Nghiên cứu Ý Định sử dụng của người tiêu dùng Đối với nền tảng thương mại Điện tử có tích hợp trí tuệ nhân tạo (ai) (khóa luận tốt nghiệp khoa quản trị kinh doanh)

KHOA QUẢN TRỊ KINH DOANH HUỲNH TÂM HƯNG NGHIÊN CỨU Ý ĐỊNH SỬ DỤNG CỦA NGƯỜI TIÊU DÙNG ĐỐI VỚI NỀN TẢNG THƯƠNG MẠI ĐIỆN TỬ CÓ TÍCH HỢP TRÍ TUỆ NHÂN TẠO AI CHUYÊN NGÀNH: QUẢN TRỊ KINH DO

TỔNG QUAN NGHIÊN CỨU

Bối cảnh nghiên cứu

Trí tuệ nhân tạo (AI) đã được phát triển và áp dụng bởi các chuyên gia từ giữa thế kỷ 20 nhưng chỉ mới nổi lên một cách mạnh mẽ trong những nhiều năm trở lại đây (Andelkovic và cộng sự, 2020) Hiện nay, các chính phủ, tổ chức, nhà nghiên cứu trên toàn cầu đang chú ý nhiều hơn đến sự phát triển và ứng dụng của AI và công nghệ đã trở thành một thuật ngữ phổ biến trên mạng xã hội, Internet hay các ấn phẩm khoa học Định nghĩa cơ bản về AI trước đây tương đối đơn giản, thuật ngữ này đề cập đến năng lực tư duy của máy móc giúp con người trong các hoạt động và giải quyết vấn đề Sau nhiều thập kỷ phát triển, AI trở nên tinh vi hơn, đòi hỏi máy móc phải hoạt động một cách chiến lược, hợp lý Điều này cho thấy khả năng xử lý các nhiệm vụ phức tạp của trí tuệ máy móc Các ví dụ nổi tiếng khi nói đến tiện ích của AI có thể đề cập đến các phương tiện tự vận hành như ô tô tự lái (Tesla), máy bay không người lái, các công tìm kiếm và đề xuất như Google, Amazon, Youtube, Netflix, Facebook, các trợ lý thông minh như Siri và Chatbot Ngoài ra còn nhiều ứng dụng khác của AI trên nhiều lĩnh vực khác nhau như hệ thống năng lượng (Li và cộng sự, 2023), giao thông vận tải (Goswami và cộng sự, 2021), sản xuất (Cao và cộng sự, 2023), quân sự (Svenmarck và cộng sự, 2018) và thương mại điện tử (Manrai và cộng sự, 2023)

Sự phát triển của AI được tiên phong chủ yếu ở các quốc gia có thu nhập cao, công nghệ cao như Hoa Kỳ, Nhật Bản, Hàn Quốc và các quốc gia Châu Âu Tuy nhiên, các nước đang phát triển hiện đã nhận ra tầm quan trọng của công nghệ AI với sự thịnh vượng Nhìn chung, các quốc gia này đã mở rộng nguồn lực và tài chính để tập trung vào quá trình thử nghiệm và phát triển AI Với sự tin tưởng rằng AI sẽ định hình lại tương lai của thế giới, các tổ chức và các tập đoàn đang bắt đầu áp dụng AI trong hoạt động của họ Đồng thời đã có một số lượng đáng kể các nghiên cứu về những yếu tố tác động đến việc triển khai AI của các cá nhân và tổ chức nhằm tăng cường hoạt động trong đa dạng các lĩnh vực Sanchez và cộng sự (2020) đã gợi ý rằng nếu người mua hàng tin vào kết quả tích cực hoặc hiệu quả hữu ích do hệ thống khuyến nghị trong nền tảng thương mại điện tử, điều này có thể ảnh hưởng tích cực đến ý định áp dụng của hệ thống đề xuất tự động Manrai và cộng sự (2023) cũng đã nhận định rằng nên xem xét cảm nhận dễ sử dụng và yếu tố tiêu chuẩn chủ quan, trong đó mô tả về tác động xã hội với hành vi ý sử dụng AI ở Ấn Độ Nghiên cứu của Wang và cộng sự (2023) cũng chỉ ra rằng yếu tố chính ảnh hưởng đến hành vi sử dụng AI trong mua hàng qua mạng là nhận thức về tính có ích, sự dễ dàng sử dụng và độ tin cậy của nền tảng đó Xây dựng niềm tin là rất cần thiết đối với sự chấp nhận của người dùng AI Nguyễn Thu Trang (2022) cũng đã nhận định chỉ cần người dùng ấn tượng rằng AI cung cấp cho họ trải nghiệm hài lòng về năng suất, dễ tương tác và hỗ trợ người sử dụng khi xảy ra sự cố, họ sẵn sàng sử dụng AI để mua hàng trực tuyến

Nhìn chung, các nghiên cứu đề cập ở trên đã phản ánh rằng các nghiên cứu trước đây chú trọng vào việc phân tích về các yếu tố tác động đến ý định sử dụng AI thông qua việc áp dụng mô hình TAM để thiết lập khung lý thuyết Một số lý thuyết và các biến mới đã được xem xét để được bổ sung bởi các nghiên cứu cụ thể khác, nhằm cung cấp cái nhìn khách quan hơn về động cơ hoặc các trở ngại trong việc hình thành một khoảng trống giữa ý định và hiểu biết người dùng về AI và những tiện ích mà công nghệ này mang lại Tuy nhiên, phần lớn các nghiên cứu trước đây chỉ đánh giá các yếu tố chi phối dựa trên những lý thuyết nền phổ biến, đồng thời một phần lớn nghiên cứu đánh giá chỉ chú trọng nghiên cứu vào một tiện ích AI phổ biến đó là Chatbot (Nguyễn Thu Trang, 2022; Zarouali và cộng sự, 2018; Xu và cộng sự, 2020) thay thì đi làm phân tích tổng quan các công cụ/tiện ích vượt trội mà AI cung cấp Việc này không thể cho thấy được đánh giá toàn diện về cách mà các công cụ AI góp phần hỗ trợ con người trong đa dạng lĩnh vực Hơn thế nữa, số lượng nghiên cứu về AI trong thương mại điện tử ở Việt Nam còn hạn chế Vì vậy, mục tiêu của nghiên cứu là phân tích ý định sử dụng của người Việt đối với AI trong nền tảng mua sắm trực tuyến bằng việc điều tra và đánh giá các động lực quan trọng cần được quan tâm để tiếp tục phát triển các ứng dụng AI để đáp ứng hoạt động tiếp thị và thương mại Vì vậy, tác giả tập trung tìm hiểu đề tài: “Nghiên cứu ý định sử dụng của người tiêu dùng đối với nền tảng thương mại điện tử có tích hợp trí tuệ nhân tạo (AI)”

Lý do chọn đề tài

Trong một vài năm trở lại đây, chúng ta đã nhìn thấy được sự chuyển biến nhanh chóng trong bối cảnh kinh tế và công nghiệp hiện đại Đặc biệt với lĩnh vực thương mại trực tuyến đang bước sang một giai đoạn phát triển không ngừng Điều này làm thay đổi cách chúng ta mua sắm và kinh doanh Kể từ khi Internet trở thành một yếu tố không thể tách rời trong đời sống hiện đại ngày nay, việc mua sắm trên nền tảng trực tuyến đã trở nên phổ biến và phát triển mạnh mẽ, mở ra một thời đại mới trong lĩnh vực mua sắm ngày nay

Công nghệ AI đã tiến bộ trong nhiều năm và đã được áp dụng trong nhiều lĩnh vực đa dạng như: chăm sóc sức khỏe, tiếp thị, giáo dục, tài chính,…và gần đây đang dần trở nên phổ biến trong thương mại trực tuyến Sự tiến bộ nhanh chóng của công nghệ này đã thay đổi cách người tiêu dùng mua hàng trực tuyến Trí tuệ nhân tạo đã giúp cung cấp thêm các tính năng và dịch vụ mới như tìm kiếm sản phẩm dựa trên lịch sử và sở thích của khách hàng, tư vấn cũng như xử lý vấn đề tự động cho khách hàng, phân tích dữ liệu về hàng hóa và doanh số,…giúp cải thiện và nâng cao trải nghiệm mua sắm của người dùng

Với sự tăng trưởng của AI, thái độ của người tiêu dùng đối với việc mua sắm trên nền tảng trực tuyến cũng có những thay đổi Các nghiên cứu trong quá khứ của Wang và cộng sự (2023), Nakisa và cộng sự (2023), Ruiz-Herrera và cộng sự (2023), Nagy và Hadjú (2021), Nguyễn Thu Trang (2022) đã phát hiện rằng người dùng ngày càng kỳ vọng được trải nghiệm những tính năng và dịch vụ mới AI vẫn là một công nghệ tương đối mới tại Việt Nam, do đó việc nghiên cứu về hành vi của người tiêu dùng đối với nền tảng thương mại trực tuyến có tích hợp trí tuệ nhân tạo (AI) là rất cần thiết để giúp các tổ chức hiểu rõ, tiếp cận sâu hơn về nhu cầu của người tiêu dùng, đồng thời đánh giá được phản ứng của họ đối với việc mua sắm trên nền tảng trực tuyến có tích hợp AI và cách AI cải thiện hiệu quả mua hàng của họ để từ đó đề xuất các giải pháp giúp các doanh nghiệp hoạt động trên nền tảng thương mại điện tử phát triển mô hình kinh doanh của họ hiệu quả và năng suất hơn Và đó là lý do để tác giả lựa chọn đề tài:

“Nghiên cứu ý định sử dụng của người tiêu dùng đối với nền tảng thương mại điện tử có tích hợp trí tuệ nhân tạo (AI)”.

Mục tiêu nghiên cứu

Mục tiêu của nghiên cứu này nhằm tìm hiểu và phân tích các nhân tố ảnh hưởng đến ý định sử dụng của người tiêu dùng trên các nền tảng mua sắm trực tuyến có tích hợp AI tại Việt Nam nói chung và tại khu vực Thành phố Hồ Chí Minh nói riêng Từ đó giải thích hành vi của người dùng và đề xuất một số hàm ý quản trị nhằm giúp các nền tảng thương mại điện tử có tích hợp AI có được chiến lược phát triển tối ưu, đáp ứng mọi nhu cầu và mong muốn của người dùng

Mục tiêu 1: Xây dựng mô hình xác định các yếu tố ảnh hưởng đến ý định sử dụng của người tiêu dùng đối với nền tảng thương mại điện tử có tích hợp trí tuệ nhân tạo (AI)

Mục tiêu 2: Kiểm định mô hình các yếu tố tác động tới ý định sử dụng của người tiêu dùng đối với nền tảng thương mại điện tử có tích hợp trí tuệ nhân tạo (AI)

Mục tiêu 3: Đề xuất các hàm ý quản trị nhằm hỗ trợ các doanh nghiệp hoạt động trong lĩnh vực thương mại trực tuyến có tích hợp trí tuệ nhân tạo (AI) thu hút sự chú ý của khách hàng và tăng hiệu suất kinh doanh.

Câu hỏi nghiên cứu

Đề tài: “Nghiên cứu ý định sử dụng của người tiêu dùng đối với nền tảng thương mại điện tử có tích hợp trí tuệ nhân tạo (AI)” sẽ giải quyết những câu hỏi sau đây:

Câu hỏi 1: Những yếu tố nào có tác động tới ý định sử dụng của người tiêu dùng trên nền tảng thương mại điện tử có tích hợp AI?

Câu hỏi 2: Những yếu tố này ảnh hưởng như thế nào đến ý định sử dụng của người tiêu dùng trên nền tảng thương mại trực tuyến có tích hợp AI?

Câu hỏi 3: Những hàm ý quản trị nào là thích hợp để giúp các doanh nghiệp hoạt động trong lĩnh vực thương mại trực tuyến có tích hợp AI thu hút sự chú ý của khách hàng và tăng hiệu suất kinh doanh?

Đối tượng nghiên cứu

Đối tượng nghiên cứu của đề tài là những yếu tố/khía cạnh có tác động tới ý định sử dụng nền tảng thương mại trực tuyến có tích hợp AI của người dùng tại Thành phố Hồ Chí Minh Đối tượng khảo sát là người tiêu dùng sử dụng nền tảng thương mại điện tử để mua sắm tại Thành phố Hồ Chí Minh.

Phạm vi nghiên cứu

1.6.1 Phạm vi về thời gian Để đảm bảo tính thời sự, độ tin cậy cần thiết của dữ liệu thì dữ liệu thứ cấp thu thập chủ yếu trong giai đoạn từ năm 2019 đến năm 2024 Dữ liệu sơ cấp được thực hiện từ tháng 02/2024 đến tháng 04/2024 thông qua tham khảo ý kiến của giảng viên hướng dẫn, Quý Thầy Cô Khoa Quản trị Kinh doanh, phỏng vấn sâu sơ bộ 07 chuyên gia có kiến thức nhất định về AI và thương mại điện tử và tiến hành phát phiếu khảo sát Trong nghiên cứu này, tác giả tập trung vào việc điều tra và phân tích các yếu tố tác động tới ý định sử dụng AI của người dùng trong quá trình mua hàng trực tuyến

1.6.2 Phạm vi về không gian

Dự án nghiên cứu này đã được thực hiện bằng cách tổ chức phỏng vấn sâu sơ bộ với 07 chuyên gia và tiến hành khảo sát ý kiến của người tiêu dùng từ 16 tuổi trở lên đang sinh sống tại Thành phố Hồ Chí Minh - biết đến thương mại điện tử có tích hợp trí tuệ nhân tạo.

Phương pháp nghiên cứu

Trong đề tài này, phương pháp nghiên cứu định lượng được tác giá lựa chọn thông qua quá trình kiểm định và đánh giá một số giả thuyết Đồng thời, một số khái niệm mới mẻ trong mô hình nghiên cứu chưa được nhắc đến trong các nghiên cứu trước đây tại Việt Nam cũng cần được kiểm định độ phù hợp tại bối cảnh đất nước đang phát triển này Vì vậy, phương pháp định tính là phương pháp phù hợp được áp dụng vào nghiên cứu này

1.7.1 Phương pháp nghiên cứu định tính

Trong nghiên cứu này, phương pháp định tính được sử dụng thông qua thảo luận với chuyên gia Mục đích nhằm điều chỉnh thang đo để phù hợp với bối cảnh nghiên cứu này và đánh giá các khái niệm đưa vào mô hình có phù hợp hay không

1.7.2 Phương pháp nghiên cứu định lượng

Khảo sát 320 đáp viên là khách hàng quan tâm đến thương mại trực tuyến có tích hợp AI Khi đã thu thập và lựa chọn các khảo sát đáp ứng đúng tiêu chuẩn yêu cầu, bước tiếp theo sẽ là phân tích dữ liệu thu được bằng cách sử dụng phần mềm phân tích thống kê như IBM SPSS Statistics 20 và IBM SPSS Amos 25 Sau đó, quy trình tiếp theo sẽ bao gồm các bước sau: thống kê mô tả, kiểm định Cronbach’s Alpha, phân tích nhân tố EFA, phân tích mô hình cấu trúc tuyến tính SEM để đưa ra đánh giá và kết luận.

Ý nghĩa nghiên cứu

Tác giả tìm hiểu tài liệu, cơ sở lý thuyết và các mô hình liên quan đến những yếu tố tác động đến ý định sử dụng nền tảng thương mại trực tuyến có tích hợp công nghệ AI Từ các mô hình nghiên cứu trước đây của các chuyên gia, nhà khoa học, cũng như các học giả trong và ngoài nước, tác giả kế thừa những yếu tố đã được chứng minh và nghiên cứu thực nghiệm trong thực tiễn Đồng thời, tác giả cũng bổ sung thêm các biến và lý thuyết mới để giải thích vào vấn đề cụ thể hơn, đặc biệt trong bối cảnh phát triển của Việt Nam thông qua: mô hình chấp nhận công nghệ, lý thuyết hành động hợp lý, lý thuyết hành vi dự định, lý thuyết sự khuếch tán công nghệ để đánh giá độ tin cậy cũng như khẳng định thêm gia trị của mô hình nghiên cứu đề xuất Ngoài ra, đề tài cũng tham gia tích cực vào việc mở rộng hệ thống tri thức khoa học của Việt Nam và cũng góp phần vào hệ thống tri thức khoa học toàn cầu

Tác giả căn cứ dữ liệu thu thập được từ các bài báo đáng tin cậy trong nước và quốc tế, kế thừa các mô hình nghiên cứu đã được phát triển trước đó bởi các chuyên gia và nhà nghiên cứu Cùng với việc nghiên cứu thực trạng sử dụng nền tảng thương trực tuyến có tích hợp AI tại Thành phố Hồ Chí Minh Từ đó, tác giả đề xuất một số phương án quản trị thích hợp nhằm giúp các doanh nghiệp hoạt động trong lĩnh vực thương mại trực tuyến nhận thức được những ưu điểm vượt trội của công nghệ AI trong việc thu hút khách hàng và thúc đẩy gia tăng doanh số Nghiên cứu này cũng hỗ trợ các công ty đang làm việc trong các nền tảng thương mại trực tuyến tích hợp AI phát triển mô hình kinh doanh của họ hiệu quả và năng suất hơn dựa trên kết quả đạt được từ nghiên cứu này.

