp dụng phi xác suất với lấy mẫu thuận tiện Các kỹ thuật lấy mẫu phi xác suất thuận tiện được áp dụng Hình thức bảng câu hỏi trong nghiên cứu này áp dụng thang điểmLikert 5 điểm Các bảng câu hỏi đã được phân phối dưới dạng điện tử trên Facebook, qua email và thông qua một cuộc khảo sát trực tiếp Phần mềm SPSS 20.0 và Smart PLS 4.0 là phần mềm chính được sử dụng nhằm phân tích những dữ liệu thu thập được Hệ số tin cậyCronbach’s Alpha biểu diễn cho mức độ tin cậy của thang đo
Bảng 2-5 Kết quả phân tích Cronbach’s Alpha của nghiên cứu sơ bộ định lượng
Thang đo Ký hiệu Cronbach’s Alpha
Tính chính xác cao TCX 0.941
Năng lực tài chính TC 0.941
Nhận thức về tính lợi ích LI 0.845
Sau khi phân tích kết quả nghiên cứu sơ bộ 7 biến với 31 biến quan sát thỏa điều kiện vì tất cả các hệ số Cronbach’s Alpha đều từ 0,6 trở lên, và hệ số tương quan biến tổngCorrected Item – Total Correlation ở thang đo đều có giá trị lớn hơn 0,3 nên thang đo tiếp tục được sử dụng cho nghiên cứu chính thức Thang đo chính thức được hình thành dựa trên 31 biến quan sát.
Nghiên cứu chính thức
2.3.1 Thiết kế mẫu nghiên cứu
Nghiên cứu chính thức được thực hiện bằng phương pháp định lượng, dựa vào bảng câu hỏi và khảo sát online(sử dụng công cụ Google Form) Nghiên cứu chính thức được thực hiện từ ngày 18/3/2023 đến 22/3/2023 tại TP Hồ Chí Minh thuộc Việt Nam Nghiên cứu sử dụng phần mềm SmartPLS để kiểm định thang đo thông qua chỉ số Cronbach’s Alpha Sau khi phân tích nhân tố khám phá EFA để hiệu chỉnh cho phù hợp Tiếp theo, để kiểm định độ thích ứng của mô hình lý thuyết, nhóm nghiên cứu sử dụng phương pháp phân tích mô hình cấu trúc tuyến tính SEM Và cuối cùng, để kiểm tra xem các chỉ báo cấu thành có thực sự góp phần vào việc hình thành biến tiềm ẩn, quy trình bootstrapping cần được thực hiện.
2.3.2 Thu thập thông tin mẫu nghiên cứu
Thông tin mẫu nghiên cứu được thu thập bằng kỹ thuật phỏng vấn 192 người dân tại Việt Nam từ phần thiết kế mẫu nghiên cứu Kết quả phỏng vấn sau khi gạn lọc các bảng câu hỏi thiếu nhiều thông tin, hoặc có trên một câu trả lời cho một câu hỏi, hoặc không có cơ sở để xác định không đáng tin cậy (chẳng hạn: chọn cùng một hoặc hai mức độ để trả lời cho tất cả câu hỏi) được nhập vào Excel để lưu giữ, tiếp theo là chuyển dữ liệu sang phần mềm SmartPLS 4.0 để xử lý và phân tích số liệu, từ đó kiểm định giả thuyết và mô hình nghiên cứu của nhóm tác giả nghiên cứu.
2.3.3 Xử lý và phân tích dữ liệu
2.3.3.1 Đánh giá mô hình (Goodness of fit) Đánh giá sự phù hợp của mô hình (Model fit) thông qua chỉ số SRMR: tiêu chí phù hợp chính xác d_ULS và d_G NFI Chi2 RMS_theta.31 Đối với các chỉ số phù hợp gần đúng như SRMR và NFI, sẽ trực tiếp xem xét kết quả của ước tính mô hình PLS-SEM hoặc PLSc-SEM (tức là báo cáo kết quả) và các giá trị của tiêu chí này với một ngưỡng nhất định (ví dụ: SRMR 0,90).
