1. Trang chủ
  2. » Luận Văn - Báo Cáo

Các yếu tố Ảnh hưởng Đến Ý Định sử dụng ai chatbot trong dịch vụ lưu trú của khách du lịch tại việt nam

161 0 0
Tài liệu đã được kiểm tra trùng lặp

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Các Yếu Tố Ảnh Hưởng Đến Ý Định Sử Dụng AI Chatbot Trong Dịch Vụ Lưu Trú Của Khách Du Lịch Tại Việt Nam
Tác giả Nguyễn Ngọc Thịnh
Người hướng dẫn TS. Huỳnh Thị Minh Châu
Trường học Đại học Bách Khoa
Chuyên ngành Quản trị kinh doanh
Thể loại Đồ án tốt nghiệp
Năm xuất bản 2024
Thành phố TP. Hồ Chí Minh
Định dạng
Số trang 161
Dung lượng 1,32 MB

Cấu trúc

  • CHƯƠNG 1. GIỚI THIỆU (16)
    • 1.1. GIỚI THIỆU VỀ ĐỀ TÀI (16)
    • 1.2. MỤC TIÊU NGHIÊN CỨU (18)
    • 1.3. Ý NGHĨA THỰC TIỄN CỦA ĐỀ TÀI (18)
    • 1.4. Ý NGHĨA KHOA HỌC CỦA ĐỀ TÀI (19)
    • 1.5. PHẠM VI NGHIÊN CỨU (19)
    • 1.6. BỐ CỤC ĐỒ ÁN (20)
  • CHƯƠNG 2. CƠ SỞ LÝ THUYẾT (20)
    • 2.1. CÁC ĐỊNH NGHĨA CƠ BẢN (21)
    • 2.2. BỐI CẢNH NGHIÊN CỨU (22)
    • 2.3. LÝ THUYẾT NỀN (23)
    • 2.4. CÁC NGHIÊN CỨU TRƯỚC (27)
    • 2.5. MÔ HÌNH NGHIÊN CỨU VÀ CÁC GIẢ THUYẾT (33)
    • 2.6. BIỆN LUẬN GIẢ THUYẾT (39)
  • CHƯƠNG 3. PHƯƠNG PHÁP NGHIÊN CỨU (20)
    • 3.1. QUY TRÌNH NGHIÊN CỨU (50)
    • 3.2. NHU CẦU THÔNG TIN (52)
    • 3.3. THANG ĐO KẾ THỪA (53)
    • 3.4. NGHIÊN CỨU SƠ BỘ (58)
    • 3.5. THIẾT KẾ MẪU CHO NGHIÊN CỨU (78)
    • 3.6. PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU (79)
  • CHƯƠNG 4. PHÂN TÍCH KẾT QUẢ (85)
    • 4.1. THỐNG KÊ MÔ TẢ (85)
    • 4.2. KIỂM ĐỊNH TÍNH ĐƠN HƯỚNG CỦA THANG ĐO (87)
    • 4.3. KIỂM ĐỊNH ĐỘ TIN CẬY CỦA THANG ĐO BẰNG HỆ SỐ CRONBACH’S ALPHA (90)
    • 4.4. KIỂM ĐỊNH THANG ĐO BẰNG CFA (92)
    • 4.5. KIỂM ĐỊNH MÔ HÌNH CẤU TRÚC SEM (97)
    • 4.6. THẢO LUẬN VỀ KẾT QUẢ NGHIÊN CỨU (105)
  • CHƯƠNG 5. KẾT LUẬN VÀ KIẾN NGHỊ (20)
    • 5.1. NHỮNG KẾT QUẢ CHÍNH CỦA NGHIÊN CỨU (108)
    • 5.2. HÀM Ý QUẢN TRỊ (114)
    • 5.3. HẠN CHẾ CỦA ĐỀ TÀI (117)
  • TÀI LIỆU THAM KHẢO (119)
  • PHỤ LỤC (122)

Nội dung

LỜI CAM ĐOAN Tôi xin cam đoan rằng luận văn với đề tài “Các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam” là kết quả của quá trình

GIỚI THIỆU

GIỚI THIỆU VỀ ĐỀ TÀI

Chatbot là phần mềm tự động hóa tương tác với người dùng qua cuộc trò chuyện, sử dụng trí tuệ nhân tạo (AI) để hiểu và phản hồi yêu cầu một cách tự động Chúng thường xuất hiện trên các nền tảng trực tuyến, trang web, ứng dụng di động và dịch vụ tin nhắn, giúp cung cấp thông tin, hỗ trợ khách hàng, thực hiện giao dịch và giải quyết các vấn đề đơn giản mà không cần can thiệp của con người.

Chatbot đang ngày càng trở thành một công cụ thiết yếu giúp doanh nghiệp giảm chi phí hoạt động và mở rộng quy mô thị trường Đặc biệt, trong các lĩnh vực như tiếp thị, thanh toán và xử lý dịch vụ khách hàng, chatbot thể hiện sức mạnh vượt trội, mang lại hiệu quả cao trong việc cải thiện trải nghiệm khách hàng và tối ưu hóa quy trình làm việc.

Theo dự báo của Insider Intelligence (2022), chi tiêu bán lẻ toàn cầu thông qua Chatbot sẽ đạt 142 tỷ USD vào năm 2024, tăng 2,8 tỷ USD so với năm 2019, cho thấy tiềm năng phát triển mạnh mẽ của Chatbot trong tương tác doanh nghiệp - khách hàng Một khảo sát của Gartner (2022) cho thấy 54% người tham gia sử dụng Chatbots hoặc trợ lý ảo trong các ứng dụng hướng khách hàng Ngoài ra, khảo sát của Tidio (2024) chỉ ra rằng 62% người tiêu dùng thích giao tiếp với Chatbot hơn là nhân viên, và gần 90% khách hàng đã trò chuyện với Chatbot ít nhất một lần trong năm 2022.

Sự phát triển công nghệ đã thúc đẩy sự gia tăng của Chatbot, đáp ứng nhu cầu dịch vụ khách hàng 24/7/365 Các công ty nhanh chóng triển khai Chatbot và trợ lý ảo để đảm bảo khách hàng có thể nhận được câu trả lời cho các câu hỏi thường gặp bất cứ lúc nào Việc áp dụng Chatbot trong ngành du lịch không chỉ giúp doanh nghiệp cung cấp dịch vụ liên tục mà còn tối ưu hóa quy trình, giảm thời gian chờ đợi của khách hàng, từ đó tạo ra trải nghiệm mua sắm và tương tác dễ dàng, thuận tiện cho người tiêu dùng.

Gần đây, nhiều nghiên cứu đã chỉ ra ý định sử dụng AI Chatbot trong lĩnh vực dịch vụ, đặc biệt là trong quản lý sức khỏe và cân nặng (Huang & Yang, 2021) thông qua mô hình UTAUT2, nhằm đo lường ảnh hưởng của các yếu tố như kỳ vọng về hiệu suất và nỗ lực Nghiên cứu cũng đã dự đoán ý định sử dụng Chatbot trong lĩnh vực lữ hành và du lịch (Melián-González & cộng sự, 2021) dựa trên mô hình lý thuyết UTAUT, nhấn mạnh các yếu tố như thói quen và sự nhân hóa Cụm từ “AI Chatbot” đã trở nên phổ biến trong tìm kiếm, với nhiều nghiên cứu được thực hiện cả trong và ngoài nước Tuy nhiên, nghiên cứu về ý định sử dụng AI Chatbot trong lĩnh vực du lịch tại Việt Nam vẫn còn hạn chế và chưa có nghiên cứu cụ thể nào.

Trong bối cảnh ngành du lịch phát triển nhanh chóng, việc nâng cao hiệu suất và hiệu quả dịch vụ trở thành ưu tiên hàng đầu AI Chatbot là công nghệ tiên tiến giúp tối ưu hóa giao tiếp và hỗ trợ khách hàng, giảm thời gian chờ đợi và nâng cao sự hài lòng Nghiên cứu về “Các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam” không chỉ mang tính quan trọng mà còn mở ra cơ hội cải thiện trải nghiệm du lịch và phát triển bền vững cho ngành Hiểu rõ các yếu tố này giúp doanh nghiệp lưu trú tối ưu hóa chiến lược kinh doanh và cung cấp dịch vụ tốt nhất cho khách hàng.

Nghiên cứu về AI Chatbot không chỉ nâng cao trải nghiệm du lịch mà còn hỗ trợ phát triển bền vững cho ngành du lịch tại Việt Nam Điều này thể hiện cam kết của ngành đối với sự phát triển toàn diện và khẳng định vai trò quan trọng của công nghệ trong việc thúc đẩy sự phát triển tương lai của ngành du lịch.

Nghiên cứu này không chỉ giải quyết nhu cầu thực tiễn của ngành du lịch mà còn mở ra cơ hội đổi mới quan trọng, giúp du lịch Việt Nam phát triển mạnh mẽ và hội nhập quốc tế.

MỤC TIÊU NGHIÊN CỨU

− Xác định các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch;

− Đo lường mức độ ảnh hưởng của các yếu tố đến ý định sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam;

− Đề xuất giải pháp để tăng cường sự chấp nhận và sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch Việt Nam.

Ý NGHĨA THỰC TIỄN CỦA ĐỀ TÀI

AI Chatbot, công nghệ tương tác thông minh qua ngôn ngữ tự nhiên, đang giúp cải thiện trải nghiệm khách hàng trong ngành lưu trú và du lịch Các doanh nghiệp như Traveloka và IVIVU đã ứng dụng Chatbot để hỗ trợ người dùng tìm kiếm và đặt dịch vụ du lịch, nâng cao chất lượng dịch vụ Vietravel cũng sử dụng Chatbot để cung cấp thông tin về tour du lịch, hỗ trợ đặt tour và giải đáp thắc mắc Những kết quả này cho thấy rằng các doanh nghiệp có thể tối ưu hóa việc sử dụng Chatbot để cải thiện dịch vụ lưu trú và mở rộng thị phần.

Để nâng cao trải nghiệm người dùng và tăng cường tính tin cậy của các hệ thống, việc cung cấp thông tin và hỗ trợ đầy đủ cho khách hàng là vô cùng quan trọng.

AI Chatbot để tối ưu hóa sự chấp nhận và sử dụng từ phía khách du lịch

Đối với các nhà lập trình phát triển trí tuệ nhân tạo, việc nắm bắt các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot là rất quan trọng Điều này giúp họ xây dựng các mô hình học máy mạnh mẽ hơn, đồng thời đào tạo mô hình để hiểu và đáp ứng linh hoạt với nhu cầu của người dùng.

Ý NGHĨA KHOA HỌC CỦA ĐỀ TÀI

Các nhà nghiên cứu và học giả có thể khai thác tài liệu và phân tích sâu rộng về tác động của các yếu tố đến ý định sử dụng AI Chatbot trong ngành du lịch tại Việt Nam Điều này không chỉ giúp mở rộng kiến thức về tương tác giữa con người và trí tuệ nhân tạo mà còn mang lại cái nhìn sâu sắc về ứng dụng AI trong bối cảnh du lịch cụ thể.

PHẠM VI NGHIÊN CỨU

Đề tài tập trung vào việc khám phá các yếu tố ảnh hưởng đến ý định sử dụng

AI Chatbot đang ngày càng trở thành một phần quan trọng trong dịch vụ lưu trú của khách du lịch tại Việt Nam Nghiên cứu này tập trung vào đối tượng là những khách du lịch đã từng sử dụng dịch vụ lưu trú tại Việt Nam, đồng thời có kiến thức về các công cụ AI Chatbot của các công ty dịch vụ lưu trú Mục tiêu là tìm hiểu ý định tái sử dụng các dịch vụ này của họ, từ đó đánh giá hiệu quả và tiềm năng của AI Chatbot trong ngành du lịch.