Kết cấu nghiên cứu

Báo cáo khóa luận này tuân thủ theo hướng “Nghiên cứu học thuật” và được chia thành năm chương như sau:

Chương 1: Tổng quan về đề tài Đề tài nghiên cứu được tác giả trình bày tổng quan thông qua các phần sau: lý do lựa chọn đề tài, mục tiêu tổng quát và mục tiêu cụ thể của đề tài, đối tượng nghiên cứu, câu hỏi nghiên cứu và phạm vi nghiên cứu, phương pháp nghiên cứu được áp dụng, ý nghĩa nghiên cứu và phần cuối là kết cấu của đề tài khóa luận

Chương 2: Cơ sở lý luận và mô hình nghiên cứu đề xuất

Tác giả giới thiệu về các khái niệm cơ sở khoa học, lý thuyết nền có liên quan đến đề tài Các giả thuyết được phát triển dựa trên cơ sở lý thuyết và các nghiên cứu liên quan hỗ trợ tác giả xây dựng mô hình nghiên cứu và thang đo phù hợp

Chương 3: Phương pháp nghiên cứu

Tác giả cung cấp thông tin chi tiết về quy trình nghiên cứu, việc lựa chọn phương pháp, việc tạo ra thang đo nghiên cứu chính thức và các hoạt động sau đó được thực hiện để kiểm định các thang đo có phù hợp hay không

Chương 4: Phân tích dữ liệu

Tác giả trình bày kết quả nghiên cứu bằng cách phân tích dữ liệu đã thu thập và xử lý bằng các ứng dụng IBM SPSS Statistics 20 và IBM SPSS Amos 25

Chương 5: Kết luận và hàm ý của nghiên cứu

Dựa trên kết quả phân tích ở Chương 4, tác giả đưa ra kết luận và đề xuất một số hàm ý quản trị, đồng thời đưa ra những hạn chế của nghiên cứu và đề xuất hướng cho nghiên cứu tiếp theo trong tương lai.

CƠ SỞ LÝ LUẬN

Các khái niệm liên quan đến đề tài nghiên cứu

Thương mại điện tử hay thương mại trực tuyến là việc mua, bán hoặc trao đổi sản phẩm/ dịch vụ thông qua các mạng như Internet Đây là nơi các giao dịch được thực hiện hoặc hỗ trợ bằng điện tử trên các thiết bị xách tay khác nhau như di động thông minh, máy tính bảng thông minh, máy tính bàn, hoặc các thiết bị khác (García, 2014; Tavera và Londono, 2014; Jalilvand và Samiei, 2012; Faqih và Jaradat, 2015) Lawrence và cộng sự (1988) thì định nghĩa thương mại điện tử là việc mua bán thông tin, sản phẩm và dịch vụ bằng cách sử dụng bất kỳ mạng máy tính nào trong hệ thống máy tính Internet Khái niệm này còn là sự bao gồm nhiều hoạt động khác nhau trên Internet liên quan đến việc trao đổi thông tin và dữ liệu hoặc trao đổi dựa trên giá trị giữa hai hoặc nhiều bên - trải rộng trên các doanh nghiệp (B2B), người tiêu dùng (B2B, B2C, C2C) và chính phủ (G2B, G2C) (Zwass, 1996)

Theo Song và cộng sự (2019), thuật ngữ thương mại điện tử ám chỉ việc sử dụng Internet và các công nghệ truyền thông tiên tiến để tiến hành bất kỳ hoạt động kinh doanh nào hoặc trao đổi thông tin Chalmers và cộng sự (2021) tin rằng thương mại trực tuyến là một cuộc cách mạng công nghệ và kinh tế mang lại sự tiến bộ vượt bậc trong khoa học, kỹ thuật và văn hóa Các hoạt động kinh doanh như: tiếp thị, chuỗi cung ứng, thanh toán và phân phối đều sử dụng công nghệ điện tử Công nghệ này cũng được sử dụng để quản lý mối liên hệ tương tác khách hàng trong thương mại điện tử (Bakharev, 2022)

Kể từ sau thời kỳ COVID 19, thương mại điện tử có cơ hội phổ biến rộng rãi vì nhiều người dùng đã di chuyển đến hệ sinh thái mới này để phục vụ nhu cầu mua sắm của họ mà không cần tiếp xúc với bên ngoài (Abdelrhim và Elsayed, 2020; Bhatti và cộng sự, 2022) Trong thương mại trực tuyến, công nghệ đã thay đổi cách doanh nghiệp hoạt động cũng như cách mà người dùng chấp nhận sử dụng thương mại điện tử để mua hàng trực tuyến Điều này, góp phần to lớn vào quá trình tiến bộ kinh tế toàn cầu (Har và cộng sự, 2022; Zulfiqar và cộng sự, 2022) Ngày càng có nhiều công cụ và lựa chọn thay thế toàn diện cho người tiêu dùng trực tuyến, việc tương tác với thương mại điện tử sẽ tiếp tục tăng trong những năm tới (Ariansyah và cộng sự, 2021)

Thuật ngữ trí tuệ nhân tạo hay AI được sử dụng lần đầu tiên bởi John McCarthy vào năm 1955 và ông định nghĩa trí tuệ nhân tạo là việc lập trình máy tính để thực hiện các hành động một cách tương tự như con người, đến mức nếu một con người hành động theo cách đó, ta có thể coi họ là thông minh (McCarthy và cộng sự, 1955) Còn theo Kumar và Thakur (2012) thì định nghĩa trí tuệ nhân tạo là những cỗ máy có khả năng nhận thức, nhận biết, học hỏi, phản ứng và giải quyết các vấn đề Thuật ngữ AI còn đề cập đến việc mô phỏng trí thông minh của con người bằng một hệ thống hoặc máy móc Mục tiêu của AI là phát triển một cỗ máy có thể suy nghĩ giống người và bắt chước các hành vi của con người, bao gồm nhận thức, lý luận, học tập, lập kế hoạch, dự đoán,v.v… (Xu và cộng sự, 2021)

Ngày nay, AI sử dụng rộng rãi trong đa dạng lĩnh vực như: tiếp thị (Davenport và cộng sự, 2019), khám phá phân tử (Gawehn và cộng sự, 2016), sản xuất ô tô (Luckow và cộng sự, 2018) và đặc biệt trong kinh doanh trực tuyến, công nghệ này mang lại nhiều lợi ích đáng kể và trở thành động lực phát triển liên tục hàng ngày (Mohamad và cộng sự, 2022) Sự tiến bộ của công nghệ trí tuệ nhân tạo đang liên tục được cải tiến bởi sự hấp dẫn ngày càng nhiều hơn các nhà nghiên cứu, nhằm mở rộng việc áp dụng AI hiệu quả trong các lĩnh vực khác nhau (Wang và cộng sự, 2023) Vì vậy, AI được xem là một trong những thành phần chủ đạo của thời đại phát triển hiện nay (Ran và cộng sự, 2021) Điều này minh chứng cho việc các ứng dụng của trí tuệ nhân tạo đang ngày càng trở nên cấp thiết hơn trong lĩnh vực thương mại điện tử cũng như trong các lĩnh vực khác Vì vậy, công nghệ AI phải được ứng dụng để phát triển theo nhu cầu của doanh nghiệp nhằm hỗ trợ tốt hơn cho họ và cả khách hàng trong trong vận hành kinh doanh và giao dịch

2.1.3 Thương mại điện tử có tích hợp trí tuệ nhân tạo

Thương mại điện tử tích hợp trí tuệ nhân tạo đề cập đến việc sử dụng các công nghệ AI trong các hoạt động trên lĩnh vực mua sắm trực tuyến Trong thời đại chuyển đổi số hiện nay, khi các công ty đang trải qua quá trình biến đổi, trí tuệ nhân tạo trở thành một nhu cầu không thể thiếu đối với các tổ chức kinh doanh trực tuyến và với cả người tiêu dùng, đồng thời thương mại điện tử chỉ có thể thực hiện được một cách khả thi nếu có công nghệ AI phù hợp (Sestino và cộng sự, 2022; Marjerison và cộng sự, 2022) Vì thương mại trực tuyến đang thu hút nhiều khách hàng và mỗi khách hàng có sở thích khác nhau, việc xử lý họ một cách cá nhân bởi con người là một thách thức đối với các doanh nghiệp thương mại điện tử Công nghệ AI được sử dụng phân tích lịch sử và xu hướng trên thị trường, từ đó xác định nhu cầu và sở thích của cả tổ chức và khách hàng Với sự hỗ trợ của AI, doanh nghiệp đã được phát triển nhiều ý tưởng mới khác nhau giúp nhận biết xu hướng mua sắm của khách hàng

2.1.4 Ứng dụng của trí tuệ nhân tạo trong thương mại điện tử

Trí tuệ nhân tạo và thương mại trực tuyến được liên kết chặt chẽ trong môi trường kinh tế cạnh tranh và đổi mới liên tục ngày nay (Isaac và cộng sự, 2018; Oana và cộng sự, 2017) Trí tuệ nhân tạo cung cấp trải nghiệm khách hàng vượt trội cho các doanh nghiệp bán lẻ trực tuyến và hỗ trợ họ trong việc ra quyết định thông minh Việc sử dụng AI đóng vai trò cách mạng trong việc định hướng cho các doanh nghiệp thương mại thiết lập các nền tảng điện tử để tiếp cận khách hàng trực tuyến của họ (Ibrahim và cộng sự, 2015; Johnson, 2022) Do đó, trí tuệ nhân tạo đang trở thành một thành phần không thể thiếu đối với thương mại điện tử trong việc tăng cường quy trình kinh doanh của các doanh nghiệp kinh doanh trực tuyến Nó thu hút sự tương tác của khách hàng thông qua các phương tiện kỹ thuật số Một số ứng dụng phổ biến nhất của AI trong thương mại điện tử phải kể đến trợ lý ảo, tìm kiếm thông minh, tự động hóa, cá nhân hóa, tiếp thị lại khách hàng tiềm năng (Asling, 2022; Khan và cộng sự, 2022)

Trợ lý ảo: Trợ lý ảo là các chatbot hoạt động 24 giờ mỗi ngày, bảy ngày mỗi tuần Nhiệm vụ của tiện ích này là để xử lý các yêu cầu khách hàng khác nhau Đây là một trong những cách nhanh chóng nhất để tìm kiếm và tìm hiểu về một thứ gì đó Mọi người có thể tương tác với tiện ích bất cứ lúc nào và hỏi về bất cứ điều gì mà công ty cung cấp (Frontczak, 2021) Ngoài ra, bằng cách sử dụng các hệ thống học sâu như hệ thống xử lý tự nhiên ngôn ngữ hoặc nhận dạng giọng nói tự động, chatbot có thể mô phỏng cách con người giao tiếp Công nghệ này có thể được ứng dụng trong hệ thống trợ lý ảo, dịch vụ khách hàng, trung tâm cuộc gọi,v.v…(Aws, 2019)

Tìm kiếm thông minh: Tìm kiếm thông minh là một ưu điểm khác của trí tuệ nhân tạo trong thương mại điện trực tuyến và tiện ích này ảnh hưởng mạnh mẽ đến ngành công nghiệp Tiện ích AI này cũng được gọi là nơi trưng bày hàng hóa Tìm kiếm thông minh bao gồm các yếu tố như tìm kiếm theo đặc điểm, tìm kiếm bằng hình ảnh, điều hướng, tự động liệt kê danh sách sản phẩm được đề xuất và tìm kiếm gần đây để cung cấp một trải nghiệm tìm kiếm sản phẩm cá nhân hóa và thuận lợi cho người dùng (Clymer, 2019) Hơn thế nữa, từ việc dựa trên dữ liệu mua sắm của khách hàng trước đó, tiện ích sẽ đề xuất các mặt hàng mà khách hàng có thể sẽ cần (Sharma, 2018)

Cá nhân hóa: Cá nhân hóa là việc điều chỉnh lại trải nghiệm mua sắm của khách hàng dựa trên nhu cầu, sở thích của họ, v.v…việc phân phối sản phẩm dựa trên lịch sử gần đây, hành vi trực tuyến của người dùng, thói quen mua sắm, và những yếu tố khác (Sahin, 2022) Ngoài ra, người dùng cũng có thể cung cấp thêm thông tin như tuổi, giới tính, khu vực địa lý, v.v… Hệ thống sẽ lưu trữ, kiểm tra và nhận dạng dữ liệu của khách hàng, sau đó sẽ chọn các thuật toán đúng Cuối cùng, công nghệ này sẽ tối ưu hóa một mẫu cá nhân hóa được tùy chỉnh cho dữ liệu của khách hàng (Aws Amazon Personalize, 2019)

Tự động hóa: Tự động hóa các chức năng kinh doanh khác nhau là một ứng dụng khác của trí tuệ nhân tạo AI Tiện ích này mang lại những ảnh hưởng đáng kể đối với lĩnh vực thương mại điện tử Các công ty thương mại điện tử có thể cung cấp dịch vụ hỗ trợ khách hàng 24/7 nhờ vào tự động hóa Điều này giúp tiết kiệm thời gian, kinh phí vận hành và nguồn năng lượng

AI trong thương mại điện tử tự động hóa việc giới thiệu sản phẩm mới trên nhiều kênh để gia tăng doanh số bán hàng Ngoài ra, tiện ích AI này nhận dạng các giao dịch và cung cấp những chương trình giảm giá cho khách hàng tiềm năng (Shopify, 2021)

Tiếp thị lại khách hàng tiềm năng: Có được khách hàng mục tiêu luôn là một nhiệm vụ quan trọng và khó khăn đối với các doanh nghiệp Tuy nhiên, điều này có thể được triển khai hiệu quả thông qua việc sử dụng trí tuệ nhân tạo nhờ vào khả năng việc nhận diện hành vi của người tiêu dùng Ví dụ như lịch sử xem, mua hàng của mỗi khách hàng được lưu trữ lại, và việc tiếp thị lại được thực hiện dựa trên dữ liệu này (Lau, 2022)

Vai trò của trí tuệ nhân tạo AI trong thương mại trực tuyến tiếp tục được nâng cao khi công nghệ này ngày càng đổi mới và tiên tiến và theo nhiều cách khác nhau, làm tăng hiệu quả và năng suất kinh doanh (Yes Council Post, 2022) Từ việc phát triển sản phẩm, tiếp thị, tìm kiếm khách hàng mục tiêu và tăng cường mối quan hệ với khách hàng trung thành, mọi thứ đều được thực hiện với sự hỗ trợ của trí tuệ nhân tạo (Wang, 2023).

