các nhân tố tác động đến ý định tiếp tục sử dụng ứng dụng đặt phòng trực tuyến của khách hàng tại việt nam

TÓM TẮTMô hình chấp nhận và sử dụng công nghệ mở rộng UTAUT2 được ứng dụng vào nghiên cứu nhằm xác định các nhân tố tác động đến ý định tiếp tục sử dụng ứng dụng đặt phòng trực tuyến của

GIỚI THIỆU NGHIÊN CỨU

Tính cấp thiết của đề tài nghiên cứu

Ngày nay, với sự phát triển của công nghệ thông tin, đặt phòng trực tuyến qua website hay các ứng dụng đang trở thành lựa chọn phổ biến của khách hàng nhờ vào nhiều lợi ích vượt trội (Anh, 2019) Chỉ cần sở hữu một thiết bị có kết nối Internet, bất cứ thời điểm nào và bất cứ đâu, khách hàng có thể có nhiều lựa chọn về nơi lưu trú phù hợp với sở thích, nhu cầu và ngân sách cá nhân

Trong báo cáo về kinh tế khu vực Đông Nam Á, cho đến năm 2025 thị trường du lịch trực tuyến dự kiến sẽ đạt mức 89,6 tỷ USD, tăng gấp 4 lần so với năm 2015 (Tú, 2017) Trong đó, thị trường du lịch trực tuyến tại Việt Nam được dự báo đạt khoảng 9 tỷ USD vào năm 2025, vượt xa con số 2,2 tỷ USD vào năm 2015 Đồng thời, năm 2017 nhu cầu của người Việt về tìm kiếm thông tin du lịch trên mạng cũng đang tăng lên với hơn 5 triệu lượt tìm kiếm trung bình mỗi tháng, gấp 32 lần so với 5 năm trước đó Đặt phòng trực tuyến tại Việt Nam hiện đang chiếm tỷ lệ 30-40% tổng giao dịch của các khách sạn và tiếp tục có xu hướng tăng (Tú, 2017) Bên cạnh đó, ngày nay người Việt có nhu cầu đi du lịch ngày càng tăng cao Số lượt khách du lịch nội địa đã phản ánh xu hướng này, với 101,3 triệu lượt khách du lịch năm 2022 và năm 2023 tăng lên 108 triệu lượt (Anh, 2023) Cả hai con số này đều vượt qua mục tiêu đã được đặt ra ban đầu Tất cả những dữ liệu này cho thấy, tiềm năng tăng trưởng đáng kể trong lĩnh vực du lịch trực tuyến của VN trong tương lai

Hiện nay, người dùng ở Việt Nam có xu hướng ưa thích sử dụng ứng dụng du lịch hơn là các trang web Theo Vỹ (2019) cho biết Traveloka - một công ty du lịch trực tuyến có trụ sở tại Indonesia, cho biết rằng vào năm 2018, có tới 44 triệu người Việt Nam đã truy cập vào ứng dụng của họ Trong số đó, có 85% người dùng sử dụng các thiết bị di động, với hơn 3,7 triệu lượt truy cập hàng tháng Theo Vietiso.com (2018), một cuộc khảo sát đã tiết lộ rằng 82% người tham gia cho biết họ ưa thích sử dụng các ứng dụng du lịch hơn là trang web, nhờ các ưu điểm như tốc độ tải nhanh, cung cấp nhiều tính năng bổ sung và mang lại trải nghiệm người dùng tổng thể tốt hơn

Mặc dù việc đặt phòng trực tuyến qua các ứng dụng ngày càng trở nên thịnh hành tại VN, nhưng đến 80% thị phần du lịch trực tuyến ở đây vẫn đang nằm trong tay các OTA đến từ quốc gia khác (Ân, 2022) Người Việt thường lựa chọn sử dụng các ứng dụng đặt phòng phổ biến như Agoda, Booking, Traveloka, hay Expedia…

Trong khi đó, chỉ có khoảng 20% thị phần thuộc về các OTA của VN như Vinabooking, Chudu24, Ivivu, VNTrip, Mytour Những công ty này chủ yếu tập trung vào khai thác khách hàng trong nước với số lượng giao dịch hạn chế (Ân, 2022)

Thêm vào đó, phần lớn các ứng dụng du lịch thuần Việt vẫn còn gặp nhiều vấn đề như về giao diện, về thanh toán trực tuyến, về tốc độ truy cập,…Theo Anh (2019) Ông Vũ Thế Bình, Phó chủ tịch Hiệp hội du lịch Việt Nam cho biết: “Du lịch Việt Nam đang đi sau quá nhiều trong lĩnh vực thương mại điện tử” Về lĩnh vực này Việt Nam vẫn nằm trong giai đoạn khởi động khi vẫn còn yếu thế về vốn và công nghệ so với các đối thủ nước ngoài

Trong tình hình cạnh tranh gay gắt với các doanh nghiệp nước ngoài, để mở rộng thị phần và tăng khả năng cạnh tranh, các đại lý du lịch trực tuyến (OTA) ở VN cần tập trung vào việc tối ưu ứng dụng, mang lại sự hài lòng cho khách hàng Từ đó góp phần thúc đẩy lòng trung thành của họ đối với sản phẩm và dịch vụ của công ty Để đạt được điều này, các công ty cần nắm được thị hiếu của khách hàng và các yếu tố mà họ cho là quan trọng trong việc đưa ra ý định tiếp tục đặt phòng qua một ứng dụng trong tương lai Tuy nhiên, theo khảo cứu của tác giả thì cho đến nay tại Việt Nam chưa có nghiên cứu nào tập trung nghiên cứu về vấn đề này Do đó, việc thực hiện một nghiên cứu để hiểu rõ hơn về sự ảnh hưởng của các yếu tố đến ý định tiếp tục đặt phòng trực tuyến của khách du lịch Việt Nam thông qua ứng dụng của các OTA sẽ mang ý nghĩa thực tiễn quan trọng đối với các đại lý du lịch trực tuyến tại Việt Nam, giúp tăng cường hiệu quả kinh doanh của họ

Căn cứ vào những lí do đã được nêu trên, tác giả quyết định lựa chọn nghiên cứu đề tài về “Các nhân tố tác động đến ý định tiếp tục sử dụng ứng dụng đặt phòng trực tuyến của khách hàng tại Việt Nam” Bài nghiên cứu áp dụng mô hình

UTAUT2 để làm rõ hơn về sự tác động của các nhân tố đối với việc khách hàng tái đặt phòng qua ứng dụng của OTA Dựa vào đó, tác giả sẽ đề xuất ra một số hàm ý quản trị cho OTA tại VN trong việc tối ưu hóa ứng dụng và nâng cao trải nghiệm người dùng Giúp duy trì và phát triển cơ sở khách hàng hiện tại, đồng thời tăng khả năng cạnh tranh so với các đối thủ quốc tế.

Mục tiêu nghiên cứu

Mục tiêu tổng quát là xác định các nhân tố và đo lường mức độ tác động của chúng đến ý định tiếp tục đặt phòng qua ứng dụng của các đại lý du lịch trực tuyến tại Việt Nam Từ đó, đưa ra một số hàm ý quản trị nhằm hỗ trợ các đại lý du lịch trực tuyến tại VN đưa ra các kế hoạch phù hợp và hiệu quả, khuyến khích khách hàng tiếp tục sử dụng ứng dụng của doanh nghiệp

- Xác định các nhân tố tác động đến ý định tiếp tục sử dụng ứng dụng đặt phòng trực tuyến của các đại lý du lịch trực tuyến

- Đo lường mức độ tác động của các nhân tố đến ý định tiếp tục sử dụng ứng dụng đặt phòng trực tuyến của các đại lý du lịch trực tuyến

- Đưa ra các hàm ý quản trị giúp các đại lý du lịch trực tuyến tại Việt Nam có phương án phù hợp nhằm cải thiện hiệu quả kinh doanh qua ứng dụng.

