Với hình ảnh thử đồ ảo có độ chân thực lên đến 90%, Stylix đang hướng tới việc tạo ra một thế giới thời trang 3 Không: không chờ đợi để trải nghiệm thời trang mọi lúc, mọi nơi; không phả
TỔNG QUAN NGHIÊN CỨU
Tính cấp thiết của đề tài
Trong những năm gần đây, thương mại điện tử đã và đang là một thị trường vô cùng tiềm năng với số lượng người tham gia tăng lên đột biến Song song với đó là sự phát triển vượt bậc của công nghệ, việc mua sắm trực tuyến cũng gia tăng nhanh chóng giúp các doanh nghiệp thu hút khách hàng và tăng doanh thu thông qua các sàn thương mại điện tử Những bước tiến vượt bậc đã tạo nên một cuộc cách mạng mua sắm khi mà người tiêu dùng giờ đây đã có thể mua hàng từ bất cứ nơi đâu, vào bất kỳ lúc nào
Tuy nhiên, mua sắm điện tử vẫn tồn tại một khuyết điểm to lớn, đặc biệt là trong lĩnh vực bán lẻ thời trang Đó là khách hàng không thể biết được sản phẩm họ chọn có phù hợp với bản thân hay không Việc đề xuất các chính sách hoàn trả, miễn phí vận chuyển hàng trả để bù đắp còn gây bất tiện cho chủ cửa hàng Chính vì thế mà người tiêu dùng vẫn ưu tiên việc mua sắm và thử đồ trực tiếp tại nơi bán Thế nhưng, đối với các cửa hàng nổi tiếng hoặc vào các dịp lễ thì các phòng thử đồ luôn trong tình huống chật kín người, khách hàng có khi phải đợi rất lâu mới có thể thử đồ
Giải pháp được đề ra đó là cho ra đời phòng thử đồ ảo VFR (Virtual Fitting Room) dưới hình thức ứng dụng di động, giúp cho người mua hàng có thể hình dung được trang phục sẽ trông như thế nào khi họ mặc lên mà không cần phải thử trực tiếp Thông qua kết nối thế giới thực với không gian ảo, công nghệ này tạo ra sự tiện lợi trong việc mua sắm bằng cách cho khách hàng dùng thử sản phẩm ở nhiều cửa hàng khác nhau, tối ưu hóa trải nghiệm của mua sắm.
Tổng quan tình hình nghiên cứu
1.2.1 Tình hình nghiên cứu tại Việt Nam
Hiện nay tại Việt Nam chưa có một doanh nghiệp thương mại điện tử hay trung tâm thương mại lớn nào ứng dụng công nghệ phòng thử đồ ảo vào kinh doanh Tất cả thông tin về phòng thử đồ ảo tại Việt Nam chỉ dừng ở mức độ các cuộc thi, dự án khởi nghiệp, điển hình là dự án phòng thử đồ ảo Stylix
Dự án nghiên cứu này là một phần của cuộc thi SV-STARTUP do nhóm sinh viên Trường Đại học Kinh tế Quốc dân thực hiện dưới sự chỉ đạo của trưởng nhóm Bùi Thu Giang Ý tưởng chính của dự án là tạo ra một ứng dụng thử đồ trên điện thoại, một ứng dụng đột phá sử dụng công nghệ AI hiện đại để mô phỏng việc mặc quần áo lên người một cách chân thực.
Với Stylix, người dùng sẽ được trải nghiệm thử đồ dễ dàng và tiện lợi ngay trên điện thoại di động Ứng dụng này sử dụng công nghệ AI để phân tích tỷ lệ cơ thể một cách chính xác, cho phép người dùng thử bất kỳ bộ trang phục nào mọi lúc, mọi nơi, và điều này hoàn toàn miễn phí Điểm đặc biệt là Stylix có khả năng chuyển hình ảnh 2D của quần áo lên người dùng sao cho nó phù hợp với đặc điểm riêng của từng người, mang lại sự cá nhân hóa độc đáo Ứng dụng này không chỉ cho phép người dùng sử dụng hình ảnh của họ mà còn cung cấp hình ảnh người mẫu trên ứng dụng để tham khảo Stylix có tiềm năng ứng dụng rộng rãi trong thị trường mua sắm thời trang, bao gồm cả mua sắm trực tuyến và ngoại tuyến Thị trường thời trang là một thị trường rất lớn và đầy tiềm năng, việc tích hợp công nghệ vào quá trình mua sắm có thể làm cho quy trình trở nên dễ dàng và trải nghiệm khách hàng được nâng cao Đặc biệt, Stylix đưa công nghệ thử đồ ảo vào thế giới Metaverse, hướng tới mục tiêu số hóa thời trang Với hình ảnh thử đồ ảo có độ chân thực lên đến 90%, Stylix đang hướng tới việc tạo ra một thế giới thời trang 3 Không: không chờ đợi để trải nghiệm thời trang mọi lúc, mọi nơi; không phải chịu nhiều rủi ro khi mua sắm thời trang online vì người dùng có thể hình dung sản phẩm mặc trên người thông qua ứng dụng; và không còn sự lãng phí cho những trang phục thời trang nhanh Với Stylix, quần áo ảo không chỉ là một xu hướng thời trang, mà còn là một cách bảo vệ môi trường thông qua việc giảm thiểu sự cần thiết của việc sản xuất trang phục thật
Hình 1: Giao diện demo của dự án Stylix 1.2.2 Tình hình nghiên cứu trên thế giới
Virtual Fitting Room by Zeekit
Zeekit, một công ty khởi nghiệp công nghệ thời trang, đã phát triển ứng dụng phòng thử đồ ảo đầu tiên, mang lại trải nghiệm mua sắm khác biệt cho mỗi người dùng Ứng dụng này cho phép người mua trực tuyến thấy mình trong bất kỳ món đồ nào được tìm thấy trực tuyến mà không cần phải thử trực tiếp Sử dụng công nghệ xử lý hình ảnh thời gian thực, Zeekit ánh xạ hình ảnh của một người thành hàng ngàn phân đoạn bằng cách sử dụng công nghệ được đặt bằng sáng chế của họ, bao gồm việc tạo ra bản đồ 3D trên hình ảnh 2D Bên cạnh đó, quần áo cũng được xử lý bằng công nghệ tương tự Sau đó, hình ảnh của người được xử lý và quần áo được ánh xạ lại thành mô phỏng cuối cùng dựa trên các điểm tương đương của chúng Mô phỏng cuối cùng hiển thị một người mặc đồ ảo.
Hình 2: Một khách hàng nữ chụp ảnh toàn thân trong trang phục áo ba lỗ, quần đùi trên nền tảng của Zeekit (Doupnik, 2016)
Hình 3: Chức năng chia sẻ và mua hàng trong ứng dụng (Doupnik, 2016)
Như thể hiện trong Hình 2 và Hình 3, người mua cần tải lên một hình ảnh toàn bộ cơ thể của họ trong một chiếc áo thun ba lỗ và quần ngắn hoặc một chiếc váy ngắn để đảm bảo rằng hình dáng cơ thể của họ rõ ràng Bằng cách này, ứng dụng có thể phân tích cơ thể của họ và chuyển đổi hình ảnh 2D thành dữ liệu 3D để tạo ra hình ảnh thực tế về cách sản phẩm trông như thế nào trên cơ thể của họ Ứng dụng sau đó ước tính các số đo cơ thể như vòng eo, vòng ngực, và vòng mông mà người mua có thể điều chỉnh tự do Sau đó, người mua hàng chạm vào bất kỳ sản phẩm nào họ nhìn thấy trực tuyến để xem ngay hình ảnh thử đồ của họ
Mọi chiếc áo mà họ thử có thể được kết hợp từ các nhà bán lẻ khác nhau trong tủ đồ ảo, chia sẻ với bạn bè hoặc mua hàng thông qua một liên kết trong ứng dụng
Hơn nữa, các nhà bán lẻ và thương hiệu dễ dàng tích hợp Zeekit vào cửa hàng trực tuyến, di động và cửa hàng vật lý của họ để cho phép người mua thử đồ ảo toàn bộ danh mục sản phẩm Ví dụ, Zeekit đã hợp tác với Rebecca Minkoff, một công ty thời trang để mang công nghệ mới vào thị trường xa xỉ Thông qua điều này, người tiêu dùng của Rebecca Minkoff có thể truy cập ngay lập tức để trải nghiệm sản phẩm của họ thông qua ứng dụng Zeekit để thử sản phẩm và mua hàng
Năm 2021 Zeekit được mua lại bởi gã khổng lồ bán lẻ Walmart Vào tháng 3, Walmart ra mắt công nghệ "Choose My Model" (Chọn hình mẫu của chính mình) cho phép khách hàng trải nghiệm thử đồ ảo 50 mẫu sản phẩm có sẵn với nhiều kích cỡ khác nhau.