BỐ CỤC ĐỒ ÁN

Bố cục luận văn gồm có 5 chương với các nội dung chính như sau:

Chương này trình bày lý do hình thành đề tài, mục tiêu nghiên cứu và phạm vi thực hiện nghiên cứu Qua đó, nghiên cứu cung cấp cái nhìn tổng quan về vấn đề nghiên cứu cũng như nhu cầu của đề tài trong bối cảnh lưu trú cho khách du lịch tại Việt Nam.

CƠ SỞ LÝ THUYẾT

CÁC ĐỊNH NGHĨA CƠ BẢN

Trí Tuệ Nhân Tạo (AI) là một lĩnh vực nghiên cứu trong ngành khoa học máy tính, bắt nguồn từ hội thảo tại Đại học Dartmouth vào mùa hè năm 1956 AI nhằm phát triển máy tính có khả năng thực hiện các công việc trước đây chỉ con người mới có thể làm, bao gồm học hỏi, nhận thức, ngôn ngữ tự nhiên và nhận biết hình ảnh.

Chatbot, viết tắt của "chat robot," là phần mềm được phát triển để giao tiếp với người dùng qua giao diện văn bản hoặc giọng nói Chúng có khả năng trả lời câu hỏi, cung cấp thông tin, thực hiện các nhiệm vụ cụ thể và tương tác tự động với người dùng.

AI Chatbot là phần mềm tự động hóa tương tác người dùng qua cuộc trò chuyện, được phát triển từ công nghệ trí tuệ nhân tạo Nó có khả năng hiểu và phản hồi ngôn ngữ tự nhiên, mang đến trải nghiệm giao tiếp giống như một cuộc trò chuyện thực sự.

2.1.2 Ý định Ý định là trung gian dẫn đến hành vi (Ajzen, 2002) Ý định thường được hiểu là quyết định hoặc dự định của một người về việc thực hiện một hành động nào đó trong tương lai Nó thể hiện một ý chí hay kế hoạch cụ thể mà người đó muốn thực hiện

Dịch vụ lưu trú cung cấp chỗ ở và tiện ích cho khách du lịch, bao gồm khách sạn, khu nghỉ, nhà nghỉ, căn hộ cho thuê, và khu chỗ trại Trong ngành du lịch, dịch vụ này không chỉ bao gồm phòng ở mà còn có nhà hàng, tiện nghi giải trí và các dịch vụ hỗ trợ khác, nhằm đảm bảo trải nghiệm thoải mái và an toàn cho người sử dụng trong suốt thời gian lưu trú.

2.1.4 Ý định tái sử dụng dịch vụ Ý định tái sử dụng dịch vụ là khái niệm dùng để chỉ khả năng và mong muốn của khách hàng quay lại sử dụng dịch vụ của một doanh nghiệp sau khi đã trải nghiệm lần đầu tiên Điều này thường phản ánh sự hài lòng của khách hàng với chất lượng dịch vụ, sự tiện lợi, giá trị mà dịch vụ mang lại, và mức độ tin cậy đối với doanh nghiệp.

BỐI CẢNH NGHIÊN CỨU

Ngành du lịch Việt Nam đang trải qua sự bùng nổ với lượng khách quốc tế và nội địa tăng mạnh Sự tăng trưởng này tạo ra thách thức lớn cho các doanh nghiệp lưu trú, yêu cầu họ nâng cao chất lượng và hiệu quả trong cung cấp dịch vụ.

Bối cảnh đa dạng văn hóa và ngôn ngữ của du khách tại Việt Nam đặt ra những thách thức đặc biệt cho việc phát triển AI Chatbot Để đáp ứng nhu cầu và mong muốn đa dạng của khách hàng, việc thiết kế và triển khai chatbot cần có sự linh hoạt cao và khả năng tương tác đa chiều.

Xu hướng gia tăng sử dụng công nghệ AI trong các quốc gia, kết hợp với mối quan tâm ngày càng cao về bảo mật thông tin và quyền riêng tư, đã tạo ra nhu cầu lớn trong việc phát triển và triển khai AI Chatbot Điều này đòi hỏi phải chú trọng bảo vệ thông tin cá nhân của khách hàng và tuân thủ các quy định pháp luật liên quan.

Nhiều công ty du lịch hàng đầu đã nhận ra tiềm năng của dịch vụ AI Chatbot trong việc nâng cao trải nghiệm khách hàng và tối ưu hóa quy trình kinh doanh Chẳng hạn, Expedia, một trong những công ty du lịch trực tuyến lớn nhất thế giới, đã áp dụng Chatbot để hỗ trợ khách hàng trong việc đặt phòng khách sạn và vé máy bay Chatbot của Expedia không chỉ giúp khách hàng tìm kiếm và đặt phòng nhanh chóng mà còn cung cấp thông tin về điểm đến, đánh giá khách sạn và mẹo du lịch hữu ích.

Các công ty du lịch Việt Nam đang áp dụng công nghệ Chatbot để nâng cao dịch vụ khách hàng Chẳng hạn, Vietnam Airlines đã triển khai Chatbot trên trang web và ứng dụng di động, hỗ trợ khách trong việc đặt vé, thay đổi lịch trình và cung cấp thông tin chuyến bay Việc sử dụng Chatbot không chỉ tiết kiệm thời gian cho khách hàng mà còn giúp công ty giảm thiểu chi phí và nâng cao hiệu quả hoạt động bằng cách giảm tương tác trực tiếp với nhân viên.

LÝ THUYẾT NỀN

2.3.1 Mô hình chấp nhận và sử dụng công nghệ UTAUT

Mô hình UTAUT (Unified Theory of Acceptance and Use of Technology) là một công cụ nghiên cứu quan trọng giúp hiểu rõ quá trình chấp nhận và sử dụng công nghệ Được phát triển bởi Venkatesh và cộng sự vào năm 2003, UTAUT đã nhanh chóng trở thành một trong những mô hình hàng đầu trong lĩnh vực nghiên cứu chấp nhận công nghệ.

Mô hình UTAUT (Unified Theory of Acceptance and Use of Technology) là một công cụ nghiên cứu quan trọng nhằm phân tích và lý giải quá trình chấp nhận cũng như sử dụng công nghệ.

− TRA (Theory of Reasoned Action – Thuyết hành động hợp lý)

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

− MM (Motivation Model – Mô hình động cơ)

− TPB (Theory of Planned Behavior – Thuyết dự định hành vi)

− C-TAM-TPB (A model combining TAM and TPB – mô hình kết hợp TAM và TPB)

− MPCU (Model of PC Utilization – mô hình sử dụng máy tính cá nhân)

− IDT (Innovation Diffusion Theory - mô hình phổ biến sự đổi mới)

− SCT (Social Cognitive Theory- Thuyết nhận thức xã hội)

Mô hình lý thuyết UTAUT chỉ ra rằng việc sử dụng công nghệ thực tế phụ thuộc vào ý định hành vi của người dùng Khả năng áp dụng công nghệ được nhận thức chịu ảnh hưởng trực tiếp từ bốn yếu tố chính: kỳ vọng về hiệu suất, kỳ vọng nỗ lực, ảnh hưởng xã hội và điều kiện thuận lợi.

Kỳ vọng về hiệu suất được hiểu là mức độ mà cá nhân tin rằng việc sử dụng hệ thống sẽ hỗ trợ họ đạt được thành công trong công việc.

− Sự mong đợi nỗ lực (Effort expectancy) được định nghĩa là “mức độ dễ dàng liên quan đến việc sử dụng hệ thống”

Ảnh hưởng xã hội được hiểu là mức độ mà một cá nhân cảm nhận rằng những người quan trọng xung quanh họ tin rằng họ nên áp dụng hệ thống mới Điều này cho thấy vai trò của sự đồng thuận trong việc chấp nhận và sử dụng công nghệ hay phương pháp mới trong xã hội.

Các điều kiện thuận lợi được định nghĩa là mức độ mà cá nhân cảm nhận rằng cơ sở hạ tầng kỹ thuật và tổ chức hiện hữu để hỗ trợ việc sử dụng hệ thống.

Hiệu quả của các yếu tố dự đoán được điều chỉnh theo độ tuổi, giới tính, kinh nghiệm và mức độ tự nguyện sử dụng (Venkatesh & cộng sự, 2003)

− Tuổi tác có tác động điều tiết đối với tất cả bốn yếu tố dự đoán

− Giới tính ảnh hưởng đến mối quan hệ giữa kì vọng về nỗ lực, kì vọng về hiệu suất và ảnh hưởng xã hội

− Kinh nghiệm điều tiết sức mạnh của các mối quan hệ giữa kì vọng về nỗ lực, ảnh hưởng xã hội và điều kiện hỗ trợ

− Tính tự nguyện của việc sử dụng chỉ có tác động điều tiết trên mối quan hệ giữa ảnh hưởng xã hội và ý định hành vi

Mô hình UTAUT cung cấp cái nhìn sâu sắc về việc chấp nhận công nghệ bằng cách so sánh các lý thuyết chấp nhận công nghệ nổi bật, cho thấy rằng các yếu tố trong mô hình này chiếm 70% sự khác biệt trong ý định sử dụng (Venkatesh & cộng sự, 2003) Điều này chứng minh khả năng dự đoán mạnh mẽ hơn so với các mô hình trước đó Bên cạnh đó, hiệu ứng tương tác giữa các cấu trúc và các yếu tố cá nhân, như độ tuổi, giới tính và kinh nghiệm, thể hiện sự phức tạp của quá trình chấp nhận công nghệ.

Kỳ vọng về hiệu suất

Kỳ vọng về nỗ lực

(Effort Expectancy) Ảnh hưởng xã hội

(Social Influence) Điều kiện thuận lợi

(Facilitating Conditions) Ý định hành vi (Behavioural Intention)

Hành vi sử dụng (Use Behaviour)

Tự nguyện sử dụng (Voluntariness of

CÁC NGHIÊN CỨU TRƯỚC

2.4.1 “Chatting with ChatGPT”: Phân tích các yếu tố ảnh hưởng đến ý định sử dụng ChatGPT của Open AI bằng mô hình UTAUT (Menon & Shilpa, 2023)

Cảm nhận thông tin và thành tựu khi hoàn thành nhiệm vụ mang lại sự hài lòng Mong đợi kết quả phù hợp với công việc giúp nâng cao hiệu quả làm việc Cảm giác dễ dàng trong việc sử dụng giao diện cũng là yếu tố quan trọng.

Sự hài lòng của người dùng Ảnh hưởng truyền thông xã hội Ảnh hưởng của bạn bè

Hỗ trợ kỹ thuật Tính năng Chat GPT

Sự riêng tư Bảo mật

Cuộc trò chuyện thời gian thực Nhận thức về sự tham gia Không chậm trễ Nhận thức về sự tham gia Cảm nhận được cảm xúc

Sự tự nguyện Giới tính Tuổi

Kỳ vọng về hiệu suất

Mong đợi nỗ lực Ảnh hưởng xã hội Điều kiện thuận lợi

Mối quan ngại về quyền riêng tư

Cảm nhận được sự tiếp xúc của con người

Hình 2.2 Mô hình nghiên cứu của Menon & Shilpa (2023)

Nghiên cứu này dựa trên phương pháp nghiên cứu định tính với 32 người dùng ChatGPT từ Ấn Độ, nhằm phân tích các yếu tố ảnh hưởng đến việc chấp nhận và sử dụng ChatGPT thông qua mô hình UTAUT Kết quả cho thấy bốn yếu tố của UTAUT, cùng với hai yếu tố mở rộng là mối quan tâm về tính tương tác và quyền riêng tư, có thể giải thích mức độ tương tác của người dùng với ChatGPT Ngoài ra, nghiên cứu cũng chỉ ra rằng tuổi tác và kinh nghiệm có thể làm giảm tác động của nhiều yếu tố khác đến việc sử dụng ChatGPT.