2.3.3.2 Đánh giá mô hình đo lường (Valuation of the Measurement Model) Đánh giá độ tin cậy và giá trị (Reliability and Validity): Độ tin cậy nhất quán nội tại (Internal Consistency Reliability) thông qua Composite Reliability, Cronbach’s Alpha và Ro-h Giá trị độ tin cậy tổng hợp này sẽ nằm trong khoảng từ 0 đến 1, với giá trị càng cao, gần với 1 cho thấy mức độ tin cậy càng cao Nó được hiểu giống như Cronbach's alpha Đặc biệt, với nghiên cứu khám phá (exploratory research), giá trị độ tin cậy từ 0.6 - 0.7 được chấp nhận (Hair & cộng sự,2016). Độ giá trị hội tụ (convergent validity) Được sử dụng để đánh giá sự ổn định của thang đo. Theo Fornell and Larcker (1981), hệ số AVE (average variance extracted) phải lớn hơn hoặc bằng 0,5 (average variance extracted) sẽ khẳng định được độ giá trị hội tụ Hệ số tải của mỗi biến quan sát lên nhân tố lớn hơn hoặc bằng0,7 và có ý nghĩa là bằng chứng về độ tin cậy của các thang đo Độ giá trị phân biệt (discriminant validity) Đo lường độ giá trị phân biệt giúp đảm bảo sự khác biệt, không có mối tương quan giữa các yếu tố sử dụng để đo lường các nhân tố Để đo lường giá trị phân biệt thì căn bậc hai AVE của mỗi nhân tố đo lường đều lớn hơn hệ số liên hệ(latent variable correlations) giữa nhân tố đó với các nhân tố khác cho thấy độ phân biệt và tính tin cậy của các nhân tố(Fornell and Larcker, 1981).
Kết quả nghiên cứu thống kê mô tả
Bảng khảo sát đã được tiến hành trên 200 đối tượng nghiên cứu, bằng hình thức google biểu mẫu Kết quả, nhóm thu về được 192 bảng trả lời Sau khi loại bỏ các bảng trả lời không hợp lệ (8 bảng) như không biết về Chatbot hoặc đánh một đáp án toàn bộ bảng câu hỏi thì số bảng khảo sát hợp lệ đưa vào kiểm định là 192 bảng (đạt tỷ lệ 96%) Với nhiều đối tượng khác nhau đã giúp nhóm nghiên cứu có một cuộc khảo sát khách quan, bao quát hơn hơn về đề tài nghiên cứu Phần mô tả chi tiết về các yếu tố nhân khẩu học của đối tượng nghiên cứu sẽ được trình bày cụ thể dưới đây:
Bảng 2-6 Chi tiết về các yếu tố nhân khẩu học của đối tượng nghiên cứu Đặc điểm Tần số Tỷ lệ Độ tuổi 20-35 tuổi 85 88.2%
2.4.1 Kiểm tra độ tin cậy Cronbach’s Alpha
Cronbach’s Alpha được sử dụng như là một chỉ số để kiểm tra sự tin cậy của các khái niệm trong khảo sát, và đây là một trong những phương pháp phổ biến trong nghiên cứu khoa học Những biến quan sát, những thang do không đạt sẽ bị loại bỏ đi Khi hệ số Cronbach’s Alpha tối thiểu bằng 0,6 và hệ số tương quan của biến tổng tối thiểu bằng 0,3 thì biến đạt tiêu chuẩn.
Sau đây là bảy thang đo cho bảy khái niệm nghiên cứu (nhân tố trong mô hình) được đo lường bằng thang đo Likert với 5 mức độ:
(3) Năng lực tài chính (TC)
(5) Nhận thức tính lợi ích của Chatbot (LI)
(6) Thái độ đối với Chatbot (TD)
(7) Quyết định sử dụng Chatbot (QD)
Sau khi kiểm định qua phầm mềm SPSS cho thấy được hệ số Cronbach’s Alpha tổng của tất cả các nhóm nhân tố đang được quan sát đều lớn hơn 0,6 và hệ số tương quan biến tổng của các biến quan sát đều lớn hơn 0,3 Độ tin cậy của thang đa là khá cao cho thấy được rằng là các biến quan sát có sự tương quan tốt với tổng thể thang đo, do đó, các thang đo cho khảo sát chính thức là đảm bảo độ tin cậy Vì vậy các thang đo đều đạt được độ tin cậy và có thể tiếp tục được quan sát.