Trong giai đoạn tiếp theo của "Choose My Model", người dùng có thể thử hơn 270.000 mặt hàng đa dạng Nhưng điểm bất lợi ở đây là, khách hàng sẽ phải cởi bỏ một số quần áo có sẵn trên người trước khi thử để tính năng hoạt động chính xác “Trải nghiệm này cho phép khách hàng hình dung rõ hơn quần áo sẽ trông như thế nào khi mặc lên và giải trí hóa hoạt động mua sắm mà chúng tôi tin rằng sẽ rất hấp dẫn đối với nhiều người, đặc biệt là chị em phụ nữ”, bà Denise Incandela, Phó Chủ tịch điều hành hàng may mặc và thương hiệu tư nhân của Walmart, cho biết trong một tuyên bố
Bên cạnh đó, trong ứng dụng Walmart, người dùng có thể quyết định họ muốn xem thử quần áo trên mô hình có sẵn hay tự mình trở thành người mẫu, theo một video hướng dẫn của công ty
Webcam Social Shopper (WSS) hay còn gọi là Phòng thay đồ thực tế tăng cường là một phần mềm phòng thay đồ ảo được phát triển bởi Zugara, một công ty phần mềm ở Los Angeles Trên thực tế, mua sắm trực tuyến cung cấp sự tối ưu hóa trong việc tìm kiếm, duyệt, điều tra và hoàn thành giao dịch nhưng nó không giúp thu hút trải nghiệm như trải nghiệm tại cửa hàng như thử quần áo (Takahashi, 2011)
Vì vậy, phần mềm WSS ra đời nhằm giúp người mua hàng trực tuyến có được sự tự tin khi đưa ra quyết định mua hàng bằng cách nhìn thấy chính họ “mặc” quần áo qua webcam
Vì phần mềm hỗ trợ camera 2D, 3D và cảm biến độ sâu, Zugara đã phát hành hai loại phiên bản khác nhau cho các nền tảng khác nhau, đó là API để tích hợp nền tảng thương mại điện tử và phiên bản hỗ trợ Kinect có tên là “WSS For Kiosks”
Phần mềm WSS là một công cụ trực quan hóa sản phẩm tiên tiến cung cấp cách giúp người mua sắm trực tuyến thử quần áo ảo bằng cách biến máy ảnh thành một tấm gương tương tác theo thời gian thực Nó tạo ra hình ảnh giống như đang mặc quần áo bằng cách đặt hình ảnh 2D tĩnh của quần áo ảo lên trên cơ thể con người Hơn nữa, phần mềm cho phép người dùng sử dụng chuyển động của tay để tương tác với nội dung phần mềm mà không cần phải quay lại bàn phím hoặc chuột để thực hiện thao tác Bằng cách sử dụng hệ thống ghi lại chuyển động này, người dùng có thể duyệt qua các tùy chọn khác nhau của trang phục chỉ bằng cách di chuyển cánh tay lên trên đầu.
Theo Sterling (2012), người dùng có thể dùng thử và chạy phần mềm bằng cách truy cập trang web www.webcamsocialshopper.com thay vì cài đặt bất kỳ phần mềm hoặc plugin nào vào máy tính Như trong Hình 4, người dùng cần cấp quyền cho phần mềm WSS truy cập vào camera và micro Thông qua camera, phần mềm có thể phát hiện vị trí người dùng đang đứng và điều chỉnh vị trí của lớp áo phủ trên cơ thể một cách thích hợp Người dùng được yêu cầu lùi lại xa camera từ 4 đến 5 feet và đứng ở giữa tầm nhìn để phần mềm có thể thực hiện các thao tác một cách chính xác và thành công Người dùng cũng được phép duyệt, chọn các tùy chọn có sẵn của trang phục đã chọn như màu sắc, kích cỡ và chụp ảnh bằng chuyển động tay Kincaid (2009) cho rằng quần áo về cơ bản chỉ là những hình ảnh 2D được dán lên trên cơ thể mà không hề chú ý đến tỷ lệ cơ thể Ngoài ra, phần mềm còn cung cấp tính năng chia sẻ lựa chọn trang phục bằng cách tích hợp với Facebook và Twitter để cho phép người dùng gửi ảnh có trang phục ảo để nhận phản hồi ngay lập tức Hình 5 hiển thị kết quả mẫu của người dùng mặc trang phục ảo
Hình 4: WSS yêu cầu người dùng cấp quyền truy cập vào camera và micro
Hình 5: Ảnh người dùng mặc trang phục ảo trên WSS
Đối tượng nghiên cứu
Đối tượng mà nhóm hướng tới đó là hành vi lựa chọn trải nghiệm của sinh viên và cựu sinh viên theo học tại trường Đại học Kinh tế - Luật Cụ thể, nghiên cứu hướng đến tìm hiểu các yếu tố tác động đến thái độ sẵn sàng sử dụng công nghệ thử đồ ảo Virtual Fitting Room của nhóm đối tượng khảo sát này, nếu kết quả nghiên cứu có tính khả thi thì sẽ triển khai mở rộng và phát triển đề tài cùng với đó là việc triển khai công nghệ thử đồ ảo ở các sàn thương mại điện tử Việt Nam.
Phương pháp nghiên cứu
Phương pháp thu thập thông tin: Thu thập thông tin dạng văn bản từ các trang tin tức uy tín hàng đầu, phù hợp với các tiêu chí của đề tài cũng như nằm trong lĩnh vực nghiên cứu.
Phương pháp nghiên cứu tài liệu: Tìm hiểu và lựa chọn mô hình nghiên cứu phù hợp với mục tiêu đề tài đặt ra và các phương pháp khai thác dữ liệu văn bản.
Phương pháp phân tích và tổng hợp lý thuyết: Nghiên cứu những tài liệu, sách và bài báo khoa học liên quan để tiếp thu những mô hình, kiến thức, công nghệ mới phục vụ cho quá trình nghiên cứu
Phương pháp thực nghiệm: Xây dựng mô hình dữ liệu để phân tích và so sánh dữ liệu đã thu thập được từ việc khảo sát để tìm ra yếu tố tác động đến thái độ của người dùng với công nghệ mới So sánh kết quả dự đoán với kết quả thực tế, xem xét tỷ lệ chính xác để đánh giá độ hiệu quả của mô hình Phân tích các kết quả thu được để cung cấp các tri thức cho doanh nghiệp và nhà quản lý.
CƠ SỞ LÝ LUẬN
Cơ sở lý thuyết
2.1.1 Khái niệm và cách thức hoạt động của công nghệ VFR - Virtual Fitting Room
Phòng thử đồ ảo (Virtual Fitting Room), hay còn được gọi là phòng thử đồ trực tuyến, là phiên bản điện tử của một phòng tử đồ ngay trong tiệm ở ngoài thế giới thực Mô hình này là một sự kết hợp của các công nghệ hiện đại bao gồm thực tế ảo (Virtual reality/VR), tương tác thực tế ảo - thực tế tăng cường (Augmented reality/AR) và trí tuệ nhân tạo (Artificial intelligence/AI) Công nghệ này cho phép tạo các lớp hình ảnh chất chồng lên nhau của một món đồ mà người tiêu dùng muốn thử thành một video để tái tạo món đồ đó thành dạng 3D trên màn hình điện thoại hay gương thông minh Thông qua đó, người tiêu dùng có thể hình dung được kiểu dáng, kích cỡ, màu sắc và độ phù hợp với cơ thể họ trước khi mua hàng mà không cần phải thử lên trực tiếp.
