BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

---------o0o---------

BÁO CÁO TỔNG KẾT

CÔNG TRÌNH THAM GIA XÉT
GIẢI THƯỞNG “SINH VIÊN NGHIÊN CỨU KHOA HỌC”
NĂM 2023

CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN Ý ĐỊNH SỬ DỤNG

CỦA KHÁCH HÀNG ĐỐI VỚI DỊCH VỤ SMART LOCKER

TẠI THÀNH PHỐ HỒ CHÍ MINH

Thuộc nhóm ngành: Khoa học xã hội

Thành phố Hồ Chí Minh, tháng 4 năm 2023

 MỤC LỤC
DANH MỤC BẢNG BIỂU..............................................................................................................
DANH MỤC HÌNH ẢNH................................................................................................................
DANH MỤC VIẾT TẮT..................................................................................................................
TÓM TẮT........................................................................................................................................
Chương 1: Giới thiệu nghiên cứu...................................................................................................
1.1 Tính cấp thiết..........................................................................................................................
1.2 Tổng quan nghiên cứu và khoảng trống nghiên cứu...............................................................
1.2.1 Nghiên cứu ngoài nước...................................................................................................
1.2.2 Nghiên cứu trong nước...................................................................................................
1.3 Tính mới, tính đóng góp..........................................................................................................
1.4 Mục tiêu nghiên cứu...............................................................................................................
1.5 Phương pháp nghiên cứu.........................................................................................................
1.6 Kết cấu đề tài..........................................................................................................................
Chương 2: Cơ sở lý luận và xây dựng mô hình nghiên cứu..........................................................
2.1 Các hình thức giao và nhận hàng chặng cuối tại Việt Nam.....................................................
2.1.1. Giao hàng tận nhà..........................................................................................................
2.1.2. Dịch vụ nhận hàng thông qua điểm giao và nhận:.........................................................
2.1.3 Tủ khoá bưu kiện (Parcel Lockers):................................................................................
2.2 Smart Locker:.........................................................................................................................
2.2.1 Khái niệm của Smart Locker..........................................................................................
2.2.2 Ưu điểm của dịch vụ giao hàng bằng Smart Locker.......................................................
2.2.3 Nhược điểm của dịch vụ giao hàng bằng Smart Locker.................................................
2.3. Xây dựng mô hình nghiên cứu...............................................................................................
2.3.1 Mô hình chấp nhận và sử dụng công nghệ UTAUT.......................................................
2.3.2 Giải thích nhân tố và xây dựng giả thuyết......................................................................
Chương 3: Phương pháp nghiên cứu..............................................................................................
3.1 Quy trình nghiên cứu..............................................................................................................
3.1.1. Giai đoạn 1....................................................................................................................
3.1.2. Giai đoạn 2....................................................................................................................
3.2. Thiết kế thang đo...................................................................................................................
3.3. Phương pháp thu thập dữ liệu................................................................................................
3.4. Phương pháp phân tích dữ liệu...............................................................................................
3.4.1. Phương pháp đánh giá độ phù hợp của mô hình...........................................................
3.4.1.1 Kiểm định độ tin cậy nhất quán nội tại (internal consistency
reliability) bằng thang đo Cronbach’s alpha......................................................................
 3.4.1.2 Phân tích nhân tố khám phá Exploratory Factor Analysis (EFA)...........................
3.4.1.3. Phân tích nhân tố khẳng định Confirmatory Analysis (CFA)................................
3.4.2 Phương pháp kiểm định các giả thuyết nghiên cứu và tác động gián
tiếp...........................................................................................................................................
3.4.2.1. Mô hình cấu trúc tuyến tính SEM Structural Equation Model
(SEM) ...............................................................................................................................
3.4.2.2. Các bước kiểm định tác động gián tiếp.................................................................
3.4.2.3. Phương pháp lấy mẫu có hoàn lại Bootstrapping và kỹ thuật
Bias-corrected Bootstrap....................................................................................................
Chương 4: Phân tích dữ liệu...........................................................................................................
4.1. Thống kê tần số......................................................................................................................
4.2. Đánh giá độ phù hợp của mô hình.........................................................................................
4.2.1. Kiểm định độ tin cậy nhất quán nội tại bằng thang đo Cronbach’s
Alpha.......................................................................................................................................
4.2.1.1. Hiệu suất kỳ vọng (Performance Expectancy - PE)..............................................
4.2.1.2. Nỗ lực kỳ vọng (Effort Expectancy- EE)..............................................................
4.2.1.3. Ảnh hưởng xã hội (Social Influence - SI).............................................................
4.2.1.4. Nhận thức rủi ro (Perceived Risk - PR).................................................................
4.2.1.5. Tính đổi mới (Innovativeness - IN).......................................................................
4.2.1.6. Khả năng tương thích (Compatibility - CP)..........................................................
4.2.1.7. Ý định sử dụng (Behavioural Intention - BI).........................................................
4.2.2 Phân tích nhân tố khám phá (EFA).................................................................................
4.2.2.1 Phân tích Nhân tố khám phá EFA cho biến độc lập..............................................
4.2.2.2 Phân tích EFA cho biến trung gian........................................................................
4.2.2.3 Phân tích EFA cho biến phụ thuộc ý định sử dụng (Behavioural
Intention)...........................................................................................................................
4.2.3. Phân tích nhân tố khẳng định CFA:...............................................................................
4.2.3.1. Kiểm định độ phù hợp mô hình Model Fit trong CFA..........................................
4.2.3.2. Chất lượng biến quan sát trong CFA.....................................................................
4.2.3.3. Đánh giá độ tin cậy, tính hội tụ, tính phân
biệt……………………57
4.3. Kiểm định các giả thuyết nghiên cứu và tác động gián tiếp...................................................
4.3.1 Kiểm định các giả thuyết nghiên cứu.............................................................................
4.3.2 Kiểm định vai trò trung gian:..........................................................................................
4.4. Giải thích kết quả nghiên cứu................................................................................................
4.4.1. Hiệu suất kỳ vọng..........................................................................................................
4.4.2. Nỗ lực kỳ vọng..............................................................................................................
 4.4.3. Ảnh hưởng xã hội..........................................................................................................
4.4.4. Nhận thức rủi ro.............................................................................................................
4.4.5. Tính đổi mới..................................................................................................................
4.4.6. Khả năng tương thích....................................................................................................
Chương 5: Tóm tắt và kết luận.......................................................................................................
5.1 Kết luận và đóng góp của đề tài..............................................................................................
5.1.1 Kết luận về các kết quả nghiên cứu:...............................................................................
5.1.2 Đóng góp........................................................................................................................
5.2 Khuyến nghị phát triển các nhân tố có ảnh hưởng tích cực đến ý định sử
dụng của khách hàng đối với dịch vụ Smart Locker tại địa bàn Thành phố Hồ
Chí Minh.......................................................................................................................................
5.2.1. Khuyến nghị dành cho các cơ quan chính quyền..........................................................
5.2.2 Khuyến nghị dành cho các doanh nghiệp.......................................................................
5.2.3 Khuyến nghị dành cho người dân tại TPHCM...............................................................
5.3 Hạn chế của đề tài và hướng nghiên cứu tiếp theo..................................................................
5.3.1 Hạn chế của đề tài nghiên cứu........................................................................................
5.3.2. Hướng nghiên cứu tiếp theo..........................................................................................
DANH MỤC THAM KHẢO...........................................................................................................
PHỤ LỤC.........................................................................................................................................
Phụ lục 1. Bảng hỏi khảo sát.........................................................................................................
Phụ lục 2. Phân tích thống kê tần số.............................................................................................
Phụ lục 3. Phân tích độ tin cậy Cronbach’s Alpha........................................................................
3.1 Phân tích độ tin cậy Cronbach’s Alpha cho nhóm nhân tố ảnh hưởng đến
Ý định sử dụng (BI).................................................................................................................
3.2 Phân tích độ tin cậy Cronbach’s Alpha cho Ý định sử dụng (BI)......................................
Phụ lục 4. Phân tích EFA..............................................................................................................
4.1 Phân tích EFA cho biến độc lập.........................................................................................
4.1.1 Hệ số KMO và kiểm định Bartlett - Phân tích EFA cho biến độc
lập......................................................................................................................................
4.1.2 Giá trị Communalities - Phân tích EFA cho biến độc lập.........................................
4.1.3 Tổng phương sai trích - Phân tích EFA cho biến độc lập..........................................
4.1.4 Ma trận xoay - Phân tích EFA cho biến độc lập........................................................
4.2 Phân tích EFA cho biến trung gian....................................................................................
4.2.1 Kết quả Hệ số KMO và Kiểm định Bartlett - Phân tích EFA cho
biến trung gian...................................................................................................................
4.2.2. Giá trị Communalities - Phân tích EFA cho biến trung gian....................................
4.2.3 Tổng phương sai trích - Phân tích EFA cho biến trung gian.....................................
 4.2.4 Ma trận xoay - Phân tích EFA cho biến trung gian...................................................
4.3. Phân tích EFA cho biến phụ thuộc...................................................................................
4.3.1 Hệ số KMO và Kiểm định Bartlett - Phân tích EFA cho biến phụ
thuộc..................................................................................................................................
4.3.2. Giá trị Communalities - Phân tích EFA cho biến phụ thuộc....................................
4.3.3. Tổng phương sai trích - Phân tích EFA cho biến phụ thuộc.....................................
4.3.4 Ma trận xoay - Phân tích EFA cho biến phụ thuộc....................................................
Phụ lục 5. Phân tích CFA..............................................................................................................
5.1 Chỉ số đánh giá độ phù hợp của mô hình và ngưỡng đánh giá trong phân
tích CFA..................................................................................................................................
5.2 Chỉ số model fit trong kiểm định CFA..............................................................................
5.3 Hệ số hồi quy CFA............................................................................................................
5.4 Kết quả tính hội tụ và phân biệt........................................................................................
5.5 Mô hình phân tích nhân tố khẳng định CFA.....................................................................
Phụ lục 6. Hệ số hồi quy SEM và đánh giá trung gian..................................................................
6.1 Mô hình phân tích nhân tố tuyến tính................................................................................
6.2 Hệ số hồi quy SEM............................................................................................................
6.3 Bảng đánh giá giả thuyết...................................................................................................
6.4 Bảng R bình phương..........................................................................................................
6.5 Bảng đánh giá tác động của biến trung gian......................................................................
 DANH MỤC BẢNG BIỂU
Bảng 1: Tổng hợp lý thuyết xây dựng mô hình UTAUT …..…………………………
19
Bảng 2: Bảng hỏi khảo sát ……………………………………………………………33
Bảng 3: Bảng chỉ số đánh giá độ phù hợp của mô hình và ngưỡng đánh giá trong phân
tích CFA ………………………………………………………………………………39
Bảng 4: Thống kê tần số ……………………………………………………………...45
Bảng 5: Thống kê trung bình …………………………………………………………46
Bảng 6: Phân tích độ tin cậy Cronbach’s Alpha cho nhóm nhân tố ảnh hưởng đến Ý
định chấp nhận sử dụng (BI)………………………………………………………… 50
Bảng 7: Phân tích độ tin cậy Cronbach’s Alpha cho Ý định chấp nhận sử dụng (BI) 53
Bảng 8: Hệ số KMO và kiểm định Bartlett - Phân tích EFA cho biến độc lập……… 54
Bảng 9: Tổng phương sai trích - Phân tích EFA cho biến độc lập…………………... 54
Bảng 10: Ma trận xoay - Phân tích EFA cho biến độc lập……………………………
56
Bảng 11: Kết quả Hệ số KMO và Kiểm định Bartlett - Phân tích EFA cho biến trung
gian…………………………………………………………………………………… 57
Bảng 12: Tổng phương sai trích - Phân tích EFA cho biến trung gian……………….
57
Bảng 13: Ma trận xoay - Phân tích EFA cho biến trung gian…………………………
58
Bảng 14: Hệ số KMO và Kiểm định Bartlett - Phân tích EFA cho biến phụ thuộc…. 59
Bảng 15: Tổng phương sai trích - Phân tích EFA cho biến phụ thuộc………………. 59
Bảng 16: Ma trận xoay - Phân tích EFA cho biến phụ thuộc…………………………60
Bảng 17: Chỉ số model fit trong kiểm định CFA……………………………………...
61
Bảng 18: Hệ số hồi quy CFA………………………………………………………… 62
Bảng 19: Kết quả tính hội tụ và phân biệt……………………………………………. 64
Bảng 20: Hệ số hồi quy SEM………………………………………………………… 65
Bảng 21: Bảng đánh giá lý thuyết……………………………………………………. 66
Bảng 22: Bảng R bình phương………………………………………………………. 67
Bảng 23: Bảng đánh giá tác động của biến trung gian………………………………. 68

i
i
 DANH MỤC HÌNH ẢNH
Hình 1: Mô hình nghiên cứu đề tài “Understanding consumers’ behavior to adopt self-
service parcel services for last-mile delivery”.…………………………………… 4
Hình 2: Mô hình nghiên cứu đề tài “Consumer perceptions to support IoT based smart
parcel locker logistics in China”………………………………………………………..5
Hình 3: Mô hình nghiên cứu đề tài “Customers’ intention to adopt Smart Locker in
last-mile delivery service: A multi-theory perspective”……………………………….. 6
Hình 4: Mô hình nghiên cứu đề tài “Consumer's intention to use self - service parcel
delivery service in online retailing: an empirical study”………………………………. 8
Hình 5: Mô hình nghiên cứu đề tài “Factors influencing on intention to use self-
service parcel delivery service: an empirical case study of Metropolitan and greater
Bangkok area”………………………………………………………………….. 9
Hình 6: Mô hình nghiên cứu đề tài “Các nhân tố ảnh hưởng đến sự hài lòng của khách
hàng khi sử dụng dịch vụ Smart Locker”…………………………………………….. 11
Hình 7: Mô hình UTAUT.……………………………………………………………21
Hình 8: Mô hình nghiên cứu đề xuất………………………………………………….22
Hình 9: Quy trình nghiên cứu………………………………………………………... 30
Hình 10: Mô hình mô tả tác động của biến trung gian………………………………. 42

ii
 DANH MỤC VIẾT TẮT
Từ viết tắt Tiếng Anh Tiếng Việt
AHD At home delivery Giao hàng tại nhà

AMOS Analysis of Moment Structures Phân tích cấu trúc đồng thời

C-TAM-TPB Combined TAM and TPB Kết hợp Mô hình chấp nhận
công nghệ và Lý thuyết hành
vi dự định
CB-SEM Covariance-based SEM Mô hình phương trình cấu trúc
dựa trên hiệp phương sai

CDP Collect and delivery point điểm thu và phát hàng

CFA Confirmatory Factor Analysis Phân tích nhân tố khẳng định
COD Cash on delivery thanh toán khi nhận hàng
DOI Diffusion of innovation Lý thuyết khuếch tán đổi mới
DOP Delivery on point giao hàng tại điểm nhận hàng
EE Effort expectancy Nỗ lực kỳ vọng
EFA Exploratory Factor Analysis Phân tích nhân tố khám phá
FC Facilitating condition Điều kiện thuận lợi
GA Genetic Algorithm Thuật toán di truyền
LMD Last Mile Delivery Giao hàng chặng cuối
MM Motivational Model Mô hình động lực
MPCU Model of PC Utilization Mô hình sử dụng máy tính cá
nhân
PE Performance expectancy Hiệu suất kỳ vọng
PR Perceived risks Nhận thức rủi ro
PS Perceived satisfaction Giá trị cảm nhận
RB Reception box hộp tiếp nhận
SCT Social Cognitive Theory Lý thuyết học tập xã hội
SEM Structural Equation Model Mô hình cấu trúc tuyến tính
SI Social influence Ảnh hưởng xã hội