2.4.2 Một nghiên cứu thực nghiệm về các yếu tố ảnh hưởng đến ý định chấp nhận của người tiêu dùng đối với Chatbot được hỗ trợ bởi AI để quản lý sức khỏe và cân nặng (Huang & Yang, 2021)

Tính đổi mới Ảnh hưởng xã hội

Kỳ vọng về hiệu suất

Kỳ vọng về nỗ lực Ý định hành vi

Ngoại mạng Động cơ hưởng thụ Điều kiện thuận lợi Thói quen

Hình 2.3 Mô hình nghiên cứu của Huang & Yang (2021) Nghiên cứu đề cập đến ứng dụng y tế di động (mHealth) trên nền tảng di động

Điện thoại thông minh ngày càng trở nên phổ biến, trở thành công cụ lý tưởng cho việc sử dụng Ứng dụng mHealth nhằm tự theo dõi sức khỏe hàng ngày Chatbot sức khỏe trên nền tảng Line™ APP, tích hợp công nghệ trí tuệ nhân tạo (AI), cung cấp khả năng phân tích và tư vấn sức khỏe chính xác gần như ngay lập tức.

Nghiên cứu này dựa trên lý thuyết thống nhất mở rộng về chấp nhận và sử dụng công nghệ (UTAUT2), với các yếu tố chính bao gồm mong đợi về hiệu suất, mong đợi nỗ lực, tính đổi mới, ảnh hưởng xã hội, ngoại tác mạng, động lực hưởng thụ, điều kiện thuận lợi và thói quen.

Mô hình đề xuất đã phân tích 415 câu trả lời và giải thích được 87,1% phương sai trong ý định hành vi Thói quen là yếu tố độc lập quan trọng nhất trong việc dự đoán ý định của người dùng, tiếp theo là kỳ vọng về hiệu suất, ảnh hưởng xã hội, ngoại tác mạng và tính đổi mới Đặc biệt, ảnh hưởng xã hội tác động đến ý định của người dùng thông qua kỳ vọng về hiệu suất.

2.4.3 Nghiên cứu các yếu tố ảnh hưởng đến ý định sử dụng Chatbot tại

Cảm nhận dễ sử dụng

Nhận thức hữu ích Ảnh hưởng xã hội

Mối quan tâm về an ninh Ý định sử dụng Chatbot

Hình 2.4 Mô hình trong nghiên cứu của Hoo & cộng sự (2023)

Nghiên cứu này nhằm điều tra các yếu tố thúc đẩy người dân Malaysia tương tác với Chatbot trong cuộc sống hàng ngày Các biến độc lập được xác định thông qua việc thu thập dữ liệu sơ cấp bằng bảng khảo sát trên Google Biểu mẫu, sử dụng thang đo Likert 5 điểm Những yếu tố này bao gồm tính dễ sử dụng, nhận thức về tính hữu ích, ảnh hưởng xã hội và mối quan tâm về an ninh.

Lý thuyết thống nhất về chấp nhận và sử dụng công nghệ (UTAUT) là nền tảng chính cho việc xây dựng mô hình nghiên cứu trong cuộc điều tra này.

Nghiên cứu này đã thu thập tổng cộng 284 mẫu từ khách hàng ở Malaysia sử dụng Chatbot thông qua phương pháp lấy mẫu thuận tiện Kết quả cho thấy chỉ có tính dễ sử dụng và hữu ích là những yếu tố có ảnh hưởng tích cực và đáng kể đến việc sử dụng Chatbot tại Malaysia.

2.4.4 Các yếu tố ảnh hưởng đến việc người tiêu dùng chấp nhận Chatbots dựa trên AI: Vai trò của sự nhân hóa (Alboqami, 2023)

Nhận thức trí thông minh

Cảm nhận dễ sử dụng

Nhận thức hữu ích Ý định áp dụng Chatbots dựa trên AI

Hành vi thực tế khi áp dụng chatbot dựa trên AI

Hình 2.5 Mô hình trong nghiên cứu của Alboqami (2023)

Nghiên cứu này áp dụng mô hình chấp nhận công nghệ (TAM) để phân tích ý định chấp nhận công nghệ mới, tập trung vào các yếu tố như lo lắng về công nghệ, nhận thức về trí thông minh, tính dễ sử dụng và tính hữu ích Đồng thời, yếu tố điều tiết trong nghiên cứu này là sự nhân hóa.

Phương pháp tiếp cận định lượng thông qua khảo sát trực tuyến đã được triển khai để thu thập dữ liệu từ 903 người tiêu dùng trong ngành bán lẻ tại Ả Rập Saudi Dữ liệu này sau đó được phân tích bằng kỹ thuật mô hình hóa phương trình cấu trúc.

Nghiên cứu cho thấy trí thông minh nhận thức, sự dễ sử dụng và tính hữu ích của Chatbot có tác động tích cực đáng kể đến ý định sử dụng của người tiêu dùng Ngược lại, sự lo lắng về công nghệ lại ảnh hưởng tiêu cực đến ý định này Hơn nữa, thuyết nhân cách hóa được xác định là yếu tố điều tiết các mối quan hệ giữa những yếu tố trên.

2.4.5 Các yếu tố ảnh hưởng đến ý định áp dụng Chatbot được hỗ trợ bởi AI cho các dịch vụ giao thông công cộng trong thành phố thông minh (Kuberkar & Singhal, 2020)

Kỳ vọng về hiệu suất

Kỳ vọng về nỗ lực Ảnh hưởng xã hội Điều kiện thuận lợi Ý định sử dụng

Hình 2.6 Mô hình nghiên cứu của Kuberkar & Singhal (2020)

Các thành phố trên thế giới đang mở rộng quy mô, gây áp lực lên hệ thống giao thông công cộng và dẫn đến các vấn đề như quá tải, trì hoãn dịch vụ và sự không hài lòng của người dân Để giải quyết những thách thức này, nhiều quốc gia, bao gồm Ấn Độ, đang triển khai các khái niệm thành phố thông minh Nghiên cứu về việc áp dụng Chatbot hỗ trợ bởi Trí tuệ nhân tạo (AI) cho phép công dân trong thành phố thông minh tiếp cận dịch vụ thông tin giao thông công cộng một cách tự động, mọi lúc, mọi nơi.

Nghiên cứu áp dụng mô hình UTAUT mở rộng để đánh giá ý định sử dụng Chatbot Thông qua bảng câu hỏi có cấu trúc và phân tích dữ liệu bằng kỹ thuật mô hình hóa phương trình cấu trúc, kết quả cho thấy các yếu tố như kỳ vọng về hiệu suất, kỳ vọng về nỗ lực, ảnh hưởng xã hội, điều kiện thuận lợi, tính nhân văn và sự tin tưởng đều có tác động trực tiếp đến ý định áp dụng Chatbot.

2.4.6 Dự đoán ý định sử dụng Chatbot cho lĩnh vực lữ hành, du lịch (Melián

Kỳ vọng về hiệu suất

Kỳ vọng về nỗ lực Ảnh hưởng xã hội

Sự bất tiện Ý định sử dụng Chatbot

Sự nhân hóa Động cơ hưởng thụ

Thái độ đối với công nghệ tự phục vụ

Nhận thức về tính đổi mới

Hình 2.7 Mô hình nghiên cứu của Melián-González và cộng sự (2021)

MÔ HÌNH NGHIÊN CỨU VÀ CÁC GIẢ THUYẾT

Từ các nghiên cứu đi trước, các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot được tổng hợp như sau:

Bảng 2.1 Tổng kết các yếu tố của các nghiên cứu tương tự

Kỳ vọng về hiệu suất

Kỳ vọng về nỗ lực

Mối quan tâm về quyền riêng tư

Cảm nhận tiếp xúc người

X: yếu tố ảnh hưởng trực tiếp

Y: yếu tố ảnh hưởng gián tiếp

Các nghiên cứu trước đây chủ yếu áp dụng mô hình UTAUT và UTAUT2 để phân tích việc chấp nhận và sử dụng công nghệ Riêng nghiên cứu của Alboqami (2023) sử dụng mô hình TAM, một trong những mô hình được Venkatesh và cộng sự (2003) tổng hợp để phát triển UTAUT Các yếu tố chính trong các nghiên cứu này bao gồm kỳ vọng về hiệu suất, kỳ vọng về nỗ lực, ảnh hưởng xã hội và điều kiện thuận lợi.

Năm 2023, các nghiên cứu của Menon & Shilpa, Hoo & cộng sự, và Alboqami đã chỉ ra mối quan tâm ngày càng tăng về quyền riêng tư trong bối cảnh công nghệ dữ liệu phát triển mạnh mẽ, đặc biệt sau sự ra mắt của ChatGPT vào ngày 2 tháng 2 Những vụ bê bối lộ thông tin người dùng, như việc Meta bị hacker công khai rao bán thông tin cá nhân của hơn 530 triệu người dùng vào đầu năm 2021, đã làm gia tăng lo ngại về an toàn mạng.

Vì vậy, cần đưa yếu tố này vào trong nghiên cứu của mình

Theo nghiên cứu của Huang & Yang (2021), mức độ đổi mới của cá nhân trong lĩnh vực CNTT ảnh hưởng đến ý định tích cực đối với công nghệ mới Những người có khả năng đổi mới cao thường có kỳ vọng về hiệu suất và kỳ vọng về nỗ lực tích cực hơn, từ đó tác động đến ý định sử dụng công nghệ Tính đổi mới được xem là yếu tố gián tiếp trong mô hình nghiên cứu, ảnh hưởng đến cả kỳ vọng về hiệu suất và kỳ vọng về nỗ lực.

Nghiên cứu của Alboqami (2023) chỉ ra rằng yếu tố điều tiết sự nhân hóa có ảnh hưởng mạnh mẽ đến các yếu tố quyết định việc sử dụng công nghệ Do đó, cần xem xét sự nhân hóa để đánh giá mức độ tác động của yếu tố điều tiết này trong mô hình nghiên cứu.

Bảng 2.2 Tổng kết các khái niệm trong mô hình nghiên cứu đề xuất

Stt Yếu tố Định nghĩa gốc Định nghĩa trong đề tài

Kỳ vọng về hiệu suất

Kỳ vọng về hiệu suất là niềm tin của cá nhân rằng việc áp dụng công nghệ cụ thể sẽ nâng cao hiệu quả thực hiện nhiệm vụ.

Mức độ sử dụng công nghệ sẽ mang lại lợi ích cho người tiêu dùng trong việc thực hiện các hoạt động nhất định (Huang & Yang, 2021)

Kỳ vọng về hiệu suất của việc sử dụng AI Chatbot trong dịch vụ lưu trú cho khách du lịch Việt Nam nhấn mạnh niềm tin của người dùng rằng công nghệ này sẽ nâng cao hiệu quả trong các hoạt động liên quan đến lưu trú.

Stt Yếu tố Định nghĩa gốc Định nghĩa trong đề tài

Kỳ vọng về nỗ lực

(yếu tố trực tiếp) Đề cập đến sự dễ dàng nhận thấy khi sử dụng một công nghệ cụ thể (Menon & Shilpa, 2023)

Mức độ dễ dàng liên quan đến việc sử dụng công nghệ của người tiêu dùng (Huang & Yang, 2021)

Kỳ vọng về việc sử dụng AI Chatbot trong dịch vụ lưu trú tại Việt Nam ngày càng tăng, nhờ vào sự tiện lợi mà công nghệ này mang lại cho người tiêu dùng Khách hàng dễ dàng tương tác với Chatbot, giúp nâng cao trải nghiệm dịch vụ và tiết kiệm thời gian Sự phát triển của AI Chatbot không chỉ cải thiện hiệu quả phục vụ mà còn tạo ra sự hài lòng cho khách hàng trong ngành du lịch.