Câu hỏi nghiên cứu

- Có những nhân tố nào tác động đến ý định tiếp tục sử dụng ứng dụng đặt phòng trực tuyến của các đại lý du lịch trực tuyến?

- Các nhân tố có mức độ ảnh hưởng như thế nào đến ý định tiếp tục sử dụng ứng dụng đặt phòng trực tuyến của các đại lý du lịch trực tuyến?

- Có những hàm ý quản trị nào được đề ra để giúp các đại lý du lịch trực tuyến tại Việt Nam tăng cường hiệu quả kinh doanh qua ƯDĐP?

Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu: Các nhân tố tác động đến ý định tiếp tục sử dụng ƯDĐP của đại lý du lịch trực tuyến Đối tượng khảo sát: Khách hàng đã từng đặt phòng qua các ứng dụng của các đại lý du lịch trực tuyến

Phạm vi không gian: Nghiên cứu thực hiện tại Thành phố Hồ Chí Minh Phạm vi thời gian nghiên cứu: Tác giả thực hiện bài luận văn trong khoảng thời gian 12/2023 - 04/2024 và bắt đầu thu thập số liệu khảo sát từ giữa tháng 03/2024.

Phương pháp nghiên cứu

- Thứ nhất, về phương pháp luận: Nghiên cứu sử dụng hai phương pháp (định tính và định lượng).

Với phương pháp định tính: Ban đầu, tác giả khảo cứu các cơ sở lý thuyết và các bài nghiên cứu liên quan đến đề tài trong và ngoài nước Từ đó, tác giả xây dựng thang đo ban đầu Tiếp theo, để giúp thang đo hoàn thiện hơn, tác giả tiến hành thảo luận với một vài chuyên gia nhằm thu thập ý kiến, sau đó hiệu chỉnh thang đo Đồng thời, tiến hành xây dựng bảng khảo sát để dùng trong phân tích định lượng

Với phương pháp định lượng: Phiếu khảo sát được gửi đi qua các trang mạng xã hội như Facebook, Zalo,…Dữ liệu được thu về dưới dạng số học, được tác giả làm sạch và mã hoá, sau đó đưa vào xử lý bởi phần mềm

- Thứ hai, về cách thu thập dữ liệu: Tác giả khai thác dữ liệu thông qua hai nguồn:

Nguồn dữ liệu sơ cấp: Được thu thập thông qua kết quả từ bảng khảo sát ý kiến của khách hàng về việc đưa ra YDTT đặt phòng qua ứng dụng

Nguồn dữ liệu thứ cấp: Được thu thập thông qua các tài liệu chuyên ngành trong nước và nước ngoài Được đăng tải trên các tạp chí khoa học, bài báo, luận văn và các nguồn thông tin chất lượng khác trên mạng

- Thứ ba, về cách xử lý dữ liệu:

Dữ liệu sau khi được tác giả tổng hợp về file excel, sẽ được làm sạch và mã hoá trước khi đưa vào xử lý bởi SPSS 25 và SmartPLS 3.0

Với SPSS 25 sẽ hỗ trợ trong việc phân tích thống kê mô tả về mẫu dữ liệu

Còn đối với SmartPLS 3.0 sẽ phục vụ cho việc kiểm định mô hình đo lường và mô hình cấu trúc bình phương nhỏ nhất từng phần (PLS – SEM).

Ý nghĩa nghiên cứu

Dựa vào kết quả nghiên cứu, tác giả sẽ đề xuất một số hàm ý quản trị cụ thể

Nhằm cung cấp thêm cho các OTA tại VN một số thông tin hữu ích để cải thiện ứng dụng và hiệu quả kinh doanh Cụ thể, giúp các doanh nghiệp xác định được các nhân tố nào được xem là quan trọng trong việc thúc đẩy khách hàng tiếp tục tin dùng ứng dụng của doanh nghiệp Từ đó, doanh nghiệp chú trọng hơn và cải thiện nhằm đáp ứng nhu cầu của người dùng Ngoài ra, những đề xuất này cũng có thể giúp ƯDĐP tại Việt Nam tăng cường lợi thế cạnh tranh so với các ƯDĐP từ quốc tế

Thêm vào đó, bài nghiên cứu này có thể là cơ sở tham khảo cho các nghiên cứu liên quan trong tương lai Đặc biệt là trong việc nghiên cứu chi tiết hơn về ý định của khách hàng trong việc sử dụng ƯDĐP.

Bố cục của đề tài

tác giả trình bày như: Tính cấp thiết, mục tiêu, đối tượng và phạm vi nghiên cứu, câu hỏi nghiên cứu, phương pháp và ý nghĩa của nghiên cứu.

CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU

Cơ sở lý thuyết

2.1.1 Khái niệm về ứng dụng đặt phòng trực tuyến

Theo Tan et al (2017): “Ứng dụng du lịch được định nghĩa là các ứng dụng được người dùng tải xuống và cài đặt trên thiết bị của họ như điện thoại, ipad, laptop,… phục vụ cho mục đích tìm kiếm thông tin liên quan đến du lịch Những ứng dụng du lịch này được thiết lập với đa dạng các chức năng đáp ứng nhu cầu của người dùng, bao gồm từ việc tìm kiếm thông tin khách sạn, cung cấp các điểm tham quan, phương tiện di chuyển, lựa chọn nhà hàng cho đến giao dịch online đều được tích hợp trong 1 ứng dụng” Theo Wu Wang (2005); Xu et al (2019) cho rằng với nhiều lợi ích như sự tiện lợi, tiết kiệm về chi phí và thời gian, ứng dụng du lịch là lựa chọn hoàn hảo hơn cho người dùng so với các kênh truyền thống khác

Theo Kendra (n.d.) cho rằng: “Ứng dụng đặt phòng trực tuyến cho phép người dùng có thể có nhiều lựa chọn hơn trong việc tìm kiếm chỗ ở Chẳng hạn như đa dạng về các loại hình chỗ ở (homestay, khách sạn, nhà nghỉ, villa,…) hay đa dạng về từng mức giá,…Bên cạnh đó, các ứng dụng này cung cấp một giao diện thuận tiện và trực quan giúp người dùng dễ dàng tìm kiếm thông tin chi tiết về các lựa chọn chỗ ở, kiểm tra sẵn có và giá cả, đặt phòng theo yêu cầu và thậm chí thanh toán trực tuyến”

2.1.2 Khái niệm về đại lý du lịch trực tuyến

Theo Pan et al (2013) định nghĩa rằng, đại lý du lịch trực tuyến (OTA - Online Travel Agency) là một doanh nghiệp hoạt động như một trung gian giữa các nhà cung cấp dịch vụ du lịch như hãng hàng không, khách sạn, công ty lữ hành và khách hàng

Chức năng chính của OTA là cung cấp một nền tảng (website, ứng dụng) cho người dùng để tìm kiếm và đặt các dịch vụ du lịch trực tuyến như vé máy bay, chỗ ở, thuê ô tô, tour du lịch,…

2.1.3 Khái niệm về ý định tiếp tục sử dụng (YDTT)

Theo Lacey, Suh and Morgan (2007): “Ý định tiếp tục sử dụng được định nghĩa là sự dự tính của một người về việc tiếp tục sử dụng lại một dịch vụ của một công ty” Còn theo Ranaweera and Prabhu (2003): “Ý định tiếp tục sử dụng diễn tả việc khách hàng sẽ tiếp tục lựa chọn và tin dùng sản phẩm/dịch vụ của một nhà cung cấp trong tương lai” Theo Cronin Jr, Brady, and Hult (2000) để đạt được sự phát triển bền vững trong tương lai, doanh nghiệp cần tập trung vào việc làm thế nào để xây dựng tệp khách hàng trung thành

