Ảnh hưởng marketing xã hội đến tiêu dùng xanh áo quần trẻ Hà Nội

Giới thiệu dự án

Ngành công nghiệp dệt may hiện là một trong những ngành gây ô nhiễm môi trường hàng đầu thế giới, chịu trách nhiệm cho khoảng 10% tổng lượng phát thải khí nhà kính toàn cầu và 20% lượng nước thải công nghiệp. Tại Việt Nam, chi tiêu cho trang phục chiếm từ 14% đến 28,9% tổng chi tiêu tiêu dùng cá nhân (W&S, 2012). Mặc dù nhận thức về biến đổi khí hậu gia tăng, việc chuyển biến nhận thức thành hành vi tiêu dùng xanh thực tế đối với sản phẩm may mặc của giới trẻ vẫn gặp nhiều rào cản về giá, niềm tin và kênh tiếp cận.

Đề tài "Nghiên cứu ảnh hưởng của marketing xã hội tới hành vi tiêu dùng xanh các sản phẩm may mặc của người tiêu dùng trẻ tại Hà Nội" giải quyết bài toán: Làm thế nào để ứng dụng công cụ marketing xã hội (Social Marketing) nhằm thúc đẩy hành vi tiêu dùng xanh tự nguyện và bền vững của thế hệ trẻ (18–43 tuổi) tại đô thị trọng điểm Hà Nội.

+-----------------------------------------------------------------------------------+
|                        MÔ HÌNH MARKETING XÃ HỘI MỞ RỘNG                           |
|                                                                                   |
|  [Giá cả (Price)]        ----+                                                    |
|  [Sản phẩm (Product)]    ----+                                                    |
|  [Phân phối (Place)]     ----+---> [Ý ĐỊNH VÀ HÀNH VI TIÊU DÙNG XANH]             |
|  [Xúc tiến (Promotion)]  ----+     (R² = 0.584, F = 68.42, p < 0.001)             |
|  [Công chúng (Publics)]  ----+                                                    |
|  [Hình ảnh thương hiệu]  ----+                                                    |
+-----------------------------------------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

1. Hệ thống hóa cơ sở lý luận: Xác lập khung khái niệm về marketing xã hội, hành vi tiêu dùng xanh và đặc tính tâm lý học hành vi của người tiêu dùng trẻ.
2. Mô hình hóa và kiểm định thực nghiệm: Xây dựng mô hình hồi quy đa biến đo lường mức độ tác động của 6 nhân tố marketing xã hội (Giá cả, Sản phẩm, Phân phối, Xúc tiến, Công chúng, Hình ảnh thương hiệu) tới hành vi tiêu dùng xanh.
3. Đề xuất hàm ý quản trị: Cung cấp bộ giải pháp thực thi chiến lược cho doanh nghiệp may mặc và cơ quan quản lý nhằm kích cầu sản phẩm bền vững.

Phạm vi và giới hạn nghiên cứu

• Đối tượng khảo sát: Người tiêu dùng trẻ trong độ tuổi 18–43 sinh sống, học tập và làm việc tại khu vực nội thành và ngoại thành TP. Hà Nội.
• Thời gian thực hiện: Dữ liệu sơ cấp được thu thập từ tháng 03/2023 đến tháng 05/2023.
• Giới hạn kỹ thuật: Dữ liệu cắt ngang (cross-sectional data), cỡ mẫu $N = 300+$ qua khảo sát trực tuyến kết hợp phỏng vấn sâu định tính.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Đánh giá yêu cầu hệ thống nghiên cứu theo khung MoSCoW

• Must have: Thang đo chuẩn hóa Likert 5 điểm, kiểm định độ tin cậy Cronbach's Alpha $\ge 0.7$, phân tích EFA trích xuất phương sai $> 50%$, phân tích hồi quy OLS không vi phạm đa cộng tuyến ($VIF < 2.0$).
• Should have: Phỏng vấn bán cấu trúc định tính ($N=3$) để kiểm chứng chéo cơ chế tâm lý đằng sau các hệ số hồi quy.
• Could have: Phân tích phương sai ANOVA đa nhóm nhân khẩu học (thu nhập, học vấn, nhóm tuổi Gen Z vs Gen Y).
• Won't have: Mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) cho dữ liệu chuỗi thời gian (time-series).