Lý thuyết nền liên quan đến đề tài nghiên cứu

2.2.1 Mô hình chấp nhận công nghệ (Technology Acceptance Model – TAM)

Mô hình lý thuyết chấp nhận công nghệ (TAM) là sự chuyển thể từ lý thuyết hành động hợp lý (TRA) tập trung vào hành vi sử dụng công nghệ mới (Tavera và cộng sự, 2011) Theo Davis (1989) nhận định lý thuyết này đặc biệt chú trọng đến việc phân tích tác động của các yếu tố bên ngoài đến sự tin tưởng, thái độ và hành vi ý định (Davis, 1989) Mô hình TAM được phát triển để cung cấp thang đo hợp lệ nhằm dự đoán mức độ chấp nhận của người dùng đối với công nghệ mới (Mafe và cộng sự, 2010; Zhang và cộng sự, 2008) Lý thuyết này coi yếu tố cảm nhận hình thành trong quá trình sử dụng một công nghệ nào đó là tiền đề trực tiếp dẫn đến ý định sử dụng của người dùng, bên cạnh yếu tố trước đó là nhận thức về tính dễ sử dụng và nhận thức về tính hữu ích (Davis, 1989)

Lý thuyết này cũng trình bày mức độ tin tưởng của các cá nhân vào việc sử dụng một hệ thống xác định sẽ góp phần cải thiện hoạt động nghề nghiệp của họ (Elmorshidy và cộng sự, 2015) Nếu các cá nhân nhận thấy rằng hệ thống có lợi cho việc thực hiện công việc của họ, dù là về mặt cải thiện hiệu suất hay tăng hiệu quả, họ sẽ có xu hướng chấp nhận công nghệ đó hơn, thậm chí vượt xa xu hướng tự nhiên chống lại sự thay đổi Điều này chứng tỏ tính hiệu quả của mô hình TAM trong việc dự đoán ý định sử dụng thương mại điện tử có tích hợp AI của người dùng

Mặc dù TAM là một mô hình rất cũ Davis đã phát triển mô hình này từ những năm 1986 Đó là sẽ có những câu hỏi và nghi ngờ về độ tin cậy và giá trị của mô hình theo xu hướng công nghệ mới Tuy nhiên, đã có một số nghiên cứu chứng minh rằng mô hình này vẫn còn giá trị và được sử dụng trong các nghiên cứu kỹ thuật số khác nhau Mô hình này đã được thử nghiệm trong một số ngành dựa trên công nghệ như công nghệ thông tin (Goh và cộng sự, 2023), giáo dục (Mukred và cộng sự, 2024), an ninh quốc phòng (Nakisa, 2023) và nghiên cứu của Nofirda và Ikram (2023) trong lĩnh vực thương mại điện tử đã chứng minh sự phù hợp của mô hình này đối với lĩnh vực thương mại trực tuyến

Hơn nữa, mô hình TAM được thiết kế dành cho các đối tượng cá nhân trong việc tiếp nhận công nghệ thay vì lý thuyết về sự chấp nhận và sử dụng công nghệ (UTAUT) được sử dụng ở cấp độ tổ chức (Rondan-Cataluna và cộng sự, 2015) Do đó, nghiên cứu này tập trung vào nhận thức của khách hàng cá nhân về sàn thương mại điện tử tích hợp AI đã chứng minh được tại sao mô hình TAM lại phù hợp để áp dụng Mô hình TAM được khuyến nghị để được sử dụng khi việc chấp nhận công nghệ đang trong giai đoạn giới thiệu (giai đoạn ban đầu) (S´anchez-Prieto và cộng sự, 2017) Việt Nam đang trong giai đoạn phát triển và nghiên cứu việc tiếp cận và khai thác sức mạnh của công nghệ mới như AI Đây được xem là giai đoạn giới thiệu của công nghệ này tại Việt Nam, vì vậy việc áp dụng mô hình TAM là hoàn toàn phù hợp để giải thích hành vi người tiêu dùng trong việc chấp nhận nền tảng thương mại điện tử có tích hợp AI tại Việt Nam

Hình 2 1 Mô hình chấp nhận công nghệ, Davis (1989)

2.2.2 Lý thuyết hành động hợp lý (TRA - Theory of Reasoned Action) và lý thuyết hành vi dự định (TPB - Theory of Planned Behavior)

Lý thuyết hành động hợp lý (TRA) được Fishbein và Ajzen phát triển vào năm 1975, là cơ sở để Ajzen xây dựng và củng cố và hình thành nên lý thuyết hành vi dự định (TPB) Lý thuyết TRA cung cấp cái nhìn về mối liên hệ giữa thái độ và hành vi là cơ sở ảnh hưởng đến các quyết định cách hành xử của con người Thái độ của một người đối với hành vi và ảnh hưởng của chuẩn mực chủ quan đều đóng vai trò quan trọng trong việc quyết định ý định của họ (Fishbein và Ajzen, 1975) Tuy nhiên, Ajzen (1991) phát hiện rằng việc người tiêu dùng không thể hoàn toàn kiểm soát hoạt động của mình làm cho lý thuyết TRA gặp phải những hạn chế trong việc dự đoán hành vi Do đó, yếu tố nhận thức kiểm soát hành vi (Perceived Behavioral Control) được Ajzen thêm vào lý thuyết TBP nhằm củng cố thêm lập luận Khi một cá nhân sở hữu nguồn lực và những trở ngại mong đợi (hay không mong đợi) mà cá nhân gặp phải càng ít thì khả năng kiểm soát hành vi của cá nhân sẽ được nâng cao (Ajzen, 1991)

Lý thuyết TBP đã được sử dụng để mô hình hóa hành vi chấp nhận của các loại công nghệ khác nhau như môi trường ảo và hệ thống (Rogers, 2010; Mafe và cộng sự, 2010) Điều này thể hiện một cách hiệu quả việc dự đoán hành vi chấp nhận của người tiêu dùng đối với các nền tảng thương mại điện tử có tích hợp trí tuệ nhân tạo

Hình 2 2 Lý thuyết hành động hợp lý, Fishbein và Ajzen (1975)

Hình 2 3 Lý thuyết hành vi dự định, Ajzen (1991)

2.2.3 Lý thuyết khuếch tán sự đổi mới (DOIT - Diffusion Of Innovations Theory)

Lý thuyết khuếch tán sự đổi mới được Rogers đề xuất vào năm 1962 Thuyết này là một lý thuyết xã hội khoa học mô tả quá trình mà một ý tưởng, một sản phẩm, hoặc một phương pháp mới lan truyền thông qua một nhóm hoặc một cộng đồng (Rogers, 2010; Mafe và cộng sự, 2010) Rogers xác định chia nhóm người tiêu dùng thành các phân khúc như những người đổi mới (Innovators), người tiếp nhận sớm (Early Adopters), đa số chủ yếu (Early Majority), đa số chậm (Late Majority) và những người chống đối (Laggards), dựa trên thời gian và cách mà họ nhận nhận thức và chấp nhận sự đổi mới Theo lý thuyết này, việc chấp nhận một sáng kiến mới phụ thuộc vào một số yếu tố như tính tương xứng về nhu cầu và giá trị của chủ thể hoặc nhóm, mức độ tương thích với hệ thống giá trị và kinh nghiệm hiện có, khả năng kiểm soát và thử nghiệm, tầm quan trọng của nguồn thông tin và cảm nhận về rủi ro Do đó đối với đề tài này, tác giả sử dụng giả thuyết này để giải thích hành vi của người tiêu dùng trong việc chấp nhận các nền tảng thương mại điện tử có tích hợp AI.

Tổng quan các nghiên cứu trước có liên quan

2.3.1 Nghiên cứu trong nước có liên quan

2.3.1.1 Nghiên cứu: Những yếu tố thúc đẩy thái độ và ý định sử dụng trí tuệ nhân tạo của người Việt trong trường hợp của Chatbot – Nguyễn Thu Trang (2021)

Với nghiên cứu “Những yếu tố thúc đẩy thái độ và ý định áp dụng trí tuệ nhân tạo của người Việt trong trường hợp của Chatbot” của Nguyễn Thu Trang (2021) được thực hiện tại Việt Nam Nghiên cứu áp dụng lý thuyết về sự chấp nhận và sử dụng công nghệ (UTAUT) để phát triển khung khái niệm Từ đó, tác giả đề xuất một mô hình để kiểm tra các yếu tố tác động tới thái độ ý định chấp nhận đối với Chatbot trên các nền tảng trực tuyến Việc thu thập dữ liệu bằng bảng câu hỏi là phương pháp được tác giả sử dụng với 511 phản hồi hợp lệ được thu thập làm dữ liệu đầu vào cho nghiên cứu Tác giả nhận thấy nhận tố kỳ vọng hiệu suất (PE) và kỳ vọng nỗ lực (EE) có tác động tích cực đến thái độ đối với việc sử dụng Chatbot Thái độ (A) cũng được xem là yếu tố quyết định tích cực mạnh mẽ nhất đến việc áp dụng Chatbot Yếu tố kiểm soát tạo điều kiện thuận lợi (FC) và nhận thức rủi ro (PR) được phát hiện ảnh hưởng tiêu cực đến ý định chấp nhận Dựa trên những phát hiện của nghiên cứu, tác giả đã đưa ra những khuyến nghị nhằm thúc đẩy sự tiến bộ của Chatbot cho các hoạt động thương mại trực tuyến tương lai ở Việt Nam

Hình 2 4 Mô hình kết quả các yếu tố thúc đẩy thái độ và ý định áp dụng trí tuệ nhân tạo của người Việt trong trường hợp của Chatbot - Nguyễn Thu Trang (2021)

2.3.1.2 Nghiên cứu: Điều tra niềm tin của khách hàng vào trí tuệ nhân tạo: Vai trò của nhân cách hóa, phản ứng đồng cảm và tương tác - Nguyễn Thị Khánh Chi và Hoàng Nam Vũ (2022)

Nghiên cứu “Điều tra niềm tin của khách hàng vào trí tuệ nhân tạo: Vai trò của nhân cách hóa, phản ứng đồng cảm và tương tác” được Nguyễn Thị Khánh Chi cùng Hoàng Nam Vũ thực hiện vào năm 2022 Nghiên cứu tập trung xem xét ảnh hưởng của các ứng dụng AI đến chất lượng truyền thông và niềm tin của khách hàng Nghiên cứu đặc biệt chú ý đến thuyết hình người (Anthropomorphism), phản ứng đồng cảm (Empathy response) và tương tác (Interaction) Tác giả thu thập dữ liệu thông qua khảo sát định tính từ 507 khách hàng từ hai ngân hàng và hai công ty viễn thông lớn tại Việt Nam Kết quả nghiên cứu cho thấy thuyết hình người và yếu tố tương tác có thể không góp phần đáng kể vào việc tạo niềm tin khách hàng vào AI, nhưng chúng có ảnh hưởng đến việc cải thiện chất lượng truyền thông Mặt khác, khả năng AI cung cấp phản hồi đồng cảm có đóng vai trò quan trọng trong việc phát triển niềm tin của khách hàng trong nhiều tình huống dịch vụ khác nhau Sau cùng, tác giả đưa ra những gợi ý dựa trên kết quả nghiên cứu nhằm xây dựng và duy trì niềm tin của khách hàng một cách hiệu quả, từ đó cải thiện được sự thỏa mãn và lòng trung thành của khách hàng

Hình 2 5 Mô hình kết quả điều tra niềm tin của khách hàng vào trí tuệ nhân tạo: Vai trò của nhân cách hóa, phản ứng đồng cảm và tương tác - Nguyễn Thị Khánh Chi và Hoàng Nam

Nguồn: Nguyễn Thị Khánh Chi và Hoàng Nam Vũ (2022) 2.3.2 Nghiên cứu ngoài nước có liên quan

2.3.2.1 Nghiên cứu: Đánh giá thực nghiệm mô hình chấp nhận công nghệ cho trí tuệ nhân tạo trong thương mại điện tử - Wang và cộng sự (2023)

Nghiên cứu “Đánh giá thực nghiệm mô hình chấp nhận công nghệ cho trí tuệ nhân tạo trong thương mại điện tử” được Wang và cộng sự của mình thực hiện vào năm 2023 tại Pakistan Nghiên cứu này xem xét cách AI có thể tạo ra hiệu quả và sinh lợi hơn trong mua sắm trực tuyến, cũng với việc áp dụng công nghệ này để giúp các doanh nghiệp đạt được mục tiêu kinh doanh Tác giả đã thực hiện một cuộc khảo sát qua mạng được gửi đến những người mua sắm trực tuyến của các công ty thương mại điện tử tại Pakistan Từ đó, tác giả đề xuất mô hình để kiểm tra các yếu tố ảnh hưởng đến ý định sử dụng công nghệ AI trên sàn thương mại điện tử Qua 220 phản hồi hợp lệ từ quá trình nghiên cứu định lượng, kết quả phân tích cho thấy rằng chuẩn mực chủ quan (Subjective Norms) là tác nhân ảnh hưởng tích cực đến nhận thức sự hữu ích (Perceived Usefulness) và nhận thức dễ sử dụng (Pursued Ease of Use), niềm tin (Trust) có tác động tích cực đến nhận thức hữu ích (PU) và dễ sử dụng (PEU) Tương tự, nhận thức sự hữu ích (PU) có tác động tích cực đến tính dễ sử dụng (PEU) và ngược lại Sau cùng, hành vi ý định đã tác động tích cực đến việc sử dụng công nghệ AI trên thực tế Nghiên cứu này làm tăng mức độ nhìn nhận của người tiêu dùng đối với công nghệ AI và đồng thời đã bổ sung kiến thức và thực tiễn cho việc áp dụng mô hình TAM trong lĩnh vực mua sắm trực tuyến Kết quả cũng giúp các doanh nghiệp triển khai mô hình TAM trong bộ máy vận hành của mình để sử dụng AI một cách tốt hơn và phù hợp hơn

Hình 2 6 Mô hình kết quả đánh giá thực nghiệm mô hình chấp nhận công nghệ cho trí tuệ nhân tạo trong thương mại điện tử - Wang và cộng sự (2023)

Nguồn: Wang và cộng sự (2023)

2.3.2.2 Nghiên cứu: Sự chấp nhận của người tiêu dùng về việc sử dụng trí tuệ nhân tạo trong mua sắm trực tuyến ở Hungary – Nagy và Hajú (2021)

Nghiên cứu “Sự chấp nhận của người tiêu dùng về việc sử dụng trí tuệ nhân tạo trong mua sắm trực tuyến ở Hungary” được thực hiện bởi Nagy và Hajú vào năm 2021 tại Hungary Mục tiêu của nghiên cứu được thực hiện nhằm xác định quá trình người tiêu dùng chấp nhận và sử dụng các cửa hàng trực tuyến được hỗ trợ bởi trí tuệ nhân tạo AI, đồng thời giải quyết câu hỏi về niềm tin và sự chấp nhận của người tiêu dùng đối với trí tuệ nhân tạo trong thương mại điện tử Nghiên cứu đã sử dụng mô hình chấp nhận công nghệ (TAM) làm lý thuyết nền tảng cho nghiên cứu Một cuộc khảo sát đã được tiến hành thông qua nền tảng trực tuyến ở Hungary để thiết lập cơ sở dữ liệu gồm 439 người trả lời hợp lệ Để phân tích dữ liệu đầu vào thu được, tác giả sử dụng mô hình phương trình cấu trúc (SEM) Đồng thời, tác giả dựa trên mô hình TAM để hình thành mô hình nghiên cứu và tiến hành thử nghiệm rộng rãi để điều tra sự chấp nhận của người dùng đối với việc sử dụng AI trong mua hàng trên mạng Kết quả thu được cho thấy yếu tố niềm tin (Trust) đóng vai trò quan trọng trong việc hình thành thái độ của người tiêu dùng đối với trí tuệ nhân tạo Nhận thức về tính hữu ích (Perceived Usefulness) là yếu tố then chốt khác ảnh hưởng đến thái độ (Attitude) và ý định hành vi (Behavioural Intention) được cho là quan trọng hơn tính dễ sử dụng (Pursued Ease of Use) Nhiều phương án quản trị được đề xuất dựa trên những kết quả thu được từ nghiên cứu nhằm mang lại giá trị quan trọng cho các chủ sở hữu thương mại điện tử trong việc tăng cường sự chấp nhận của khách hàng

Hình 2 7 Mô hình kết quả sự chấp nhận của người tiêu dùng về việc sử dụng trí tuệ nhân tạo trong mua sắm trực tuyến: bằng chứng từ Hungary – Nagy và Hajú (2021)

2.3.2.3 Nghiên cứu: Việc sử dụng trí tuệ nhân tạo trên ứng dụng mua sắm trực tuyến của Indonesia liên quan đến sự chấp nhận của khách hàng - Nofirda và Ikram (2023)

Nghiên cứu về “Việc sử dụng trí tuệ nhân tạo trên ứng dụng mua sắm trực tuyến của Indonesia liên quan đến sự chấp nhận của khách hàng” được Nofirda và Ikram thực hiện vào năm 2023 tại Indonesia Nghiên cứu này nhằm đánh giá cảm nhận của người tiêu dùng về tiện ích, khả năng sử dụng và ý định sử dụng AI để mua hàng Trong nghệ cứu này, tác giả lựa chọn và đề xuất mở rộng mô hình TAM để sử dụng trong lĩnh vực mua sắm trực tuyến Bằng cách thêm thành phần trung gian, niềm tin vào các biến ban đầu của mô hình TAM, mối quan hệ giữa tính hữu ích được nhận thức (Perceived Usefulness), nhận thức tính dễ sử dụng (Perceived Ease of Use), và ý định mua sắm (Purchase Intention) được chỉnh sửa phù hợp cho nghiên cứu Tổng số người trả lời là 170 và phương pháp SEM được sử dụng để phân tích dữ liệu, bao gồm cả kiểm định độ tin cậy và mô hình hóa phương trình cấu trúc Kết quả nghiên cứu thu được cho thấy vai trò trung gian của niềm tin (Trust) giữa tính hữu ích (PU) và tính dễ sử dụng (PEU) trong việc mua hàng trực tuyến của người tiêu dùng Kết quả cũng cung cấp những ý nghĩa có giá trị cho các chủ cửa hàng trực tuyến nhằm tăng cường sự chấp nhận của khách hàng đối với trí tuệ nhân tạo AI

Hình 2 8 Mô hình kết quả việc sử dụng trí tuệ nhân tạo trên ứng dụng mua sắm trực tuyến của Indonesia liên quan đến sự chấp nhận của khách hàng - Nofirda và Ikram

2.3.2.4 Nghiên cứu: Trí tuệ nhân tạo trong thương mại điện tử: Điều tra sự chấp nhận của khách hàng khi sử dụng Chatbots – Morsi (2023)