Việc tạo dựng mối quan hệ bền vững với khách hàng hiện tại mang lại nhiều lợi ích cho công ty về cả mặt doanh thu và chi phí Theo Asplund and Fleming (2007) và Rosenberg and Czepiel (1984): “Khi một khách hàng gắn bó với sản phẩm/dịch vụ của một công ty, công ty đó sẽ có được doanh thu cao hơn 1,7 lần và tiết kiệm chi phí gấp 6 lần so với việc thu hút khách hàng mới” Vì vậy, hiện nay, ngoài việc tiếp cận khách hàng tiềm năng, các công ty đều chú trọng vào việc chăm sóc khách hàng

Mục tiêu là đảm bảo sau khi khách hàng sử dụng sản phẩm của công ty, họ cảm thấy hài lòng và có ý định mua lại trong tương lai (Desouza, 1992)

Theo Parasuraman et al (2005) khi khách hàng xem xét việc tiếp tục sử dụng một ƯDĐP trong tương lai, họ sẽ xem xét một số yếu tố như chất lượng thông tin, mức độ bảo mật, trải nghiệm thân thiện của ứng dụng và yếu tố giải trí

2.1.4 Khái niệm về sự hài lòng (HL)

Theo Mcquitty et al (2000): “Sự hài lòng của khách hàng là mục tiêu chính mà mọi doanh nghiệp đều quan tâm Nó là chỉ sổ thể hiện một dự đoán tích cực về hành vi mua sắm của khách hàng”

Sự hài lòng được định nghĩa theo nhiều cách khác nhau Theo Oliver (1999):

“Sự hài lòng là trạng thái thoả mãn mà khách hàng trải qua sau quá trình mua sắm”

Nó phát sinh khi khách hàng so sánh kết quả thực tế từ sản phẩm với những mong muốn ban đầu của họ (Kotler and Armstrong, 2004) Kotler (2000) đã nhận định rằng:

“Sự hài lòng được cho là cảm nhận của khách hàng về sản phẩm hoặc dịch vụ, trong đó nó đáp ứng hoặc vượt qua những kỳ vọng của họ trong quá trình sử dụng Theo đó, có 3 mức độ của sự hài lòng: (1) Họ không hài lòng khi kết quả nhận được thấp hơn kỳ vọng; (2) Họ hài lòng khi kết quả nhận được đáp ứng được kỳ vọng; (3) Họ cảm thấy rất hài lòng và thậm chí thích thú khi kết quả nhận được vượt ngoài kỳ vọng”

Một số nghiên cứu trước đây đã khám phá ra rằng sự hài lòng bị ảnh hưởng đáng kể bởi chất lượng và giá trị của dịch vụ mang lại Ngoài ra, theo (Bigné et al., 2001; Chen, 2008; Chen and Tsai, 2007; Choi and Chu, 2001) sự hài lòng có tác động tích cực đến lòng trung thành và hành vi tiếp theo của họ Thêm vào đó, đó cũng là yếu tố thúc đẩy ý định mua lại của khách hàng trong tương lai (Reichheld and Teal, 1996).

Mô hình lý thuyết chấp nhận và sử dụng công nghệ mở rộng (UTAUT2)

Mô hình UTAUT2 (Unified Theory of Acceptance and Use of Technology 2) là mô hình được xây dựng để dự đoán về hành vi chấp nhận và sử dụng công nghệ của người dùng Mô hình UTAUT2 ra đời vào năm 2012 được phát triển bởi Venkatesh et al., đây là mô hình nâng cấp từ mô hình UTAUT Mô hình UTAUT bao gồm bốn yếu tố: Kỳ vọng hiệu quả (KVHQ), Kỳ vọng nỗ lực (KVNL), Ảnh hưởng xã hội (AHXH) và Điều kiện thuận lợi (ĐKTL) Khi mô hình UTAUT2 ra đời bổ sung thêm ba yếu tố vào mô hình UTAUT bao gồm: Động lực thụ hưởng (ĐLTH), Giá trị giá cả (GTGC) và Thói quen (TQ) Hiện nay, tuỳ vào đặc điểm văn hoá và mức độ phát triển công nghệ ở từng khu vực nghiên cứu mà nhiều nhà nghiên cứu có thể linh hoạt thêm bớt một số biến trong mô hình

Tổng hợp các nghiên cứu trước có liên quan

2.3.1 Các nghiên cứu liên quan nước ngoài

 Nghiên cứu của Indrawati Indrawati (2019) – “The Used of Modified UTAUT2 Model to Analyze The Continuance Intention of Travel Mobile Application”

Tác giả thực hiện bài nghiên cứu nhằm phân tích các yếu tố ảnh hưởng đến YDTT sử dụng ứng dụng du lịch Bài nghiên cứu áp dụng mô hình UTAUT2 với sự kết hợp với một biến mới là chất lượng hệ thống Kết quả phân tích với số lượng mẫu là 409, cho thấy có 4 yếu tố tác động đến việc khách hàng lựa chọn sử dụng lại ứng dụng du lịch được xếp theo mức độ giảm dần là động lực thụ hưởng, chất lượng hệ thống, thói quen và kì vọng hiệu quả

 Nghiên cứu của Carlos Tam, Diogo Santos, and Tiago Oliveira (2020) –

“Exploring the Influential Factors of Continuance Intention to use Mobile Apps:

Extending the Expectation Confirmation Model”

Bài nghiên cứu nhằm mục đích khám phá các nhân tố tác động đến YDTT sử dụng ứng dụng di động, với sự áp dụng 2 mô hình lý thuyết là: Mô hình ECM và Mô hình UTAUT2 Kết quả nghiên cứu từ 304 phiếu khảo sát hợp lệ cho thấy sự hài lòng, thói quen, kỳ vọng hiệu quả và kỳ vọng nỗ lực tác động đến YDTT sử dụng ứng dụng

Bên cạnh đó, có 2 yếu tố là sự xác nhận và kỳ vọng hiệu quả có tác động tích cực đến sự hài lòng Trong khi đó, các yếu tố như điều kiện thuận lợi, động lực thụ hưởng, giá trị giá cả, ảnh hưởng xã hội không có tác động đáng kể đến YDTT sử dụng

 Nghiên cứu của Xin Jean Lim, Eugene Cheng-Xi Aw, Kenny Guan-Cheng Teoh (2018) – “Factors Influencing Repurchase Intention in Online Shopping Context: The Mediating Role of Satisfaction”

Bài nghiên cứu nhằm khám phá các yếu tố tác động ý định mua lại trong bối cảnh mua sắm trực tuyến thông qua biến trung gian sự hài lòng Bài nghiên cứu kết hợp 2 yếu tố của mô hình UTAUT2 (kỳ vọng hiệu quả, kỳ vọng nỗ lực) cùng 2 yếu tố (năng lực bản thân, niềm tin) Kết quả phân tích từ 211 mẫu cho thấy cả 4 biến sự hiệu quả, niềm tin, kỳ vọng hiệu quả và kỳ vọng nỗ lực đều có tác động tích cực đến sự hài lòng Đồng thời có 3 biến có ảnh hưởng đáng kể đến ý định mua lại bao gồm sự hài lòng, sự hiệu quả, niềm tin Trong khi đó, 2 biến kỳ vọng nỗ lực và kỳ vọng hiệu quả không tác động đến ý định mua lại

2.3.2 Các nghiên cứu liên quan trong nước

 Nghiên cứu của Nguyễn Thị Khánh Hà (2022) – “Các yếu tố ảnh hưởng đến sự hài lòng về ứng dụng đặt chỗ ở: Trường hợp tại Đà Nẵng, Việt Nam”