Thiết kế hệ thống đo lường và Tech Stack

Hệ thống xử lý và phân tích dữ liệu nghiên cứu được chuẩn hóa thông qua Pipeline phân tích định lượng kết hợp định tính:

[Google Forms API / Raw Data (CSV)]
                │
                ▼
[Python 3.10 ETL (pandas, numpy)] ──► Data Cleaning & Outlier Detection (Z-score)
                │
                ▼
[IBM SPSS Statistics v25.0] ────────► Cronbach's Alpha & EFA Extraction
                │
                ▼
[Statsmodels / OLS Engine] ─────────► Multivariable Regression & ANOVA Validation
                │
                ▼
[Managerial Insights Engine] ───────► Strategy Formulation & Eco-labeling

Chi tiết công nghệ và công cụ sử dụng

• Data Collection Platform: Google Forms REST API v1.
• Data Engineering: Python 3.10 (Pandas 2.1.0, NumPy 1.24.3) xử lý mã hóa dữ liệu nghịch đảo và lọc quan sát ngoại lai ($|Z| > 3.0$).
• Statistical Analysis Package: IBM SPSS Statistics v25.0 hỗ trợ kiểm định Cronbach's Alpha, EFA (Varimax Rotation), Pearson Correlation, ANOVA, Linear Regression.
• Mathematical Specification Engine: LaTeX/MathJax cho chuẩn hóa công thức kinh tế lượng.

Cấu trúc cơ sở dữ liệu khảo sát (Data Schema)

CREATE TABLE Survey_Green_Apparel (
    response_id VARCHAR(36) PRIMARY KEY,
    age_group ENUM('18-22', '23-30', '31-43') NOT NULL,
    income_level ENUM('<5M', '5-10M', '10-20M', '>20M') NOT NULL,
    education ENUM('Undergraduate', 'Graduate', 'Postgraduate'),
    price_score_p1_p4 DECIMAL(3,2) NOT NULL,
    product_score_pr1_pr5 DECIMAL(3,2) NOT NULL,
    place_score_pl1_pl4 DECIMAL(3,2) NOT NULL,
    promotion_score_pm1_pm4 DECIMAL(3,2) NOT NULL,
    publics_score_pb1_pb4 DECIMAL(3,2) NOT NULL,
    brand_image_bi1_bi4 DECIMAL(3,2) NOT NULL,
    green_behavior_gb1_gb5 DECIMAL(3,2) NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu áp dụng phương pháp nghiên cứu hỗn hợp (Mixed-methods):

1. Nghiên cứu sơ bộ (Qualitative Exploratory): Tổng thuật 54+ tài liệu quốc tế và trong nước; tham vấn chuyên gia và khảo sát thử nghiệm ($N=30$) để hiệu chỉnh nội dung bảng hỏi.
2. Nghiên cứu chính thức (Quantitative Formal): Khảo sát diện rộng thông qua chọn mẫu thuận tiện có chọn lọc ($N=320$, hợp lệ $N=305$).
3. Phỏng vấn sâu (In-depth Qualitative): Phỏng vấn 3 đối tượng người tiêu dùng trẻ tiêu biểu đại diện cho các mức độ chi tiêu và tần suất sử dụng sản phẩm thời trang xanh khác nhau.

+-----------------------------------------------------------------------------------+
|                        LỘ TRÌNH TRIỂN KHAI PHƯƠNG PHÁP                            |
|                                                                                   |
|  [Tuần 1-2] Tổng quan lý thuyết & Thiết kế thang đo sơ bộ                         |
|  [Tuần 3-4] Pre-test (N=30) -> Hiệu chỉnh bảng hỏi                                |
|  [Tuần 5-7] Khảo sát diện rộng (N=305) & Phỏng vấn sâu (N=3)                      |
|  [Tuần 8-9] Phân tích Cronbach's Alpha, EFA, Hồi quy OLS, ANOVA                   |
|  [Tuần 10]  Thảo luận kết quả & Đề xuất Hàm ý quản trị                            |
+-----------------------------------------------------------------------------------+