Nghiên cứu “Trí tuệ nhân tạo trong thương mại điện tử: Điều tra sự chấp nhận của khách hàng khi sử dụng Chatbots” được Morsi (2023) thực hiện tại Ai Cập Nghiên cứu nhằm mục đích xác định mức độ chấp nhận của người dùng AI với Chatbot trong mua sắm qua mạng Bằng cách sử dụng lý thuyết sử dụng và hài lòng (The Use and Gratification Theory) làm lý thuyết nền cho nghiên cứu Tác giả sử dụng phương pháp tiếp cận dựa trên khảo sát định lượng đã thu thập được phản hồi từ 424 người dùng Ai Cập về thái độ hoặc ý định sử dụng Chatbot trong việc mua hàng trực tuyến của họ Bằng việc phân tích hồi quy, dữ liệu được phân tích để cho ra kết quả nhằm xác định việc tương tác với chatbot của người dùng Kết quả thu được cho thấy cả hai yếu tố là hưởng thụ (Enjoyment) và công nghệ (Technology) đều có nhân tố đáng quan tâm khi ảnh hưởng đến ý định hành vi của người dùng Thêm vào đó, hai yếu tố phụ là quyền riêng tư (Privacy Issuse) và công nghệ chưa hoàn thiện (Immaturity of Technology) có ảnh hưởng tiêu cực đến ý định hành vi của người dùng Nghiên cứu góp phần mở rộng cơ sở lý luận về việc chấp nhận và tương tác với Chatbot của khách hàng trong bối cảnh thương mại trực tuyến B2C Các phát hiện từ nghiên cứu đều mang lại thông tin hữu ích cho các nhà bán lẻ trực tuyến Ai Cập, giúp họ đưa ra quyết định chiến lược về việc triển khai Chatbot trong chiến lược dịch vụ của mình

Hình 2 9 Mô hình kết quả trí tuệ nhân tạo trong thương mại điện tử: Điều tra sự chấp nhận của khách hàng khi sử dụng Chatbots – Morsi (2023)

2.3.2.5 Nghiên cứu: Tác động của trí tuệ nhân tạo đến các quyết định mua hàng trực tuyến của người dùng cuối: Hướng tới một khung khái niệm tích hợp – Beyari và Garamoun

Nghiên cứu “Tác động của trí tuệ nhân tạo đến các quyết định mua hàng trực tuyến của người dùng cuối: Hướng tới một khung khái niệm tích hợp” được Beyari và Garamoun thực hiện vào năm 2022 tại Ả Rập Xê Út nhằm điều tra tác động của công cụ AI được lựa chọn đến quyết định mua sắm của người dùng cuối với mặt hàng mua sắm Các yếu tố tiếp cận của AI đã được chọn bao gồm máy học (Machine learning), thời gian mua hàng (Purchase duration), đề xuất sản phẩm (Product Recommendation) và sự phụ thuộc vào mạng xã hội (Social media dependency) Tác giả lựa chọn lý thuyết UTAUT và lý thuyết TRA làm khung lý thuyết cho nghiên cứu Một cuộc khảo sát thông qua mạng xã hội đã được thực hiện với mẫu gồm 148 khách hàng được đánh giá là phù hợp Khi phân tích các phát hiện, các nhà nghiên cứu đã phân tích mô hình SEM Kết quả phát hiện chỉ ra dẫn chứng về mối liên hệ giữa các biến độc lập: máy học (Machine learning), thời gian mua hàng (Purchase duration), đề xuất sản phẩm (Product Recommendation) và sự phụ thuộc vào mạng xã hội (Social media dependency) Nghiên cứu cũng chứng minh sự cân nhắc của khách hàng ảnh hưởng đến quyết định mua sắm của người dùng cuối Đồng thời dựa trên kết quả thu thập được, tác giả đề xuất những định hướng quản trị nhằm tăng cường sự chú ý của khách hàng đối với hàng hóa được bày bán trên thương mại điện tử

Hình 2 10 Mô hình kết quả tác động của trí tuệ nhân tạo đến các quyết định mua hàng trực tuyến của người dùng cuối: Hướng tới một khung khái niệm tích hợp – Beyari và Garamoun

Giả thuyết nghiên cứu và mô hình nghiên cứu đề xuất

Trong quá trình nghiên cứu về đề tài, tác giả nhận thấy những điểm chung của các nghiên cứu trước đây đã chủ yếu tập trung vào việc phân tích bối cảnh, đưa ra đề xuất và nghiên cứu các yếu tố ảnh hưởng đến sự chấp nhận và ý định của người dùng đối với công nghệ của trí tuệ nhân tạo trên nền tảng thương mại điện tử và cũng như trong các lĩnh vực khác Tuy nhiên, những nghiên cứu trước vẫn tồn tại những hạn chế khi chỉ nghiên cứu một phần nhỏ những công nghệ AI, nghiên cứu xem xét một cách sâu rộng những tiện ích/công nghệ AI được tích hợp trên nền tảng thương mại điện tử vẫn còn bị giới hạn tại Việt Nam Đồng thời, tác giả cũng kết hợp nhiều lý thuyết làm nền tảng lý thuyết cho nghiên cứu giúp nghiên cứu đi sâu và cụ thể hơn Vì vậy, ngoài việc kế thừa từ 11 công trình nghiên cứu trong, ngoài nước đã được tác giả trình bày ở mục 2.3 và để mang tính mới, tính thời sự cho đề tài nghiên cứu này, đồng thời dựa trên quá trình phỏng vấn sâu 07 chuyên gia để kiểm định mức độ phù hợp của thang đo với bối cảnh của nghiên cứu Do đó, đối với nghiên cứu này sẽ đi sâu vào việc phân tích những tiện ích/công nghệ AI được tích hợp trên nền tảng thương mại điện tử tại Việt Nam Tác giả đề xuất 08 yếu tố bao gồm: chuẩn mực chủ quan, niềm tin, nhận thức về tính hữu ích, nhận thức về tính dễ sử dụng, tính đổi mới cá nhân, thái độ đối với việc sử dụng, sự tò mò và ý định sử dụng

2.4.1 Giả thuyết nghiên cứu Để tạo điều kiện thuận lợi cho việc hiểu rõ các khái niệm của từng yếu tố trong mô hình nghiên cứu đề xuất tại bảng 2.2, tác giả đã đưa ra tóm lược các khái niệm cho từng yếu tố trước khi đưa vào giả thuyết nghiên cứu về mối quan hệ giữa các biến độc lập với biến phụ thuộc là ý định sử dụng sàn thương mại điện tử có tích hợp AI

Bảng 2 2 Giả thuyết nghiên cứu

Nhân tố Khái niệm Nguồn

Niềm tin của một cá nhân hoặc một nhóm kết luận rằng cá nhân đó nên thực hiện hay không thực hiện một hành vi nhất định Nhận thức của người tiêu dùng chịu sự ảnh hưởng bởi người khác, chẳng hạn như đồng nghiệp, gia đình, bạn bè, giới truyền thông và các nhân vật có thẩm quyền

Fishbein và Ajzen (1975); Pudaruth và Busviah (2018)

Tin tưởng lạc quan vào độ tin cậy, sự thật và khả năng của một công ty, con người hoặc sản phẩm Điều này có nghĩa rằng con người chắc chắn rằng ai đó hoặc điều gì đó là đáng tin cậy, hợp lệ hoặc có khả năng nếu họ tin tưởng chúng

Ji và cộng sự (2021); Saxena và cộng sự (2021)

Tính đổi mới cá nhân

Tính cách luôn sẵn lòng khám phá và tìm hiểu những ý tưởng, thông tin mới mẻ Họ có thể đối phó với mức độ không chắc chắn cao và phát triển những ý định tích cực đối với sự chấp nhận

Lu và cộng sự (2005); Rogers (1983)

Nhận thức về tính hữu ích

Mức độ tin tưởng vào khả năng của một hệ thống nào đó để tăng cường hiệu suất làm việc hoặc giúp một người hoàn thành công việc một cách hiệu quả hơn Sự hữu ích là việc có khả năng được sử dụng một cách thuận lợi

Nhận thức về tính dễ sử dụng

Mức độ tin tưởng vào sự thoải mái và tính dễ dàng trong việc tương tác với một hệ thống nào

Davis (1989); Radner và đó Sự dễ dàng được định nghĩ là thoát khỏi khó khăn hoặc nổ lực lớn

Thái độ đối với việc sử dụng

Mức độ mà một người xem xét thuận lợi hoặc bất lợi đối với hành vi được đề cập Hành vi tích cực bên trong của một người được tạo ra từ sự kết hợp của những cảm nhận tích cực khác nhau về một sản phẩm hoặc dịch vụ cụ thể hướng dẫn họ sử dụng sản phẩm hoặc dịch vụ đó

Mong muốn thúc đẩy các cá nhân tìm hiểu những ý tưởng mới, loại bỏ những khoảng trống thông tin và giải quyết các vấn đề trí tuệ

Biến phụ thuộc Ý định sử dụng

(YDINH) Động lực bên trong của một người thúc đẩy người đó theo một cách cụ thể Ý định sử dụng là một trong những tác nhân nổi bật nhất dẫn tới việc sử dụng của một người

Nguồn: Tác giả tự biên soạn 2.4.1.1 Mối quan hệ giữa chuẩn mực chủ quan và nhận thức về tính hữu ích

Theo lý thuyết hành động hợp lý của Ajzen và Fishbein (1975) đã nhận định chuẩn mực chủ quan là niềm tin của một cá nhân hoặc một nhóm kết luận rằng cá nhân đó nên thực hiện hay không thực hiện một hành vi nhất định Theo Nagy và Hajdú (2021) đã định nghĩa chuẩn mực chủ quan là mức độ cảm nhận của người dùng về sự ủng hộ hoặc phản đối từ phía những người quan trọng với họ về việc mua hàng trên các cửa hàng trực tuyến được hỗ trợ bởi AI Theo Davis (1989) đã định nghĩa nhận thức về tính hữu ích của một người là mức độ tin tưởng vào khả năng của một hệ thống nào đó để tăng cường hiệu suất làm việc hoặc giúp họ hoàn thành công việc một cách hiệu quả hơn Nói cách khác, thuật ngữ này đề cập đến mức độ mà người dùng tin rằng việc áp dụng AI trong mua hàng trực tuyến sẽ giúp việc mua sắm của họ hiệu quả hơn (Nagy và Hajdú, 2021) Theo Ventre và Kolbe (2020), Izuagbe và cộng sự (2019), chuẩn mực chủ quan của một người là những đặc điểm ảnh hưởng lớn đến tính hữu ích trong nhận thức của người đó Những chuẩn mực này gây ra những thay đổi trong quá trình mua hàng từ những giai đoạn ban đầu, đặc biệt khi người tiêu dùng là người mới và có ít kinh nghiệm (Pudaruth và Busviah, 2018) Một người nghĩ rằng một sản phẩm hoặc dịch vụ đang được người nổi tiếng sử dụng hoặc đề xuất là một ý tưởng tốt nhất đối với họ (Kurdi và cộng sự, 2021) Một người thường đưa ra quyết định dựa trên đề xuất của người khác và mong muốn hành vi của họ được chấp nhận bởi những người thân thiết (Khani và cộng sự, 2021) Đôi khi muốn mua hàng nhưng đồng nghiệp của họ cho rằng sản phẩm không tốt thì người tiêu dùng sẽ tránh mua sản phẩm đó Vì vậy, không thể bỏ qua yếu tố này Điều này góp phần quan trọng vào quá trình ra quyết định (Pudaruth và Busviah, 2018) Nói cách khác, khi những người xung quanh không ưa chuộng AI thì người dùng sẽ nhận định rằng việc sử dụng AI để mua sắm trực tuyến là không hữu ích Giả thuyết H1 được hình thành dựa vào những luận điểm trên:

Giả thuyết H1: Chuẩn mực chủ quan có tác động tích cực đến nhận thức về tính hữu ích của người dùng tại thành phố Hồ Chí Minh

2.4.1.2 Mối quan hệ giữa chuẩn mực chủ quan và nhận thức về tính dễ sử dụng

Theo Davis (1989) đã định nghĩa nhận thức về tính dễ sử dụng dùng để chỉ mức độ tin tưởng vào sự thoải mái và tính dễ dàng trong việc tương tác với một hệ thống nào đó Nagy và Hajdú (2021) nhận định nhận thức về tính dễ sử dụng là mức độ tin tưởng của người dùng vào sự thoải mái và tính dễ dàng trong việc tương tác với AI để hỗ trợ việc mua sắm Đó là khái niệm liên quan đến cách mà ai đó đánh giá cần bao nhiêu công sức để hiểu và sử dụng công nghệ mới (Bou-Ghanem, 2020) Theo Chen và Aklikokou (2020), chuẩn mực chủ quan là một đặc điểm cá nhân của một người dùng, yếu tố này sẽ xác định cách họ cảm nhận một sản phẩm hoặc dịch vụ cụ thể có dễ dàng đối với họ hay không Người dùng sẽ quan sát rằng một sản phẩm hoặc dịch vụ được người nổi tiếng sử dụng và họ sẽ dễ dàng sử dụng sản phẩm hoặc dịch vụ đó (Li và cộng sự, 2022) Càng nhiều người xung quanh sử dụng cửa hàng trực tuyến cụ thể sẽ dễ dàng để người tiêu dùng cũng lựa chọn cửa hàng trực tuyến đó (Mas’ud và Muchlis, 2012) Qua những chứng minh của những nghiên cứu trước đã cho thấy chuẩn mực chủ quan của một người là thành phần làm tăng nhận thức về tính dễ sử dụng của người đó

Từ đây, giả thuyết H2 được xây dựng:

Giả thuyết H2: Chuẩn mực chủ quan có tác động tích cực đến nhận thức về tính dễ sử dụng của người dùng tại Thành phố Hồ Chí Minh

2.4.1.3 Mối quan hệ giữa niềm tin và nhận thức về tính hữu ích

Niềm tin là lòng tin vào tính đáng tin cậy, sự trung thực và khả năng của một công ty, cá nhân hoặc sản phẩm (Li và cộng sự, 2021) Theo Nagy và Hajdú (2021) thì định nghĩa niềm tin là sự đánh giá chủ quan của mọi người về khả năng của trí tuệ nhân tạo trong việc đáp ứng các mục tiêu của họ Trong thương mại điện tử có rất nhiều rủi ro tin tặc ở đa dạng lĩnh vực (Khan và cộng sự, 2022; Liu và cộng sự, 2022) Theo nhiều nghiên cứu khác nhau trong lĩnh vực CNTT đã cho thấy rằng trong bối cảnh Internet - nơi mà cảm giác không chắc chắn của người dùng không thể kiểm soát, niềm tin của người tiêu dùng bị giảm đi Về lâu dài, điều này sẽ gây tổn hại đến danh hiệu của bất kỳ thương hiệu, dịch vụ hoặc sản phẩm nào (Grover và cộng sự, 2019; Seo và Lee, 2021) Niềm tin là điều kiện kiên quyết để khách hàng quyết định sử dụng sử dụng sản phẩm Nếu khách hàng không tin tưởng bất kỳ sản phẩm nào, họ sẽ không bao giờ nghĩ rằng sản phẩm đó giá trị (Propheto và cộng sự, 2020; Wang và cộng sự, 2023) Niềm tin vào thương hiệu sẽ tạo nên sự gắn bó của khách hàng đối với thương hiệu Nếu khách hàng càng tin tưởng vào trí tuệ nhân tạo trong quá trình mua sắm trực tuyến thì càng có nhiều khả năng khách hàng coi các tiện ích và cửa hàng trực tuyến do AI cung cấp là hữu ích (Nagy và Hajdú, 2021) Những lập luận trên đã làm sáng tỏ tác động của yếu tố niềm tin đến nhận thức của người dùng về tính hữu ích AI trong thương mại điện tử Vì vậy, giả thuyết H3 được xây dựng:

Giả thuyết H3: Niềm tin tác động tích cực đến nhận thức về tính hữu ích của người dùng tại Thành phố Hồ Chí Minh

2.4.1.4 Mối quan hệ giữa niềm tin và nhận thức về tính dễ sử dụng

Có hai thành phần của niềm tin vào công nghệ Internet và thương mại trực tuyến: niềm tin vào sản phẩm hoặc dịch vụ và niềm tin vào nhà cung cấp (Liu và cộng sự, 2021) Trong kết quả của Lan và cộng sự (2021) đã phát hiện niềm tin sẽ tác động đáng kể đến hành vi của khách hàng, đặc biệt là trong bối cảnh không rõ ràng như mua hàng và thanh toán điện tử Niềm tin cho phép người dùng loại bỏ mối lo ngại của họ về công nghệ không quen thuộc, giúp họ tham gia sử dụng AI dễ dàng hơn (Komiak và Benbasat, 2006) Khi người tiêu dùng có đánh giá cao hơn các thuộc tính vô hình của sản phẩm và kết quả là niềm tin mà người tiêu dùng nhận thấy tăng lên, họ sẽ cảm thấy thoải mái hơn khi mua hàng Kết quả là người dùng cảm thấy việc sử dụng là đơn giản và có xu hướng mua nhiều sản phẩm hơn vì quá trình tìm hiểu này làm giảm sự không chắc chắn ở cấp độ sản phẩm (Kim và Krishnan, 2019) Theo Wang và cộng sự (2023) đã phát hiện rằng khách hàng sẽ tin tưởng vào công nghệ AI nếu họ nghĩ rằng công nghệ này sẽ mang lại một lợi ích cần thiết và dễ dàng sử dụng Theo các cuộc khảo khác nhau được thực hiện ở các nước châu Á, người ta tin rằng hơn 70% khách hàng sử dụng sản phẩm của một thương hiệu vì họ tin tưởng vào thương hiệu đó (Casto và Chambers, 2019) Vì vậy, giả thuyết H4 được xây dựng:

Giả thuyết H4: Niềm tin tác động tích cực đến nhận thức về tính dễ sử dụng của người dùng tại Thành phố Hồ Chí Minh

2.4.1.5 Mối quan hệ giữa nhận thức về tính hữu ích và nhận thức tính dễ sử dụng

Nhận thức về tính dễ sử dụng đề cập đến nhận thức của một người về nỗ lực thể chất và tinh thần cần thiết để sử dụng công nghệ nhất định (Thư và Hồng, 2021) Một trong những yếu tố quan trọng trong việc sử dụng rộng rãi công nghệ mới là yếu tố nhận thức về tính dễ sử dụng Tính dễ sử dụng của hệ thống khi người dùng sử dụng hệ thống đóng vai trò quan trọng trong việc xác định sự hữu ích của hệ thống đó (Davis, 1989; Davis, 1993) Li và cộng sự của mình (2022) đã phát hiện rằng mọi người luôn nghĩ thứ gì đó sẽ hữu ích khi việc sử dụng hằng ngày của họ trở nên dễ dàng Việc dễ dàng cài đặt ứng dụng với các tính năng AI thân thiện với người dùng để thực hiện một số giao dịch mua hàng sẽ khiến họ cảm thấy lợi ích của ứng dụng (Prihantoro và cộng sự, 2018) Tuy nhiên, người ta quan sát thấy trong các báo cáo khảo sát tiếp thị khác nhau rằng khách hàng chủ yếu không xem xét tính hữu ích của sản phẩm do cách sử dụng thực tế mà họ quan tâm đến mức độ sẵn có và dễ sử dụng của sản phẩm đó đối với họ (Haenlein và cộng sự, 2020) Kết quả tương tự đã cho thấy rằng người dùng sẽ được hưởng lợi nhiều hơn nếu họ cảm thấy sự thoải mái khi sử dụng công nghệ mới (Celik và Yilmaz, 2011; Suhendro, 2009) Vậy nên, giả thuyết H5 được xây dựng:

Giả thuyết H5: Nhận thức về tính dễ sử dụng có tác động tích cực đến nhận thức về tính hữu ích của người dùng tại Thành phố Hồ Chí Minh

2.4.1.6 Mối quan hệ giữa nhận thức về tính dễ sử dụng và thái độ đối với việc sử dụng

Theo lý thuyết TBP đã nhận định thái độ đối với hành vi là đề cập đến mức độ mà một người xem xét thuận lợi hoặc bất lợi đối với hành vi được đề cập (Ajzen, 1991) Nói cách khác, thái độ đối với việc sử dụng thương mại điện tử có tích hợp AI được định nghĩa là cảm xúc tích cực hoặc tiêu cực của người tiêu dùng liên quan đến việc thực hiện công việc mua hàng qua mạng (Nagy và Hajdú, 2021) Nhận thức về tính dễ sử dụng là mức độ mà một người nghĩ rằng việc sử dụng một hệ thống cụ thể là dễ dàng (Kanchanatanee và cộng sự, 2014) Nhiều nghiên cứu đã phát hiện nhận thức về tính dễ sử dụng là tác nhân trực tiếp hoặc gián tiếp đến thái độ của người dùng về một sản phẩm hoặc dịch vụ cụ thể (Ramayah và Ignatus, 2005; Wang và cộng sự, 2023) Chocarro và cộng sự (2021) đã phát hiện rằng sự dễ dàng luôn là sở thích của con người nên họ thích tiếp cận với những thứ dễ sử dụng hơn Với sự gia tăng sử dụng di động thông minh trên thế giới, người dùng có xu hướng mua hàng trực tuyến nhiều hơn (Tando và cộng sự, 2016) Do đó, họ nhận thấy việc mua sắm trực tuyến khi ngồi ở nhà dễ dàng hơn so với việc di chuyển đến chợ (Chao, 2019) Ngược lại, nếu việc mua sắm đòi hỏi nhiều nỗ lực tinh thần và có vẻ phức tạp khi sử dụng AI trong việc mua hàng qua mạng, thì người tiêu dùng có xu hướng hình thành cảm xúc bất lợi mạnh mẽ đối với chúng và cũng có xu hướng ít tin tưởng AI hơn, điều này sẽ dẫn đến ý định truy cập các cửa hàng web đó của người tiêu dùng yếu hơn Từ những lập luận của các nghiên cứu trước, giả thuyết H6 được xây dựng:

PHƯƠNG PHÁP NGHIÊN CỨU

Quy trình nghiên cứu

Hình 3 1 Quy trình nghiên cứu

Nguồn: Tác giả tự biên soạn

Giai đoạn 1: Tác giả quan tâm đến tình hình hiện tại của việc áp dụng AI vào lĩnh vực thương mại điện tử cũng như việc người dùng cảm nhận như thế nào đối với công nghệ AI giúp họ mua sắm Vậy nên, tác giả quyết định điều tra những dữ liệu về sự phát triển của AI và những báo cáo có liên quan đến đề tài, sư tầm các lý thuyết nền và tìm hiểu những bài nghiên cứu liên quan để có được cái nhìn tổng quát nhằm xây dựng bài nghiên cứu tìm hiểu các yếu tố

Vì công nghệ AI còn khá mới mẻ và người tiêu dùng chưa quen với việc sử dụng các tiện ích

AI để hỗ trợ việc mua sắm trên nền tảng trực tuyến, nên có rất ít nghiên cứu về đề tài này được thực hiện Do vậy, tác giả phải dựa vào các giả thuyết và sự đóng góp ý kiến từ các chuyên gia để lập luận và đề xuất ra mô hình nghiên cứu Tác giả hình thành 03 biến độc lập: (1) Chuẩn mực chủ quan, (2) Niềm tin, (3) Sự đổi mới cá nhân; 04 biến phụ thuộc (1) Nhận thức về tính dễ sử dụng và (2) Thái độ đối với việc sử dụng, (3) Nhận thức về tính hữu ích, (4) Sự tò mò Biến phụ thuộc là Ý định sử dụng

Giai đoạn 2: Tác giả khảo sát 320 người theo hình thức trực tuyến Đối tượng nghiên cứu là người tiêu dùng, đã từng thực hiện việc mua sắm trên nền tảng trực tuyến, đồng thời tác giả sử dụng câu hỏi gạn lọc để lựa chọn ra những đối tượng đã từng sử dụng qua các tiện ích được hỗ trợ bởi AI trong quá trình mua sắm của mình Thời gian tiến hành khảo sát kéo dài từ tháng

2 năm 2024 đến tháng 4 năm 2024 Sau khi khảo sát, tác giả thu được 314 mẫu khảo sát hợp lệ làm cơ sở để thực hiện phân tích dữ liệu bằng phần mềm IBM SPSS 20 Statistics và IBM SPSS AMOS 25 Từ những kết quả thu được, tác giả đưa ra các chiến lược quản trị tương ứng với từng nhân tố.

Phương pháp nghiên cứu

3.2.1 Nghiên cứu định tính Đối với đề tài “Nghiên cứu ý định sử dụng của người tiêu dùng đối với nền tảng thương mại điện tử có tích hợp trí tuệ nhân tạo (AI)”, tác giả lựa chọn việc tham khảo các bài nghiên cứu liên quan, tìm hiểu các lý thuyết nền để xây dựng nguồn uy tín phục vụ cho quá trình nghiên cứu Tác giả xác định các mô hình có liên quan đến đề tài nghiên cứu này là mô hình TAM, mô hình TBP Vì số lượng bài nghiên cứu về AI trong thương mại điện tử còn hạn chế nên tác giả dựa vào các giả thuyết cùng với tham khảo ý kiến từ 07 chuyên gia để đề xuất ra mô hình nghiên cứu gồm 08 nhân tố (1) Chuẩn mực chủ quan, (2) Niềm tin, (3) Nhận thức về tính hữu ích, (4) Nhận thức về tính dễ sử dụng, (5) Sự đổi mới cá nhân, (6) Thái độ đối với việc sử dụng, (7) Sự tò mò và (8) Ý định sử dụng Các nhân tố và biến quan sát của từng thang đo đều được xem xét bởi tác giả Sau đó, tác giả đã sửa đổi và bổ sung các thang đo và phát thảo câu hỏi điều tra ban đầu để tạo ra thang đo nghiên cứu thử nghiệm Sau khi tìm hiểu những thuận lợi và bất lợi của phương pháp nghiên cứu định tính từ Nguyễn Đ.T (2013), Phan V.P và Cao N.A (2015), Lê V.H và Nguyễn T.N (2019), tác giả quyết định sử dụng phương pháp phỏng vấn sâu sơ bộ để thu thập ý kiến từ 07 chuyên gia về độ phù hợp của mô hình trong bối cảnh thực tế xem đã hợp lý chưa

Kết quả phỏng vấn sơ bộ, các chuyên gia đưa ra những đóng góp và cơ bản đồng ý với nội dung bản thảo tình bày Tuy nhiên một số câu hỏi chưa rõ ràng và cũng như nên trình bày dễ hiểu hơn những khái niệm giả thuyết mang tính chuyên môn liên quan đến đề tài Do đó, các chuyên gia tin rằng cần thay thế một số từ ngữ, diễn đạt ngắn gọn và dễ hiểu nhằm đảm bảo đối tượng khảo sát hiểu và dễ dàng trong việc hỗ trợ hình thành khảo sát nghiên cứu Việc kiểm định mức độ phù hợp của thang đo và câu hỏi được hoàn thiện thông qua thông tin thu thập được trong quá trình phỏng vấn sơ bộ

Tác giả quyết định lựa chọn phương pháp nghiên cứu định lượng để nghiên cứu thái độ và ý định chấp nhận sử dụng AI để mua sắm trực tuyến của người dùng tại Thành phố Hồ Chí Minh Nghiên cứu định lượng bằng cách thu thập dữ liệu định lượng từ các nhóm hiện có của một hoặc các đối tượng khác nhau Nghiên cứu định lượng được tác giả thiết kế với các câu hỏi trong bảng câu hỏi Các dữ liệu thu thập được có nghĩa vụ bác bỏ hoặc chứng minh các giả thuyết tiền lệ bằng cách áp dụng phương pháp thống kê số lượng mẫu mà kết quả định lượng có độ tin cậy và dự kiến sẽ đại diện cho dân số Tác giả thực hiện 320 phản hồi bằng hình thức trực tuyến đến những người dùng tại Thành phố Hồ Chí Minh đã từng sử dụng các tiện ích AI trên các nền tảng trực tuyến của mình Kết quả thu được 314 mẫu khảo sát hợp lệ, tác giả tiến hành phân tích dữ liệu đầu vào bằng phần mềm IBM SPSS Statistics và IBM SPSS Amos để hiểu được thái độ và ý định chấp nhận việc sử dụng AI và các yếu tố ảnh hưởng đến người Việt Nam, khảo sát kết quả có thể coi là cái nhìn sâu sắc để phát triển các giải pháp, chiến lược tiếp thị của AI trên sàn thương mại điện tử tại thị trường Việt Nam.

Thiết kế thang đo và bảng câu hỏi

Các thành phần và biến quan sát đo lượng được sử dụng thang đo Likert 5 điểm để đo lường, trong đó 1= “Hoàn toàn không đồng ý” đến 5 = “Hoàn toàn đồng ý” Theo McLeod (2019) cho rằng thang đo Likert có thể được sử dụng để giải quyết mức độ đồng ý, tần suất, tầm quan trọng,v.v với những yếu tố cụ thể Trong nghiên cứu này, tác giả sử dụng Likert 5 điểm để đánh giá từng yếu tố với mức độ đồng tình khác nhau

Bảng 3 1 Thang đo nghiên cứu

Mã hóa Biến quan sát Nguồn

CMCQ1 AI rất có ý nghĩa đối với tôi trong việc mua sắm trực tuyến

Tôi thích mua sắm với sự hỗ trợ của AI dựa trên sự giống nhau về các giá trị của tôi và các giá trị xã hội làm nền tảng cho việc sử dụng chúng

CMCQ3 Để chuẩn bị cho những tiến bộ trong tương lai tôi cần học cách tiếp cận với các nền tảng thương mại điện tử có tích hợp

NTIN1 AI đáp ứng được mong đợi của tôi trong việc mua sắm trực tuyến

NTIN2 Tôi tin tưởng các sản phẩm do AI đề xuất là phù hợp với tôi

NTIN3 Chất lượng các sản phẩm mà AI gợi ý cho tôi luôn ở mức cao

Nhận thức về tính hữu ích

HI1 AI giải quyết các nhu cầu liên quan đến mua sắm trực tuyến của tôi

HI2 Việc sử dụng AI trong mua sắm trực tuyến giúp tôi tiết kiệm thời gian

HI3 Việc sử dụng AI nâng cao hiệu quả của tôi trong việc mua sắm trực tuyến

HI4 Sử dụng AI giúp tôi mua sắm trên các ứng dụng trực tuyến dễ dàng hơn

HI5 Nhìn chung, việc sử dụng AI trong mua sắm trực tuyến rất hữu ích đối với tôi

Nhận thức về tính dễ sử dụng

SDUNG1 Tôi thấy dễ dàng tìm kiếm những sản phẩm mong muốn khi sử dụng AI Davis, 1989

SDUNG2 Tôi thấy thật dễ dàng để AI thực hiện những gì mình muốn

SDUNG3 Tôi thấy rất dễ dàng khi tương tác với AI để hỗ trợ việc mua sắm trực tuyến

SDUNG4 Nhìn chung, tôi thấy công nghệ trong mua sắm trực tuyến rất dễ sử dụng

Sự đổi mới cá nhân

DMOI1 Tôi thích nắm bắt cơ hội trải nghiệm công nghệ AI trong mua sắm trực tuyến

DMOI2 Tôi thích thử nghiệm những cách mới để mua sắm

DMOI3 Công nghệ/ Tính năng mới thường thu hút sự chú ý của tôi

Thái độ đối với việc sử dụng

TDO1 Mua sắm trên các ứng dụng được tích hợp

AI là một ý tưởng hay

TDO2 Mua sắm trên các ứng dụng được tích hợp AI là một ý tưởng sáng suốt

TDO3 Tôi đánh giá tích cực về ứng dụng webshop/mua sắm được AI hỗ trợ

TDO4 Tôi cảm thấy thích thú khi mua sắm với sự hỗ trợ của AI Tác giả bổ sung

TMO1 Tôi thích học hỏi về những chủ đề chưa quen thuộc

TMO2 Tôi hấp dẫn để tìm hiểu cải tiến mới

Khi tôi nhìn thấy một thứ gì đó phức tạp, tôi muốn hỏi ai đó xem nó sử dụng như thế nào

TMO4 Khi học điều gì đó mới, tôi thích để tìm hiểu thêm Ý định sử dụng

Tôi dự định ghé thăm các cửa hàng trực tuyến và sử dụng các ứng dụng mua sắm được hỗ trợ bởi AI thường xuyên hơn

Tôi sẵn sàng chi nhiều hơn cho các sản phẩm được cung cấp bởi các cửa hàng trực tuyến và ứng dụng hỗ trợ AI

YDINH3 Tôi sẽ sẵn lòng mua những sản phẩm được đề xuất bởi AI

Nguồn: Tác giả tự biên soạn 3.3.2 Thiết kế bảng câu hỏi

Nội dung khảo sát chủ yếu về các vấn đề liên quan đến hành vi chấp nhận và ý định sử dụng

AI trong mua sắm trực tuyến của người tiêu dùng tại Thành phố Hồ Chí Minh Tác giả lựa chọn hình thức khảo sát trực tuyến để tiếp cận và thu thập dữ liệu Bố cục của bài khảo sát được xây dựng thành 3 phần chính:

Phần thông tin cá nhân: Các câu hỏi liên quan đến thông tin cá nhân như Giới tính, Độ tuổi,

Trình độ học vấn, Thu nhập Người khảo bắt buộc trả lời đầy đủ và chính xác các câu hỏi ở phần này để đến nội dung khảo sát tiếp theo

Phần sàng lọc thông tin: Sàng lọc các đối tượng khảo sát đã từng mua sắm trực tuyến trên các nền tảng thương mại điện tử, đồng thời đối tượng khảo sát đã từng sử dụng các tiện ích AI để hỗ trợ quá trình mua sắm qua mạng cũng được sàng lọc để phục vụ cho việc hình thành dữ liệu phù hợp Những đối tượng không hợp lệ sẽ không được thực hiện những khảo sát sau

Phần nội dung chính: Tác giả quyết định lựa chọn thang đo Likert 5 mức độ từ 1 = “Hoàn toàn không đồng ý” đến 5 = “Hoàn toàn đồng ý” nhằm kiểm định các nhân tố.