Các nhà bán lẻ trực tuyến có thể tích hợp công nghệ thử quần áo ảo này lên các website, ứng dụng hay là mạng xã hội để cho khách hàng trải nghiệm đánh giá sản phẩm của họ gián tiếp trên không gian ảo Có nhiều phương thức tiếp cận chẳng hạn như thông qua ma-nơ-canh kĩ thuật số, mô hình 3D hoặc là một nhân vật đại diện của khách hàng từ chính những hình ảnh và video do họ cung cấp Tính chính xác của công nghệ này được thể hiện qua việc người mua hàng cần lựa chọn ma-nơ-canh hay mô hình thể hiện rõ nét nhất hình dáng và kích thước của cơ thể họ Một số phần mềm phòng thử đồ ảo sẽ yêu cầu nhập chính xác từ chiều cao, cân nặng đến các số đo hình thể khác để kết xuất đồ hoạ 3D có thể tạo nhân vật đại diện cho người dùng một cách chính xác nhất.
Một số cửa hàng ngoài đời vẫn áp dụng công nghệ phòng thử đồ ảo này để tiết kiệm diện tích khu vực thử đồ và tránh việc khách hàng phải đứng xếp hàng đợi Phòng thử đồ ảo lúc này vẫn sử dụng công nghệ tương tự như với phương thức trực tuyến, thế nhưng với cách thức khác đó là cung cấp dữ liệu video trực tiếp hoặc là body scan được lấy từ máy ảnh hay máy quét và tích hợp vào các gương chiếu thông minh lắp tại cửa hàng (ví dụ như KinectShop và Magic Mirrors) Ngoài ra, người mua sắm cũng có thể thấy được việc áp dụng công nghệ nhận dạng qua tần số vô tuyến (RFID), cho phép máy ảnh trong gương nhận dạng được các món đồ mà khách hàng mang theo để đề xuất kiểu dáng và màu sắc phù hợp để phối đồ.
Tích hợp trải nghiệm mua sắm trực tuyến: VFR cho phép người tiêu dùng thử các sản phẩm thời trang trực tuyến trước khi mua hàng trên hình ảnh hoặc mô hình 3D của họ, giúp họ có cái nhìn rõ ràng hơn về cách sản phẩm sẽ trông ra sao trên người họ
Tăng trải nghiệm mua sắm trực tuyến: tạo ra trải nghiệm mua sắm trực tuyến tương tự như việc thử đồ tại cửa hàng vật lý, giúp người tiêu dùng tận hưởng quá trình mua sắm hơn
Giảm tỷ lệ hoàn trả hàng hóa: giúp giảm tỷ lệ trả lại hàng hóa sau khi mua.
Tạo ra dữ liệu khách hàng quý báu: các dữ liệu thu thập từ việc sử dụng VFR có thể giúp các thương hiệu thời trang hiểu rõ hơn về sở thích và hành vi mua sắm của khách hàng Điều này có thể được sử dụng để tùy chỉnh sản phẩm và dịch vụ để đáp ứng nhu cầu của họ một cách tốt hơn.
Tiết kiệm thời gian và công sức: vì người tiêu dùng không cần phải trực tiếp đến cửa hàng thử đồ
Thúc đẩy sự phát triển của thương mại điện tử: VFR là một trong những công nghệ đóng góp vào sự phát triển của thương mại điện tử, đặc biệt trong lĩnh vực thời trang trực tuyến, bằng cách cung cấp một trải nghiệm mua sắm tốt hơn và hiệu quả hơn.
2.1.3 Tình hình phát triển VFR ở Việt Nam
Sự xuất hiện của các công ty khởi nghiệp và doanh nghiệp thời trang: Một số công ty khởi nghiệp và doanh nghiệp thời trang tại Việt Nam đã bắt đầu triển khai các giải pháp phòng thử đồ ảo Họ đang phát triển các ứng dụng di động và trang web cho phép người tiêu dùng thử đồ ảo trực tuyến.
Sự hỗ trợ từ công nghệ và hệ thống thanh toán: Phòng thử đồ ảo yêu cầu tích hợp nhiều công nghệ như thị giác máy tính, trí tuệ nhân tạo và thực tế ảo Các công ty công nghệ và các hệ thống thanh toán đang phát triển cơ sở hạ tầng để hỗ trợ các ứng dụng này
Tích hợp trong ngành thời trang trực tuyến: Các thương hiệu thời trang trực tuyến lớn và nhỏ ở Việt Nam đã bắt đầu nhận thức về tiềm năng của phòng thử đồ ảo để cải thiện trải nghiệm mua sắm của khách hàng Họ đang xem xét tích hợp công nghệ này vào trang web và ứng dụng của họ
Phản hồi tích cực từ người tiêu dùng: Những người tiêu dùng ở Việt Nam đã bắt đầu chào đón các ứng dụng phòng thử đồ ảo, đặc biệt là trong bối cảnh của đại dịch COVID-19 khi việc mua sắm trực tiếp tại cửa hàng có thể bị hạn chế Phòng thử đồ ảo giúp họ tăng cường trải nghiệm mua sắm trực tuyến
Thách thức về công nghệ và tích hợp dữ liệu: Phát triển phòng thử đồ ảo đòi hỏi sự đầu tư về công nghệ và tích hợp dữ liệu về kích thước cơ thể và sản phẩm thời trang Các công ty cần đảm bảo rằng dữ liệu và mô hình 3D của sản phẩm đang được cập nhật và chính xác
Cơ hội phát triển trong tương lai: Với sự gia tăng của mua sắm trực tuyến và sự phổ biến của điện thoại di động ở Việt Nam, phòng thử đồ ảo có tiềm năng phát triển mạnh mẽ trong tương lai Điều này có thể tạo ra cơ hội kinh doanh mới cho các công ty trong ngành thời trang và công nghệ.