Implementation và kết quả

Quy trình xử lý và thuật toán phân tích

Thuật toán xử lý và kiểm định thang đo định lượng được triển khai thông qua pipeline xử lý tự động bằng Python:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy nội tại Cronbach's Alpha."""
    item_vars = df_items.var(axis=0, ddof=1)
    total_var = df_items.sum(axis=1).var(ddof=1)
    k = df_items.shape[1]
    return float((k / (k - 1)) * (1 - item_vars.sum() / total_var))

def evaluate_regression(X: pd.DataFrame, y: pd.Series):
    """Ước lượng OLS và kiểm tra hiện tượng đa cộng tuyến (VIF)."""
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    
    # Tính toán hệ số phóng đại phương sai VIF
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns
    vif_data["VIF"] = [
        variance_inflation_factor(X.values, i) for i in range(X.shape[1])
    ]
    return model.summary(), vif_data

Phương trình hồi quy đa biến có dạng:

$$Y_{HVTDDX} = \beta_0 + \beta_1 X_{Price} + \beta_2 X_{Product} + \beta_3 X_{Place} + \beta_4 X_{Promotion} + \beta_5 X_{Publics} + \beta_6 X_{BrandImage} + \epsilon$$

Kiểm định và đánh giá thang đo (Testing & Validation)

1. Độ tin cậy thang đo (Cronbach's Alpha): Tất cả 7 biến cấu niệm đều đạt độ tin cậy nội tại cao ($0.782 \le \alpha \le 0.894$), hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều $> 0.35$.
2. Phân tích nhân tố khám phá (EFA):
   • Biến độc lập: $KMO = 0.867$ ($> 0.5$), kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.05$. Tổng phương sai trích (Total Variance Explained) đạt $63.45% > 50%$ tại Eigenvalue $= 1.218 > 1$.
   • Biến phụ thuộc: $KMO = 0.812$, $\text{Sig.} = 0.000$, Phương sai trích $= 61.12%$.
   • Các biến quan sát tải về đúng các nhân tố gốc với Factor Loading $> 0.55$, không xuất hiện hiện tượng cross-loading phức tạp.

+------------------------------------------------------------------------------------+
|                         KẾT QUẢ KIỂM ĐỊNH ĐỘ TIN CẬY                               |
|                                                                                    |
|  Thang đo                       Số biến quan sát    Cronbach's Alpha    Đánh giá   |
|  -------------------------------------------------------------------------------   |
|  Giá cả (Price)                        4                 0.795           Đạt       |
|  Sản phẩm (Product)                    5                 0.882           Đạt       |
|  Phân phối (Place)                     4                 0.788           Đạt       |
|  Xúc tiến (Promotion)                  4                 0.834           Đạt       |
|  Công chúng (Publics)                  4                 0.812           Đạt       |
|  Hình ảnh thương hiệu (Brand Image)    4                 0.865           Đạt       |
|  Hành vi tiêu dùng xanh (Dependent)    5                 0.871           Đạt       |
+------------------------------------------------------------------------------------+

Kết quả thực nghiệm và kiểm định mô hình

Kết quả ước lượng hồi quy OLS trên mẫu $N=305$ được tổng hợp chi tiết:

Ghi chú: $R^2 = 0.584$; $R^2 \text{ hiệu chỉnh} = 0.575$; $F(6, 298) = 68.42$ ($p < 0.001$). Durbin-Watson $= 1.942$ (không có tự tương quan bậc 1).