2.4.2 Đánh giá mô hình đo lường
❖ Đánh giá độ tin cậy và giá trị
2.4.2.1 Độ tin cậy nhất quán nội tại
Hệ số Cronbach’s Alpha của các biến khái niệm tính chính xác tính bảo mật ,năng lực tài chính ,sự tiện lợi,hiệu quả ,nhận thức tính lợi ích của Chatbot,thái độ đối với Chatbot ,quyết định sử dụng Chatbot Chỉ số CA nhỏ nhất là 0.847 và lớn nhất là 0,942.
Hệ số tin cậy tổng hợp (CR) của các biến tính bảo mật ,năng lực tài chính ,sự tiện lợi,hiệu quả ,nhận thức tính lợi ích của Chatbot,thái độ đối với Chatbot ,quyết định sử dụng Chatbot CR là chỉ số ước tính mức độ sai biệt chung mà các biến quan sát của một biến khái niệm cùng chia sẻ trong tương quan giữa từng biến quan sát này với biến khái niệm Chỉ số CR nhỏ nhất là 0,884 và lớn nhất là 0,959
Việc đánh giá giá trị hội tụ của các biến tiềm ẩn dựa trên các chỉ số hệ số tải nhân tố bên ngoài (outer loading) và phương sai trích AVE Theo Fornell & Larcker (1981), giá trị của tổng phương sai trích AVE phải bằng hoặc trên 0,5 thì đạt yêu cầu, nghĩa là biến tiềm ẩn có thể giải thích được hơn một nửa phương sai của nó với trung bình Nếu AVE nhỏ hơn 0,5 thì nhân tố hoặc biến tiềm ẩn đó thường bị xem xét loại bỏ ra khỏi mô hình nghiên cứu.
Giá trị AVE của các biến quan sát dao động từ 0,605 đến 0,884 Trong quá trình kiểm định thang đo bằng độ tin cậy Outer Loading, 6 biến quan sát (TCX2,BM2,TC4,TD1,TD2,QD2) bị loại bỏ do có giá trị nhỏ hơn 0.7 và 28 biến quan sát đạt yêu cầu có giá trị lớn hơn 0.7
Do đó, 7 yếu tố đạt giá trị hội tụ.
Bảng 2-7 Chỉ số độ tin cậy và trị hội tụ
Bảng 2-8 Kết quả kiểm định thang đo bằng độ tin cậy Outer Loadings
BM LI HQ QD TC TCX TD
Bảng 2-9 Kết quả kiểm định thang đo bằng độ tin cậy Outer Loadings
BM HQ LI QD TC TD TCX
- Giá trị phân biệt đề cập đến việc xem xét một khái niệm có thực sự khác so với các khái niệm nghiên cứu trong mô hình Bảng cho thấy hệ số HTMT trên đường chéo nhỏ 0.9 chứng tỏ các khái niệm phân biệt lẫn nhau
2.4.3 Phân tích các nhân tố
2.4.3.1 Phân tích nhân tố EFA
● Kết quả kiểm định thang đo và phân tích nhân tố EFA cho thấy, đối với biến ảo tính chính xác (TCX), cả 4 biến quan sát đều có hệ số tương quan với quy định chính phủ ở mức chấp nhận (>0.5), cụ thể là:
- Chatbot là một công cụ tư vấn thông tin rất chính xác cho khách hàng (β = 0.954)
- Chatbot hiểu được chính xác nhu cầu của khách hàng mà nó đang tương tác (β = 0.964)
- Chatbot dùng từ ngữ rất chính xác và phù hợp (β = 0.832)
- Dữ liệu từ Chatbot rất chính xác và hữu ích với tôi (β 0.793)
- Chatbot đã giúp tôi rất tốt trong việc bảo mật thông tin khách hàng (β = 0.969)
- Tôi nhận thấy Chatbot có tính bảo mật cao (β = 0.962)
- Chatbot giúp tôi kiểm soát thông tin khách hàng rất tốt (β 0.915)
- Tôi cảm thấy an tâm khi sử dụng Chatbot (β = 0.963)
● Năng lực tài chính (TC)
- Sử dụng Chatbot giúp tôi giảm chi phí nhân viên (β = 0.786)
- Sử dụng Chatbot sẽ mang lại nhiều lợi nhuận cho tôi trong tương lai (β = 0.715)
