TCDN - Nghiên cứu này thực hiện nhằm xác định các yếu tố ảnh hưởng đến hành vi mua nông sản tươi trực tuyến, đồng thời làm rõ vai trò điều tiết của hành vi trong quá khứ.

TÓM TẮT:

Nghiên cứu này thực hiện nhằm xác định các yếu tố ảnh hưởng đến hành vi mua nông sản tươi trực tuyến, đồng thời làm rõ vai trò điều tiết của hành vi trong quá khứ. Lý thuyết hành vi có kế hoạch và mô hình mở rộng chấp nhận và sử dụng công nghệ hợp nhấst - UTAUT2 được sử dụng để xây dựng mô hình nghiên cứu. Nhóm tác giả sử dụng một cuộc khảo sát trực tuyến theo phương pháp thuận tiện (phi xác suất) để thu thập dữ liệu nghiên cứu từ người tiêu dùng đã mua nông sản tươi trực tuyến trên địa bàn Thành phố Hồ Chí Minh. Dữ liệu nghiên cứu sau khi được thu thập sẽ được làm sạch và xử lý bằng phần mềm Smart-PLS phiên bản 4. Thông qua nghiên cứu nhóm tác giả đề xuất một số hàm ý quản trị nhằm gia tăng quyết định mua nông sản tươi trực tuyến của người tiêu dùng trên địa bàn Thành phố Hồ Chí Minh. Bên cạnh đó, một số hạn chế cũng được thảo luận.

1. Mô hình nghiên cứu đề xuất

Thương mại điện tử và mua sắm trực tuyến đang dần thay thế hình thức kinh doanh truyền thống, mở ra kỷ nguyên kinh doanh mới trong thương mại điện tử (Islam, 2021). Thương mại điện tử tập trung chủ yếu vào sản phẩm điện tử, nhu yếu phẩm hàng ngày… nhưng với mặt hàng nông sản gần như trì trệ (An và cộng sự, 2016). Nguyên nhân chính do hạn chế về mùa vụ nông sản cũng như sự hạn chế sử dụng của người tiêu dùng do lo ngại và nhạy cảm với các vấn đề liên quan đến sức khỏe (An và cộng sự, 2016; Niva, 2007). Theo Kuhn và cộng sự (2020) việc mua nông sản trực tuyến trước đây tụt hậu sau các danh mục sản phẩm khác trong thương mại điện tử thì khi COVID - 19 xảy ra, sản phẩm nông sản được người tiêu dùng quan tâm và mua trực tuyến nhiều hơn (Eger và cộng sự, 2021). Tuy vậy, họ vẫn lo ngại về những rủi ro có thể xảy ra (Ariffin và cộng sự, 2018), từ đó ảnh hưởng đến hành vi của khách hàng (Mehrolia và cộng sự, 2021).

Các nhà nghiên cứu tại Việt Nam đã xem xét các nhân tố ảnh hưởng đến ý định hoặc hành vi mua sắm trực tuyến của khách hàng. Nghiên cứu của Hùng và cộng sự (2023) cho thấy các nhân tố “truyền miệng điện tử, giá cả hợp lý, thiết kế Web/App, nhận thức tính dễ sử dụng và nhân thức sự hữu ích” có tác động đến ý định mua sắm trực tuyến, hay Tạ và cộng sự (2021) phát hiện ra yếu tố “nhận thức tính hữu ích, niềm tin, cảm nhận rủi ro và tâm lý an toàn” cũng có ảnh hưởng đến hành vi mua sắm. Tuy vậy, còn hạn chế số lượng tài liệu nghiên cứu về hành vi mua nông sản tươi trực tuyến vì các nghiên cứu trước đây đa số tập trung chủ yếu vào các sản phẩm như quần áo, thiết bị công nghệ... Bên cạnh đó việc áp dụng mô hình UTAUT2, nhận thức rủi ro và vai trò điều tiết của hành vi trong quá khứ với việc phân tích PLS-SEM để nghiên cứu hành vi mua nông sản tươi trực tuyến chưa được các nhà nghiên cứu xem xét phân tích. Do vậy, nhóm tác giả thực hiện đề tài nhằm giải quyết khoảng trống nghiên cứu tại Việt Nam.

Giả thuyết 1 (H1). Ý định mua nông sản tươi trực tuyến tác động cùng chiều đến hành vi mua nông sản tươi trực tuyến.

Giả thuyết 2 (H2). Kỳ vọng kết quả có tác động cùng chiều đến ý định mua nông sản tươi trực tuyến.

Giả thuyết 3 (H3). Điều kiện thuận lợi có tác động cùng chiều đến ý định mua nông sản tươi trực tuyến.