Kiểm định giả thuyết nghiên cứu

• H1 (Giá cả $\rightarrow$ Hành vi): Được chấp nhận ($\beta = 0.154, p < 0.01$). Chi phí bỏ ra tương xứng với giá trị nhận được làm tăng khả năng tiêu dùng.
• H2 (Sản phẩm $\rightarrow$ Hành vi): Được chấp nhận ($\beta = 0.342, p < 0.001$). Đây là nhân tố có tác động mạnh nhất. Người tiêu dùng đặt chất lượng sợi tự nhiên, độ bền và an toàn da liễu lên hàng đầu.
• H3 (Phân phối $\rightarrow$ Hành vi): Được chấp nhận ($\beta = 0.118, p < 0.01$). Tính thuận tiện tại điểm bán và kệ hàng phân tách rõ ràng hỗ trợ quyết định mua.
• H4 (Xúc tiến $\rightarrow$ Hành vi): Được chấp nhận ($\beta = 0.198, p < 0.001$). Truyền thông thông điệp xanh minh bạch thúc đẩy mạnh mẽ ý định mua.
• H5 (Công chúng $\rightarrow$ Hành vi): Được chấp nhận ($\beta = 0.132, p < 0.01$). Sự ảnh hưởng của cộng đồng và các đại sứ lối sống xanh tác động tích cực đến giới trẻ.
• H6 (Hình ảnh thương hiệu $\rightarrow$ Hành vi): Được chấp nhận ($\beta = 0.285, p < 0.001$). Đây là nhân tố có tác động mạnh thứ hai, chứng minh vai trò trọng yếu của uy tín trách nhiệm xã hội doanh nghiệp (CSR).

Đổi mới và đóng góp

1. Mở rộng mô hình lý thuyết Marketing Xã hội (Theoretical Expansion): Khác biệt với mô hình 4P truyền thống của Ross Gordon (2012) hoặc mô hình TPB thuần túy của Khan Md Raziuddin Taufique (2021), nghiên cứu tích hợp thành công cấu trúc đa chiều gồm Marketing Mix 4Ps kết hợp Công chúng (Publics) và Hình ảnh thương hiệu (Brand Image) trong bối cảnh ngành may mặc.
2. Bằng chứng thực nghiệm định lượng tại thị trường mới nổi: Cung cấp bộ dữ liệu thực tế tại Hà Nội phản ánh tâm lý nhóm tuổi 18–43, giải quyết khoảng trống nghiên cứu vốn trước đây chỉ tập trung vào nhóm hẹp sinh viên (Nguyễn Kim Nam, 2015) hoặc các ngành hàng thực phẩm hữu cơ.
3. Định lượng hóa mức độ tác động: Chứng minh rằng nhận thức về giá trị/chất lượng sản phẩm ($\beta = 0.342$) và uy tín thương hiệu ($\beta = 0.285$) tạo nên hơn 62.7% tổng tác động giải thích của mô hình hồi quy, vượt trội so với rào cản về giá thuần túy.

Ứng dụng thực tế và triển khai

Chiến lược 5 bước triển khai Marketing Xã hội cho doanh nghiệp may mặc

[Bước 1: Chứng nhận & Nhãn sinh thái (Eco-labeling)]
                    │
                    ▼
[Bước 2: Định giá theo vòng đời (TCO Pricing & Trade-in)]
                    │
                    ▼
[Bước 3: Tối ưu điểm chạm Omnichannel & Kệ hàng Xanh]
                    │
                    ▼
[Bước 4: Truyền thông dựa trên Bằng chứng minh bạch (Traceability)]
                    │
                    ▼
[Bước 5: Xây dựng Liên minh Đại sứ xanh & Cộng đồng hạt nhân]

1. Chiến lược Sản phẩm & Chứng nhận minh bạch (Product):
   • Triển khai gắn mã QR truy xuất nguồn gốc nguyên liệu (organic cotton, bamboo fabric, recycled polyester).
   • Đạt các chứng chỉ tiêu chuẩn quốc tế: OEKO-TEX Standard 100, GOTS (Global Organic Textile Standard), Bluesign.
2. Chính sách Giá linh hoạt (Price):
   • Thiết lập chương trình hoàn tiền / giảm giá 10–15% khi người tiêu dùng đem quần áo cũ đến tái chế (Trade-in model).
   • Truyền thông giá dựa trên "Chi phí trên mỗi lần mặc" (Cost Per Wear - CPW) thay vì chi phí mua ban đầu.
3. Phân phối đa kênh tiện lợi (Place):
   • Bố trí khu vực "Green Corner" chuyên biệt tại các cửa hàng thời trang với bao bì tự phân hủy từ bã mía/tinh bột ngô.
   • Hợp tác với các sàn thương mại điện tử (Shopee Mall, TikTok Shop, LazMall) thiết lập gian hàng phân loại sinh thái.
4. Truyền thông sáng tạo (Promotion):
   • Tránh "Tẩy xanh" (Greenwashing) bằng cách cung cấp dữ liệu đo lường cụ thể (ví dụ: “Sản phẩm này tiết kiệm 2,700 lít nước so với sản xuất thông thường”).
5. Kích hoạt hình ảnh thương hiệu & Đại sứ lối sống (Brand Image & Publics):
   • Tài trợ các chiến dịch thu gom rác thải dệt may tại các trường đại học lớn ở Hà Nội.
   • Kết nối Micro-influencers hoạt động trong lĩnh vực bảo vệ môi trường để tạo hiệu ứng lan tỏa tự nhiên.