Tác giả thực hiện bài nghiên cứu nhằm kiểm định sự hài lòng điện tử và hành vi sử dụng ứng dụng đặt chỗ ở của cư dân Đà Nẵng Bài nghiên cứu kết hợp mô hình UTAUT2 và mô hình e-WOM Kết quả phân tích từ 160 mẫu đã chỉ ra rằng các yếu tố ảnh hưởng đến sự hài lòng bao gồm: Kỳ vọng hiệu quả, động lực thụ hưởng, đánh giá trực tuyến, bình chọn trực tuyến Trong đó, các yếu tố ảnh hưởng đến hành vi sử dụng bao gồm điều kiện thuận lợi, thói quen, sự hài lòng điện tử

 Nghiên cứu của Nguyễn Quyết Thắng và Phạm Phương Thảo (2022) – “Các yếu tố ảnh hưởng đến sự hài lòng và ý định tiếp tục đặt phòng qua Website đại lý du lịch trực tuyến: Trường hợp nghiên cứu khách hàng là nhân viên văn phòng tại Thành phố Hồ Chí Minh”

Nhóm tác giả thực hiện bài nghiên cứu nhằm khám phá các yếu tố ảnh hưởng đến sự hài lòng và ý định tỉếp tục đặt phòng qua Website của các OTA Kết quả phân tích từ 296 mẫu chỉ ra rằng có 3 yếu tố ảnh hưởng trực tiếp đến ý định tiếp tục đặt phòng được xếp theo thứ tự giảm dần là sự hài lòng, niềm tin và giá cả Bên cạnh đó, có 5 yếu tố tác động đến sự hài lòng bao gồm chất lượng thông tin, tính bảo mật, chất lượng dịch vụ, thiết kế giao diện website, giá cả

 Nghiên cứu của Lâm Ngọc Thuỳ, Tô Anh Thơ, Trần Thị Siêm, Nguyễn Tuấn Đạt (2021) – “Sự hài lòng và ý định tiếp tục sử dụng ứng dụng đặt đồ ăn trên di động ở Thành phố Hồ Chí Minh”

Nhóm tác giả thực hiện nghiên cứu này nhằm xác định và kiểm tra thực nghiệm các yếu tố chính tác động đến mức độ hài lòng của khách hàng điện tử và ý định sử dụng lại các ứng dụng đặt đồ ăn tại khu vực Thành phố Hồ Chí Minh Kết quả phân tích dựa trên 352 mẫu nghiên cứu chỉ ra rằng ý định tiếp tục sử dụng ứng dụng đặt đồ ăn được thúc đẩy bởi hai yếu tố sự hài lòng điện tử và thói quen sử dụng; Trong khi sự hài lòng điện tử bị ảnh hưởng bởi tính hữu ích, tính giải trí, kỳ vọng nỗ lực và đánh giá trực tuyến.

THIẾT KẾ NGHIÊN CỨU

Quy trình nghiên cứu

 Xác định vấn đề nghiên cứu

 Mục tiêu và câu hỏi nghiên cứu

 Lược khảo các nghiên cứu liên quan Đề xuất mô hình nghiên cứu Thang đo sơ bộ

Thảo luận với chuyên gia Hiệu chỉnh lại thang đo

Xây dựng bảng câu hỏi

 Mẫu nghiên cứu chính thức (n = 268)

 Làm sạch và mã hoá dữ liệu

 Phân tích dữ liệu bằng phần mềm SPSS:

 Phân tích dữ liệu bằng Smart PLS 3

- Đánh giá mô hình đo lường - Đánh giá mô hình cấu trúc

 Đề xuất hàm ý quản trị

 Hạn chế và hướng nghiên cứu tiếp theo

Sơ đồ 3.1: Quy trình nghiên cứu

(Nguồn: Tác giả tự tổng hợp)

Phương pháp nghiên cứu

3.2.1 Phương pháp nghiên cứu định tính

Sau khi lược khảo các nghiên cứu liên quan trong và ngoài nước cùng các cơ sở lý thuyết, tác giả đã xây dựng một bảng thang đo ban đầu Tiếp theo, tác giả đã liên hệ và thảo luận với một số người có chuyên môn trong lĩnh vực để tham khảo ý kiến Kết quả của cuộc thảo luận đã được tổng hợp lại, ghi nhận những góp ý và điều chỉnh bảng câu hỏi để đáp ứng mục tiêu nghiên cứu một cách tốt nhất Thảo luận bao gồm 2 phần chủ yếu:

Trong phần đầu tiên, thảo luận tập trung vào các nhân tố được cho là có ảnh hưởng đến ý định tiếp tục đặt phòng qua ứng dụng của khách hàng tại Việt Nam

Trong phần còn lại, các chuyên gia sẽ đưa ra đánh giá về các biến quan sát cho từng yếu tố

Qua buổi thảo luận, tác giả thống nhất mô hình các biến bao gồm: Kỳ vọng hiệu quả, kỳ vọng nỗ lực, ảnh hưởng xã hội, giá trị giá cả, điều kiện thuận lợi, động lực thụ hưởng, sự hài lòng và ý định tiếp tục với tổng cộng 32 biến quan sát

3.2.2 Phương pháp nghiên cứu định lượng

Tác giả thực hiện khảo sát theo hình thức online qua Google Form Bảng câu hỏi sẽ được chuyển đến đối tượng khảo sát thông qua một liên kết được chia sẻ trên các nền tảng mạng xã hội như Facebook, Zalo, Tác giả xây dựng bảng câu hỏi theo thang đo Likert 5, trong đó bao gồm các mức đánh giá từ 1 đến 5 theo thứ tự lần lượt là: Hoàn toàn không đồng ý, Không đồng ý, Bình thường, Đồng ý và Hoàn toàn đồng ý

Khảo sát hướng đến các đối tượng đã từng đặt phòng qua ứng dụng của OTA tại VN Khi kết thúc quá trình khảo sát, thu được tổng số phiếu trả lời là 287 Sau đó, tác giả loại bỏ những câu trả lời không hợp lệ và cuối cùng thu được 268 phiếu chính thức Dữ liệu từ 268 phiếu trả lời của đáp viên sau đó được mã hoá và đưa vào phân tích thống kê mô tả bằng phần mềm SPSS 25 Tiếp theo, dữ liệu được đưa vào để đánh giá mô hình đo lường và mô hình cấu trúc bằng SmartPLS 3.0.

Diễn đạt và mã hoá thang đo

Qua quá trình tham khảo và kế thừa có chọn lọc từ các nghiên cứu trước đó (Venkatesh et al., 2012; Venkatesh and Davis, 2000; Thompson et al., 1991; Davis, 1989; Wang et al., 2018; Anderson and Karunamoorthy, 2003; Lee and Chung, 2009;

Amoroso and Lim, 2017) Tác giả đã thực hiện một số điều chỉnh các thang đo để phù hợp với đề tài nghiên cứu như bảng 3.1

Bảng 3.1: Thang đo các biến trong mô hình nghiên cứu

HOÁ BIẾN QUAN SÁT NGUỒN

Kỳ vọng hiệu quả (KVHQ)

KVHQ1 Tôi thấy việc sử dụng ƯDĐP trực tuyến tiện ích cho việc du lịch

Davis, 1989 KVHQ2 Việc sử dụng ƯDĐP cho phép tôi làm được nhiều việc hơn mức có thể

KVHQ3 Khi sử dụng ƯDĐP trực tuyến tôi có thể tiết kiệm được thời gian hơn

KVHQ4 Tôi có thể đặt phòng nhanh hơn khi sử dụng ƯDĐP

KVHQ5 ƯDĐP được sử dụng linh hoạt vì tôi có thể sử dụng bất cứ ở đâu và bất cứ thời gian nào

Kỳ vọng nỗ lực (KVNL)

