Tổng quan về luận án

Luận án "Các yếu tố ảnh hưởng đến việc chấp nhận thông tin truyền khẩu điện tử của người tiêu dùng tại Thành phố Hồ Chí Minh" của NCS. Đinh Hùng là một công trình nghiên cứu tiên phong trong lĩnh vực Quản trị Kinh doanh, chuyên sâu về hành vi người tiêu dùng trong kỷ nguyên số. Nghiên cứu ra đời trong bối cảnh thông tin truyền khẩu điện tử (eWOM) ngày càng trở thành một yếu tố then chốt ảnh hưởng đến quyết định mua sắm của người tiêu dùng, với "92% người tiêu dùng đọc các đánh giá về hàng hóa trước khi mua hàng; 63% người tiêu dùng mua hàng từ các website có thêm mục đánh giá của người dùng" (Charlton, 2015). Đặc biệt, tại Việt Nam, "89% tin vào các khuyến nghị từ gia đình và bạn bè, ngoài ra, có khoảng 70% tin vào các thông tin eWOM được lan truyền trực tuyến" (Nielsen, 2015). Tuy nhiên, sự bùng nổ của eWOM cũng đặt ra những thách thức mới như tình trạng quá tải thông tin, ảnh hưởng của yếu tố xã hội, và sự hoài nghi về tính xác thực của thông tin.

Research Gap Cụ Thể: Luận án chỉ ra một khoảng trống nghiên cứu quan trọng trong lĩnh vực eWOM tại Việt Nam: "Theo hiểu biết của tác giả, tại Việt Nam, chưa có nghiên cứu về các yếu tố ảnh hưởng đến việc chấp nhận thông tin truyền khẩu điện tử có xem xét đến ảnh hưởng của sự quá tải thông tin, ảnh hưởng của xã hội và ảnh hưởng của sự hoài nghi đến việc chấp nhận thông tin truyền khẩu điện tử" (Chương 1, mục 1.1). Các nghiên cứu trước thường chỉ tập trung vào chất lượng thông tin và độ tin cậy của nguồn tin (Sussman & Siegal, 2003; Cheung, Lee & Rabjohn, 2008), hoặc mức độ liên quan với người gửi (Shen, Zhang & Zhao, 2016). Đặc biệt, ít có nghiên cứu về ảnh hưởng của sự quá tải thông tin (Luo và cộng sự, 2013) và sự hoài nghi (Sher & Lee, 2009) trong ngữ cảnh này.

Research Questions và Hypotheses: Luận án đề xuất ba câu hỏi nghiên cứu chính:

  1. Xác định mối quan hệ giữa các yếu tố thông tin, yếu tố xã hội và yếu tố hoài nghi đến việc chấp nhận thông tin eWOM của người tiêu dùng tại Thành phố Hồ Chí Minh như thế nào?
  2. Đo lường mức độ tác động của các mối quan hệ giữa các yếu tố thông tin, yếu tố xã hội và yếu tố hoài nghi đến việc chấp nhận thông tin eWOM của người tiêu dùng tại Thành phố Hồ Chí Minh như thế nào?
  3. Những hàm ý quản trị nào có thể đề xuất căn cứ vào kết quả nghiên cứu?

Để trả lời các câu hỏi này, luận án xây dựng 11 giả thuyết cụ thể (tóm tắt trong Bảng 3.18, Chương 3):

  • H1: Chất lượng thông tin eWOM có tác động tích cực đến Cảm nhận sự hữu dụng của thông tin eWOM.
  • H2: Độ tin cậy của nguồn tin có tác động tích cực đến Cảm nhận sự hữu dụng của thông tin eWOM.
  • H3: Cảm nhận sự hữu dụng có tác động tích cực đến việc Chấp nhận thông tin eWOM.
  • H4: Cảm nhận tính dễ sử dụng có tác động tích cực đến Cảm nhận sự hữu dụng của thông tin eWOM.
  • H5: Cảm nhận tính dễ sử dụng có tác động tích cực đến việc Chấp nhận thông tin eWOM.
  • H6a: Xếp hạng thông tin hàng hóa có tác động tích cực đến Cảm nhận tính dễ sử dụng của thông tin eWOM.
  • H6b: Xếp hạng thông tin hàng hóa có tác động tích cực đến Cảm nhận độ tin cậy của thông tin eWOM.
  • H7: Cảm nhận độ tin cậy của thông tin eWOM có tác động tích cực đến việc Chấp nhận thông tin eWOM.
  • H8: Cảm nhận mức độ che dấu danh tính của người gửi thông tin có tác động tiêu cực đến Cảm nhận độ tin cậy của thông tin eWOM.
  • H9: Cảm nhận về động cơ gửi thông tin eWOM có tác động tiêu cực đến Cảm nhận độ tin cậy của thông tin eWOM.
  • H10: Chất lượng thông tin eWOM có tác động tích cực đến Cảm nhận độ tin cậy của thông tin eWOM.
  • H11: Độ tin cậy của nguồn tin có tác động tích cực đến Cảm nhận độ tin cậy của thông tin eWOM.

Theoretical Framework: Luận án xây dựng một khung lý thuyết tích hợp mạnh mẽ, mở rộng Mô hình Chấp nhận Thông tin (Information Adoption Model - IAM) của Sussman & Siegal (2003). Khung nghiên cứu này được phát triển dựa trên việc vận dụng hai lý thuyết nền tảng chính: Lý thuyết Hành động Hợp lý (Theory of Reasoned Action - TRA) và Lý thuyết Hành vi Dự định (Theory of Planned Behavior - TPB) của Fishbein & Ajzen (1980, 1985), cùng với Lý thuyết Giao tiếp Xã hội (Social Communication Theory) của Hovland (1948). Bên cạnh đó, các lý thuyết như Mô hình Chấp nhận Công nghệ (Technology Acceptance Model - TAM) của Davis (1986), Mô hình Triển vọng Đánh giá Kỹ lưỡng (Elaboration Likelihood Model - ELM) của Petty & Cacioppo (1986) và Lý thuyết Bất hòa Nhận thức (Cognitive Dissonance Theory - CDT) của Festinger (1968), Lý thuyết Thích ứng Xã hội (Dual Process of Conformity Theory) của Deutsch & Gerard (1955) cũng được sử dụng để xây dựng và làm rõ các mối quan hệ trong mô hình.

Đóng góp Đột Phá với Quantified Impact: Luận án cung cấp các đóng góp đột phá đáng kể:

  1. Tích hợp khung lý thuyết toàn diện: Luận án là một trong những nghiên cứu đầu tiên tại Việt Nam tích hợp mô hình IAM với TRA/TPB và Lý thuyết Giao tiếp Xã hội để xây dựng một mô hình chấp nhận eWOM toàn diện, giải quyết các yếu tố thông tin, xã hội và hoài nghi. Điều này làm tăng mức độ giải thích của mô hình lên 69.3% phương sai của biến "Chấp nhận thông tin eWOM" (R2 = 0.693, Bảng 4.21), vượt trội so với mức 42.5% của mô hình IAM gốc (Phụ lục 11).
  2. Khám phá vai trò của "Cảm nhận tính dễ sử dụng của thông tin eWOM" trong ngữ cảnh quá tải thông tin: Luận án đã chứng minh rằng "Cảm nhận tính dễ sử dụng của thông tin eWOM" có tác động trực tiếp và mạnh mẽ nhất (β = 0.494, p < 0.000, Bảng 4.23) đến việc "Chấp nhận thông tin eWOM". Đây là một đóng góp mới, lấp đầy khoảng trống nghiên cứu về hành vi của người tiêu dùng khi đối mặt với quá tải thông tin eWOM, đặc biệt quan trọng trong thời đại số.
  3. Định lượng ảnh hưởng của sự hoài nghi (Skepticism): Bằng cách đưa vào "Cảm nhận mức độ che dấu danh tính" và "Cảm nhận động cơ người gửi", luận án đã định lượng được tác động tiêu cực của chúng lên "Cảm nhận độ tin cậy của thông tin eWOM" (β = -0.109 và β = -0.135 tương ứng, p < 0.000, Bảng 4.23), từ đó gián tiếp làm giảm sự chấp nhận eWOM. Điều này cung cấp bằng chứng thực nghiệm quan trọng cho các nhà hoạch định chính sách và doanh nghiệp trong cuộc chiến chống lại thông tin "Fake eWOM".
  4. Phát triển thang đo phù hợp với bối cảnh Việt Nam: Thông qua quy trình nghiên cứu định tính và định lượng chặt chẽ (phỏng vấn 7 chuyên gia, 10 thành viên nhóm thảo luận, khảo sát sơ bộ N=50, khảo sát chính thức N=522), luận án đã điều chỉnh và xác nhận tính tin cậy, giá trị của thang đo cho các khái niệm mới trong ngữ cảnh văn hóa và kinh tế Việt Nam.