Giả thuyết 4 (H4). Động lực thụ hưởng có tác động cùng chiều đến ý định mua nông sản tươi trực tuyến.

Giả thuyết 5 (H5). Giá trị giá cả có tác động cùng chiều đến ý định mua nông sản tươi trực tuyến.

Giả thuyết 6 (H6). Thói quen có tác động cùng chiều đến ý định mua nông sản tươi trực tuyến.

Giả thuyết 7 (H7). Thói quen có tác động cùng chiều đến hành vi mua nông sản tươi trực tuyến.

Giả thuyết 8 (H8). Nhận thức rủi ro có tác động ngược chiều đến ý định mua nông sản tươi trực tuyến.

Giả thuyết 9 (H9). Nhận thức rủi ro có tác động ngược chiều đến hành vi mua nông sản tươi trực tuyến.

Giả thuyết 10 (H10). Hành vi trong quá khứ điều tiết mối quan hệ giữa ý định và hành vi mua nông sản tươi hiện tại.

2. Phương pháp nghiên cứu

2.1. Phương pháp thu thập dữ liệu

Phương pháp lấy mẫu thuận tiện - Phi xác suất đã được sử dụng để thu thập dữ liệu thông qua cuộc khảo sát trực tuyến bằng bảng câu hỏi thông qua biểu mẫu Google Form dưới dạng liên kết qua email cá nhân hoặc các ứng dụng truyền thông xã hội như Zalo và Facebook. Nhóm tác giả tiếp cận những cá nhân khảo sát thông qua nhiều phương tiện khác nhau, bao gồm mối quan hệ công việc và mạng lưới bạn bè… Bên cạnh đó, câu hỏi sàng lọc đã được sử dụng để kiểm tra liệu rằng mỗi đáp viên có thuộc đối tượng cần khảo sát. Đối với câu hỏi “Anh/Chị hiện đang sinh sống tại Thành phố Hồ Chí Minh?” nếu đáp viên trả lời đang sinh sống tại Thành phố Hồ Chí Minh thì tiếp tục trả lời câu hỏi “Anh/Chị đã có mua nông sản tươi trực tuyến?”. Nếu đáp viên trả lời “Có” tại câu hỏi này thì tiếp tục khảo sát, ngược lại thì ngừng khảo sát.

Theo Hair và cộng sự (2017) phương pháp PLSSEM chấp nhận cỡ mẫu (tối thiểu) gấp 10 lần cỡ mẫu tối đa số lượng mũi tên chỉ vào một cấu trúc trong một mô hình. Cũng theo khuyến nghị của Hair và cộng sự (2017), nhóm tác giả sử dụng công cụ thống kê Gpower phiên bản 3.1 để tính toán và kết quả cỡ mẫu được ước tính là 222 mẫu. Do đó, để hạn chế những sai số trong quá trình thu thập dữ liệu, nghiên cứu này tiến hành thu thập với kích thước là 400 mẫu và thông qua sàng lọc còn lại 360 mẫu đạt yêu cầu.

2.2. Thiết kế bảng câu hỏi nghiên cứu

Thang đo nghiên cứu được nhóm tác giả kế thừa từ các nghiên cứu trước đây. Mỗi cấu trúc được đo lường bằng thang đo Likert 7 điểm. Bảng câu hỏi được thiết kế thành hai phần chính: Phần A bao gồm các câu hỏi thu thập đặc điểm đối tượng tham gia khảo sát và phần B mô tả cấu trúc trong mô hình nghiên cứu. Trước khi thu thập dữ liệu, một nghiên cứu thí điểm đã được tiến hành với 10 người tiêu dùng đã có mua sắm trực tuyến được chọn ngẫu nhiên để xác định thêm và sửa các lỗi hiện có.

2.3. Phương pháp phân tích dữ liệu

Theo Hair và cộng sự (2014) PLS-SEM được đánh giá vượt trội hơn so với CB-SEM trong việc xử lý dữ liệu không bình thường, cỡ mẫu nhỏ và bao gồm các chỉ số hình thành. Nghiên cứu này sử dụng phương pháp nghiên cứu định lượng và mô hình cấu trúc tuyến tính bình phương nhỏ nhất (PLS-SEM) vì tính linh hoạt, áp dụng được cho nhiều thuộc tính thang đo (Hair và cộng sự, 2014). Số liệu được xử lý qua 2 giai đoạn: xử lý sơ bộ và phân tích dữ liệu thông qua phần mềm Smart-PLS phiên bản 4.