SMS Short Message Service Dịch vụ tin nhắn ngắn

iii
TAM Technology Acceptance Model Mô hình chấp nhận công nghệ
TMĐT Thương mại điện tử
TPB Theory of Planned Behavior Lý thuyết hành vi dự định
TPHCM Thành phố Hồ Chí Minh
TRA Theory of Reasoned Action Lý thuyết hành động lý trí
Từ viết tắt Tiếng Anh Tiếng Việt
UTAUT Unified Theory of Acceptance and Lý thuyết thống nhất về chấp
Use of Technology nhận và sử dụng công nghệ
VRP Vehicle Routing Problem Vấn đề lập lộ trình xe

iv
 TÓM TẮT
Thương mại điện tử phát triển dẫn đến nhu cầu giao hàng tăng cao, dịch vụ giao
hàng truyền thống dần tỏ ra kém hiệu quả về nhiều mặt. Nhằm khắc phục những hạn
chế của dịch vụ giao hàng truyền thống, một số loại hình giao hàng khác đã được
nghiên cứu và phát triển, trong đó dịch vụ Smart Locker được xem là một trong những
dịch vụ mang lại nhiều ưu điểm nhất. Mặt dù đã được đầu tư và phát triển trong
khoảng 2 năm gần đây ở Việt Nam, dịch vụ này vẫn chưa thu hút được nhiều người sử
dụng như dự đoán. Vì vậy, nhóm tác giả thực hiện bài nghiên cứu này nhằm tìm hiểu
những nhân tố ảnh hưởng đến ý định sử dụng của khách hàng đối với dịch vụ giao
hàng bằng Smart Locker. Mô hình nghiên cứu của bài được phát triển chủ yếu từ mô
hình UTAUT với bốn biến là nỗ lực kỳ vọng (Effort Expectancy), hiệu suất kỳ vọng
(Performance Expectancy), ảnh hưởng xã hội (Social Influence), ý định sử dụng
(Behavioural Intention) và bổ sung thêm ba biến là nhận thức rủi ro (Perceived Risk),
tính đổi mới đối với sản phẩm công nghệ mới (Innovativeness of New Technology) và
khả năng tương thích (Compatibility). Dữ liệu được phân tích dựa trên 237 mẫu thu
thập được từ việc phỏng vấn ngẫu nhiên trên đường phố người dân trên 6 quận của
thành phố Hồ Chí Minh. Thông qua việc phân tích các chỉ số trong thang đo
Cronbach’s alpha, phân tích nhân tố khám phá EFA, phân tích nhân tố khẳng định
CFA, phân tích mô hình cấu trúc tuyến tính SEM kết hợp với phương pháp lấy mẫu có
hoàn lại Bootstrapping, nhóm tác giả cho ra kết quả rằng nỗ lực kỳ vọng, hiệu suất kỳ
vọng, ảnh hưởng xã hội, tính đổi mới và khả năng tương thích đều có ảnh hưởng tích
cực đến ý định sử dụng dịch vụ Smart Locker; ngược lại, nhận thức rủi ro là một nhân
tố có ảnh hưởng tiêu cực đến ý định sử dụng dịch vụ Smart Locker. Đồng thời, nhóm
tác giả kết luận khả năng tương thích là một biến trung gian một phần (Partially
Mediator) có vai trò trong tác động gián tiếp của biến tính đổi mới đối với sản phẩm
công nghệ mới lên ý định sử dụng dịch vụ giao hàng bằng Smart Locker. Từ kết quả
nghiên cứu trên, nhóm tác giả đưa ra một số khuyến nghị cho doanh nghiệp nhằm phát
triển và ứng dụng dịch vụ giao hàng bằng Smart Locker.

1
 Chương 1: Giới thiệu nghiên cứu

1.1 Tính cấp thiết

Dưới tác động của cuộc cách mạng công nghiệp 4.0, sự phát triển của thương
mại điện tử đã trở thành một xu hướng tất yếu của thế giới. Trong bối cảnh Việt Nam,
đại dịch Covid-19 tuy có ảnh hưởng tiêu cực lên một số khía cạnh của ngành kinh tế,
nhưng nó đồng thời lại là một động lực to lớn thúc đẩy sự bùng nổ của các dịch vụ
thương mại điện tử (La và cộng sự, 2020). Năm 2020, sau hai năm đối mặt với dịch
bệnh Covid-19, Việt Nam trở thành nước duy nhất ở Đông Nam Á có tốc độ tăng
trưởng của thị trường thương mại điện tử đạt mức hai chữ số (18%). Năm 2021, mặc
dù nền kinh tế Việt Nam phải đối mặt với tốc độ tăng trưởng thấp nhất trong vòng 30
năm qua, chỉ ở mức 2,58% do sự bùng nổ của đợt dịch COVID-19 thứ hai, thị trường
thương mại điện tử vẫn giữ tốc độ tăng trưởng ổn định ở mức 16% (Tổng cục thống
kê, 2021).

Sự phát triển vượt bật của TMĐT đồng nghĩa với việc nhu cầu giao hàng càng
ngày càng tăng cao. Điều này vừa là cơ hội vừa là thách thức để các dịch vụ giao hàng
chặng cuối phát triển. Ở Việt Nam và hầu hết các nước đang phát triển trên thế giới,
dịch vụ giao hàng chặng cuối truyền thống đòi hỏi có một người giao hàng liên lạc cho
từng khách hàng cuối và vận chuyển hàng đến một địa chỉ nhất định, trong một
khoảng thời gian cụ thể đã được sắp xếp trước theo từng đơn hàng. Khi số lượng đơn
hàng cần giao ngày càng tăng, phương pháp này dần bộc lộ nhiều hạn chế trong nhiều
khía cạnh. Người giao hàng không chỉ phải dành nhiều thời gian làm việc với một số
lượng lớn khách hàng mà còn phải di chuyển đến nhiều địa điểm để giao hàng, gây ra
nhiều hạn chế về mặt thời gian, năng suất và môi trường; ngoài ra, họ còn phải đối mặt
với nhiều rủi ro khó dự đoán trong quá trình giao hàng, tiêu biểu là việc thời điểm hẹn
giao hàng với khách hàng không được đảm bảo (Zhou và cộng sự, 2020, tr. 2). Do đó,
trong chuỗi cung ứng của TMĐT, giao hàng chặng cuối được xem là bước tốn nhiều
thời gian và chi phí nhất (Zhang, Zhu & Ye, 2015).

Nhiều loại hình giao hàng chặng cuối mới đã dần được phát triển với mục tiêu
khắc phục được các hạn chế của loại hình giao hàng truyền thống. Trong số đó, dịch
vụ giao hàng bằng Smart Locker là một hình thức giao hàng chặng cuối đang dần du
2
nhập vào Việt Nam và cho thấy nhiều ưu điểm. Nhiều nghiên cứu đã chỉ ra rằng Smart
Locker góp phần giảm chi phí giao hàng (Zenezini và cộng sự, 2018), hạn chế việc di
chuyển, từ đó tạo ra tác động tích cực đến giao thông và môi trường (Chen và cộng sự,
2018). Smart Locker cũng cho phép khách hàng có thể nhận hàng bất cứ lúc nào tại
một địa điểm cố định, từ đó giúp khách hàng tiết kiệm thời gian chờ đợi so với dịch vụ
giao hàng truyền thống (Djelassi, Diallo & Zielke, 2018).

Ở Việt Nam, loại hình này vẫn còn đang ở giai đoạn đầu phát triển nhưng đã
nhận được nhiều sự đầu tư. Vào tháng 5 năm 2020, Lazada, một trong những sàn
thương mại điện tử lớn nhất tại Việt Nam, là doanh nghiệp đầu tiên sử dụng Smart
Locker trong quá trình giao nhận hàng. Tính đến thời điểm tháng 2 năm 2023, đã có
một số ít các công ty dịch vụ phát triển loại hình này, trong số đó đã có hai công ty có
được độ nhận diện nhất định là Onebox và F88. Ngoài ra, Tổng công ty Bưu chính
Việt Nam VNPost do nhà nước thành lập nhằm cung cấp dịch vụ giao hàng tại Việt
Nam đã bắt đầu áp dụng Smart Locker trong dịch vụ của mình (VN Post, 2021). Một
doanh nghiệp cung cấp dịch vụ giao hàng chặng cuối khác tại Việt Nam là Viettel Post
cũng đang lên kế hoạch nghiên cứu và sử dụng Smart Locker (Viettel Post, 2021). Như
vậy, mạng lưới giao hàng bằng Smart Locker tại Việt Nam đang ngày càng được nhân
rộng và có tiềm năng rất lớn.

Tuy nhiên, nhu cầu sử dụng Smart Locker nói riêng và hình thức giao hàng tự
phục vụ nói chung hiện nay vẫn chưa được đảm bảo (Zhou và cộng sự, 2020, tr. 2).
Tại Việt Nam, mặc dù mạng lưới Smart Locker đã được nhiều công ty đầu tư trong
khoảng 3 năm gần đây, nhưng số lượng người sử dụng nó chưa thật sự lạc quan như
dự đoán.

Xuất phát từ thực tế trên. nhóm tác giả thực hiện nghiên cứu này nhằm mục
đích tìm hiểu các nhân tố có ảnh hưởng đến ý định sử dụng dịch vụ Smart Locker của
người tiêu dùng Việt Nam. Trên cở sở đó nghiên cứu này đưa ra các khuyến nghị phù
hợp cho các doanh nghiệp đã, đang hoặc có ý định đầu tư vào loại hình dịch vụ này, từ
đó góp phần phát triển và phổ biến dịch vụ Smart Locker một cách có hiệu quả hơn.

3
1.2 Tổng quan nghiên cứu và khoảng trống nghiên cứu

1.2.1 Nghiên cứu ngoài nước

Nghiên cứu của nhóm tác giả Min Zhou, Lindu Zhao, Nan Kong, Kathryn S.
Campy, Ge Xu, Guiju Zhu, Xianye Cao, Song Wang (2020) đối với đề tài
“Understanding consumers’ behavior to adopt self-service parcel services for last-
mile delivery” được thực hiện nhằm tìm hiểu các nhân tố ảnh hưởng đến về hành vi
chấp nhận sử dụng của người tiêu dùng đối với dịch vụ giao hàng tự phục vụ. Trong
đó, tác giả sử dụng mô hình nghiên cứu đề xuất được phát triển từ mô hình chấp nhận
và sử dũng công nghệ (UTAUT) và thêm vào 2 yếu tố là nhận thức rủi ro (Perceived
Risk) và giá trị cảm nhận (Perceived Satisfaction) để giả định rằng việc tăng sự hài
lòng có thể làm tăng ý định sử dụng và hành vi sử dụng.

Hiệu suất kỳ
vọng
(Performance
Expectancy)
Nỗ lực kỳ Hành vi sử
Ý định sử dụng
vọng dụng
(Behavioral
(Effort (Usage
Intention)
Eexpectancy) Behaviour)
Ảnh hưởng xã
hội(Social
Innovation)

Nhận thức rủi Giá trị cảm Điều kiện

ro nhận thuận lợi
(Perceived (Perceived (Facilitating
Risk) Satisfaction) Conditions)
Hình 1: Mô hình nghiên cứu đề tài “Understanding consumers’ behavior to
adopt self-service parcel services for last-mile delivery”. (Nguồn: Zhou và cộng sự,
2020)

Quá trình thu thập dữ liệu được tiến hành tại 7 thành phố lớn ở Trung Quốc
bao gồm Bắc Kinh, Thượng Hải, Quảng Châu, Thâm Quyến, Nam Kinh, Trường Sa và
Vũ Hán từ ngày 27/11/2017 đến 20/4/2018. Kết quả nghiên cứu cho thấy hiệu suất kì
vọng, nỗ lực kỳ vọng, ảnh hưởng xã hội, sự hài lòng cảm nhận và điều kiện thuận lợi
đều có tác động tích cực còn nhận thức rủi ro có tác động tiêu cực lên ý định sử dụng.

4
Nhận thức rủi ro đóng vai trò là một biến có tác động tiêu cực được giải thích rằng nó
có thể làm tăng chi phí cơ hội của người tiêu dùng khi áp dụng công nghệ mới, từ đó
tác động đến kỳ vọng tâm lý. Ngoài ra, cả ba biến điều kiện thuận lợi, sự hài lòng cảm
nhận, ý định sử dụng đều có tác động tích cực lên hành vi sử dụng. Kết quả nghiên cứu
cũng chỉ ra rằng sự hài lòng cảm nhận đóng nhiều vai trò trung gian và điều tiết trong
mối quan hệ giữa nhận thức rủi ro và giá trị sử dụng, đồng thời nó là biến số tiên
phong để người tiêu dùng trực tuyến chấp nhận các dịch vụ giao hàng tự phục vụ.
Nghiên cứu của nhóm tác giả Yuk Ming Tang, Ka Yin Chau, Duo Xu , Xiaoyun
Liu (2021) với đề tài “Consumer perceptions to support IoT based smart parcel locker
logistics in China” đã nghiên cứu về các yếu tố ảnh hưởng đến sự chuyển hóa về hành
vi từ sử dụng dịch vụ giao hàng trực tiếp sang sử dụng dịch vụ Smart Locker tại Trung
Quốc. Trong đề tài này, nhóm tác giả đã thực hiện nghiên cứu dựa trên lý thuyết về
chất lượng dịch vụ và sự hài lòng của khách hàng trong việc tiếp nhận những công
nghệ mới. Bài viết này chia chất lượng dịch vụ của Smart Locker thành 5 khía cạnh:
giá dịch vụ (Service Price), độ tin cậy (Service reliability), khả năng xử lý lỗi (Fault
handling capability), sự thuận tiện (Service convenience), sự đa dạng (Service
diversity). Mô hình của đề tài này được tạo thành bằng cách kết hợp mô hình sửa đổi
của chất lượng dịch vụ điện tử được đưa ra bởi Raza và cộng sự (2020), và mô hình
SERVQUAL được tạo bởi Parasuraman và cộng sự. (1998) và mô hình đánh giá chất
lượng dịch vụ logistics (LSQ) được đề xuất bởi Mentzer và cộng sự. (2001) nhằm tăng
độ chính xác và thu được kết quả phù hợp.
Khả năng
Giá cả dịch Độ đa
Độ tin cậy quản lý rủi Sự tiện lợi
vụ dạng
ro

Sự hài lòng của

khách hàng

Hình 2: Mô hình nghiên cứu đề tài “Consumer perceptions to support IoT

based smart parcel locker logistics in China” (Nguồn: Tang, Chau, Xu, & Liu, 2021)

Dữ liệu nghiên cứu được thu thập từ 3 nơi: huyện Dao Hải, thuộc thành phố
Hợp Phỉ, tỉnh An Huy của Trung Quốc. Kết quả nghiên cứu có giá trị lý thuyết đặc
5
biệt đối với sự phát triển trong tương lai của Smart Locker dựa trên và việc khám phá
các yếu tố ảnh hưởng đến sự hài lòng của người tiêu dùng. Nó chỉ ra được rằng yếu tố
đa dạng dịch vụ có tác động đáng kể nhất đến sự hài lòng của khách hàng và các nhà
quản lý nên tập trung vào các chiến lược để cải thiện sự đa dạng của dịch vụ. Các yếu
tố còn lại như khả năng xử lí lỗi, độ tin cậy, sự tiện lợi và giá dịch vụ thì đều có tác
động tích cực đến sự hài lòng của khách hàng và nên được cải thiện trong tương lai.
Nghiên cứu của nhóm tác giả Yao-Te Tsai, Praewwanit Tiwasing (2021) với về
đề tài “Customers’ intention to adopt Smart Locker in last-mile delivery service: A
multi-theory perspective” đã được thực hiện nhằm khảo sát mức độ nhận thức và quan
điểm của người tiêu dùng Thái đối với dịch vụ Smart Locker, đặc biệt là ý định sử
dụng của người dân. Bài nghiên cứu được thực hiện ở Thái Lan - nơi dịch vụ Smart
Locker chưa xuất hiện vào thời điểm thực hiện nghiên cứu. Bài nghiên cứu này tích
hợp lý thuyết đối sánh tài nguyên, lý thuyết khuếch tán đổi mới và lý thuyết về hành vi
được lên kế hoạch để làm rõ ý định sử dụng tủ Smart Locker của người tiêu dùng Thái
Lan.

Sự tiện lợi

Nhận thức kiểm

Độ tin cậy
soát hành vi

Bảo mật và
quyền riêng tư
Ý định sử dụng

Độ tương thích

Lợi thế cạnh

Thái độ
tranh

Độ phức tạp

Hình 3: Mô hình nghiên cứu đề tài “Customers’ intention to adopt Smart

Locker in last-mile delivery service: A multi-theory perspective” (Nguồn: Tsai &
Tiwasing, 2021)
Cuộc khảo sát được thực hiện trên các đối tượng sinh sống tại Thái Lan thông
qua Google Form trên các nền tảng mạng xã hội từ ngày 9/3/2020 đến ngày 24/3/2020.