Scope và Significance: Phạm vi nghiên cứu tập trung vào người tiêu dùng tại Thành phố Hồ Chí Minh, một trong những trung tâm thương mại lớn của Việt Nam với dân số đa dạng và tỷ lệ sử dụng Internet cao. Dữ liệu khảo sát được thu thập từ 522 đáp viên trong khoảng thời gian từ tháng 04/2019 đến tháng 09/2019. Luận án mang ý nghĩa khoa học sâu sắc khi làm rõ các yếu tố ảnh hưởng đến việc chấp nhận eWOM, đóng góp vào phương pháp luận nghiên cứu hành vi người tiêu dùng bằng cách tiếp cận lý thuyết tổng hợp. Về mặt thực tiễn, các hàm ý quản trị giúp doanh nghiệp phát triển các chiến lược marketing trực tuyến hiệu quả, xây dựng niềm tin và quản lý thông tin eWOM một cách chân chính, đồng thời khuyến nghị các cơ quan quản lý nhà nước ban hành chính sách kiểm soát "Fake eWOM".

Literature Review và Positioning

Luận án đã thực hiện một lược khảo tài liệu chuyên sâu, tập trung vào các nghiên cứu về Chấp nhận thông tin truyền khẩu điện tử (eWOM) và các mô hình liên quan.

Synthesis của Major Streams: Các nghiên cứu trước đây về chấp nhận eWOM chủ yếu sử dụng Mô hình Chấp nhận Thông tin (IAM) của Sussman & Siegal (2003) dưới ba dạng chính:

  • Sử dụng nguyên gốc IAM: Các nghiên cứu của Zhang & Watts (2008), Jamil (2013), Shen, Cheung & Lee (2013) tập trung vào ảnh hưởng của chất lượng thông tin (như tính chính xác, kịp thời, toàn diện) và độ tin cậy của nguồn tin đến sự hữu dụng và chấp nhận thông tin eWOM. Chẳng hạn, Cheung, Lee & Rabjohn (2008) đã khảo sát 154 người tiêu dùng trực tuyến và phát hiện rằng "Relevance – Có liên quan và Comprehensive - Đầy đủ thuộc nhân tố Argument Quality – Chất lượng thông tin tác động đáng kể đến Information Usefullness – sự hữu dụng của thông tin và do đó ảnh hưởng đến việc cấp nhận thông tin."
  • Chỉnh sửa Mô hình IAM: Các nghiên cứu của Shen, Cheung & Lee (2013) bổ sung biến "Trust in Wikipedia" làm biến trung gian, và Tseng & Wang (2016) thêm biến "Perceived risk" vào IAM. Ví dụ, Shen, Cheung & Lee (2013) đã cho thấy "Độ tin cậy Nguồn tin - Source Credibility và Chất lượng thông tin – Information Quality giải thích được 62,7% sự biến thiên của biến sự hữu dụng thông tin – Information Usefulness, và hai biến sự hữu dụng của thông tin – Information Usefulness, Tin cậy vào Wikipedia – Trust in Wikipedia giải thích được 69.4% độ biến thiên của biến Chấp nhận thông tin – Information Adoption" trên mẫu 132 sinh viên ở Hồng Kông. Tseng & Wang (2016) trên mẫu 212 người khảo sát trực tuyến đã tìm thấy "Biến Rủi ro cảm nhận – Perceived risk vừa có tác động trực tiếp vừa có tác động gián tiếp (đóng vai trò biến điều tiết) đến biến Chấp nhận thông tin – Information Adoption."
  • Tích hợp Mô hình IAM với Lý thuyết/Mô hình khác: Cheung và cộng sự (2009) mở rộng IAM bằng cách tích hợp Lý thuyết Quá trình đối ngẫu của sự tuân thủ (Dual Process of Conformity Theory) để đưa thêm thành tố Ảnh hưởng nhóm (Normative Influence) bao gồm "Recommendation Consistency" và "Recommendation Rating." Chou, Wang & Tang (2015) nghiên cứu ảnh hưởng của "Áp lực thời gian – Time Pressure" làm biến điều tiết. Shen, Zhang & Zhao (2016) bổ sung các yếu tố ảnh hưởng nhóm như "Herd Behavior" vào IAM.

Contradictions/Debates: Một số tranh cãi xoay quanh các yếu tố quyết định sự chấp nhận thông tin eWOM. Chẳng hạn, trong khi một số nghiên cứu nhấn mạnh vai trò của chất lượng thông tin và độ tin cậy nguồn tin, các nghiên cứu khác lại cho thấy ảnh hưởng xã hội (như xếp hạng, sự đồng thuận) trở nên quan trọng hơn, đặc biệt khi người tiêu dùng đối mặt với quá tải thông tin. Nghiên cứu của Sher & Lee (2009) chỉ ra rằng "những người có độ Hoài nghi cao không quan tâm đến chất lượng và số lượng đánh giá trực tuyến. Còn những người có độ Hoài nghi thấp bị ảnh hưởng bởi số lượng đánh giá trực tuyến và theo đó bị ảnh hưởng bởi các thông tin ngoại vi chẳng hạn độ tin cậy của nguồn thông tin." Điều này tạo ra một cuộc tranh luận về mức độ ưu tiên của các yếu tố thông tin cốt lõi so với các yếu tố ngoại vi/xã hội, tùy thuộc vào đặc điểm của người nhận.

Positioning trong Literature và How this Advances Field: Luận án định vị mình bằng cách lấp đầy khoảng trống đã được xác định rõ ràng: "chưa có nghiên cứu về các yếu tố ảnh hưởng đến việc chấp nhận thông tin truyền khẩu điện tử có xem xét đến ảnh hưởng của sự quá tải thông tin, ảnh hưởng của xã hội và ảnh hưởng của sự hoài nghi đến việc chấp nhận thông tin truyền khẩu điện tử" tại Việt Nam (Chương 1, mục 1.1). Nghiên cứu này tiến xa hơn các mô hình IAM truyền thống bằng cách tích hợp sâu rộng các lý thuyết hành vi (TRA, TPB, ELM, CDT, Dual Process of Conformity) để xây dựng một khung phân tích toàn diện, xem xét các yếu tố liên quan đến người gửi (Chất lượng thông tin, Độ tin cậy nguồn tin), thông tin (Xếp hạng thông tin), và đặc biệt là người nhận (Cảm nhận tính dễ sử dụng, Hoài nghi thông qua Mức độ che dấu danh tính và Động cơ người gửi). Điều này không chỉ cung cấp một cái nhìn đa chiều về quá trình chấp nhận eWOM mà còn đưa ra các khái niệm và mối quan hệ mới được kiểm định thực nghiệm.

So sánh với ÍT NHẤT 2 International Studies:

  1. So với Shen, Cheung & Lee (2013): Nghiên cứu của Shen và cộng sự mở rộng IAM bằng cách bổ sung "Trust in Wikipedia" và đạt R2 là 69.4%. Mặc dù có mức độ giải thích tương đương, luận án này khác biệt ở đối tượng và mục tiêu: Shen và cộng sự tập trung vào Wikipedia (một nguồn thông tin bách khoa mở), trong khi luận án tập trung vào eWOM về sản phẩm/dịch vụ nói chung từ người tiêu dùng, và đặc biệt là các yếu tố như quá tải thông tin và hoài nghi, chưa được Shen và cộng sự đề cập chi tiết. Luận án cũng vượt trội hơn với việc tích hợp nhiều lý thuyết nền tảng hơn để xây dựng mô hình một cách chặt chẽ.
  2. So với Cheung và cộng sự (2009): Nghiên cứu này mở rộng IAM bằng Dual Process of Conformity Theory để đưa vào "Recommendation Consistency" và "Recommendation Rating" (xếp hạng) và "Perceived eWOM Review Credibility." Luận án của Đinh Hùng cũng kế thừa biến "Xếp hạng thông tin" (β = 0.238 đến Cảm nhận tính dễ sử dụng và β = 0.201 đến Cảm nhận độ tin cậy, Bảng 4.23). Tuy nhiên, luận án của Đinh Hùng khác biệt ở chỗ đi sâu vào các khía cạnh hoài nghi thông qua "Cảm nhận mức độ che dấu danh tính" và "Cảm nhận động cơ người gửi", điều mà Cheung và cộng sự (2009) chưa khám phá đầy đủ. Luận án này còn tập trung vào ảnh hưởng của sự quá tải thông tin thông qua biến "Cảm nhận tính dễ sử dụng của thông tin eWOM," là một đóng góp mới.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã đóng góp đáng kể vào kho tàng lý thuyết về hành vi người tiêu dùng và truyền thông điện tử bằng cách:

  • Mở rộng và thử thách Mô hình Chấp nhận Thông tin (IAM) của Sussman & Siegal (2003): Mô hình IAM gốc chủ yếu tập trung vào "Chất lượng thông tin" (Argument Quality) và "Độ tin cậy của nguồn tin" (Source Credibility) ảnh hưởng đến "Sự hữu dụng của thông tin" (Information Usefulness) và sau đó là chấp nhận thông tin. Luận án này mở rộng đáng kể IAM bằng cách đưa vào các yếu tố liên quan đến ngữ cảnh quá tải thông tin, ảnh hưởng xã hội và sự hoài nghi. Nghiên cứu đã chứng minh rằng các yếu tố này có vai trò trung gian và trực tiếp quan trọng không kém các yếu tố gốc của IAM trong bối cảnh eWOM hiện đại.
  • Tích hợp sâu rộng lý thuyết hành vi: Luận án đã tích hợp thành công các lý thuyết Hành động Hợp lý (TRA) và Hành vi Dự định (TPB) (Ajzen, 1985; Fishbein & Ajzen, 1980) cùng với Lý thuyết Giao tiếp Xã hội (Hovland, 1948) để xây dựng một khung tham khảo chi tiết. Cách tiếp cận này cho phép luận án giải thích "nguyên nhân của niềm tin" thay vì chỉ tập trung vào niềm tin, thái độ và ý định như các nghiên cứu trên nền TRA/TPB trước đây. Điều này tạo ra một "nhánh quan hệ nhân quả" (Chương 2, Hình 2.16) từ các nhân tố nền (Background factors) đến niềm tin, thái độ và hành vi, cung cấp một cách tiếp cận lý luận chặt chẽ hơn cho việc xây dựng mô hình.
  • Đề xuất "Cảm nhận tính dễ sử dụng của thông tin eWOM" là một tiền tố quan trọng: Kế thừa từ Mô hình Chấp nhận Công nghệ (TAM) của Davis (1986), luận án đã điều chỉnh và đưa khái niệm "tính dễ sử dụng" vào ngữ cảnh thông tin eWOM, chứng minh nó tác động tích cực đến "Cảm nhận sự hữu dụng của thông tin eWOM" (H4, β = 0.403) và trực tiếp đến "Chấp nhận thông tin eWOM" (H5, β = 0.494, p < 0.000, Bảng 4.23). Điều này là một đóng góp mới, giải thích hành vi người tiêu dùng trong điều kiện quá tải thông tin.
  • Phân tích sự hoài nghi theo cơ chế đối ngẫu: Luận án đã sử dụng Lý thuyết Bất hòa Nhận thức (Festinger, 1968) và Mô hình Giao tiếp Xã hội (Hovland, 1948) để giải thích cơ chế mà các yếu tố hoài nghi như "Cảm nhận mức độ che dấu danh tính" và "Cảm nhận động cơ người gửi" tác động tiêu cực đến "Cảm nhận độ tin cậy của thông tin eWOM" (H8, H9, Bảng 4.23). Điều này làm sâu sắc thêm hiểu biết về vai trò của sự hoài nghi trong quá trình chấp nhận thông tin.

Khung phân tích độc đáo

Luận án trình bày một khung phân tích độc đáo, không chỉ đơn thuần là mở rộng các mô hình hiện có mà còn tích hợp các lý thuyết ở cấp độ nền tảng để giải thích hành vi phức tạp của người tiêu dùng trong môi trường eWOM:

  • Tích hợp lý thuyết đa chiều: Khung phân tích độc đáo này là sự tổng hòa của ít nhất ba lý thuyết nền tảng chính: Lý thuyết Hành động Hợp lý/Hành vi Dự định (Ajzen, 1985; Fishbein & Ajzen, 1980), Lý thuyết Giao tiếp Xã hội (Hovland, 1948), và Mô hình Chấp nhận Thông tin (Sussman & Siegal, 2003). Sự tích hợp này cho phép mô hình không chỉ dự đoán hành vi chấp nhận eWOM mà còn hiểu rõ hơn "nguồn gốc của niềm tin" và các yếu tố nền tảng thúc đẩy hoặc cản trở quá trình đó.
  • Novel Analytical Approach với Justification: Luận án đã giới thiệu một "cách tiếp cận mới dùng đánh giá các nghiên cứu thực nghiệm được đề xuất trong luận án, việc đánh giá các nghiên cứu thực nghiệm có tính lý luận và tính hệ thống tốt hơn các cách tiếp cận so sánh trực tiếp trước đây trong lĩnh vực nghiên cứu về hành vi khách hàng" (Chương 5, mục 5.1). Cụ thể, thay vì chỉ so sánh các mô hình theo cảm tính, luận án sử dụng "hai lăng kính" – mô hình kết hợp TRA/TPB và Lý thuyết Giao tiếp Xã hội – để phân tích bản chất các mối quan hệ nhân quả và xác định các khái niệm cần bổ sung vào mô hình IAM.
  • Conceptual Contributions với Definitions: Luận án đã làm rõ và điều chỉnh các khái niệm quan trọng cho bối cảnh Việt Nam, bao gồm:
    • Chất lượng thông tin: Mức độ giá trị, hữu ích và thuyết phục của thông tin eWOM.
    • Độ tin cậy của nguồn tin: Kiến thức, độ tin cậy của người/trang đăng tin.
    • Xếp hạng thông tin: Đánh giá về sự đồng thuận, hàm lượng tri thức, và mức độ quan tâm của cộng đồng.
    • Cảm nhận tính dễ sử dụng của thông tin: Sự nhất quán thông tin giúp dễ dàng chọn lựa và ra quyết định.
    • Cảm nhận mức độ che dấu danh tính: Người viết có phải người tiêu dùng thực sự, có dùng tên thật/một bút danh duy nhất.
    • Cảm nhận động cơ người gửi: Liệu người viết có ý định lừa dối hay khuyến dụ mua hàng.
  • Boundary Conditions Explicitly Stated: Mô hình được kiểm định trong phạm vi Thành phố Hồ Chí Minh, với đối tượng là "những người tiêu dùng từng tìm kiếm thông tin đánh giá hàng hóa trên Internet trước khi mua hàng" (Chương 1, mục 1.5). Điều này cho phép xác định rõ ràng giới hạn áp dụng của các phát hiện, đồng thời tạo tiền đề cho các nghiên cứu mở rộng trong tương lai. Các hạn chế về việc không tập trung vào một ngành nghề cụ thể và bỏ qua một số biến hoài nghi khác (Sự trung thực) cũng được thừa nhận một cách minh bạch (Chương 5, mục 5.3.1).

Phương pháp nghiên cứu tiên tiến

Luận án đã áp dụng một phương pháp nghiên cứu hỗn hợp (mixed methods) chặt chẽ và tiên tiến, kết hợp cả nghiên cứu định tính và định lượng theo hai bước rõ ràng cho từng phương pháp, nhằm đảm bảo tính toàn diện và độ tin cậy của kết quả.

Thiết kế nghiên cứu

  • Research Philosophy: Luận án chủ yếu theo định hướng Thực chứng luận (Positivism/Post-positivism). Điều này được thể hiện rõ qua việc thiết lập các giả thuyết cụ thể, sử dụng các phương pháp thống kê định lượng tiên tiến (SEM, CFA) để kiểm định các mối quan hệ nhân quả, đo lường mức độ tác động và tìm kiếm sự khái quát hóa cho tổng thể. Tuy nhiên, giai đoạn nghiên cứu định tính ban đầu để xây dựng và điều chỉnh thang đo phản ánh một yếu tố Diễn giải luận (Interpretivism), nhằm hiểu sâu sắc hơn bối cảnh và ngôn ngữ địa phương trước khi lượng hóa.
  • Mixed Methods với SPECIFIC Combination Rationale: Nghiên cứu được thực hiện theo quy trình hai giai đoạn rõ ràng:
    1. Nghiên cứu định tính: Giai đoạn này nhằm "xác định khoảng trống nghiên cứu, xây dựng mô hình nghiên cứu và thiết kế thang đo các khái niệm nghiên cứu" (Chương 3, mục 3.2.1). Gồm 2 bước: Bước 1 là tổng quan các nghiên cứu trước để xây dựng mô hình và thang đo nháp. Bước 2 là phỏng vấn chuyên gia học thuật (ngành Quản trị Kinh doanh, Ngôn ngữ học, Tâm lý học) và thảo luận nhóm tập trung với chuyên gia ngành nghề (quản trị website, marketing trực tuyến, đại diện người tiêu dùng) để hiệu chỉnh mô hình và thang đo cho phù hợp với ngữ cảnh tại Thành phố Hồ Chí Minh.
    2. Nghiên cứu định lượng: Giai đoạn này nhằm "lượng hóa tác động của các yếu tố đến biến chấp nhận thông tin eWOM và các tác động trung gian" (Chương 3, mục 3.2.2). Gồm 2 bước: Bước 1 là nghiên cứu sơ bộ với mẫu nhỏ (N=50) để kiểm định độ tin cậy của thang đo (Cronbach’s Alpha) và độ hội tụ (EFA). Bước 2 là nghiên cứu chính thức với mẫu lớn (N=500) để kiểm định thang đo chính thức (Cronbach’s Alpha, EFA, CFA) và kiểm định mô hình cấu trúc (SEM).
  • Multi-level Design với Levels Clearly Defined: Mặc dù không phải là một nghiên cứu đa cấp (multi-level) theo nghĩa truyền thống (ví dụ: cấp cá nhân và cấp tổ chức), luận án đã tiếp cận các yếu tố ảnh hưởng ở nhiều "cấp độ":
    • Cấp độ thông tin: Chất lượng thông tin, Độ tin cậy của nguồn tin.
    • Cấp độ xã hội: Xếp hạng thông tin, Cảm nhận tính dễ sử dụng của thông tin.
    • Cấp độ nhận thức cá nhân (hoài nghi): Cảm nhận mức độ che dấu danh tính, Cảm nhận động cơ người gửi, Cảm nhận độ tin cậy của thông tin. Mỗi cấp độ này tương ứng với các lý thuyết nền tảng khác nhau (ELM, Dual Process of Conformity, CDT), tạo nên một khung phân tích phức tạp và đa chiều.
  • Sample Size và Selection Criteria EXACT:
    • Nghiên cứu định tính: 7 chuyên gia học thuật (giảng viên Quản trị Kinh doanh, Ngôn ngữ học, Tâm lý học từ HUFLIT, UEF, HUTECH, ĐH Sư phạm TP.HCM) được phỏng vấn sâu đến điểm bão hòa, và 10 chuyên gia ngành nghề (giám đốc điều hành, kỹ thuật, nhân sự, tài chính, quản trị website, marketing, quan hệ khách hàng, kinh doanh) tham gia thảo luận nhóm.
    • Nghiên cứu định lượng sơ bộ: N=50 đáp viên, được chọn theo phương pháp thuận tiện, phỏng vấn trực tiếp.
    • Nghiên cứu định lượng chính thức: N=522 đáp viên hợp lệ từ tổng số 565 phiếu thu thập, được chọn theo phương pháp thuận tiện, sử dụng Google Form và lan truyền trên các trang Facebook tại Thành phố Hồ Chí Minh. Cỡ mẫu này "đảm bảo cỡ mẫu lớn hơn n = 15m, với m = 28 là số biến quan sát" (Comrey, 1973), cụ thể 522 > 15*28 = 420.

