các nhân tố tác động đến ý định mua hàng của thế hệ z qua livestream của kol trên tiktok tại thành phố hồ chí minh

TÓM TẮT NGHIÊN CỨU Đề tài “Các nhân tố tác động đến ý định mua hàng của thế hệ Z qua livestream của KOL trên TikTok tại TPHCM” được thực hiện nhằm tìm hiểu các nhân tố và mức độ ảnh hư

TỔNG QUAN VỀ NGHIÊN CỨU

Lý do chọn đề tài

Mua sắm trực tuyến nay đã trở nên phổ biến hơn bao giờ hết đối với người tiêu dùng tại Việt Nam, nhất là sau đại dịch COVID-19 Đầu năm 2023, có hơn 62 triệu người tại Việt Nam tiêu dùng sản phẩm được mua qua Internet (Data Reportal, 2023) Trong số các sàn TMĐT phục vụ nhu cầu mua sắm trực tuyến của người dân, TikTok nổi bật với mức độ và tốc độ phủ sóng đáng kinh ngạc tại Việt Nam, với hơn 64% người dùng Internet đang sử dụng TikTok (Data Reportal, 2023) Cũng theo Data Reportal (2023), nhóm người dùng hiện nay đang thống trị TikTok trên toàn cầu thuộc nhóm tuổi 18 - 24, với 36.2% Còn tại Việt Nam, người dùng TikTok thuộc thế hệ Z chiếm hơn 80% (Statista, 2023) Bên cạnh việc dành thời gian rảnh giải trí trên nền tảng TikTok (Phi Hung Truong & Anh Dao Kim, 2023), giới trẻ còn thực hiện các hoạt động mua hàng qua livestream trên TikTok bởi các lợi ích vượt trội mà hình thức này mang lại so với các hình thức mua sắm trực tuyến khác (Ahmadi & Hudrasyah, 2022)

Nhằm nâng cao trải nghiệm mua sắm của khách hàng, nhiều thương hiệu đã mời các KOL (Key Opinion Leaders) tham gia các phiên bán hàng qua livestream vì nhận thấy được sự ảnh hưởng mạnh mẽ của nhóm này đến quyết định mua hàng của người tiêu dùng (Avaryl & Kusumawati, 2023) Bởi lẽ, khách hàng tin rằng KOL có thể đem đến một sự đánh giá tổng quát về sản phẩm nhờ vào trải nghiệm thực tế và chuyên môn của họ (He & Jin, 2022)

Bên cạnh các yếu tố trên, các doanh nghiệp hiện cũng đã tích hợp thị trường điện tử vào chiến lược phát triển của họ (Rosário & Raimundo, 2021) Vì vậy, các nhân tố ảnh hưởng đến ý định mua hàng của khách hàng thông qua livestream của KOL trên TikTok là điều mà các doanh nghiệp đều quan tâm Vì những lí do trên, tác giả nhận định đề tài “Các nhân tố tác động đến ý định mua hàng của thế hệ Z qua livestream của

Với sự phát triển mạnh mẽ của thương mại điện tử, "Kêu gọi hành động trên TikTok tại TP.HCM" trở thành nhu cầu cấp thiết Tác giả bài viết mong muốn thông qua bài viết này có thể hiểu sâu sắc hơn về nhu cầu thực tế của khách hàng trong thời đại công nghệ số bùng nổ.

2 bùng nổ và đề xuất một số hàm ý chính sách nhằm hỗ trợ các doanh nghiệp có hoạt động bán hàng và marketing trên TikTok.

Mục tiêu nghiên cứu

Xác định các nhân tố ảnh hưởng đến ý định mua hàng của thế hệ Z tại TPHCM qua livestream của KOL trên TikTok tại TPHCM Đo lường mức độ ảnh hưởng của các nhân tố tác động đến ý định mua hàng của thế hệ Z qua livestream của KOL trên TikToktại TPHCM Đề xuất một số hàm ý chính sách liên quan đến ý định mua hàng của thế hệ Z qua livestream của KOL trên TikToktại TPHCM.

Đối tượng và phạm vi nghiên cứu

Thời gian nghiên cứu: từ 10/01/2023 đến 20/04/2023 Đối tượng nghiên cứu: các nhân tố tác động đến ý định mua hàng của thế hệ Z qua livestream của KOL trên TikToktại TPHCM Đối tượng khảo sát: thế hệ Z tại TPHCM có sử dụng TikTok và đã hoặc đang có ý định mua hàng qua livestream của KOL trên TikTok.

Phương pháp nghiên cứu

Bài nghiên cứu được vận dụng cả 2 phương pháp là phương pháp nghiên cứu định tính và nghiên cứu định lượng

Phương pháp nghiên cứu định tính: thực hiện thảo luận nhóm với cỡ mẫu nhỏ để đánh giá về mô hình nghiên cứu và thang đo đề xuất được xây dựng từ quá trình tham khảo tài liệu

Phương pháp nghiên cứu định lượng thực hiện khảo sát với cỡ mẫu lớn Sau đó, đưa dữ liệu thu thập được vào phần mềm SPSS 20 để kiểm định và phân tích, nhằm đưa ra những kết quả có ý nghĩa thống kê.

Kết cấu bài nghiên cứu

Bài nghiên cứu "Các nhân tố tác động đến ý định mua hàng của thế hệ Z qua livestream của KOL trên TikTok tại TPHCM" có cấu trúc gồm 5 chương.

Chương 1: Tổng quan về nghiên cứu

Chương 2: Cơ sở lý thuyết và mô hình nghiên cứu

Chương 3: Phương pháp nghiên cứu

Chương 4: Kết quả nghiên cứu

Chương 5: Kết luận và đề xuất

CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU

Các khái niệm

Thế hệ Z là thế hệ nối tiếp thế hệ Y (Dolot, 2018; Csobanka, 2016) Theo Singh

& Dangmei (2016), thế hệ Z được sinh vào những năm 90 và lớn lên trong những năm

2000, thế hệ Z được nuôi dưỡng trong thời kỳ công nghệ có những phát triển vượt trội với sự hiện diện của web, internet, điện thoại thông minh (smartphone) và quyền truy cập vào kết nối mạng cũng như các phương tiện kỹ thuật số Bên cạnh đó, Hornyák & Fehér (được trích dẫn bởi Csobanka, 2016) còn gọi đây là “thế hệ trực tuyến” (online generation) bởi những người ở lứa tuổi này dành khá nhiều thời gian cho máy vi tính và mạng xã hội Nhìn chung, điểm khác biệt lớn nhất giữa thế hệ Z với các thế hệ trước đó chính là cuộc sống của họ được liên kết mật thiết với thế giới điện tử và kỹ thuật số (Csobanka, 2016), hay nói cách khác là thế hệ Z có thể dễ dàng hoạt động trong cả thế giới thực và ảo (Dolot, 2018) Mặc dù vẫn chưa có sự thống nhất hoàn toàn về việc xác định độ tuổi của thế hệ Z, nhưng trong khuôn khổ của bài nghiên cứu này, tác giả hướng đến thế hệ Z là các đối tượng sinh năm 1996 - 2010 (Dolot, 2018; Csobanka, 2016; Cilliers, 2017)

KOL (Key Opinion Leader) tạm dịch: người dẫn dắt dư luận chủ chốt Đây là những người được xem là có sức ảnh hưởng mạnh mẽ đến người tiêu dùng trong một lĩnh vực nhất định (Avaryl & Kusumawati, 2023) Huang (2023) cho rằng KOL là nhóm người có sự am hiểu về một lĩnh vực nhất định, và những ý kiến của họ đều được phần lớn mọi người đồng tình và làm theo Cụ thể, nhóm người này có thể định hình quan điểm của người tiêu dùng bằng việc tác động đến sản phẩm mà người tiêu dùng mua, phương tiện người tiêu dùng sử dụng hoặc cách mà họ sử dụng các nền tảng trực tuyến (Wang & cộng sự, 2020) Vì vậy, những người được gọi là KOL rất đa dạng, họ có thể

5 là người phát trực tiếp (live streamer), người chứng thực nổi tiếng (celebrity endorser), vlogger hoặc blogger (Tran & Uehara, 2023; He & Jin, 2022)

2.1.3 Livestream trên mạng xã hội

Livestream là hình thức tương tác ngay lập tức bằng văn bản, âm thanh và hình ảnh (Avaryl & Kusumawati, 2023; Li & cộng sự, 2022) Ban đầu, nền tảng này tập trung vào chơi game và giải trí Tuy nhiên, với nhu cầu tương tác cao trong tiếp thị, thương mại điện tử thông qua livestream (live streaming e-commerce) ra đời, mang lại trải nghiệm mua sắm trực tuyến chân thực và sinh động hơn (Li & cộng sự, 2022) Vì vậy, trong nghiên cứu này, "livestream" được hiểu là thương mại điện tử thông qua livestream (live streaming e-commerce).

Nhận thấy cơn sốt mua sắm livestream đang gia tăng, tiếp nối các ông lớn như Amazon Live và Taobao Live, TikTok đã cho ra mắt tính năng livestream trên TikTok LIVE vào năm 2021, và mua sắm trên TikTok Shop vào năm 2022 nhằm cung cấp cho người tiêu dùng một trải nghiệm mua sắm toàn diện chỉ trong một ứng dụng (VnEconomy, 2023; TikTok Newsroom, 2021; TikTok Newsroom, 2022) So với thị trường thương mại điện tử truyền thống, sự kết hợp giữa thương mại điện tử và phát trực tiếp đã giải quyết được các vấn đề về niềm tin của người tiêu dùng, khi người chủ trì/ người phát trực tiếp (live streamer) có thể đánh giá chất lượng sản phẩm và tương tác với khách hàng trong thời gian thực (Xu & cộng sự, 2022)

Mặt khác, với mong muốn tiếp cận nhiều khách hàng hơn cũng như để tăng độ nhận diện sản phẩm của thương hiệu, các doanh nghiệp đã tiến hành hợp tác với KOL và tài trợ họ thực hiện các buổi livestream giới thiệu sản phẩm (Avaryl & Kusumawati, 2023; Huang, 2023) Dần dần, các buổi livestream của KOL trên TikTok ngày càng phổ biến và được nhiều người quan tâm (The influencer, 2023) Dựa vào các ngữ cảnh và nhận định trên, “livestream của KOL trên TikTok” trong bài nghiên cứu này được hiểu là các buổi livestream được thực hiện trên nền tảng TikTok, có sự hỗ trợ hoặc tài trợ từ

6 các nhãn hàng và người chủ trì là các KOL Elliott (được trích dẫn bởi Moynihan, 2008) cũng khẳng định rằng KOL chính là những người bán hàng cho doanh nghiệp Còn Huang (2023) cho rằng giữa bối cảnh truyền thông xã mới, các thương hiệu buộc phải tuân theo xu hướng thị trường, đó là lí do ngày càng có nhiều KOL tham gia các phiên livestream với vai trò là người chủ trì/ người phát trực tiếp (live streamer)

Khi người tiêu dùng bị kích thích bởi một sản phẩm nào đó, họ sẽ nảy sinh hứng thú được dùng thử, từ đó dẫn đến mong muốn được mua để sở hữu sản phẩm ấy, đó chính là ý định mua hàng (Ahmadi & Hudrasyah, 2022) Nói cách khác, ý định mua hàng là sự thích thú của người tiêu dùng để mua một sản phẩm hay dịch vụ nào đó; ngoài ra, việc người tiêu dùng sẽ mua sản phẩm sau khi đánh giá về chúng cũng là một khía cạnh của ý định mua (Younus & cộng sự, 2015)

Trong khi đó, Lin & Nuangjamnong (2022) định nghĩa ý định mua hàng liên quan đến thái độ của người tiêu dùng đối với một hành vi tiêu dùng nhất định cũng như là sự sẵn sàng chi trả của người tiêu dùng Tương tự với tác giả trên, Thamrin (được trích dẫn bởi Ahmadi & Hudrasyah, 2022) cho rằng ý định mua hàng là phần cấu thành hành vi của người tiêu dùng trong thái độ tiêu dùng, đó chính là xu hướng hành động của người tiêu dùng trước khi đưa ra quyết định mua hàng

Ngoài ra, Pavlou (2003) lập luận rằng tình huống khách hàng sẵn sàng hoặc có ý định tham gia vào giao dịch trực tuyến chính là ý định mua hàng trực tuyến Dựa vào nhận định trên, ý định mua hàng qua livestream của KOL trong bài nghiên cứu này cũng có thể được xem là xu hướng hành động liên quan đến trực tuyến.