KVNL1 Tôi ít tốn công sức trong việc học cách sử dụng ƯDĐP

Davis, 1989 KVNL2 Tôi có thể nhanh chóng sử dụng thành thạo ƯDĐP trong thời gian ngắn KVNL3 Tôi thấy giao diện ƯDĐP thân thiện và dễ hiểu

Tôi thấy dễ dàng khắc phục các lỗi khi sử dụng ƯDĐP như thay đổi hoặc huỷ phòng,…

KVNL5 Tôi cho rằng việc sử dụng ƯDĐP rất dễ dàng Ảnh hưởng xã hội (AHXH)

AHXH1 Người thân trong nhà khuyên tôi nên sử dụng ƯDĐP

Venkatesh and Davis, 2000 AHXH2 Bạn bè, đồng nghiệp cho rằng tôi nên sử dụng ƯDĐP

AHXH3 Thông tin từ các bài đánh giá ảnh hưởng đến việc tôi sử dụng ƯDĐP

Những người Influencers, Kol,… ảnh hưởng đến việc tôi sử dụng ƯDĐP trực tuyến

Tôi cảm thấy thời thượng (bắt kịp được xu hướng) khi đặt phòng qua ứng dụng trực tuyến

Giá trị giá cả (GTGC)

GTGC1 Tôi thấy giá cả trên ƯDĐP hợp lý

Venkatesh et al., 2012 GTGC2 Khi đặt phòng qua ƯDĐP tôi nhận được nhiều ưu đãi

GTGC3 Sử dụng ƯDĐP đem lại cho tôi nhiều giá trị hơn so với số tiền tôi chi trả Điều kiện thuận lợi

(ĐKTL) ĐKTL1 Tôi có đủ hiểu biết cần thiết để sử dụng ƯDĐP

Thompson et al., 1991 ĐKTL2 Thiết bị của tôi có thể cài đặt và liên kết với ƯDĐP ĐKTL3 Tôi sẽ được sự hỗ trợ khi gặp khó khăn trong việc sử dụng ƯDĐP Động lực thụ hưởng

(ĐLTH) ĐLTH1 Tôi cảm thấy hào hứng khi sử dụng ƯDĐP

Venkatesh et al., 2012 ĐLTH2 Khi sử dụng ƯDĐP trực tuyến mang đến cho tôi nhiều trải nghiệm thú vị ĐLTH3 Sử dụng ứng dụng đặt phòng mang tính giải trí đối với tôi

HL1 Tôi cảm thấy vui khi sử dụng ứng dụng đặt phòng trực tuyến Wang et al.,

Amoroso and Lim, 2017 HL2 Tôi hài lòng về tính bảo mật của ứng dụng đặt phòng trực tuyến

HL3 Khi sử dụng ứng dụng đặt phòng mang lại cho tôi sự hài lòng

HL4 Tôi hài lòng về chất lượng thông tin của ứng dụng đặt phòng

HL5 Khi tôi hài lòng tôi sẽ giới thiệu cho người khác sử dụng ứng dụng đặt phòng Ý định tiếp tục sử dụng (YDTT)

Tôi dự định sẽ tiếp tục sử dụng ứng dụng đặt phòng trực tuyến trong tương lai

Khi có nhu cầu đặt phòng tôi sẽ ưu tiên chọn đặt phòng qua ứng dụng hơn các kênh khác

YDTT3 Tôi sẽ đặt phòng qua ứng dụng thường xuyên hơn trong tương lai

(Nguồn: Tổng hợp từ tác giả)

Phương pháp chọn mẫu

Phương pháp lấy mẫu phi xác suất thông qua kỹ thuật lấy mẫu thuận tiện được tác giả lựa chọn sử dụng trong nghiên cứu Theo Hair et al (1998), để phân tích mô hình cấu trúc tuyến tính (SEM), kích thước mẫu tối thiểu từ 100 đến 150 Trong mô hình SEM, có ba loại cỡ mẫu khác nhau được sử dụng để ước lượng, bao gồm: Mẫu nhỏ (dưới 100), mẫu trung bình (từ 100 đến dưới 200) và mẫu lớn (từ 200 trở lên) (Hair et al., 1998) Đối với nghiên cứu này có kích thước mẫu là 268 đủ đáp ứng điều kiện để sử dụng phương pháp phân tích.

KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

Đặc điểm mẫu nghiên cứu

Dữ liệu được thu thập thông qua khảo sát trực tuyến bằng Google Form, link khảo sát được gửi tới các hội nhóm trên Facebook, Zalo,… Kết thúc quá trình khảo sát, thu được 287 phiếu trả lời; trong đó có 268 phiếu hợp lệ được tiến hành đưa vào xử lý bởi phần mềm

4.1.1 Thống kê mô tả mẫu

Bảng 4.1: Đặc điểm nhân khẩu học

Cao đẳng 70 26,1 Đại học/Sau đại học 144 53,7

Từ 5 triệu đến dưới 10 triệu đồng 46 17,2 Từ 10 triệu đến dưới 20 triệu đồng 90 33,6

Từ 20 triệu đồng trở lên 79 29,5

(Nguồn: Kết quả tổng hợp trên SPSS 25) Đối với giới tính: Số liệu thống kê cho thấy rằng, trong số 268 người tham gia trả lời câu hỏi, tỷ lệ nữ là 61,6% tương đương 165 phiếu; trong khi tỷ lệ nam là 38,4% tương đương 103 phiếu Đối với độ tuổi: Trong số đáp viên, phân khúc từ 18 đến dưới 25 tuổi có số lượng nhiều nhất, với 118 người chiếm 44,0% Phân khúc từ 25 đến dưới 35 tuổi có 91 người, tương đương 34% Phân khúc trên 35 tuổi có 52 người, chiếm 19,4% Còn phân khúc dưới 18 tuổi chỉ có 7 người, chiếm 2,6% Từ đó, có thể thấy rằng trong số 268 người được hỏi chủ yếu nằm trong khoảng từ 18 đến 25 tuổi Đối với trình độ học vấn: Trong tổng số 268 phiếu, có đến 53,7% tương đương với 144 đáp viên cho biết có trình độ đại học/sau đại học Trình độ cao đẳng được đại diện bởi 70 người, chiếm 26,1% Số người đã tốt nghiệp trung học phổ thông là 47, tương đương 17,5% Còn lại, có 7 người chưa tốt nghiệp trung học phổ thông, chiếm 2,6% Đối với nghề nghiệp: Dựa vào khảo sát, ta thấy lĩnh vực kinh doanh có số lượng người chiếm nhiều nhất, với 87 người, chiếm tỷ lệ 32,5% Nhân viên văn phòng đứng thứ hai với 77 người, chiếm 28,7% Học sinh/sinh viên chiếm 60 người, tương đương 22,4% Còn lại, có 44 người, tức là 16,4%, thuộc vào các ngành nghề khác Đối với thu nhập: Trong số 268 đáp viên thì có đến 33,6% người có thu nhập trong khoảng từ 10 đến dưới 20 triệu đồng; từ 20 triệu đồng trở lên là 29,5%; dưới 5 triệu chiếm 19,8%; từ 5 đến dưới 10 triệu đồng chiếm 17,2% Điều này cho thấy rằng, trong tập dữ liệu, đáp viên có thu nhập trung bình chiếm ưu thế

4.1.2 Phân tích thống kê mô tả biến nghiên cứu

Trong lĩnh vực nghiên cứu kinh tế, thang đo Likert được sử dụng phổ biến để đánh giá các khái niệm trừu tượng liên quan đến hành vi và thái độ Có một loạt các dạng thang đo Likert được sử dụng, bao gồm thang đo 3 mức, 5 mức và 7 mức Trong bài nghiên cứu này sử dụng thang đo Likert 5, để xác định được giá trị khoảng trong thang đo này, nghiên cứu dựa vào công thức sau (Thống kê mô tả trên SPSS, 2022):