6
Kết thúc cuộc khảo sát, nhóm tác giả đã thu được 302 phiếu được chọn theo phương
pháp chọn mẫu thuận tiện. Kết quả nghiên cứu đã bổ trợ cho tất cả những giả thuyết
được đặt ra ban đầu. Kết quả nghiên cứu chỉ ra rằng sự tiện lợi, độ tin cậy, bảo mật và
quyền riêng tư có ảnh hưởng tích cực đến nhận thức kiểm soát hành vi; độ tương thích,
lợi thế cạnh tranh có ảnh hưởng tích cực và độ phức tạp có ảnh hưởng tiêu cực đến thái
độ. Ngoài ra, cả hai biến thái độ và nhận thức kiểm soát hành vi đều có tác động tích
cực lên ý định sử dụng. Trong đó, thái độ có tác động mạnh mẽ nhất đến ý định sử
dụng Smart Locker của người dân Thái Lan. Nghiên cứu cũng chỉ ra rằng tác động của
sự thuận tiện, độ tin cậy và bảo mật quyền riêng tư đến ý định sử dụng Smart Locker
của người tiêu dùng Thái Lan được điều tiết bởi nhận thức kiểm soát hành vi. Bên
cạnh đó, tác động của tính tương thích, lợi thế tương đối và độ phức tạp đối với ý định
sử dụng Smart Locker của người tiêu dùng Thái Lan được điều tiết bởi thái độ.
Vào năm 2016, Yuangao Chen, Jing Yu, Shuiquing Yang, June Wei đã thực
hiện một nghiên cứu mang tên “Consumer's intention to use self - service parcel
delivery service in online retailing: an empirical study” nhằm tìm hiểu về các yếu tố
tác động đến ý định sử dụng của khách hàng với dịch vụ chuyển phát bằng bưu điện tự
phục vụ. Nghiên cứu này được thực hiện tại Trung Quốc thông qua một bảng hỏi được
xây dựng dựa trên một mô hình bao gồm 3 yếu tố chính (đã được thử nghiệm bởi
phương pháp PLS), cụ thể là: Những yếu tố liên quan đến tình huống thực tế (sự thuận
lợi của vị trí, áp lực thời gian), yếu tố xã hội hóa (nhu cầu về tương tác giữa người với
người), và những yếu tố mang tính cá nhân (sự tối ưu hóa, sự đổi mới).

7
 Yếu tố tình Yếu tố cá nhân
huống

Vị trí thuận lợi Sự đổi mới

Ý định sử dụng

YếuÁp
tố lực
tìnhcảm
huống
Sự lạc quan
nhận về thời gian Nhu cầu tương
tác với con người

Yếu tố xã hội
Lý thuyết phù hợp Sự sẵn sàng về công
với nguồn lực Lý thuyết đồng sản xuất tiêu nghệ
(Anand và Sternthal, dùng (Parasuraman, 2000)
1990) (Lovelock và Young, 1979)

Hình 4: Mô hình nghiên cứu đề tài “Consumer's intention to use self - service
parcel delivery service in online retailing: an empirical study” (Nguồn: Chen, Yu,
Yang, & Wei, 2018)
Dữ liệu được thu thập từ bảng hỏi được công bố trên trang web Vấn Quyển
Tinh (https://www.sojump.com) và được phổ biến qua các diễn đàn và mạng xã hội
(BBS của Questionnaire Star và WeChat APP). Việc thu thập dữ liệu bắt đầu vào
tháng 4 năm 2016 và kết thúc vào tháng 5 năm 2016. Nghiên cứu chỉ ra rằng những
yếu tố liên quan đến cá nhân có ảnh hưởng mạnh mẽ hơn yếu tố về tình huống thực tế.
Cụ thể, sự đổi mới và sự lạc quan có ảnh hưởng tích cực rất lớn đến ý định sử dụng
của khách hàng. Trong khi đó chỉ có yếu tố sự thuận tiện về vị trí trong số các yếu tố
về tình huống thực tế là có ảnh hưởng tích cực đến ý định sử dụng của khách hành.
Ngoài ra, nhu cầu về sự tương tác giữa người với người cũng được kết luận rằng có
ảnh hưởng tích cực đến ý định sử dụng của người tiêu dùng, uy không mạnh mẽ bằng
những yếu tố còn lại.
Nghiên cứu của Krisana Kitcharoen vào năm 2019 với chủ đề “Factors
influencing on intention to use self-service parcel delivery service: an empirical case
study of Metropolitan and greater Bangkok area” được thực hiện nhằm nghiên cứu về
các yếu tố có thể ảnh hưởng đến ý định sử dụng dịch vụ chuyển phát bưu kiện tự phục
vụ tại Thái Lan. Nhóm nghiên cứu sử dụng mô hình dựa trên mô hình và cơ sở lý
thuyết của bài nghiên cứu “Consumer’s intention to use Self-service Parcel Delivery
8
Service in online retailing” của nhóm tác giả Yuangao, Jing, Shuiqing và June (2018).
Các yếu tố này được chia thành hai loại: yếu tố cá nhân và yếu tố tình huống. Các yếu
tố cá nhân bao gồm: Mức độ tiên tiến (Innovativeness), mức độ tối ưu hóa (Optimism);
các yếu tố tình huống bao gồm địa điểm thuận lợi (Convenient Location), nhận thức áp
lực thời gian (Perceived Time Pressure). Đồng thời, bài nghiên cứu đề xuất thêm một
loại yếu tố: yếu tố xã hội (Socialized Factors) bao gồm biến nhu cầu tương tác với
người khác (Need of Human Interaction).

Sự đổi mới

Áp lực cảm
nhận về thời Sự lạc quan
gian
Ý định sử dụng
dịch vụ chuyển
phát bưu kiện tự
phục vụ
Nhu cầu tương
Vị trí thuận lợi tác với con
Khu vực sinh người
sống:
Bangkok
Non-Bangkok
Hình 5: Mô hình nghiên cứu đề tài “Factors influencing on intention to use
self-service parcel delivery service: an empirical case study of Metropolitan and
greater Bangkok area” (Nguồn: Kitcharoen, 2019)
Dữ liệu được thu thập bằng các nền tảng trực tuyến của người dùng thương mại
điện tử Thái Lan bằng phương pháp lấy mẫu thuận tiện, kỹ thuật lấy mẫu phán đoán và
kỹ thuật lấy mẫu hạn ngạch. Kết quả nghiên cứu chỉ ra rằng chỉ có yếu tố Nhận thức
áp lực thời gian không có mối tương quan đáng kể tới Ý định sử dụng, còn lại tất cả
các yếu tố nói trên đều có tác động tích cực đến Ý định sử dụng Dịch vụ Chuyển phát
bưu kiện Tự phục vụ (Self-service Parcel Delivery Service). Trong đó, vị trí thuận lợi
là yếu tố có ảnh hưởng tích cục lớn nhất đến ý định sử dụng Dịch vụ Chuyển phát bưu
kiện Tự phục vụ.
Nghiên cứu của nhóm tác giả Xuping Wang, Linmin Zhan, Junhu Ruan, and
Jun Zhang với đề tài “How to choose ‘Last Mile’" Delivery Modes for E-Fulfillment”
được thực hiện với mục tiêu so sánh việc áp dụng 3 phương thức giao hàng chặng cuối
là giao hàng tận nhà (AHD), giao hàng bằng tủ khóa (RB) và giao hàng thông qua
9
điểm giao hàng (CDP) trong nhiều tình huống khác nhau tại Trung Quốc. Sau đó, hiệu
quả hoạt động của mỗi loại hình được tối ưu bằng các mô hình tối ưu hóa vận tải
(VRP) và giải thuật di truyền (GA) khác nhau. Chi phí của mỗi phương thức được tính
toán trên cơ sở chi phí cấu trúc và hiệu quả hoạt động. Bài nghiên cứu này đưa ra 4 giả
định để phù hợp với thực trạng trạng giao hàng chặng cuối ở Trung Quốc như là (1)
gói hàng sẽ không được gửi 2 lần đồng thời người giao hàng sẽ liên lạc với người nhận
trước khi họ bắt đầu giao hàng, (2) tủ khóa được sử dụng trong bài này là tủ khóa có
các ngăn kéo có kích thước khác nhau và nó sử dụng công nghệ khóa hành lý và mã
PIN để kiểm soát việc giao hàng đồng thời tất cả hàng hóa có thể được chất vào các
hộp, (3) các điểm giao hàng được đề cập ở bài này là các cửa hàng tiện lợi, siêu thị, gà
tàu điện ngầm hoặc các địa điểm khác mà có sự kết hợp với dịch vụ chuyển phát, (4)
CDP và tủ khóa được thiết lập tuân thủ nghiêm ngặt các nguyên tắc được liệt kê dưới
đây: (i) CDP phải được đặt cách địa chỉ khách hàng trong vòng năm phút lái xe [15];
(ii) mỗi cộng đồng (điểm giao hàng là viết tắt của cộng đồng trong bài viết này)—một
nhóm người sống trong cùng một khu vực—có ít nhất một hộp tiếp nhận để đảm bảo
sự hài lòng của khách hàng theo quan điểm công bằng [17] ; (iii) CDP phải tiếp cận
được với mạng lưới đường chính và phải được cho phép đỗ xe một cách dễ dàng. Kết
quả nghiên cứu cho thấy các loại hình khác nhau phù hợp với các tình huống khác
khác nhau, cụ thể: (i) Phương thức AHD và tủ khóa độc lập hoạt động tốt nhất trong
các trường hợp mật độ dân cư thưa thớt hoặc số lượng đặt hàng ít; (ii) phương thức tủ
khóa dùng chung và CDP phù hợp nhất trong tình huống có mật độ dân số cao và số
lượng đặt hàng lớn; (iii) RB là phương thức phù hợp nhất trong các tình huống cần
cung cấp rau và trái cây tươi cho những người thuộc tầng lớp cao cấp.

1.2.2 Nghiên cứu trong nước

Nghiên cứu của nhóm tác giả Nguyễn Hồng Quân, Phạm Trúc Quỳnh, Nguyễn
Lê Hoài Đan, Trần Thị Hải, Trần Mỹ Linh (2021) với đề tài “ Các nhân tố ảnh hưởng
đến sự hài lòng của khách hàng khi sử dụng dịch vụ Smart Locker” được thực hiện
nhằm mục đích đánh giá các nhân tố ảnh hưởng đến sự hài lòng của khách hàng sử
dụng dịch vụ Smart Locker, một dịch vụ còn mới lạ và chưa phổ biến rộng rãi tại Việt
Nam trên các sàn thương mại điện tử. Mô hình nghiên cứu bao gồm 4 biến độc lập là

10
sự tiện lợi, bảo mật thông tin, sự đáng tin cây, sự hài lòng với biến phụ thuộc là giá trị
cảm nhận được tổng hợp từ nhiều bài nghiên cứu trước đó.

Sự tiện lợi

Bảo mật thông tin Giá trị cảm nhận Sự hài lòng

Sự đáng tin cậy

Hình 6: Mô hình nghiên cứu đề tài “Các nhân tố ảnh hưởng đến sự hài lòng
của khách hàng khi sử dụng dịch vụ Smart Locker” (Nguồn: Nguyễn Hồng Quân và
cộng sự, 2021)
Dữ liệu được thu thập từ người dân trên địa bàn Hà Nội từ ngày 5 tháng 3 năm
2020 đến ngày 5 tháng 4 năm 2020 bằng phương pháp lấy mẫu thuận tiện. Cụ thể,
nhóm tác giả thực hiện khảo sát thông qua mạng xã hội trực tuyến và gọi điện phỏng
vấn. Kết quả nghiên cứu cho rằng, nhân tố sự tiện lợi có ảnh hưởng tích cực mạnh mẽ
đến giá trị cảm nhận của khách hàng và được đánh giá là nhân tố có ảnh hướng lớn
nhất. Sự đáng tin cậy là nhân tố có ảnh hưởng lớn thứ 2 và là ảnh hướng tích cực đến
đến giá trị cảm nhận. Ngoài ra, nhân tố bảo mật dữ liệu cũng được kết luận là có tác
động cùng chiều đến giá trị cảm nhận. Từ kết quả nghiên cứu, nhóm tác giả đề xuất
việc kiểm soát thông tin người dùng chặt chẽ; đồng thời đẩy mạnh việc tương tác với
khách hàng, cung cấp chính sách bảo mật thông tin khách hàng của mình để tạo niềm
tin cho người dùng.

1.3 Tính mới, tính đóng góp.

Các nghiên cứu trước về ý định và hành vi sử dụng dịch vụ giao hàng tự phục
vụ nói chung hầu hết được thực hiện ở những quốc gia có cơ sở hạ tầng và mạng lưới
phân phối phát triển mạnh, dịch vụ giao hàng điện tử đã phát triển phổ biến ở nhiều
vùng, có mặt trên hầu hết các sàn thương mại điện tử của quốc gia đó, tiêu biểu là các
nghiên cứu tại Trung Quốc (Lee & Whang, 2001; Michalowska và cộng sự, 2015;
Wang và cộng sự, 2014; Zhang cộng sự, 2016; Zhou và cộng sự, 2020), hoặc nghiên
cứu ở những nước chưa ra mắt dịch vụ này vào thời điểm thực hiện nghiên cứu như
Thái Lan (Tsai & Tiwasing, 2021). Tại Việt Nam, loại hình này đã được ra mắt nhưng

11
chưa phát triển mạnh và cũng chưa thật sự có nhiều người sử dụng như mong đợi. Vì
vậy, xu hướng hành vi và nhận thức của khách hàng sẽ có thể khác biệt so với những
trường hợp kể trên. Đối với nhóm đối tượng khách hàng Việt Nam này, có rất ít các
nghiên cứu về dịch vụ giao hàng chặng cuối nói chung và Smart Locker nói riêng; các
nghiên cứu đó chỉ tập trung tìm hiểu sự hài lòng của khách hàng sau khi đã sử dụng
dịch vụ thay vì ý định và hành vi chấp nhận sử dụng của khách hàng (Quân và cộng
sự, 2021). Vì vậy, nghiên cứu này được thực hiện với mục đích tìm hiểu ý định sử
dụng của đối tượng khách hàng ở Việt Nam nhằm bổ sung vào khoảng trống nghiên
cứu đó, đóng góp thêm những hiểu biết về xu hướng, hành vi của nhóm đối tượng này
nhằm đưa ra các khuyến nghị để phát triển loại hình dịch vụ Smart Locker một cách
hiệu quả.

Ngoài ra, các nghiên cứu trước về ý định sử dụng sử dụng dịch vụ giao hàng tự
phục vụ nói chung và Smart Locker nói riêng cũng được thực hiện vào thời điểm trước
khi đại dịch COVID-19 bùng nổ (Lee & Whang, 2001; Michalowska và cộng sự,
2015; Wang và cộng sự, 2014; Zhang cộng sự, 2016; Zhou và cộng sự, 2020) hoặc
trong giai đoạn dịch vừa mới bùng nổ (Tsai & Tiwasing, 2021). Tuy nhiên, thời gian
dài cách ly và giai đoạn bình thường mới hậu cách ly đã làm thay đổi một phần xu
hướng, hành vi và nhu cầu của khách hàng (Susmitha, 2020; Guthrie, Fosso-Wamba &
Arnaud, 2021; Bahjat & Ari, 2022). Vì vậy, một nghiên cứu về xu hướng, hành vi của
khách hàng đối với loại dịch vụ này sau đại dịch là cần thiết, và nghiên cứu này được
thực hiện nhằm bổ sung khoảng trống nghiên cứu đó.

Cuối cùng, mặc dù nhân tố tính tương thích đã được áp dụng rộng rãi trong các
nghiên cứu về ý định sử dụng và hành vi chấp nhận của người tiêu dùng trên nhiều
lĩnh vực, tác động của nó lên ý định sử dụng các dịch vụ giao hàng chặng cuối tự phục
vụ nói chung và Smart Locker nói riêng vẫn chưa được khám phá. Nghiên cứu này
được thực hiện với mô hình nghiên cứu bao gồm nhân tố tính tương thích nhằm kiểm
định tác động đó; đồng thời, đánh giá vai trò trung gian của nó trong mối quan hệ giữa
tính đổi mới và ý định sử dụng.