Các lý thuyết nền

2.2.1 Mô hình Thuyết hành động hợp lý TRA (Theory of Reasoned Action)

Mô hình Thuyết hành động hợp lý (TRA) được phát triển bởi Ajzen và Fishbein vào năm 1967 Theo mô hình TRA, hành vi thực tế được xác định bởi ý định hành vi Ý định hành vi wiederum bị ảnh hưởng quyết định bởi hai yếu tố chính: thái độ (attitude) và chuẩn chủ quan (subjective norm).

(subjective norm) Trong đó, thái độ liên quan đến yếu tố cá nhân, có thể là niềm tin hoặc nhận thức liên quan đến sản phẩm Bên cạnh đó, chuẩn chủ quan đề cập đến sự ảnh hưởng của các mối quan hệ xã hội lên người tiêu dùng (Nguyễn Lê Phương Thanh, 2013)

Hình 2.1 Mô hình Thuyết hành động hợp lý TRA

2.2.2 Mô hình TAM (Technology Acceptance Model)

Dựa trên mô hình Thuyết hành động hợp lý TRA, Davis đã phát triển mô hình TAM vào năm 1986 Theo TAM, sự chấp nhận công nghệ của cá nhân phụ thuộc vào nhận thức tính hữu dụng và nhận thức tính dễ sử dụng Nhận thức tính hữu dụng liên quan đến hiệu quả của công nghệ trong việc nâng cao công việc, trong khi nhận thức tính dễ sử dụng đề cập đến mức độ dễ dàng sử dụng công nghệ.

TAM được xem là một lý thuyết sâu sắc và có sức ảnh hưởng mạnh mẽ, mô hình này được các nhà nghiên cứu ứng dụng, kết hợp với các mô hình lý thuyết khác hoặc bổ sung các biến mới nhằm phù hợp với nhiều lĩnh vực và đề tài khác nhau (Lee & cộng sự, 2003) Liên quan đến hành vi mua hàng trực tuyến và ý định mua hàng, một số tác giả như Rochman & Kusumawati (2023), Trần Thị Ngọc Lan & Trần Thành Trung (2023), Trần Trọng Đức & cộng sự (2022), Tăng Đức Nguyên & cộng sự (2023) cũng đã thực hiện một số nghiên cứu dựa trên việc ứng dụng mô hình lý thuyết TAM

Hình 2.2 Mô hình Chấp nhận công nghệ TAM

Tổng quan các nghiên cứu có liên quan

Tác giả Ha & Lam (2016) đã thực hiện nghiên cứu về sự ảnh hưởng của người chứng thực nổi tiếng (celebrity endorsement) lên thái độ của khách hàng về thương hiệu cũng như là ảnh hưởng của thái độ khách hàng về thương hiệu lên ý định mua hàng tại Việt Nam Nhóm tác giả đã tiến hành khảo sát 306 người ở Việt nam Sau khi phân tích EFA và phân tích hồi quy đa biến, kết quả chỉ ra rằng có 3 yếu tố ảnh hưởng tích cực đến thái độ khách hàng đối với thương hiệu: người nổi tiếng phù hợp với thương hiệu/sản phẩm, độ tin cậy của người nổi tiếng và chuyên môn của họ Bên cạnh đó, thái độ đối với thương hiệu của khách hàng cũng có ảnh hưởng tích cực đến ý định mua hàng của họ Dựa vào kết quả trên, nhóm tác giả đưa ra nhận định rằng người nổi tiếng thường được cho là một người đáng tin cậy, vì vậy người chứng thực nổi tiếng sẽ có tác động đến khách hàng nhiều hơn so với người bình thường Ngoài ra, bên cạnh sự thu hút và khả năng tạo sự ảnh hưởng của người nổi tiếng, khách hàng sẽ cảm thấy an tâm và tin tưởng vào thương hiệu hơn nếu người chứng thực nổi tiếng có chuyên môn tốt

Mô hình nghiên cứu được trình bày trong Hình 2.3 nhằm kiểm định ảnh hưởng của người chứng thực nổi tiếng đến thái độ của khách hàng về thương hiệu, cũng như thái độ của khách hàng về thương hiệu tác động đến ý định mua hàng như thế nào.

He & Jin (2022) đã có nghiên cứu về tác động của các đặc điểm KOL đến ý định mua hàng của người tiêu dùng qua livestream dựa trên lý thuyết hệ thống kép (DST) Phương pháp nghiên cứu được thực hiện là khảo sát bằng cách gửi bảng câu hỏi cho 467 người tham gia tại Trung Quốc Kết quả nghiên cứu cho thấy các đặc điểm của KOL bao gồm sự thu hút (như là vẻ bề ngoài, ngoại hình và giọng nói của KOL), chuyên môn và độ tin cậy ảnh hưởng tích cực đến ý định mua hàng Theo đó, nhóm tác giả trên kết luận rằng sự thu hút là yếu tố quyết định ý định mua hàng của người tiêu dùng qua thương mại phát trực tiếp, và mối quan hệ giữa sự thu hút của KOL và ý định mua hàng vẫn luôn tồn tại bất kể hàng hóa người tiêu dùng mua là gì Kết quả nghiên cứu cho thấy “sự thu

10 hút → hệ thống 1 → ý định mua hàng” là quá trình chính của việc quyết định mua hàng qua livetstream của người tiêu dùng

Hình 2.4 Mô hình kép nghiên cứu về tác động của các đặc điểm KOL đến ý định mua hàng của người tiêu dùng trong Livestream

Tương tự, Lin & Nuangjamnong (2022) cũng thực hiện nghiên cứu với mục tiêu khám phá vai trò của influencer (người có sức ảnh hưởng) và sự gắn kết của khách hàng với ý định mua hàng của hoạt động mua sắm phát trực tiếp, và nền tảng được nhóm tác gỉa sử dụng để phân tích là TikTok Nghiên cứu này được thực hiện bằng phương pháp phân tích dữ liệu thứ cấp và nghiên cứu lưu trữ, với 400 sự phản hồi từ những người đã sử dụng dịch vụ mua sắm phát trực tiếp trên TikTok Dựa vào kết quả phân tích, nhóm tác giả tin rằng yếu tố niềm tin của khách hàng có tác động đến sự gắn kết của khách hàng Hơn nữa, ý định mua hàng chịu ảnh hưởng bởi sự gắn kết của khách hàng và độ tin cậy của influencer (bao gồm sự thu hút, sự đáng tin, chuyên môn) Nhóm tác giả trên đề xuất rằng các doanh nghiệp nên đồng thời chú ý vào cả chuyên môn và vẻ bề ngoài của influencer để có thể thu hút nhiều người xem và tạo ra nhiều doanh thu hơn Tuy nhiên, Lin & Nuangjamnong cho rằng những phát hiện trên có thể không hoàn toàn phù hợp cho các doanh nghiệp hoạt động trên các nền tảng khác vì nghiên cứu này chủ yếu được thực hiện dựa trên nhóm người dùng TikTok

Hình 2.5 Mô hình nghiên cứu vai trò của người ảnh hưởng và sự gắn kết của khách hàng lên ý định mua hàng qua TikTok LIVE

Liên quan đến influencer, Wang & cộng sự (2022) cũng đã thực hiện nghiên cứu khám phá các tác động đến ý định mua hàng của người tiêu dùng trong bối cảnh thương mại phát trực tiếp của influencer trực tuyến tại Trung Quốc Nhóm tác giả đã tiến hành khảo sát bằng bảng câu hỏi với 430 người tiêu dùng tại Trung quốc và thực hiện phân tích hồi quy phân cấp Kết quả cho thấy sự chuyên nghiệp, khả năng thương lượng, dịch vụ sau bán và lịch phát trực tiếp của những influencer trực tuyến có thể cải thiện sự tin cậy của người tiêu dùng Theo đó, niềm tin của người tiêu dùng là biến trung gian giữa các yếu tố trên và ý định mua hàng, tức là sự tin cậy của người tiêu dùng càng cao góp phần thúc đẩy nhanh hơn ý định mua hàng của họ Bên cạnh đó, nhóm tác giả cũng cho rằng sự chuyên nghiệp, khả năng thương lượng và lịch phát trực tiếp cũng thúc đẩy sự ngẫu hứng trong ý định mua hàng của khách hàng

Hình 2.6 Mô hình nghiên cứu về sự ảnh hưởng của marketing phát trực tiếp bởi

Influencer đến ý định mua hàng của người tiêu dùng

Tác giả Chiew & Azizan (2023) cũng có nghiên cứu về các nhân tố ảnh hưởng đến hành vi của người tiêu dùng thông qua livestream trên Facebook Mục tiêu của nghiên cứu nhằm xác định các yếu tố thúc đẩy hành vi mua hàng của người tiêu dùng qua thương mại phát trực tiếp Để thực hiện bài nghiên cứu này, nhóm tác giả trên đã thực hiện khảo sát bằng bảng câu hỏi với số mẫu là 255, và thực hiện phân tích định lượng bằng phần mềm SPSS Theo kết quả nghiên cứu của Chiew & Azizan, hành vi mua hàng qua thương mại phát trực tiếp của người tiêu dùng bị ảnh hưởng bởi 4 yếu tố: giá cạnh tranh, sự tin cậy của người tiêu dùng, sự chuyên nghiệp của người chủ trì và ý định mua hàng Tuy nhiên, kết quả cho thấy rằng giá cạnh tranh là yếu tố thúc đẩy mạnh mẽ nhất đến hành vi mua hàng qua livestream Facebook của người tiêu dùng Điều này phù hợp với nhận định của Siddique và cộng sự (2020) khi cho rằng đối với các nhà bán lẻ, giá cạnh tranh đóng vai trò hết sức quan trọng với người tiêu dùng, và chiến lược điều chỉnh giá sẽ thu hút được không những khách hàng mới mà còn với khách hàng hiện tại Bên cạnh đó, sự chuyên nghiệp của người phát trực tiếp cũng tác động khá nhiều đến ý định mua hàng bởi vì thông qua điều đó, khách hàng sẽ có ấn tượng tích cực với buổi livestream

Hình 2.7 Mô hình nghiên cứu các nhân tố ảnh hưởng đến hành vi mua hàng của người tiêu dùng qua Facebook livestream

Bên cạnh đó, Rochman & Kusumawati (2023) cũng có phân tích về sự tác động của các yếu tố như sự xúc tiến, influencer, sự tiện ích, chất lượng dịch vụ và giá cả trên ứng dụng TikTok đối với quyết định mua hàng trên TikTok Shop Nhóm tác gỉả trên đã tiến hành khảo sát 151 người tiêu dùng là sinh viên và thực hiện phân tích bằng phương pháp hồi quy đa biến Kết quả của nghiên cứu chỉ ra rằng chỉ có sự xúc tiến, influencer, chất lượng dịch vụ và giá cả có sự tác động đến quyết định mua hàng của người tiêu dùng, biến còn lại không ảnh hưởng Sự xúc tiến thu hút sự chú ý của khách hàng, bởi vì người tiêu dùng thường có xu hướng tin rằng các sản phẩm/dịch vụ được khuyến mãi phù hợp với nhu cầu của họ ngay tại thời điểm ấy Bên cạnh đó, nhiều người tiêu dùng thường lấy influencer làm cơ sở để đưa ra quyết định mua hàng trên ứng dụng TikTok, bởi vì influencer có thể tương tác tốt với họ và có thể thuyết phục họ đưa ra các quyết định mua hàng Ngoài ra, kết quả nghiên cứu còn chỉ ra rằng giá cả là yếu tố quan trọng trong việc mua sản phẩm bởi về cơ bản, người tiêu dùng mua hàng dựa trên tính khả thi về giá, chất lượng sản phẩm đi đôi với giá tiền và quyết định mua hàng luôn không thể tách rời khỏi sự giảm giá

Hình 2.8 Mô hình nghiên cứu sự tác động của sự xúc tiến, Influencer, sự tiện ích, chất lượng dịch vụ và giá cả đối với quyết định mua hàng trên TikTok Shop

Liên quan đến ý định mua hàng qua livestream của KOL trên TikTok, tại Việt Nam cũng có không ít các nghiên cứu liên quan đến sự tác động của những yếu tố lên hành vi mua hàng trực tuyến của người tiêu dùng

Một trong số đó có tác giả Bùi Thị Nhật Huyền & cộng sự (2023) nghiên cứu đánh giá mức độ ảnh hưởng của các yếu tố đến quyết định mua hàng qua livestream trên TikTok của sinh viên TPHCM Nghiên cứu được thực hiện khảo sát 250 người và phân tích bằng phần mềm SPSS 20 Kết quả nghiên cứu cho thấy quyết định mua hàng qua livestream trên TikTok bị tác động bởi 5 yếu tố, trong đó nhận thức sự hữu ích có tác động mạnh nhất, tiếp đến là sự tin cậy và khuyến mãi Theo đó, nhóm tác giả cho rằng khách hàng càng cảm nhận thấy sự hữu ích thì khả năng mua hàng của họ càng cao Bên cạnh đó, kết quả cũng thể hiện khi người tiêu dùng có sự tin cậy càng cao về nền tảng nào đó thì họ sẽ cảm thấy tự tin hơn khi mua hàng Khuyến mãi cũng là một nhân tố quan trọng giúp thu hút sự chú ý và kích thích người tiêu dùng mua hàng qua livestream