Các giả thuyết nghiên cứu
2.2.1 Nhận thức sự hữu ích
Nhận thức sự hữu ích là “Mức độ để một người tin rằng việc sử dụng một hệ thống ứng dụng đặc thù sẽ làm tăng hiệu quả/năng suất làm việc của họ đối với một công việc cụ thể”
(Davis, 1989) Davis & các cộng sự (1992) cho rằng “nhận thức sự hữu ích” có thể tác động theo hướng tích cực đến thái độ và ý định sử dụng công nghệ được nhắc đến Nhận thức sự hữu ích có thể được kể đến là những ích lợi mà người tiêu dùng nhận được khi sử dụng hay trải nghiệm công nghệ thử đồ ảo, cũng như là tiết kiệm thời gian và công sức khi thử đồ so với phương pháp thử đồ trực tiếp (Erra & các cộng sự, 2018)
Nhận thức sự hữu ích ảnh hưởng đến quyết định đầu cuối của người mua về việc ứng dụng công nghệ kỹ thuật/hệ thống mới bởi vì mọi người sẽ có mong đợi rằng nếu họ tin công nghệ mới này là hữu dụng thì nó sẽ mang lại hiệu quả tích cực cho hiệu suất làm việc của họ (Holte, Gao & Brooks, 2015) Small & các cộng sự (2015) cho rằng nếu các chức năng và đặc điểm hệ thống thử đồ thực tế ảo không đủ tốt vì nhận thức về sự phân hoá giữa model hình ảnh và cơ thể thực, điều này sẽ khiến cho nhận thức sự hữu ích của khách hàng về sản phẩm cũng như ý định trải nghiệm công nghệ này giảm xuống Còn theo Alawan & các cộng sự (2018) tin rằng, những phòng thử đồ ảo như thế này có thể giúp tăng cường trải nghiệm mua sắm online của khách hàng ở bất kì nơi đâu, bất cứ lúc nào mà không gặp phải trở ngại gì
2.2.2 Nhận thức dễ sử dụng
Cũng theo Davis (1989), nhận thức dễ sử dụng dụng là “Mức độ mà một người tin rằng không hề tốn công sức để sử dụng hệ thống đặc thù nào đó” Nhận thức dễ sử dụng đề cập tới mức độ rõ ràng và dễ hiểu trong việc tương tác với hệ thống, sự dễ dàng giao tiếp, ra lệnh, cũng như là sử dụng hệ thống công nghệ đó (Nakiyama, 2011) Những nghiên cứu trước đây đã chỉ ra rằng sự dễ sử dụng sẽ làm tăng nhận thức về sự hữu ích và ảnh hưởng lên ý định mua sắm của khách hàng (Davis, 1989; Hsieh và Liao, 2011), cũng như tầm quan trọng của nó đối với ý định chấp nhận công nghệ mới (Hsu và các cộng sự, 2006) Rogers (1995) cho rằng, nếu một cá nhân có mức độ nhận thức sự phức tạp đối với một phát minh thấp thì tỉ lệ họ chấp nhận nó rất cao, nói cách khác là càng đơn giản thì người tiêu dùng dễ đón nhận hơn
Theo Bauer (1960), một trong những người đầu tiên giới thiệu khái niệm nhận thức rủi ro cho rằng, nhận thức rủi ro trong quá trình mua sắm được xem như là sự quyết định không chắc chắn của người tiêu dùng khi mua hàng và phải nhận hậu quả từ quyết định này Và theo
Bauer (1960) nhận thức rủi ro bao gồm: (1) nhận thức rủi ro liên quan đến sản phẩm/dịch vụ và (2) nhận thức rủi ro liên quan đến giao dịch trực tuyến Bhatnagar và Ghose (2004) cho rằng, liên quan đến rủi ro, có ba thành tố tác động tiêu cực đến quyết định mua sắm trực tuyến là: rủi ro sản phẩm; rủi ro tài chính; rủi ro bảo mật thông tin cá nhân của người mua
Nghiên cứu sâu rộng thêm một thời gian, Xiang Yan và Shiliang Dai (2009) đưa ra kết quả nghiên cứu: quyết định mua hàng trực tuyến chịu ảnh hưởng bởi 2 nhóm nhân tố đó là nhận thức lợi ích và nhận thức rủi ro Nhận thức lợi ích tác động tích cực đến quyết định mua sắm trực tuyến và nhận thức rủi ro tác động tiêu cực đến quyết định mua sắm trực tuyến của khách hàng Rủi ro nhận thức ảnh hưởng trực tiếp đến hành vi tiêu dùng trực tuyến và ý định mua hàng của họ Khi rủi ro nhận thức của người tiêu dùng cao, ý định mua hàng trực tuyến của người tiêu dùng thấp và khi rủi ro nhận thức của người tiêu dùng thấp, ý định mua hàng trực tuyến của người tiêu dùng cao Đối với mua sắm trực tuyến thì nhận thức mức độ rủi ro thường cao hơn so với mua sắm truyền thống do người mua không nhìn thấy hình ảnh thật sự của sản phẩm và không tiếp xúc trực tiếp với người bán hàng (Park & Stoel, 2005)
2.2.4 Niềm tin và thái độ
Thái độ trong nghiên cứu đề cập đến cách tiếp cận, suy nghĩ, thái độ của cá nhân bạn đối với lĩnh vực được tiếp cận, ở đây là công nghệ VFR Thái độ chịu ảnh hưởng bởi niềm tin và sẽ tác động lên ý định sử dụng, quyết định mua hàng của người tiêu dùng Trong nghiên cứu của Jarvenpaa và Tractinsky (1999), lòng tin được mô tả là có ảnh hưởng gián tiếp đến ý định mua hàng, Chow và Chan (2008) cho rằng niềm tin không những ảnh hưởng đến thái độ mà còn ảnh hưởng đến ý định mua sắm của người tiêu dùng Từ đó theo lý thuyết bắc cầu ta có thể đưa ra kết luận: Thái độ chịu ảnh hưởng bởi niềm tin và sẽ tác động lên ý định sử dụng, quyết định mua hàng của người tiêu dùng
Ajzen (1991) định nghĩa chuẩn chủ quan (Subjective Norms) hay còn gọi là ảnh hưởng xã hội là nhận thức của những người ảnh hưởng sẽ nghĩ rằng cá nhân đó nên thực hiện hay không thực hiện hành vi Chuẩn mực chủ quan có thể được mô tả là nhận thức của cá nhân về các áp lực của xã hội đối với việc thực hiện hay không thực hiện một hành vi
Theo lý thuyết TRA (Fishbein & Ajzen, 1975), chuẩn mực chủ quan có thể được hình thành thông qua cảm nhận các niềm tin mang tính chuẩn mực từ những người hoặc các nhân tố xã hội có ảnh hưởng đến người tiêu dùng (như gia đình, bạn bè, đồng nghiệp, phương tiện truyền thông ) Mức độ tác động của các yếu tố niềm tin chuẩn mực chủ quan đến xu hướng mua của người tiêu dùng phụ thuộc: (1) mức độ ủng hộ/phản đối đối với việc mua của người tiêu dùng và (2) động cơ của người tiêu dùng làm theo mong muốn của những người có ảnh hưởng Mức độ ảnh hưởng của những người có liên quan đến xu hướng hành vi của người tiêu dùng và động cơ thúc đẩy người tiêu dùng làm theo những người có liên quan là hai yếu tố cơ bản để đánh giá chuẩn chủ quan Mức độ thân thiết của những người có liên quan càng mạnh đối với người tiêu dùng thì sự ảnh hưởng càng lớn tới quyết định chọn mua của họ
Niềm tin của người tiêu dùng vào những người có liên quan càng lớn thì xu hướng chọn mua của họ cũng bị ảnh hưởng càng lớn.
Lý thuyết kiểm định độ tin cậy của thang đo với hệ số Cronbach’s Alpha
Khi lập các bảng câu hỏi cho nghiên cứu, ta thường tạo các biến quan sát x1, x2, x3, x4, x5 là biến con của nhân tố A nào đó Mục đích của việc này là để đơn giản hoá việc đo lường nhân tố A bằng cách đo lường các biến quan sát nhỏ bên trong nó rồi suy ra tính chất của nhân tố
Khái niệm "thang đo" trong cụm kiểm định độ tin cậy thang đo ý muốn nói đến một tập hợp các biến quan sát biến con có khả năng đo được, thể hiện được tính chất của nhân tố mẹ
Tuy nhiên, không phải lúc nào ta cũng có thể từ tất cả các biến quan nhỏ sát x1, x2, x3, x4, x5 mà kết luận tính chất của nhân tố A Do vậy, kiểm định độ tin cậy thang đo Cronbach's Alpha giúp kiểm tra xem biến quan sát nào phù hợp và đáng tin cậy
2.3.2 Đo lường độ tin cậy bằng hệ số Cronbach’s Alpha
Nếu một thang đo mà các biến quan sát có sự tương quan thuận chặt chẽ, cùng giải thích cho nhân tố mẹ thì thang đo đó càng có tính nhất quán cao và hệ số Cronbach’s Alpha sẽ càng cao
Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0,1] Mức 0 nghĩa là các biến quan sát trong nhóm gần như không có một sự tương quan nào, mức 1 nghĩa là các biến quan sát tương quan hoàn hảo với nhau Một số trường hợp xuất hiện hệ số Cronbach’s Alpha âm vượt ngoài đoạn giới hạn [0,1], lúc này thang đo hoàn toàn không có độ tin cậy, không có tính đơn hướng, các biến quan sát trong thang đo đối lập, ngược chiều nhau
2.3.3 Các tiêu chuẩn trong kiểm định độ tin cậy thang đo Cronbach's Alpha
Theo Nunnally (1978), một thang đo tốt nên có độ tin cậy Cronbach’s Alpha từ 0.7 trở lên Hair và cộng sự (2009) cũng cho rằng, một thang đo đảm bảo tính đơn hướng và đạt độ tin cậy nên đạt ngưỡng Cronbach’s Alpha từ 0.7 trở lên, tuy nhiên, với tính chất là một nghiên cứu khám phá sơ bộ, ngưỡng Cronbach’s Alpha là 0.6 có thể chấp nhận được
Ngoài ra còn có chỉ số Corrected Item - Total Correlation, nó biểu thị mối tương quan giữa từng biến quan sát với các biến còn lại trong thang đo.Chỉ số Corrected Item - Total Correlation càng cao chứng tỏ biến quan sát có sự tương quan thuận càng mạnh với các biến khác trong thang đo và biến quan sát càng tốt Cristobal và cộng sự (2007) cho rằng, một thang đo tốt khi các biến quan sát có giá trị Corrected Item - Total Correlation từ 0.3 trở lên
Hệ số Cronbach's Alpha if Item Deleted càng nhỏ, biến quan sát càng chất lượng Không có khái niệm Cronbach's Alpha của từng biến quan sát Giá trị Cronbach's Alpha và Cronbach's Alpha if Item Deleted là hai giá trị hoàn toàn khác nhau
● Hệ số Cronbach's Alpha của thang đo cần lớn hơn 0.6 (hoặc lớn hơn 0.7 nếu yêu cầu đánh giá cao hơn)
● Hệ số Corrected Item - Total Correlation của từng biến quan sát càng cao càng tốt.