12
1.4 Mục tiêu nghiên cứu

Thứ nhất, bài nghiên cứu thiết lập mô hình các yếu tố ảnh hưởng và vai trò ảnh
hưởng (trực tiếp hay gián tiếp) của các yếu tố đến ý định sử dụng dịch vụ Smart
Locker tại địa bàn Thành phố Hồ Chí Minh.
Thứ hai, bài nghiên cứu phân tích, đo lường và đánh giá mức độ ảnh hưởng của
các yếu tố trực tiếp và làm rõ ảnh hưởng của yếu tố trung gian trong mối tương quan
với ý định sử dụng dịch vụ Smart Locker tại địa bàn Thành phố Hồ Chí Minh, tìm ra
và chi tiết hóa những mối ưu tiên hàng đầu của khách hàng đối với những giải pháp
công nghệ mới, từ đó làm tư liệu cho các bên có những hoạt động liên quan đến
nghiên cứu và tìm hiểu thị trường.
Thứ ba, dựa vào kết quả nghiên cứu, bài nghiên cứu đề ra các khuyến nghị,
phương án khả thi cho các bên liên quan trong quá trình giới thiệu sản phẩm Smart
Locker nói riêng và các hình thức dịch vụ chuyển phát bưu kiện tự phục vụ tương tự
nói chung, đến với đại đa số người dân tại địa bàn Thành phố Hồ Chí Minh, góp phần
giải quyết các bất cập nhất định trong khâu giao hàng chặng cuối của chuỗi cung ứng.

1.5 Phương pháp nghiên cứu

Để thực hiện đề tài “Nghiên cứu các yếu tổ ảnh hưởng đến ý định sử dụng của
khách hàng với dịch vụ Smart Locker tại Tp.HCM”, nhóm nghiên cứu sử dụng
phương pháp nghiên cứu tại bàn và phương pháp nghiên cứu định lượng.
Đối với phương pháp nghiên cứu tại bàn, nhóm tiến hành nghiên cứu và tổng
hợp các nghiên cứu đi trước liên quan đến dịch vụ giao hàng tự phục vụ nói chung và
Smart locker nói riêng cũng như các nghiên cứu về ý định sử dụng để xây dựng mô
hình, khung lý thuyết và bảng hỏi cho đề tài nghiên cứu.

Đối với phương pháp nghiên cứu định lượng, nhóm tiến hành thu thập mẫu
nghiên cứu được lấy từ người dân đang sử dụng dịch vụ thương mại điện tử và các
hình thức giao/ nhận hàng hóa tại Thành Phố Hồ Chí Minh. Dữ liệu được thu thập
bằng cách phỏng vấn trực tiếp người dân sinh sống tại 6 quận (Quận Thủ Đức, Quận
Bình Thạnh, Quận 1, Quận 3, Quận 5, Quận 4) trong thời điểm từ ngày 03/02/2023
đến ngày 15/03/2023. Dữ liệu sơ cấp thu thập được sẽ được phân tích bằng các kỹ
thuật phân tích được đề cập ở phần 3.4 phương pháp phân tích dữ liệu.
13
1.6 Kết cấu đề tài.

Ngoài phần danh mục từ viết tắt, danh mục bảng và biểu đồ, danh mục tài liệu
tham khảo và phụ lục, đề tài được kết cấu thành phần Lời mở đầu và 5 chương với các
nội dung cụ thể như sau:
Chương 1: Giới thiệu nghiên cứu: Tổng quan về nghiên cứu bao gồm tính cấp
thiết của đề tài, câu hỏi, mục tiêu nghiên cứu, tính mới và tính đóng góp của đề tài,
phương pháp nghiên cứu và kết cấu đề tài.
Chương 2: Cơ sở lý luận và xây dựng mô hình nghiên cứu: Trình bày cơ sở lý
thuyết của đề tài, mô hình lý thuyết và tổng quan về các mô hình nghiên cứu trước đây
của các tác giả trong và ngoài nước, tìm ra các khoảng trống nghiên cứu làm cơ sở cho
việc xây dựng mô hình nghiên cứu đề xuất và phát triển các giả thuyết nghiên cứu.
Chương 3: Phương pháp nghiên cứu: Mô tả quy trình, mô hình và phương pháp
nghiên cứu, đề xuất sơ bộ phương pháp cơ bản nhất, cách tiếp cận cơ bản nhất, khung
phân tích cơ bản...để giải quyết cụ thể cho từng mục tiêu nghiên cứu đề ra.
Chương 4: Phân tích kết quả nghiên cứu: Trình bày, diễn giải các kết quả phân
tích số liệu đã thu được từ cuộc khảo sát bao gồm kết quả thống kê mô tả mẫu khảo
sát, kết quả kiểm định độ tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá EFA,
phân tích nhân tố khẳng định CFA, phân tích mô hình cấu trúc tuyến tính SEM, phân
tích vai trò biến trung gian.
Chương 5: Tóm tắt và kết luận: Đánh giá, nhận xét các nhân tố ảnh hưởng tới
mức độ chấp nhận của khách hàng đối với việc sử dụng dịch vụ Smart Locker trong
giao hàng chặng cuối tại thành phố Hồ Chí Minh. Từ đó, đề xuất những giải pháp cho
việc phát triển dịch vụ này cũng như kết luận ý nghĩa và hạn chế của nghiên cứu để
khắc phục trong các nghiên cứu sau này.

14
 Chương 2: Cơ sở lý luận và xây dựng mô hình nghiên cứu.

2.1 Các hình thức giao và nhận hàng chặng cuối tại Việt Nam.

Dịch vụ giao hàng chặng cuối (Last Mile Delivery) tại Việt Nam có thể
được phân thành ba mô hình như sau:

2.1.1. Giao hàng tận nhà

Đây là mô hình giao hàng chặng cuối theo kiểu truyền thống và phổ biến
nhất ở thành phố Hồ Chí Minh nói riêng và Việt Nam nói chung. Đối với dịch vụ
này, người mua trực tuyến sẽ nhận hàng tại nhà riêng, văn phòng, trường học,...
Các sàn thương mại điện tử ở Việt Nam hiện nay đều áp dụng dịch vụ này như
phương thức giao hàng chính và họ thường thuê các công ty hậu cần bên thứ ba
(công ty chuyển phát) để thực hiện việc giao hàng. Ưu điểm của mô hình này là
tránh nguy cơ mất mát hàng hoá, tuy nhiên tính linh động lại khá thấp do thời gian
chờ đợi khách hàng khá lâu. Đôi khi địa chỉ khách hàng cung cấp bị sai dẫn đến
việc mất thời gian của người giao hàng (Zhou và cộng sự, 2020, tr. 2).
Bên cạnh đó, để phục vụ cho nhu cầu và thói quen sử dụng tiền mặt của
khách hàng với phương thức thanh toán COD, cũng như giải quyết vấn đề không
có ai ở nhà để nhận hàng, một số người đã chọn đặt hàng đến văn phòng, tòa nhà,
nơi làm việc của mình. Xu hướng này đang ngày càng lan truyền rộng rãi và được
sử dụng, tuy nhiên đây chỉ là giải pháp tạm thời và nó vẫn dẫn tới nhiều bất cập và
hạn chế. Việc giao và nhận hàng tại nơi làm việc ảnh hưởng đến năng suất làm việc
của nhân viên và sự an toàn bảo mật của tòa nhà. Tại Việt Nam, hậu quả của xu
hướng này chính là sự ùn tắc, mất trật tự nơi làm việc, đặc biệt là các tòa nhà vì các
tài xế giao hàng dừng và đỗ xe hàng loạt chờ người xuống nhận hàng.

2.1.2. Dịch vụ nhận hàng thông qua điểm giao và nhận:

Điểm giao và nhận là nơi để khách hàng nhận hoặc gửi hàng từ một địa
điểm được chỉ định, tuy nhiên tính phổ biến của mô hình này không cao. Tại thành
phố Hồ Chí Minh, sàn thương mại điện tử Lazada cũng áp dụng điểm giao nhận
hàng gọi là (DOP). Mạng lưới điểm gửi hàng (DOP) thường là các cửa hàng tiện
lợi hay các chuỗi cửa hàng như Ministop, Circle K, Family Mart, Pharmacity,...
15
Đối với mô hình này, khách hàng sẽ nhận mã và địa điểm lấy hàng qua điện thoại.
Điều này có thể giúp khách hàng có thể chủ động hơn trong việc lấy hàng tại các
điểm lấy hàng gần họ mà không cần phải ở một nơi cố định và liên tục theo dõi
cuộc gọi của người giao hàng. Tuy nhiên, dịch vụ này yêu cầu phải có các nhân
viên giao hàng tại các điểm nhận hàng đó và không thể nhận hàng trong mọi thời
điểm. Bên cạnh đó vẫn còn một vài hạn chế như không an toàn hay các hạn chế về
mặt địa lý.

2.1.3 Tủ khoá bưu kiện (Parcel Lockers):

Tủ khoá bưu kiện là máy phân phối tự động cho phép giao nhận hàng và thu
tiền 24/7 mà không cần đến sự giám sát và vận hành của nhân viên. Tủ khoá có thể
dành cho một hoặc nhiều công ty giao hàng và khách hàng. Sau khi đặt hàng,
khách hàng sẽ nhận được thông báo qua SMS hoặc email về số hộp, vị trí và mã
mở hộp. Tại thành phố Hồ Chí Minh, Lazada là đơn vị tiên phong trong việc áp
dụng tủ khoá bưu kiện cho dịch vụ giao hàng chặng cuối trong thời kì đại dịch
Covid-19 để đảm bảo an toàn do tính chất không yêu cầu tiếp xúc của nó. Khách
hàng có thể chọn các Smart Locker gần nhất và chủ động hơn về mặt thời gian
nhận hàng. Mô hình này có thể giảm thiểu ô nhiễm môi trường, ùn tắc giao thông
so với loại hình giao hàng truyền thống (Chen và cộng sự, 2018). Mặt khác, nó
cũng không yêu cầu nguồn lực về nhân viên như dịch vụ giao hàng thông qua điểm
giao nhận và giúp khách hàng tiết kiệm thời gian một cách thuận tiện do tính chất
hoạt động 24/7. Tuy nhiên, tại Việt Nam, mô hình này vẫn còn khá hạn chế do điều
kiện cơ sở hạ tầng chưa đủ để đáp ứng.
Đây cũng là giải pháp để giải quyết cho những vấn đề phát sinh từ việc sai
lệch trong giao hẹn thời gian giữa người giao hàng và người nhận hàng hoặc việc
người nhận hàng không thể ở nhà để nhận hàng.

2.2 Smart Locker:

2.2.1 Khái niệm của Smart Locker

Smart Locker là một máy phân phối không cần giám sát, được đặt tại các địa
điểm chọn trước. Nó là một hệ thống tiếp nhận các kiện hàng, cho phép việc nhận

16
và gửi bưu kiện 24/7 (Iwan & cộng sự, 2015). Quy trình giao nhận hàng tại tủ khóa
được phát triển đầu tiên bởi công ty InPost với quy trình được tiến hành như sau:
- Người mua hàng trên mạng lựa chọn tủ khóa trong khi thực hiện việc mua
sắm trực tuyến.
- Sau khi đặt hàng cho một tủ khóa, người mua hàng trên mạng nhận được
xác nhận qua email, trong vòng 2 ngày làm việc, bưu kiện sẽ được chuyển
đến tủ khóa đã chọn và sau đó khách hàng sẽ nhận được email và tin nhắn
SMS ngắn kèm theo mã để mở một hộp tiếp nhận cụ thể.
- Khách hàng sẽ cung cấp mã với số điện thoại bằng cách sử dụng màn hình
cảm ứng trên tủ khóa đã chọn.
- Khách hàng có thể theo dõi lô hàng trong suốt dịch vụ.(Iwan & cộng sự,
2015)
Quy trình này thường tốn khoảng vài giây. Khách hàng sẽ có 3 ngày để lấy
hàng từ tủ khóa đã chọn. Trong nhiều trường hợp, nếu quá ngày lấy hàng, hàng hóa
sẽ thường được chuyển đến chi nhánh gần nhất của kho phân phối. Nhằm đảm bảo
an ninh, các tủ khóa được đặt tại những nơi được trang bị nhiều máy ghi hình và
chuông báo động. (Iwan & cộng sự, 2015).

2.2.2 Ưu điểm của dịch vụ giao hàng bằng Smart Locker

Nhìn chung, dịch vụ giao nhận hàng sử dụng Smart Locker có nhiều ưu
điểm vượt trội và có thể giải quyết một số vấn đề tồn đọng mà dịch vụ giao nhận
hàng truyền thống chưa thể giải quyết được. Cụ thể:
Thứ nhất, dịch vụ giao hàng bằng Smart Locker được xem là giải pháp tiết
kiệm thời gian và chi phí cho cả người giao hàng và người nhận hàng. Dịch vụ giao
hàng truyền thống đòi hỏi phải có sự sắp xếp trước về mặt thời gian và địa điểm
giữa người giao hàng và người nhận hàng. Điều này làm nảy sinh các rủi ro khó có
thể khắc phục. Từ phía người giao hàng, các rủi ro như tắc nghẽn giao thông, công
việc cá nhân có thể làm chậm trễ quá trình giao hàng một cách nghiêm trọng. Từ
phía người nhận hàng, việc khách hàng không xuất hiện tại địa điểm giao hàng
trong thời gian đã hẹn là rủi ro lớn nhất (Zhou, M. và cộng sự, 2020). Ngoài ra,
việc giao những đơn hàng nhỏ đến từng địa chỉ cá nhân cũng làm tăng thời gian và
chi phí di chuyển cho người giao hàng.
17
 Với Smart Locker, việc người giao hàng và người nhận hàng phải sắp xếp
trước một thời gian và địa điểm cụ thể là không cần thiết. Người giao hàng có thể
giao hàng đến các địa điểm chứa Smart Locker vào bất kỳ thời điểm nào thuận tiện
với họ. Ngược lại, người nhận hàng cũng có thể đến lấy hàng vào một thời điểm
bất kỳ phù hợp, làm giảm rủi ro phát sinh từ việc người nhận hàng không xuất hiện
(Iwan và cộng sự, 2016). Bên cạnh đó, việc người giao hàng có thể giao một số
lượng lớn đơn hàng tại một tụ điểm Smart Locker cũng góp phần làm giảm thời
gian và chi phí di chuyển khi giao hàng, tăng hiệu suất giao hàng trên một người so
với phương pháp giao hàng truyền thống.
Thứ hai, việc sử dụng dịch vụ giao nhận hàng bằng Smart Locker có ảnh
hưởng tích cực đến giao thông và môi trường. Như đã đề cập trước đó, Smart
Locker cho phép người giao hàng vận chuyển một số lượng lớn đơn hàng đến một
tụ điểm tủ khóa nhất định, và người mua có thể lấy hàng khi đi qua các địa điểm
gần nhất hoặc nằm trên tuyến đường thuận tiện trong các hoạt động thường ngày
của họ. Qua đó, nó có khả năng giảm thiểu số tuyến đường phải đi qua, cũng như
thời gian dùng để di chuyển nói chung nếu xét trên một tệp lớn người giao hàng và
người nhận hàng. Như vậy, dịch vụ Smart Locker có thể làm giảm số lượng người
tham gia giao thông trên các tuyến đường, qua đó có tác động tích cực đến môi
trường bằng cách giảm thiểu tắc nghẽn giao thông và ô nhiễm tiếng ồn.(Chen và
cộng sự, 2018; Ranieri và cộng sự, 2018).

2.2.3 Nhược điểm của dịch vụ giao hàng bằng Smart Locker

Bên cạnh những ưu điểm vượt trội so với dịch vụ giao hàng truyền thống đã
kể trên, dịch vụ giao hàng bằng Smart Locker vẫn còn tồn tại một số khuyết điểm
cần cân nhắc.:
Thứ nhất, dịch vụ giao hàng bằng Smart Locker không cho phép người nhận
hàng kiểm tra hàng hóa ngay khi nhận. Điều này có thể dẫn đến một số rủi ro như
việc khách hàng sẽ phải nhận một đơn hàng mình không đặt hoặc không đúng miêu
tả. Khi những sự cố này phát sinh, các hoạt động đổi trả hàng hóa tiếp theo có thể
diễn ra phức tạp và mất nhiều thời gian hơn so với khâu đổi trả hàng hóa ngay sau
khi kiểm tra hàng của giao hàng truyền thống.

18
 Thứ hai, Smart Locker thuận tiện nhất với dịch vụ giao hàng trả trước, tức
người mua đã hoàn tất thanh toán trước khi đơn hàng được giao. Đối với dịch vụ
thanh toán cash-on-delivery (COD), tức người giao hàng sẽ thu tiền hộ người bán
khi giao hàng đến cho người mua, dịch vụ giao nhận hàng bằng Smart Locker đòi
hỏi phải có thêm các thao tác phát sinh với tủ khóa hoặc các quy trình xác nhận với
bên giao nhận để đảm bảo số tiền được thanh toán.