- Tôi thấy chi phí đầu tư cho Chatbot khá là đắt đỏ (β = 0.706)
- Tôi sẽ đầu tư vào Chatbot nhiều hơn khi doanh thu tăng (β 0.750)
- Sử dụng Chatbot đã giúp tôi tương tác được với rất nhiều khách hàng (β = 0.764)
- Sản phẩm của tôi được khách hàng biết đến nhiều hơn nhờ sự Marketing của Chatbot (β = 0.807)
- Chatbot giúp tôi cá nhân hóa được khách hàng của mình (β 0.839)
- Chatbot giúp khách hàng tiết kiệm được thời gian đợi tư vấn đáng kể (β = 0.863)
- Doanh thu của tôi đã tăng khi sử dụng Chatbot (β = 0.811)
● Nhận thức về tính lợi ích(LI)
- Lập trình Chatbot không mất nhiều thời gian (β = 0.793)
- Tôi có thể tự lập trình Chatbot thông qua các hướng dẫn (β
- Tôi thấy dễ dàng với việc vận hành Chatbot (β = 0.794)
- Cách thức hoạt động của Chatbot rất dễ hiểu (β = 0.845)
- Tôi dễ dàng đưa thông tin chi tiết sản phẩm vào trong Chatbot (β = 0.746)
● Thái độ đối với Chatbot (TD)
- Tôi ưu tiên sử dụng Chatbot trong việc chăm sóc khách hàng (β = 0.917)
- Tôi thấy Chatbot mang lại rất nhiều lợi ích cho tôi (β 0.942)
- Tôi hài lòng với những gì Chatbot đem lại cho tôi (β 0.962)
- Tôi thấy quyết định sử dụng Chatbot là rất phù hợp với mô hình kinh doanh của tôi (β = 0.875)
- Tôi quyết định sử dụng Chatbot dựa trên những chức năng tiện ích mà nó mang lại (β = 0.910)
- Tôi rất hài lòng với quyết định sử dụng Chatbot của mình (β
- Quyết định sử dụng Chatbot là một trong những bước đột phá trong kinh doanh của tôi (β = 0.904)
Hình 2-2Mô hình kết quả PLS output
2.4.3.2 Phân tích tương quan Pearson
Bảng 2-10 Phân tích tương quan Pearson
QD TCX BM TC HQ
Hai biến độc lập không có tương quan (sig lớn hơn 0.05) thì gần như không có khả năng xảy ra cộng tuyến giữa hai biến này Hai biến độc lập có tương quan (sig nhỏ hơn 0.05) và trị tuyệt đối hệ số tương quan lớn hơn 0.7 thì khả năng xảy ra cộng tuyến giữa chúng là tương đối cao (Carsten F Dormann và các cộng sự, 2013) Qua phân tích có thể thấy được mức độ đa cộng tuyến của các biến độc lập với nhau dường như rất ít và đa số chúng đều có mối tương quan với nhau
Từ phân tích cho thấy rằng giữa biến độc lập TCX,BM,TC,HQ đối với biến phụ thuộc QD có sự tương quan với nhau khi sig 0.5 Chứng tỏ, mô hình hồi quy gồm các biến độc lập: TCX (Tính chính xác), BM(Bảo mật),TC(Tài chính),HQ(Hiệu quả) giải thích được 60.4% biến thiên của QD (Quyết định sử dụng Chatbot)
Trị số Durbin – Waston là 2.128 (1.5 LI -0.064 0.782 0.435 H1 Bác bỏ Đối với giới tính nam, chấp nhận 4 giả thuyết H3, H4, H1, H6 (p0,05 Trong đó giả thuyết H4: Năng lực tài chính tác động cùng chiều đến thái độ đối với Chatbot có hệ số Beta chuẩn hóa lớn nhất (β=0.522) Đối với giới tính nữ, chấp nhận 4 giả thuyết H2, H3,, H5, H6 (p 0.05 Trong đó giả thuyết H6: Thái độ đối với Chatbot tác động cùng chiều đến quyết định sử dụng Chatbot có hệ số Beta chuẩn hóa lớn nhất (β = 0.376)
Bảng 2-24 Kiểm định theo giới tuổi