Lý thuyết phân tích nhân tố EFA
Phân tích nhân tố khám phá, gọi tắt là EFA, dùng để rút gọn một tập hợp k biến quan sát thành một tập F (với F < k) các nhân tố có ý nghĩa hơn Trong nghiên cứu, chúng ta thường thu thập được một số lượng biến khá lớn và rất nhiều các biến quan sát trong đó có liên hệ tương quan với nhau Thay vì đi nghiên cứu 20 đặc điểm nhỏ của một đối tượng, chúng ta có thể chỉ nghiên cứu 4 đặc điểm lớn, trong mỗi đặc điểm lớn này gồm 5 đặc điểm nhỏ có sự tương quan với nhau Điều này giúp tiết kiệm thời gian và kinh phí nhiều hơn cho người nghiên cứu
EFA xem xét mối quan hệ giữa các biến ở tất cả các nhóm (các nhân tố) khác nhau nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tố hoặc các biến quan sát bị phân sai nhân tố từ ban đầu
2.4.2 Các tiêu chí trong phân tích EFA
Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng không thích hợp với tập dữ liệu nghiên cứu
Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay không Chúng ta cần lưu ý, điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mối tương quan với nhau Điểm này liên quan đến giá trị hội tụ trong phân tích EFA được nhắc ở trên Do đó, nếu kiểm định cho thấy không có ý nghĩa thống kê thì không nên áp dụng phân tích nhân tố cho các biến đang xem xét Kiểm định Bartlett có ý nghĩa thống kê (sig Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố
Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue > 1 mới được giữ lại trong mô hình phân tích
Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mô hình EFA là phù hợp Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cô đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát
Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại Theo Hair và cộng sự (2010), Multivariate Data Analysis hệ số tải từ 0.5 là biến quan sát đạt chất lượng tốt, tối thiểu nên là 0.3.
Lý thuyết phân tích tương quan Pearson
Tương quan tuyến tính giữa hai biến là mối tương quan mà khi biểu diễn giá trị quan sát của hai biến trên mặt phẳng Oxy, các điểm dữ liệu có xu hướng tạo thành một đường thẳng
Theo Gayen (1951) , trong thống kê, các nhà nghiên cứu sử dụng hệ số tương quan Pearson (ký hiệu r) để lượng hóa mức độ chặt chẽ của mối liên hệ tuyến tính giữa hai biến định lượng.
Mục đích chạy tương quan Pearson nhằm kiểm tra mối tương quan tuyến tính chặt chẽ giữa biến phụ thuộc với các biến độc lập và sớm nhận diện vấn đề đa cộng tuyến khi các biến độc lập cũng có tương quan mạnh với nhau
2.5.2 Các tiêu chí trong phân tích EFA
Hệ số tương quan Pearson r có giá trị dao động từ -1 đến 1:
● Nếu r càng tiến về 1, -1: tương quan tuyến tính càng mạnh, càng chặt chẽ Tiến về 1 là tương quan dương, tiến về -1 là tương quan âm
● Nếu r càng tiến về 0: tương quan tuyến tính càng yếu
● Nếu r = 1: tương quan tuyến tính tuyệt đối, các điểm biểu diễn sẽ nhập lại thành 1 đường thẳng
● Nếu r = 0: không có mối tương quan tuyến tính Lúc này sẽ có 2 tình huống xảy ra
Một, không có một mối liên hệ nào giữa 2 biến Hai, giữa chúng có mối liên hệ phi tuyến
Andy Field (2009) cho rằng mặc dù có thể đánh giá mối liên hệ tuyến tính giữa hai biến qua hệ số tương quan Pearson, nhưng chúng ta cần thực hiện kiểm định giả thuyết hệ số tương quan này có ý nghĩa thống kê hay không Kết quả kiểm định nếu sig kiểm định nhỏ hơn 0.05, cặp biến có tương quan tuyến tính với nhau; nếu sig lớn hơn 0.05, cặp biến không có tương quan tuyến tính (giả định lấy mức ý nghĩa 5% = 0.05).
Lý thuyết phân tích hồi quy tuyến tính đa bội
2.6.1 Hồi quy tuyến tính đơn giản
Hồi quy tuyến tính (Linear Regression) được sử dụng để dự đoán giá trị của một biến dựa trên giá trị của biến khác Biến muốn dự đoán được gọi là biến phụ thuộc, còn biến đang sử dụng để dự đoán giá trị của biến kia được gọi là biến độc lập (theo IBM) Hình thức phân tích này ước tính các hệ số của phương trình tuyến tính, bao gồm một hoặc nhiều biến độc lập dự đoán tốt nhất giá trị của biến phụ thuộc
Theo Jason Brownlee (2019), với hồi quy tuyến tính đơn giản, mô hình hoá dữ liệu có dạng như sau:
● y: biến đầu ra mà chúng ta muốn dự đoán (biến phụ thuộc)
● x: biến đầu vào mà chúng ta biết (biến độc lập).
● 𝛽 0 , 𝛽 1 : các hệ số chúng ta cần ước tính để tìm ra mối quan hệ của y và x 𝛽 0 (hay còn gọi là bias) là hằng số biểu diễn điểm giao nhau giữa phương trình (1) với trục Oy và 𝛽 1 được gọi là độ dốc vì nó xác định độ dốc của phương trình đường thẳng (1).
2.6.2 Hồi quy tuyến tính đa biến (hồi quy tuyến tính bội)
Hồi quy tuyến tính đa biến (Multiple Linear Regression), hay còn gọi là hồi quy tuyến tính bội, là một kỹ thuật thống kê sử dụng một số biến độc lập để dự đoán kết quả của một biến phụ thuộc, theo Adam Hayes (2023) Về bản chất nó không khác so với với hồi quy tuyến tính đơn giản, điểm khác biệt là hồi quy tuyến tính đa biến có từ 2 biến đầu vào trở lên
Công thức của hồi quy tuyến tính đa biến có dạng như sau:
● y: biến đầu ra mà chúng ta muốn dự đoán (biến phụ thuộc).