2.3. Xây dựng mô hình nghiên cứu

Trong bài nghiên cứu này, nhóm tác giả đề xuất mô hình nghiên cứu áp dụng 4
nhân tố tâm lý của mô hình chấp nhận và sử dụng công nghệ UTAUT và 3 yếu tố bổ
sung mới để hình thành nên mô hình nghiên cứu. Lý thuyết, lập luận và một số kết quả
thực nghiệm từ những bài nghiên cứu trước nhằm chứng minh cho việc lựa chọn mô
hình nghiên cứu và bổ sung nhân tố sẽ được trình bày cụ thể sau đây.

2.3.1 Mô hình chấp nhận và sử dụng công nghệ UTAUT

Venkatesk và cộng sự (2003) đã phát triển mô hình chấp nhận và sử dụng

công nghệ UTAUT từ sự kết hợp và khái niệm hóa các nhân tố của tám mô hình
chấp nhận trước đó (Theory of Reasoned Action (TRA); (2) Technology
Acceptance Model (TAM); (3) Motivational Model (MM); (4) Theory of Planned
Behavior (TPB); (5) Combined TAM and TPB (C-TAM-TPB); (5) Model of PC
Utilization (MPCU); (7) diffusion of innovation (DOI); (8) Social Cognitive
Theory (SCT).

19
Bảng 1:
Tổng hợp lý thuyết xây dựng mô hình UTAUT

Các nhân tố của UTAUT Các nhân tố con Nguồn của mô

hình được tích
hợp

Performance Expectancy Perceived Usefulness TAM/ TAM2 /

(PE) - Hiệu quả kỳ vọng (Hữu ích cảm nhận) C- TAM-TPB

Extrinsic Motivation (Động MM

lực ngoại sinh)

Job-fit ( Phù hợp với công MPCU

việc)

Outcome Expectations (Kết IDT

quả mong đợi)

Effort Expectancy (EE) - Perceived ease of use (Tính TAM/ TAM2

Nỗ lực kỳ vọng dễ sử dụng cảm nhận)

Complexity MPCU
(Tính phức tạp)

Ease of use IDT

(Mức độ dễ để sử dụng)

Social Influence (SI) - Chuẩn chủ quan TRA, TAM2,

Ảnh hưởng xã hội TPB/DTPB, C-
TAM/ TPB

Nhân tố xã hội MPCU

Hình ảnh IDT

Facilitating Conditions Nhận thức kiểm soát hành PB/ DPTB, C-

(FC) - Các điều kiện vi TAM TPB

20
 thuận lợi Các điều kiện thuận lợi MPCU

Khả năng tương thích IDT

Nguồn: Venkatesh và cộng sự (2003)

Trong mô hình UTAUT, có 4 nhân tố ảnh hưởng đến ý định sử dụng công
nghệ bao gồm hiệu suất kỳ vọng (performance expectancy- PE); Nỗ lực kỳ vọng
(Effort expectancy-EE), Ảnh hưởng xã hội (Social Influences -SI). Mặt khác, có
hai nhân tố ảnh hưởng đến hành vi sử dụng bao gồm ý định sử dụng và điều kiện
thuận lợi. Ngoài ra, mô hình UTAUT còn xem xét đến các biến điều tiết có vai trò
làm thay đổi các mối quan hệ ảnh hưởng này, bao gồm giới tính (Gender), tuổi
(Age), kinh nghiệm (Experience) và sự tự nguyện sử dụng (Voluntariness of Use)

Hiệu suất
kỳ vọng

Nỗ lực kỳ
vọng Ý định sử Hành vi
dụng tiêu dùng
Ảnh
hưởng xã
hội
Điều kiện
thuận lợi
Tự
Kinh
Giới tính Tuổi nguyện
nghiệm
sử dụng
Hình 7: Mô hình UTAUT (Nguồn: Venkatesh và cộng sự, 2003)
Nghiên cứu Jewer (2018) chỉ ra rằng mô hình UTAUT có thể giải thích
được 70% sự biến thiên trong ý định sử dụng. Kể từ khi được đề xuất, mô hình này
đã được ứng dụng rộng rãi trong các nghiên cứu về hành vi trong lĩnh vực khoa học
xã hội trên nhiều nhóm đối tượng với các vị trí địa lý, lãnh thổ và văn hóa khác
nhau. Nhiều nghiên cứu về ý định sử dụng của khách hàng đã cho ra các kết quả
thống nhất các giả định về sự ảnh hưởng của các nhân tố trong mô hình UTAUT
(Cimperman và cộng sự, 2016; Dwivedi và cộng sự, 2019; Ooi và cộng sự, 2018;
Tan & Ooi, 2018; Venkatesh và cộng sự, 2003; Zhou cộng sự, 2020). Nghiên cứu
của Zhou và cộng sự (2020) cũng chỉ ra rằng cả ba yếu tố hiệu quả kỳ vọng, nỗ lực

21
kỳ vọng, ảnh hưởng xã hội trong mô hình này đều có tác động tích cực đến ý định
sử dụng dịch vụ giao hàng tự phục vụ.

2.3.2 Giải thích nhân tố và xây dựng giả thuyết

Nhóm tác giả đề xuất mô hình nghiên cứu được phát triển chủ yếu dựa trên
mô hình UTAUT. Tuy nhiên, Jackson, Yi và Park (2013) cho rằng sự chấp thuận
của người dùng đối với một công nghệ mới là rất phức tạp, không thể được nghiên
cứu chỉ với một lý thuyết nghiên cứu nhất định và đòi hỏi mô hình nghiên cứu cần
được chỉnh sửa để phù hợp hơn với bối cảnh nghiên cứu. Một số tác giả nghiên cứu
khác cũng đề xuất những mô hình nghiên cứu được mở rộng từ các lý thuyết
nghiên cứu truyền thống và cho ra những kết quả tích cực (Palvia, 2006; Palvia,
2013; Olbrich, Frank, Hovorka, & Rowe, 2015, Zhou và cộng sự, 2020). Ngoài ra,
mô hình UTAUT đã được Venkatesh và cộng sự (2003) phát triển trong thời điểm
kỷ nguyên số và mạng xã hội chưa bùng nổ như hiện nay, vì vậy nhóm tác giả cho
rằng mô hình này có thể chưa bao hàm được một số nhân tố đang dần tỏ ra có sức
ảnh hưởng hơn trong thời đại mới.
Từ những phân tích trên, nhóm tác giả đề xuất mô hình nghiên cứu được
phát triển và chỉnh sửa từ mô hình UTAUT bao gồm 4 nhân tố hiệu quả kỳ vọng,
nỗ lực kỳ vọng, ảnh hưởng xã hội và ý định sử dụng trong mô hình UTAUT; đồng
thời, nhóm tác giả kết hợp thêm ba nhân tố mới đó là, nhận thức rủi ro (Perceived
Risk), tính đổi mới (Innovativeness) và tính tương thích (Compatibility). Các nhân
tố trong mô hình đề xuất, lập luận chi tiết và giả thuyết nghiên cứu đi kèm được
diễn giải chi tiết sau đây.

22
 Hiệu suất kỳ vọng H1 H3 Ảnh hưởng xã hội
(+) (+)
H2 Ý định chấp nhận
(+)
Nỗ lực kỳ vọng H4 Nhận thức rủi ro
H5 H6 (-)
(+) (+)
H7
Tính đổi mới Tính tương thích
(+)

Hình 8: Mô hình nghiên cứu đề xuất

2.3.2.1. Ý định sử dụng

Ý định sử dụng được định nghĩa là cam kết, kế hoạch hoặc quyết định của
một người để thực hiện một hành động nhằm được một mục tiêu nào đó (Eagly và
Chaiken, 1993).
Theo nhà tâm lý học Ajzen (1991, tr. 181), ý định sử dụng được giả định
nhằm nắm bắt các yếu tố thúc đẩy ảnh hưởng đến việc thực hiện một hành vi; nó
thể hiện mức độ mà một cá nhân sẵn sàng cố gắng, mức độ nỗ lực mà cá nhân đó
sẵn sàng bỏ ra để thực hiện một hành vi cụ thể. Nhìn chung, ý định sử dụng là một
quá trình hoạt động nhận thức nhằm đưa ra lựa chọn, quyết định để sử dụng một
sản phẩm cụ thể nhằm giải quyết một vấn đề cụ thể trong một hoàn cảnh cụ thể.
2.3.2.2 Hiệu suất kỳ vọng
Hiệu suất kỳ vọng được định nghĩa là mức độ tin tưởng của một cá nhân về việc
sử dụng công nghệ sẽ giúp việc thực hiện các hoạt động hằng ngày thuận tiện hơn
(Venkatesh và cộng sự, 2003). Một số nghiên cứu về công nghệ tài chính chỉ ra rằng
hiệu suất kỳ vọng là yếu tố thúc đẩy chính trong việc có ý định sử dụng và áp dụng
công nghệ (Rahi và cộng sự, 2019, Olivera và cộng sự, 2016, Morosan & DeFranco,
2016; Chua và cộng sự, 2018). Ngoài ra, nghiên cứu từ Alam và các cộng sự (2020)
cũng chỉ ra rằng đối với công nghệ y tế, yếu tố chính ảnh hưởng tích cực đến mức độ
sẵn sàng sử dụng công nghệ của một người trong thời gian dài là hiệu suất kỳ vọng.
Các nghiên cứu khác trong lĩnh vực lối sống lành mạnh cũng chứng minh tác động tích
cực của hiệu suất kỳ vọng đối với ý định sử dụng một sản phẩm của người tiêu dùng

23
(Wei và cộng sự, 2020). Dựa vào những kết quả nghiên cứu trên, nhóm tác giả đề xuất
giả thuyết nghiên cứu:
H1: Hiệu suất kỳ vọng có tác động tích cực đến ý định sử dụng dịch vụ Smart
Locker (+)

2.3.2.3 Nỗ lực kỳ vọng

Nỗ lực kỳ vọng được định nghĩa là niềm tin của một cá nhân về mức độ đơn
giản trong việc sử dụng các tính năng mới hoặc công nghệ mới (Venkatesh và cộng sự,
2003). Đối với người tiêu dùng trực tuyến, thời gian dành cho việc mua sắm và theo
dõi quá trình vận chuyển của đơn hàng là rất hạn chế. Vì vậy, họ có khả năng sẽ thích
sử dụng dịch vụ giao hàng tự phục vụ chủ yếu vì tính tiết kiệm thời gian cũng như
thuận tiện cho người sử dụng của phương pháp này (Zhou và cộng sự, 2020). Có rất
nhiều bài nghiên cứu trước đã chứng minh được rằng nỗ lực kỳ vọng là một nhân tố
ảnh hưởng tính cực đến ý định sử dụng (Chaouali và cộng sự, 2016, Martins và cộng
sự, 2014, Purnamaningsih và cộng sự, 2019).
Trong bối cảnh TPHCM ngày càng đông dân và giao thông ở đây thường xuyên
tắc nghẽn dẫn tới quá trình giao nhận hàng truyền thống bị chậm trễ, cùng với sự ngày
càng phổ biến của Smart Locker như một giải pháp cho vấn đề tương tự ở các nước
khác trên thế giới, thì nhóm tác giả dự đoán những tiêu chí về sự thuận lợi trong việc
sử dụng, nhận hàng và gửi hàng sẽ ảnh hưởng tích cực đến ý định sử dụng dịch vụ
Smart Locker. Dựa trên những phân tích trên, nhóm tác giả đưa ra giả thuyết rằng:
H2: Nỗ lực kỳ vọng có tác động tích cực đến ý định sử dụng dịch vụ Smart
Locker (+)

2.3.2.4 Ảnh hưởng xã hội

Ảnh hưởng xã hội đề cập đến mức độ ảnh hưởng mà những người xung quanh
tác động đến việc ra quyết định của một người (Foucault và Scheufele, 2002; Grenny,
Maxfield và Shimberg, 2008). Các nhà nghiên cứu đã nhấn mạnh vai trò của ảnh
hưởng xã hội trong việc chấp nhận và sử dụng công nghệ thông tin (CNTT) (Shen và
cộng sự, 2011). Ví dụ, Jarvelainen (2007) cho rằng một người có ý nghĩa với một cá
nhân sẽ có ảnh hưởng mạnh mẽ đến nhận thức về công nghệ của cá nhân đó. Người
tiêu dùng có thể mua và sử dụng một số thiết bị di động do xu hướng và ảnh hưởng
24
của những người khác (Chong, Chan và Ooi, 2012). Ảnh hưởng xã hội cũng được định
nghĩa là “áp lực nhận thức để thực hiện hành vi" (Ajzen và Fishbein, 1975). Hay nói
cách khác, ảnh hưởng xã hội là mức độ mà người sử dụng nhận thức rằng những người
quan trọng khác tin rằng họ nên sử dụng hệ thống mới. Đây được xem là một nhân tố
ảnh hưởng trực tiếp đến ý định sử dụng. Trong bài nghiên cứu của Venkatesh và cộng
sự (2003) về mức độ chấp nhận công nghệ dựa theo mô hình UTAUT, ảnh hưởng xã
hội có ảnh hưởng tích cực đến ý định sử dụng, và nó bị tác động bởi các biến nhân
khẩu là giới tính, tuổi, sự tình nguyện sử dụng và kinh nghiệm. Nghiên cứu của Zhou
và các cộng sự (2020) chỉ ra rằng ảnh hưởng xã hội có tác động tích cực đến ý định sử
dụng công nghệ mới. Điều này cũng hoàn toàn phù hợp với kết quả của các nghiên
cứu trước đây (Palvia, 2006; Palvia, 2013; Olbrich, Frank, Hovorka, & Rowe, 2015,
Zhou và cộng sự, 2020). Do đó, nhóm tác giả đã đề xuất rằng người dùng có thể dựa
vào ảnh hưởng xã hội khi đánh giá dịch vụ Smart Locker. Vì vậy, nghiên cứu này đưa
ra giả thuyết sau:
H3: Ảnh hưởng xã hội có tác động tích cực đến ý định sử dụng dịch vụ Smart
Locker (+)

2.3.2.5 Nhận thức rủi ro:

Nhận thức rủi ro được định nghĩa là mức độ nhận thức về tổn thất tiềm ẩn mà
một cá nhân có thể chịu (Zhou và cộng sự, 2020). Nhận thức rủi ro từ lâu đã là nhân tố
quan trọng trong các đề tài nghiên cứu khoa học nghiên cứu về ý định sử dụng của
khách hàng. Một số nghiên cứu chỉ ra được nhận thức rủi ro có tác động tiêu cực ý
định sử dụng (Zhang và cộng sự, 2016, Zhou và cộng sự, 2020). Hơn nữa, nhận thức
rủi ro thấp được chỉ ra rằng sẽ ảnh hưởng tích cực đến thái độ của người tiêu dùng đối
với việc mua hàng trực tuyến (Jarvenpaa và cộng sự, 2000). Vì vậy, nhóm tác giả nhận
định rằng nhận thức rủi ro có thể giải thích cho ý định sử dụng của người dân trong
việc sử dụng Smart Locker. Trong nghiên cứu này thì nhận thức rủi ro được định nghĩa
là tổn thất tiềm ẩn mà người tiêu dùng sử dụng dịch vụ Smart Locker phải gánh chịu,
và nó được gây ra bởi là sự khác biệt giữa hiệu suất thực tế và mong đợi. Từ những
phân tích trên, nhóm tác giả đưa ra giả thuyết nghiên cứu:
H4: Nhận thức rủi ro có tác động tiêu cực đến ý định sử dụng dịch vụ Smart
Locker (-)
25
2.3.2.6 Khả năng tương thích
Khả năng tương thích được định nghĩa là mức độ mà một sản phẩm mới sẽ
tương thích với các giá trị, nhu cầu và trải nghiệm trước đây của một cá nhân (Chen và
cộng sự, 2009). Đây là một nhân tố quan trý thuyết khuếch tán đổi mới (DOI) nhằm
đánh giá ý định sử dụng. Đã có rất nhiều nghiên cứu chỉ ra rằng khả năng tương thích
có tác động tích cực đến ý định sử dụng một sản phẩm công nghệ mới. Nghiên cứu của
Vijayasarathy (2004) đã cho ra kết quả rằng khả năng tương thích có tác động tích cực
đến cả nhận thức về tính hữu ích và ý định sử dụng sử dụng các trang web khóa học
trực tuyến. Một số nhà nghiên cứu từ quản trị, khoa học máy tính, và tâm lý cũng xác
nhận rằng khả năng tương thích là một trong những nhân tố quan trọng dự đoán ý định
sử dụng (Kim và cộng sự, 2010; Bulent và cộng sự, 2016). Shin và cộng sự (2018) đã
xác nhận rằng khả năng tương thích là nhân tố quan trọng ảnh hưởng đến mức độ chấp
nhận sử dụng công nghệ nhà thông minh. Vì vậy, dựa trên những nghiên cứu trước,
nhóm tác giả nhận định rằng nhận thức rủi ro có thể có tác động đến ý định sử dụng
của người dân tại TPHCM đối với Smart Locker, một sản phẩm công nghệ mới. Từ
những lập luận trên, nhóm đưa ra giả thuyết:
H5: Khả năng tương thích sẽ ảnh hưởng tích cực đến ý định sử dụng dịch vụ
Smart Locker (+)