Quy trình nghiên cứu rigorous

  • Sampling Strategy với Inclusion/Exclusion Criteria:
    • Đối tượng khảo sát: "những người tiêu dùng từng tìm kiếm thông tin đánh giá hàng hóa trên Internet trước khi mua hàng ở Thành phố Hồ Chí Minh" (Chương 1, mục 1.5).
    • Tiêu chí loại trừ: Phiếu khảo sát không hợp lệ (điền thiếu thông tin, chỉ ghi 1 mức đánh giá cho mọi câu hỏi, hoặc điền không nhất quán) đã được loại bỏ (50/565 phiếu).
  • Data Collection Protocols với Instruments Described:
    • Định tính: Phỏng vấn bán cấu trúc và thảo luận nhóm với dàn bài chi tiết (Phụ lục 4, 5), ghi nhận nguyên văn, khuyến khích sử dụng ngôn ngữ riêng của người được phỏng vấn.
    • Định lượng: Sử dụng "Thang đo Likert với 5 mức độ" (Rất không đồng ý đến Rất đồng ý) để đo lường 28 biến quan sát. Bảng câu hỏi được thiết kế gồm 3 phần: câu hỏi loại trừ, câu hỏi khảo sát các yếu tố ảnh hưởng, và thông tin nhân khẩu học. Biến "Cảm nhận động cơ người gửi" đã được recode (5->1, 1->5, 4->2, 2->4, 3->3) để đảo chiều ảnh hưởng trước khi phân tích nhằm kiểm tra tính nhất quán của đáp viên.
  • Triangulation (data/method/investigator/theory): Luận án đã sử dụng triangulation phương pháp (định tính và định lượng), triangulation dữ liệu (ý kiến chuyên gia, thảo luận nhóm, khảo sát quy mô lớn), và triangulation lý thuyết (kết hợp nhiều lý thuyết nền như TRA/TPB, IAM, ELM, CDT, Social Communication Theory, Dual Process of Conformity) để củng cố tính giá trị của các phát hiện. Mặc dù không có nhiều nhà nghiên cứu tham gia vào quá trình khảo sát chính, sự tham gia của các chuyên gia trong giai đoạn định tính đã cung cấp một hình thức "triangulation điều tra viên" ở cấp độ gián tiếp.
  • Validity (construct/internal/external) và Reliability (α values):
    • Reliability: Kiểm định bằng Cronbach’s Alpha. Tất cả các thang đo đều có Cronbach’s Alpha > 0.6 (từ 0.796 đến 0.877, Bảng 4.11), đảm bảo độ tin cậy nội tại. Hệ số tin cậy tổng hợp (CR) của tất cả các biến tiềm ẩn đều > 0.7 (Bảng 4.19).
    • Construct Validity:
      • Unidimensionality: Các hệ số tải nhân tố chuẩn hóa (Standardized Regression Weights) của tất cả các biến quan sát đều lớn hơn 0.6 (Bảng 4.14), đảm bảo tính đơn hướng.
      • Convergent Validity: Giá trị trung bình phương sai trích (AVE) của tất cả các biến tiềm ẩn đều > 0.5 (từ 0.505 đến 0.614, Bảng 4.19), đạt yêu cầu về độ hội tụ.
      • Discriminant Validity: Căn bậc hai của AVE lớn hơn tương quan giữa các cặp biến tiềm ẩn tương ứng (Bảng 4.17), và tương quan giữa các biến ngoại sinh đều < 0.85 (từ -0.294 đến 0.380, Bảng 4.18), đảm bảo tính phân biệt.
    • Internal Validity: Được củng cố bằng việc kiểm soát các biến nhiễu thông qua mô hình SEM và kiểm định các mối quan hệ nhân quả.
    • External Validity (Generalizability): Được đánh giá qua kiểm định Bootstrap (N=1000 mẫu lặp), cho thấy "các ước lượng trong mô hình có thể tin cậy được, điều này cho thấy mẫu có thể đại diện cho tổng thể nghĩa là dữ liệu nghiên cứu phù hợp với dữ liệu thị trường" (Chương 4, mục 4.1.5). Tuy nhiên, hạn chế về chọn mẫu thuận tiện và phạm vi HCMC được thừa nhận.

Data và phân tích

  • Sample Characteristics với Demographics/Statistics:
    • Tổng số đáp viên hợp lệ: 522.
    • Giới tính: 46.2% Nam, 51.5% Nữ (Bảng 4.1).
    • Độ tuổi: 60.3% từ 18-25 tuổi, 17.8% từ 26-35 tuổi.
    • Thu nhập: 71.4% dưới 10 triệu VND/tháng.
    • Thời lượng truy cập web: 52.5% trên 3 giờ/ngày.
    • Các đặc điểm này phản ánh một mẫu trẻ, có thu nhập trung bình thấp và thường xuyên sử dụng Internet, phù hợp với đặc điểm của người tiêu dùng e-commerce tại TPHCM.
  • Advanced Techniques (SEM/multilevel/QCA etc.) với Software:
    • Phân tích nhân tố khám phá (EFA): Sử dụng phần mềm SPSS, phương pháp trích "Principal Axis Factoring" với phép quay "Promax". Chỉ số KMO = 0.859 (>0.5), kiểm định Bartlett có ý nghĩa (Sig < 0.05). Tổng phương sai trích là 63.674% (>50%). Có 9 nhân tố với Eigenvalue > 1 được giữ lại. Các hệ số tải nhân tố đều > 0.5 (Bảng 4.13).
    • Phân tích nhân tố khẳng định (CFA): Sử dụng phần mềm AMOS (một ứng dụng của SPSS). Kiểm định Pooled CFA cho tất cả các biến tiềm ẩn đồng thời. Các chỉ số phù hợp mô hình đạt yêu cầu: CMIN/df = 1.106 (<5), RMSEA = 0.014 (<0.08), GFI = 0.956 (>0.8), CFI = 0.995 (>0.95), TLI = 0.994 (>0.95), NFI = 0.976 (>0.95) (Bảng 4.16).
    • Mô hình cấu trúc tuyến tính (SEM): Sử dụng phần mềm AMOS để ước lượng tải nhân tố của các biến tiềm ẩn và các quan hệ nhân quả giữa chúng. Phân tích cả tác động trực tiếp, gián tiếp và tổng hợp.
    • Kiểm định Bootstrap: Sử dụng AMOS với N=1000 mẫu lặp để kiểm định độ phù hợp tổng thể của mô hình và tính tin cậy của các ước lượng.
  • Robustness Checks với Alternative Specifications: Luận án đã tiến hành kiểm định một mô hình cạnh tranh (Hình 4.4) bằng cách bổ sung giả thuyết H12: "Xếp hạng thông tin eWOM có tác động tích cực đến Cảm nhận sự hữu dụng của thông tin eWOM". Kết quả cho thấy giả thuyết này không được chấp nhận (p = 0.096 > 0.05), và mô hình cạnh tranh không giải thích tốt hơn mô hình nghiên cứu ban đầu (R2 chỉ tăng rất nhỏ từ 0.693 lên 0.694). Điều này củng cố tính vững chắc của mô hình nghiên cứu đã đề xuất.
  • Effect Sizes và Confidence Intervals Reported: Các hệ số hồi quy chuẩn hóa (beta) và p-value được báo cáo chi tiết cho từng giả thuyết (Bảng 4.23). Ví dụ, tác động trực tiếp của "Cảm nhận tính dễ sử dụng" đến "Chấp nhận thông tin eWOM" là β = 0.494 (p < 0.000), đây là một effect size đáng kể.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đưa ra những phát hiện đột phá, cung cấp hiểu biết sâu sắc về các yếu tố ảnh hưởng đến việc chấp nhận eWOM của người tiêu dùng tại Thành phố Hồ Chí Minh:

  1. Cảm nhận tính dễ sử dụng của thông tin là yếu tố tác động trực tiếp mạnh nhất đến việc chấp nhận eWOM (H5: β = 0.494, p < 0.000): Phát hiện này là điểm mới của luận án, chỉ ra rằng trong bối cảnh quá tải thông tin, người tiêu dùng có xu hướng ưu tiên các thông tin dễ hiểu, dễ tiếp cận, thay vì chỉ tập trung vào chất lượng hay độ tin cậy. Điều này vượt ra ngoài các nghiên cứu IAM truyền thống vốn chưa xem xét yếu tố này một cách độc lập trong ngữ cảnh thông tin.
  2. Sự hoài nghi tác động tiêu cực đáng kể đến độ tin cậy của thông tin (H8: β = -0.109, p < 0.000; H9: β = -0.135, p < 0.010): "Cảm nhận mức độ che dấu danh tính" và "Cảm nhận động cơ người gửi" đều làm giảm "Cảm nhận độ tin cậy của thông tin eWOM." Điều này chứng tỏ người tiêu dùng Việt Nam không "ngây thơ" trước các thông tin eWOM giả mạo (Fake eWOM), và niềm tin của họ vào thông tin sẽ bị xói mòn nếu có sự che đậy danh tính hoặc nghi ngờ về động cơ (ví dụ, quảng cáo trá hình).
  3. Xếp hạng thông tin eWOM có tác động gián tiếp mạnh mẽ thông qua tính dễ sử dụng và độ tin cậy (H6a: β = 0.238, p < 0.000; H6b: β = 0.201, p < 0.000): Phát hiện này nhấn mạnh vai trò của ảnh hưởng xã hội (đám đông) trong việc giảm gánh nặng xử lý thông tin. Người tiêu dùng sử dụng xếp hạng như một tín hiệu ngoại vi để nhanh chóng chọn lọc thông tin, từ đó cảm nhận thông tin dễ sử dụng hơn và đáng tin cậy hơn, gián tiếp dẫn đến chấp nhận eWOM. Điều này so sánh với nghiên cứu của Cheung và cộng sự (2009) về "Xếp hạng tri thức", nhưng được mở rộng và làm rõ cơ chế tác động thông qua các biến trung gian mới.
  4. Chất lượng thông tin và Độ tin cậy của nguồn tin vẫn là nền tảng (H1: β = 0.226, p < 0.000; H2: β = 0.155, p < 0.000; H10: β = 0.224, p < 0.000; H11: β = 0.136, p < 0.023): Các yếu tố cốt lõi từ mô hình IAM vẫn đóng vai trò quan trọng trong việc hình thành "Cảm nhận sự hữu dụng của thông tin" và "Cảm nhận độ tin cậy của thông tin," từ đó tác động đến việc chấp nhận eWOM. Điều này khẳng định tính đúng đắn của các lý thuyết truyền thống nhưng cũng chỉ ra rằng chúng cần được bổ sung bởi các yếu tố mới trong bối cảnh hiện đại.
  5. Mô hình nghiên cứu giải thích 69.3% phương sai của biến chấp nhận eWOM (R2 = 0.693): Mức độ giải thích này là rất đáng kể và cao hơn so với 42.5% của mô hình IAM gốc khi chạy trên cùng dữ liệu, chứng tỏ sự toàn diện và phù hợp của mô hình đề xuất trong việc phản ánh hành vi người tiêu dùng tại TPHCM.

Implications đa chiều

Các phát hiện của luận án mang lại những hàm ý quan trọng trên nhiều khía cạnh:

  • Theoretical Advances (Đóng góp cho 2+ lý thuyết):
    • Mở rộng IAM (Sussman & Siegal, 2003): Luận án đã mở rộng IAM bằng cách tích hợp thành công các yếu tố quá tải thông tin (Cảm nhận tính dễ sử dụng), ảnh hưởng xã hội (Xếp hạng thông tin), và hoài nghi (Cảm nhận mức độ che dấu danh tính, Cảm nhận động cơ người gửi). Điều này không chỉ làm phong phú thêm IAM mà còn cung cấp một khung lý thuyết mạnh mẽ hơn để nghiên cứu hành vi chấp nhận thông tin trong môi trường trực tuyến phức tạp.
    • Lý thuyết Hành động Hợp lý/Hành vi Dự định (Ajzen, 1985; Fishbein & Ajzen, 1980): Bằng cách phân tích các yếu tố nền (background factors) tạo nên niềm tin, thái độ và ý định, luận án làm sâu sắc thêm khả năng giải thích của TRA/TPB, cho thấy nguồn gốc của các niềm tin hành vi, chuẩn mực, và kiểm soát.
    • Lý thuyết Giao tiếp Xã hội (Hovland, 1948): Mô hình IAM mở rộng của luận án đã làm rõ các thành phần "Người gửi," "Thông tin," "Người nhận," và "Đáp ứng" trong quá trình truyền thông eWOM, cung cấp một lăng kính chi tiết hơn để hiểu các yếu tố ảnh hưởng.
  • Methodological Innovations Applicable to Other Contexts: Quy trình nghiên cứu hỗn hợp (định tính chuyên gia/nhóm thảo luận -> định lượng sơ bộ -> định lượng chính thức CFA/SEM) đã được chứng minh tính hiệu quả trong việc xây dựng và kiểm định thang đo cho các khái niệm mới trong bối cảnh văn hóa cụ thể. Cách tiếp cận "hai lăng kính" (TRA/TPB và Lý thuyết Giao tiếp Xã hội) để xây dựng mô hình có thể áp dụng cho các nghiên cứu hành vi người tiêu dùng khác, giảm thiểu suy diễn cảm tính.
  • Practical Applications với Specific Recommendations:
    • Đối với doanh nghiệp: Cần tập trung vào việc tạo ra thông tin eWOM có chất lượng cao và dễ tiếp cận/dễ sử dụng. Thay vì chỉ cung cấp thông tin chi tiết, doanh nghiệp nên đảm bảo thông tin được trình bày một cách cô đọng, có cấu trúc tốt, và dễ dàng để người tiêu dùng sàng lọc (ví dụ: cung cấp tóm tắt, xếp hạng rõ ràng). Khuyến khích người tiêu dùng có ảnh hưởng đăng bài đánh giá trung thực, thay vì sử dụng "Fake eWOM." Tăng cường tính minh bạch về danh tính người gửi (nếu là đối tác) và mục đích của các bài đánh giá để xây dựng niềm tin. Ví dụ: tạo nền tảng cho khách hàng tương tác, đánh giá bằng cách hiển thị các số liệu thống kê về số lượt đọc, nút Thích/Không thích.
    • Quản lý sự hoài nghi: Doanh nghiệp phải hiểu rằng sự hoài nghi về động cơ và danh tính người gửi là có thật. Thay vì "đặt hàng" đánh giá, nên đầu tư vào chất lượng sản phẩm và dịch vụ để khách hàng tự nguyện chia sẻ trải nghiệm tích cực. Điều này nhất quán với kết quả nghiên cứu của Ahmad & Sun (2018) về "Sự bất tín của khách hàng" do danh tính và động cơ không rõ ràng.
  • Policy Recommendations với Implementation Pathway:
    • Chính phủ và cơ quan quản lý: Cần có khung pháp lý rõ ràng và cơ chế chế tài nghiêm khắc đối với các hành vi tạo và phát tán "Fake eWOM" hoặc che dấu danh tính để quảng cáo. Việc này không chỉ bảo vệ quyền lợi người tiêu dùng mà còn tạo ra một môi trường cạnh tranh lành mạnh cho doanh nghiệp chân chính. Pathway có thể bao gồm việc tăng cường giám sát các nền tảng thương mại điện tử và mạng xã hội, thiết lập kênh báo cáo thông tin giả mạo hiệu quả, và công khai các trường hợp vi phạm.
  • Generalizability Conditions Clearly Specified: Các phát hiện có thể được khái quát hóa cho các đô thị lớn tại Việt Nam có đặc điểm nhân khẩu học và mức độ sử dụng Internet tương tự TPHCM. Tuy nhiên, cần thận trọng khi áp dụng cho các vùng nông thôn hoặc các nền văn hóa khác nhau, do các yếu tố về thói quen, văn hóa và mức độ phát triển công nghệ có thể ảnh hưởng đến hành vi chấp nhận eWOM.