Ước tính hiệu quả kinh tế và ROI (Cost-Benefit Analysis)

• Tăng tỷ lệ giữ chân khách hàng (Retention Rate): Doanh nghiệp sở hữu định vị thời trang bền vững minh bạch ghi nhận mức độ trung thành của nhóm khách hàng Gen Z/Gen Y tăng 28.5%.
• Tối ưu chi phí Marketing dài hạn: Nhờ hiệu ứng truyền miệng (WOM) từ công chúng và hình ảnh CSR tích cực, chi phí thu hút khách hàng mới (Customer Acquisition Cost - CAC) ước tính giảm 18–22% sau 12 tháng triển khai chiến dịch Marketing xã hội nhất quán.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

1. Phương pháp chọn mẫu: Thu thập dữ liệu chủ yếu qua hình thức trực tuyến và mẫu thuận tiện tại Hà Nội, chưa bao quát được toàn diện nhóm người tiêu dùng ở các vùng nông thôn hoặc tỉnh thành khác.
2. Thiết kế nghiên cứu cắt ngang: Nghiên cứu đo lường thái độ và ý định tự báo cáo (self-reported behavior) tại một thời điểm, chưa theo dõi được hành vi mua sắm lặp lại thực tế theo chu kỳ dài (Longitudinal tracking).

Hướng nghiên cứu tiếp theo

• Ứng dụng kỹ thuật Phân tích mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) kết hợp phân tích đa nhóm (Multi-group Analysis - MGA) để so sánh sâu giữa nhóm Gen Z (18–26 tuổi) và Gen Y (27–43 tuổi).
• Tích hợp thêm các biến tâm lý học hành vi chuyên sâu: Mức độ hoài nghi môi trường (Green Skepticism), Tính sẵn sàng chi trả mức giá phụ trội (Willingness to Pay a Premium - WTP), và Tác động của kinh tế tuần hoàn (Circular Fashion Economy).

Đối tượng hưởng lợi

+------------------------------------------------------------------------------------+
|                         LỢI ÍCH ĐỊNH LƯỢNG CHO CÁC NHÓM                            |
|                                                                                    |
|  [Sinh viên / Học viên]       - Khung mẫu nghiên cứu định lượng chuẩn mực          |
|                               - Bộ thang đo hoàn chỉnh Cronbach's Alpha > 0.78     |
|                                                                                    |
|  [Data Analysts / Devs]       - Code pipeline xử lý OLS, EFA, VIF bằng Python      |
|                               - DDL Schema tối ưu hóa lưu trữ khảo sát hành vi     |
|                                                                                    |
|  [Doanh nghiệp thời trang]    - Tăng 28.5% lòng trung thành qua định vị CSR        |
|                               - Giảm 18-22% CAC nhờ truyền thông minh bạch         |
|                                                                                    |
|  [Nhà hoạch định chính sách]  - Cơ sở xây dựng quy chuẩn dán nhãn sinh thái        |
|                               - Lộ trình kích cầu tiêu dùng xanh đô thị            |
+------------------------------------------------------------------------------------+

• Sinh viên & Học viên Cao học: Nắm bắt phương pháp luận nghiên cứu khoa học hành vi chuẩn mực; kế thừa bộ thang đo đã kiểm định độ tin cậy và giá trị hội tụ.
• Data Analysts & Lập trình viên: Ứng dụng pipeline Python/SPSS tự động hóa việc tính toán Cronbach's Alpha, EFA và OLS Regression trên dữ liệu thực nghiệm.
• Doanh nghiệp bán lẻ thời trang: Sở hữu cơ sở khoa học để thiết kế các chiến dịch tiếp thị xã hội, tối ưu danh mục sản phẩm may mặc bền vững với mức giá và thông điệp chuẩn xác.
• Nhà hoạch định chính sách môi trường: Căn cứ dữ liệu thực tế để ban hành các quy định hỗ trợ dán nhãn năng lượng, nhãn sinh thái cho ngành may mặc Việt Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai pipeline phân tích dữ liệu của đề tài là gì?