2.3.2.7 Tính đổi mới

Trong những nghiên cứu trước, đặc điểm tính cách cá nhân đã được nhiều
nghiên cứu chứng minh rằng sẽ có ảnh hưởng đến sự chấp thuận của một người đối
với một công nghệ nào đó (Davis & Yi, 2012; Lacobucci, 2008; Yi, Fiedler & Park,
2006). Trong số những đặc điểm tính cách cá nhân, một nhân tố đã được chứng minh
rộng rãi trong nhiều lĩnh vực rằng sẽ có ảnh hưởng đến sự chấp thuận của một cá nhân
đối với công nghệ mới là tính đổi mới (Innovativeness).
Theo Rogers và Shoemaker (1971), tính đổi mới được xem là mức độ mà một
cá nhân chấp nhận sử dụng một giải pháp mới nhanh hơn khi so sánh với các thành
viên khác trong xã hội. Tính đổi mới thể hiện mong muốn, khát khao tìm kiếm sự mới
mẻ, sáng tạo và khác biệt của người tiêu dùng (Hirchman, 1980; Venkataraman, 1991;
Manning và cộng sự, 1995).
26
 Agarwal và Prasad (1998) cho rằng khái niệm về tính đổi mới cho phép các học
giả giải thích chặt chẽ hơn các quá trình tâm lý nhất định liên quan đến việc áp dụng
các công nghệ mới. Một số nghiên cứu khác chỉ ra rằng tính đổi mới có ảnh hưởng
trực tiếp (Kim và Forsythe, 2008) và gián tiếp (Morosan, 2012a, b) đến hành vi chấp
nhận công nghệ của người tiêu dùng.
Trong các nghiên cứu trước, tính đổi mới thường được chia làm hai định nghĩa
nhỏ hơn là tính đổi mới tổng thể (General Innovativeness) và tính đổi mới trong từng
lĩnh vực cụ thể (Domain-specific Innovativeness). Tính đổi mới tổng thể được định
nghĩa là một đặc điểm tính cách của cá nhân thể hiện sự sẵn sàng đổi mới nói chung
của cá nhân đó (Joseph và Viyas, 1984). Mặt khác, tính đổi mới trên một lĩnh vực cụ
thể chỉ xem xét sự sẵn sàng đổi mới của cá nhân đó trong một loại sản phẩm cụ thể
nào đó (Gatinon & Robertson, 1985). Khi xem xét các nghiên cứu trong phạm vi các
sản phẩm, dịch vụ trong lĩnh vực thương mại điện tử, Citrin và cộng sự (2000) đã chỉ
ra tính đổi mới trong lĩnh vực cụ thể có ảnh hưởng đáng kể đến hành vi. Tuy nhiên,
nghiên cứu này không chỉ ra được tính đổi mới tổng thể có tác động tương tự.
Nghiên cứu của Crespo và Bosque (2008) cũng đưa ra định nghĩa cụ thể hơn về
tính đổi mới trong lĩnh vực cụ thể được áp dụng cho lĩnh vực thương mại điện tử, và
họ gọi nó là tính đổi mới đối với sản phẩm công nghệ mới (Innovativeness of New
Techonology). Nó có thể được diễn giải là sự sẵn sàng chấp nhận đổi mới của một cá
nhân đối với các sản phẩm công nghệ mới. Nghiên cứu của Crespo và Bosque (2008)
chỉ ra rằng nhân tố này có ảnh hưởng quan trọng và tích cực đến ý định sử dụng dịch
vụ thương mại điện tử B2C (business-to-consumer). Nghiên cứu của Yuangao Chen và
cộng sự (2018) cũng đã cho ra kết quả tính đổi mới đối với sản phẩm công nghệ mới
có ảnh hướng tích cực đến ý định sử dụng dịch vụ giao hàng tự phục vụ, và dịch vụ
Smart Locker trong bài khảo sát này cũng được xem là một trong những hình thức
giao hàng tự phục vụ.
Từ các kết quả nghiên cứu trên, nhóm tác giả sử dụng định nghĩa về tính đổi
mới đối với sản phẩm công nghệ mới của Crespo và Bosque (2008) và đưa ra lập luận
rằng tính đổi mới đối với sản phẩm công nghệ mới là một nhân tố có thể ảnh hưởng
đến ý định sử dụng của người tiêu dùng. Từ đó, nhóm tác giả đưa ra giả thuyết:
H6: Tính đổi mới đối với sản phẩm công nghệ mới có tác động tích cực đến ý
định sử dụng dịch vụ Smart Locker (+)
27
 Ngoài ra, từ những nghiên cứu trước, nhóm tác giả cũng đưa ra lập luận rằng
tính đổi mới đối với sản phẩm công nghệ mới có ảnh hưởng đến khả năng tương thích
dựa trên những phân tích và kết quả nghiên cứu sau. Moore (1999) và Rogers (2003)
cho rằng những người chấp nhận sớm hơn (early adopters) là những người có thể dễ
dàng hình dung ra những lợi ích hoặc tính hữu dụng tiềm năng liên quan đến đổi mới
so với những người chấp nhận muộn hơn (later adopters) (Moore, 1999; Rogers,
2003). Thuộc tính này của những người chấp nhận sớm hơn cũng cho thấy rằng họ có
thể liên hệ ý tưởng hoặc đối tượng đổi mới với nhu cầu của họ một cách hiệu quả hơn,
nhận ra khả năng tương thích của đổi mới tốt hơn so với những người chấp nhận sau
(Yi và cộng sự, 2006). Nhóm tác giả lập luận rằng mặc dù dịch vụ Smart Locker đã
xuất hiện tại TPHCM nhưng lượng người có ý định sử dụng vẫn còn thấp, những
người có ý định sử dụng có thể là những người chấp nhận công nghệ sớm, mang tính
đổi mới cao.
Hơn nữa, Yi và cộng sự (2006) chỉ ra rằng tính đổi mới trong lĩnh vực công
nghệ thông tin có ảnh hưởng gián tiếp và tác động lên ý định sử dụng thông qua các
nhân tố trung gian là những đặc điểm đổi mới bao gồm tính hữu dụng, dễ sử dụng và
khả năng tương thích. Jackson, Yi và Park (2010) cũng chỉ ra rằng tính đổi mới trong
lĩnh vực công nghệ thông tin có tác động tích cực đến khả năng tương thích và nó chịu
tác động của biến trung gian là khả năng tương thích khi xem xét trong mối quan hệ
với ý định sử dụng.
Nhóm tác giả lập luận rằng tính đổi mới đối với sản phẩm công nghệ mới
(Crespo & Bosque, 2008) sẽ có điểm tương đồng với tính đổi mới trong lĩnh vực công
nghệ thông tin của những bài nghiên cứu vừa đề cập, vì cả hai cùng là khái niệm tính
đổi mới trong một lĩnh vực cụ thể được áp dụng trực tiếp lên một lĩnh vực nhất định
trong bối cảnh của bài nghiên cứu. Do đó, tính đổi mới đối với sản phẩm công nghệ
mới có thể có ảnh hưởng tích cực đến khả năng tương thích. Nhóm tác giả đề ra giả
thuyết:
H7: Tính đổi mới đối với sản phẩm công nghệ mới sẽ ảnh hưởng tích cực đến
khả năng tương thích (+)

28
 Chương 3: Phương pháp nghiên cứu

3.1 Quy trình nghiên cứu

Nghiên cứu sử dụng kết hợp phương pháp nghiên cứu tại bàn và nghiên cứu định
lượng qua hai giai đoạn: Giai đoạn 1 nhằm xác định mục tiêu nghiên cứu và xây dựng
mô hình và giai đoạn 2 nhằm kiểm định các giả thuyết nghiên cứu và đưa ra kết luận.
Quy trình nghiên cứu được thể hiện qua hình 9.

Hình 9: Quy trình nghiên cứu

29
 3.1.1. Giai đoạn 1

Trong giai đoạn này, nhóm tác giả sử dụng phương pháp nghiên cứu tại bàn
nhằm mục đích xây dựng và củng cố mô hình nghiên cứu trên cơ sở các mô hình lý
thuyết và các bài nghiên cứu đã được công bố trên thế giới. Sau khi đã đưa ra mô hình
và thang đo đề xuất, nhóm tác giả tiến hành nghiên cứu định lượng sơ bộ nhằm kiểm
tra và hoàn thiện thang đo. Các bước cụ thể như sau.
Bước 1: Xác định vấn đề, mục tiêu và khoảng trống nghiên cứu
Đầu tiên, nhóm tác giả tiến hành nghiên cứu thực trạng phát triển của loại hình
dịch vụ Smart Locker ở Việt Nam, từ đó xác định vấn đề và đề ra mục tiêu nghiên cứu.
Tiếp theo, nhóm tác giả tổng hợp và nghiên cứu các bài nghiên cứu đã được công bố
về các loại hình dịch vụ liên quan, từ đó xác định khoảng trống nghiên cứu cần được
giải quyết.
Bước 2: Xây dựng mô hình, giả thuyết nghiên cứu và thang đo lần 1
Trên cơ sở các bài nghiên cứu trước đó, mô hình nghiên cứu đề xuất được xác
định bằng việc nghiên cứu các mô hình lý thuyết về ý định sử dụng và chấp nhận đã
được phát triển và áp dụng rộng rãi. Sau khi xác định được mô hình nghiên cứu, nhóm
tác giả xây dựng giả thuyết nghiên cứu và thang đo sơ bộ từ các kết quả của các bài
nghiên cứu sử dụng các nhân tố tương tự.
Bước 4: Thực hiện phỏng vấn trực tiếp và xây dựng thang đo lần 2
Nhóm tác giả tiến hành phỏng vấn kiểm định trực tiếp với đối tượng là người
dân trên địa bàn thành phố Hồ Chí Minh bằng các câu hỏi có trong thang đo lần 1
nhằm điều chỉnh cách diễn đạt của các câu hỏi có thể gây khó hiểu. Từ những điều
chỉnh trong quá trình phỏng vấn, nhóm xây dựng thang đo lần 2.
Bước 5: Thực hiện nghiên cứu định lượng sơ bộ và hoàn thiện thang đo chính
thức
Nhóm tác giả tiến hành thu thập dữ liệu từ thang đo lần 2 và kiểm định của
thang đo bằng các chỉ số đo lường Cronbach’s Alpha và phân tích nhân tố CFA. Sau
đó, nhóm tác giả củng cố thang đo dựa trên các kết quả phân tích và đề ra thang đo
chính thức.

30
 3.1.2. Giai đoạn 2

Trong giai đoạn này, nhóm tác giả tiến hành thu thập dữ liệu chính thức và kiểm
định các giả thuyết nghiên cứu bằng kết quả phân tích dữ liệu. Từ đó, nhóm tác giả
đưa ra các khuyến nghị nhằm phát triển loại hình dịch vụ Smart Locker. Các bước
được miêu tả cụ thể như sau.
Bước 1: Thực hiện nghiên cứu định lượng chính thức và kiểm định giả thuyết
nghiên cứu
Đầu tiên, nhóm tác giả tiến hành thu thập dữ liệu từ thang đo chính thức đã
được đề ra bằng phương pháp phỏng vấn trực tiếp. Sau đó, dữ liệu được sử dụng để
kiểm định độ tin cậy của mô hình và phân tích nhánh với mục tiêu tìm hiểu mối quan
hệ nhân quả giữa các biến. Cuối cùng, nhóm tác giả tiến hành so sánh kết quả thu được
với các kết quả từ những bài nghiên cứu đã công bố trên thế giới nhằm đưa ra kết luận
phù hợp.
Bước 2: Đề xuất khuyến nghị nhằm phổ biến và phát triển dịch vụ Smart Locker
Từ kết quả nghiên cứu phía trên, nhóm tác giả đã đưa ra những đề xuất cho
chính quyền, doanh nghiệp cũng như người dân trong việc phát triển quy mô của loại
hình dịch vụ này. Những đề xuất này đều xuất phát từ kết quả phân tích các yếu tố
trong mô hình nghiên cứu, nhằm nắm bắt chính xác cảm nhận của người dân. Bên
cạnh đó, nhóm cũng chỉ ra được mặt hạn chế và có một số đề xuất cho hướng nghiên
cứu tiếp theo.

3.2. Thiết kế thang đo

Bảng hỏi được chia làm hai phần: Phần 1 bao gồm các câu hỏi về nhân khẩu
học và phần hai bao gồm các câu hỏi để đo lường các biến nghiên cứu. Có tổng cộng 7
biến tiềm ẩn như đã đề cập trong mô hình nghiên cứu đề xuất và 22 biến quan sát xuất
hiện trong bảng hỏi. Các câu hỏi đo lường được tham khảo từ các nghiên cứu đã được
công bố trên thế giới, vì vậy để đảm bảo sự nhất quán và tính chính xác về nội dung, ý
nghĩa, các câu hỏi sẽ được dịch từ tiếng Anh sang tiếng Việt và sử dụng quá trình dịch
ngược. Mỗi biến quan sát được đo lường bằng thang đo Likert 5 bậc, tăng dần từ bậc 1
= “Hoàn toàn không đồng ý” đến bậc 5 = “Hoàn toàn đồng ý”.

31
 Thang đo lần được hiệu chỉnh qua hai lần. Ở lần hiệu chỉnh đầu tiên, nhóm tác
giả tiến hành phỏng vấn trực tiếp với đối tượng là người dân thành phố Hồ Chí Minh.
Từ kết quả phỏng vấn, nhóm tác giả điều chỉnh 2 câu hỏi đo lường biến tính đổi mới
và 1 câu hỏi đo lường biến khả năng tương thích bằng cách thay thế những từ ngữ gây
khó hiểu bằng những từ ngữ thông dụng và đề ra thang đo lần 2. Ở lần hiệu chỉnh thứ
hai, nhóm tác giả thu thập dữ liệu sơ bộ với người dân thành phố Hồ Chí Minh và thực
hiện phân tích định lượng sơ bộ. Các kết quả thu được cho thấy các chỉ số đo lường độ
phù hợp của mô hình đạt ngưỡng tốt, từ đó nhóm tác giả đề ra thang đo chính thức
không có khác biệt quá nhiều so với thang đo lần 2. Bảng hỏi chính thức được đính
kèm ở phụ lục 1. Các thang đo lường biến tiềm ẩn được mô tả cụ thể trong bảng 2.
Bảng 2:
Bảng hỏi khảo sát

Tên biến Nội dung câu hỏi Tham khảo

Hiệu suất kỳ vọng (Performance Expectancy - PE)

PE1 Tôi nghĩ việc sử dụng dịch vụ Smart Locker Zhou, M., Zhao, L.,
sẽ giúp tôi tiết kiệm thời gian hơn Kong, N., Campy, K.,
Xu, G., & Zhu, G. et
PE2 Tôi nghĩ dịch vụ Smart Locker sẽ dễ sử dụng
al. (2020)
hơn những dịch vụ giao nhận hàng khác

PE3 Tôi nghĩ việc sử dụng dịch vụ Smart Locker

sẽ tiện lợi hơn

PE4 Tôi nghĩ việc sử dụng dịch vụ Smart Locker

sẽ giúp tôi thoải mái hơn

Nỗ lực kỳ vọng (Effort Expectancy- EE)

EE1 Tôi nghĩ cách thức sử dụng dịch vụ Smart Zhou, M., Zhao, L.,
Locker để nhận một đơn hàng là dễ dàng với Kong, N., Campy, K.,
tôi Xu, G., & Zhu, G. et
al. (2020)
EE2 Tôi nghĩ cách thức sử dụng dịch vụ Smart

32
 Locker để gửi một đơn hàng là dễ dàng với tôi

EE3 Tôi nghĩ tôi có thể dễ dàng theo sát quy trình
vận hành của dịch vụ Smart Locker

Ảnh hưởng xã hội (Social Influence - SI)

SI1 Hiện tại không có nhiều người sử dụng dịch Zhou, M., Zhao, L.,
vụ Smart Locker Kong, N., Campy, K.,
Xu, G., & Zhu, G. et
SI2 Hiện tại không có nhiều người thân thiết của
al. (2020)
tôi biết đến và sử dụng dịch vụ Smart Locker