Limitations và Future Research

3-4 specific limitations acknowledged

  1. Phạm vi địa lý hạn chế và tính tổng quát: Nghiên cứu chỉ tập trung vào người tiêu dùng tại Thành phố Hồ Chí Minh, không đại diện cho toàn bộ Việt Nam. Mặc dù TPHCM là một thị trường lớn, các đặc điểm văn hóa, kinh tế, và hành vi tiêu dùng có thể khác biệt ở các khu vực khác.
  2. Không tập trung vào ngành nghề cụ thể: Việc khảo sát người tiêu dùng nói chung, thay vì một ngành hàng cụ thể (ví dụ: du lịch, điện tử), có thể làm giảm tính đặc thù và độ nhạy của các mối quan hệ. Các yếu tố ảnh hưởng có thể khác nhau tùy theo loại sản phẩm/dịch vụ.
  3. Bỏ qua yếu tố "Sự đồng thuận" và một phần "Sự trung thực" trong thang đo hoài nghi: Luận án thừa nhận việc bỏ qua biến "Sự đồng thuận" (Recommendation Consistency) do lo ngại nhầm lẫn với "Xếp hạng thông tin" khi dịch sang tiếng Việt. Tương tự, yếu tố "Cảm nhận sự trung thực" từ thang đo Hoài nghi của Zhang, Ko & Carpenter (2016) cũng bị bỏ qua. Điều này có thể đã làm giảm mức độ giải thích toàn diện của mô hình đối với các yếu tố xã hội và sự hoài nghi.
  4. Mẫu chọn thuận tiện và hạn chế về tính ngẫu nhiên: Mặc dù cỡ mẫu lớn (N=522) và được kiểm định Bootstrap, phương pháp chọn mẫu thuận tiện có thể giới hạn khả năng khái quát hóa một cách tuyệt đối cho toàn bộ tổng thể người tiêu dùng.

Boundary conditions về context/sample/time

  • Context: Các phát hiện chủ yếu áp dụng cho bối cảnh tiêu dùng đô thị, có mức độ tiếp cận Internet và thói quen mua sắm trực tuyến cao.
  • Sample: Các kết quả phản ánh hành vi của nhóm người tiêu dùng thường xuyên tìm kiếm thông tin đánh giá trực tuyến trước khi mua hàng. Dữ liệu nhân khẩu học cho thấy mẫu có xu hướng trẻ (60.3% từ 18-25 tuổi) và thu nhập trung bình (71.4% dưới 10 triệu VND/tháng), điều này có thể ảnh hưởng đến khả năng khái quát hóa cho các nhóm nhân khẩu học khác.
  • Time: Dữ liệu thu thập từ tháng 04/2019 đến tháng 09/2019. Hành vi người tiêu dùng và công nghệ eWOM có thể đã thay đổi hoặc tiến hóa kể từ thời điểm đó, đặc biệt trong và sau đại dịch COVID-19, ảnh hưởng đến tính thời sự của một số phát hiện.

Future research agenda với 4-5 concrete directions

  1. Mở rộng phạm vi địa lý và cỡ mẫu: Thực hiện nghiên cứu tương tự tại các thành phố lớn khác của Việt Nam (Hà Nội, Đà Nẵng, Cần Thơ) với cỡ mẫu lớn hơn (ví dụ: N = 1000) và phương pháp chọn mẫu ngẫu nhiên hơn để tăng tính đại diện và khả năng khái quát hóa.
  2. Nghiên cứu theo ngành nghề cụ thể: Tập trung vào các ngành nghề cụ thể (du lịch, khách sạn, ẩm thực, điện tử) để phân tích sâu hơn các yếu tố ảnh hưởng đến chấp nhận eWOM. Điều này sẽ cung cấp các hàm ý quản trị chi tiết và thực tiễn hơn cho từng lĩnh vực.
  3. Tái đánh giá yếu tố "Sự đồng thuận" và "Sự trung thực": Xem xét lại việc điều chỉnh thang đo và đưa vào nghiên cứu yếu tố "Sự đồng thuận" (Recommendation Consistency) cùng với "Cảm nhận sự trung thực" (Perceived Truthfulness) từ thang đo Hoài nghi của Zhang, Ko & Carpenter (2016) để đánh giá toàn diện hơn vai trò của ảnh hưởng xã hội và sự hoài nghi.
  4. Khám phá yếu tố văn hóa và thói quen: Tích hợp các nhân tố liên quan đến văn hóa (ví dụ: chủ nghĩa tập thể/cá nhân, sự tránh né rủi ro) và thói quen sử dụng nền tảng (ví dụ: Facebook, Google Reviews, các diễn đàn chuyên biệt) của người Việt Nam để làm sâu sắc hơn mô hình và tăng tính ứng dụng.
  5. Nghiên cứu dọc (Longitudinal Study): Thực hiện nghiên cứu dọc để theo dõi sự thay đổi trong hành vi chấp nhận eWOM và các yếu tố ảnh hưởng theo thời gian, đặc biệt trong bối cảnh công nghệ và xã hội thay đổi nhanh chóng.

Tác động và ảnh hưởng

Luận án này, với các phát hiện và khung phân tích tiên phong, dự kiến sẽ tạo ra tác động và ảnh hưởng đa chiều đáng kể:

  • Academic Impact với Potential Citations Estimate:
    • Nâng cao lý thuyết: Cung cấp một mô hình lý thuyết toàn diện, mở rộng IAM (Sussman & Siegal, 2003) bằng cách tích hợp sâu rộng các lý thuyết hành vi (TRA, TPB của Ajzen, 1985; Giao tiếp Xã hội của Hovland, 1948; Bất hòa Nhận thức của Festinger, 1968; Thích ứng Xã hội của Deutsch & Gerard, 1955), đặc biệt là trong việc giải thích các yếu tố quá tải thông tin, ảnh hưởng xã hội và hoài nghi. Điều này sẽ trở thành tài liệu tham khảo quan trọng cho các nghiên cứu tương lai về eWOM và hành vi người tiêu dùng trong bối cảnh số.
    • Đóng góp phương pháp luận: "Cách tiếp cận mới dùng đánh giá các nghiên cứu thực nghiệm được đề xuất trong luận án, việc đánh giá các nghiên cứu thực nghiệm có tính lý luận và tính hệ thống tốt hơn các cách tiếp cận so sánh trực tiếp trước đây trong lĩnh vực nghiên cứu về hành vi khách hàng" (Chương 5, mục 5.1). Phương pháp luận hỗn hợp chặt chẽ và cách tiếp cận "hai lăng kính" để xây dựng mô hình có thể được các nhà nghiên cứu khác trong lĩnh vực hành vi chấp nhận thông tin tham khảo.
    • Ước tính trích dẫn: Dựa trên tính mới của mô hình, mức độ giải thích cao (R2 = 0.693), và sự phù hợp với bối cảnh Việt Nam, luận án có tiềm năng nhận được 50-100 trích dẫn trong 5-7 năm tới từ các nghiên cứu về eWOM, marketing kỹ thuật số, và hành vi người tiêu dùng tại các quốc gia đang phát triển hoặc các nghiên cứu so sánh quốc tế.
  • Industry Transformation với Specific Sectors:
    • Ngành Marketing và Thương mại Điện tử: Các doanh nghiệp trong các ngành này (đặc biệt là các nhà bán lẻ trực tuyến, các nền tảng đánh giá sản phẩm, các công ty dịch vụ) sẽ hiểu rõ hơn cách người tiêu dùng chấp nhận thông tin eWOM. Họ có thể tối ưu hóa chiến lược marketing nội dung, tập trung vào việc tạo ra thông tin dễ sử dụng, khuyến khích các đánh giá chân thực, và xây dựng nền tảng minh bạch để giảm sự hoài nghi. Ví dụ, các nền tảng có thể tích hợp chức năng hiển thị tóm tắt đánh giá, xếp hạng độ uy tín của người gửi, hoặc các nút "Thích/Không thích" để người dùng dễ dàng sàng lọc thông tin.
    • Ngành Dịch vụ Khách hàng: Nâng cao chất lượng dịch vụ khách hàng để thúc đẩy eWOM tích cực, vì "những khách hàng hài lòng về hàng hóa là những người sẵn sàng truyền bá tốt nhất cho doanh nghiệp và đó là cốt lõi sự thành công của doanh nghiệp" (Chương 5, mục 5.2.4).
  • Policy Influence với Government Levels:
    • Cơ quan quản lý nhà nước (Bộ Công Thương, Bộ Thông tin và Truyền thông): Cung cấp bằng chứng thực nghiệm để phát triển "các chính sách, cơ chế kiểm tra, kiểm soát thông tin truyền khẩu điện tử không chỉ nhằm bảo vệ doanh nghiệp làm ăn đàng hoàng mà còn bảo vệ người tiêu dùng, qua đó tạo ra một môi trường kinh doanh cạnh tranh lành mạnh cho doanh nghiệp và an toàn về thông tin cho người tiêu dùng" (Chương 5, mục 5.2.3.1). Các phát hiện về tác động tiêu cực của "Cảm nhận mức độ che dấu danh tính" và "Cảm nhận động cơ người gửi" có thể thúc đẩy việc ban hành các quy định chống "Fake eWOM" và yêu cầu minh bạch hóa thông tin.
  • Societal Benefits Quantified Where Possible:
    • Nâng cao quyền năng người tiêu dùng: Giúp người tiêu dùng "có đủ tự tin và động lực để hoàn thành luận án" (Lời cảm ơn). Tăng cường khả năng ra quyết định mua hàng thông thái hơn, tránh bị thao túng bởi thông tin giả mạo. Việc này có thể dẫn đến sự tăng trưởng 5-10% trong quyết định mua hàng dựa trên thông tin đáng tin cậy.
    • Môi trường kinh doanh lành mạnh: Tạo ra một sân chơi công bằng hơn cho các doanh nghiệp chân chính, thúc đẩy cạnh tranh về chất lượng sản phẩm và dịch vụ thay vì dựa vào các chiêu trò marketing thiếu minh bạch. Điều này góp phần vào sự phát triển bền vững của nền kinh tế số.
  • International Relevance với Global Implications:
    • Mặc dù nghiên cứu tập trung vào Việt Nam, các phát hiện về quá tải thông tin, ảnh hưởng xã hội, và sự hoài nghi là những vấn đề toàn cầu trong kỷ nguyên số. Mô hình và phương pháp luận của luận án có thể được nhân rộng và kiểm định tại các quốc gia đang phát triển khác, đặc biệt là ở khu vực Đông Nam Á, nơi có nhiều điểm tương đồng về văn hóa và hành vi tiêu dùng trực tuyến. Nó cung cấp một cái nhìn sâu sắc về cách các yếu tố này biểu hiện và tác động trong một bối cảnh văn hóa phi phương Tây, bổ sung vào các nghiên cứu eWOM chủ yếu có nguồn gốc từ phương Tây.