● 𝑥 1 , 𝑥 2 , 𝑥 𝑛 : biến đầu vào mà chúng ta biết (biến độc lập)
● 𝛽0: hệ số chặn (hằng số) tương tự như hồi quy tuyến tính đơn giản
● 𝛽 1 , 𝛽 2 , 𝛽 𝑛 : hệ số biểu diễn độ dốc cho mỗi biến độc lập
● 𝜀: sai số của mô hình (hay còn gọi là phần dư) là sự khác biệt giữa giá trị quan sát được và giá trị ước lượng của biến phụ thuộc, theo Adam Hayes (2021)
Adam Hayes (2023), mô hình hồi quy tuyến tính đa biến dựa trên các giả định:
● Có mối quan hệ tuyến tính giữa các biến phụ thuộc và các biến độc lập, hay nói cách khác các biến và các hệ số được biểu diễn dưới dạng đồ thị toán học
● Các biến độc lập không có mối tương quan quá cao với nhau Nếu các biến độc lập có mối tương quan cao với nhau, điều này có thể dẫn đến hiện tượng “đa cộng tuyến”
(multicollinearity), khiến cho việc xác định mối quan hệ giữa các biến độc lập và biến phụ thuộc trở nên khó khăn hoặc không chính xác
● Các biến phụ thuộc phải được lựa chọn ngẫu nhiên và độc lập từ tổng thể để đảm bảo tính đại diện cho tổng thể và giảm thiểu sai số trong việc dự đoán giá trị của biến phụ thuộc
● Phần dư phải được phân phối chuẩn với giá trị trung bình bằng 0 và phương sai σ
2.6.3 Sai số𝜖 của mô hình hồi quy
Sai số𝜖là khoảng chênh lệch giữa giá trị thực tế của biến phụ thuộc và giá trị ước lượng thông qua mô hình hồi quy.
● 𝜖: sai số của mô hình
● y: giá trị thực tế của biến phụ thuộc
● 𝑦̂ : giá trị ước lượng thông qua mô hình hồi quy
2.6.4 Phân tích hồi quy tuyến tính bội trên SPSS
● Hệ số xác định (coefficient of determination)
Hệ số xác định bao gồm 2 giá trị 𝑅 2 (R square) và 𝑅 2 hiệu chỉnh (Adjusted R Square), hai giá trị này dùng đo sự phù hợp của mô hình hồi quy (theo hotrospss).
𝑅 2 hay 𝑅 2 hiệu chỉnh đều có mức dao động trong đoạn từ 0 đến 1 Nếu 𝑅 2 càng tiến về 1, các biến độc lập giải thích càng nhiều cho biến phụ thuộc, và ngược lại, 𝑅 2 càng tiến về 0, các biến độc lập giải thích càng ít cho biến phụ thuộc (theo hocnghiencuu).
Lấy ví dụ giá trị 𝑅 2 là 0.60, thì mô hình hồi quy tuyến tính phù hợp với tập dữ liệu ở mức 60%, hay nói cách khác 60% sự biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập Và 40% còn lại do sai số đo lường, cách thu thập dữ liệu, còn tồn tại biến độc lập giải thích cho biến phụ thuộc mà chưa được đưa vào mô hình nghiên cứu, v.v Thông thường, giá trị 𝑅 2 phải đạt trên 50% trở lên thì mô hình mới đạt yêu cầu, tuỳ theo nghiên cứu khác nhau thì mức giá trị này có thể thấp hơn (nghiên cứu dự báo giá vàng, cổ phiếu, )
𝑅 2 luôn tăng khi có nhiều yếu tố dự đoán được thêm vào mô hình hồi quy tuyến tính đa biến, mặc dù các yếu tố dự đoán có thể không liên quan đến biến kết quả Do đó, bản thân R2 không thể được sử dụng để xác định yếu tố dự đoán nào nên được đưa vào mô hình và yếu tố dự đoán nào nên được loại trừ (Adam Hayes, 2023) Để khắc phục tình trạng mô hình bị thổi phồng do thêm các biến độc lập, các nhà nghiên cứu đã đề xuất sử dụng giá trị 𝑅 2 hiệu chỉnh để giải thích mức độ phù hợp của mô hình so với tập dữ liệu Chỉ số 𝑅 2 hiệu chỉnh không nhất thiết tăng lên khi nhiều biến độc lập được thêm vào hồi quy, do đó 𝑅 2 hiệu chỉnh phản ánh độ phù hợp của mô hình chính xác hơn hệ số 𝑅 2 (theo hocnghiencuu)
● Mức ý nghĩa thống kê sig (Significance Level) Để đánh giá xem mô hình có phù hợp với tập dữ liệu hay không, ta sẽ sử dụng phương pháp kiểm định giả thuyết Trong SPSS, phép kiểm định F được sử dụng để kiểm định giả thuyết này Và ta sẽ chọn giá trị sig = 5% (độ tin cậy 95%)
Chúng ta sẽ đặt ra giả thuyết và dựa vào giá trị sig trong bảng ANOVA để kiểm định giả thuyết này Giả thuyết của chúng ta là mô hình hoàn toàn không phù hợp với bộ dữ liệu và phép kiểm định F được sử dụng để kiểm định giả thuyết này
➢ sig < 0.05: Bác bỏ giả thuyết 𝐻 0 , đồng nghĩa 𝑅 2 ≠ 0, kết luận mô hình hồi quy là phù hợp
➢ sig > 0.05: Chấp nhận giả thuyết 𝐻0, đồng nghĩa 𝑅 2 = 0, kết luận mô hình hồi quy là không phù hợp
Trong SPSS, các số liệu của kiểm định F được lấy từ bảng phân tích phương sai ANOVA
Trong SPSS, đối với bảng ANOVA ta sẽ quan tâm ở giá trị 𝑅 2 hiệu chỉnh (Adjusted R Square) và giá trị Durbin-Watson
Thống kê Durbin-Watson (DW) là một thử nghiệm về sự tự tương quan trong phần dư từ mô hình thống kê hoặc phân tích hồi quy Thống kê Durbin-Watson sẽ luôn có giá trị nằm trong khoảng từ 0 đến 4 Giá trị 2,0 cho biết không phát hiện thấy hiện tượng tự tương quan trong mẫu Các giá trị từ 0 đến dưới 2 cho thấy tự tương quan dương và các giá trị từ 2 đến 4 nghĩa là tự tương quan âm Một nguyên tắc chung là các giá trị Durbin-Watson trong khoảng từ 1,5 đến 2,5 là tương đối bình thường, tuy nhiên, các giá trị nằm ngoài phạm vi này có thể dẫn đến hiện tượng tự tương quan, theo Will Kellton (cập nhật 2023).
Kết quả tự tương quan như là một dấu hiệu của một mô hình không chuẩn (Mamo Verbeek, 2004)
Trong SPSS, đối với bảng Coefficients ta sẽ quan tâm hệ số hồi quy đã chuẩn hoá (Standardized Coefficients Beta) và hệ số phóng đại phương sai (VIF - Variance Inflation Factor) Để đánh giá hệ số hồi quy của mỗi biến độc lập có ý nghĩa trong mô hình hay không ta dựa vào kiểm định t (student) với giả thuyết biến xi không tác động lên biến phụ thuộc Mô hình hồi quy có bao nhiêu biến độc lập, chúng ta sẽ đi kiểm tra bấy nhiêu giả thuyết H0
➢ sig < 0.05: Bác bỏ giả thuyết 𝐻 0 , đồng nghĩa 𝑥 𝑖 ≠ 0, biến 𝑥 𝑖 có tác động lên biến phụ thuộc
➢ sig > 0.05: Chấp nhận giả thuyết 𝐻 0 , đồng nghĩa 𝑥 𝑖 = 0, biến 𝑥 𝑖 không tác động lên biến phụ thuộc
MÔ TẢ BÀI TOÁN
Các biến độc lập tác động lên biến phụ thuộc của mô hình
Từ các giả thuyết nghiên cứu, nhóm xây dựng 5 biến độc lập (H1, H2, H3, H4, H5) và 1 biến phụ thuộc như sau:
● H1: Nhận thức sự hữu ích có mối tương quan đồng biến lên sự sẵn sàng sử dụng công nghệ VFR
● H2: Nhận thức dễ sử dụng có mối tương quan đồng biến lên sự sẵn sàng sử dụng công nghệ VFR
● H3: Rủi ro nhận thức có mối tương quan nghịch biến lên sự sẵn sàng sử dụng công nghệ VFR
● H4: Thái độ có mối tương quan đồng biến lên sự sẵn sàng sử dụng công nghệ VFR
● H5: Chuẩn mực chủ quan có mối tương quan đồng biên lên sự sẵn sàng sử dụng công nghệ VFR
● Biến phụ thuộc: Sự sẵn sàng sử dụng công nghệ thử đồ ảo VFR đối với sinh viên
Mô hình nghiên cứu
Mô hình nghiên cứu của nhóm nhằm thực hiện mục tiêu nghiên cứu “Tác động ảnh hưởng đến sự sẵn sàng sử dụng công nghệ thử đồ ảo VFR (Virtual Fitting Room) của sinh viên UEL”, thể hiện mối quan hệ giữa 5 nhân tố độc lập và 1 nhân tố phụ thuộc như sau:
Hình 10 Mô hình nghiên cứu
Phương pháp nghiên cứu
Thông tin, dữ liệu thu thập được từ khảo sát được dùng để đánh giá giá độ tin cậy và giá trị của thang đo, kiểm định thang đo, kiểm định sự phù hợp của mô hình Sau đó tiến hành mã hoá và nhập số liệu, số liệu được xử lý bằng phần mềm SPSS 26.0 Số liệu của nghiên cứu được phân tích thông qua các bước sau:
● Kiểm định độ tin cậy Cronbach’s Alpha
● Phân tích nhân tố khám phá EFA
● Phân tích tương quan tuyến tính Pearson
● Phân tích ANOVA, phương trình hồi quy tuyến tính
Kết quả nghiên cứu sẽ cho biết mức độ ảnh hưởng của các yếu tố tác động sự sẵn sàng sử dụng công nghệ thử đồ ảo VFR của sinh viên UEL, từ đó để nhóm đưa ra kết luận và những khuyến nghị phù hợp.