SI3 Tôi nghĩ việc sử dụng dịch vụ Smart Locker

sẽ không khiến tôi trở nên sành điệu hơn

Nhận thức rủi ro (Perceived Risk - PR)

PR1 Tôi quan ngại về vấn đề bảo mật của Smart Zhou, M., Zhao, L.,
Locker Kong, N., Campy, K.,
Xu, G., & Zhu, G. et
PR2 Tôi lo lắng về hiệu quả hoạt động của Smart
al. (2020)
Locker so với trong tưởng tượng của tôi

PR3 Tôi e rằng sẽ có nhiều rủi ro về các chi phí

phát sinh khác khi sử dụng Smart Locker

Tính đổi mới (Innovativeness - IN)

IN1 So với những người xung quanh tôi, tôi Crespo & Bosque,
thường là người đầu tiên sử dụng những sản 2008; Agaraw &
phẩm/dịch vụ với giải pháp mới Prasad, 1998

IN2 Khi tôi nghe về một sản phẩm/dịch vụ với giải

pháp mới, tôi sẽ thử tìm hiểu về chúng

IN3 Tôi thích sử dụng thử những sản phẩm/dịch

vụ với giải pháp mới

33
 Khả năng tương thích (Compatibility - CP)

CP1 Tôi nghĩ việc sử dụng Smart Locker sẽ tương Wang, Wu, Lin,
thích với lối sống của tôi Wang, & He, 2012

CP2 Tôi nghĩ việc sử dụng Smart Locker sẽ tương

thích với nhu cầu của tôi

CP3 Tôi nghĩ việc sử dụng Smart Locker sẽ tương

thích với tình hình hiện tại của tôi

Ý định sử dụng (Behavioural Intention - BI)

BI1 Tôi sẵn lòng sử dụng Smart Locker để Zhou, M., Zhao, L.,
giao/nhận hàng trong tương lai Kong, N., Campy, K.,
Xu, G., & Zhu, G. et
BI2 Tôi dự định sẽ sử dụng Smart Locker để
al., 2020
giao/nhận hàng trong tương lai

BI3 Tôi sẽ giới thiệu bạn bè của tôi về dịch vụ

Smart Locker

3.3. Phương pháp thu thập dữ liệu

Tất cả dữ liệu trong quá trình phân tích được thu thập bằng phương pháp phỏng
vấn trực tiếp ngẫu nhiên trên đường phố. Cụ thế với quá trình hiệu chỉnh thang đo lần
1, nhóm tác giả tiến hành phỏng vấn trực tiếp 10 người dân thành phố Hồ Chí Minh
sinh sống ở quận Bình Thạnh trong ngày 11 tháng 2 năm 2023. Với quá trình hiệu
chỉnh thang đo lần 2, dữ liệu được thu thập từ 67 người dân thành phố Hồ Chí Minh
sinh sống ở quận Bình Thạnh, quận Thủ Đức và quận 9 từ ngày 13 tháng 2 đến ngày
17 tháng 2 năm 2023. Tổng cộng có 67 câu trả lời được thu thập và 65 câu trả lời được
nhận định là hợp lệ. Số lượng câu trả lời hợp lệ đã vượt quá 5 lần số biến quan sát. cỡ
mẫu tối thiểu được sử dụng trong phương pháp phân tích nhân tố EFA (Hair và cộng
sự, 2014). Vì vậy, dữ liệu tiếp tục được thực hiện phân tích định lượng sơ bộ nhằm
kiểm định thang đo và hiệu chỉnh.

34
 Với quá trình nghiên cứu định lượng chính thức, nhóm tác giả tiến hành phỏng
vấn trực tiếp người dân trên địa bàn thành phố Hồ Chí Minh ở sáu quận từ ngày
20/02/2023 đến ngày 30/03/2023 bao gồm Quận Thủ Đức, Quận Bình Thạnh, Quận 1,
Quận 3, Quận 5, Quận 4. Trong đó, Quận 1 được xem là quận phát triển bậc nhất tại
TPHCM và là mục tiêu thị trường quan trọng cho dịch vụ Smart Locker. Quận Thủ
Đức, Quận Bình Thạnh, Quận 3, Quận 5, Quận 10 được nhóm tác giả nhận định là
những quận năng động về đổi mới công nghệ và ứng dụng. Tổng cộng có 247 câu trả
lời được thu thập, trong đó có 237 phản hồi hợp lệ được sử dụng trong quá trình phân
tích định lượng chính thức.

3.4. Phương pháp phân tích dữ liệu

Với quá trình hiệu chỉnh thang đo lần hai, nhóm tác giả thực hiện kiểm định độ
phù hợp của mô hình bằng phân tích nhân tố sử dụng các tiêu chí kiểm định của mô
hình phương trình cấu trúc dựa trên hiệp phương sai CB-SEM (covariance-based
SEM).
Với quá trình phân tích dữ liệu chính thức, nhóm tác giả tiến hành theo hai
bước. Thứ nhất, lặp lại đánh giá độ phù hợp tổng thể của mô hình cho bộ dữ liệu chính
thức bằng phân tích nhân tố sử dụng các tiêu chí kiểm định của mô hình phương trình
cấu trúc dựa trên hiệp phương sai CB-SEM (covariance-based SEM). Thứ hai, kiểm
định các giả thuyết nghiên cứu và tác động gián tiếp bằng phân tích nhánh sử dụng mô
hình phương trình cấu trúc dựa trên hiệp phương sai CB-SEM kết hợp với phương
pháp lấy mẫu có hoàn lại Bootstrapping. Về cách thức xử lý dữ liệu, nhóm tác giả sử
dụng phần mềm SPSS 20 và AMOS 24 phiên bản dành cho hệ điều hành Window để
tính toán các kết quả. Các phương pháp phân tích được sử dụng trong bài nghiên cứu
này được mô tả cụ thể sau đây.

3.4.1. Phương pháp đánh giá độ phù hợp của mô hình

Để đánh giá độ phù hợp tổng thể của mô hình, nhóm tác giả tiến hành đánh giá
thông qua các tiêu chí kiểm định của mô hình CB-SEM, bao gồm độ tin cậy nhất quán
nội tại (internal consistency reliability), giá trị hội tụ (convergent validity), giá trị phân
biệt (convergent validity) và độ phù hợp tổng thể của mô hình đo lường. Các phương

35
pháp đánh giá được sử dụng bao gồm kiểm định Cronbach’s alpha, phân tích nhân tố
khám phá EFA, phân tích nhân tố khẳng định CFA.

3.4.1.1 Kiểm định độ tin cậy nhất quán nội tại (internal consistency reliability)
bằng thang đo Cronbach’s alpha

Kiểm định Cronbach’s Alpha được phát triển bởi Lee Cronbach (1995) nhằm
cung cấp một thang đo cho độ tin cậy nhất quán nội tại. Kiểm định này là một trong
những thước đo độ tin cậy được sử dụng rộng rãi nhất trong khoa học xã hội và tổ
chức (Bonett & Wrightt, 2014). Trong kiểm định này, hệ số đo lường chính được gọi
là hệ số Cronbach’s alpha dao động trong khoảng từ 0 đến 1 và về mặt lý thuyết, hệ số
này càng cao thì có nghĩa là độ tin cậy nhất quán nội tại của thang đo càng cao. Theo
Hair và cộng sự (2009), một thang đo tốt có hệ số Cronbach’s alpha từ 0,7 trở lên. Do
đó, nhóm tác giả chọn ngưỡng đánh giá trong bài nghiên cứu này cho hệ số
Cronbach’s alpha là 0,7.
Tuy nhiên, hệ số Cronbach’s alpha chỉ cho biết độ tương quan của các biến
quan sát với nhau và không cung cấp thông tin để giữ lại các biến quan trọng và loại
các biến không cần thiết, do đó cần xem xét một chỉ số khác là hệ số tương quan biến
tổng (Corrected Item – Total Correlation). Hệ số này biểu thị độ tương quan của một
biến quan sát với các biến còn lại trong thang đo. Theo lý thuyết, hệ số này càng cao
thì biến quan sát có sự tương quan càng mạnh với các biến khác trong thang đo. Do
đó, việc tính toán hệ số tương quan biến-tổng sẽ giúp loại ra những biến quan sát nào
không đóng góp nhiều cho sự mô tả của khái niệm cần đo (Trọng & Ngọc, 2005).
Theo Nunnally (1978), “một biến đo lường có hệ số tương quan biến tổng Corrected
Item–Total Correlation lớn hơn hoặc bằng 0,3 thì biến đó được chấp thuận”. Dựa trên
cơ sở đó, nghiên cứu này chọn ngưỡng đánh giá cho hệ số tương quan biến tổng là 0,3.

3.4.1.2 Phân tích nhân tố khám phá Exploratory Factor Analysis (EFA)

Kỹ thuật phân tích nhân tố đánh giá EFA được ra đời từ công trình của Spearman
(1904). Theo Hayton và cộng sự (2004), phân tích EFA là một chuỗi các kỹ thuật
thống kê đa biến nhằm mục đích rút gọn dữ liệu và hiểu biết chính xác hơn về các biến
đo lường. Khác với Cronbach’s alpha chỉ đánh giá sự tương quan giữa các biến trong
cùng một nhóm nhân tố, EFA xem xét mối quan hệ giữa các biến ở tất cả các các nhân

36
tố khác nhau nhằm phát hiện ra những biến quan sát thuộc về sai nhóm nhân tố. Trong
bài nghiên cứu này, nhóm tác giả thực hiện phân tích EFA bằng kỹ thuật phân tích các
thành phần chính (Principal Axis Factoring), phép xoay Promax (Kappa = 4) do kỹ
thuật này phù hợp với mô hình bao gồm biến trung gian, các biến được giả định có sự
tương quan với nhau như mô hình nghiên cứu đã đề xuất. Ngoài ra, nhóm tác giả phân
tích sử dụng phương pháp Maximum Likelihood nhằm mục đích thực hiện bước phân
tích nhân tố khẳng định CFA tiếp theo.
Các tiêu chí của phân tích EFA được mô tả cụ thể như sau:
- Thước đo KMO (Kaiser–Meyer–Olkin): Kaiser–Meyer–Olkin (KMO) là một
thước đo thống kê để xác định mức độ phù hợp của dữ liệu đối với phân tích nhân tố
(Kaiser, 1970). Tỷ trọng càng cao, giá trị KMO càng cao thì dữ liệu thực tế càng phù
hợp với phân tích nhân tố. Kaiser (1970) cho rằng giá trị KMO từ 0,9 đến 1, phân tích
nhân tố có độ phù hợp rất tốt; 0,8 đến 0,9 là tốt; 0,7 đến 0,8 là trung bình; 0,6 đến 0,7
là tầm thường; 0,5 đến 0,6 là tệ và dưới 0,5 là không chấp nhận được. Do đó, trong bài
nghiên cứu này, nhóm tác giả chọn ngưỡng đánh giá cho giá trị KMO là từ 0,5 đến 1.
- Kiểm định tính tương quan giữa các biến đo lường Bartlett’s Test: Kiểm
định Bartlett’s Test dùng để kiểm tra sự tương quan giữa các biển đo lường với nhau
trong mỗi nhân tố (Bartlett, 1937). Giả thuyết trong kiểm định Bartlett’s Test cụ thể
như sau:
H0: Mức tương quan các biến bằng 0
H1: Mức tương quan các biến khác 0
Nếu kiểm định Bartlett’s Test không có ý nghĩa thống kê đồng nghĩa rằng các biến
quan sát trong cùng một nhân tố không có tương quan với nhau và dữ liệu thực tế
không phù hợp với phân tích nhân tố. Trong nghiên cứu này, nhóm tác giả chọn mức ý
nghĩa thống kê là 5% hay ngưỡng đánh giá cho chỉ số sig Bartlett’s Test là bé hơn
0,05.
- Trị số Eigenvalue: Trị số Eigenvalue đại diện cho phần biến thiên có thể được
giải thích bởi mỗi nhân tố đang được đánh giá. Có nhiều ý kiến khác nhau trong tài
liệu về việc xác định ngưỡng đánh giá dưới của chỉ số này. Tuy nhiên, các nghiên cứu
trước thường sử dụng ngưỡng đánh giá dưới là 1 do Kaiser (1960) đề xuất. Do đó,
trong bài nghiên cứu này, nhóm tác giả chọn ngưỡng đánh giá cho trị số Eigenvalue là

37
lớn hơn 1. Những biến có trị số Eigenvalue nhỏ hơn ngưỡng đánh giá sẽ bị loại và
không được xét trong mô hình.
- Tổng phương sai trích (Total Variance Explained): Tổng phương sai trích
thể hiện phần trăm biến thiên có thể được giải thích bới các nhân tố được trích của
biến quan sát. Henson và Roberts (2006) tổng kết rằng các nghiên cứu trên thế giới
thường sử dụng phân tích nhân tố với tổng phương sai trích trung bình là 52,03%. Hair
và cộng sự (2009) đề xuất ngưỡng đánh giá cho chỉ số này là lớn hơn 60%. Do đó,
nhóm tác giả lựa chọn ngưỡng đánh giá của tổng phương sai trích là lớn hơn 60%.
- Hệ số tải nhân tố: Hệ số này thể hiện mức độ tương quan của biến quan sát với
nhân tố đang xét. Hệ số này càng cao thì biến quan sát càng thể hiện được nhân tố mà
nó đang đại diện. Nếu hệ số này quá thấp, có nghĩa là biến quan sát không thuộc về
nhân tố mà nó đại diện. Ford và cộng sự (1986) tổng kết được rằng các nhà nghiên cứu
thường chấp nhận mức hệ số tải là từ 0,4 trở lên và điều này đồng nhất với kết quả
nghiên cứu của Henson và Roberts (2006). Do đó, nghiên cứu này sử dụng ngưỡng
đánh giá của hệ số tải là từ 0,4 trở lên.

3.4.1.3. Phân tích nhân tố khẳng định Confirmatory Analysis (CFA)

Phân tích nhân tố khẳng định CFA là một phương pháp thống kê nhằm thực
hiện các mục tiêu: Đánh giá mức độ phù hợp tổng thể của mô hình dựa vào các chỉ số
tham chiếu, đánh giá chất lượng của các biến quan sát trong nội bộ thang đo sau khi đã
xác định cấu trúc thang đo bằng EFA, khẳng định lại cấu trúc các nhân tố và đánh giá
tính hội tụ, tính phân biệt của các nhân tố có trong mô hình.
Nhằm đánh giá mức độ phù hợp tổng thể của mô hình, nhóm tác giả đã sử dụng
kết hợp các chỉ số tham chiếu và chọn ngưỡng đánh giá dựa vào các bài nghiên cứu
của các tác giả trước đó. Các ngưỡng đánh giá và nguồn tham khảo được mô tả cụ thể
trong bảng 3.

38
Bảng 3:
Chỉ số đánh giá độ phù hợp của mô hình và ngưỡng đánh giá trong phân tích CFA

Chỉ số Ngưỡng đánh giá Nguồn tham khảo

Chi-square/df < 3 là tốt; < 5 là chấp nhận Hair Jr, Anderson (1998);
được Hu & Bentler (2010)

P-value < 0,05 Arbuckle & Wothke (2015);

Rupp & Segal (2018)

NFI > 0,90 Chin & Todd (2018); Hair Jr,

Anderson (2013)

CFI > 0,95 là tốt; > 0,90 là chấp Bentler & Bonett (2018); Tho
nhận được & Trang (2018)

GFI > 0,90 là tốt; > 0,80 là Segar & Grover (2018); Chin
chấp nhận được & Todd (2018); Baumgartner
& Homburg (2018)

RMSEA < 0,05 là tốt; Steiger (2015); Segar &

0,05 - 0,10 là chấp nhận được Grover (2018); Chin & Todd
(2018)

PCLOSE > 0,05 là tốt; > 0,01 là chấp Hair Jr & Anderson (2013)
nhận được

Đối với tính hội tụ và tính phân biệt, nhóm tác giả sử dụng các tiêu chuẩn dựa trên các
chỉ số phương sai trích trung bình AVE (average variance extracted), độ tin cậy tổng hợp
CR (Composite Reliability), hệ số tương quan giữa các khái niệm (inter-construct
correlations) và phương sai riêng lớn nhất MSV (maximum shared variance). Cụ thể, giá
trị AVE phải lớn hơn 0,5 (Mackinnon và cộng sự, 2004); giá trị CR phải lớn hơn 0,7
(Hair và cộng sự, 2010); hệ số căn bậc hai của AVE phải lớn hơn hệ số tương quan giữa
các khái niệm (McDonald & Ho, 2002); giá trị MSV phải nhỏ hơn giá trị AVE (Kline,
2016).
39
3.4.2 Phương pháp kiểm định các giả thuyết nghiên cứu và tác động gián tiếp

Để kiểm định các giả thuyết nghiên cứu và tác động gián tiếp, nhóm tác giả tiến
hành phân tích dữ liệu sử dụng mô hình phương trình cấu trúc dựa trên hiệp phương
sai CB-SEM (covariance-based SEM) kết hợp với phương pháp lấy mẫu có hoàn lại
Bootstrapping. Đối với tác động gián tiếp, nhóm tác giả thực hiện kiểm định theo các
bước như đề xuất của Barron và Kenny (1986). Các lý thuyết, lập luận trong việc lựa
chọn mô hình và kỹ thuật phân tích được mô tả chi tiết sau đây.