Hình 2.9 Mô hình nghiên cứu mức độ ảnh hưởng của các yếu tố đến quyết định mua hàng qua livestream trên TikTok

(Bùi Thị Nhật Huyền & cộng sự, 2023)

Tác giả Lữ Phi Nga và cộng sự (2022) nghiên cứu về các yếu tố ảnh hưởng đến hành vi mua sắm trực tuyến của những người sử dụng mạng xã hội tại tỉnh Đồng Nai Nhóm tác giả trên thực hiện thu thập dữ liệu qua bảng khảo sát với 300 người tham gia tại các trường đại học và sử dụng phần mềm SPSS phân tích hồi quy đa biến Kết quả nghiên cứu cho thấy hành vi mua sắm trên mạng xã hội bị ảnh hưởng tích cực bởi 3 yếu tố: cảm nhận dễ sử dụng, tương tác web và niềm tin Trong đó, niềm tin được xem là động lực chính thúc đẩy hành vi mua sắm trực tuyến của người tiêu dùng Ngoài ra, nhóm tác giả cho rằng hầu hết người tiêu dùng đều cảm thấy bị thu hút bởi những công nghệ dễ sử dụng, do đó những công nghệ với nền tảng dễ sử dụng sẽ kích thích hành vi mua sắm trực tuyến của những người dùng mạng xã hội

Hình 2.10 Mô hình nghiên cứu các yếu tố ảnh hưởng đến hành vi mua sắm trực tuyến của những người sử dụng mạng xã hội

(Lữ Phi Nga và cộng sự, 2022) Đề tài liên quan đến hành vi mua sắm trực tuyến cũng được Trần Trọng Đức & cộng sự (2022) khai thác vào năm 2022 Theo đó, nhóm tác giả nghiên cứu về các nhân tố ảnh hưởng đến hành vi mua sắm trực tuyến trên TikTok của thế hệ Z tại Hà Nội Bảng khảo sát được phân phối đến 500 người tiêu dùng có sử dụng TikTok với độ tuổi 12 –

38 tuổi Theo kết quả nghiên cứu, các nhân tố tác giả trên đề xuất đều có tác động tích cực đến hành vi mua sắm trực tuyến, trong đó có nhận thức sự hữu ích và nhận thức tính dễ sử dụng

Hình 2.11 Mô hình nghiên cứu về các nhân tố ảnh hưởng đến hành vi mua sắm trực tuyến trên TikTok

(Trần Trọng Đức và cộng sự, 2022)

Ngoài ra, Trần Thị Ngọc Lan & Trần Thành Trung (2023) đã tìm hiểu về các yếu tố tác động đến hành vi mua hàng ngẫu hứng qua thương mại điện tử của giới trẻ tại TP.HCM Sau khi khảo sát 340 người tiêu dùng và thực hiện các phân tích EFA, hồi quy bội, kết quả nghiên cứu chỉ ra rằng hành vi mua hàng qua TMĐT bị ảnh hưởng tích cực bởi: giá cả và sự giảm giá, tính tương tác, quảng cáo, tính ngẫu hứng, chất lượng đánh giá, độ tin cậy và sự hấp dẫn thị giác Nhóm tác giả cho rằng, đặc biệt với tình hình kinh tế đầy cạnh tranh như hiện nay, người tiêu dùng có xu hướng so sánh giá sản phẩm giữa các trang TMĐT với nhau và nghiêng về bên có giá cả hợp lý nhất, do đó chiến lược giảm giá được xem xét có thể thúc đẩy mạnh mẽ hành vi mua sắm ngẫu hứng của khách hàng Tuy nhiên, nhóm tác giả cũng nhận định rằng sự tin cậy không ảnh hưởng nhiều đến hành vi mua hàng ngẫu hứng của giới trẻ

Hình 2.12 Mô hình nghiên cứu các yếu tố tác động đến hành vi mua hàng ngẫu hứng qua thương mại điện tử

(Trần Thị Ngọc Lan & Trần Thành Trung, 2023)

2.2.3 Đánh giá chung các nghiên cứu có liên quan

Nhìn chung, các nghiên cứu trong và ngoài nước thực hiện về ý định mua hàng và hành vi mua sắm trực tuyến thường vận dụng các mô hình lý thuyết TRA, TAM và SOR để làm nền tảng cho các mô hình nghiên cứu Qua các nghiên cứu trên, tác giả nhận thấy các tác giả trên đã có sự kế thừa và khắc phục các hạn chế, từ đó phát triển các mô hình nghiên cứu ngày càng có giá trị chính xác và phù hợp với sự thay đổi của thời đại Các mô hình nghiên cứu của các tác giả tham khảo nhìn chung có sự giao thoa giữa các biến với nhau Kết quả đã giải thích được mối quan hệ giữa các biến độc lập và biến phụ thuộc, chứng minh được các nhân tố đều có sự ảnh hưởng nhất định đến ý định và hành vi mua hàng của người tiêu dùng.

Xây dựng các giả thuyết nghiên cứu và mô hình nghiên cứu

2.4.1 Các giả thuyết nghiên cứu đề xuất và cơ sở đề xuất

Sau khi tham khảo qua nhiều nguồn tài liệu, tác giả nhận thấy mô hình TAM (Technology Accept Model) của Davis được ứng dụng phổ biến trong các nghiên cứu đa lĩnh vực, trong đó có Digital marketing và Thương mại điện tử Do đó, tác giả chọn sử dụng mô hình lý thuyết TAM làm cơ sở để thực hiện mô hình nghiên cứu các nhân tố

19 tác động đến ý định mua hàng của thế hệ Z qua livestream của KOL trên TikTok tại TPHCM

Bên cạnh 2 biến chính của TAM là nhận thức tính dễ sử dụng và nhận thức tính hữu dụng, dựa vào các nghiên cứu tham khảo liên quan, tác giả bổ sung thêm các biến gồm: hoạt động xúc tiến, sự tin cậy, sự thu hút của KOL và chuyên môn của KOL vào mô hình nghiên cứu

Các biến độc lập và biến phụ thuộc của mô hình nghiên cứu được tác giả tham khảo và tổng hợp từ các nghiên cứu liên quan được thể hiện trong bảng dưới đây.

Sự thu hút của KOL

Nhận thức tính dễ sử dụng

Nhận thức tính hữu dụng

Lữ Phi Nga & cộng sự (2022) x x

Trần Trọng Đức & cộng sự

Bảng 2.1 Tóm tắt cơ sở của các biến độc lập và biến phụ thuộc của mô hình nghiên cứu

Nguồn: Tác giả tự tổng hợp

Xúc tiến là một phần của hoạt động marketing, đây là một chiến lược marketing phổ biến của các doanh nghiệp khi muốn thâm nhập thị trường hoặc giữ chân khách hàng (Chang, 2017) Xúc tiến là một công cụ quan trọng của những người làm marketing bởi vì nó tạo ra được lợi thế cạnh tranh cho doanh nghiệp, giúp tăng doanh số và thu hút ý định của người tiêu dùng (Bhatti, 2018) Beem & Shaffer (được trích dẫn bởi Chi & cộng sự, 2009) đã phân loại sự xúc tiến thành ba hình thức: khuyến mãi cân bằng sản phẩm (ví dụ: mua một tặng một), khuyến mãi liên quan đến giá và khuyến mãi không liên quan

21 đến giá Mặt khác, Neha & Manoj (2013) lại nhận định sự xúc tiến theo 2 thể loại: xúc tiến tiêu dùng (thu hút khách hàng bằng cách giảm giá hoặc tăng thêm lợi ích sản phẩm) và xúc tiến thương mại (quảng bá sản phẩm thông qua những người bán hàng)

Các hoạt động xúc tiến ảnh hưởng đến số lượng mua hàng của khách hàng và rút ngắn thời gian đưa ra quyết định của họ (Bhatti, 2018) Bởi vì người tiêu dùng thường bị tác động bởi cả môi trường bên trong và bên ngoài (Kotler, 2000), do đó mức giảm giá càng lớn thì mức độ hài lòng của khách hàng càng cao và ý định mua hàng càng mãnh liệt, hay nói cách khác là giá sản phẩm càng ưu đãi tỉ lệ thuận với sự sẵn sàng chi trả của người mua (Rochman & Kusumawati, 2023; Yu & cộng sự, 2018) Tương tự, Putra (2019) cũng cho rằng cùng một sản phẩm, khách hàng sẽ cảm thấy thích thú với bên bán có khuyến mãi hấp dẫn hơn so với bên còn lại

Nhiều nghiên cứu trước đó cũng đã chỉ ra rằng hoạt động xúc tiến có sự tác động tích cực đến ý định mua hàng của người tiêu dùng (Bhatti, 2018; Chang & Tsai, 2011) Pongratte & cộng sự (2023) cũng kết luận rằng hoạt động xúc tiến qua livestream trên TikTok ảnh hưởng tích cực đến sở thích mua sắm của khách hàng Vì vậy, dựa vào các nhận định trên, tác giả đề xuất giả thuyết H1 như sau:

H1: Hoạt động xúc tiến tác động cùng chiều đến đến ý định mua hàng của thế hệ

Z tại TPHCM qua livestream của KOL trên TikTok

Niềm tin là một trong những nhân tố chủ chốt trong mối quan hệ giữa người bán và ý định mua sắm trực tuyến của người tiêu dùng (Trần Trọng Đức & cộng sự, 2022) Trong bối cảnh thương mại điện tử, sự tin cậy của người tiêu dùng bao gồm cả niềm tin và sự kỳ vọng của họ đối với người bán hàng trực tuyến (Meskaran & cộng sự, 2013)

Sự tin cậy trong thương mại điện tử phát trực tiếp có thể là sự tin cậy của người tiêu dùng đối với người phát trực tiếp, đối với sản phẩm và đối với cộng đồng tham khảo (Guo & cộng sự, 2021) Tuy nhiên, đối với bài nghiên cứu này, tác giả tiếp cận sự tin

22 cậy dưới hình thức chủ yếu là sự tin cậy của người tiêu dùng đối với người phát trực tiếp là KOL

Niềm tin là nền tảng cho giao dịch trực tuyến, theo Hà Ngọc Thắng & Nguyễn Thành Độ (2016) Mức độ tin cậy của người tiêu dùng vào người bán càng cao, họ càng sẵn sàng mua hàng (Pan et al., 2010; Zhou et al., 2013) Nhiều nghiên cứu khác cũng chỉ ra mối liên hệ chặt chẽ giữa niềm tin và ý định mua hàng (Azizan & Chiew, 2023; Lin et al., 2021; Li et al., 2022).