PHÂN TÍCH THỰC TRẠNG, THỰC NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ
Thu thập dữ liệu và thang đo
Đối tượng nghiên cứu là các sinh viên/cựu sinh viên thuộc Trường Đại học Kinh tế - Luật, ĐHQG-HCM (UEL) Vì đối tượng khảo sát không đồng nhất về độ tuổi, giới tính, thu nhập, nên nhóm lựa chọn phương pháp lấy mẫu thuận tiện Đây là phương pháp chọn mẫu phi xác suất, lấy mẫu dựa trên sự thuận lợi và có thể chọn các đối tượng có thể tiếp cận được.
Tiến hành khảo sát khoảng 250 người thông qua biểu mẫu trực tuyến Google Forms, với phần đầu là thông tin của người tham gia khảo sát, phần hai là các yếu tố tác động đến sự sẵn sàng sử dụng công nghệ VFR và phần cuối là lời cảm ơn Nghiên cứu sử dụng thang đo Likert 5 điểm (1 - Hoàn toàn không đồng ý, 5 - Hoàn toàn đồng ý), áp dụng cho 6 thang đo với 28 biến quan sát Nội dung cụ thể như sau:
STT Mã hoá Thang đo
Nhận thức sự hữu ích
1 HI1 Công nghệ phòng thử đồ ảo đã giúp bạn tiết kiệm thời gian khi mua sắm trực tuyến
2 HI2 Bạn tiết kiệm được chi phí cho việc thử đồ trực tiếp tại cửa hàng
3 HI3 Công nghệ thử đồ ảo giúp bạn biết có phù hợp với sản phẩm hay không
4 HI4 Công nghệ phòng thử đồ ảo giúp bạn trải nghiệm sản phẩm ở bất kì đâu
5 HI5 Hình ảnh thử đồ chân thật, sống động giúp tăng cường trải nghiệm.
Nhận thức dễ sử dụng
6 SD1 Bạn thấy công nghệ thử đồ ảo dễ dàng sử dụng
7 SD2 Phòng thử đồ ảo giúp bạn tìm kiếm và chọn sản phẩm dễ dàng hơn
8 SD3 Bạn có thể sử dụng công nghệ trên nhiều nền tảng như ứng dụng, website,
9 SD4 Một số sản phẩm sẽ tốn ít công sức thử hơn khi sử dụng công nghệ ảo
10 RR1 Bạn lo lắng về độ bảo mật thông tin cá nhân
11 RR2 Bạn lo lắng về sự chính xác của phòng thử đồ ảo.
12 RR3 Bạn lo lắng về sự chậm trễ trong việc đưa ra kết quả hiển thị.
13 RR4 Bạn lo lắng về sự phức tạp trong quá trình thao tác sử dụng
STT Mã hoá Thang đo
14 RR5 Bạn lo lắng về mức phí phải trả để được sử dụng
15 TĐ1 Bạn hứng thú với việc sử dụng công nghệ thử đồ ảo trước khi mua hàng
16 TĐ2 Bạn thấy công nghệ thử đồ ảo hiện đại và độc đáo
17 TĐ3 Bạn tự tin khi mua sản phẩm thời trang online nếu có công nghệ thử đồ ảo
18 TĐ4 Bạn kỳ vọng sản phẩm mua về sẽ giống lúc sử dụng công nghệ thử đồ ảo
19 TĐ5 Bạn nghĩ công nghệ thử đồ ảo sẽ làm tăng doanh thu bán hàng
20 CQ1 Bạn thấy công nghệ thử đồ ảo được nhiều người sử dụng.
21 CQ2 Bạn được người thân bạn bè giới thiệu công nghệ thử đồ ảo
22 CQ3 Bạn thấy công nghệ thử đồ ảo xuất hiện trên các nền tảng mạng xã hội
23 CQ4 Bạn thấy các bài báo, tạp chí nói về công nghệ thử đồ ảo
24 CQ5 Bạn thấy nhiều hãng thời trang nổi tiếng có sử dụng công nghệ thử đồ ảo
Sự sẵn sàng sử dụng
25 SS1 Bạn sẵn sàng trải nghiệm công nghệ thử đồ ảo
26 SS2 Bạn muốn trải nghiệm công nghệ thử đồ ảo cho các sản phẩm thời trang khác nhau
27 SS3 Bạn thấy công nghệ thử đồ ảo nên được áp dụng ở các cửa hàng trên sàn thương mại điện tử
28 SS4 Bạn sẵn sàng giới thiệu công nghệ cho người thân, bạn bè trải nghiệm
Bảng 5 Thang đo các nhóm nhân tố nghiên cứu.