Hệ số Beta Giá trị t Giá trị p Giả thuyết Kết luận Độ tuổi: 20-35 tuổi
TCX-> LI -0.353 3.960 0.000 H1 Chấp nhận Độ tuổi: 36-45 tuổi
TCX-> LI -0.250 1.133 0.257 H1 Bác bỏ Độ tuổi: 46-55 tuổi
TCX-> LI -0.472 4.161 0.000 H1 Chấp nhận Đối với độ tuổi: 20-35 tuổi, chấp nhận 2 giả thuyết H1, H2 (p0,05 Trong đó giả thuyết H2: NTính bảo mật tác động cùng chiều đến tính lợi ích của Chatbot có hệ số Beta chuẩn hóa lớn nhất (β=0.509) Đối với độ tuổi: 36-45 tuổi, chấp nhận 1 giả thuyết H6 (p0,05 Trong đó giả thuyết H6: Thái độ đối với Chatbot tác động cùng chiều đến quyết định sử dụng Chatbot có hệ số Beta chuẩn hóa lớn nhất (β=0.415) Đối với độ tuổi:46-55 tuổi, chấp nhận 5 giả thuyết H1,H3,H4,H5,H6 (p0,05 Trong đó giả thuyết H6: Thái độ đối với Chatbot tác động cùng chiều đến quyết định sử dụng Chatbot có hệ số Beta chuẩn hóa lớn nhất (β=0.554)
Kiểm định theo thu nhập
Bảng 2 25 Kiểm định theo thu nhập
Hệ số Beta Giá trị t Giá trị p Giả thuyết Kết luận
TCX-> LI -0.528 1.178 0.239 H1 Bác bỏ Đối với thu nhập: 5-10 triệu, chấp nhận 3 giả thuyết H1, H2,H5 (p0,05 Trong đó giả thuyết H5: Hiệu quả tác động cùng chiều đến thái độ đối với Chatbot có hệ số Beta chuẩn hóa lớn nhất (β=0.539) Đối với thu nhập: 15-20 triệu, chấp nhận 3 giả thuyết H1, H6,H5 (p0,05 Trong đó giả thuyết H6:Thái độ đối với Chatbot tác động cùng chiều đến quyết định sử dụng Chatbot có hệ số Beta chuẩn hóa lớn nhất (β=0.389) Đối với thu nhập: Trên 20 triệu chấp nhận 2 giả thuyết H4, H6, (p0,05 Trong đó giả thuyết H6:Thái độ đối với Chatbot tác động cùng chiều đến quyết định sử dụng Chatbot có hệ số Beta chuẩn hóa lớn nhất (β=0.842)
Mô hình sau kiểm định
Hình 2-4 Mô hình sau kiểm định
● Tính chính xác cao (TCX)
Beta chuẩn hóa, ta thấy rằng yếu tố này ảnh hưởng đến nhận thức về lợi ích của Chatbot (với B =-0.253 tại mức ý nghĩa Sig = 0.000) Trong điều kiện các yếu tố khác không đổi thì khi tính chính xác cao giảm xuống (hoặc tăng lên) 1 đơn vị thì nhận thức về lợi ích của Chatbot cũng tăng lên (hoặc giảm xuống) 0.253 lần
Dựa vào kết quả SEM của mô hình lý thuyết sau khi hiệu chỉnh (chuẩn hóa) xét trọng số Beta chuẩn hóa, ta thấy rằng yếu tố này ảnh hưởng đến nhận thức về lợi ích của Chatbot (với B =0.168 tại mức ý nghĩa Sig = 0.000) Trong điều kiện các yếu tố khác không đổi thì khi tính bảo mật tăng lên (hoặc giảm xuống) 1 đơn vị thì nhận thức về lợi ích của Chatbot cũng tăng lên (hoặc giảm xuống) 0.168 lần
● Năng lực tài chính (TC)
Dựa vào kết quả SEM của mô hình lý thuyết sau khi hiệu chỉnh (chuẩn hóa) xét trọng số Beta chuẩn hóa, ta thấy rằng yếu tố này ảnh hưởng đến thái độ đối vớiChatbot (với B =0.194 tại mức ý nghĩa Sig = 0.000) Trong điều kiện các yếu tố khác không đổi thì khi năng lực tài chính tăng lên (hoặc giảm xuống) 1 đơn vị thì thái độ đối với Chatbot cũng tăng lên (hoặc giảm xuống) 0.194 lần