&Nuangjamnong, 2022; Lữ Phi Nga & cộng sự, 2022) Dựa vào các nhận định trên, tác giả để xuất giả thuyết H2 như sau:

H2: Sự tin cậy tác động cùng chiều đến đến ý định mua hàng của thế hệ Z tại TPHCM qua livestream của KOL trên TikTok

2.4.1.3 Sự thu hút của KOL

He & Jin (2022) nhận định sự thu hút của KOL bao gồm biểu hiện bên ngoài đẹp mắt, hình thể và giọng nói ngọt ngào Tuy nhiên, sự thu hút không chỉ gói gọn về mặt thể chất, mà còn thể hiện qua tính cách, phong cách sống, kỹ năng liên qua đến tinh thần và nghệ thuật (Erdogan, 1999) Trên thực tế, một KOL có sức hấp dẫn là do họ đã tạo dựng được một hình mẫu đẹp và được nhiều người trong cộng đồng biết đến (Ha & Lam, 2016) Lin & Nuangjamnong (2022) cũng đánh giá rằng những người phát trực tiếp có sức ảnh hưởng như KOL thường có nhiều người hâm mộ và theo dõi hơn những người phát trực tiếp bình thường trong lĩnh vực này

Những KOL có vẻ bề ngoài thu hút thường được các doanh nghiệp lựa chọn tham gia các chiến dịch quảng cáo vì họ đóng vai trò quan trọng trong quá trình hình thành thái độ của người tiêu dùng về một thương hiệu cụ thể (AlFarraj & cộng sự, 2020) Một nghiên cứu của Kahle & Homer (được trích dẫn bởi Nascimento, 2019) chỉ ra rằng cùng

23 một sản phẩm, nhưng khách hàng sẽ cảm thấy yêu thích sản phẩm được giới thiệu bởi một người nổi tiếng có sức hấp dẫn hơn so với sản phẩm của người còn lại Ha & Lam (2016) giải thích sự thu hút có sức thuyết phục mạnh mẽ vì người tiêu dùng mong muốn được giống với người nổi tiếng yêu thích của họ

Sự thu hút của KOL giúp lôi kéo sự tập trung của người tiêu dùng về sản phẩm, gợi lên sự tò mò và khao khát về sản phẩm, từ đó giúp gia tăng ý định mua hàng (He & Jin, 2022) Nói cách khác, sự thu hút có tác động tích cực và là động cơ thúc đẩy ý định mua hàng của người tiêu dùng (Waldt & cộng sự, 2009) Từ những nhận định trên, tác giả đề xuất giả thuyết H3 như sau:

H3: Sự thu hút của KOL tác động cùng chiều đến đến ý định mua hàng của thế hệ Z tại TPHCM qua livestream của KOL trên TikTok

Chuyên môn của KOL đề cập đến mức độ mà họ được đánh giá là có đủ kiến thức, kinh nghiệm và kỹ năng trong một lĩnh vực nhất định (Hovland & cộng sự, 1953; Waldt & cộng sự, 2009) Tương tự, Wang & cộng sự (2022) định nghĩa chuyên môn là mức độ mà một KOL có thể cung cấp kinh nghiệm và kiến thức một cách chính xác khi người tiêu dùng cần tìm kiếm thông tin Thông thường, người tiêu dùng không biết rõ về sản phẩm, do đó họ thường có xu hướng tham khảo từ những người có hiểu biết hơn, từ đó những KOL có chuyên môn sẽ giải quyết được nhu cầu thông tin của người tiêu dùng (Herstei & Mitki, 2008)

PHƯƠNG PHÁP NGHIÊN CỨU

Quy trình thực hiện nghiên cứu

Hình 3.1 Quy trình thực hiện nghiên cứu

Xây dựng thang đo sơ bộ

Tác giả đã tham khảo và kế thừa từ những nghiên cứu trước để xây dựng thang đo sơ bộ cho các nhân tố nghiên cứu như sau Tuy nhiên đây chỉ là thang đo đề xuất, cần qua nghiên cứu định tính để thang đo được hiệu chỉnh cho phù hợp và khách quan hơn

Tham khảo thang đo của các nghiên cứu của các tác giả Bùi Thị Nhật Huyền & cộng sự (2023), Rochman & Kusumawati (2023), Wang & cộng sự (2022), Zhou & Tong (2022), tác giả đo lường hoạt động xúc tiến bởi ba biến quan sát: giá sản phẩm trong livestream của KOL thấp hơn các nơi khác, khuyến mãi đặc biệt trong livestream, khuyến mãi tạo cơ hội mua thử sản phẩm

Để đánh giá độ tin cậy của KOL, các nghiên cứu của Avaryl & Kusumawati (2023), Chiew & Azizan (2023), Ha & Lam (2016), Tran & Uehara (2023), Wang và cộng sự (2022) sử dụng thang đo năm biến quan sát: thông tin do KOL cung cấp, chất lượng sản phẩm được giới thiệu, kiến thức về sản phẩm của KOL, kinh nghiệm thực tế trong việc sử dụng sản phẩm của KOL và khả năng thương lượng giá tốt với nhãn hàng của KOL.

Tham khảo thang đo của các nghiên cứu của các tác giả Ha & Lam (2016), Lin & Nuangjamnong (2022), tác giả đo lường sự thu hút của KOL bởi bốn biến quan sát: trang phục của KOL, trang phục phản ảnh sự chuyên nghiệp, độ nổi tiếng/lượt tương tác của KOL, giọng nói và sự tương tác của KOL

Tham khảo thang đo của các nghiên cứu của các tác giả Ha & Lam (2016), Tran

& Uehara (2023), Wang & cộng sự (2022), tác giả đo lường chuyên môn của KOL bởi ba biến quan sát: KOL có thể cung cấp đầy đủ và rõ ràng các thông tin về sản phẩm, KOL sẵn sàng giải đáp các thắc mắc liên quan đến sản phẩm và lĩnh vực của KOL liên quan đến sản phẩm

Tham khảo thang đo của các nghiên cứu của các tác giả Rochman & Kusumawati (2023), Tăng Đức Nguyên và cộng sự (2023), tác giả đo lường chuyên môn của KOL bởi ba biến quan sát: dễ dàng tiếp cận được livestream, dễ dàng theo dõi livestream và dễ dàng chọn mua sản phẩm qua livestream

Tham khảo thang đo của các nghiên cứu của các tác giả Avaryl & Kusumawati (2023), Moslehpour & cộng sự (2018), Tăng Đức Nguyên và cộng sự (2023), Tran &

Uehara (2023), tác giả đo lường chuyên môn của KOL bởi ba biến quan sát: tiết kiệm chi phí, có thêm kiến thức về sản phẩm và quan sát sản phẩm rõ ràng hơn khi KOL trực tiếp giới thiệu/thử sản phẩm Ý định mua hàng

Các nghiên cứu trước đây của Lin & Nuangjamnong (2022), Tran & Uehara (2023), Wang & cộng sự (2022) đã sử dụng năm biến quan sát chính để đo lường chuyên môn của KOL, bao gồm: KOL đã thay đổi suy nghĩ về sản phẩm; muốn mua thử sản phẩm KOL giới thiệu trong livestream; sản phẩm KOL giới thiệu trong livestream là sản phẩm tốt; ưu tiên sản phẩm được KOL giới thiệu hơn; sẵn sàng gợi ý cho gia đình và bạn bè.

Nghiên cứu định tính

3.3.1 Thiết kế nghiên cứu định tính

Để khám phá và hiểu sâu sắc các biến quan sát, nghiên cứu định tính được áp dụng với mục đích điều chỉnh và đo lường chính xác hơn các khái niệm nghiên cứu Nghiên cứu này đã thực hiện phỏng vấn nhóm với 5 đối tượng thuộc thế hệ Z tại TPHCM, những người sử dụng TikTok thường xuyên và có ý định mua hàng qua livestream của KOL trên TikTok Thông tin nhân khẩu học của các đối tượng được trình bày ở Phụ lục 2.

Trao đổi với các đối tượng về các nhân tố ảnh hưởng đến ý định mua hàng của thế hệ Z qua livestream của KOL trên TikTok, các biến quan sát trong thang đo và xây dựng bảng hỏi Dàn bài thảo luận được thể hiện ở Phụ lục 1

Các bước tiến hành nghiên cứu gồm: Đầu tiên, tác giả đặt ra vấn đề và mục tiêu nghiên cứu cụ thể với đối tượng tham gia Đồng thời, định nghĩa và giải thích các thuật ngữ liên quan cũng như mô hình nghiên cứu được sử dụng.

Tiếp theo, lắng nghe ý kiến của các đối tượng tham gia và chỉnh sửa thang đo sơ bộ

Cùng các đối tượng tham gia đánh giá thang đo và điều chỉnh nếu cần thiết

Cuối cùng, thu thập và chọn lọc dữ liệu cho việc hiệu chỉnh thang đo Kết thúc thảo luận

3.3.2 Kết quả nghiên cứu định tính

Các đối tượng tham gia thảo luận đã đề xuất khá nhiều ý kiến phục vụ cho việc đo lường các nhân tố nghiên cứu Sau khi sàng lọc, tác giả chỉ giữ lại những đề xuất phù hợp đối với mô hình nghiên cứu và có sự tương quan với kết quả của các nghiên cứu trước

Các đối tượng tham gia góp ý rằng các phát biểu cần được trình bày ngắn gọn và dễ hiểu để tránh gây nản lòng cho người đọc Các phát biểu cũng cần thay đổi hoặc bổ sung một số cụm từ cho phù hợp và rõ nghĩa hơn Ngoài ra cần đề cập rõ đến cụm từ

“livestream của KOL trên TikTok” trong mỗi biến quan sát nhằm phù hợp với mục tiêu nghiên cứu

Kết hợp nghiên cứu tài liệu tham khảo và nghiên cứu định tính, tác giả đã xây dựng được thang đo và bảng câu hỏi khảo sát gồm 26 biến quan sát cho các nhân tố nghiên cứu Trong đó, phiếu khảo sát được tác giả trình bày ở phần Phụ lục 3 Các biến quan sát của các nhân tố được đo lường bằng thang đo Likert với 5 mức độ: 1 – Hoàn toàn không đồng ý, 2 – Không đồng ý, 3 – Trung lập, 4 – Đồng ý, 5 – Hoàn toàn đồng ý

Các phát biểu thang đo của các nhân tố nghiên cứu đươc thể hiện ở những bảng sau:

Sau nghiên cứu định tính, ba biến quan sát của thang đo Hoạt động xúc tiến đã có một số chỉnh sửa đáng chú ý Biến XT1 thay đổi từ "nơi khác" thành "các nền tảng thương mại điện tử khác" để phản ánh nhiều kênh thương mại điện tử phổ biến hơn Biến XT2 điều chỉnh từ "khuyến mãi đặc biệt" thành "khuyến mãi độc quyền từ nhãn hàng", nhằm nhấn mạnh các ưu đãi dành riêng cho khách hàng của thương hiệu.

Mã hóa Phát biểu Nguồn tham khảo

Tôi nhận thấy giá sản phẩm trong livestream của

KOL trên TikTok thấp hơn so với các nền tảng thương mại điện tử khác

Các khuyến mãi độc quyền từ nhãn hàng trong livestream của KOL trên TikTok thu hút sự chú ý của tôi

Bùi Thị Nhật Huyền & cộng sự (2023), Wang

XT3 Các khuyến mãi trong livestream của KOL trên tiktok tạo cơ hội cho tôi mua thử sản phẩm

Bùi Thị Nhật Huyền & cộng sự (2023)

Bảng 3.1 Phát biểu thang đo Hoạt động xúc tiến

Sau khi nghiên cứu định tính, thang đo Sự tin cậy gồm năm biến quan sát không có sự thay đổi

TC1 Tôi tin tưởng các thông tin mà KOL cung cấp trong livestream trên TikTok

TC2 Tôi tin rằng các sản phẩm được KOL giới thiệu trong livestream trên TikTok là sản phẩm tốt

TC3 Tôi tin rằng KOL có sự hiểu biết về sản phẩm mà họ giới thiệu trong livestream trên TikTok Ha & Lam (2016)

Tôi tin rằng sự hiểu biết của KOL về sản phẩm trong livestream trên TikTok là từ trải nghiệm thực tế của họ

Avaryl & Kusumawati (2023), Wang & cộng sự (2022)

TC5 Tôi tin rằng KOL luôn tìm kiếm thỏa thuận giá tốt nhất từ nhãn hàng

Bảng 3.2 Phát biểu thang đo Sự tin cậy

Sau khi nghiên cứu định tính, thang đo Sự thu hút của KOL gồm bốn biến quan sát và không có sự thay đổi

TH1 Trang phục của KOL trong livestream trên TikTok thu hút sự chú ý của tôi

TH2 Tôi nhận thấy trang phục của KOL phản ánh sự chuyên nghiệp của họ Ha & Lam (2016)

TH3 Độ nổi tiếng/Lượt tương tác của KOL thu hút sự chú ý của tôi Ha & Lam (2016)

TH4 Giọng nói và sự tương tác của KOL thu hút tôi ở lại livestream

Bảng 3.3 Phát biểu thang đo Sự thu thút của KOL

Nguồn: Tác giả tự tổng hợp Chuyên môn của KOL

Sau khi nghiên cứu định tính, thang đo Chuyên môn của KOL gồm ba biến quan sát không có sự thay đổi

CM1 KOL có thể cung cấp đầy đủ và rõ ràng các thông tin về sản phẩm trong livestream trên TikTok Tran & Uehara (2023)

CM2 KOL sẵn sàng giải đáp các thắc mắc liên quan đến sản phẩm đang được livestream trên TikTok

CM3 Lĩnh vực của KOL liên quan đến sản phẩm mà họ giới thiệu trong livestream trên TikTok

Ha & Lam (2016), Wang & cộng sự (2022)

Bảng 3.4 Phát biểu thang đo Chuyên môn của KOL

Nguồn: Tác giả tự tổng hợp Nhận thức tính dễ sử dụng

Sau khi nghiên cứu định tính, thang đo Nhận thức tính dễ sử dụng gồm ba biến quan sát không có sự thay đổi

SD1 Tôi dễ dàng tiếp cận được livestream trên TikTok từ KOL

Kusumawati (2023), Tăng Đức Nguyên và cộng sự (2023)

SD2 Tôi dễ dàng theo dõi livestream của KOL trên

Tăng Đức Nguyên và cộng sự (2023)

