4.1.1, CHAP NHAN SU DUNG CONG NGHE VA TAM LY NGUOI DUNG
4.12. CHÁT LƯỢNG HỆ THÓNG VÀ TRẢI NGHIỆM KHÁCH HÀNG
Đánh giá hiệu quả của các hệ thống AI dựa trên các yếu tố chất lượng cũng dan tré thành một lĩnh vực nghiên cứu đáng chú ý. Các mô hình, khung lý thuyết giúp đo lường cụ thê, đánh giá sâu sắc hơn cách khách hàng tương tác với hệ thống qua từng giai đoạn, tại các điểm chạm trong hành trình để hướng đến cải thiện chất lượng hệ thông, nâng cao trải nghiệm khách hàng.
Mô hình Hành trình Khách hàng (Customer Journey Model) là cơ sở làm rõ cách AI ảnh hưởng đến trải nghiệm của khách hàng, mô hình được sử dụng dé phan tich cac điểm chạm va trải nghiệm của khách hàng trong suốt quá trình tương tác với doanh nghiệp. Hoyer vả cộng sự (2020) nhân mạnh rằng các công nghệ mới, đặc biệt là AI, đang thay đổi cách khách hàng trải nghiệm dịch vụ. Họ chia hành trình khách hàng thành ba giai đoạn: Trước khi giao dịch (Pre- Transaction), Giao dịch (Transaction) và Sau khi giao dịch (Post-Transaction), và thảo luận cách AI ảnh hưởng đến mỗi giai đoạn.
Mô hình Hệ thống Thông tin Thành công của DeLone và MeLean (DeLone and MeLean 1S Suecess Model) đóng vai trò quan trọng trong việc đánh giá hiệu quả của các hệ thống AI Mô hình này bao gồm ba yếu tô chính: chất lượng hệ thống (System Quality), chất lượng thông tin 23
(Information Quality), và chất lượng dịch vụ (Service Quality), mỗi yếu tố đều ảnh hưởng trực tiếp đến sự hài lòng và CX.
Lý thuyết về Nhân hóa (Anthropomorphism) và hiện diện xã hội (Social Presence) dong vai trò then chốt trong việc cải thiện tương tác giữa khách hàng và các hệ thống AI. Việc thiết kế AI để gợi lên cảm giác như đang tương tác với một thực thể con người có thê tăng cường sự hài lòng, lòng tin và ý định tiếp tục sử dụng dịch vụ của khách hàng.
Nhân hóa (Anthropomorphism) đề cập đến việc gán cho các thực thể không phải con người các đặc điểm, tính cách và hành vi giống con người. Park và cộng sự (2024) đã nghiên cứu tác động của nhân hóa trong chatbot AI đến sự hài lòng của khách hàng trong ngành tài chính.
Họ phát hiện rằng nhân hóa thông qua ngôn ngữ, giọng nói và cách giao tiếp của chatbot tạo ra cảm giác như đang tương tác với một nhân viên thực sự, tăng cường nhận thức về tính hữu ích và tinh dé str dung. Két quả phân tích cho thấy nhân hóa có tác động đáng kê đến nhận thức về tính dễ sử dụng (Beta = 0.49) và nhận thức về tính hữu ích (Beta = 0.35), từ đó nâng cao sự hài lòng và ý định tiếp tục sử dụng dịch vụ.
Lý thuyết Hiện diện Xã hội (Social Presence Theory - SPT) giải thích rằng cảm giác hiện diện xã hội trong tương tác có thê ảnh hưởng đến mức độ hải lòng và hiệu quả giao tiếp. Xie và cộng sự (2023) đã áp dụng SPT để nghiên cứu ảnh hưởng của hài hước được chatbot thê hiện đến sự hài lòng dịch vụ của khách hàng trong dịch vụ trực tuyến. Họ phát hiện rằng khi chatbot sử dụng hài hước, khách hàng cảm nhận được mức độ hiện diện xã hội cao hơn, tạo ra trải nghiệm tích cực hơn. Trong thí nghiệm, khách hàng tương tác với chatbot hài hước thê hiện mức độ hài lòng dịch vụ cao hon so với chatbot không sử dụng hải hước, với mức tăng trung bình 15% trong điểm hài lòng. Điều này cho thấy rằng việc tăng cường hiện diện xã hội thông qua các yêu tổ nhự hài hước có thê cải thiện CX.