Dựa vào kết quả SEM của mô hình lý thuyết sau khi hiệu chỉnh (chuẩn hóa) xét trọng số Beta chuẩn hóa, ta thấy rằng yếu tố này ảnh hưởng đến thái độ đối với Chatbot (với B =0.284 tại mức ý nghĩa Sig = 0.000) Trong điều kiện các yếu tố khác không đổi thì khi hiệu quả tăng lên (hoặc giảm xuống) 1 đơn vị thì thái độ đối với Chatbot cũng tăng lên (hoặc giảm xuống) 0.284 lần
● Nhận thức về lợi ích (LI)
Dựa vào kết quả SEM của mô hình lý thuyết sau khi hiệu chỉnh (chuẩn hóa) xét trọng số Beta chuẩn hóa, ta thấy rằng yếu tố này ảnh hưởng đến thái độ đối với Chatbot (với B =-0.191 tại mức ý nghĩa Sig = 0.000) Trong điều kiện các yếu tố khác không đổi thì khi nhận thức về lợi ích tăng lên (hoặc giảm xuống) 1 đơn vị thì thái độ đối với Chatbot cũng giảm xuống (hoặc tăng lên) 0.191 lần
Dựa vào kết quả SEM của mô hình lý thuyết sau khi hiệu chỉnh (chuẩn hóa) xét trọng số Beta chuẩn hóa, ta thấy rằng yếu tố này ảnh hưởng đến quyết định sử dụngChatbot (với B =0.374 tại mức ý nghĩa Sig = 0.000) Trong điều kiện các yếu tố khác không đổi thì khi thái độ đối với Chatbot tăng lên (hoặc giảm xuống) 1 đơn vị thì quyết định sử dụng Chatbot cũng tăng lên (hoặc giảm xuống) 0.374 lần
Thảo luận
Nghiên cứu này đã kiểm định mức độ nhận thức về những ích lợi mà Chatbot mang lại từ đó ảnh hưởng đến thái độ đối với Chatbot và từ đó dẫn đến quyết định sử dụng Chatbot. Qua quá trình nghiên cứu thì nhóm nghiên cứu cũng đã nhận thấy được sự tương đồng giữa kết quả nghiên cứu nhóm thu hoạch được với các nghiên cứu trong và ngoài nước mà nhóm đã tham khảo
Kết quả đề tài này tương đồng với đề tài “Mobile conversational commerce: Messenger chatbots as the next interface between businesses and consumers” khi khẳng định nhận thức tính dễ sử dụng sẽ tác động đối với thái độ và từ đó đưa ra quyết định
Khi so sánh với đề tài “Tác động của tự động hóa quy trình bằng trí tuệ nhân tạo (Chatbot) đến trải nghiệm khách hàng ngành bán lẻ thương mại điện tử ở Việt Nam” các yếu tố chất lượng giao tiếp cao, chất lượng thông tin và tiết kiệm chi phí trong bài cũng tác động đến trải nghiệm của khách hàng cho doanh nghiệp nhận thấy được lợi ích của Chatbot từ đó đưa ra quyết định sử dụng
Kết quả nghiên cứu này dường như không hề có mâu thuẫn với các nghiên cứu khác tuy nhiên vẫn sẽ có một vài điểm khác biệt là điều không thể tránh khỏi Các đề tài nghiên cứu tham khảo trên đã cho thấy sự ảnh hưởng trực tiếp của thái độ và nhận thức kiểm soát hành vi đến hành vi ý định Tuy nhiên ở đề tài này sẽ cụ thể hơn các yếu tố tác động đến nhận thức và thái độ từ đó đưa ra hành vi quyết định sử dụng
Vì vậy đề tài nghiên cứu “ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH SỬDỤNG CHATBOT TRONG KINH DOANH THỜI TRANG NHỎ VÀ VỪA TẠI VIỆTNAM” là bản nghiên cứu tích hợp dựa trên những bản nghiên cứu về các nhân tố ảnh hưởng quyết định việc sử dụng công nghệ mới trong kinh doanh.Bên cạnh đó đề tài còn đóng góp những kết quả mới mẻ, gần gũi hơn khi đối tượng là người Việt Nam