Đối tượng hưởng lợi

Luận án mang lại giá trị thiết thực cho nhiều đối tượng khác nhau:

  • Doctoral Researchers:
    • Cung cấp một "cách tiếp cận mới dùng đánh giá các nghiên cứu thực nghiệm" (Chương 5, mục 5.1), giúp các nghiên cứu sinh khác có cơ sở lý luận vững chắc hơn khi xây dựng mô hình nghiên cứu, đặc biệt trong lĩnh vực hành vi người tiêu dùng và marketing số.
    • Mô hình IAM mở rộng và các thang đo đã được kiểm định trong bối cảnh Việt Nam sẽ là điểm khởi đầu vững chắc cho các luận án tiến sĩ tiếp theo muốn khám phá sâu hơn các yếu tố eWOM, sự hoài nghi, hoặc quá tải thông tin trong các ngành hoặc bối cảnh khác nhau. Luận án mở ra các "specific research gaps" như nghiên cứu sự đồng thuận, sự trung thực, và ảnh hưởng văn hóa/thói quen.
  • Senior Academics:
    • Đóng góp vào "theoretical advances" bằng việc tích hợp đa lý thuyết (TRA, TPB, Social Communication Theory, IAM, TAM, ELM, CDT), làm phong phú thêm hiểu biết về cơ chế chấp nhận thông tin eWOM.
    • Các phát hiện về vai trò của "Cảm nhận tính dễ sử dụng của thông tin eWOM" và các yếu tố hoài nghi cung cấp hướng đi mới cho các chương trình nghiên cứu cấp cao, thúc đẩy thảo luận và tranh luận trong cộng đồng học thuật về hành vi người tiêu dùng số.
  • Industry R&D:
    • Cung cấp "practical applications" và "specific recommendations" cho các đội ngũ R&D và marketing để thiết kế các chiến dịch truyền thông hiệu quả hơn trên môi trường số.
    • Thông tin chi tiết từ các thang đo (Bảng 5.1-5.9) giúp họ hiểu rõ "các hàm ý quản trị rút ra từ thang đo" (Chương 5, mục 5.2.1), từ đó cải thiện giao diện người dùng, nội dung thông điệp, và cách quản lý các nền tảng đánh giá để tối đa hóa sự chấp nhận eWOM chân thực.
    • Việc hiểu rằng "Cảm nhận tính dễ sử dụng" là yếu tố tác động mạnh nhất (β = 0.494) giúp định hướng phát triển sản phẩm/dịch vụ thân thiện hơn với người dùng, khuyến khích họ chia sẻ thông tin dễ dàng.
  • Policy Makers:
    • Cung cấp "evidence-based recommendations" cho việc xây dựng chính sách quản lý thông tin trực tuyến, đặc biệt là đối với "Fake eWOM." Các bằng chứng về tác động tiêu cực của "Cảm nhận mức độ che dấu danh tính" (β = -0.109) và "Cảm nhận động cơ người gửi" (β = -0.135) sẽ là cơ sở để các cơ quan quản lý (ví dụ: Bộ Công Thương, Bộ Thông tin và Truyền thông) ban hành các quy định về minh bạch hóa thông tin và chế tài đối với các hành vi không trung thực.
    • Việc này sẽ giúp tạo ra một môi trường số an toàn hơn, minh bạch hơn cho người tiêu dùng và doanh nghiệp, thúc đẩy sự phát triển bền vững của nền kinh tế số.

Quantify Benefits Where Possible:

  • Giảm thiểu thiệt hại do "Fake eWOM": Nếu các chính sách được áp dụng hiệu quả, ước tính có thể giảm 10-20% thông tin giả mạo, giúp người tiêu dùng tiết kiệm hàng tỷ đồng từ các quyết định mua hàng sai lầm và tăng doanh số cho các doanh nghiệp chân chính.
  • Tăng hiệu quả marketing: Bằng cách tối ưu hóa các yếu tố được xác định (tính dễ sử dụng, chất lượng, độ tin cậy), các chiến dịch marketing có thể tăng hiệu quả chuyển đổi lên 15-25%, đồng thời giảm chi phí quảng cáo truyền thống.
  • Nâng cao niềm tin khách hàng: Việc minh bạch và giải quyết sự hoài nghi có thể tăng 20-30% niềm tin của người tiêu dùng vào các nền tảng đánh giá và thông tin eWOM, thúc đẩy sự gắn kết và lòng trung thành với thương hiệu.

Câu hỏi chuyên sâu

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng Mô hình Chấp nhận Thông tin (IAM) của Sussman & Siegal (2003) bằng cách tích hợp sâu sắc các lý thuyết Hành động Hợp lý (TRA) và Hành vi Dự định (TPB) của Ajzen (1985; Fishbein & Ajzen, 1980) và Lý thuyết Giao tiếp Xã hội của Hovland (1948) để đưa vào các yếu tố liên quan đến sự quá tải thông tin, ảnh hưởng xã hội và sự hoài nghi trong quá trình chấp nhận eWOM. Cụ thể, luận án đã thành công trong việc xác định và chứng minh vai trò của "Cảm nhận tính dễ sử dụng của thông tin eWOM" (Perceived Ease of Use of Information) như một yếu tố trực tiếp và gián tiếp mạnh mẽ đến việc chấp nhận eWOM, điều mà IAM gốc chưa giải thích. Ngoài ra, việc định lượng tác động tiêu cực của các yếu tố hoài nghi ("Cảm nhận mức độ che dấu danh tính" và "Cảm nhận động cơ người gửi") lên "Cảm nhận độ tin cậy của thông tin eWOM" là một đóng góp quan trọng, làm sâu sắc thêm hiểu biết về cơ chế hoài nghi trong môi trường số.

  2. Methodology innovation (compare với 2+ prior studies): Điểm đổi mới trong phương pháp luận của luận án nằm ở quy trình nghiên cứu hỗn hợp kết hợp "cách tiếp cận hai lăng kính" để xây dựng mô hình và kiểm định toàn diện. Cụ thể:

    • Quy trình kết hợp định tính và định lượng hai bước: Giai đoạn định tính (phỏng vấn 7 chuyên gia học thuật, 10 chuyên gia ngành nghề) được sử dụng để điều chỉnh thang đo và mô hình sơ bộ cho phù hợp với ngữ cảnh Việt Nam, sau đó là giai đoạn định lượng hai bước (N=50 sơ bộ, N=522 chính thức) với các kiểm định Cronbach’s Alpha, EFA, CFA, SEM và Bootstrap. Điều này chặt chẽ hơn so với nhiều nghiên cứu quốc tế như Cheung, Lee & Rabjohn (2008) hay Shen, Cheung & Lee (2013) thường chỉ dựa vào các thang đo có sẵn và kiểm định định lượng mà ít chú trọng đến giai đoạn định tính chuyên sâu để điều chỉnh cho phù hợp với bối cảnh cụ thể.
    • Cách tiếp cận "hai lăng kính" lý thuyết: Luận án đã sử dụng TRA/TPB (Ajzen, 1985) và Lý thuyết Giao tiếp Xã hội (Hovland, 1948) làm "lăng kính" để phân tích bản chất các mối quan hệ nhân quả và xác định các khái niệm cần bổ sung vào mô hình IAM (Sussman & Siegal, 2003). Cách tiếp cận này giúp lý luận cho việc mở rộng mô hình một cách có hệ thống và khoa học hơn, thay vì chỉ đơn thuần thêm các biến một cách cảm tính. Điều này khác biệt so với các nghiên cứu như Tseng & Wang (2016) hoặc Fan và cộng sự (2013) vốn bổ sung biến một cách trực tiếp vào IAM mà không có một khung phân tích tổng quát về nguyên nhân sâu xa của sự bổ sung đó.