Khai niém Ty déng Hoa Hién dién X4 hoi (Automated Social Presence - ASP) được đề xuất bởi Liao và cộng sự (2024) nhằm mô tả cảm nhận của người dùng về sự hiện điện xã hội trong tương tác với các hệ thông AI Họ phát triển thang đo ASP dựa trên hai thành phần chính:
chức năng (Funetionalism) và nhân hóa (Anthropomorphism), và xác định năm yếu tố của ASP:
sự thân thiện xã hội, đồng cảm, khả năng phản hồi, đa dạng hóa giao tiếp, và năng lực. Nghiên cứu với 1.027 người tham gia cho thấy ASP có độ tin cậy cao (Cronbachˆs alpha đạt 0.9) và khả năng giải thích tốt các bién số liên quan đến CX.
24
4.1.3. SU BONG CAM TRONG TUONG TAC AI
Kha năng tích hợp các yếu tố cảm xúc, cho hệ thống AI nhận biết, phản hồi, thê hiện cảm xúc đã thúc đây sự phát triển của lý thuyết và nghiên cứu tập trung vào khía cạnh nảy.
Lý thuyết Lay lan Cam xtc (Emotional Contagion Theory) giải thích cách cảm xúc có thê được truyền từ một thực thê sang thực thể khác, tạo ra sự đồng cảm và hiểu biết lẫn nhau. Xie và cộng sự (2023) áp dụng lý thuyết này để nghiên cửu ảnh hưởng của hài hước được chatbot thé hiện đến sự hài lòng dịch vụ của khách hàng trong dịch vụ trực tuyên. Họ phát hiện rằng khi chatbot sử dụng hài hước, khách hàng cảm nhận được mức đệ giải trí và hiện diện xã hội cao hơn, dẫn đến trải nghiệm tích cực hơn. Trong một loạt thí nghiệm, khách hàng tương tac voi chatbot hải hước thể hiện mức độ hài lòng dịch vụ cao hơn so với chatbot không sử dụng hải hước, với mức tăng trung bình 15% trong điểm hài lòng. Điều này cho thấy rằng việc tích hợp hài hước vào AI có thê kích hoạt lây lan cảm xúc tích cực, cải thiện CX.
Chăm sóc Khách hàng với AI Cam xuc (Feeling AI in Customer Care) 14 khai niệm được phát triển bởi Huang và Rust (2024), trong đỏ họ đề xuất một hành trình chăm sóc khách hàng dựa trên khả năng trí tuệ nhân tạo cảm xúc để giải quyết các vấn đề và nhu cầu về mặt cảm xúc trong tương tác với khách hàng. Mô hình này gồm bốn giai đoạn:
Nhan dién cam xuc (Emotion Recognition): AI xác định chính xác cảm xúc của khách hàng từ dữ liệu như ngôn ngữ, biểu cảm khuôn mặt và giọng nói. Ví dụ, một chatbot của hãng hàng không sử dụng cảm biến để nhận điện khách hàng buôn bã và đưa ra các thông điệp đồng cảm.
Hiểu cảm xúc (Emotion Understanding): AI không chỉ nhận điện mà còn đồng cảm với cảm xúc của khách hàng, thê hiện khả năng hiểu biết sâu sắc va chia sẻ cảm xúc. Điều này giúp tạo ra kết nối cảm xúc mạnh mẽ hơn và cải thiện sự hài lòng của khách hàng.
Quan ly cảm xúc (Emotion Management): AI cung cấp các giải pháp giúp khách hang kiêm soát cảm xúc vả giải quyết cdc van dé liên quan. Ví dụ, đề xuất chỗ ngôi yên tĩnh hoặc ưu tiên lên máy bay cho khách hàng đang trải qua thời gian khó khăn.
25
Kết nối cam xc (Emotional Connection): Tao dyng mdi lién kết cảm xúc mạnh mẽ giữa khách hàng và thương hiệu, nâng cao long trung thành và giá trị lâu dài Huang va Rust (2024) cho thấy rằng doanh nghiệp sử dung AI dé cai thiện sự hải lòng về cảm xúc cho khách hàng đã tăng mức độ hài lòng và lòng trung thành lên 52% so với khách hàng chỉ hài lòng với dịch vụ thông thường.