SD3 Tôi dễ dàng chọn mua sản phẩm qua livestream của

Bảng 3.5 Phát biểu thang đo Nhận thức tính dễ sử dụng

Nguồn: Tác giả tự tổng hợp Nhận thức tính hữu dụng

Sau khi nghiên cứu định tính, thang đo Nhận thức tính hữu dụng gồm ba biến quan sát không có sự thay đổi

HD1 Tôi nhận thấy mua hàng qua livestream của KOL trên TikTok giúp tiết kiệm chi phí

Moslehpour & cộng sự (2018), Tăng Đức Nguyên và cộng sự (2023)

HD2 Tôi nhận thấy livestream của KOL trên TikTok giúp tôi có thêm kiến thức về sản phẩm Tran & Uehara (2023)

Tôi có thể quan sát sản phẩm rõ ràng hơn khi KOL trực tiếp giới thiệu/thử sản phẩm trong livestream trên TikTok

Avaryl & Kusumawati (2023), Tran KV & Uehara (2023)

Bảng 3.6 Phát biểu thang đo Nhận thức tính hữu dụng

Nguồn: Tác giả tự tổng hợp Ý định mua hàng

Sau khi nghiên cứu định tính, thang đo Ý định mua hàng gồm năm biến quan sát không có sự thay đổi

YD1 KOL đã thay đổi suy nghĩ của tôi về sản phẩm được livestream trên TikTok Wang & cộng sự (2022)

YD2 Tôi muốn mua thử sản phẩm mà KOL giới thiệu trong livestream trên TikTok

Lin & Nuangjamnong (2022), Wang & cộng sự (2022)

YD3 Tôi cho rằng mua sản phẩm mà KOL giới thiệu trong livestream trên TikTok là một sự lựa chọn tốt Tran & Uehara (2023)

Tôi ưu tiên mua sản phẩm được giới thiệu bởi KOL trong livestream trên TikTok hơn các lựa chọn khác

YD5 Tôi sẽ gợi ý cho gia đình và bạn bè về sản phẩm mà

KOL đã giới thiệu trong livestream trên TikTok

Lin & Nuangjamnong (2022), Tran & Uehara (2023), Wang & cộng sự (2022)

Bảng 3.7 Phát biểu thang đo Ý định mua hàng

Nghiên cứu định lượng

3.4.1 Xác định mẫu và cỡ mẫu

Xác định cỡ mẫu theo phương pháp của Yamane (1973) có hai trường hợp: Biết số lượng tổng thể và không biết số lượng tổng thể Tuy nhiên, do khó xác định số lượng tổng thể thỏa mãn các tiêu chí nghiên cứu, nên phương pháp này chỉ đề cập đến trường hợp không biết số lượng tổng thể Công thức xác định cỡ mẫu trong trường hợp này là: n = (z^2 * (1 - p) * p)/e^2

𝑒 2 Theo công thức của Taro Yamane (1973), cỡ mẫu tối thiểu cần đạt được là 384

Hoelter (1983) cho rằng mặc dù không đủ cơ sở để kết luận cỡ mẫu bao nhiêu là phù hợp nhưng tác giả này đề xuất cỡ mẫu nên tối thiểu là 200

Bên cạnh đó, Hair & cộng sự (2006) đề xuất tỉ lệ giữa số quan sát (số phiếu khảo sát) và số biến quan sát là 5:1 hoặc 10:1, tức cỡ mẫu cần gấp 5 hoặc 10 lần số biến quan

37 sát Theo đó, 7 nhân tố nghiên cứu của bài nghiên cứu này được đo lường bởi tổng cộng

26 biến quan sát, như vậy cỡ mẫu tối thiểu cần để khảo sát là 5 x 26 = 130 (phiếu khảo sát)

Do sự hạn chế về thời gian và nguồn lực, tác giả quyết định sử dụng cỡ mẫu theo quan điểm của Hair & cộng sự (2006) và mẫu được chọn theo phương pháp thuận tiện Để đạt được kết quả tối thiểu 130 phiếu khảo sát, tác giả dự kiến phân phát 180 phiếu khảo sát

Hình thức khảo sát trên nền tảng trực tuyến Tác giả đã thiết kế phiếu khảo sát trực tuyến trên nền tảng Google Forms và gửi đi 180 phiếu bằng đường dẫn liên kết đến các đối tượng khảo sát Phiếu khảo sát được trình bày ở Phụ lục 3 Địa điểm khảo sát: Thành phố Hồ Chí Minh

3.4.3 Phương pháp phân tích dữ liệu

Sau khi làm sạch và mã hóa dữ liệu, tiến hành phân tích dữ liệu bằng phần mềm IBM SPSS 20 qua các bước:

Thống kê mô tả các dữ liệu thu thập theo biến định tính và biến định lượng

Tiến hành kiểm tra mối liên hệ giữa các biến định tính với nhau bằng kiểm định Crosstab Đánh giá độ tin cậy của thang đo Độ tin cậy của thang đo được đánh giá bằng hệ số Cronbach’s Alpha, việc đánh giá nhằm kiểm tra tính nhất quán nội bộ của thang đo Kiểm tra độ tin cậy của thang đo giúp loại bỏ các biến không phù hợp trước khi đưa vào phân tích nhân tố khám phá EFA

Nếu hệ số Cronbach’s Alpha từ 0,6 trở lên thì thang đo được chấp nhận (Burns, R.B & Burns, R.A., 2008; Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005)

Hệ số Cronbach’s Alpha Mức độ nhất quán nội bộ

Bảng 3.8 Mức độ nhất quán nội bộ qua hệ số Cronbach’s Alpha

Tuy nhiên, để biết được biến quan sát nào cần loại đi và cần giữ lại, hệ số tương quan biến – tổng (corrected item – total correlation) được sử dụng để đánh giá sự tương quan giữa một biến với các biến khác trong thang đo Theo đó, Cristobal & cộng sự (2007) cho rằng hệ số tương quan biến - tổng < 0,3 thì cần xem xét loại bỏ biến đó, ngược lại nếu các biến đều đạt từ 0,3 trở lên thì thang đo được chấp nhận

Phân tích nhân tố khám phá EFA

Phân tích nhân tố khám phá EFA dùng để rút gọn tập hợp các biến thành tập hợp các biến có ý nghĩa hơn Tác giả sử dụng phương pháp Principal component và phép quay Varimax Trong phần phân tích EFA này, cần xem xét một số chỉ số để đảm bảo tập dữ liệu phù hợp và có thể phục vụ cho các bước phân tích tiếp theo

Hệ số KMO dùng để kiểm tra mức độ thích hợp của nhân tố với các dữ liệu Theo Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2005), nếu hệ số này nằm trong khoảng từ 0,5 đến 1 thì phân tích nhân tố phù hợp

Kiểm định Bartlett giúp kiểm tra sự tương quan của các biến quan sát của nhân tố trong tổng thể Nếu sig Bartlett’s Test < 0,05 thì đủ điều kiện để phân tích nhân tố (Jaiswa, 2018)

Trị số Eigenvalue xác định số nhân tố trong phân tích nhân tố Theo Kaiser (1960) các nhân tố với trị số Eigenvalue > 1 thì mới được giữ lại Bên cạnh đó, tổng phương sai trích (total variance explained) phải lớn hơn 50%, tức thể hiện các nhân tố được trích phải giải thích được trên 50% sự thay đổi của các biến quan sát thì phân tích nhân tố phù hợp (Merenda, 1997)

Theo quan điểm của Hair và cộng sự (1998), trong phân tích nhân tố, hệ số tải nhân tố được xem là mức chấp nhận tối thiểu khi đạt 0,3 trở lên và có ý nghĩa thực tiễn khi đạt từ 0,5 trở lên.

Do đó, tác giả chọn hệ số tải từ 0,5 trở lên làm cơ sở để xem xét

Phân tích hồi quy đa biến

Trước khi vào phân tích hồi quy đa biến, cần thực hiện phân tích tương quan Pearson để kiểm tra sự tương quan tuyến tính giữa các biến độc lập và biến phụ thuộc Nếu sig < 0,05 thì có tồn tại mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc, hệ số tương quan Pearson càng tiến về 1 thì mối quan hệ tuyến tính của 2 biến càng chặt chẽ, tuy nhiên cũng cần chú ý đến trường hợp sẽ gây ra hiện tượng đa cộng tuyến (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005)

Sau khi chứng minh được tồn tại mối quan hệ tuyến tính giữa các biến độc lập và biến phụ thuộc ở phân tích Pearson, tiến hành phân tích hồi quy đa biến bằng phương pháp Enter Đây là một bước phân tích quan trọng giúp khám phá ra mức độ tác động của các nhân tố, vì vậy cần xem xét một số chỉ số sau

Để đánh giá mức độ phù hợp của mô hình hồi quy, các nhà nghiên cứu sử dụng hệ số R2 và R2 hiệu chỉnh Họ cũng cần thực hiện kiểm định giả thuyết bằng cách đặt giả thuyết và xem xét kết quả trong bảng ANOVA Ngoài ra, hệ số VIF đóng vai trò quan trọng trong việc đánh giá khả năng xảy ra đa cộng tuyến Nếu VIF > 10, điều này cho thấy sự hiện diện của đa cộng tuyến mạnh có thể ảnh hưởng đến độ tin cậy của kết quả nghiên cứu (Hair và cộng sự, 2009).

KẾT QUẢ NGHIÊN CỨU

Mô tả đặc điểm của mẫu nghiên cứu

Tổng cộng có 180 phiếu khảo sát được gửi đi trực tuyến dưới nền tảng Google Forms Kết quả thu về 180 phản hồi, trong đó loại 15 phiếu không đạt yêu cầu (do đáp viên không đạt các tiêu chí của đối tượng nghiên cứu, xem Phụ lục 4) và nhận 165 phiếu đạt yêu cầu Như vậy, có 165 đáp án trả lời đủ điều kiện đưa vào phân tích định lượng

Phiếu khảo sát Số lượng

Không đạt yêu cầu 15 Đạt yêu cầu 165

Bảng 4.1 Kết quả thu thập dữ liệu

4.1.1 Mô tả các biến định tính

Thống kê mô tả các đặc điểm cá nhân của mẫu nghiên cứu bao gồm: giới tính, nhóm năm sinh, tình trạng nghề nghiệp, trình độ học vấn và tần suất xem livestream của KOL trên TikTok

Tình trạng nghề nghiệp Đi học 110 66,7 Đi làm 55 33,3

Trung học phổ thông 21 12,7 Đại học hoặc Cao đẳng 144 87,3

Tần suất xem livestream của

Bảng 4.2 Đặc điểm cá nhân của mẫu nghiên cứu

Nguồn: Tác giả tổng hợp từ phân tích trên phần mềm SPSS 20 Nhận xét:

Qua bảng 4.2, thống kê cho thấy số lượng nữ giới tham gia khảo sát chiếm ưu thế hơn so với nam giới Phân tích cụ thể, trong tổng số 165 người tham gia khảo sát, có 105 người nữ chiếm tỷ lệ 63,6% và 60 người nam chiếm 36,4%.

Biều đồ 4.1 Biểu đồ thể hiện tỉ lệ giới tính của mẫu nghiên cứu

Vì đối tượng nghiên cứu là giới trẻ thuộc thế hệ Z nên những đối tượng khảo sát phù hợp là những người sinh từ năm 1996 đến 2010 Trong đó, số lượng người tiêu dùng sinh năm 2001 – 2005 là 122 người, chiếm tỉ lệ cao nhất (73,9%) Tiếp đến là những người sinh năm 1996 – 2000, với 24 người chiếm 14,5% và thấp nhất là 2006 – 2010, với 19 người tham gia (11,5%)

Biểu đồ 4.2 Biểu đồ thể hiện nhóm năm sinh của mẫu nghiên cứu

44 Đa phần trong mẫu nghiên cứu là những người còn đang đi học, với số lượng 110 người chiếm 66,7%, còn lại là những người đã đi làm với 55 người chiếm 33,3% Bên cạnh đó, những người tiêu dùng tham gia khảo sát đều có trình độ là Trung học phổ thông và Đại học hoặc Cao đẳng cao hơn Trong đó, số lượng người có trình độ học vấn hiện tại là Đại học hoặc Cao đẳng là 144 người (87,3%), cao hơn trình độ Trung học phổ thông với 21 người (74,6%)

Trong 165 đối tượng khảo sát, có 65 người xem livestream của KOL trên TikTok với tần suất 4 - 6 lần/tháng, chiếm cao nhất với 39,4% Có 49 người xem với tần suất 1

- 3 lần/tháng (29,7%) và 35 người xem 7 - 9 lần/tháng (21,2%) Cuối cùng, chỉ có 16 người (chiếm 9,7%) xem livestream của KOL trên TikTok trên 9 lần/tháng

Biểu đồ 4.3 Biểu đồ thể hiện tần suấtxem livestream của KOL trên TikTok của mẫu nghiên cứu

Giới tính và tần suất xem livestream của KOL

Trong số 60 đối tượng nam tham gia khảo sát, hơn 50% (53,3%) trả lời rằng họ xem livestream của KOL trên TikTok từ 4-6 lần mỗi tháng Thống kê đáng chú ý này phản ánh sự phổ biến rộng rãi và mức độ tương tác cao của những hoạt động trực tuyến trên nền tảng này.