Yếu tố ảnh hưởng xã hội đề cập đến nhận thức của cá nhân về việc những người quan trọng trong cuộc sống như bạn bè, gia đình và đồng nghiệp tin rằng họ nên sử dụng một công nghệ cụ thể (Menon & Shilpa, 2023).

Người tiêu dùng ở Việt Nam nhận thấy rằng sự ủng hộ từ những người quan trọng như gia đình và bạn bè có ảnh hưởng lớn đến quyết định sử dụng AI Chatbot trong dịch vụ lưu trú Theo nghiên cứu của Huang & Yang (2021), nhận thức về sự hỗ trợ từ những người xung quanh đóng vai trò quan trọng trong việc thúc đẩy việc áp dụng công nghệ này.

4 Điều kiện thuận lợi (yếu tố trực tiếp)

Mức độ nhận thức của cá nhân về cơ sở hạ tầng tổ chức và kỹ thuật có vai trò quan trọng trong việc hỗ trợ sử dụng công nghệ (Menon & Shilpa, 2023).

Nhận thức của người tiêu dùng về các nguồn lực và hỗ trợ sẵn có để thực hiện một hành vi (Huang &

Điều kiện thuận lợi cho việc sử dụng AI Chatbot trong dịch vụ lưu trú ở Việt Nam phụ thuộc vào nhận thức của người tiêu dùng về sự tồn tại của cơ sở hạ tầng tổ chức và kỹ thuật hỗ trợ công nghệ Sự hiểu biết này đóng vai trò quan trọng trong việc thúc đẩy áp dụng công nghệ AI trong ngành dịch vụ lưu trú.

Stt Yếu tố Định nghĩa gốc Định nghĩa trong đề tài lực và hỗ trợ sẵn có để thực hiện hành vi này

Mối quan tâm về quyền riêng tư

Mối lo ngại về tính ổn định và bảo mật của công nghệ đã tác động đến ý định sử dụng và mức độ phổ biến của Chatbot trong cộng đồng người tiêu dùng (Hoo & cộng sự).

Mức độ lo lắng về công nghệ của một cá nhân được xác định bởi sự lo ngại về các rủi ro tiềm ẩn liên quan đến việc sử dụng các loại công nghệ khác nhau (Alboqami, 2023).

Mối quan tâm về quyền riêng tư khi sử dụng AI Chatbot trong dịch vụ lưu trú tại Việt Nam đang gia tăng, với người tiêu dùng lo ngại về tính ổn định và bảo mật của công nghệ Những lo lắng này ảnh hưởng đến ý định sử dụng và mức độ phổ biến của Chatbot trong ngành dịch vụ.

Tính đổi mới(yếu tố gián tiếp)

Mức độ mà một cá nhân tiếp thu những ý tưởng mới và đưa ra quyết định đổi mới một cách độc lập (Menon & Shilpa, 2023)

Những cá nhân có xu hướng thử nghiệm công nghệ mới sẽ thể hiện ý định sử dụng Chatbot cao (Melián-González & cộng sự,

Khả năng đổi mới, bao gồm việc tiếp thu ý tưởng mới và ra quyết định độc lập, đóng vai trò quan trọng trong việc thúc đẩy ý định sử dụng AI Chatbot trong dịch vụ lưu trú cho khách du lịch tại Việt Nam, đặc biệt là đối với những người yêu thích công nghệ mới.

Xu hướng con người gán các đặc điểm và hành động của con người

Xu hướng gán tính cách con người cho robot và Chatbot

Stt Yếu tố Định nghĩa gốc Định nghĩa trong đề tài

(yếu tố điều tiết) cho những vật thể vô tri như robot và Chatbot (Alboqami, 2023)

Mọi người có xu hướng đánh giá cả cách sử dụng chức năng và tính chất con người của các giải pháp công nghệ Chatbot (Kuberkar & Singhal,

PHƯƠNG PHÁP NGHIÊN CỨU

QUY TRÌNH NGHIÊN CỨU

Nghiên cứu sẽ được thực hiện theo các bước như sau:

(1) Xác định vấn đề nghiên cứu và mục tiêu nghiên cứu

- Các nghiên cứu đi trước liên quan đề tài

(3) Mô hình nghiên cứu đề xuất và kế thừa thang đo

(4) Điều chỉnh mô hình nghiên cứu và thang đo

(7) Kết luận và kiến nghị

Quy trình nghiên cứu được điều chỉnh theo Thọ (2013) bắt đầu từ việc nhận thức về vấn đề thực tế và xu hướng công nghệ mới, dẫn đến việc hình thành đề tài “các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam” Mục tiêu nghiên cứu bao gồm: (1) xác định các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot, (2) đo lường mức độ ảnh hưởng của các yếu tố này, và (3) đề xuất cải tiến nhằm tăng cường sự chấp nhận và sử dụng AI Chatbot trong dịch vụ lưu trú cho khách du lịch tại Việt Nam.

Bước 2 trong nghiên cứu là phân tích hiệu quả các mô hình nghiên cứu phù hợp với bối cảnh đề tài, giúp nhận diện điểm mạnh và yếu của các nghiên cứu trước đó Điều này tạo cơ sở đánh giá sự phù hợp và khả năng đáp ứng mục tiêu nghiên cứu Xây dựng cơ sở lý thuyết, bao gồm giải thích các khái niệm và lý thuyết nền, là bước quan trọng nhằm tạo ra nền tảng vững chắc cho nghiên cứu Sự mạch lạc và logic trong quá trình này là yếu tố then chốt, giúp phản ánh và đánh giá các kết quả và phát hiện từ nghiên cứu một cách hiệu quả.

Dựa trên lý thuyết và nghiên cứu trước đó, mô hình nghiên cứu được xây dựng bằng cách kế thừa và điều chỉnh các yếu tố quan trọng Quá trình này bao gồm việc điều chỉnh các biến của thang đo ban đầu để phù hợp với bối cảnh nghiên cứu và mục tiêu cụ thể của đề tài.

Bước 4: Thực hiện phỏng vấn nghiên cứu sơ bộ giúp thu thập dữ liệu quan trọng để hiệu chỉnh thang đo và điều chỉnh mô hình nghiên cứu Qua đó, các điểm không phù hợp được nhận diện và loại bỏ, đảm bảo tính chính xác và độ tin cậy của nghiên cứu Kết quả từ các phỏng vấn này sẽ là cơ sở thiết kế bảng câu hỏi chính thức cho giai đoạn nghiên cứu chính thức và cung cấp hướng dẫn cho việc thu thập dữ liệu.

Bảng câu hỏi chính thức, được điều chỉnh từ các bước tiền nghiên cứu, sẽ được sử dụng trong khảo sát chính thức nhằm thu thập dữ liệu toàn diện và đáng tin cậy Việc thiết kế câu hỏi tỉ mỉ giúp phản ánh đầy đủ các yếu tố quan trọng và mục tiêu nghiên cứu, từ đó nâng cao hiểu biết về các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam.

Sau khi thu thập dữ liệu từ bảng câu hỏi, phần mềm SPSS sẽ được sử dụng để xử lý và trích xuất các con số cần thiết cho nghiên cứu Qua đó, chúng ta có thể phân tích các yếu tố và thành phần trong mô hình, từ đó đạt được các kết quả quan trọng cho nghiên cứu.

Bước 7: Dựa trên kết quả phân tích dữ liệu, thông tin cần được diễn dịch và trình bày một cách cụ thể, logic Từ đó, có thể rút ra các kết luận cơ bản và đề xuất những khuyến nghị phù hợp.

NHU CẦU THÔNG TIN

Nghiên cứu sơ bộ nhằm mục tiêu xác định các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot trong dịch vụ lưu trú cho khách du lịch tại Việt Nam Nghiên cứu này sẽ giúp điều chỉnh bộ câu hỏi khảo sát để nâng cao hiệu quả và tính chính xác Để thực hiện nghiên cứu sơ bộ, chúng tôi đã tiến hành khảo sát các cá nhân có sự quan tâm và hiểu biết sâu sắc về chủ đề này.

Bảng câu hỏi khảo sát, sau khi điều chỉnh từ giai đoạn nghiên cứu sơ bộ, sẽ được triển khai trong khảo sát chính thức với khách du lịch sử dụng dịch vụ lưu trú tại Việt Nam Dữ liệu thu thập từ khảo sát sẽ được xử lý và phân tích bằng phần mềm AMOS, công cụ phổ biến trong nghiên cứu khoa học và quản lý.

3.2.2 Thông tin thứ cấp Để bổ sung thông tin và cung cấp cái nhìn đa chiều hơn về đề tài "Các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam," học viên sẽ tiến hành thu thập thông tin thứ cấp Thông tin này sẽ được hợp nhất từ các nguồn tư liệu, nghiên cứu, và báo cáo đã được công bố, tập trung vào các khía cạnh quan trọng của đề tài bao gồm:

− Các bài nghiên cứu chứa thông tin về xu hướng, thách thức, và những kết quả nghiên cứu có liên quan

− Các tài liệu và báo cáo thị trường để hiểu rõ hơn về việc triển khai AI Chatbot trong lĩnh vực dịch vụ lưu trú ở Việt Nam

− Ý kiến của các chuyên gia và người làm chính sách trong lĩnh vực du lịch.

THANG ĐO KẾ THỪA

Bảng 3.1 Thang đo các biến quan sát

Stt Thang đo gốc Thang tạm dịch Thang đo hiệu chỉnh

1 Kỳ vọng về hiệu suất (Menon & Shilpa, 2023)

1.1 Chat GPT Gives relevant information

Trò chuyện GPT Cung cấp thông tin liên quan

Trò chuyện với AI Chatbot có mang lại thông tin liên quan về nơi lưu trú khi đi du lịch

1.2 It is a good source of information Đó là một nguồn thông tin tốt

Nguồn tin từ AI Chatbot là nguồn thông tin chuẩn xác về địa điểm muốn đến

1.3 Gives complete information on the that is sought

Cung cấp thông tin đầy đủ về điều được tìm kiếm

Thông tin trả về từ AI Chatbot đầy đủ theo điều kiện tìm kiếm

1.4 Chat GPT is convenient and faster

Trò chuyện GPT thuận tiện và nhanh hơn

Sử dụng AI Chatbot thuận tiện và nhanh hơn các giải pháp khác

Stt Thang đo gốc Thang tạm dịch Thang đo hiệu chỉnh

Một giải pháp thay thế tốt hơn cho công cụ tìm kiếm

AI Chatbot là giải pháp tốt cho công cụ tìm kiếm

1.6 Relevant information without having to search on the internet or library

Thông tin liên quan mà không cần phải tìm kiếm trên internet hoặc thư viện

AI Chatbot giúp tìm thông tin liên quan mà không cần phải tìm trên internet hoặc thư viện