Giá trị khoảng cách = (Giá trị lớn nhất – Giá trị nhỏ nhất) / 5 = (5-1)/5 = 0,8 Từ đó, ta có được các khoảng giá trị tương ứng như sau:

1,00 – 1,80 (làm tròn thành 1): Hoàn toàn không đồng ý 1,81 – 2,60 (làm tròn thành 2): Không đồng ý

2,61 – 3,40 (làm tròn thành 3): Trung lập 3,41 – 4,20 (làm tròn thành 4): Đồng ý 4,21 – 5,00 (làm tròn thành 5): Hoàn toàn đồng ý

GTGC3 268 1 5 4,05 0,855 ĐKTL1 268 1 5 4,13 0,819 ĐKTL2 268 1 5 4,25 0,783 ĐKTL3 268 1 5 4,21 0,803 ĐLTH1 268 1 5 3,69 0,838 ĐLTH2 268 1 5 3,74 0,868 ĐLTH3 268 1 5 3,59 0,867

(Nguồn: Kết quả phân tích trên SPSS 25)

Qua kết quả thống kê với kích thước mẫu là 268, có thấy rằng các biến quan sát có giá trị trung bình dao động trong khoảng từ 3,36 đến 4,25 Trong đó, có biến KVNL5 (mean = 3,36) được đánh giá ở mức độ trung lập, trong khi ĐKTL2 (mean

= 4,25) và ĐKTL3 (mean = 4,21) được đánh giá ở mức hoàn toàn đồng ý Các biến còn lại đều được đáp viên đánh giá ở mức độ đồng ý Ngoài ra, khi xét về độ lệch chuẩn thì biến KVNL5 có giá trị cao nhất là 1,067 điều này thể hiện rằng có sự chênh lệch lớn trong câu trả lời của đáp viên đối với biến này.

Kiểm định mô hình đo lường

Sau khi sử dụng SPSS 25 để phân tích thống kê mô tả, bước tiếp theo dữ liệu được tiếp tục đưa vào phân tích bởi SmartPLS 3.0 với giai đoạn đầu tiên là kiểm định mô hình đo lường Ở giai đoạn này, dữ liệu sẽ được xử lý qua 3 bước bao gồm: (1) Đánh giá độ tin cậy thang đo, (2) Đánh giá tính hội tụ và (3) Đánh giá tính phân biệt

4.2.1 Đánh giá độ tin cậy

Theo Hair et al (2016), một biến quan sát được coi là chất lượng khi hệ số tải ngoài của nó vượt qua ngưỡng 0,708 (thường được làm tròn thành 0,7) Theo kết quả từ hình 4.1, ta thấy rằng các biến quan sát đều có hệ số tải lớn hơn 0,7, ngoại trừ các biến KVHQ3 (hệ số tải là 0,675), KVHQ5 (hệ số tải là 0,651), AHXH1 (hệ số tải là 0,685), AHXH4 (hệ số tải là 0,675) và HL5 (hệ số tải là 0,699) Đối với biến HL5, mặc dù hệ số tải là 0,699 nhưng tiệm cận ngưỡng 0,7, tác giả quyết định giữ lại biến quan sát này Còn đối với KVHQ3, KVHQ5, AHXH1, AHXH4 có hệ số tải thấp hơn ngưỡng 0,7, có thể làm giảm độ tin cậy của thang đo, do đó tác giả đã lần lượt loại bỏ từng biến quan sát

Hình 4.1: Độ tin cậy của mô hình

(Nguồn:Kết quả phân tích trên SmartPLS 3.0)

Sau khi lần lượt loại bỏ các biến trên, kết quả chỉ ra rằng đối với KVHQ, việc loại bỏ KVHQ3 và KVHQ5 đã làm tăng độ tin cậy tổng hợp lên 0,830 như bảng 4.2

Tuy nhiên, đối với nhân tố AHXH, tác giả đã quyết định giữ lại 2 biến AHXH1 và AHXH4 vì những biến này có ý nghĩa trong việc đo lường thang đo

Bảng 4.2: Hệ số tải và độ tin cậy tổng hợp sau khi đã loại biến quan sát

Biến quan sát Hệ số tải Độ tin cậy tổng hợp (CR)

(Nguồn: Kết quả phân tích trên SmartPLS 3.0) Độ tin cậy thang đo trên SmartPLS có thể đánh giá qua hai chỉ số là Composite Reliability (CR) và Cronbach’s Alpha Tuy nhiên, ở nhiều nghiên cứu nhiều tác giả ưu tiên lựa chọn đánh giá dựa vào chỉ số Composite Reliability Theo đó, nhiều tác giả cho rằng ngưỡng 0,7 là phù hợp để đánh giá CR trong đa số trường hợp (Hair et al., 2016; Bagozzi and Yi, 1988) Từ bảng 4.2 cho thấy các nhân tố đều có chỉ số CR từ 0,7 trở lên, do đó các nhân tố đã đảm bảo độ tin cậy và được đưa vào các phân tích tiếp theo với tổng cộng 30 biến quan sát

4.2.2 Đánh giá giá trị hội tụ của thang đo

Trong SmartPLS để đánh giá thang đo đảm bảo được tính hội tụ, ta căn cứ vào chỉ số phương sai trích trung bình (AVE) Một thang đo được cho là có tính hội tụ nếu chỉ số AVE trên 0,5 (Giao and Vương, 2019) Từ kết quả phân tích, các giá trị AVE được trình bày như bảng 4.3 bao gồm KVHQ (0,621), KVNL (0,634), AHXH (0,518), GTGC (0,587), ĐKTL (0,667), ĐLTH (0,630), HL (0,527) và YDTT (0,667) Các nhân tố đều đáp ứng được điều kiện có AVE trên 0,5, vì thế kết luận thang đo có giá trị hội tụ tốt

Bảng 4.3: Kết quả độ tin cậy tổng hợp và phương sai trích trung bình Độ tin cậy tổng hợp Phương sai trích

(Nguồn: Kết quả phân tích trên SmartPLS 3.0)

4.2.3 Đánh giá giá trị phân biệt của thang đo

Theo Fornell and Larcker (1981), chỉ số căn bậc hai của AVE được sử dụng để đánh giá tính phân biệt của thang đo Theo Giao et al (2020): “Để đảm bảo được tính phân biệt trong thang đo, đòi hỏi căn bậc hai AVE của mỗi nhân tố phải lớn hơn chỉ số tương quan giữa nhân tố đó với các nhân tố khác” Từ kết quả phân tích bảng 4.4 cho thấy tất cả các giá trị căn bậc hai AVE đều lớn hơn các giá trị trong cùng cột Do đó, có thể khẳng định rằng mô hình đã đáp ứng yêu cầu về tính phân biệt

AHXH GTGC HL KVHQ KVNL YDTT ĐKTL ĐLTH AHXH 0,719

Kiểm định mô hình cấu trúc

Sau khi thực hiện kiểm định mô hình đo lường và đảm bảo các tiêu chí đối với thang đo, các thang đo thỏa mãn sẽ được sử dụng trong phân tích mô hình cấu trúc

Trong giai đoạn này, dữ liệu sẽ được đánh giá về hiện tượng đa cộng tuyến, kiểm định giả thuyết và các mối quan hệ trong mô hình

4.3.1 Kiểm định hiện tượng đa cộng tuyến Đa cộng tuyến là tình trạng khi các biến độc lập trong một mô hình có mối tương quan cao với nhau Để đánh giá sự tồn tại của hiện tượng này, chúng ta sử dụng chỉ số VIF (Variance Inflation Factor) Theo Hair et al (2019), khi giá trị VIF < 3, mô hình được xem là không vi phạm hiện tượng này Dựa trên kết quả trong bảng 4.5, ta có thể thấy rằng giá trị VIF cao nhất là 2,985, nhỏ hơn 3 Vì vậy, chúng ta có thể kết luận rằng mô hình này không tồn tại hiện tượng đa cộng tuyến