Tần suất xem livestream của KOL trên TikTok

1 - 3 lần/tháng 4 - 6 lần/tháng 7 - 9 lần/tháng Trên 9 lần/tháng

45 đối tượng nam dành thời gian xem livestream của KOL trên TikTok với tần suất ở mức trung bình Bên cạnh đó đối với người tham gia khảo sát là nữ, chiếm nhiều nhất có 34 đối tượng (32,4%) xem với tần suất 1 - 3 lần/tháng Điều này thể hiện rằng đa số các đối tượng nữ xem livestream của KOL trên TikTok với tần suất ở mức thấp Xem kết quả tại Phụ lục 5

Tồn tại mối quan hệ giữa giới tính và tần suất xem livestream của KOL Mối quan hệ giữa giới tính và tần suất xem livestream của KOL trên TikTok đạt 26,6%, tương quan ở mức trung bình Xem kết quả kiểm định tại Phụ lục 5

Nhóm năm sinh và tần suất xem livestream của KOL

Không tồn tại mối quan hệ giữa nhóm năm sinh và tần suất xem livestream của KOL Kết quả kiểm định xem ở Phụ lục 5

Tình trạng nghề nghiệp và tần suất xem livestream của KOL

Không tồn tại mối quan hệ giữa tình trạng nghề nghiệp và tần suất xem livestream của KOL Kết quả kiểm định xem ở Phụ lục 5

4.1.3 Mô tả các biến định lượng

Cỡ mẫu Giá trị nhỏ nhất

Giá trị trung bình Độ lệch chuẩn

Bảng 4.3 Mô tả các biến định lượng

Giá trị trung bình của nhóm “hoạt động xúc tiến” (XT1, XT2, XT3) có giá trị từ 3,48 đến 3,56, cho thấy người tiêu dùng đánh giá các hoạt động xúc tiến ở mức trung bình Tuy các hoạt động xúc tiến có xu hướng được đánh giá đồng ý, nhưng điều này thể hiện người tiêu dùng cảm nhận các hoạt động xúc tiến có thu hút họ nhưng không thật sự quá hấp dẫn

Giá trị trung bình của nhóm “sự tin cậy” (TC1, TC2, TC3, TC4, TC5) có giá trị từ 3,43 đến 3,57, cho thấy sự tin cậy được người tiêu dùng đánh giá ở mức trung bình Tuy người tiêu dùng có xu hướng đồng ý, nhưng điều này thể hiện người tiêu dùng không quá hoàn toàn tin tưởng vào KOL khi họ livestream bán hàng trên TikTok

Giá trị trung bình của nhóm “sự thu hút của KOL” (TH1, TH2, TH3, TH4) có giá trị từ 3,41 đến 3,65, cho thấy người tiêu dùng đánh giá sự thu hút của KOL ở mức tương đối Có thể thấy người tiêu dùng có cảm nhận về điều này nhưng không quá thật sự ấn tượng về sự thu hút của KOL Tuy nhiên có sự chênh lệch giữa giá trị trung bình của các thành phần trong nhóm, điều này thể hiện khách hàng có những cảm nhận đa dạng về sự thu hút của KOL

Giá trị trung bình của nhóm “chuyên môn của KOL” (CM1, CM2, CM3) có giá trị từ 3,50 đến 3,64, cho thấy người tiêu dùng đánh giá chuyên môn của KOL ở mức trung bình Điều này thể hiện người tiêu dùng cảm thấy KOL khi livestream trên TikTok có chuyên môn nhưng không đánh giá quá cao và không cảm thấy quá nổi trội

Giá trị trung bình của nhóm “nhận thức tính dễ sử dụng” (SD1, SD2, SD3) có giá trị từ 3,49 đến 3,68, cho thấy người tiêu dùng đánh giá nhận thức tính dễ sử dụng ở mức tương đối Điều này thể hiện khách hàng cảm thấy việc xem và mua hàng qua livestream của KOL trên TikTok dễ dàng nhưng họ cũng không quá ấn tượng về điều này

Giá trị trung bình của nhóm “nhận thức tính hữu dụng” (HD1, HD2, HD3) có giá trị từ 3,47 đến 3,55, cho thấy người tiêu dùng đánh giá nhận thức tính hữu dụng ở mức trung bình Điều này thể hiện người tiêu dùng có xu hướng cảm thấy việc xem và mua hàng qua livestream của KOL trên TikTok có lợi nhưng không cảm thấy sự hữu dụng vượt trội từ việc này

Giá trị trung bình của nhóm "ý định mua hàng" từ 3,78 đến 3,88 cho thấy nhóm này được đánh giá cao, với các thành phần có giá trị không quá chênh lệch Điều này phản ánh xu hướng người tiêu dùng có ý định mua hàng thông qua livestream của KOL trên TikTok Tuy nhiên, mức độ đồng ý chưa quá cao do những lý do liên quan đến các biến độc lập đã được đề cập trước đó.

Đánh giá độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha

Trung bình thang đo nếu loại biến

Phương sai thang đo nếu loại biến

Cronbach’s Alpha nếu loại biến

Hoạt động xúc tiến: Cronbach’s Alpha = 0,785

Sự tin cậy: Cronbach’s Alpha = 0,825

Sự thu hút của KOL: Cronbach’s Alpha = 0,822

Chuyên môn của KOL: Cronbach’s Alpha = 0,771

Nhận thức tính dễ sử dụng: Cronbach’s Alpha = 0,790

Nhận thức tính hữu dụng: Cronbach’s Alpha = 0,782

Bảng 4.4 Kiểm định Cronbach’s Alpha các biến độc lập

Tiêu chuẩn đánh giá ở phần phân tích này là hệ số Cronbach’s Alpha từ 0,6 trở lên thì thang đo được chấp nhận, hệ số tương quan biến – tổng từ 0,3 trở lên thì biến được giữ lại

Nhìn chung, hệ số Cronbach’s Alpha của các biến độc lập đều lớn hơn 0,6, do đó thang đo được chấp nhận Trong đó, hệ số Cronbach’s Alpha thấp nhất là 0,771 và cao nhất là 0,825 Ngoài ra, hệ số tương quan biến – tổng đều đạt trên 0,3 thể hiện các biến quan sát có sự tương quan khá cao với nhau trong cùng một nhân tố

Tác giả đánh giá thang đo có độ tin cậy cao và đủ điều kiện đưa vào bước phân tích tiếp theo là phân tích nhân tố EFA, đảm bảo tính thống nhất và tin cậy của nghiên cứu.

Biến quan sát Trung bình thang đo nếu loại biến

Cronbach’s Alpha nếu loại biến Ý định mua hàng: Cronbach’s Alpha = 0,805

Bảng 4.5 Kiểm định Cronbach’s Alpha biến phụ thuộc

Hệ số Cronbach’s Alpha của biến phụ thuộc lớn hơn 0,6 (0,805 > 0,6) nên thang đo được chấp nhận Bên cạnh đó, hệ số tương quan biến tổng cũng lớn hơn 0,3 nên không có biến nào cần phải loại

Vì vậy, tác giả đánh giá thang đó của biến phụ thuộc có độ tin cậy cao và đủ điều kiện đưa vào phân tích nhân tố EFA tiếp theo.

Phân tích nhân tố khám phá (EFA)

4.3.1 Phân tích nhân tố khám phá cho biến độc lập

4.3.1.1 Phân tích nhân tố khám phá

Để đánh giá tính hợp lệ của phân tích nhân tố, cần xét đến các tiêu chuẩn sau: hệ số Kaiser-Meyer-Olkin (KMO) nằm trong khoảng 0,5 đến 1 biểu thị tính tương quan tốt giữa các biến; giá trị eigenvalue lớn hơn 1 thể hiện biến ẩn tại thành phần đó có ý nghĩa; tổng phương sai trích xuất đạt trên 50% chỉ ra rằng phân tích nhân tố đã giải thích được phần lớn biến đổi dữ liệu; kiểm định Bartlett cho giá trị ý nghĩa thống kê (Sig < 0,05) chứng tỏ các biến mẫu là khác nhau trong quần thể Khi các tiêu chuẩn này được đáp ứng thì phân tích nhân tố được coi là hợp lệ và có thể tiến hành tiếp theo.

KMO và kiểm định Bartlett Đặt giả thuyết:

H 0 : Không có sự tương quan giữa các biến quan sát với nhau trong tổng thể

Bảng 4.6 KMO và kiểm định Bartlett

Hệ số KMO đạt 0,798, nằm trong khoảng từ 0,5 đến 1, cho thấy dữ liệu phù hợp để tiến hành phân tích nhân tố EFA Kiểm định Bartlett có giá trị Sig = 0,000 nhỏ hơn 0,05, chứng tỏ có sự tương quan giữa các biến quan sát trong tổng thể, bác bỏ giả thuyết H0.

Eigenvalues khởi tạo Tổng bình phương rút trích các hệ số tải nhân tố

Tổng quay của tải trọng bình phương

Bảng 4.7 Tổng phương sai trích

Nguồn: Tác giả tổng hợp từ phân tích trên phần mềm SPSS 20 Nhận xét :

Bảng 4.11 thể hiện có tổng cộng 6 nhân tố được rút trích với giá trị Eigenvalue >

1 Bên cạnh đó, tổng phương sai trích đạt 68,876% (68,876% > 50%) thỏa các tiêu chuẩn đánh giá, chứng tỏ mô hình phân tích EFA là phù hợp Có thể nói rằng 6 nhân tố được rút trích với Eigenvalue > 1 giải thích được 68,876% sự biến thiên của dữ liệu

Ma trận xoay nhân tố Ở lần phân tích nhân tố thứ nhất, có 2 biến quan sát tải lên cả 2 nhóm nhân tố là TC3 (tải lên nhóm nhân tố 1 và 2) và TH2 (tải lên nhóm nhân tố 1 và 3) Howard (2015) cho rằng nếu một biến quan sát tải lên hai nhóm nhân tố nhưng chênh lệch hệ số tải < 0,2 thì nên cần được xem xét loại bỏ Xét chênh lệch hệ số tải của biến quan sát TC3 là 0,115 (0,686 – 0,571 = 0,115) vàchênh lệch hệ số tải của biến quan sát TH2 là 0,167 (0,74 – 0,573 = 0,167) đều < 0,02 Tuy nhiên, do 0,115 < 0,167 nên tác giả loại biến quan sát TC3 trước và tiến hành chạy lại phân tích nhân tố Ở lần phân tích nhân tố thứ hai, biến quan sát TH2 tải lên 2 nhóm nhân tố 1 và 2, với chênh lệch hệ số tải là 0,174 (0,744 – 0,570 = 0,174) vẫn nhỏ hơn 0,2 Do đó, tác giả tiếp tục loại biến TH2 và tiến hành chạy lại phân tích nhân tố

Lần phân tích nhân tố thứ ba có kết quả bảng ma trận xoay nhân tố như sau:

TC SD HD XT CM TH

Bảng 4.8 Ma trận xoay nhân tố

Nguồn: Tác giả tổng hợp từ phân tích trên phần mềm SPSS 20

Nhận xét: Ở lần phân tích nhân tố thứ ba,không còn sự tồn tại của biến không đạt yêu cầu, các biến quan sát đều có hệ số tải > 0,5 và phân thành 6 nhóm nhân tố

Mô hình nghiên cứu sau khi phân tích nhân tố khám phá EFA gồm 6 nhóm nhân tố:

Nhân tố TC: gồm 4 biến quan sát “Sự tin cậy”

TC1: Tôi tin rằng các thông tin mà KOL cung cấp trong livestream trên TikTok

TC2:Tôi tin rằng các sản phẩm được KOL giới thiệu trong livestream trên TikTok là sản phẩm tốt

TC5: Tôi tin rằng KOL luôn tìm kiếm thỏa thuận giá tốt nhất từ nhãn hàng

TC4:Tôi tin rằng sự hiểu biết của KOL về sản phẩm trong livestream trên TikTok là từ trải nghiệm thực tế của họ

Nhân tố SD: gồm 3 biến quan sát “Nhận thức tính dễ sử dụng”

SD2: Tôi dễ dàng theo dõi livestream của KOL trên TikTok

SD1: Tôi dễ dàng tiếp cận được livestream trên TikTok từ KOL

SD3: Tôi dễ dàng chọn mua sản phẩm qua livestream của KOL trên TikTok

Nhân tố HD: gồm 3 biến quan sát “Nhận thức tính hữu dụng”