Phương pháp chọn mẫu và xử lý dữ liệu

Nghiên cứu này về các yếu tố tác động đến thái độ và ý định chấp nhận sử dụng của AI tại các sàn thương mại điện tử trong cộng đồng người dùng tại Việt Nam Dữ liệu sẽ được thu thập từ 320 người dùng đại diện cho dân số Việt Nam với mô tả ở trên để phân tích thống kê Những đối tượng khảo sát mang đặc điểm là người tiêu dùng sinh sống tại Thành phố Hồ Chí Minh, với độ tuổi từ 16 trở lên và có những kiến thức nhất định về AI cũng như thương mại điện tử có tích hợ AI Theo Hair và cộng sự (2010), đối với những phân tích nhân tố khám phá, số quan sát cần thiết tối thiểu gấp 5 lần số biến đo lường được gửi và được chấp thuận hơn gấp

10 lần so với số biến đo lường đó Đề tài này với 29 biến quan sát là cơ sở quyết định số lượng mẫu hợp lệ, vì vậy dựa trên đề xuất của Hair và cộng sự (2010), số phiếu khảo sát tối thiểu cần thu thập là n ≥ 5*29 = 145 phiếu và được chấp nhận hơn là n ≥ 10*29 = 290 The Fidell và Tabachnick (2007) việc tác giả lựa chọn cỡ mẫu là 320 > 300 phiếu hoàn toàn phù hợp nghiên cứu này

Như vậy, số mẫu phù hợp cho nghiên cứu được quyết định là 320 mẫu khảo sát Đối tượng khảo sát chủ yếu là người tiêu dùng đã từng sử dụng các tiện ích/chức năng của AI trên nền tảng trực tuyến để hỗ trợ việc mua sắm Tiến trình phân tích được thực hiện thông qua các bước sau:

Hình 3 2 Các bước phân tích

Nguồn: Tác giả tự biên soạn

Xác định nội dung phân tích

3.5.1 Phương pháp thống kê mô tả

Tác giả sử dụng dữ liệu thu được thông qua kỹ thuật lấy mẫu phi xác suất, đầu tiên tác giả phân tích các biến số nhân khẩu học bao gồm giới tính, trình độ học vấn, độ tuổi và nghề nghiệp để đánh giá các cuộc khảo sát Tác giả quyết định xóa các đối tượng nào được coi là không hợp lệ hoặc không liên quan đến chủ đề nghiên cứu, đồng thời cung cấp mô tả toàn diện về các đặc điểm của tập dữ liệu

3.5.2 Phương pháp kiểm định độ tin cậy Cronbach’s Alpha

Cronbach’s Alpha được giới thiệu vào năm 1951 với mục đích nhằm đo lường tính nhất quán bên trong cho thấy mối tương quan của một tập hợp các mục như một nhóm Cronbach’s Alpha chủ yếu được sử dụng để định lượng độ tin cậy của thang đo đa mục, chẳng hạn như thang đo Likert và các công cụ tương tự khác

Do đó, để thang đo được coi là chấp nhận được và đánh giá hiệu quả, hai tiêu chí cụ thể phải được đáp ứng đồng thời khi kiểm tra từng biến đo lường: (1) biến quan sát phải có hệ sống tương quan tổng biến dưới 0.3, cho thấy khả năng loại biên đó, và (2) mọi thành phần khái niệm phải có hệ số Cronbach’s Alpha vượt qua 0.7 Nếu bất kỳ thành phần nào bị loại bỏ thì giá trị của từng biến phải thấp hơn hệ số Cronbach’s Alpha (Hair và cộng sự, 2010)

3.5.3 Phương pháp phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis)

EFA là phương pháp hữu ích để mô tả sự biến thiên chung giữa các biến đo lường và điều tra các yếu tố tiềm ẩn thông quan các biến đo lường được Phương pháp này cũng đặc biệt phù hợp trong nghiên cứu này vì kết quả EFA rất cần thiết khi người ta thử nghiệm mô hình CFA thường được dùng trong trường hợp mà các mối quan hệ giữa các biến quan sát và biến tiềm ẩn không rõ ràng hoặc không chắc chắn Các tiêu chí phân tích nhân tố khám phá bao gồm:

Hệ số KMO (Kaiser – Meyer – Olkin): đo lường phù hợp của dữ liệu cho phân tích nhân tố

Nếu 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố phù hợp Nếu hệ số KMO < 0.5 là không phù hợp (Hair và cộng sự, 2010)

Kiểm định Bartlett (Bartlett’s Test of Sphericity): kiểm tra độc lập tuyến tính giữa các biến quan sát Có giá trị Sig lớn hơn 0.05 thì đáp ứng yêu cầu

Số lượng nhân tố trích: xác định số lượng nhân số trích xuất Trích xuất nhân tố có giá trị

Eigenvalue lớn hơn hoặc bằng 1 (Hair và cộng sự, 2010)

Tổng phương sai trích (Total Varience Explained): đo lường phần trăm tổng biến động của các biến quan sát được giải thích bởi các nhân tố Tỉ lệ tích lỹ phải ≥ 50% để mô hình EFA phù hợp với dữ liệu (Hair và cộng sự, 2010)

Hệ số tải nhân tố (Fator Loading): thể hiện mức độ tin cậy của phân tích nhân tố Hệ số tải phải lớn hơn 0.5 (Hair và cộng sự, 2010) Xóa nhân tố hệ số tải thấp hơn 0.5

3.5.4 Phương pháp phân tích nhân tố khẳng định (Confirmatory Factor Analysis-CFA)

Phân tích nhân tố khẳng định (CFA) là một loại mô hình cấu trúc tuyến tính (SEM) tập trung vào mô hình đo lường (Measurement models) Mô hình này thể hiện mối quan hệ giữa các biến quan sát với các biến tiềm ẩn trong mô hình nghiên cứu

Mô hình đo lường này được khẳng định phù hợp với dữ liệu thực tế khi kết quả thu được đáp ứng 5 chỉ số sau:

- Chi-square/df ≤ 3 (nếu mẫu ≤ 200); ≤ 5 (nếu mẫu > 200) (Hair và cộng sự, 2010)

- Chỉ số thích hợp so sánh (CFI – Comparative fit index) > 0.9 (Hair và cộng sự, 2010)

- Chỉ số Turker – Lewis (TLI – Turker và Lewis index) > 0.9 (Hair và cộng sự, 2010)

- Chỉ số thích hợp tốt (GFI – Good of Fitness Index) > 0.9 (có thể < 0.9) (Hair và cộng sự, 2010)

- Chỉ số RMSEA (Root Mean Square Error Approximation) < 0.08 (Hair và cộng sự, 2010)

3.5.5 Phương pháp phân tích mô hình cấu trúc (Structural Equation Modeling-SEM)

Mô hình SEM là một kỹ thuật phân tích thống kê thế hệ thứ hai được phát triển để phân tích mối quan hệ đa chiều giữa nhiều biến trong một mô hình (Haenlein và Kaplan, 2004) Đa quan hệ giữa các biến có thể được biểu diễn trong một loạt các phương trình hồi quy đơn và bội

Kỹ thuật SEM sử dụng kết hợp dữ liệu định lượng và các giả định tương quan (nguyên nhân

- kết quả) vào mô hình Với SEM, các kết quả có thể kiểm tra trực quan các mối quan hệ tồn tại giữa các biến quan tâm để ưu tiên các nguồn lực nhằm cải thiện dịch vụ khách hàng Thực tế là các biến tiềm ẩn khó đo lường có thể được sử dụng trong SEM làm cho phương pháp này lý tưởng để giải quyết các vấn đề nghiên cứu kinh doanh.

Tóm tắt chương 3

Trong phần chương 3 này, tác giả giới thiệu về trình tự thực hiện nghiên cứu, quy trình thiết kế thang đo, lập kế hoạch nghiên cứu và thiết lập số lượng mẫu Cuối cùng, tác giả mô tả các định nghĩa và giải thích vai trò của các phương pháp phân tích dữ liệu phục vụ cho nghiên cứu sẽ được trình bày ở chương 4.

KẾT QUẢ NGHIÊN CỨU

Thống kê mô tả

Khảo sát được thực hiện bởi tác giả với sự tham gia của 320 người (Xem bảng câu hỏi ở phụ lục 1) theo hình thức trực tuyến Kết thúc giai đoạn khảo sát, tác giả nhận được tổng cộng 320 câu trả lời, trong đó có 6 câu trả lời không hợp lệ và đã bị loại bỏ, tác giả thực hiện phân tích

314 dữ liệu hợp lệ bằng cách sử dụng phần mềm IBM SPSS Statistics 20 và IBM SPSS Amos

4.1.2 Thống kê mô tả mẫu nghiên cứu

Kết quả đã phát hiện trong 314 đối tượng khảo sát thì giới tính Nam có 139 người trả lời chiếm tỷ trong 44.3% và giới tính Nữ có 175 người trả lời chiếm tỷ trọng nhiều hơn là 55.7% Điều này cho thấy tỷ lệ Nam và Nữ trong cuộc khảo sát này không có sự chênh lệch quá lớn Theo báo cáo của Sách trắng TMĐT Việt Nam (2022) đã cho thấy Nữ giới tham gia mua sắm trực tuyến chiếm 54% và là nhóm giới tính tham gia mua sắm trực tuyến nhiều nhất (Metric, 2022)

Vì vậy, kết quả này của nghiên cứu là hoàn toàn phù hợp và có thể sử dụng mẫu để đại diện cho tổng thể dân số (Xem chi tiết ở mục lục 2)

Bảng 4 1 Tỷ lệ giới tính

Giới tính Số lượng Tỷ lệ phần trăm Phầm trăm tích lũy

Nguồn: Kết quả xử lý SPSS của tác giả

Kết quả đạt được thể hiện rõ 314 đối tượng thì độ tuổi từ 16 đến dưới 25 tuổi có 145 lựa chọn chiếm tỷ trọng cao nhất là 46.2%, độ tuổi từ 25 đến dưới 35 tuổi có 107 lựa chọn và chiếm tỷ lệ 34.1% Nhóm độ tuổi từ 55 tuổi trở lên có 6 lựa chọn, chiếm tỷ lệ 1.9% Kết quả cho thấy, nhóm người thuộc độ tuổi từ 16 đến dưới 25 tuổi và từ 25 đến dưới 35 tuổi là hai nhóm chiếm tỷ trọng cao nhất trong tổng số người tham gia khảo sát, đồng thời nhóm người từ độ tuổi 55 trở lên chiếm tỷ trọng thấp nhất Theo báo cáo của thị trường thương mại điện tử Việt Nam (2024) nhóm Gen Z (18-24 tuổi) và Millennials (25-34 tuổi) là những nhóm có tỷ trọng mua sắm trực tuyến cao nhất (Decision Lab, 2024) Vì vậy, kết quả khảo sát của nghiên cứu này là hoàn toàn phù hợp và có thể đại diện cho tổng quát (Xem chi tiết ở mục lục 2)

Bảng 4 2 Tỷ lệ độ tuổi Độ tuổi Số lượng Tỷ lệ phần trăm Phần trăm tích lũy

Nguồn: Kết quả xử lý SPSS của tác giả 4.1.2.3 Tỷ lệ trình độ học vấn

Những phát hiện thể hiện những người trả lời thuộc nhóm có trình độ học vấn sau đại học với

182 người và chiếm tỷ trọng cao nhất 58% Tiếp đến là những người trả lời thuộc nhóm cao đẳng - đại học với 65 người và chiếm tỷ trọng 20.7% Nhóm trung cấp chiếm tỷ trọng thấp nhất với 26 lựa chọn và chiếm tỷ trọng 8.3% Điều này cho thấy người tham gia khảo sát phần lớn thuộc các nhóm có trình độ học vấn từ cao đẳng - đại học đến sau đại học (Xem chi tiết ở mục lục 2)

Bảng 4 3 Tỷ lệ trình độ học vấn

Trình độ học vấn Số lượng Tỷ lệ phần trăm Phần trăm tích lũy

Nguồn: Kết quả xử lý SPSS của tác giả 4.1.2.4 Tỷ lệ thu nhập

Kết quả thu được cho thấy những người trả lời có thu nhập từ 15 đến dưới 20 triệu đồng có 91 người trả lời chiếm tỷ trọng cao nhất là 29% Tiếp đến là những người thuộc nhóm có thu nhập từ 10 đến dưới 15 triệu đồng có 88 câu trả lời chiếm tỷ trọng 28% Nhóm có thu nhập từ 5 đến dưới 10 triệu đồng có 23 câu trả lời và chiếm tỷ trọng thấp nhất là 7.3% Điều này cho thấy đối tượng khảo sát tập trung chủ yếu vào nhóm có thu nhập hàng tháng từ 10 triệu trở lên (Xem chi tiết tại phụ lục 2)

Bảng 4 4 Tỷ lệ thu nhập

Thu nhập Số lượng Tỷ lệ phần trăm Phần trăm tích lũy

Nguồn: Kết quả xử lý SPSS của tác giả

4.1.2.5 Tỷ lệ sử dụng các tiện ích AI trên nền tảng thương mại điện tử

Kết quả chứng minh đa số người dùng tham gia khảo sát đã từng sử dụng qua tiện ích “Sản phẩm xuất hiện trên trang dựa theo lịch sử tìm kiếm” với số lượng người đã sử dụng qua tiện ích này là 310/314 người tham gia khảo sát (99.7%) và chiếm tỷ lệ cao nhất là 26.8% Tiếp đến là tiện ích “ Tìm kiếm bằng hình ảnh” với số người đã sử dụng tiện ích này là 191/314 người tham gia khảo sát (61.4%) và chiếm tỷ lệ cao thứ 2 là 16.5% Tiện ích “Đề xuất sản phẩm phù hợp” có số lượng sử dụng thấp nhất với 142/314 người đã tham gia khảo sát (45.7%) và chiếm tỷ lệ thấp nhất là 12.3% (Xem chi tiết tại phụ lục 2)

Bảng 4 5 Tỷ lệ sử dụng các tiện ích AI trên nền tảng thương mại điện tử

Tiện ích AI Số lượng Tỷ lệ so với tổng số

Sản phẩm xuất hiện trên trang dựa theo lịch sử tìm kiếm 310 99.7% 26.8% Đề xuất sản phẩm phù hợp 142 45.7% 12.3%

Tìm kiếm bằng hình ảnh 191 61.4% 16.5%

Lọc sản phẩm theo nhiều tiêu chí như giá cả, thương hiệu, màu sắc, kích thước, v.v

Hiển thị các sản phẩm và nội dung phù hợp với sở thích trên trang chủ 190 61.1% 16.4%

Chatbot hỗ trợ khách hàng 24/7 169 54.3% 14.6%

Nguồn: Tác giả tổng hợp từ dữ liệu khảo sát

Kiểm định Cronbach’s Alpha

4.2.1 Thang đo yếu tố Nhận thức về tính hữu ích

Với thang đo Nhận thức về tính hữu ích có hệ số tương quan biến tổng các nhân tố đều lớn hơn 0.3 cho thấy các nhân tố đều đạt yêu cầu hợp lệ và hệ số tin cậy Cronbach’s Alpha của nhóm là 0.858 (> 0.7), do đó hệ số tin cậy của thang đo là phù hợp và đạt yêu cầu và ta tiến hành thực hiện các bước phân tích có liên quan (Xem chi tiết tại phụ lục 2)

Bảng 4 6 Độ tin cậy của thang đo yếu tố Nhận thức về tính hữu ích

Trung bình thang đo nếu loại biến

Phương sai thang đo nếu loại biến

Tương quan biến tổng hiệu chỉnh

Cronbach’s Alpha nếu loại biến

Nguồn: Kết quả xử lý SPSS của tác giả 4.2.2 Thang đo yếu tố Nhận thức về tính dễ sử dụng

Với thang đo Nhận thức về tính dễ sử dụng có hệ số tương quan biến tổng các nhân tố đều lớn hơn 0.3 cho thấy các nhân tố đều đạt yêu cầu hợp lệ và hệ số tin cậy Cronbach’s Alpha của nhóm là 0.838 (> 0.7), do đó hệ số tin cậy của thang đo là phù hợp và đạt yêu cầu và ta tiến hành thực hiện các bước phân tích có liên quan (Xem chi tiết tại phụ lục 2)