Thống kê mô tả dữ liệu thu thập
Bằng phương pháp khảo sát trực tuyến qua form khảo sát được gửi trực tiếp qua email của sinh viên trường đại học UEL, form khảo sát thu được 252 câu trả lời từ sinh viên và có 248 câu trả lời hợp lệ (chiếm 98,41%) dùng làm dữ liệu cho nghiên cứu Vì vậy, nhóm chúng em đã tiến hành phân tích dữ liệu với 248 mẫu
Thông tin Chi tiết Số lượng Tỷ lệ (%) Đối tượng sinh viên
Nơi ở hiện tại TP Hồ Chí Minh 183 73,79
Khác (Bình Dương, Đồng Nai, ) 65 26,21
Thu nhập trung bình hằng tháng, tính cả trợ cấp từ gia đình
Mua hàng thời trang trên các sàn TMĐT Đã từng 248 100,00
Thời gian trung bình cho việc mua sắm thời trang
Thông tin Chi tiết Số lượng Tỷ lệ (%)
Các sản phẩm thời trang thường mua online
Khác (mỹ phẩm, sách, đồ gia dụng, ) 20/248 x
Mức độ nhận diện công nghệ VFR
Không biết đến 84 33,87 Đã từng nghe qua 161 64,92 Đã trải nghiệm 3 1,21
Bảng 6 Đặc điểm mẫu khảo sát
Dựa trên số liệu cung cấp, có một số yếu tố nhân khẩu học và hành vi mua sắm trực tuyến có thể tăng tính thuyết phục cho việc sử dụng công nghệ thử đồ ảo đối với đối tượng giới trẻ - những con người đam mê tìm kiếm những cái mới và sẵn sàng sử dụng những công nghệ mới, cụ thể ở đây là đối tượng sinh viên đại học Dưới đây phân tích các yếu tố cho thấy việc sử dụng công nghệ thử đồ ảo là hoàn toàn khả thi:
● Thời gian mua sắm trực tuyến: Hơn 75% sinh viên có thời gian mua sắm trực tuyến dưới 1,5 giờ, đặc biệt là trong khoảng thời gian này họ có thể trải nghiệm công nghệ thử đồ ảo mà không làm gián đoạn quá nhiều vào lịch trình của họ Công nghệ thử đồ ảo có thể giúp họ tiết kiệm thời gian và có trải nghiệm mua sắm hiệu quả
● Mức độ phổ biến của mua sắm trực tuyến: Tất cả sinh viên (100%) đã từng mua sắm thời trang trực tuyến, cho thấy mô hình này đã được chấp nhận rộng rãi Việc áp dụng công nghệ thử đồ ảo có thể tạo thêm giá trị và trải nghiệm tích cực trong quá trình mua sắm trực tuyến
● Sản phẩm thời trang được mua sắm trực tuyến: Quần áo, giày dép, và túi xách chiếm đa số lượng mua sắm trực tuyến đây đều là những loại sản phẩm cần có thời gian để thử và xem trực tiếp Công nghệ thử đồ ảo có thể tập trung vào các sản phẩm này để cung cấp trải nghiệm mua sắm chân thực hơn, giúp sinh viên đưa ra quyết định mua sắm đúng đắn
● Độ nhận diện công nghệ VFR: Hơn 64% sinh viên đã nghe qua về công nghệ thử đồ ảo, tạo nền tảng cho sự chấp nhận Có thể cần các chiến lược để tăng cường nhận thức và kiến thức sâu rộng hơn về công nghệ này để khuyến khích việc sử dụng thực tế
● Khía cạnh nhân khẩu học khác: Phân bố giới tính và nơi ở có thể cung cấp thông tin chi tiết về yếu tố văn hóa và cá nhân mà công ty có thể tận dụng để tùy chỉnh trải nghiệm thử đồ ảo Thu nhập trung bình hằng tháng có thể ảnh hưởng đến sự chuộng và sẵn sàng sử dụng công nghệ thử đồ ảo, có thể yêu cầu chiến lược giá cả và quảng cáo phù hợp.
Kết quả kiểm định độ tin cậy của thang đo với hệ số Cronbach’s Alpha
Theo mô hình nghiên cứu, có 6 nhân tố gồm 5 nhân tố biến độc lập và 1 nhân tố biến phụ thuộc thể hiện sự ảnh hưởng của các yếu tố đến sự sẵn sàng sử dụng công nghệ thử đồ ảo (Virtual Fitting Room) của sinh viên UEL Sau đây là kiểm định độ tin cậy của những nhân tố này bằng cách phân tích Cronbach’s Alpha
Kết quả ở bảng cho thấy các thang đo đều có hệ số tin cậy Cronbach’s Alpha lớn hơn 0,6
Hệ số tương quan biến tổng của các biến quan sát đều lớn hơn 0,3 Vì vậy, tất cả 24 biến quan sát thuộc thang đo thành phần và 4 biến quan sát thuộc thang đo Sẵn sàng sử dụng đều đạt độ tin cậy.
Thang đo thành phần Số biến quan sát ban đầu Hệ số Cronbach’s
Hệ số tương quan biến tổng
Sự dễ dàng sử dụng 4 0.764 ≥ 0.506
Bảng 7 Kết quả phân tích Cronbach’s Alpha
Kết quả phân tích nhân tố EFA
4.4.1 Phân tích nhân tố EFA cho biến độc lập
Trong nghiên cứu này, tác giả nghiên cứu giả thuyết ban đầu có 5 nhân tố độc lập tác động đến Sự sẵn sàng sử dụng công nghệ thử đồ ảo VFR của sinh viên trường Đại học Kinh tế - Luật Để phân tích EFA cho thang đo này, tiến hành xem xét nhân tố trích cho 6 nhân tố:
Sự hữu ích (HI1, HI2, HI3,HI4), Sự dễ dàng sử dụng (SD1, SD2, SD3, SD4), Rủi ro nhận thức (RR1, RR2, RR3, RR4, RR5), Thái độ (TĐ1, TĐ2, TĐ3, TĐ4, TĐ5 ), Chuẩn mực chủ quan (CQ1, CQ2, CQ3, CQ4, CQ5)
Eigenvalues = 1.121 Tổng phương sai trích = 61.289
Bảng 8 Tóm tắt kết quả phân tích nhân tố khám phá EFA
Kết quá phân tích EFA cho các biến độc lập của ma trận xoay nhân tố (Rotated
Component Matrix a ) cho thấy, hệ số tải nhân tố của các biến quan sát thỏa điều kiện khi phân tích nhân tố, hệ số tải nhân tố của các biến quan sát ≥ 0,5 Và các nhân tố con hội tụ thành 5 nhân tố chính, các nhân tố này đảm bảo yêu cầu khi phân tích hồi quy tuyến tính Tuy nhiên loại biến TĐ5 do biến này có hệ số tải nhỏ hơn 0,5 Đồng thời kiểm định Bartlett cho thấy giữa các biến trong tổng thể có mối tương quan với nhau (mức ý nghĩa sig = 0,000 < 0,05) với hệ số KMO = 0,872 (0,5 < KMO < 1) Tổng phương sai trích là 61,289 có nghĩa là giải thích được 61,289% sự biến thiên của dữ liệu
4.4.2 Phân tích nhân tố EFA cho biến phụ thuộc
Bảng 9 Tóm tắt kết quả phân tích EFA cho các biến phụ thuộc
Kết quá phân tích EFA cho các biến phụ thuộc của ma trận xoay nhân tố (Rotated Component Matrix) cho thấy, hệ số tải nhân tố của các biến quan sát thỏa điều kiện khi phân tích nhân tố, hệ số tải nhân tố của các biến quan sát ≥ 0,5 Đồng thời kiểm định Bartlett cho thấy giữa các biến trong tổng thể có mối tương quan với nhau (mức ý nghĩa sig = 0,000 <
0,05) với hệ số KMO = 0,665 (0,5 < KMO < 1) Tổng phương sai trích là 55,468% có nghĩa là giải thích được 55,468 sự biến thiên của dữ liệu.
Kết quả phân tích tương quan Pearson
SS HI SD RR TĐ CQ
Bảng 10 Kiểm định tương quan của mô hình
Từ kết quả Pearson cho thấy các biến độc lập HI, SD, TĐ, CQ có mối tương quan thuận chiều với biến phụ thuộc SS vì các hệ số tương quan (Pearson Correlation) của các biến độc lập và biến phụ thuộc đều dương Hệ số Sig của các biến độc lập đều có giá trị < 0,05 do đó chúng cho thấy chúng có ý nghĩa về mặt thống kê Tuy nhiên, ta có thể thấy biến độc lập RR có hệ số Sig > 0.05, do đó ta loại biến này vì không có tương quan tuyến tính và không có ý nghĩa thống kê.
Kết quả phân tích hồi quy tuyến tính đa bội
Mô hình Tổng độ lệch bình phương Df (bậc tự do) Độ lệch bình phương bình quân Hệ số F Sig
Total 92.436 247 a Nhân tố phụ thuộc: SS b Nhân tố dự đoán: (Không đổi), CQ, HI, TĐ, SD
Bảng 11 Kết quả kiểm định ANOVA
Từ bảng kết quả phân tích ANOVA cho thấy, với độ tin cậy 95% (Sig = 0,000 < 0,05) thì mô hình lý thuyết phù hợp với dữ liệu thực tế nghiên cứu, các biến độc lập trong mô hình tương quan với biến phụ thuộc
Mô hình Hệ số chưa chuẩn hóa
Hệ số đã chuẩn hóa t Sig Thống kê đa cộng tuyến
B Độ lệch chuẩn Beta Độ chấp nhận của biến VIF
Bảng 12 Kết quả phân tích mô hình hồi quy
Dựa vào bảng kết quả phân tích bảng trên cho thấy, kết quả hồi quy có 5 nhân tố độc lập đạt mức ý nghĩa Sig < 0,05 bao gồm HI (