Giúp cải thiện năng suất

Sử dụng AI Chatbot cải thiện hiệu suất tìm kiếm khi đi du lịch

1.8 Satisfied with the quality of the responses

Hài lòng với chất lượng phản hồi

Chất lượng của AI Chatbot đáp ứng được mong đợi

2 Kỳ vọng về nỗ lực (Menon & Shilpa, 2023)

2.1 ChatGPT saves users time ChatGPT giúp người dùng tiết kiệm thời gian

AI Chatbot giúp người dùng tiết kiệm thời gian

2.2 ChatGPT is easy to access ChatGPT rất dễ dàng truy cập

AI Chatbot dễ dàng truy cập

2.3 The interaction process with ChatGPT is easy

Quá trình tương tác với ChatGPT rất dễ dàng

Quá trình tương tác với AI Chatbot dễ dàng

2.4 The user interface is comfortable

Giao diện người dùng thoải mái

Giao diện người dùng của

AI Chatbot tạo cảm giác thoải mái

Stt Thang đo gốc Thang tạm dịch Thang đo hiệu chỉnh

ChatGPT responds to is comprehensible

Ngôn ngữ mà ChatGPT phản hồi có thể hiểu được

Phản hồi của AI Chatbot dễ hiểu

2.6 ChatGPT responds to specific requests for user satisfaction

ChatGPT đáp ứng các yêu cầu cụ thể để mang lại sự hài lòng cho người dùng

AI Chatbot đáp ứng yêu cầu cụ thể

2.7 Satisfaction with the response time

Sự hài lòng với thời gian phản hồi

Thời gian phản hồi của AI Chatbot đã đáp ứng được sự hài lòng

Tin tưởng vào phản hồi của ChatGPT

Phản hồi của AI Chatbot đáng tin cậy

3 Ảnh hưởng xã hội (Menon & Shilpa, 2023)

3.1 Social media recommendations to use

Khuyến nghị trên mạng xã hội để sử dụng Chat GPT

Các khuyến nghị sử dụng

AI Chatbot có trên mạng xã hội

3.2 Suggestions from friends/family to use Chat

Gợi ý từ bạn bè/gia đình sử dụng Chat GPT

Gợi ý sử dụng AI Chatbot xuất phát từ bạn bè/gia đình

GPT with your colleagues/teachers/fellow learners

Người dùng thảo luận Chat GPT với đồng nghiệp/giáo viên/bạn học của bạn

Các cuộc thảo luận với đồng nghiệp/ bạn bè thường nói về về AI Chatbot

Stt Thang đo gốc Thang tạm dịch Thang đo hiệu chỉnh

4 Điều kiện thuận lợi (Menon & Shilpa, 2023)

4.1 Technical issues while using Chat GPT

Sự cố kỹ thuật khi sử dụng Chat GPT

Không có các sự cố kỹ thuật khi sử dụng AI Chatbot

4.2 Adequate know-how to ensure technical support for self while using Chat

Để đảm bảo hỗ trợ kỹ thuật hiệu quả khi sử dụng ChatGPT, người dùng cần nắm vững các bí quyết cần thiết Khi gặp sự cố trong quá trình sử dụng AI Chatbot, việc tìm kiếm sự hỗ trợ kỹ thuật là rất quan trọng để khắc phục vấn đề một cách nhanh chóng và hiệu quả.

4.3 Organisational support your use of Chat GPT

Tổ chức hỗ trợ bạn sử dụng Chat GPT

Có tổ chức hỗ trợ sử dụng

4.4 Device -laptop/mobile phone supporting the use of Chat GPT

Thiết bị - laptop/điện thoại di động hỗ trợ sử dụng Chat GPT

Có đa dạng thiết bị sử dụng AI Chatbot

5 Mối quan tâm về quyền riêng tư (Menon & Shilpa, 2023)

5.1 ChatGPT’s interactions and information is confidential

Các tương tác và thông tin của ChatGPT được bảo mật

Các tương tác và thông tin khi sử dụng AI Chatbot được bảo mật

5.2 ChatGPT is safe to use ChatGPT an toàn khi sử dụng

AI Chatbot an toàn khi sử dụng

5.3 Chat GPT is secure Trò chuyện GPT được bảo mật

Trò chuyện với AI Chatbot có được bảo mật

6 Tính đổi mới (Melián-González & cộng sự, 2021)

Stt Thang đo gốc Thang tạm dịch Thang đo hiệu chỉnh

6.1 I find new tools easy to use

Tôi thấy các công cụ mới dễ sử dụng

AI Chatbot dễ sử dụng

6.2 I am a person with technological skills, I like to be up to date with all the latest things

Tôi là người có trình độ công nghệ, tôi thích cập nhật mọi thứ mới nhất

AI Chatbot mới mẻ đối với người dùng

6.3 I am always seeking new ways and new tools

Tôi luôn tìm kiếm những cách thức mới và công cụ mới

Người dùng đang tìm kiếm cách mới để khám phá thông tin

7 Sự nhân hóa (Melián-González & cộng sự, 2021)

7.1 It is important that the conversation with a

Chatbot resembles one with a human being Điều quan trọng là cuộc trò chuyện với Chatbot giống với cuộc trò chuyện với con người

Cuộc trò chuyện với AI Chatbot giống với cuộc trò chuyện với con người

Cuộc trò chuyện với Chatbot phải diễn ra tự nhiên

Cuộc trò chuyện với AI Chatbot diễn ra tự nhiên

7.3 Chatbots should seem as if they understand the person with whom they are interacting

Chatbots có vẻ như hiểu được người mà họ đang tương tác

AI Chatbot có vẻ như hiểu được người mà nó đang tương tác

8 Ý định sử dụng AI Chatbot (Melián-González & cộng sự, 2021)

Stt Thang đo gốc Thang tạm dịch Thang đo hiệu chỉnh

I intend to use or to continue using Chatbots in the future

Tôi có ý định sử dụng hoặc tiếp tục sử dụng Chatbot trong tương lai

Tôi có ý định sử dụng hoặc tiếp tục sử dụng AI Chatbot trong tương lai

Khi được yêu cầu, tôi sẽ sử dụng Chatbot

Khi được yêu cầu, tôi sẽ sử dụng AI Chatbot

I intend to use Chatbots in the future

Tôi dự định sử dụng Chatbot trong tương lai

Tôi dự định sử dụng AI Chatbot trong tương lai

I think that more and more people will use

Tôi nghĩ ngày càng có nhiều người sử dụng Chatbot

Tôi nghĩ ngày càng có nhiều người sử dụng AI Chatbot

NGHIÊN CỨU SƠ BỘ

Nghiên cứu sơ bộ là bước quan trọng nhằm đảm bảo tính hiệu quả và hợp lý của dự án nghiên cứu, đồng thời cung cấp cái nhìn tổng quan về tiềm năng và hạn chế của dự án Quá trình này bao gồm hai giai đoạn chính: nghiên cứu định tính sơ bộ và nghiên cứu định lượng sơ bộ, từ đó giúp điều chỉnh phù hợp cho các bước nghiên cứu chuyên sâu tiếp theo.

3.4.1 Nghiên cứu định tính sơ bộ

− Kiểm tra sự hợp lý của mô hình nghiên cứu, hiểu sâu hơn về vấn đề nghiên cứu

− Điều chỉnh thang đo cho phù hợp với bối cảnh nghiên cứu Từ đó, hình thành bảng câu hỏi để chuẩn bị cho khảo sát định lượng sơ bộ

Nghiên cứu định tính sơ bộ đã được tiến hành thông qua phỏng vấn cá nhân với khách du lịch và nhân viên ngành lưu trú nhằm thu thập ý kiến và trải nghiệm về việc sử dụng AI Chatbot Ngoài ra, các lập trình viên AI cũng được khảo sát để hiểu cách họ điều chỉnh công nghệ này dựa trên phản hồi từ khách hàng.

− Phỏng vấn sẽ được thực hiện và ghi nhận đến khi không có sự quá khác biệt giữa các câu trả lời thì sẽ dừng lại

Một bảng câu hỏi có cấu trúc sẽ được thiết kế để khảo sát các yếu tố ảnh hưởng đến ý định sử dụng AI Người tham gia sẽ được phỏng vấn trực tiếp cũng như qua các hình thức trực tuyến như điện thoại và Google Meet, nhằm tạo điều kiện linh hoạt cho họ về thời gian và địa điểm.

3.4.1.4 Phương pháp xử lý thông tin:

Các thông tin từ cuộc phỏng vấn sẽ được ghi chép dưới dạng bản viết tay hoặc đánh máy, thông tin được xử lý gồm có:

− Phân tích nội dung: Xác định các ý kiến, cảm xúc và mức độ hài lòng của đáp viên đối với ý định sử dụng AI Chatbot

− Phân tích đánh giá: Đánh giá thông tin thu thập được từ các phỏng vấn để xác định xu hướng và mẫu chung trong các ý kiến

− Tổ chức dữ liệu và trích xuất thông tin có ích để đưa ra kết luận và đề xuất

Bảng 3.2 Bảng thông tin đối tượng phỏng vấn của nghiên cứu sơ bộ định tính

STT Nhóm đối tượng Họ và tên Giới tính

1 Nhà cung cấp dịch vụ AI

Nguyễn Ngô An Bình Nam Lập trình ứng dụng 0792243013

2 Lê Quang Nhật Nam Lập trình web 0355982924

Phạm Thị Kim Thủy Nữ Giáo Viên 0767171217

4 Thái Thị Thuận Nữ Giáo Viên 0907933783

6 Doanh nghiệp vận hành dịch vụ AI

Võ Thành Quang Nam Hướng dẫn viên du lịch 0708521145

7 Vương Quốc Vinh Nam Hướng dẫn viên du lịch 0384459875

8 Trần Anh Quân Nam Trưởng đoàn 0707957718

Kết quả nghiên cứu định tính sơ bộ cho thấy, sau khi phỏng vấn 08 đáp viên, các ý kiến và đóng góp của họ đã được ghi nhận và tổng hợp một cách chi tiết.

Tất cả 8/8 đáp viên đã hiểu rõ về đề tài nghiên cứu liên quan đến các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam.

Kết luận 2: 8/8 đáp viên đều cho rằng đề tài nghiên cứu là cần thiết:

Nghiên cứu các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot trong dịch vụ lưu trú tại Việt Nam là cần thiết để hiểu nhu cầu và mong muốn của khách hàng Việc này không chỉ nâng cao trải nghiệm khách hàng mà còn tối ưu hóa hoạt động kinh doanh cho các doanh nghiệp lưu trú Hơn nữa, nó giúp cải thiện mối quan hệ với khách hàng, tăng doanh số bán hàng và củng cố vị thế cạnh tranh trong ngành du lịch.

Kết luận 3: Đánh giá mức độ phù hợp của các yếu tố trong mô hình

Hiệu suất của AI Chatbot đóng vai trò quan trọng trong việc hình thành ý định sử dụng của người dùng, đặc biệt khi nó cung cấp thông tin một cách nhanh chóng và chính xác.

Sử dụng AI Chatbot mang lại sự tiện lợi và dễ dàng, làm tăng ý định sử dụng của người dùng Sự ảnh hưởng từ bạn bè, gia đình và cộng đồng cũng đóng vai trò quan trọng trong việc khuyến khích việc sử dụng AI Chatbot Hơn nữa, một giao diện thân thiện và khả năng hoạt động ổn định sẽ tạo điều kiện thuận lợi cho người dùng tiếp cận và sử dụng AI Chatbot hiệu quả hơn.

Mối quan tâm về quyền riêng tư là yếu tố quan trọng, vì sự lo ngại về việc bảo vệ thông tin cá nhân có thể tác động đến ý định sử dụng AI Chatbot.

Tính đổi mới của AI Chatbot được công nhận rộng rãi, cho thấy rằng việc xem nó như một công nghệ tiên tiến và hấp dẫn có thể làm tăng ý định sử dụng của người dùng.

Sự nhân hóa trong tương tác với người dùng được tất cả các đáp viên công nhận là yếu tố quan trọng, giúp gia tăng ý định sử dụng sản phẩm hoặc dịch vụ Khả năng phản hồi một cách cá nhân hóa không chỉ tạo sự kết nối mà còn nâng cao trải nghiệm của người dùng.