Bảng 4 7 Thang đo yếu tố Nhận thức về tính dễ sử dụng

Trung bình thang đo nếu loại biến

Phương sai thang đo nếu loại biến

Tương quan biến tổng hiệu chỉnh

Cronbach’s Alpha nếu loại biến

Nguồn: Kết quả xử lý SPSS của tác giả

4.2.3 Thang đo yếu tố Thái độ đối với việc sử dụng

Với thang đo Thái độ đối với việc sử dụng có hệ số tương quan biến tổng các nhân tố đều lớn hơn 0.3 cho thấy các nhân tố đều đạt yêu cầu hợp lệ và hệ số tin cậy Cronbach’s Alpha của nhóm là 0.843 (> 0.7), do đó hệ số tin cậy của thang đo là phù hợp và đạt yêu cầu và ta tiến hành thực hiện các bước phân tích có liên quan (Xem chi tiết tại phụ lục 2)

Bảng 4 8 Thang đo yếu tố Thái độ đối với việc sử dụng

Trung bình thang đo nếu loại biến

Phương sai thang đo nếu loại biến

Tương quan biến tổng hiệu chỉnh

Cronbach’s Alpha nếu loại biến

Nguồn: Kết quả xử lý SPSS của tác giả 4.2.4 Thang đo yếu tố Niềm tin

Với thang đo Niềm tin có hệ số tương quan biến tổng các nhân tố đều lớn hơn 0.3 cho thấy các nhân tố đều đạt yêu cầu hợp lệ và hệ số tin cậy Cronbach’s Alpha của nhóm là 0.819 (>0.7), do đó hệ số tin cậy của thang đo là phù hợp và đạt yêu cầu và ta tiến hành thực hiện các bước phân tích có liên quan (Xem chi tiết tại phụ lục 2)

Bảng 4 9 Thang đo yếu tố Niềm tin

Trung bình thang đo nếu loại biến

Phương sai thang đo nếu loại biến

Tương quan biến tổng hiệu chỉnh

Cronbach’s Alpha nếu loại biến

Nguồn: Kết quả xử lý SPSS của tác giả

4.2.5 Thang đo yếu tố Chuẩn mực chủ quan

Với thang đo Chuẩn mực chủ quan có hệ số tương quan biến tổng các nhân tố đều lớn hơn 0.3 cho thấy các nhân tố đều đạt yêu cầu hợp lệ và hệ số tin cậy Cronbach’s Alpha của nhóm là 0.792 (> 0.7), do đó hệ số tin cậy của thang đo là phù hợp và đạt yêu cầu và ta tiến hành thực hiện các bước phân tích có liên quan (Xem chi tiết tại phụ lục 2)

Bảng 4 10 Thang đo yếu tố Chuẩn mực chủ quan

Trung bình thang đo nếu loại biến

Phương sai thang đo nếu loại biến

Tương quan biến tổng hiệu chỉnh

Cronbach’s Alpha nếu loại biến

Nguồn: Kết quả xử lý SPSS của tác giả 4.2.6 Thang đo yếu tố Sự đổi mới cá nhân

Với thang đo Sự đổi mới cá nhân có hệ số tương quan biến tổng các nhân tố đều lớn hơn 0.3 cho thấy các nhân tố đều đạt yêu cầu hợp lệ và hệ số tin cậy Cronbach’s Alpha của nhóm là 0.819 (> 0.7), do đó hệ số tin cậy của thang đo là phù hợp và đạt yêu cầu và ta tiến hành thực hiện các bước phân tích có liên quan (Xem chi tiết tại phụ lục 2)

Bảng 4 11 Thang đo yếu tố Sự đổi mới cá nhân

Trung bình thang đo nếu loại biến

Phương sai thang đo nếu loại biến

Tương quan biến tổng hiệu chỉnh

Cronbach’s Alpha nếu loại biến

Nguồn: Kết quả xử lý SPSS của tác giả

4.2.7 Thang đo yếu tố Sự tò mò

Với thang đo Sự tò mò có hệ số tương quan biến tổng các nhân tố đều lớn hơn 0.3 cho thấy các nhân tố đều đạt yêu cầu hợp lệ và hệ số tin cậy Cronbach’s Alpha của nhóm là 0.853 (>0.7), do đó hệ số tin cậy của thang đo là phù hợp và đạt yêu cầu và ta tiến hành thực hiện các bước phân tích có liên quan (Xem chi tiết tại phụ lục 2)

Bảng 4 12 Thang đo yếu tố Sự tò mò

Trung bình thang đo nếu loại biến

Phương sai thang đo nếu loại biến

Tương quan biến tổng hiệu chỉnh

Cronbach’s Alpha nếu loại biến

Nguồn: Kết quả xử lý SPSS của tác giả 4.2.8 Thang đo yếu tố Ý định sử dụng

Với thang đo Ý định sử dụng có hệ số tương quan biến tổng các nhân tố đều lớn hơn 0.3 cho thấy các nhân tố đều đạt yêu cầu hợp lệ và hệ số tin cậy Cronbach’s Alpha của nhóm là 0.843 (> 0.7), do đó hệ số tin cậy của thang đo là phù hợp và đạt yêu cầu và ta tiến hành thực hiện các bước phân tích có liên quan (Xem chi tiết tại phụ lục 2)

Bảng 4 13 Thang đo yếu tố Ý định sử dụng

Trung bình thang đo nếu loại biến

Phương sai thang đo nếu loại biến

Tương quan biến tổng hiệu chỉnh

Cronbach’s Alpha nếu loại biến

Nguồn: Kết quả xử lý SPSS của tác giả

Kết quả phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis)

Sau khi hoàn thành kiểm định Cronbach’s Alpha có 29 biến quan sát đều đủ điều kiện để tiếp tục tiến hành phân tích nhân tố khám phá EFA

4.3.1 Kết quả phân tích nhân tố khám phá (EFA) cho các biến độc lập

Kết quả về các nhân tố được thể hiện dựa trên phân tích lần cuối cho thấy: Phân tích nhân tố này được xem là phù hợp với dữ liệu thực tế vì có hệ số KMO là 0.798, nằm trong khoảng từ 0.5 đến 1 Hệ số Barlett’s Test có giá trị Sig = 0.000 < 0.05 cho thấy các biến quan sát có tương quan trong mỗi nhân tố Hệ số tổng phương sai trích có giá trị phương sai cộng dồn của các yếu tố (từ 1 đến 3) là 59.327% > 50% vượt qua mức chấp nhận tối thiểu Có 3 nhân tố được trích từ 9 biến 4 nhân tố giải thích được 59.327% sự biến thiên của 9 biến quan sát (Xem chi tiết tại phụ lục 2)

Bảng 4 14 Kết quả phân tích nhân tố khám phá (EFA) cho các biến độc lập

Hệ số KMO (Kaiser - Meyer - Olkin): 0.798 Giá trị Eigenvalues: 1.155

Kiểm định Barlett’s Test: Sig = 0.000 Tổng phương sai trích: 59.327%

Nguồn: Kết quả xử lý SPSS của tác giả

Phân tích EFA thu được kết quả được trình bày ở bảng 4.14 thể hiện rằng toàn bộ biến quan sát đều có hệ số tải nhân tố lớn hơn 0.5 Điều này đã chứng minh biến nhân tố và biến quan sát có sự tương quan mật thiết với nhau (Hair và cộng sự, 2010) Số nhân tố tạo ra là 3 nhân tố, không có biến quan sát nào bị loại và các nhân tố này thõa mãn điều kiện cần thiết để thực hiện mô hình cấu trúc (Xem chi tiết tại phụ lục 2)

Các biến quan sát trong từng nhân tố của các biến độc lập sau khi phân tích EFA:

Nhân tố 1: DMOI1, DMOI2, DMOI3

Nhân tố 2: NT1, NT2, NT3

Nhân tố 3: CMCQ1, CMCQ2, CMCQ3

4.3.2 Phân tích nhân tố khám phá EFA cho biến trung gian

Kết quả về các nhân tố được thể hiện dựa trên phân tích lần cuối cho thấy: Phân tích nhân tố này được xem là phù hợp với dữ liệu thực tế vì có hệ số KMO là 0.863, nằm trong khoảng từ 0.5 đến 1 Hệ số Barlett’s Test có giá trị Sig = 0.000 < 0.05 cho thấy các biến quan sát có tương quan trong mỗi nhân tố Hệ số tổng phương sai trích có giá trị phương sai cộng dồn của các yếu tố (từ 1 đến 4) là 57.652% > 50% vượt qua mức chấp nhận tối thiểu Có 4 nhân tố được trích từ 17 biến 4 nhân tố giải thích được 57.652% sự biến thiên của 17 biến quan sát (Xem chi tiết tại phụ lục 2)

Bảng 4 15 Phân tích nhân tố khám phá EFA cho biến trung gian

Hệ số KMO (Kaiser - Meyer - Olkin): 0.863 Giá trị Eigenvalues: 1.621

Kiểm định Barlett’s Test: Sig = 0.000 Tổng phương sai trích:

Nguồn: Kết quả xử lý SPSS của tác giả

Phân tích EFA thu được kết quả được trình bày ở bảng 4.15 thể hiện rằng toàn bộ biến quan sát đều có hệ số tải nhân tố lớn hơn 0.5 Điều này đã chứng minh biến nhân tố và biến quan sát có sự tương quan mật thiết với nhau (Hair và cộng sự, 2010) Số nhân tố tạo ra là 3 nhân tố, không có biến quan sát nào bị loại và các nhân tố này thõa mãn điều kiện cần thiết để thực hiện mô hình cấu trúc (Xem chi tiết tại phụ lục 2)

Các biến quan sát trong từng nhân tố của các biến trung gian sau khi phân tích EFA:

Nhân tố 1: HI1, HI2, HI3, HI4, HI5

Nhân tố 2: TMO1, TMO2, TMO3, TMO4

Nhân tố 3: TDO1, TDO2, TDO3, TDO4

Nhân tố 4: SDUNG1, SDUNG2, SDUNG3, SDUNG4

4.3.3 Phân tích nhân tố khám phá EFA cho biến phụ thuộc

Kết quả về các nhân tố được thể hiện dựa trên phân tích lần cuối cho thấy: Phân tích nhân tố này được xem là phù hợp với dữ liệu thực tế vì có hệ số KMO là 0.729, nằm trong khoảng từ 0.5 đến 1 Hệ số Barlett’s Test có giá trị Sig = 0.000 < 0.05 cho thấy các biến quan sát có tương quan trong mỗi nhân tố Hệ số tổng phương sai trích có giá trị phương sai cộng dồn của yếu tố 1 là 64.272% > 50% vượt qua mức chấp nhận tối thiểu Có 1 nhân tố được trích từ 3 biến Nhân tố này giải thích được 64.272% sự biến thiên của 3 biến quan sát (Xem chi tiết tại phụ lục 2)

Bảng 4 16 Phân tích nhân tố khám phá EFA cho biến phụ thuộc

Kiểm định Barlett’s Test: Sig = 0.000

Nguồn: Kết quả xử lý SPSS của tác giả

Phân tích EFA thu được kết quả được trình bày ở bảng 4.14 thể hiện rằng toàn bộ biến quan sát đều có hệ số tải nhân tố lớn hơn 0.5 Điều này đã chứng minh biến nhân tố và biến quan sát có sự tương quan mật thiết với nhau (Hair và cộng sự, 2010) Số nhân tố tạo ra là 3 nhân tố, không có biến quan sát nào bị loại và các nhân tố này thõa mãn điều kiện cần thiết để thực hiện mô hình cấu trúc (Xem chi tiết tại phụ lục 2)

Các biến quan sát trong từng nhân tố của biến phụ thuộc sau khi phân tích EFA: YDINH1, YDINH2, YDINH3

4.3.4 Tổng hợp kết quả phân tích nhân tố EFA

Bảng 4 17 Bảng tổng hợp kết quả phân tích nhân tố EFA

STT Kí hiệu Tên nhân tố Biến quan sát

1 CMCQ Chuẩn mực chủ quan CMCQ1, CMCQ2, CMCQ3

2 NT Niềm tin NT1, NT2, NT3

3 DMOI Sự đổi mới cá nhân DMOI1, DMOI2, DMOI3

4 HI Nhận thức về tính hữu ích HI1, HI2, HI3, HI4, HI5

5 SDUNG Nhận thức về tính dễ sử dụng SDUNG1, SDUNG2, SDUNG3,

6 TDO Thái độ đối với việc sử dụng TDO1, TDO2, TDO3, TDO4

7 TMO Sự tò mò TMO1, TMO2, TMO3, TMO4

8 YDINH Ý định sử dụng YDINH1, YDINH2, YDINH3

Nguồn: Kết quả xử lý SPSS của tác giả

Kết quả phân tích mô hình cấu trúc (Structural Equation Modeling-SEM)

Giải trình: Tác giả đã tiến hành thảo luận về kết quả thu được từ nghiên cứu với kết quả của những nghiên cứu thực nghiệm trước ở mục 4.5 Kết quả phân tích mô hình cấu trúc Cân nhắc hạn chế của đề tài trang 76: hạn chế

3 Đã chỉnh sửa lại hạn chế 3 tại mục 5.3.1 Hạn chế của nghiên cứu Ý kiến giảng viên hướng dẫn:

Tp Hồ Chí Minh, ngày 26 tháng 05 năm 2024

(Ký và ghi rõ họ tên)

(Ký và ghi rõ họ tên)

Nguyễn Ngọc Hiền Huỳnh Tâm Hưng

CHƯƠNG 1 TỔNG QUAN NGHIÊN CỨU 1

1.2 Lý do chọn đề tài 3

1.6.1 Phạm vi về thời gian 5

1.6.2 Phạm vi về không gian 5

1.7.1 Phương pháp nghiên cứu định tính 6

1.7.2 Phương pháp nghiên cứu định lượng 6

CHƯƠNG 2 CƠ SỞ LÝ LUẬN 9

2.1 Các khái niệm liên quan đến đề tài nghiên cứu 9

2.1.3 Thương mại điện tử có tích hợp trí tuệ nhân tạo 10

2.1.4 Ứng dụng của trí tuệ nhân tạo trong thương mại điện tử 11

2.2 Lý thuyết nền liên quan đến đề tài nghiên cứu 13

2.2.1 Mô hình chấp nhận công nghệ (Technology Acceptance Model – TAM) 13

2.2.2 Lý thuyết hành động hợp lý (TRA - Theory of Reasoned Action) và lý thuyết hành vi dự định (TPB - Theory of Planned Behavior) 15