Bảng 4.5: Bảng giá trị VIF của các cấu trúc

4.3.2 Kiểm định các giả thuyết

Nhằm phục vụ cho việc kiểm định các giả thuyết ban đầu, tác giả đưa dữ liệu vào phân tích Bootstrapping với 5000 mẫu con tại mức ý nghĩa 5% kết quả được trình bày như bảng 4.6 và 4.7

 Kết quả đánh giá các mối quan hệ tác động trực tiếp trong mô hình

Bảng 4.6: Kết quả đánh giá mối quan hệ trực tiếp

Giả thuyết Mối quan hệ Hệ số hồi quy (𝜷) Giá trị P Kết quả

H1b KVHQ  YDTT 0,056 0,362 Không chấp nhận

H4a GTGC  HL 0,083 0,076 Không chấp nhận

H5b ĐKTL  YDTT 0,052 0,415 Không chấp nhận

H7 HL  YDTT 0,133 0,153 Không chấp nhận

Kết quả đã cho thấy rằng, Kỳ vọng nỗ lực (KVNL), Kỳ vọng hiệu quả (KVHQ), Ảnh hưởng xã hội (AHXH), Động lực thụ hưởng (ĐLTH), Điều kiện thuận lợi (ĐKTL), có tác động cùng chiều đến Sự hài lòng (HL) về ƯDĐP (𝛽1a,2a,3a,5a,6a > 0 và giá trị P1a,2a,3a,5a,6a < 0,05) tại mức ý nghĩa 5% Do đó, H1a, H2a, H3a, H5a, H6a đều được chấp nhận Tuy nhiên, nhân tố Giá trị giá cả (GTGC) có β4a = 0,083 và giá trị P4a = 0,078 > 0,05, do đó, giả thuyết H4a không được chấp nhận ở mức ý nghĩa 5%

Tiếp theo, kết quả chỉ ra rằng nhân tố KVNL, AHXH, GTGC, ĐLTH đã có tác động cùng chiều đến YDTT đặt phòng qua ứng dụng (𝛽2b,3b,4b,6b > 0 và giá trị P2b,3b,4b,6b < 0,05) tại mức ý nghĩa 5% Do đó, H2b, H3b, H4b, H6b đều được chấp nhận Ngược lại, KVHQ (P1b = 0,333), ĐKTL (P5b = 0,415), và HL (P7 = 0,147) điều này cho thấy nhân tố Kỳ vọng hiệu quả, Điều kiện thuận lợi và Sự hài lòng không có tác động ở mức ý nghĩa thống kê 5% đến YDTT sử dụng ƯDĐP Vì vậy, các giả thuyết H1b, H5b, H7 bị bác bỏ

 Kết quả đánh giá vai trò trung gian của biến sự hài lòng

Nghiên cứu thực hiện kiểm định vai trò trung gian của biến sự hài lòng và cho ra kết quả được trình bày ở bảng 4.7

Bảng 4.7: Kết quả kiểm định vai trò trung gian của biến sự hài lòng

Giả thuyết Mối quan hệ

H8a KVHQ  HL  YDTT 0,025 0,169 Không chấp nhận

H8b KVNL  HL  YDTT 0,030 0,181 Không chấp nhận H8c AHXH  HL  YDTT 0,015 0,280 Không chấp nhận H8d GTGC  HL  YDTT 0,011 0,323 Không chấp nhận H8e ĐKTL  HL  YDTT 0,040 0,161 Không chấp nhận H8f ĐLTH  HL  YDTT 0,032 0,188 Không chấp nhận

Kết quả cho thấy các mối quan hệ ảnh hưởng gián tiếp qua biến sự hài lòng đều không có ý nghĩa thống kê ở mức 5% (do các giá trị P > 0,05) Từ đó, có thể kết luận sự hài lòng không có vai trò trung gian giữa các biến trên với Ý định tiếp tục sử dụng ƯDĐP Vì vậy các giả thuyết H8a, H8b, H8c, H8d, H8e, H8f đều bị bác bỏ

Hình 4.2: Mô hình cấu trúc tuyến tính

Sau khi kiểm định các giả thuyết, các mối quan hệ trong mô hình thể hiện như hình 4.2 Trong đó, YDTT đặt phòng bị ảnh hưởng trực tiếp bởi 4 nhân tố với mức ý nghĩa là 5% được xếp từ mạnh đến yếu là: GTGC (𝛽 = 0,231), AHXH (𝛽 = 0,199), KVNL (𝛽 = 0,150), ĐLTH (𝛽 = 0,142) Đối với sự hài lòng bị tác động bởi 5 nhân tố bao gồm: ĐKTL (𝛽 = 0,297), KVNL (𝛽 = 0,228), KVHQ (𝛽 = 0,188), ĐLTH

(𝛽 = 0,142), AHXH (𝛽 = 0,109) Thêm vào đó, sự hài lòng không đóng vai trò biến trung gian cho các mối quan hệ trong mô hình

4.3.3 Kiểm định sự phù hợp của mô hình

 Đánh giá mức độ giải thích của biến độc lập cho biến phụ thuộc

Qua phân tích mức độ tác động của các nhân tố đến ý định tiếp tục sử dụng ƯDĐP tại Việt Nam cho thấy, các biến Kỳ vọng nỗ lực, Động lực thụ hưởng, Giá trị giá cả, Ảnh hưởng xã hội giải thích được 51,9% sự biến thiên của YDTT sử dụng với mức ý nghĩa thống kê là 5% Bên cạnh đó, các nhân tố Kỳ vọng hiệu quả, Kỳ vọng nỗ lực, Động lực thụ hưởng, Điều kiện thuận lợi, Ảnh hưởng xã hội trên còn giải thích được 65,7% sự biến thiên của sự hài lòng của khách hàng đối với ƯDĐP

Bảng 4.8: Mức độ giải thích của biến độc lập cho biến phụ thuộc

 Đánh giá hiệu quả tác động (F square)

Theo Cohen (1988), mức độ tác động của các biến độc lập lên biến phụ thuộc có thể được đánh giá dựa trên chỉ số f 2 Kết quả phân tích từ bảng 4.9 cho thấy các nhân tố Kỳ vọng nỗ lực (KVNL), Ảnh hưởng xã hội (AHXH), Giá trị giá cả (GTGC) và Động lực thụ hưởng (ĐLTH) có chỉ số f 2 trong khoảng từ 0,02 đến dưới 0,15 Từ đó, có thể kết luận rằng các nhân tố trên có tác động nhỏ lên YDTT khi sử dụng ƯDĐP

Bảng 4.9: Kết quả đánh giá hiệu quả tác động (f2)

STT Mối quan hệ f 2 Mức độ ảnh hưởng

 Đánh giá chỉ số độ phù hợp mô hình (GoF)

Mức độ phù hợp của mô hình được đánh giá dựa trên chỉ số GoF (Tenenhaus et al., 2004) Dựa trên kết quả của bảng 4.10, chỉ số GoF cho yếu tố HL là 0,634 và cho YDTT là 0,567 Từ đó, có thể suy ra rằng mô hình PLS đã được xác nhận phù hợp rất tốt với dữ liệu

Bảng 4.10: Đánh giá mức độ phù hợp mô hình GoF

Thảo luận kết quả

Thông qua việc nghiên cứu các cơ sở lý thuyết và các bài nghiên cứu liên quan đến ý định tiếp tục sử dụng ứng dụng du lịch, tác giả đề xuất 7 nhân tố tác động đến YDTT đặt phòng qua ứng dụng bao gồm: Kỳ vọng hiệu quả; Kỳ vọng nỗ lực; Ảnh hưởng xã hội; Giá trị giá cả; Điều kiện thuận lợi; Động lực thụ hưởng; Sự hài lòng