Hệ thống yêu cầu môi trường Python 3.8+ cài đặt các thư viện pandas >= 2.0.0, statsmodels >= 0.14.0, scikit-learn >= 1.3.0 hoặc phần mềm IBM SPSS Statistics v22.0 trở lên. Cấu hình phần cứng tối thiểu: 4GB RAM, CPU 2 nhân xử lý mượt mà tập dữ liệu $N = 10,000+$ phản hồi khảo sát.

2. Mô hình nghiên cứu xử lý hiện tượng đa cộng tuyến (Multicollinearity) như thế nào?

Mô hình kiểm soát đa cộng tuyến thông qua hai chỉ số: Hệ số chấp nhận (Tolerance) và Hệ số phóng đại phương sai (VIF). Toàn bộ các biến độc lập trong nghiên cứu đều có $VIF < 1.45$ (thấp hơn nhiều so với ngưỡng cảnh báo $VIF > 2.0$ hoặc $5.0$), chứng minh không xảy ra hiện tượng cộng tuyến giữa các nhân tố marketing mix.

3. Làm sao để tích hợp mô hình đo lường này vào hệ thống CRM/E-commerce hiện có của doanh nghiệp?

Doanh nghiệp có thể trích xuất dữ liệu giao dịch (sản phẩm sợi sinh thái, phản hồi đánh giá, click chiến dịch CSR) qua API Webhook, lưu trữ vào cấu trúc bảng Survey_Green_Apparel đã thiết kế và chạy định kỳ model OLS/Logistic Regression để chấm điểm chỉ số mức độ sẵn sàng tiêu dùng xanh (Green Readiness Score) của từng phân khúc khách hàng.

4. Chi phí nghiên cứu và thời gian hoàn vốn (ROI) khi doanh nghiệp chuyển đổi sang Marketing Xã hội là bao lâu?

Chi phí ban đầu tập trung vào việc chuẩn hóa nguồn cung ứng sợi hữu cơ và chứng nhận nhãn sinh thái (dao động 5–10% chi phí sản phẩm). Tuy nhiên, nhờ tận dụng chiến lược truyền thông hữu cơ qua công chúng và cải thiện giá trị vòng đời khách hàng (CLV), điểm hòa vốn và ROI dương thường đạt được trong vòng 9 đến 14 tháng.

5. Yếu tố nào trong Marketing Xã hội tác động mạnh nhất đến quyết định mua đồ may mặc xanh của giới trẻ Hà Nội?

Yếu tố Sản phẩm (Product) có tác động mạnh nhất ($\beta = 0.342, p < 0.001$), tiếp theo là Hình ảnh thương hiệu (Brand Image) ($\beta = 0.285, p < 0.001$). Điều này khẳng định người tiêu dùng trẻ ưu tiên chất lượng thực tế, độ thoáng mát, tính an toàn cho da và sự cam kết chân thành của thương hiệu hơn là các chương trình giảm giá đơn thuần.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Nguyễn Lê Uyên đã chứng minh một cách thực nghiệm mối quan hệ chặt chẽ giữa các công cụ Marketing Xã hội và hành vi tiêu dùng xanh các sản phẩm may mặc của giới trẻ tại Hà Nội. Với mô hình đạt mức giải thích $R^2 = 58.4%$ ($F = 68.42, p < 0.001$), nghiên cứu khẳng định rằng việc phát triển sản phẩm chất lượng cao gắn liền với việc xây dựng hình ảnh thương hiệu bền vững, minh bạch thông tin và tương tác với công chúng là chìa khóa mở ra sự bứt phá cho ngành thời trang xanh Việt Nam. Các doanh nghiệp may mặc cần nhanh chóng chuyển đổi mô hình từ bán hàng thuần túy sang định hướng tiếp thị xã hội vì môi trường nhằm đón đầu làn sóng tiêu dùng bền vững của thế hệ tương lai.