2.2.3 Lý thuyết khuếch tán sự đổi mới (DOIT - Diffusion Of Innovations Theory) 16

2.3 Tổng quan các nghiên cứu trước có liên quan 17

2.3.1 Nghiên cứu trong nước có liên quan 17

2.3.2 Nghiên cứu ngoài nước có liên quan 19

2.3.3 Nhận xét chung những nghiên cứu có liên quan đến đề tài 29

2.4 Giả thuyết nghiên cứu và mô hình nghiên cứu đề xuất 33

2.4.2 Cơ sở hình thành mô hình nghiên cứu 43

CHƯƠNG 3 PHƯƠNG PHÁP NGHIÊN CỨU 47

3.3 Thiết kế thang đo và bảng câu hỏi 49

3.3.2 Thiết kế bảng câu hỏi 52

3.4 Phương pháp chọn mẫu và xử lý dữ liệu 52

3.5 Xác định nội dung phân tích 53

3.5.1 Phương pháp thống kê mô tả 53

3.5.2 Phương pháp kiểm định độ tin cậy Cronbach’s Alpha 54

3.5.3 Phương pháp phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis) 54

3.5.4 Phương pháp phân tích nhân tố khẳng định (Confirmatory Factor Analysis-CFA) 55

3.5.5 Phương pháp phân tích mô hình cấu trúc (Structural Equation Modeling-SEM) 55

CHƯƠNG 4 KẾT QUẢ NGHIÊN CỨU 57

4.1.2 Thống kê mô tả mẫu nghiên cứu 57

4.2.1 Thang đo yếu tố Nhận thức về tính hữu ích 60

4.2.2 Thang đo yếu tố Nhận thức về tính dễ sử dụng 61

4.2.3 Thang đo yếu tố Thái độ đối với việc sử dụng 62

4.2.4 Thang đo yếu tố Niềm tin 62

4.2.5 Thang đo yếu tố Chuẩn mực chủ quan 63

4.2.6 Thang đo yếu tố Sự đổi mới cá nhân 63

4.2.7 Thang đo yếu tố Sự tò mò 64

4.2.8 Thang đo yếu tố Ý định sử dụng 64

4.3 Kết quả phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis) 65

4.3.1 Kết quả phân tích nhân tố khám phá (EFA) cho các biến độc lập 65

4.3.2 Phân tích nhân tố khám phá EFA cho biến trung gian 66

4.3.3 Phân tích nhân tố khám phá EFA cho biến phụ thuộc 68

4.3.4 Tổng hợp kết quả phân tích nhân tố EFA 69

4.4 Kết quả phân tích nhân tố khẳng định (Confirmatory Factor Analysis-CFA) 69

4.5 Kết quả phân tích mô hình cấu trúc (Structural Equation Modeling-SEM) 70

CHƯƠNG 5 Kết luận và hàm ý quản trị 75

5.1 Kết luận chung về kết quả nghiên cứu 75

5.2.1 Nhân tố Chuẩn mực chủ quan 76

5.2.3 Nhân tố Nhận thức về tính hữu ích 77

5.2.4 Nhân tố Nhận thức về tính dễ sử dụng 77

5.2.5 Nhân tố Thái độ đối với việc sử dụng 78

5.2.6 Nhân tố Sự tò mò 79

5.3 Hạn chế của nghiên cứu và định hướng nghiên cứu tiếp theo 80

5.3.1 Hạn chế của nghiên cứu 80

5.3.2 Hướng nghiên cứu tương lai 80

MỤC LỤC TÀI LIỆU THAM KHẢO 82

Bảng 2 1 Bảng tổng hợp và đánh giá một số nghiên cứu có liên quan đến đề tài 30

Bảng 2 2 Giả thuyết nghiên cứu 34

Bảng 3 1 Thang đo nghiên cứu 50

Bảng 4 1 Tỷ lệ giới tính của mẫu quan sát 57

Bảng 4 2 Tỷ lệ độ tuổi của mẫu quan sát 58

Bảng 4 3 Tỷ lệ trình độ học vấn của mẫu quan sát 59

Bảng 4 4 Tỷ lệ thu nhập của mẫu quan sát 59

Bảng 4 5 Tỷ lệ sử dụng các tiện ích AI trên nền tảng thương mại điện tử 60

Bảng 4 6 Độ tin cậy của thang đo yếu tố Nhận thức về tính hữu ích 61

Bảng 4 7 Thang đo yếu tố Nhận thức về tính dễ sử dụng 61

Bảng 4 8 Thang đo yếu tố Thái độ đối với việc sử dụng 62

Bảng 4 9 Thang đo yếu tố Niềm tin 62

Bảng 4 10 Thang đo yếu tố Chuẩn mực chủ quan 63

Bảng 4 11 Thang đo yếu tố Sự đổi mới cá nhân 63

Bảng 4 12 Thang đo yếu tố Sự tò mò 64

Bảng 4 13 Thang đo yếu tố Ý định sử dụng 64

Bảng 4 14 Kết quả phân tích nhân tố khám phá (EFA) cho các biến độc lập 65

Bảng 4 15 Phân tích nhân tố khám phá EFA cho biến trung gian 66

Bảng 4 16 Phân tích nhân tố khám phá EFA cho biến phụ thuộc 68

Bảng 4 17 Bảng tổng hợp kết quả phân tích nhân tố EFA 69

Bảng 4 18 Giá trị thang đo 70

Bảng 4 19 Kết quả kiểm định giả thuyết 73

Hình 2 1 Mô hình chấp nhận công nghệ, Davis (1989) 14

Hình 2 2 Lý thuyết hành động hợp lý, Fishbein và Ajzen (1975) 15

Hình 2 3 Lý thuyết hành vi dự định, Ajzen, 1991 16

Hình 2 4 Mô hình kết quả các yếu tố thúc đẩy thái độ và ý định áp dụng trí tuệ nhân tạo của người Việt trong trường hợp của Chatbot - Nguyễn Thu Trang (2021) 18

Hình 2 5 Mô hình kết quả điều tra niềm tin của khách hàng vào trí tuệ nhân tạo: Vai trò của nhân cách hóa, phản ứng đồng cảm và tương tác - Nguyễn Thị Khánh Chi và Hoàng Nam Vũ (2022) 19

Hình 2 6 Mô hình kết quả đánh giá thực nghiệm mô hình chấp nhận công nghệ cho trí tuệ nhân tạo trong thương mại điện tử - Wang và cộng sự (2023) 20

Hình 2 7 Mô hình kết quả sự chấp nhận của người tiêu dùng về việc sử dụng trí tuệ nhân tạo trong mua sắm trực tuyến: bằng chứng từ Hungary – Nagy và Hajú (2021) 21

Hình 2 8 Mô hình kết quả việc sử dụng trí tuệ nhân tạo trên ứng dụng mua sắm trực tuyến của Indonesia liên quan đến sự chấp nhận của khách hàng - Nofirda và Ikram (2023) 22

Hình 2 9 Mô hình kết quả trí tuệ nhân tạo trong thương mại điện tử: Điều tra sự chấp nhận của khách hàng khi sử dụng Chatbots – Morsi (2023 23

Hình 2 10 Mô hình kết quả tác động của trí tuệ nhân tạo đến các quyết định mua hàng trực tuyến của người dùng cuối: Hướng tới một khung khái niệm tích hợp – Beyari và Garamoun (2022) 24

Hình 2 11 Mô hình kết quả kết nối với Thế hệ Z: Sự chấp nhận của người tiêu dùng đối với việc sử dụng trí tuệ nhân tạo trong mua sắm trực tuyến – Suresh và cộng sự (2023) 25

Hình 2 12 Mô hình kết quả thương mại đàm thoại: bước vào giai đoạn tiếp theo của trợ lý kỹ thuật số được hỗ trợ bởi AI – Balakrishnan và Dwivedi (2021) 27

Hình 2 13 Mô hình kết quả sử dụng mô hình chấp nhận công nghệ để điều tra xác thực khuôn mặt – Nakisa và cộng sự (2023) 28

Hình 2 14 Mô hình kết quả tăng cường việc học tiếng Anh của học sinh thông qua M-Learning: Tích hợp mô hình chấp nhận công nghệ và mô hình SOR – Peng và cộng sự (2023) 29

Hình 2 15 Mô hình nghiên cứu hoàn chỉnh 45

Hình 3 1 Quy trình nghiên cứu 47

Hình 3 2 Các bước phân tích 53

Hình 4 1 Kết quả kiểm định giả thuyết 72

DANH MỤC TỪ VIẾT TẮT

AI : Trí tuệ nhân tạo

TAM : Mô hình chấp nhận công nghệ

TP.HCM : Thành phố Hồ Chí Minh

CNTT : Công nghê thông tin

EFA : Phân tích nhân tố khám phá

SEM : Mô hình cấu trúc tuyến tính

EDI : Trao đổi dữ liệu điện tử

TRA : Lý thuyết hành động hợp lý

TBP : Lý thuyết hành vi dự định

UTAUT : Lý thuyết về sự chấp nhận và sử dụng công nghệ DOIT : Lý thuyết khuếch tán sự đổi mới

SOR : Mô hình kích thích - chủ thể - phản hồi

CMCQ : Chuẩn mực chủ quan

DMOI : Sự đổi mới cá nhân

HI : Nhận thức về tính hữu ích

SDUNG : Nhận thức về tính dễ sử dụng

TDO : Thái độ đối với việc sử dụng

CHƯƠNG 1 TỔNG QUAN NGHIÊN CỨU

Trí tuệ nhân tạo (AI) đã được phát triển và áp dụng bởi các chuyên gia từ giữa thế kỷ 20 nhưng chỉ mới nổi lên một cách mạnh mẽ trong những nhiều năm trở lại đây (Andelkovic và cộng sự, 2020) Hiện nay, các chính phủ, tổ chức, nhà nghiên cứu trên toàn cầu đang chú ý nhiều hơn đến sự phát triển và ứng dụng của AI và công nghệ đã trở thành một thuật ngữ phổ biến trên mạng xã hội, Internet hay các ấn phẩm khoa học Định nghĩa cơ bản về AI trước đây tương đối đơn giản, thuật ngữ này đề cập đến năng lực tư duy của máy móc giúp con người trong các hoạt động và giải quyết vấn đề Sau nhiều thập kỷ phát triển, AI trở nên tinh vi hơn, đòi hỏi máy móc phải hoạt động một cách chiến lược, hợp lý Điều này cho thấy khả năng xử lý các nhiệm vụ phức tạp của trí tuệ máy móc Các ví dụ nổi tiếng khi nói đến tiện ích của AI có thể đề cập đến các phương tiện tự vận hành như ô tô tự lái (Tesla), máy bay không người lái, các công tìm kiếm và đề xuất như Google, Amazon, Youtube, Netflix, Facebook, các trợ lý thông minh như Siri và Chatbot Ngoài ra còn nhiều ứng dụng khác của AI trên nhiều lĩnh vực khác nhau như hệ thống năng lượng (Li và cộng sự, 2023), giao thông vận tải (Goswami và cộng sự, 2021), sản xuất (Cao và cộng sự, 2023), quân sự (Svenmarck và cộng sự, 2018) và thương mại điện tử (Manrai và cộng sự, 2023)

Sự phát triển của AI được tiên phong chủ yếu ở các quốc gia có thu nhập cao, công nghệ cao như Hoa Kỳ, Nhật Bản, Hàn Quốc và các quốc gia Châu Âu Tuy nhiên, các nước đang phát triển hiện đã nhận ra tầm quan trọng của công nghệ AI với sự thịnh vượng Nhìn chung, các quốc gia này đã mở rộng nguồn lực và tài chính để tập trung vào quá trình thử nghiệm và phát triển AI Với sự tin tưởng rằng AI sẽ định hình lại tương lai của thế giới, các tổ chức và các tập đoàn đang bắt đầu áp dụng AI trong hoạt động của họ Đồng thời đã có một số lượng đáng kể các nghiên cứu về những yếu tố tác động đến việc triển khai AI của các cá nhân và tổ chức nhằm tăng cường hoạt động trong đa dạng các lĩnh vực Sanchez và cộng sự (2020) đã gợi ý rằng nếu người mua hàng tin vào kết quả tích cực hoặc hiệu quả hữu ích do hệ thống khuyến nghị trong nền tảng thương mại điện tử, điều này có thể ảnh hưởng tích cực đến ý định áp dụng của hệ thống đề xuất tự động Manrai và cộng sự (2023) cũng đã nhận định rằng nên xem xét cảm nhận dễ sử dụng và yếu tố tiêu chuẩn chủ quan, trong đó mô tả về tác động xã hội với hành vi ý sử dụng AI ở Ấn Độ Nghiên cứu của Wang và cộng sự (2023) cũng chỉ ra rằng yếu tố chính ảnh hưởng đến hành vi sử dụng AI trong mua hàng qua mạng là nhận thức về tính có ích, sự dễ dàng sử dụng và độ tin cậy của nền tảng đó Xây dựng niềm tin là rất cần thiết đối với sự chấp nhận của người dùng AI Nguyễn Thu Trang (2022) cũng đã nhận định chỉ cần người dùng ấn tượng rằng AI cung cấp cho họ trải nghiệm hài lòng về năng suất, dễ tương tác và hỗ trợ người sử dụng khi xảy ra sự cố, họ sẵn sàng sử dụng AI để mua hàng trực tuyến

Nhìn chung, các nghiên cứu đề cập ở trên đã phản ánh rằng các nghiên cứu trước đây chú trọng vào việc phân tích về các yếu tố tác động đến ý định sử dụng AI thông qua việc áp dụng mô hình TAM để thiết lập khung lý thuyết Một số lý thuyết và các biến mới đã được xem xét để được bổ sung bởi các nghiên cứu cụ thể khác, nhằm cung cấp cái nhìn khách quan hơn về động cơ hoặc các trở ngại trong việc hình thành một khoảng trống giữa ý định và hiểu biết người dùng về AI và những tiện ích mà công nghệ này mang lại Tuy nhiên, phần lớn các nghiên cứu trước đây chỉ đánh giá các yếu tố chi phối dựa trên những lý thuyết nền phổ biến, đồng thời một phần lớn nghiên cứu đánh giá chỉ chú trọng nghiên cứu vào một tiện ích AI phổ biến đó là Chatbot (Nguyễn Thu Trang, 2022; Zarouali và cộng sự, 2018; Xu và cộng sự, 2020) thay thì đi làm phân tích tổng quan các công cụ/tiện ích vượt trội mà AI cung cấp Việc này không thể cho thấy được đánh giá toàn diện về cách mà các công cụ AI góp phần hỗ trợ con người trong đa dạng lĩnh vực Hơn thế nữa, số lượng nghiên cứu về AI trong thương mại điện tử ở Việt Nam còn hạn chế Vì vậy, mục tiêu của nghiên cứu là phân tích ý định sử dụng của người Việt đối với AI trong nền tảng mua sắm trực tuyến bằng việc điều tra và đánh giá các động lực quan trọng cần được quan tâm để tiếp tục phát triển các ứng dụng AI để đáp ứng hoạt động tiếp thị và thương mại Vì vậy, tác giả tập trung tìm hiểu đề tài: “Nghiên cứu ý định sử dụng của người tiêu dùng đối với nền tảng thương mại điện tử có tích hợp trí tuệ nhân tạo (AI)”

1.2 Lý do chọn đề tài

Trong một vài năm trở lại đây, chúng ta đã nhìn thấy được sự chuyển biến nhanh chóng trong bối cảnh kinh tế và công nghiệp hiện đại Đặc biệt với lĩnh vực thương mại trực tuyến đang bước sang một giai đoạn phát triển không ngừng Điều này làm thay đổi cách chúng ta mua sắm và kinh doanh Kể từ khi Internet trở thành một yếu tố không thể tách rời trong đời sống hiện đại ngày nay, việc mua sắm trên nền tảng trực tuyến đã trở nên phổ biến và phát triển mạnh mẽ, mở ra một thời đại mới trong lĩnh vực mua sắm ngày nay

Công nghệ AI đã tiến bộ trong nhiều năm và đã được áp dụng trong nhiều lĩnh vực đa dạng như: chăm sóc sức khỏe, tiếp thị, giáo dục, tài chính,…và gần đây đang dần trở nên phổ biến trong thương mại trực tuyến Sự tiến bộ nhanh chóng của công nghệ này đã thay đổi cách người tiêu dùng mua hàng trực tuyến Trí tuệ nhân tạo đã giúp cung cấp thêm các tính năng và dịch vụ mới như tìm kiếm sản phẩm dựa trên lịch sử và sở thích của khách hàng, tư vấn cũng như xử lý vấn đề tự động cho khách hàng, phân tích dữ liệu về hàng hóa và doanh số,…giúp cải thiện và nâng cao trải nghiệm mua sắm của người dùng

Với sự tăng trưởng của AI, thái độ của người tiêu dùng đối với việc mua sắm trên nền tảng trực tuyến cũng có những thay đổi Các nghiên cứu trong quá khứ của Wang và cộng sự (2023), Nakisa và cộng sự (2023), Ruiz-Herrera và cộng sự (2023), Nagy và Hadjú (2021), Nguyễn Thu Trang (2022) đã phát hiện rằng người dùng ngày càng kỳ vọng được trải nghiệm những tính năng và dịch vụ mới AI vẫn là một công nghệ tương đối mới tại Việt Nam, do đó việc nghiên cứu về hành vi của người tiêu dùng đối với nền tảng thương mại trực tuyến có tích hợp trí tuệ nhân tạo (AI) là rất cần thiết để giúp các tổ chức hiểu rõ, tiếp cận sâu hơn về nhu cầu của người tiêu dùng, đồng thời đánh giá được phản ứng của họ đối với việc mua sắm trên nền tảng trực tuyến có tích hợp AI và cách AI cải thiện hiệu quả mua hàng của họ để từ đó đề xuất các giải pháp giúp các doanh nghiệp hoạt động trên nền tảng thương mại điện tử phát triển mô hình kinh doanh của họ hiệu quả và năng suất hơn Và đó là lý do để tác giả lựa chọn đề tài:

“Nghiên cứu ý định sử dụng của người tiêu dùng đối với nền tảng thương mại điện tử có tích hợp trí tuệ nhân tạo (AI)”

Mục tiêu của nghiên cứu này nhằm tìm hiểu và phân tích các nhân tố ảnh hưởng đến ý định sử dụng của người tiêu dùng trên các nền tảng mua sắm trực tuyến có tích hợp AI tại Việt Nam nói chung và tại khu vực Thành phố Hồ Chí Minh nói riêng Từ đó giải thích hành vi của người dùng và đề xuất một số hàm ý quản trị nhằm giúp các nền tảng thương mại điện tử có tích hợp AI có được chiến lược phát triển tối ưu, đáp ứng mọi nhu cầu và mong muốn của người dùng

Tóm tắt chương 4

Tại chương này, tác giả trình bày và phân tích dữ liệu từ kết quả thống kê bằng phần mềm

IBM SPSS Statistics 20 và IBM SPSS Amos 25 Tác giả đã sử dụng các phương pháp thống kê mô tả, kiểm định Cronbach’s Alpha, phân tích nhân tố khám phá EFA, phân tích nhân tố khẳng định CFA, kiểm định mô hình cấu trúc tuyến tính SEM Kết quả cho thấy các nhân tố có tác động đến ý định sử dụng của người tiêu dùng đối với nền tảng thương mại điện tử có tích hợp trí tuệ nhân tạo bao gồm: (1) Chuẩn mực chủ quan, (2) Nhận thức về tính hữu ích,

(3) Nhận thức về tính dễ sử dụng, (4) Thái độ đối với việc sử dụng, (5) Sự tò mò.