4.1.4. CÂN BẰNG RỦI RO VÀ LỢI ÍCH SỬ DỤNG
Các lý thuyết và mô hình liên quan đến niềm tin, cam kết của khách hàng đối với công nghệ AI cũng được xem xét đến. Một mặt, khách hang mong muốn tận dụng lợi ích từ các hệ thống thông minh như cá nhân hóa và tự động hóa; mặt khác, họ cũng phải đối mặt với những lo ngại về quyền riêng tư và sự xâm phạm dữ liệu. Những lý thuyết tập trung lảm rõ các yếu tô thúc đây niềm tin, kỳ vọng và sự cam kết, giúp doanh nghiệp xây dựng và duy trì mối quan hệ bền chặt với khách hàng trong môi trường công nghệ hiện đại.
Lý thuyết Trao đối Xã hội (Social Exchange Theory) cho rằng mối quan hệ giữa các cá nhân (hoặc giữa khách hàng và doanh nghiệp) được xây dựng trên cơ sở trao đổi lợi ích và chỉ phí. Khách hàng sẽ tiếp tục tương tác với doanh nghiệp nêu họ cảm thấy lợi ích nhận được vượt trội so với chỉ phí bỏ ra. Trong bối cảnh AI, Singh và Singh (2024) đã nghiên cứu cách dịch vụ khách hàng dựa trên AI ảnh hưởng đến hiệu quả cảm nhận và sự hài lòng của khách hàng, từ đó tác động đến lòng trung thành của khách hàng. Họ phát hiện rằng dịch vụ khách hàng AI tăng cường hiệu quả cảm nhận (Beta = 0.95) và sự hải lòng của khách hàng (Beta = 0.91), cho thấy khách hàng cảm thay lợi ích nhận được từ việc sử dụng AI vượt trội so với chi phí hoặc rủi ro.
Điều này dẫn đến tăng cường lòng trung thành của khách hàng, với sự hai lòng có tác động mạnh đến lòng trung thành (Beta = 1.05).
Lý thuyết Cam kết-Tin cậy (Commitment-Trust Theory - CTT) của Morgan va Hunt (1994) nhấn mạnh rằng niềm tin và cam kết là hai yếu tố then chốt trong mối quan hệ lâu dải giữa khách hàng và doanh nghiệp. Khi khách hàng tin tưởng vào doanh nghiệp và cam kết với mối quan hệ, họ có xu hướng duy trì và phát triên mối quan hệ đó. Nguyen và cộng sự (2022) áp dung CTT dé nghiên cửu ảnh hưởng của chất lượng AI đến nhận diện thương hiệu và ủng hộ thương hiệu. Họ phát hiện rằng chất lượng thông tin và chất lượng hệ thống của AI tăng cường trải nghiệm đòng chảy, từ đỏ nâng cao nhận điện thương hiệu và thúc đây ủng hộ thương hiệu.
26
Kết quả cho thấy trải nghiệm dòng chảy có tác động mạnh đến nhận diện thương hiệu (Beta = 0.201) và ủng hộ thương hiệu, củng cô vai trò của niềm tin và cam kết trong mối quan hệ khách hàng - thương hiệu khi sử dụng AI.
Lý thuyết Xác nhận Kỷ vọng (Expectation-Confirmation Theory - ECT) eta Oliver (1980) giải thích rằng sự hải lòng của khách hàng phụ thuộc vào mức độ mà kỳ vọng ban đầu của họ được xác nhận hoặc vượt qua sau khi trải nghiệm sản phẩm hoặc dịch vụ. Brill và cộng sự (2019) đã sử dụng ECT để đánh giá sự hài lòng của khách hàng khi sử dụng trợ lý ảo AI như Siri, Alexa va Google Assistant. Ho phát hiện rằng kỳ vọng và xác nhận kỳ vọng có ảnh hưởng đáng kê đến sự hài lòng (Beta = 0.67). Khi hiệu suất thực tế của trợ lý ảo đáp ứng hoặc vượt qua kỳ vọng ban đầu, khách hàng cảm thấy hài lòng hơn và có xu hướng tiếp tục sử dụng dịch vụ.