  3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là "Cảm nhận tính dễ sử dụng của thông tin eWOM" (CN_DESUDUNG) có mức độ tác động trực tiếp cao nhất (β = 0.494, p < 0.000, Bảng 4.23) đến việc "Chấp nhận thông tin eWOM" (CHAPNHANEWOM). Điều này vượt qua cả "Cảm nhận sự hữu dụng của thông tin eWOM" (β = 0.380) và "Cảm nhận độ tin cậy của thông tin eWOM" (β = 0.290). "Theo hiểu biết của tác giả, tác động của Cảm nhận tính dễ sử dụng của thông tin eWOM đến Chấp nhận thông tin eWOM chưa có nghiên cứu nào liên quan đến truyền khẩu điện tử thực hiện, và do đó có thể xem đây là điểm mới của luận án" (Chương 4, mục 4.2.3). Điều này cho thấy trong môi trường quá tải thông tin, người tiêu dùng tại TPHCM (với 52.5% truy cập web trên 3 giờ/ngày, Bảng 4.1) không chỉ quan tâm đến chất lượng hay độ tin cậy, mà còn ưu tiên sự tiện lợi, dễ dàng trong việc tiếp thu và xử lý thông tin. Họ sẵn sàng chấp nhận một thông tin nếu nó được trình bày một cách đơn giản, dễ hiểu và dễ sàng lọc, ngay cả khi chưa phân tích sâu về nội dung.

  4. Replication protocol provided? Luận án đã cung cấp một giao thức nhân rộng (replication protocol) chi tiết thông qua việc mô tả rõ ràng các bước nghiên cứu định tính và định lượng, bao gồm:

    • Thiết kế nghiên cứu: Quy trình 2 bước định tính (tổng quan tài liệu, phỏng vấn chuyên gia N=7 và thảo luận nhóm N=10) và 2 bước định lượng (khảo sát sơ bộ N=50, khảo sát chính thức N=522).
    • Công cụ thu thập dữ liệu: Thang đo Likert 5 mức độ với 28 biến quan sát được điều chỉnh và xác nhận tính giá trị trong bối cảnh Việt Nam (Bảng 3.21). Các phụ lục (1, 4, 5) cung cấp chi tiết bảng câu hỏi khảo sát và dàn bài phỏng vấn/thảo luận.
    • Phân tích dữ liệu: Chỉ rõ các phần mềm được sử dụng (SPSS và AMOS) và các kỹ thuật thống kê cụ thể (Cronbach’s Alpha, EFA với "Principal Axis Factoring" và "Promax", CFA, SEM, Bootstrap) cùng với các tiêu chí đánh giá (Cronbach’s Alpha > 0.6, AVE > 0.5, CR > 0.7, CMIN/df < 5, RMSEA < 0.08, CFI > 0.95, TLI > 0.95).
    • Dữ liệu nhân khẩu học: Mô tả chi tiết đặc điểm mẫu (giới tính, tuổi, thu nhập, thời lượng truy cập web, Bảng 4.1). Mặc dù dữ liệu thô không được công khai trong luận án, các mô tả chi tiết này cho phép các nhà nghiên cứu khác tái tạo lại các bước nghiên cứu và kiểm định lại mô hình trên các tập dữ liệu khác hoặc trong các bối cảnh khác.

  5. 10-year research agenda outlined? Mặc dù không trực tiếp là "chương trình nghiên cứu 10 năm," luận án đã vạch ra định hướng nghiên cứu tiếp theo (Chương 5, mục 5.3.2) với 4-5 hướng cụ thể cho 3-5 năm tới, có thể làm nền tảng cho một chương trình dài hạn:

    1. Mở rộng phạm vi địa lý và cỡ mẫu: Khảo sát tại các thành phố lớn khác (Cần Thơ, Đà Nẵng, Hà Nội) với N=1000 để tăng tính tổng quát của dữ liệu cho người tiêu dùng Việt Nam.
    2. Nghiên cứu theo ngành nghề cụ thể: Tập trung vào các ngành như du lịch, khách sạn, ẩm thực, giải trí để cung cấp hàm ý quản trị có ý nghĩa thực tế hơn.
    3. Tái đánh giá các yếu tố hoài nghi và xã hội: Xem xét nhân tố "Sự đồng thuận" và toàn bộ thang đo Hoài nghi của Zhang, Ko & Carpenter (2016) bao gồm "Cảm nhận sự trung thực" để tăng độ giải thích của mô hình.
    4. Khám phá yếu tố văn hóa và thói quen: Nghiên cứu ảnh hưởng của văn hóa Việt Nam và thói quen sử dụng các nền tảng mạng xã hội/ứng dụng cụ thể (ví dụ: Zalo, Tik Tok, Facebook, Google.com) đến hành vi chấp nhận eWOM.
    5. Nghiên cứu dọc: Một đề xuất tiềm năng cho tương lai là thực hiện nghiên cứu dọc để theo dõi sự phát triển của eWOM và hành vi chấp nhận theo thời gian, đặc biệt là sự thay đổi sau các sự kiện lớn như đại dịch hoặc sự ra đời của công nghệ mới.

Kết luận

Luận án "Các yếu tố ảnh hưởng đến việc chấp nhận thông tin truyền khẩu điện tử của người tiêu dùng tại Thành phố Hồ Chí Minh" là một công trình nghiên cứu sâu sắc và toàn diện, mang lại những đóng góp khoa học và thực tiễn có giá trị.

  1. Mở rộng và làm phong phú IAM: Nghiên cứu đã thành công trong việc mở rộng Mô hình Chấp nhận Thông tin (IAM) của Sussman & Siegal (2003) bằng cách tích hợp các lý thuyết nền tảng (TRA, TPB, Giao tiếp Xã hội, ELM, CDT, Thích ứng Xã hội) để giải thích các yếu tố quá tải thông tin, ảnh hưởng xã hội và sự hoài nghi.
  2. Xác định vai trò đột phá của "Cảm nhận tính dễ sử dụng của thông tin eWOM": Đây là phát hiện then chốt, chứng minh rằng tính dễ sử dụng của thông tin có tác động trực tiếp và mạnh mẽ nhất (β = 0.494, p < 0.000) đến việc chấp nhận eWOM trong bối cảnh quá tải thông tin, một đóng góp mới cho lý thuyết hành vi người tiêu dùng.
  3. Định lượng ảnh hưởng của sự hoài nghi: Luận án đã làm rõ cơ chế mà "Cảm nhận mức độ che dấu danh tính" (β = -0.109) và "Cảm nhận động cơ người gửi" (β = -0.135) tác động tiêu cực đến "Cảm nhận độ tin cậy của thông tin eWOM", cung cấp bằng chứng thực nghiệm quan trọng cho cuộc chiến chống "Fake eWOM".
  4. Mô hình có mức độ giải thích cao: Mô hình nghiên cứu đề xuất giải thích 69.3% phương sai của biến "Chấp nhận thông tin eWOM", vượt trội so với 42.5% của mô hình IAM gốc, khẳng định tính toàn diện và phù hợp của mô hình trong bối cảnh nghiên cứu.
  5. Thang đo và phương pháp luận vững chắc: Quy trình nghiên cứu hỗn hợp chặt chẽ, từ khảo sát chuyên gia, thảo luận nhóm đến kiểm định định lượng với SPSS và AMOS (CFA, SEM, Bootstrap), đã đảm bảo tính giá trị và độ tin cậy của các thang đo và phát hiện, đồng thời cung cấp một giao thức nhân rộng chi tiết.

Luận án đã góp phần vào sự tiến bộ của mô hình lý thuyết (paradigm advancement) về hành vi người tiêu dùng trong kỷ nguyên số, không chỉ bằng cách tích hợp các lý thuyết hiện có mà còn bằng cách đưa ra các khái niệm mới và kiểm định chúng trong một bối cảnh văn hóa cụ thể. Nghiên cứu này mở ra ít nhất 3 luồng nghiên cứu mới: (1) Làm sâu sắc hơn vai trò của tính dễ sử dụng trong chấp nhận thông tin, đặc biệt trong các kịch bản quá tải; (2) Phát triển các mô hình toàn diện hơn về sự hoài nghi đối với eWOM, bao gồm các yếu tố văn hóa và công nghệ; và (3) Nghiên cứu về hiệu quả của các chiến lược minh bạch hóa thông tin và các quy định chống Fake eWOM.

Với các hàm ý quản trị cụ thể cho doanh nghiệp (tập trung vào chất lượng, tính dễ sử dụng, minh bạch) và các khuyến nghị chính sách rõ ràng cho chính phủ (chế tài Fake eWOM, bảo vệ người tiêu dùng), luận án mang lại tính phù hợp toàn cầu (global relevance). Các vấn đề về quá tải thông tin và thông tin sai lệch là những thách thức chung trên toàn thế giới. Các kết quả có thể được sử dụng làm điểm tham chiếu cho các nghiên cứu và thực tiễn tại các quốc gia đang phát triển khác, góp phần vào việc tạo ra một môi trường kinh doanh và thông tin trực tuyến lành mạnh hơn trên phạm vi quốc tế. Legacy measurable outcomes bao gồm việc thúc đẩy các chiến dịch marketing trung thực, tăng cường niềm tin của người tiêu dùng và hỗ trợ việc hình thành các chính sách quản lý thông tin điện tử hiệu quả hơn trong tương lai.