HD1: Tôi nhận thấy mua hàng qua livestream của KOL trên TikTok giúp tiết kiệm chi phí

HD3: Tôi có thể quan sát sản phẩm rõ ràng hơn khi KOL trực tiếp giới thiệu/thử sản phẩm trong livestream trên TikTok

HD2: Tôi nhận thấy livestream của KOL trên TikTok giúp tôi có thêm kiến thức về sản phẩm

Nhân tố XT: gồm 3 biến quan sát “Hoạt động xúc tiến”

XT1: Tôi nhận thấy giá sản phẩm trong livestream của KOL trên TikTok thấp hơn so với các nền tảng thương mại điện tử khác

XT3: Các khuyến mãi trong livestream của KOL trên tiktok tạo cơ hội cho tôi mua thử sản phẩm

XT2: Các khuyến mãi độc quyền từ nhãn hàng trong livestream của KOL trên TikTok thu hút sự chú ý của tôi

Nhân tố CM: gồm 3 biến quan sát “Chuyên môn của KOL”

CM3: Lĩnh vực của KOL liên quan đến sản phẩm mà họ giới thiệu trong livestream trên TikTok

CM2: KOL sẵn sàng giải đáp các thắc mắc liên quan đến sản phẩm đang được livestream trên TikTok

CM1: KOL có thể cung cấp đầy đủ và rõ ràng các thông tin về sản phẩm trong livestream trên TikTok

Nhân tố TH: gồm 3 biến quan sát “Sự thu hút của KOL”

TH3:Độ nổi tiếng/Lượt tương tác của KOL thu hút sự chú ý của tôi

TH4:Giọng nói và sự tương tác của KOL thu hút tôi ở lại livestream

TH1:Trang phục của KOL trong livestream trên TikTok thu hút sự chú ý của tôi

4.3.1.2 Đánh giá độ tin cậy Cronbach’s Alpha thang đo sau khi điều chỉnh

Sau khi phân tích nhân tố khám phá (EFA), thang đo của các biến độc lập đã được điều chỉnh Nhân tố Trí tuệ cảm xúc (TC) loại bỏ biến quan sát TC3, trong khi nhân tố Trí tuệ hành vi (TH) loại bỏ biến TH2 Do đó, tác giả đã đánh giá lại độ tin cậy của thang đo cho các nhân tố sau khi điều chỉnh bằng hệ số Alpha của Cronbach.

Trung bình thang đo nếu loại biến

Cronbach’s Alpha nếu loại biến

Sự tin cậy: Cronbach’s Alpha = 0,784

Nhận thức tính dễ sử dụng: Cronbach’s Alpha = 0,790

Nhận thức tính hữu dụng: Cronbach’s Alpha = 0,782

Hoạt động xúc tiến: Cronbach’s Alpha = 0,785

Chuyên môn của KOL: Cronbach’s Alpha = 0,771

Sự thu hút của KOL: Cronbach’s Alpha = 0,727

Bảng 4.9 Kiểm định Cronbach’s Alpha các biến độc lập sau khi điều chỉnh thang đo

Nhìn chung, hệ số Cronbach’s Alpha của các biến độc lập sau khi điều chỉnh đều lớn hơn 0,6, do đó thang đo được chấp nhận Trong đó, hệ số Cronbach’s Alpha thấp nhất là 0,727 và cao nhất là 0,790 Ngoài ra, hệ số tương quan biến – tổng đều đạt trên

0,3 thể hiện các biến quan sát có sự tương quan khá cao với nhau trong cùng một nhân tố Vì vậy, tác giả đánh giá thang đo sau khi điều chỉnh có độ tin cậy cao

4.3.2 Phân tích nhân tố khám phá cho biến phụ thuộc

KMO và kiểm định Bartlett Đặt giả thuyết:

H 0 : Không có sự tương quan giữa các biến quan sát “Ý định mua hàng” với nhau trong tổng thể

Bảng 4.10 KMO và kiểm định Bartlett với biến phụ thuộc

Hệ số KMO nằm trong khoảng đạt yêu cầu (0,5 < 0,827 < 1), cho thấy phân tích nhân tố EFA là phù hợp Ngoài ra, với Sig Bartlett = 0,000 nhỏ hơn 0,05 nên kiểm định Bartlett có ý nghĩa thống kê Vì vậy, ta đủ điều kiện để bác bỏ giả thuyết H 0 và có thể kết luận rằng các biến quan sát “Ý định mua hàng” có sự tương quan với nhau trong tổng thể

Eigenvalues khởi tạo Tổng bình phương rút trích các hệ số tải nhân tố

% của phương sai % tích lũy Tổng cộng

& của phương sai % tích lũy

Bảng 4.11 Tổng phương sai trích của phân tích nhân tố biến phụ thuộc

Bảng 4.14 cho thấy có 1 nhân tố với giá trị Eigenvalue là 2,814 > 1 và tổng phương sai trích là 56,287%, chứng tỏ phân tích nhân tố EFA là phù hợp Như vậy 1 nhân tố được trích trên giải thích được 56,287% sự biến thiên của dữ liệu

Bảng 4.12 Ma trận nhân tố

Kết quả phân tích EFA cho thấy tất cả biến quan sát đều có hệ số tải lớn hơn 0,5 và cùng hội tụ tại một nhóm nhân tố Điều này chứng tỏ phân tích EFA đạt yêu cầu, đáp ứng điều kiện để tiến hành phân tích hồi quy ở bước tiếp theo.

Phân tích hồi quy đa biến

Trước khi bước vào phân tích tương quan và hồi quy đa biến, tiến hành tính giá trị trung bình cộng của các biến quan sát trong cùng một nhân tố Biến đại diện được tạo từ giá trị trung bình của các biến độc lập và biến phụ thuộc như sau:

Hoạt động xúc tiến: XT = MEAN (XT1, XT2, XT3)

Sự tin cậy: TC = MEAN (TC1, TC2, TC4, TC5)

Sự thu hút của KOL: TH = MEAN (TH1, TH3, TH4)

Chuyên môn của KOL: CM = MEAN (CM1, CM2, CM3)

Nhận thức tính dễ sử dụng: SD = MEAN (SD1, SD2, SD3)

Nhận thức tính hữu dụng: HD = MEAN (HD1, HD2, HD3) Ý định mua hàng: YD = MEAN (YD1, YD2, YD3, YD4, YD5)

YD XT TC TH CM SD HD

Hệ số Pearson 1 0,575** 0,461** 0,484** 0,522** 0,499** 0,480** Sig (2-tailed) 0,000 0,000 0,000 0,000 0,000 0,000

Hệ số Pearson 0,575** 1 0,289** 0,252** 0,261** 0,339** 0,268** Sig (2-tailed) 0,000 0,000 0,001 0,001 0,000 0,001

Hệ số Pearson 0,461** 0,204** 1 0,249** 0,204** 0,374** 0,287** Sig (2-tailed) 0,000 0,000 0,001 0,009 0,000 0,000

Hệ số Pearson 0,484** 0,252** 0,249** 1 0,247** 0,253** 0,368** Sig (2-tailed) 0,000 0,001 0,001 0,001 0,001 0,000

Hệ số Pearson 0,522** 0,261** 0,204** 0,247** 1 0,340** 0,290** Sig (2-tailed) 0,000 0,001 0,009 0,001 0,000 0,000

Hệ số Pearson 0,499** 0,339** 0,374** 0,253** 0,340** 1 0,280** Sig (2-tailed) 0,000 0,000 0,000 0,001 0,000 0,000

Hệ số Pearson 0,480** 0,268** 0,287** 0,368** 0,290** 0,280** 1 Sig (2-tailed) 0,000 0,001 0,000 0,000 0,000 0,000

Bảng 4.13 Phân tích tương quan

Tiêu chuẩn đánh giá ở phần phân tích tương quan Pearson là: nếu Sig (2-tailed)

< 0,05 thì 2 biến có mối tương quan tuyến tính; nếu hệ số tương quan Pearson (ký hiệu r) càng tiến về 1 thì mối tương quan tuyến tính giữa 2 biến càng mạnh Ngoài ra cần chú ý đến khả năng xảy ra trường hợp đa cộng tuyến với 2 biến độc lập có mối tương quan cao

Qua bảng 4.16 ta thấy rằng Sig kiểm định giữa các biến độc lập với biến phụ thuộc đều có Sig < 0,05, do đó tồn tại mối tương quan tuyến tính giữa các cặp biến này Bên cạnh đó, hệ số tương quan Pearson giữa các biến độc lập và biến phụ thuộc đều lớn

> 0 Hệ số tương quan Pearsonthấp nhất là giữa biến TC và YD, với r = 4,61 và cao nhất là giữa biến XT và YD, với r = 0,575 Các hệ số r đều đạt độ tin cậy 99% tương ứng mức ý nghĩa 0,01

Ngoài ra, mặc dù giá trị Sig giữa các biến độc lập đều nhỏ hơn 0,05, biểu thị mối quan hệ có ý nghĩa thống kê, tuy nhiên giá trị hệ số tương quan Pearson không quá cao (r < 0,5), chỉ ra mối quan hệ tương quan vừa phải Điều này cho thấy khả năng xảy ra hiện tượng đa cộng tuyến, trong đó các biến độc lập có mối liên hệ chặt chẽ, khá thấp, đảm bảo tính độc lập của các biến trong mô hình hồi quy.

Như vậy, phân tích tương quan Pearson phù hợp và đủ để điều kiện để đưa toàn bộ các biến quan sát vào bước phân tích hồi quy đa biến

4.4.2 Kiểm định giả định hồi quy

Hình 4.1 Biểu đồ tần số phần dư chuẩn hóa Histogram

Hình 4.1 cho thấy các giá trị phần dư có dạng phân bố chuẩn, với độ lệch chuẩn gần bằng 1 và giá trị trung bình gần bằng 0 Do đó, có thể chấp nhận rằng phần dư xấp xỉ phân bố chuẩn Điều này củng cố giả định ban đầu về phân phối chuẩn của phần dư không bị vi phạm.

Hình 4.2 Biểu đồ phần dư chuẩn hóa Normal P-P Plot

Hình 4.2 cho thấy các điểm dữ liệu tập trung dọc theo đường chéo, thể hiện phần dư có phân phối chuẩn Do đó, giả định phân phối chuẩn của phần dư không bị vi phạm

Hình 4.3 Biểu đồ Scatter Plot

Hình 4.3 cho thấy các điểm dữ liệu phân bố rải rác nhưng tập trung chủ yếu xung quanh tung độ 0 và có xu hướng tập hợp thành những đường thằng Do đó kết luận rằng giả định liên hệ tuyến tính không bị vi phạm

4.4.3 Phân tích hồi quy đa biến

4.4.3.1 Kết quả phân tích hồi quy đa biến

Phân tích hồi quy đa biến sử dụng phương pháp Enter đã được tiến hành trên dữ liệu bao gồm 6 biến độc lập: Hoạt động xúc tiến (XT), Sự tin cậy (TC), Sự thu hút của KOL (TH), Chuyên môn của KOL (CM), Nhận thức tính dễ sử dụng (SD), Nhận thức tính hữu dụng (HD) và biến phụ thuộc là Ý định mua hàng (YD).

Mô hình R 𝐑 𝟐 𝐑 𝟐 hiệu chỉnh Độ lệch chuẩn Durbin -

Bảng 4.14 Tóm tắt mô hình

Qua Bảng 4.17 cho thấy R2 = 0,801 và R2 hiệu chỉnh = 0,628, điều này chứng tỏ mô hình hồi quy được xây dựng là phù hợp Như vậy có thể giải thích rằng 62,8% sự biến thiên của biến phụ thuộc Ý định mua hàng (YD) có thể lý giải được thông qua 6 biến độc lập gồm: Nhận thức sự hữu dụng (HD), Hoạt động xúc tiến (XT), Chuyên môn của KOL (CM), Sự tin cậy (TC), Sự thu hút của KOL (TH) và Nhận thức tính dễ sử dụng (SD) Phần còn lại, 37,2%, được quy cho các yếu tố tác động từ bên ngoài và sai số ngẫu nhiên.