Trong đó, đối với Kỳ vọng hiệu quả, Kỳ vọng nỗ lực, Ảnh hưởng xã hội và Sự hài lòng thì mỗi nhân tố được đo lường bởi 5 biến quan sát; trong khi đó, Giá trị giá cả, Điều kiện thuận lợi, Động lực thụ hưởng và Ý định tiếp tục mỗi nhân tố được đo lường bởi 3 biến quan sát

Mô hình nghiên cứu đề xuất được đưa vào đánh giá mô hình đo lường bao gồm các bước đánh giá về: hệ số tải, độ tin cậy tổng hợp (CR) và trích xuất phương sai trung bình (AVE) Khi kiểm định chất lượng biến quan sát, 2 biến KVHQ3 và KVHQ5 bị loại khỏi thang đo do làm giảm độ tin cậy của thang đo KVHQ Với 30 biến quan sát còn lại được đưa vào đánh giá độ tin cậy CR, thu được kết quả như bảng 4.3, độ tin cậy tổng hợp của các nhân tố đều thoả mãn lớn hơn 0,7 Đồng thời, chỉ số AVE của các nhân tố đều lớn hơn 0,5, từ đó có thể kết luận thang đo đảm bảo độ tin cậy và tính hội tụ tốt Bên cạnh đó, các thang đo cũng đảm bảo tính phân biệt như kết quả được trình bày trong bảng 4.4 Ngoài ra, theo kết quả từ bảng 4.5 các giá trị VIF đều nhỏ hơn 3, cho thấy rằng mô hình không tồn tại hiện tượng đa cộng tuyến

Tiếp theo, kết quả kiểm định giả thuyết nghiên cứu bảng 4.6 và bảng 4.7 cho thấy, các giả thuyết H1b, H4a, H5b, H7, H8a, H8b, H8c, H8d, H8e, H8f không được chấp nhận tại mức ý nghĩa thống kê 5% Nói cách khác, sự hài lòng không đóng vai trò trung gian trong mối quan hệ giữa các nhân tố trong mô hình với YDTT sử dụng ứng dụng đặt phòng Khi đó, yếu tố YDTT sử dụng ƯDĐP bị tác động trực tiếp bởi 4 nhân tố, lần lượt theo mức độ giảm dần là: GTGC (𝛽 = 0,231), AHXH (𝛽 = 0,199), KVNL (𝛽 = 0,150), ĐLTH (𝛽 = 0,142) Thêm vào đó, kết quả nghiên cứu cũng chỉ ra rằng 4 nhân tố được đưa vào mô hình (Giá trị giá cả, Ảnh hưởng xã hội, Kỳ vọng nỗ lực, Động lực thụ hưởng) giải thích được 51,9% sự biến thiên của Ý định tiếp tục sử dụng ƯDĐP của khách hàng tại Việt Nam (R 2 = 0,519)

Nhân tố có tác động mạnh nhất đến YDTT tin dùng ƯDĐP trực tuyến là giá trị giá cả (GTGC) Điều này có nghĩa là khi lợi ích nhận được từ việc sử dụng ứng dụng vượt trội hơn so với chi phí, người dùng càng có xu hướng trung thành với ứng dụng đặt phòng Kết quả này khớp hoàn toàn với lý thuyết UTAUT2 và tương đồng với kết quả của một số nghiên cứu trước đó (Hoàng, 2019;Thắng and Thảo, 2022)

Tuy nhiên, một số nghiên cứu cho thấy GTGC không có tác động đến YDTT sử dụng ƯDĐP (Tam et al., 2020;Indrawati and Amalia, 2019;Ha, 2022) Điều này cho thấy ở VN, khách hàng quan tâm đặc biệt đến vấn đề giá cả khi sử dụng ứng dụng đặt phòng Do đó, các OTA tại Việt Nam cần tận dụng thông tin này để đưa ra các chiến lược phù hợp nhằm thúc đẩy tăng trưởng kinh doanh

Nhân tố thứ hai có tác động mạnh đến YDTT tin dùng ƯDĐP trực tuyến là ảnh hưởng xã hội Điều này có nghĩa là khi khách hàng bị ảnh hưởng bởi từ môi trường xã hội về việc sử dụng ƯDĐP, thì dẫn đến việc tiếp tục sử dụng ứng dụng để đặt phòng càng tăng Kết quả này khớp hoàn toàn với lý thuyết UTAUT2 và đã được kiểm chứng trong nghiên cứu trước đó (Ba et al., 2023) Tuy nhiên, AHXH được cho rằng không có tác động YDTT sử dụng ƯDĐP (Indrawati and Amalia, 2019;Tam et al., 2020; Ha, 2022) Điều này cho thấy trong ngữ cảnh tại Việt Nam, ý định tiếp tục sử dụng ƯDĐP bị ảnh hưởng bởi yếu tố xã hội, bao gồm sự khuyến khích từ người thân, bạn bè, đồng nghiệp và những người nỗi tiếng

Nhân tố thứ ba có tác động đến YDTT sử dụng ƯDĐP trực tuyến là Kỳ vọng nỗ lực Điều này có thể hiểu rằng khi khách hàng cảm nhận rằng việc thao tác trên ứng dụng đặt phòng trực tuyến dễ dàng, thì họ càng có ý định tiếp tục đặt phòng qua ứng dụng đó trong tương lai Kết quả này tương thích hoàn toàn với lý thuyết UTAUT2 và đã được kiểm chứng trong một số nghiên cứu (Tam et al., 2020; Ba et al., 2023) Tuy nhiên, theo (Indrawati and Amalia, 2019;Jean et al., 2018;Ha, 2022) thì kết luận rằng KVNL không có ảnh hưởng đến YDTT sử dụng ƯDĐP Điều này cho thấy ở Việt Nam, khách hàng khi có dự định tiếp tục sử dụng một ƯDĐP nào đó thì họ vẫn sẽ bị ảnh hưởng bởi nhân tố KVNL

Nhân tố thứ tư có tác động đến YDTT tin dùng ƯDĐP trực tuyến là Động lực thụ hưởng Điều này đồng nghĩa với việc khi sử dụng ƯDĐP mà mang lại cho khách hàng cảm giác thích thú, thoải mái và giải trí thì họ càng có YDTT sử dụng ƯDĐP đó trong những lần tiếp theo Kết quả này hoàn toàn phù hợp với lý thuyết UTAUT2 và đã được kiểm chứng trong các nghiên cứu (Indrawati and Amalia, 2019; Ba et al., 2023) Trong khi đó, kết quả này không được đồng tình trong nghiên cứu của (Tam et al., 2020;Ha, 2022) Từ đó có thể thấy rằng tại Việt Nam, nhu cầu tinh thần của khách hàng có tác động ít đến YDTT sử dụng ƯDĐP

Trong Chương 4, đã trình bày về kết quả phân tích dữ liệu dựa trên 268 phiếu khảo sát từ khách hàng tại VN với sự hỗ trợ bởi SPSS 25 và SmartPLS 3.0 Kết quả phân tích cho thấy có 4 yếu tố ảnh hưởng đến YDTT sử dụng ƯDĐP bao gồm: GTGC, AHXH, KVNL, ĐLTH Ngoài ra, kết quả cũng cho thấy sự hài lòng không đóng vai trò trung gian trong mối quan hệ giữa các nhân tố đến YDTT sử dụng ƯDĐP Dựa trên những kết quả này, trong chương tiếp theo, tác giả sẽ đề xuất một số hàm ý quản trị cho các công ty kinh doanh ƯDĐP tại Việt Nam.

Định dạng
Số trang	84
Dung lượng	3,3 MB