3. Kết quả nghiên cứu

3.1. Đánh giá mô hình đo lường

3.1.1. Đánh giá độ hội tụ thang đo

Hệ số tải ngoài (outer loading): dùng để đánh giá chất lượng biến quan sát, đây là chỉ số thể hiện mức độ liên kết giữa biến quan sát với biến tiềm ẩn mẹ. Một biến quan sát nếu như có hệ số tải ngoài (outer loading) thấp nhưng hệ số tải ngoài của các biến quan sát còn lại rất cao thì AVE vẫn đạt ngưỡng 0,5. Do đó trước khi đánh giá AVE, tiến hành từng bước đánh giá chất lượng biến quan sát và đánh giá độ tin cậy thang đo trước khi thực hiện loại bỏ những biến không có ý nghĩa.

Những biến quan sát có hệ số tải ngoài ≥ 0,7 thì giữ biến; những biến quan sát có hệ số tải ngoài ≥ 0,4 nhưng < 0,7 phải cân nhắc trong việc xóa biến, nếu việc xóa bớt làm tăng hệ số đo lường trên ngưỡng thì có có thể xóa biến nhưng cân nhắc giá trị nội dung, nếu việc xóa bớt biến không làm tăng hệ số đo lường trên ngưỡng thì ta giữ biến lại; hệ số tải ngoài < 0,4 xóa biến nhưng cân nhắc đến giá trị nội dung (Hair và cộng sự, 2016). Kết quả Bảng 3 cho thấy tất cả các biến quan sát đều được giữ lại do có hệ số tải ngoài > 0,7.

Mô hình được xem là đáng tin cậy khi Cronbach’s Alpha và CR đạt ngưỡng lớn hơn hoặc bằng 0,7. Kết quả Bảng 4 cho thấy các thang đo của biến nghiên cứu đều đạt được các tiêu chuẩn và độ tin cậy về giá trị.

Một thang đo sẽ đạt chuẩn nếu hệ số AVE ≥ 0,5, có nghĩa là biến tiềm ẩn giải thích được 50% sự thay đổi của biến quan sát (Hair và cộng sự, 2016). Theo Bảng 4, các thang đo đều đạt giá trị hội tụ.

3.1.2. Đánh giá giá trị phân biệt

Nghiên cứu này sử dụng hệ số HTMT để đánh giá sự phân biệt giữa các cấu trúc. Garson (2016) cho rằng giá trị phân biệt giữa hai biến tiềm ẩn được đảm bảo khi chỉ số HTMT nhỏ hơn 1. Kết quả của Bảng 5 đã chỉ ra giá trị HTMT lớn nhất là 0,882 nhỏ hơn 1. Do đó, các biến trong nghiên cứu đạt được giá trị phân biệt.

3.2. Kiểm tra mô hình cấu trúc

3.2.1. Kết quả đánh giá vấn đề đa cộng tuyến

Theo Wong (2013) giữa biến ngoại sinh tương ứng và biến nội sinh sẽ tồn tại đa cộng tuyến. Sẽ có các vấn đề đa cộng tuyến với các biến tiềm ẩn nếu VIF > 5 hoặc VIF < 0,2. Nếu nằm ngoài giới hạn này, cần xem xét loại bỏ các chỉ số, hợp nhất các chỉ số thành một chỉ mục duy nhất hoặc tạo các cấu trúc bậc cao hơn để xử lý các vấn đề về đa cộng tuyến (Hair và cộng sự, 2019). Kết quả ở Bảng 6, giá trị tối đa của VIF là 3,778 < 5 và giá trị tối thiểu là 1,166 > 0,2, điều này chỉ ra không xảy ra hiện tượng đa cộng tuyến ở các biến tiềm ẩn.

3.2.2. Kết quả đánh giá hệ số R bình phương và Q bình phương

Đánh giá hệ số xác định R2 nhằm xác minh tính chính xác của quá trình dự báo mô hình. Giá trị R2 biến thiên trong khoảng từ 0 đến 1, giá trị R2 càng cao thì mô hình tuyến tính càng phù hợp. Kết quả tại Bảng 7 cho thấy R2 trong mô hình hiện tại có giá trị cao là 0,537 đối với ý định mua sắm trực tuyến, tiếp đến là hành vi mua sắm trực tuyến (0,587), điều này chứng tỏ mô hình đề xuất có khả năng dự báo tốt.

Geisser (1974) đã đề xuất giá trị Q2. Trong mô hình cấu trúc của nghiên cứu này, giá trị Q2 của biến phụ thuộc lần lượt là 0,419 và 0,424 > 0 chỉ ra sự liên quan dự đoán của mô hình nghiên cứu đến biến phụ thuộc.