Kết luận 4: Góp ý về thang đo (Chi tiết góp ý của các đáp viên về mỗi thang đo được trình bày tại Phụ lục A.1 – Phần 2)

Dựa trên những phản hồi từ các đáp viên, thang đo đã được điều chỉnh để làm rõ nội dung và ý nghĩa của từng câu hỏi Kết quả tổng hợp như sau:

Bảng 3.3 Tổng kết các góp ý thang đo

Stt Thang đo tạm dịch Góp ý của đáp viên

Thang đo hiệu chỉnh sau khi nhận góp ý của đáp viên

1 Kỳ vọng về hiệu suất

Trò chuyện với AI Chatbot có mang lại thông tin liên quan về nơi lưu trú khi đi du lịch

Trò chuyện với AI Chatbot có mang lại thông tin liên quan về nơi lưu trú khi đi du lịch

Nguồn tin từ AI Chatbot là nguồn thông tin chuẩn xác về địa điểm muốn đến

Nguồn tin từ AI Chatbot là nguồn thông tin chuẩn xác về địa điểm muốn đến

Thông tin trả về từ AI

Chatbot đầy đủ theo điều kiện tìm kiếm

Thông tin trả về từ AI Chatbot đầy đủ theo điều kiện tìm kiếm

Sử dụng AI Chatbot thuận tiện và nhanh hơn các giải pháp khác

Giải pháp khác là giải pháp nào?

Sử dụng AI Chatbot thuận tiện và nhanh hơn các giải pháp khác

1.5 AI Chatbot là giải pháp tốt cho công cụ tìm kiếm

AI Chatbot là giải pháp tốt cho công cụ tìm kiếm

AI Chatbot giúp tìm thông tin liên quan mà không cần phải tìm trên internet hoặc thư viện

AI Chatbot giúp tìm thông tin liên quan mà không cần phải tìm trên internet hoặc thư viện

Sử dụng AI Chatbot cải thiện hiệu suất tìm kiếm khi đi du lịch

Sử dụng AI Chatbot cải thiện hiệu suất tìm kiếm khi đi du lịch

Stt Thang đo tạm dịch Góp ý của đáp viên

Thang đo hiệu chỉnh sau khi nhận góp ý của đáp viên

1.8 Chất lượng của AI Chatbot đáp ứng được mong đợi

Chất lượng về tương tác, tin cậy, độ chính xác hay tất cả

Chất lượng (tương tác, tin cậy, độ chính xác) của AI Chatbot đáp ứng được mong đợi

2 Kỳ vọng về nỗ lực

2.1 AI Chatbot giúp người dùng tiết kiệm thời gian

Nói rõ hơn là tiết kiệm thời gian vào việc gì? Tìm thông tin, đặt phòng, vé máy bay,

AI Chatbot giúp người dùng tiết kiệm thời gian cho tìm kiếm thông tin và dịch vụ đi kèm

2.2 AI Chatbot dễ dàng truy cập AI Chatbot dễ dàng truy cập

2.3 Quá trình tương tác với AI

Quá trình tương tác với AI Chatbot dễ dàng

Giao diện người dùng của AI

Chatbot tạo cảm giác thoải mái

Giao diện người dùng của AI Chatbot tạo cảm giác thoải mái

2.5 Phản hồi của AI Chatbot dễ hiểu

Phản hồi của AI Chatbot dễ hiểu

2.6 AI Chatbot đáp ứng yêu cầu cụ thể

AI Chatbot đáp ứng yêu cầu cụ thể

Stt Thang đo tạm dịch Góp ý của đáp viên

Thang đo hiệu chỉnh sau khi nhận góp ý của đáp viên

Thời gian phản hồi của AI

Chatbot đã đáp ứng được sự hài lòng

Thời gian phản hồi của AI Chatbot đã đáp ứng được sự hài lòng

2.8 Phản hồi của AI Chatbot đáng tin cậy

Phản hồi của AI Chatbot đáng tin cậy

3.1 Các khuyến nghị sử dụng AI

Chatbot có trên mạng xã hội

Các khuyến nghị sử dụng AI Chatbot có trên mạng xã hội

3.2 Gợi ý sử dụng AI Chatbot xuất phát từ bạn bè/gia đình

Gợi ý sử dụng AI Chatbot xuất phát từ bạn bè/gia đình

Các cuộc thảo luận với đồng nghiệp/ bạn bè thường nói về về AI Chatbot

Các cuộc thảo luận với đồng nghiệp/ bạn bè thường nói về về AI Chatbot

4.1 Không có các sự cố kỹ thuật khi sử dụng AI Chatbot

Không có các sự cố kỹ thuật khi sử dụng AI Chatbot

4.2 Được hỗ trợ kỹ thuật khi gặp sự cố trong quá trình sử dụng

AI Chatbot Được hỗ trợ kỹ thuật khi gặp sự cố trong quá trình sử dụng

4.3 Có tổ chức hỗ trợ sử dụng AI

Có tổ chức hỗ trợ sử dụng AI Chatbot

4.4 Có đa dạng thiết bị sử dụng

Có đa dạng thiết bị sử dụng

Stt Thang đo tạm dịch Góp ý của đáp viên

Thang đo hiệu chỉnh sau khi nhận góp ý của đáp viên

5 Mối quan tâm về quyền riêng tư

Các tương tác và thông tin khi sử dụng AI Chatbot được bảo mật

Các câu hỏi khá tương tự

Các tương tác và thông tin khi sử dụng AI Chatbot được bảo mật

5.2 AI Chatbot an toàn khi sử dụng

AI Chatbot không gây nguy hại (sức khỏe, hậu quả tiêu cực) khi sử dụng

5.3 Trò chuyện với AI Chatbot được bảo mật

AI Chatbot bảo vệ người dùng khỏi các truy cập trái phép

6.1 AI Chatbot dễ sử dụng AI Chatbot dễ sử dụng

6.2 AI Chatbot mới mẻ đối với người dùng

AI Chatbot mới mẻ đối với người dùng

Người dùng đang tìm kiếm cách mới để khám phá thông tin

Người dùng đang tìm kiếm cách mới để khám phá thông tin

Cuộc trò chuyện với AI

Chatbot giống với cuộc trò chuyện với con người

Cuộc trò chuyện với AI Chatbot giống với cuộc trò chuyện với con người

Stt Thang đo tạm dịch Góp ý của đáp viên

Thang đo hiệu chỉnh sau khi nhận góp ý của đáp viên

7.2 Cuộc trò chuyện với AI

Chatbot diễn ra tự nhiên

Cuộc trò chuyện với AI Chatbot diễn ra tự nhiên

AI Chatbot có vẻ như hiểu được người mà nó đang tương tác

AI Chatbot có vẻ như hiểu được người mà nó đang tương tác

8 Ý định sử dụng AI Chatbot

Tôi có ý định sử dụng hoặc tiếp tục sử dụng AI Chatbot trong tương lai

Tôi có ý định sử dụng hoặc tiếp tục sử dụng AI Chatbot trong tương lai

8.2 Khi được yêu cầu, tôi sẽ sử dụng AI Chatbot

Khi được yêu cầu, tôi sẽ sử dụng AI Chatbot

8.3 Tôi dự định sử dụng AI

8.4 Tôi nghĩ ngày càng có nhiều người sử dụng AI Chatbot

Tôi nghĩ ngày càng có nhiều người sử dụng AI Chatbot

3.4.2 Nghiên cứu định lượng sơ bộ

Mục đích của nghiên cứu định lượng sơ bộ là để đánh giá bảng câu hỏi và khả năng tiếp cận đối tượng khảo sát qua phỏng vấn viên, đồng thời xác nhận tính hợp lý của các yếu tố trong mô hình Ngoài ra, nghiên cứu cũng nhằm điều chỉnh bảng câu hỏi nhằm chuẩn bị cho giai đoạn nghiên cứu chính thức.

Để thực hiện nghiên cứu định lượng sơ bộ về các yếu tố ảnh hưởng đến ý định sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam, cần lựa chọn một mẫu ngẫu nhiên gồm những cá nhân có liên quan hoặc quan tâm đến việc sử dụng công nghệ này.

Chatbot AI đã được khảo sát thông qua bảng câu hỏi thiết kế dưới dạng phiếu khảo sát giấy, với thông tin chi tiết được trình bày trong Phụ lục A.2 - Phần 1 của luận văn Tổng cộng, chúng tôi đã thu thập được nhiều dữ liệu quý giá.

75 phiếu khảo sát, trong đó 73 phiếu được xem xét là hợp lệ và đáng tin cậy

THIẾT KẾ MẪU CHO NGHIÊN CỨU

Nghiên cứu này áp dụng phương pháp lấy mẫu thuận tiện, hay còn gọi là lấy mẫu phi xác suất theo Thọ (2013), nhằm đáp ứng các ràng buộc về thời gian, nguồn lực và chi phí Do đó, bảng câu hỏi được phân phối qua phương tiện truyền thông xã hội, tiếp cận những người dễ dàng, bao gồm bạn bè trên Facebook và mạng lưới quan hệ của họ.

Để tiếp cận nhóm khách du lịch tại Việt Nam, việc chọn các nhóm chuyên về du lịch trên Facebook là rất phù hợp cho nghiên cứu Cụ thể, bảng câu hỏi sẽ được phát trong các nhóm như “Du Lịch,” “Du lịch khám phá,” “Yêu du lịch,” và các nhóm tương tự Lựa chọn này không chỉ giúp tiếp cận một đối tượng đa dạng yêu thích du lịch mà còn đảm bảo rằng những người tham gia có khả năng có ý định sử dụng AI Chatbot trong dịch vụ lưu trú, liên quan đến mục tiêu chính của nghiên cứu.

Kích thước mẫu được xác định dựa trên cơ sở về phương pháp nghiên cứu

Theo nghiên cứu của Theo Hair và cộng sự (2018), để phân tích nhân tố EFA hiệu quả, số lượng mẫu cần tối thiểu là 100, với tỷ lệ quan sát trên mỗi biến phân tích là 5:1 hoặc 10:1.

Do đó kích thước mẫu cho phân tích này là:

N = (5-10)*(Số biến quan sát) = (5-10)*35 = 175 - 350 mẫu

− Theo Salkind, N J., & Green, S B (2005), số lượng mẫu tối thiểu cho phân tích hồi quy là:

N ≥ 50 + 8*p = 50+8*8 = 114 mẫu Trong đó p là lố lượng biến độc lập hay còn gọi là predictor tham gia vào hồi quy

Nghiên cứu này yêu cầu thu thập khoảng 200 phiếu trả lời hợp lệ để đảm bảo kích thước mẫu tối thiểu, đồng thời đảm bảo tính xác thực và độ tin cậy cho kết quả nghiên cứu.

PHƯƠNG PHÁP PHÂN TÍCH DỮ LIỆU

Dữ liệu sau khi được thu thập sẽ được xử lý trong các phần mềm SPSS và AMOS theo các bước như sau:

Trong quá trình chuẩn bị dữ liệu cho phân tích, làm sạch dữ liệu là một bước quan trọng giúp phát hiện và khắc phục sai sót như dữ liệu thiếu hoặc câu trả lời không hợp lý từ đáp viên Việc này đảm bảo dữ liệu đạt tiêu chí chất lượng cần thiết, từ đó nâng cao độ chính xác và đáng tin cậy của kết quả nghiên cứu.

Sau khi loại bỏ dữ liệu trùng lặp và dữ liệu bị thiếu, dữ liệu sẽ được nhập vào phần mềm SPSS Bảng thống kê mô tả sẽ được tạo ra dựa trên các biến như giới tính, độ tuổi và nghề nghiệp.

3.6.3 Phân tích nhân tố khám phá EFA

Phân tích nhân tố khám phá (EFA) là phương pháp đánh giá giá trị hội tụ và phân biệt của thang đo, đồng thời loại bỏ biến rác để nâng cao kết quả nghiên cứu Phương pháp này giúp thu gọn các biến quan sát thành các biến có ý nghĩa hơn, dựa trên việc xem xét mối quan hệ giữa các biến ở các nhân tố khác nhau Qua đó, EFA giúp phát hiện các biến quan sát có thể được phân vào nhiều nhân tố hoặc bị phân sai trong phân tích ban đầu Các chỉ số sử dụng trong phân tích này rất quan trọng để đảm bảo tính chính xác và hiệu quả của nghiên cứu.