Ngoài ra, bảng 4.17 cũng thể hiện hệ số Durbin – Watson bằng 1,847 (nằm trong khoảng từ 1 đến 3), vì vậy mô hình hồi quy không vi phạm giả định tự tương quan chuỗi bậc nhất

Tác giả tiến hành đặt giả thuyết và kiểm tra giả thuyết: Đặt giả thuyết:

H 0 : ꞵ 1 =ꞵ 2 =ꞵ 3 =ꞵ 4 =ꞵ 5 = ꞵ 6 = 0 (hệ số hồi quy của từng nhân tố bằng 0)

Mô hình Tổng bình phương df Bình phương trung bình

Qua bảng ANOVA ta thấy rằng Sig kiểm định F bằng 0,000 < 0,05 Do đó đủ điều kiện bác bỏ giả thuyết H 0 Ta kết luận tồn tại mối quan hệ tuyến tính giữa biến độc lập và biến phụ thuộc, chứng tỏ mô hình hồi quy là phù hợp với dữ liệu

Hệ số hồi quy chưa chuẩn hóa

Hệ số hồi quy chuẩn hóa t Sig

Thống kê đa cộng tuyến

Bảng 4.16 Kết quả phân tích hồi quy

Nguồn: Tác giả tổng hợp từ phân tích trên phần mềm SPSS 20 Nhận xét :

Qua bảng 4.19 ta thấy rằng hệ số Sig kiểm định t của các biến độc lập có giá trị từ 0,000 đến 0,009 và đều nhỏ hơn 0,05 Do đó, các biến độc lập đều có ý nghĩa thống kê và có tác động đến biến phụ thuộc Ngoài ra, hệ số VIF của các nhân tố đều nhỏ hơn

10 nên không có khả năng xảy ra hiện tượng đa cộng tuyến

4.4.3.2 Phương trình hồi quy tuyến tính và kiểm định giả thuyết nghiên cứu

Mô hình hồi quy chuẩn hóa có dạng như sau:

YD = ꞵ 1 *XT + ꞵ 2 *CM + ꞵ 3 *TH + ꞵ 4 *TC + ꞵ 5 *HD + ꞵ 6 *SD + 

Từ kết quả của bảng 4.19, mô hình hồi quy chuẩn hóa thể hiện như sau:

YD = 0,317*XT + 0,260*CM + 0,205*TH + 0,166*TC + 0,155*HD + 0,146*SD + 

Dựa vào phương trình hồi quy, có thể kết luận rằng các nhân tố trên có tác động cùng chiều với Ý định mua hàng (YD) Trong đó, Hoạt động xúc tiến (XT) có tác động mạnh nhất và Nhận thức tính dễ sử dụng (SD) có tác động yếu nhất đến Ý định mua hàng

Hoạt động xúc tiến (XT)

Hệ số hồi quy chuẩn hóa ꞵ bằng 0,317

Thảo luận về kết quả nghiên cứu

Mô hình nghiên cứu đề xuất bao gồm 6 biến độc lập là hoạt động xúc tiến, sự tin cậy, sự thu hút của KOL, chuyên môn của KOL, nhận thức tính dễ sử dụng, nhận thức tính hữu dụng và 1 biến phụ thuộc là ý định mua hàng Thang đo dùng để đo lường các biến trên gồm 21 biến quan sát cho biến độc lập và 5 biến quan sát cho biến phụ thuộc

Qua phân tích độ tin cậy Cronbach's Alpha, các biến độc lập và phụ thuộc đều đáp ứng tiêu chuẩn (Alpha > 0,6; hệ số tương quan biến - tổng > 0,3) Phân tích nhân tố khám phá EFA cho thấy các biến độc lập có sự tương quan tốt (KMO 0,5 - 1, Sig < 0,05) Hai biến TC3 và TH2 bị loại bỏ do tải lên nhiều nhóm nhân tố Các biến còn lại phân thành 6 nhóm nhân tố với hệ số tải > 0,5 Biến phụ thuộc cũng đạt yêu cầu về hệ số KMO và hội tụ thành một nhóm nhân tố duy nhất.

4.5.2 Kết quả phân tích hồi quy

Sau khi đã đạt yêu cầu ở các bước phân tích trước, tiến hành đưa tất cả các biến độc lập và biến phụ thuộc vào phân tích hồi quy đa biến.Kết quả cho thấy rằng 62,8% sự biến thiên của biến phụ thuộc là do sự ảnh hưởng của 6 biến độc lập Ngoài ra, Sig kiểm định nhỏ hơn 0,05 do đó các nhân tố đều có tác động đến biến phụ thuộc YD (Ý định mua hàng) Kết quả phân tích hồi quy cho thấy đủ điều kiện chấp nhận các giả thuyết nghiên cứu đã đề xuất

Phương trình hồi quy chuẩn hóa thể hiện Ý định mua hành bị ảnh hưởng bởi các biến độc lập:

YD = 0,317*XT + 0,260*CM + 0,205*TH + 0,166*TC + 0,155*HD + 0,146*SD + 

Từ mô hình hồi quy, ta có thể kết luận rằng các nhân tố đều tác động đến Ý định mua hàng (YD), trong đó Hoạt động xúc tiến (XT) tác động mạnh nhất và Nhận thức tính dễ sử dụng (SD) tác động yếu nhất

4.5.3 Phân tích sự khác biệt

Qua phân tích khác biệt One-way ANOVA cho thấy kết quả không có sự khác biệt về ý định mua hàng giữa các giới tính, nhóm năm sinh, tình trạng nghề nghiệp, trình

80 độ học vấn và tần suất xem livestream của KOL trên TikTok Vì vậy có thể thấy rằng các biến định tính không ảnh hưởng đến ý định mua hàng của thế hệ Z qua livestream của KOL trên TikTok

4.5.4 So sánh kết quả với các nghiên cứu trước

Mô hình tác giả đề xuất bao gồm 6 biến độc lập tác động đến Ý định mua hàng: (1) Hoạt động xúc tiến, (2) Sự tin cậy, (3) Sự thu hút của KOL, (4) Chuyên môn của KOL, (5) Nhận thức tính dễ sử dụng, (6) Nhận thức sự hữu dụng Kết quả nghiên cứu cho thấy cả 6 nhân tố đều có sự tác động tích cực lên ý định mua hàng của thế hệ Z qua livestream của KOL trên TikTok tại TP.HCM

Nhân tố hoạt động xúc tiến có tác động cùng chiều mạnh nhất đến ý định mua hàng Kết quả này phù hợp với nghiên cứu của các tác giả Bùi Thị Nhật Huyền & cộng sự (2023), Bhatti (2018), Neha & Manoj (2013), Rochman & Kusumawati (2023), Trần Thị Ngọc Lan & Trần Thành Trung (2023) Hoạt động xúc tiến trên mạng xã hội hiện nay được ứng dụng rộng rãi trong thời đại số cho thấy người tiêu dùng trẻ thật sự bị thu hút bởi điều này Tuy nhiên, kết quả của Rochman & Kusumawati (2023) cho thấy hoạt động xúc tiến không phải là nhân tố tác động mạnh nhất đến ý định mua hàng Nghiên cứu của nhóm tác giả trên được thực hiện vào năm 2023 và tại Indonesia nên có những khác biệt nhất định về thời gian và không gian Do đó có thể thấy rằng hoạt động xúc tiến có mức độ tác động khác nhau đến ý định mua hàng tùy vào sự khác nhau giữa các nhóm người tiêu dùng và từng thời kì Trong thời đại kinh tế khó khăn, khách hàng ngày càng có xu hướng so sánh giá cả giữa các sàn TMĐT, vì vậy theo thời gian hoạt động xúc tiến ngày càng đóng vai trò quan trọng trong mua sắm trực tuyến Hơn nữa, Rochman

& Kusumawati (2023) nghiên cứu về nền tảng TikTok Shop mà không bao gồm mảng livestream, do đó tại riêng nền tảng này, hoạt động xúc tiến vẫn chưa thực sự là một nhân tố hàng đầu ảnh hưởng đến ý định mua hàng

Kết quả nghiên cứu thể hiện sự tin cậy cũng đóng vai trò đáng kể trong việc ảnh hưởng đến ý định mua hàng Điều này hoàn toàn phù hợp với các nghiên cứu của các tác giả Azizan & Chiew (2023), Bùi Thị Nhật Huyền & cộng sự (2023), Lữ Phi Nga & cộng

81 sự (2022), Lin & Nuangjamnong (2022), Wang & cộng sự (2022) Niềm tin của người tiêu dùng trẻ đối với người phát trực tiếp hoặc KOL càng cao thì ý định mua hàng của họ càng lớn Tuy nhiên, Lin & Nuangjamnong (2022) tin rằng sự tin cậy là nhân tố tác động mạnh nhất đến ý định mua hàng Bên cạnh sự khác biệt về không gian, bài nghiên cứu này được tác giả thực hiện sau Lin & Nuangjamnong 2 năm, do đó cũng có sự khác biệt nhất định về nhận thức của người tiêu dùng qua thời gian Tác giả cho rằng, sự tin cậy mặc dù vẫn đóng vai trò quan trọng nhưng không còn là nhân tố ảnh hưởng nhiều nhất đến ý định mua hàng nữa, bởi lẽ họ dễ dàng bị thu hút bởi những nhân tố khác như là khuyến mãi hấp dẫn trong thời đại kinh tế khó khăn như hiện nay

Bên cạnh đó, chuyên môn của KOL và sự thu hút của KOL cũng được chứng minh là có ảnh hưởng tích cực đến ý định mua hàng Các nghiên cứu của tác giả He & Jin (2022), Lin & Nuangjamnong (2022) cũng thể hiện được mối quan hệ cùng chiều giữa sự thu hút và ý định mua hàng Ngoài ra, các tác giả trên cùng với Azizan & Chiew (2023), Ha & Lam (2016), Wang & cộng sự (2022) cũng có kết quả tương đồng với kết quả của bài nghiên cứu này về chuyên môn của KOL Điều đó cho thấy những cảm nhận của người tiêu dùng cả về bên ngoài và chuyên môn của KOL đều ảnh hưởng đến ý định mua hàng của họ khi xem livestream trên TikTok Tuy nhiên, nghiên cứu của Ha & Lam (2016) chỉ tìm thấy được sự tác động tích cực của chuyên môn lên ý định mua hàng, còn sự thu hút của KOL vẫn chưa đủ cơ sở để chứng minh Điều này có sự khác biệt với kết quả nghiên cứu của tác giả Với sự phát triển của mạng xã hội, ngày càng có nhiều KOL xuất hiện đồng nghĩa với việc sự nổi tiếng của họ ngày càng cạnh tranh Vì vậy tác giả cho rằng bên cạnh chuyên môn, các KOL với vẻ ngoài thu hút sẽ dễ dàng được khách hàng yêu mến hơn, từ đó có sự tác động đáng kể đến ý định mua hàng của họ

Hai nhân tố được tham khảo từ mô hình TAM là nhận thức tính dễ sử dụng và nhận thức tính hữu dụng cũng có kết quả tác động cùng chiều với ý định mua hàng trong nghiên cứu này Trong đó, sự tác động tích cực của nhận thức tính hữu dụng lên ý định mua hàng được chứng minh trong bài nghiên cứu này tương đồng với những phát hiện của các tác giả Bùi Thị Nhật Huyền & cộng sự (2023), Trần Trọng Đức & cộng sự

(2022) Điều này thể hiện khi khách hàng cảm nhận được lợi ích của việc mua hàng qua livestream của KOL trên TikTok càng nhiều thì ý định mua hàng của họ càng mạnh mẽ Tuy nhiên, Bùi Thị Nhật Huyền & cộng sự (2023) khẳng định nhận thức tính hữu dụng tác động mạnh nhất đến quyết định mua hàng, kết quả này tương đối khác với kết quả của tác giả Mặc dù cùng nghiên cứu trong phạm vi TP.HCM nhưng có sự khác nhau về thời gian nghiên cứu, do đó mức độ tác động của nhân tố cũng có sự khác biệt nhất định Bên cạnh đó, nhận thức tính hữu dụng trong nghiên cứu của nhóm tác giả trên chủ yếu đề cập đến những lợi ích về dịch vụ và phương thức thanh toán, trong khi tác giả đề cập đến lợi ích về KOL và giá cả

Nhận thức tính dễ sử dụng có tác động yếu nhất so với các nhân tố khác Kết quả về nhận thức tính dễ sử dụng được tác giả thực hiện phù hợp với các nghiên cứu của các tác giả Rochman & Kusumawati (2023), Lữ Phi Nga & cộng sự (2022), Trần Trọng Đức

Tiêu đề	Các nhân tố tác động đến ý định mua hàng của thế hệ Z qua livestream của KOL trên Tiktok tại Thành phố Hồ Chí Minh
Tác giả	Lưu Ngọc Thanh
Người hướng dẫn	THS. Lại Thị Tường Vi
Trường học	Trường Đại học Sư Phạm Kỹ Thuật Thành phố Hồ Chí Minh
Chuyên ngành	Kinh Doanh Quốc Tế
Thể loại	Khóa luận tốt nghiệp
Năm xuất bản	2024
Thành phố	Thành phố Hồ Chí Minh

Định dạng
Số trang	141
Dung lượng	7,02 MB