Lý thuyết Nghịch lý (Paradox Theory) giải thích sự tổn tại đồng thời của các yêu tố mâu thuẫn trong một hệ thống hoặc trải nghiệm. Trong bối cảnh AI, khách hàng có thê trải qua nghịch lý quyên riêng tư (Privacy Paradox), khi họ mong muốn tận đụng lợi ích từ các dịch vụ cá nhân hóa dựa trên dữ liệu, nhưng đồng thời lo ngại về việc chia sẻ thông tin cá nhân. Hoyer và cộng sự (2020) đã đề cập đến nghịch lý này trong nghiên cứu về tác động của AI đến hành vỉ người tiêu dùng và tương lai của CX. Họ nhân mạnh rằng mặc dù AI có khả năng cải thiện trải nghiệm
thông qua cá nhân hóa và dự đoán nhụ cầu, nhưng việc thu thập và sử dụng đữ liệu cá nhân có thê gây ra lo ngại về quyên riêng tư và bảo mật. Khách hàng phải cân nhắc giữa lợi ích nhận được và rủi ro tiềm ấn, dẫn đến sự mâu thuẫn trong hành vi và thái độ.
4.1.5. KHAI THÁC DỮ LIỆU, PHAN TICH, THIET KE
Việc sử dụng đữ liệu lớn và phân tích hành vi đã trở thành một phần không thê thiếu trong việc nâng cao trải nghiệm người dùng và tối ưu hóa hoạt động kinh doanh. Các lý thuyết và mô hình trong lĩnh vực đữ liệu và phân tích hành vi khách hàng ngày càng trở thành nền tảng để phat trién các giải pháp công nghệ AI tiên tiễn, chúng tập trung vào việc khai thác sức mạnh của dữ liệu để hiểu rõ hơn về nhu cầu và hành vi của khách hảng, từ đó tối ưu hóa quy trình thiết kế sản phẩm và dịch vụ
Quan điểm Dựa trên Nguồn lực (RBV) cho rang lợi thế cạnh tranh của doanh nghiệp xuất phát từ việc sở hữu và khai thác các nguồn lực độc đáo và khó sao chép. Trong bối cảnh AI, 27
Hossain và cộng sự (2021) đã áp dụng RBV để nghiên cứu vai trò của năng lực phân tích khách hàng dựa trên AI (Al-based Customer Analytics Capability) trong việc tạo ra lợi thế cạnh tranh.
Họ phát hiện rằng việc tích hợp AI vào phân tích khách hàng giúp doanh nghiệp thu thập, xử ly và phân tích dữ liệu khách hàng một cách hiệu quả hơn, từ đó hiểu rõ hơn về hành vi, sở thích va nhu cầu của khách hàng. Kết quả nghiên cứu cho thấy các doanh nghiệp có năng lực phân tích khách hàng dựa trên AI cao có khả năng cải thiện hiệu quả tiếp thị lên đến 30%, đồng thời tăng lòng trung thành của khách hàng và giá trị trọn đời của khach hang (Customer Lifetime Value).
Lý thuyết Lắp ráp (Assemblage Theory) tập trung vào cách các thành phần khác nhau (con người, công nghệ, quy trình) được kết hợp đề tạo ra các thực thê mới với tính chất và khả năng mới. Wang và cộng sự (2024) đã áp dụng Lý thuyết Lắp ráp dé phat triển một thang đo mới đánh giá CX với sản phẩm tích hợp AI (AI-embedded Product Experience). Họ nhân mạnh rằng CX không chỉ đến từ việc sử dụng sản phẩm mà còn từ sự tương tác đồng sáng tạo giữa con người và đối tượng thông minh. Các yếu tố như trải nghiệm thu thập dữ liệu, trải nghiệm phân loại, trải nghiệm ủy quyền, trải nghiệm xã hội và trải nghiệm nhân hóa đều đóng góp vào việc định hình CX trong bối cảnh AL Ví du, Amazon Alexa là một sản phẩm tích hợp AI cho phép khách hàng tương tác thông qua giọng nói dé thực hiện các tác vụ nhự điều khién thiét bi thông minh trong nhà, truy cập thông tin và giải trí.