Chỉ số KMO (Kaiser-Meyer-Olkin) là công cụ quan trọng để đánh giá sự phù hợp của phân tích nhân tố Theo nghiên cứu của Kaiser & Meyer (1974), giá trị KMO cần đạt từ 0,5 trở lên (0,5 ≤ KMO ≤ 1) để xác nhận tính phù hợp của phân tích nhân tố Nếu giá trị KMO thấp hơn 0,5, điều này cho thấy phân tích nhân tố không phù hợp với dữ liệu nghiên cứu.

Kiểm định Bartlett (Bartlett’s test of sphericity) là một công cụ thống kê quan trọng trong phân tích nhân tố, được sử dụng để xác định tính phù hợp của ma trận tương quan giữa các biến Hệ số p(sig) trong kiểm định này phản ánh xác suất bác bỏ giả thuyết không có sự tương quan Nếu giá trị p(sig) nhỏ hơn 0,05, điều này cho phép chúng ta bác bỏ giả thuyết và khẳng định rằng ma trận tương quan có sự tương quan, từ đó cho thấy nó phù hợp để tiến hành phân tích nhân tố.

Trị số Eigenvalue là tiêu chí quan trọng trong phân tích EFA, giúp xác định số lượng nhân tố cần giữ lại trong mô hình Theo quy tắc này, chỉ những nhân tố có Eigenvalue lớn hơn 1 mới được xem xét và duy trì.

Tổng phương sai trích (Total Variance Explained) đạt ≥ 50% cho thấy mô hình EFA là phù hợp Nếu tổng phương sai trích đạt 100%, điều này có nghĩa là toàn bộ phần biến thiên được giải thích bởi các nhân tố ước lượng, trong khi phần biến thiên không được giải thích sẽ được xem là phần thất thoát của mô hình EFA.

Hệ số tải nhân tố (Factor Loading) là chỉ số quan trọng trong phân tích nhân tố EFA, thể hiện mối quan hệ tương quan giữa biến quan sát và nhân tố ẩn Giá trị của hệ số tải nhân tố cho biết mức độ ảnh hưởng của biến quan sát đến nhân tố ẩn; hệ số tải nhân tố cao cho thấy tương quan lớn giữa chúng Theo Hair & cộng sự (2018), việc hiểu rõ hệ số tải nhân tố là cần thiết để đánh giá sự liên kết trong phân tích dữ liệu.

+ Factor Loading ở mức ≥ 0,3: Điều kiện tối thiểu để biến quan sát được giữ lại

+ Factor Loading ở mức ≥ 0,6: Biến quan sát có ý nghĩa thống kê tốt + Factor Loading ở mức ≥ 0,7: Biến quan sát có ý nghĩa thống kê rất tốt

3.6.4 Kiểm định độ tin cậy của thang đo

Hệ số Cronbach’s Alpha được sử dụng để đánh giá độ tin cậy của thang đo, không phải của từng biến quan sát cụ thể Kỹ thuật này giúp loại bỏ các yếu tố không liên quan đến chủ đề đo lường (Thọ, 2013) Một thang đo được chấp nhận khi có hệ số Cronbach’s Alpha ≥ 0,6, vì có thể có nhiều biến không có sự khác biệt đủ lớn dẫn đến sự trùng lặp trong đo lường Để đảm bảo các biến đo lường cùng một khái niệm nghiên cứu có mối tương quan chặt chẽ, cần kiểm tra hệ số tương quan biến tổng cho từng biến đo riêng biệt, với hệ số tương quan biến tổng ≥ 0,3 mới được giữ lại cho nghiên cứu (Cristobal và cộng sự, 2007).

3.6.5 Kiểm định mô hình đo lường CFA

Thang đo được kiểm định chính thức bằng phương pháp phân tích nhân tố khẳng định CFA, sử dụng phần mềm AMOS để phân tích cấu trúc tuyến tính Phương pháp CFA có nhiều ưu điểm so với các phương pháp truyền thống, cho phép kiểm định cấu trúc lý thuyết của thang đo và mối quan hệ giữa các khái niệm nghiên cứu mà không bị ảnh hưởng bởi sai số đo lường (Thọ, 2013) Theo Hair & Cộng sự (2018), các chỉ tiêu đánh giá kết quả của phân tích nhân tố khẳng định rất quan trọng trong việc xác định tính chính xác và độ tin cậy của thang đo.

− CMIN/df ≤ 3 là tốt, CMIN/df ≤ 5 là chấp nhận được

− CFI (Comparative Fit Index) ≥ 0,9 là tốt, CFI ≥ 0,95 là rất tốt, CFI ≥ 0,8 là chấp nhận được

GFI (Goodness of Fit Index) đạt ≥ 0,9 được coi là tốt, trong khi GFI ≥ 0,95 được đánh giá là rất tốt Tuy nhiên, hệ số này phụ thuộc vào số lượng nhân tố, số biến quan sát và cỡ mẫu Do đó, ngưỡng của GFI có thể được giảm xuống còn ≥ 0,8 theo nghiên cứu của Baumgartner và Homburg (1995) cũng như của Doll, Xia và Torkzadeh.

− TLI (Tucker Lewis Index) ≥ 0,9 là tốt

RMSEA (Root Mean Square Residual) là chỉ số quan trọng để đánh giá mức độ phù hợp của mô hình Một giá trị RMSEA ≤ 0,06 được coi là tốt, trong khi RMSEA ≤ 0,08 là chấp nhận được Chỉ số này giúp xác định sự phù hợp giữa mô hình và tổng thể.

Để đảm bảo tính chính xác trong phân tích, cần đánh giá độ tin cậy tổng hợp (Composite Reliability), tính hội tụ (Convergent Validity) và tính phân biệt (Discriminant Validity) theo nghiên cứu của Hair và cộng sự (2018).

− Độ tin cậy tổng hợp: đo lường cho tính nhất quán nội bộ của các nhân tố,

− Tính hội tụ: Phương sai trung bình được trích Average Variance Extracted (AVE) ≥ 0,5

The Maximum Shared Variance (MSV) must be less than the Average Variance Extracted (AVE), ensuring a clear distinction between constructs Additionally, the Square Root of AVE (SQRTAVE) should exceed the Inter-Construct Correlations outlined in the Fornell and Larcker table, reinforcing the validity of the measurement model.

3.6.6 Kiểm định mô hình cấu trúc SEM

Phương pháp phân tích mô hình cấu trúc tuyến tính (SEM) sử dụng phần mềm AMOS đã được áp dụng để kiểm định thang đo và mô hình nghiên cứu SEM là một công cụ phổ biến trong nghiên cứu hành vi, giúp đánh giá mối liên hệ giữa các biến và xác định cấu trúc tuyến tính giữa chúng Việc áp dụng SEM cho phép nghiên cứu các mô hình phức tạp, từ đó làm rõ hơn các mối quan hệ giữa các yếu tố nghiên cứu.

PHÂN TÍCH KẾT QUẢ

THỐNG KÊ MÔ TẢ

4.1.1 Quá trình thu thập dữ liệu

Khảo sát trực tuyến được thực hiện từ ngày 19/04/2024 đến 02/05/2024 thông qua Google Form, thu về 238 phiếu khảo sát Sau khi sàng lọc và kiểm tra, chỉ có 202 phiếu khảo sát hợp lệ Các phiếu khảo sát bị loại chủ yếu do không đạt yêu cầu chất lượng, bao gồm những phiếu có câu trả lời không phù hợp trong nội dung sàng lọc và những phiếu đánh giá đồng nhất mức độ cho tất cả các câu hỏi.

Kết hợp sử dụng bộ dữ liệu của nghiên cứu sơ bộ cho quá trình nghiên cứu chính thức gồm 73 phiếu đã được sàng lọc

Bảng 4.1 Thống kê số lượng khảo sát

Hình thức khảo sát Số phiếu khảo sát thu về

Số phiếu khảo sát hợp lệ

Tỷ lệ phần trăm phiếu khảo sát hợp lệ

Khảo sát giấy (từ khảo sát sơ bộ) 75 73 97%

Hình thức khảo sát Số phiếu khảo sát thu về

Số phiếu khảo sát hợp lệ

Tỷ lệ phần trăm phiếu khảo sát hợp lệ

Bảng 4.2 Thống kê các đặc điểm của mẫu khảo sát

STT Đặc điểm Tần số (số lần xuất hiện) Tỷ lệ (%)

Công chức – viên chức – giáo viên 72 26,2

STT Đặc điểm Tần số (số lần xuất hiện) Tỷ lệ (%)

Khảo sát cho thấy, trong số các đối tượng tham gia, nữ giới chiếm 60,4% và nam giới 39,6% Độ tuổi chủ yếu của người tham gia là từ 18 đến 34 tuổi (61,5%), tiếp theo là nhóm 35-55 tuổi (29,5%) Về nghề nghiệp, các nhóm ngành chính bao gồm sinh viên (35,5%), công chức – viên chức – giáo viên (26,2%), nhân viên văn phòng (25,5%) và các ngành nghề khác (13,1%) Kết quả cho thấy, nhóm người trẻ tuổi, đặc biệt là nữ, có xu hướng cao hơn trong việc sử dụng AI Chatbot để tìm hiểu và trải nghiệm các dịch vụ lưu trú.

KIỂM ĐỊNH TÍNH ĐƠN HƯỚNG CỦA THANG ĐO

Đánh giá tính đơn hướng thang đo thông qua phân tích nhân tố khám phá EFA

Sử dụng phương pháp phép trích Principlal Components Analysis và phép quay không vuông gốc Promax cho tất cả nhân tố trong mô hình nghiên cứu

Trong quá trình phân tích, các biến quan sát không đạt yêu cầu sẽ bị loại bỏ, trong khi những biến đạt yêu cầu sẽ được đánh giá độ tin cậy thông qua kiểm định Cronbach’s Alpha Kết quả phân tích EFA chưa loại bỏ biến được trình bày trong Phụ lục A.3, trong khi Phụ lục A.4 thể hiện kết quả kiểm định tính đơn hướng của thang đo sau khi loại bỏ các biến quan sát như NL1, NL3, NL4, NL5, NL7, TL3, TL4, và YD2.

Riêng thang đo biến điều tiết sẽ được chạy riêng được trình bày trong Phụ lục A5 - Kết quả kiểm định tính đơn hướng của thang đo điều tiết

Bảng 4.3 Tổng hợp kết quả kiểm định tính đơn hướng của thang đo

Thang đo Biến quan sát Hệ số tải KMO Sig Eigen- values

Kỳ vọng về hiệu suất

Kỳ vọng về nỗ lực

NL8 0,774 Ảnh hưởng xã hội

XH3 0,922 Điều kiện thuận lợi

Thang đo Biến quan sát Hệ số tải KMO Sig Eigen- values

Mối quan tâm về quyền riêng tư

DM3 0,826 Ý định sử dụng AI

Kết quả kiểm định tính đơn hướng cho thấy cần loại bỏ các biến quan sát NL1, TL3, TL4 và YD2 do hệ số tải ≤ 0,5 Sau khi loại bỏ, tiếp tục phân tích và loại NL3, NL4, NL5, NL7 vì chúng nằm trên nhân tố tiềm ẩn khác với hệ số tải nhỏ hơn Phân tích lại cho thấy các thang đo đạt yêu cầu về tính đơn hướng với giá trị KMO từ 0,624 đến 0,847, và giá trị Sig đều bằng 0,000 Các hệ số Eigenvalues đều ≥ 1, tổng phương sai trích từ 58,748% đến 67,502%, trong khi hệ số tải của các biến quan sát dao động từ 0,514 đến 0,951.