3.2.3. Kiểm định giả thuyết nghiên cứu

Sau khi đánh giá thang đo, dữ liệu và mô hình giả thuyết nghiên cứu là phù hợp, tác giả tiến hành kiểm định giả thuyết trong mô hình cấu trúc đường dẫn PLS - SEM với việc sử dụng kỹ thuật bootstrapping, đánh giá mẫu với cỡ mẫu lặp lại là 1.000 quan sát để xác định đường dẫn hệ số, sai số chuẩn của t-values và p-values (Hair và cộng sự, 2020)

4. Kết luận và hàm ý quản trị

Nghiên cứu được thực hiện nhằm xác định các yếu tố ảnh hưởng đến hành vi mua nông sản tươi trực tuyến, đồng thời khám vai trò điều tiết của hành vi trong quá khứ. Dữ liệu nghiên cứu được thu thập từ người tiêu dùng đã mua nông sản tươi trực tuyến trên địa bàn Thành phố Hồ Chí Minh, Việt Nam. Dữ liệu nghiên cứu sau khi được thu thập sẽ được làm sạch và xử lý bằng phần mềm Smart-PLS phiên bản 4. Thông qua phân tích 360 câu trả lời phù hợp bằng phương pháp phân tích PLS-SEM, nghiên cứu đã chỉ ra điều kiện thuận lợi, thói quen và nhận thức rủi ro có ảnh hưởng đến ý định và hành vi mua nông sản tươi trực tuyến của người tiêu dùng. Bên cạnh đó, hành vi trong quá khứ có tác động điều tiết mối quan hệ giữa ý định và hành vi mua nông sản tươi hiện tại. Từ kết quả nghiên cứu một số hàm ý quản trị được đúc kết như sau:

Thứ nhất, Các nhà kinh doanh nông sản trực tuyến cần cung cấp cho khách hàng thông tin sẵn có, quy trình đặt hàng thuận tiện và có nhiều tùy chọn để thanh toán đơn hàng. Các doanh nghiệp có thể khai thác hình thức làm marketing theo kiểu SEM (Search Engine Marketing) để đẩy mạnh hoạt động bán hàng cho doanh nghiệp mình.

Thứ hai, Các doanh nghiệp cần tạo niềm tin với khách hàng bằng cách xây dựng thương hiệu bán hàng trực tuyến đảm bảo chất lượng, xuất xứ hàng theo cam kết, đảm bảo thông tin sản phẩm phải chính xác và rõ ràng; thiết lập hệ thống bảo mật thông tin, cung cấp thông tin về sản phẩm một cách chính xác và đầy đủ; giám sát hệ thống giao và vận chuyển hàng hóa chặt chẽ, để khách hàng có thể yên tâm khi mua hàng trực tuyến tại các doanh nghiệp.

Thứ ba, các doanh nghiệp nên tăng cường trải nghiệm khách hàng bằng cách nâng cao dịch vụ, ứng dụng cũng như đội ngủ nhân viên chăm sóc khách hàng để có hỗ trợ cho khách hàng khi gặp phải khó khăn hoặc sự cố đáng tiếc xảy ra. Từ đó tăng cường trải nghiệm trong quá khứ của khách hàng và sẽ tạo cho khách hàng thói quen quay lại sử dụng dịch vụ tạo cho họ trải nghiệm tuyệt vời.

Mặc dù nghiên cứu đã đạt được những kết quả nhất định nhưng cũng còn gặp phải những hạn chế:

Thứ nhất, Do hạn chế về thời gian và kinh phí nên khảo sát chỉ thực hiện chủ yếu ở nhân viên văn phòng và sinh viên,… nên mẫu khảo sát chưa thực sự đa dạng. Các nghiên cứu trong tương lai nên thay đổi cách thức chọn mẫu nghiên cứu để có thể đa dạng hơn đối tượng nghiên cứu.

Thứ hai, Mô hình nghiên cứu chỉ mới giải thích được 58,1% biến thiên của hành vi mua nông sản tươi trực tuyến. Các nghiên cứu trong tương lai nên đánh giá thông qua nhiều yếu tố mới hơn như chứng chỉ chất lượng, khả năng truy xuất nguồn gốc của nông sản,…

TÀI LIỆU THAM KHẢO:

1. Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European business review, 31(1), 2-24. doi:https://doi.org/10.1108/EBR-11-2018-0203

2. Kwon, W.-S., & Lennon, S. (2009). What induces online loyalty? Online versus offline brand images. Journal of Business Research, 62(5), 557-564. doi:10.1016/j.jbusres.2008.06.015

3. Venkatesh, V., & Davis, F. D. (1996). A model of the antecedents of perceived ease of use: Development and test. Decision sciences, 27(3), 451-481. doi:10.1111/j.1540-5915.1996.tb00860.x

Trần Cao Hữu - Trần Tuấn Anh - Nguyễn Thị Nhật Linh - Nguyễn Thị Bình Minh

Trường Đại học Nông Lâm Tp. Hồ Chí Minh