Lý thuyết Kích thích-Tổ chức-Phản ứng (SOR) là một khung lý thuyết trong tâm lý học môi trường, giải thích cách một kích thích (Stimulus) từ môi trường ảnh hưởng đến trạng thái nội tại của cá nhân (Organism), từ đó dẫn đến phản ứng (Response) về mặt hành vi. Trong bối cảnh AI và CX, Omeish và cộng sự (2024) đã áp dụng lý thuyết SOR đề nghiên cứu tác động của AI trong tiếp thị truyền thông xã hội đến trải nghiệm người dùng (UX) của thế hệ Millennials tại Jordan. Cỏc cụng nghệ AI như thực tế tăng cường (AR), inẹueneer ảo (Virtual Influencers - VI) và chatbots được xem là các kích thích, ảnh hưởng đến trạng thái cảm xúc và nhận thức của khách hàng. từ đó đẫn đến các phản ứng như sự hải lòng, lòng tin và ý định mua hàng. Kết quả nghiên cứu cho thấy AR có tác động tích cực đáng kê đến UX với Beta = B = 0.41, VI tăng cảm nhận về độ tin cậy và khả năng gắn kết khách hàng (B = 0.37), và chatbots đóng vai trò quan trọng trong việc nâng cao sự hải lòng khách hàng (B = 0.43).
Mô hình AIDA trong Tiếp thị (Attention, Interest, Destre, Action) mô tả các giai đoạn mà một khách hàng tiềm năng trải qua trước khi thực hiện hành động mua hàng. AI có thể được sử
28
dụng đề tối ưu hóa từng giai đoạn trong mô hình AIDA. Reddy va Reddy (2022) đã thảo luận về cách AI trong tiếp thị kỹ thuật số giúp thu hút sự chú ý (Attention) thông qua cá nhân hóa nội dung, tạo sự quan tâm (Interest) bằng cách cung cấp thông tin phù hợp, kích thích mong muốn (Desire) bằng cách đề xuất sản phẩm dựa trên sở thích cá nhân, và thúc đây hành động (Action) thông qua trải nghiệm mua sắm mượt mà. Ví dụ, các nền tảng thương mại điện tử sử dụng AI để phân tích hành vi duyệt web của người dùng, từ đó hiển thị quảng cáo và đề xuất sản phẩm phù
hợp, tăng tỷ lệ chuyển đổi lên đến 20%.
Mô hình Neuro-Fuzzy kết hợp giữa mạng nơ-ron nhân tạo và logic mờ (fuzzy logic) để xử lý đữ liệu không chắc chắn và phức tạp. Trong lĩnh vực dự đoán hành vi khách hàng, Banu và cộng sự (2022) đã sử dụng mô hình Neuro-Fuzzy trong việc phat trién hệ thống dự đoán rời bỏ khách hàng (Customer Churn Prediction) trong ngành viễn thông. Bằng cách xử lý đữ liệu không tuyến tính và không chắc chắn, mô hình Neuro-Fuzzy cải thiện độ chính xác của dự đoán. Kết quả thử nghiệm trên ba bộ dữ liệu cho thay mô hình đạt độ chính xác lên đến 97.5%, giúp doanh nghiệp dự đoán chính xác khách hàng có nguy cơ rời bỏ và đưa ra các chiến lược giữ chân phù hợp.
Khung Thiết kê Tư duy (Design Thinking Framework) là một phương pháp tiếp cận sáng tao va lay người dùng làm trung tâm, bao gồm các giai đoạn: Thấu hiểu (Empathize), Xác định (Define), Tao ý tưởng (Ideate), Nguyên mẫu (Prototype), và Kiêm thử (Test). Al-Sa'di va Miller (2023) đã sử đụng khung Thiết kế Tư duy để tích hợp AI Language Model như ChatGPT vào quy trình thiết kế sản phẩm, nhằm tăng cường tính sáng tạo, hiệu quả và sự hai lòng của người dùng. Trong giai đoạn Thấu hiệu, ChatGPT hỗ trợ thu thập và tổng hợp phản hồi từ khách hàng.
Trong giai đoạn Tạo ý tưởng, AI giúp tạo ra các ý tưởng thiết kế mới dựa trên nhu cầu người dùng vả bối cảnh thực tế. Kết quả cho thấy ChatGPT đã cải thiện đáng kê giao điện người dùng, rút ngắn thời gian thiết kế, và tăng mức độ hài lòng của người dùng thông qua các nguyên mẫu thiết kế được tối ưu hóa.