Sau khi kiểm tra tính đơn hướng của từng thang đo, 8 biến quan sát đã được loại bỏ Do đó, mô hình nghiên cứu hiện còn 8 thang đo và 26 biến quan sát đáp ứng điều kiện về tính đơn hướng.

KIỂM ĐỊNH ĐỘ TIN CẬY CỦA THANG ĐO BẰNG HỆ SỐ CRONBACH’S ALPHA

Bảng 4.4 Kết quả đánh giá độ tin cậy của thang đo

Trung bình nếu loại biến

Phương sai nếu loại biến

Hệ số tương quan biến - tổng

Cronbach’s Alpha nếu loại biến

Kỳ vọng về hiệu suất

Kỳ vọng về nỗ lực

NL8 8,83 0,806 0,553 0,689 Ảnh hưởng xã hội

Trung bình nếu loại biến

Phương sai nếu loại biến

Hệ số tương quan biến - tổng

Cronbach’s Alpha nếu loại biến

XH3 8,17 0,952 0,656 0,578 Điều kiện thuận lợi

Mối quan tâm về quyền riêng tư

NH3 7,71 1,010 0,493 0,503 Ý định sử dụng AI Chatbot

Độ tin cậy của thang đo được kiểm định bằng hệ số Cronbach’s Alpha, cho thấy các biến quan sát đều đạt độ tin cậy cao, với hệ số Cronbach’s Alpha dao động từ 4,37 đến 0,286 và 0,660.

Hệ số tương quan giữa các biến quan sát và tổng các biến đạt từ 0,645 đến 0,859, thỏa mãn yêu cầu ≥ 0,6 Ngoài ra, hệ số tương quan biến – tổng của các biến quan sát đều đạt ≥ 0,3, cho thấy thang đo của các nhóm nhân tố đã đáp ứng được độ tin cậy Các biến quan sát và nhân tố này sẽ được giữ lại cho bước phân tích tiếp theo.

KIỂM ĐỊNH THANG ĐO BẰNG CFA

4.4.1 Kết quả kiểm định phân tích nhân tố khẳng định CFA

Kết quả phân tích nhân tố khẳng định CFA lần thứ nhất cho thấy các chỉ số mô hình đạt yêu cầu, như trình bày trong phụ lục A.6 Tuy nhiên, để kiểm định độ tin cậy tổng hợp, tính hội tụ và tính phân biệt của thang đo, cần loại bỏ một số biến nhằm đảm bảo tính chính xác của mô hình.

Bảng 4.5 Kết quả độ phù hợp mô hình trong phân tích CFA lần thứ nhất

Các chỉ số đánh giá Tiêu chuẩn Mô hình Đánh giá

CMIN/df ≤ 3 là tốt, ≤ 5 là chấp nhận được 1,883 Đạt

≥ 0,9 là tốt, ≥ 0,95 là rất tốt, ≥ 0,8 là chấp nhận được

≥ 0,9 là tốt, ≥ 0,95 là rất tốt, ≥ 0,8 là chấp nhận được

≤ 0,06 là tốt, ≤ 0,08 là chấp nhận được

Các chỉ số đánh giá Tiêu chuẩn Mô hình Đánh giá

≥ 0.05 là tốt, PCLOSE ≥ 0.01 là chấp nhận được

Để đảm bảo tính hội tụ và phân biệt của thang đo, cần loại bỏ các biến HS3, HS7 và DM2 Kết quả cuối cùng của mô hình CFA được trình bày trong Bảng 4.6, thể hiện độ phù hợp của mô hình trong phân tích CFA.

Các chỉ số đánh giá Tiêu chuẩn Mô hình Đánh giá

CMIN/df ≤ 3 là tốt, ≤ 5 là chấp nhận được 1,996 Đạt

≥ 0,9 là tốt, ≥ 0,95 là rất tốt, ≥ 0,8 là chấp nhận được

≥ 0,9 là tốt, ≥ 0,95 là rất tốt, ≥ 0,8 là chấp nhận được

≤ 0,06 là tốt, ≤ 0,08 là chấp nhận được

≥ 0.05 là tốt, PCLOSE ≥ 0.01 là chấp nhận được

Mô hình đã đảm bảo mức độ phù hợp với dữ liệu

Hình 4.1 Kết quả CFA của mô hình nghiên cứu

4.4.2 Kiểm định độ tin cậy tổng hợp, tính hội tụ và tính phân biệt của thang đo

Kết quả kiểm định độ tin cậy tổng hợp cho thấy thang đo không đạt yêu cầu về giá trị hội tụ đối với hai nhân tố “Kỳ vọng về hiệu suất” và “Tính đổi mới” khi cả hai đều dưới 0,5 Để cải thiện giá trị hội tụ lên mức tối thiểu 0,5, cần loại bỏ các biến quan sát HS3, HS7 và DM2 do có hệ số tác động thấp.

Độ tin cậy tổng hợp là chỉ số đánh giá mức độ nhất quán và tin cậy của các biến quan sát trong việc đo lường một nhân tố Chỉ số CR của thang đo dao động từ 0,760 đến 0,856, vượt ngưỡng 0,7, cho thấy thang đo này đạt được độ tin cậy cao.

Tính hội tụ phản ánh mức độ liên quan chặt chẽ giữa các biến quan sát trong việc đo lường cùng một nhân tố Hệ số tải chuẩn hóa của các biến quan sát lên nhân tố, với chỉ số AVE dao động từ 0,502 đến 0,716 (≥ 0,5), đã đáp ứng yêu cầu về tính hội tụ.

Tính phân biệt là yếu tố quan trọng trong việc đảm bảo rằng các thang đo trong mô hình thực sự khác biệt và phản ánh các khái niệm riêng biệt.

So sánh phương sai chia sẻ lớn nhất MSV < AVE thì mô hình đạt đính phân biệt

Kết quả kiểm định độ tin cậy tổng hợp, tính hội tụ và tính phân biệt của thang đo đã đạt được trình bày bảng bên dưới

Bảng 4.7 Kết quả kiểm định độ tin cậy tổng hợp và giá trị hội tụ của thang đo

CR AVE MSV MaxR(H) HS XH NL TL DM RT YD

KIỂM ĐỊNH MÔ HÌNH CẤU TRÚC SEM

Mô hình nghiên cứu đề xuất bao gồm biến độc lập, biến trung gian, biến phụ thuộc và biến điều tiết Cấu trúc giữa các biến này không quá phức tạp, cho phép áp dụng mô hình cấu trúc SEM chung Biến điều tiết là biến định lượng và cần được xử lý trước khi đưa vào mô hình cấu trúc SEM tổng hợp.

4.5.1 Mô hình cấu trúc SEM khi không có biến điều tiết

Bảng 4.8 Kết quả độ phù hợp mô hình trong phân tích CFA lần thứ hai

Các chỉ số đánh giá Tiêu chuẩn Mô hình Đánh giá

CMIN/df ≤ 3 là tốt, ≤ 5 là chấp nhận được 2,130 Đạt

≥ 0,9 là tốt, ≥ 0,95 là rất tốt, ≥ 0,8 là chấp nhận được

TLI ≥ 0,9 là tốt 0,897 Chưa đạt

≥ 0,9 là tốt, ≥ 0,95 là rất tốt, ≥ 0,8 là chấp nhận được

≤ 0,06 là tốt, ≤ 0,08 là chấp nhận được

≥ 0.05 là tốt, PCLOSE ≥ 0.01 là chấp nhận được

Các chỉ số đánh giá PCLOSE, TLI không đạt theo yêu cầu nhưng mô hình vẫn còn có thể sử dụng để đánh giá

Hình 4.2 Kết quả SEM của mô hình nghiên cứu khi không có biến điều tiết

Kết quả ước lượng (chuẩn hóa) các khái niệm không có biến điều tiết được trình bày chi tiết trong Bảng 4.9

Bảng 4.9 Mối quan hệ giữa các khái niệm trong mô hình nghiên cứu không có biến điều tiết

4.5.2 Mô hình cấu trúc SEM khi có biến điều tiết

Bảng 4.10 Kết quả độ phù hợp mô hình trong phân tích CFA có biến điều tiết

Các chỉ số đánh giá Tiêu chuẩn Mô hình Đánh giá

CMIN/df ≤ 3 là tốt, ≤ 5 là chấp nhận được 1,945 Đạt

≥ 0,9 là tốt, ≥ 0,95 là rất tốt, ≥ 0,8 là chấp nhận được

TLI ≥ 0,9 là tốt 0,890 Chưa đạt

≥ 0,9 là tốt, ≥ 0,95 là rất tốt, ≥ 0,8 là chấp nhận được

≤ 0,06 là tốt, ≤ 0,08 là chấp nhận được

≥ 0.05 là tốt, PCLOSE ≥ 0.01 là chấp nhận được

Các chỉ số đánh giá PCLOSE, TLI không đạt theo yêu cầu nhưng mô hình vẫn còn có thể sử dụng để đánh giá

Hình 4.3 Kết quả SEM của mô hình nghiên cứu khi có biến điều tiết

Kết quả ước lượng (chuẩn hóa) các khái niệm có biến điều tiết được trình bày chi tiết trong Bảng 4.11

Bảng 4.11 Mối quan hệ giữa các khái nghiệm trong mô hình nghiên cứu khi có biến điều tiết

(Trong đó: Estimate: hệ số tác động; S.E: sai số; C.R: giá trị kiểm định t; P: giá trị p- value; ***: P < 0,001)

4.5.3 Kết quả kiểm định các giả thuyết trong mô hình nghiên cứu

Bảng 4.12 Kết quả kiểm định giả thuyết trong mô hình nghiên cứu

Giả thuyết Mối quan hệ Hệ số hồi quy chuẩn hóa P Kết quả

Kỳ vọng về hiệu suất ảnh hưởng tích cực đến ý định sử dụng AI

Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam

Kỳ vọng về nỗ lực ảnh hưởng tích cực đến ý định sử dụng AI

Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam

H3 Ảnh hưởng xã hội ảnh hưởng tích cực đến ý định sử dụng AI

Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam

Giả thuyết Mối quan hệ Hệ số hồi quy chuẩn hóa P Kết quả

H4 Điều kiện thuận lợi ảnh hưởng tích cực đến ý định sử dụng AI

Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam

Mối quan tâm về quyền riêng tư ảnh hưởng tích cực đến ý định sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt

H6 Tính đổi mới ảnh hưởng tích cực đến yếu tố kỳ vọng về hiệu suất 0,435 *** Ủng hộ

H7 Tính đổi mới ảnh hưởng tích cực đến yếu tố kỳ vọng về nỗ lực 0,020 0,637 Không ủng hộ

Sự nhân hóa đóng vai trò quan trọng trong việc điều tiết mối quan hệ giữa kỳ vọng về hiệu suất và ý định sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam Điều này cho thấy rằng khi AI Chatbot được thiết kế để tương tác một cách tự nhiên và thân thiện, khách du lịch sẽ có xu hướng tin tưởng và sẵn sàng sử dụng dịch vụ hơn.

Sự nhân hóa đóng vai trò quan trọng trong việc điều chỉnh mối quan hệ giữa kỳ vọng về nỗ lực và ý định sử dụng AI Chatbot trong dịch vụ lưu trú của khách du lịch tại Việt Nam Việc cá nhân hóa trải nghiệm người dùng thông qua AI Chatbot có thể nâng cao sự hài lòng và thúc đẩy quyết định sử dụng dịch vụ Khách du lịch ngày càng mong đợi sự tương tác thân thiện và hiệu quả từ các công nghệ hỗ trợ, làm cho sự nhân hóa trở thành yếu tố then chốt trong việc phát triển dịch vụ lưu trú.

Ngày đăng: 29/11/2024, 16:00

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w