3.4.2.1. Mô hình cấu trúc tuyến tính SEM Structural Equation Model (SEM)

Mô hình cấu trúc tuyến tính SEM Structural Equation Model (SEM) được xem là
một trong các phương pháp phân tích dữ liệu hiện đại và phổ biến nhất hiện tại. Mô hình
này khắc phục được nhiều hạn chế của các mô hình phân tích dữ liệu trước. Nó là một
mở rộng của mô hình tuyến tính tổng quát và có thể được sử dụng nhằm kiểm định nhiều
mô hình hồi quy cùng một lúc bằng cách kết hợp nhiều kỹ thuật như hồi quy đa biến,
phân tích nhân tố, và phân tích sự tương quan.

Mô hình này đã được ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau
(Astrachan và cộng sự, 2014) như tâm lý học (Anderson & Gerbing, 1998; Hansell &
White, 1991), giáo dục (Tan & Gregar, 2019; Bien và cộng sự, 2020) và quản lý
(Tharenou & Conroy, 1994).

Hiện nay, kỹ thuật sử dụng mô hình SEM có hai phương pháp tiến hành là mô
hình phương trình cấu trúc dựa trên hiệp phương sai CB-SEM (covariance-based SEM)
(Jöreskog, 1993) và mô hình phương trình cấu trúc dựa vào bình phương tối thiểu từng
phần PLS-SEM (Partial Least Squares SEM) (Lohmöller, 1989). Trong đó, CB-SEM
được ra đời trước và được sử dụng rộng rãi trong giới khoa học xã hội. CB-SEM yêu cầu
cỡ mẫu lớn và phân tích sử dụng phương pháp ước lượng hợp lý cực đại (Maximum
Likelihood Estimation) nên nó thích hợp cho các nghiên cứu khẳng định các lý thuyết có
cơ sở trước đó (Trung & Nga, 2022). PLS-SEM là mô hình được phát triển sau và bắt
đầu được sử dụng rộng rãi trong những năm gần đây. PLS-SEM không yêu cầu cỡ mẫu
lớn, thực hiện phân tích sử dụng phương pháp hồi quy bình phương nhỏ nhất (Ordinary
Least Squares). PLS-SEM có khả năng đánh giá độ phù hợp của mô hình thấp nên nó

40
được sử dụng chủ yếu trong các nghiên cứu khám phá nhằm phát triển lý thuyết, việc sử
dụng nó để khẳng định lý thuyết vẫn còn nhiều hạn chế (Hair và cộng sự, 2021).

Trong bài nghiên cứu này, nhóm tác giả lựa chọn mô hình CB-SEM để phân tích
vì mô hình nghiên cứu được xây dựng dựa trên các mô hình tâm lý học hành vi, các bài
nghiên cứu về ý định sử dụng của các tác giả trước đó và có mục tiêu nhằm khẳng định
giả thuyết. Theo mô hình này, phân tích sử dụng cách thức ước lượng các tham số sao
cho sự khác biệt giữa ma trận hiệp phương sai của dữ liệu mẫu và của mô hình lí thuyết
là nhỏ nhất (Hair và cộng sự, 2019).

3.4.2.2. Các bước kiểm định tác động gián tiếp

Nghiên cứu của Barron và Kenny (1986) đề xuất mô hình mô tả tác động của biến
trung gian như sau

A
X Y
c

B a b

X Y
c'

Hình 10: Mô hình mô tả tác động của biến trung gian

Trong đó, tác động tổng thể từ biến độc lập lên biến phụ thuộc được ký hiệu là c,
tác động của biến trung gian lên biến phụ thuộc là b, tác động của biến phụ thuộc lên biến
trung gian là a và tác động trực tiếp của biến độc lập lên biến phụ thuộc là c’. Để đánh
giá tác động gián tiếp của biến độc lập lên biến phụ thuộc, hay tác động của biến độc lập
lên biến phụ thuộc đã được xem xét trong mối quan hệ với biến trung gian. Barron và
Kenny (1986) đề xuất các bước đánh giá lần lượt các tác động như mô tả. Cụ thể như sau.

Thứ nhất, kiểm định tác động tổng thể (c) của biến độc lập lên biến phụ thuộc
bằng mô hình hồi quy đơn bội giữa biến độc lập và biến phụ thuộc.

41
 Thứ hai, kiểm định tác động gián tiếp (a*b) của biến độc lập lên biến phụ thuộc
thông qua biến trung gian bằng cách lần lượt phân tích mô hình hồi quy đơn biến giữa
biến độc lập lên biến trung gian (a) và biến trung gian lên biến phụ thuộc (b).

Thứ ba, kiểm định tác động trực tiếp (c’) của biến độc lập lên biến phụ thuộc
không qua biến trung gian bằng mô hình hình hồi quy đa biến giữa biến độc lập lên biến
phụ thuộc.

Nếu kết quả cho thấy tác động trực tiếp của biến độc lập lên biến phụ thuộc có ý
nghĩa thống kê, kết luận biến trung gian là trung gian một phần (Partial Mediator); ngược
lại, kết luận biến trung gian là trung gian toàn phần (Total Mediator).

Dựa trên cơ sở lý thuyết đó, trong bài nghiên cứu này, nhóm tác giả sử dụng mô
hình đánh giá tác động gián tiếp của Baron và Kenny (1986) bao gồm các bước như trên
để kiểm định tác động gián tiếp của biến độc lập lên biến phụ thuộc thông qua biến trung
gian.

3.4.2.3. Phương pháp lấy mẫu có hoàn lại Bootstrapping và kỹ thuật Bias-corrected
Bootstrap

Phương pháp Bootstrapping là một phương pháp tính toán dữ liệu dựa trên việc
lấy mẫu có hoàn lại (Sampling With Replacement). Nguyên lý cơ bản của phương pháp
Bootstrapping là tạo ra nhiều mẫu dữ liệu lặp lại ngẫu nhiên từ mẫu gốc. Sau khi tạo ra
một số lượng lớn mẫu dữ liệu mới, chỉ số thống kê cần quan tâm sẽ được tính với mỗi
mẫu thống kê được tạo ra, và từ đó sẽ xác định được phân bố và khoảng tin cậy của chỉ
số thống kê đó. Ưu điểm của phương pháp này là các chỉ số của nó được phân tích không
dựa trên các giả định ban đầu về hình dạng phân phối của tổng thể.

Đối với mô hình CB-SEM, giả định rằng các nhân tố có phân phối chuẩn nhiều
chiều là một giả định quan trọng trong phân tích. Tuy nhiên, không có nhiều bộ dữ liệu
có thể đáp ứng yêu cầu này. Nghiên cứu của Micceri (1989) đã chỉ ra rằng phần lớn bộ
dữ liệu trong 440 bộ bao gồm các nhân tố về thành tích và tâm lý không tuân theo phân
phối chuẩn đơn biến hoặc đa biến mặc dù tất cả các bộ dữ liệu này đều có kích thước
mẫu lớn hơn 400. Đối với những bộ dữ liệu có khả năng vi phạm giả định về phân phối
chuẩn hoặc kích thước mẫu trong mô hình SEM, nhiều tác giả cho rằng phương pháp lấy

42
mẫu có hoàn lại Bootstrapping có thể giải quyết được những tình huống vi phạm đó
(Hancock & Liu, 2012; West et al., 1995; Yung & Bentler, 1996; Zhu, 1997; Barbara,
2016). Do đó, nhóm tác giả lập luận rằng rằng việc kết hợp sử dụng phương pháp lấy
mẫu có hoàn lại Bootstrapping khi phân tích sử dụng mô hình CB-SEM là cần thiết.

Có nhiều kỹ thuật để tính toán khoảng tin cậy trong phương pháp lấy mẫu có hoàn
lại Bootstrapping. Trong đó, kỹ thuật Bias-corrected Bootstrap là kỹ thuật hiệu chỉnh độ
lệch (bias) trong số đo bình quân của ước lượng (Central Tendency) (Mackinnon và cộng
sự, 2004). Việc tính toán khoảng tin cậy bằng kỹ thuật Bias-corrected Bootstrap được cho
rằng sẽ cho ra kết quả chính xác hơn phương pháp tính khoảng tin cậy thông thường
(Efron & Tibshirani, 1993). Nghiên cứu Mackkinnon và cộng sự (2004) cũng chỉ ra rằng
phương pháp tính toán khoảng tin cậy bằng kỹ thuật Bias-correct Bootstrapping là
phương pháp tối ưu nhất để kiểm định tác động gián tiếp. Dựa vào những ưu điểm trên,
bài nghiên cứu này sử dụng kỹ thuật Bias-corrected Bootstrapping trong việc tính toán
khoảng tin cậy trong việc kiểm định tác động gián tiếp thông qua biến trung gian. Cụ thể,
khoảng tin cậy được tính toán ở mức 95%, 1000 cỡ mẫu Bootstrap với cả ba tác động
tổng thế, gián tiếp và trực tiếp.

43
 Chương 4: Phân tích dữ liệu

4.1. Thống kê tần số

Bảng 4:
Thống kê tần số

Tên biến Đặc điểm Số lượng đáp Tỷ lệ (%) Phương sai

viên (N= 237)

Giới tính Nam 112 47,3 0,25

Nữ 123 51,9

Khác 2 0,8

Độ tuổi Từ 18 tuổi trở 11 4,6 1,16

xuống

Từ 19 tới 24 80 33,8
tuổi

Từ 25 tới 35 66 27,8
tuổi

Từ 36 tới 45 57 24,1
tuổi

Trên 45 23 9,7

Trình độ học Tốt nghiệp tiểu 1 0,4 0,35

vấn học

Tốt nghiệp cấp 5 2,1

2

Tốt nghiệp cấp 25 10,6

3

Đại học 159 67,1

44
 Tên biến Đặc điểm Số lượng đáp Tỷ lệ (%) Phương sai
viên (N= 237)

Trên đại học 47 19,8

Thu nhập hằng Dưới 5 triệu 79 33,3 1,63

tháng
Từ 5 đến 10 54 22,8
triệu

Từ 10 đến 20 18 7,6
triệu

Trên 20 triệu 86 36,3

Dựa trên kết quả khảo sát lấy từ 237 mẫu, có thể nhận thấy được tỉ lệ giữa nam
và nữ có sự chênh lệch không lớn, chiếm lần lượt 47,3% và 51,9%. Phần còn lại thuộc
về các bạn nằm trong cộng đồng LGBT+ (0,8%).

Về độ tuổi, từ 19 tới 24 tuổi chiếm tỉ lệ cao nhất với 33,8%, trong khi đó trên 45
tuổi lại chiếm tỉ lệ thấp nhất với 9,7%. Độ tuổi từ 25 đến 35 và từ 36 đến 45 có tỉ lệ
xấp xỉ nhau, lần lượt là 27,8% và 24,1%. Phân bố nhóm tuổi trong dữ liệu của nhóm
cũng tương đồng với phân bố nhóm tuổi những của những người sử dụng thương mại
điện tự được báo cáo trong Sách trắng thương mại điện tử Việt Nam năm 2022 (Tổng
cục thống kê, 2022), cho thấy dữ liệu có độ tin cậy khi so sánh với quần thể.

Về trình độ học vấn, phần lớn sẽ nằm ở bậc đại học hoặc trên đại học với 67,1%
thuộc bậc đại học, còn 19,8% dành trên đại học. Bên cạnh đó, xét thấy nhóm đối tượng
tốt nghiệp cấp 3 trở xuống chiếm tỉ trọng không đáng kể, chỉ xấp xỉ 13%.

Về thu nhập hằng tháng, chiếm tỉ trọng lớn nhất là trên 20 triệu (36,3%), theo
sau đó lần lượt là dưới 5 triệu (33,3%), từ 5 đến 10 triệu (22,8%) và cuối cùng là từ 10
đến 20 triệu (7,6%).

45
4.2. Đánh giá độ phù hợp của mô hình

4.2.1. Kiểm định độ tin cậy nhất quán nội tại bằng thang đo Cronbach’s
alpha

Các kết quả Cronbach's Alpha của các yếu tố đo lường đều cao hơn ngưỡng
đánh giá đã được nhóm nghiên cứu đưa ra là 0,7, và các chỉ số biến quan sát cho thấy
rằng tất cả các câu hỏi đo lường các yếu tố đều ảnh hưởng mạnh mẽ và đồng nhất đến
các yếu tố. Bên cạnh đó, chỉ số tương quan biến tổng của các biến quan sát đo mỗi yếu
tố ảnh hưởng đều không chỉ trên 0,3 - ngưỡng đạt chuẩn mà nhóm nghiên cứu đã chọn
mà còn khá cao. Điều đó thể hiện mức độ tương quan giữa các biến quan sát với nhau
và với tổng, chứng minh rằng không cần phải loại ra hay thay thế bất kỳ biến nào. Do
đó, nhóm nghiên cứu kết luận rằng các yếu tố đo lường đều có tính tin cậy tốt và các
câu hỏi cũng như bảng hỏi và thang đo là phù hợp để sử dụng cho nghiên cứu này.
Bảng 5:
Phân tích độ tin cậy Cronbach’s Alpha cho nhóm nhân tố ảnh hưởng đến Ý định sử
dụng (BI)
Hệ số tương Hệ số Alpha nếu Hệ số Cronbach’s
STT Thang đo
quan biến tổng loại bỏ biến Alpha
Hiệu suất kỳ vọng (Performance Expectancy - PE)
1 PE1 0,707 0,810
2 PE2 0,662 0,829
0,854
3 PE3 0,687 0,819
4 PE4 0,732 0,800
Nỗ lực kỳ vọng (Effort Expectancy- EE)
1 EE1 0,749 0,775
2 EE2 0,726 0,795 0,885
3 EE3 0,725 0,795
Ảnh hưởng xã hội (Social Influence - SI)
1 SI1 0,648 0,776
2 SI2 0,670 0,755 0,818
3 SI3 0,705 0,715
Nhận thức rủi ro (Perceived Risk - PR)

46
 1 PR1 0,832 0,907
2 PR2 0,846 0,896 0,924
3 PR3 0,872 0,869
Tính đổi mới (Innovativeness - IN)
1 IN1 0,834 0,869
2 IN2 0,834 0,873 0,914
3 IN3 0,823 0,886
Khả năng tương thích (Compatibility - CP)
1 CP1 0,809 0,869
2 CP2 0,800 0,878 0,906
3 CP3 0,831 0,851

4.2.1.1. Hiệu suất kỳ vọng (Performance Expectancy - PE)

Các kết quả của hệ số Cronbach's alpha cho yếu tố Hiệu suất kỳ vọng (PE) thể
hiện mức độ tương quan cao. Hệ số cronbach's alpha có giá trị là 0,854, vượt qua giá
trị ngưỡng 0,7, cho thấy các biến quan sát có mối quan hệ tương đối chặt chẽ với nhau
và có giá trị đo lường tổng hợp cao đối với biến tiềm ẩn hiệu suất kỳ vọng. Bên cạnh
đó, cả 4 biến quan sát có hệ số tương quan biến tổng cao và đều lớn hơn 0,3, cho thấy
độ tương quan tốt giữa từng biến quan sát với các biến còn lại. Giá trị Cronbach's
alpha nếu xoá bỏ từng biến cho thấy các biến quan sát đều có vai trò quan trọng trong
việc đo lường, nếu xóa bỏ bất kì biến nào thì hệ số Cronbach’s alpha cũng sẽ giảm.

4.2.1.2. Nỗ lực kỳ vọng (Effort Expectancy- EE)

Hệ số Cronbach's alpha cho yếu tố Nỗ lực kỳ vọng (EE) có giá trị là 0,885, cho
thấy mức độ tương quan cao của các biến đo lường. Hệ số tương quan biến tổng của cả
3 biến quan sát đều trên ngưỡng đánh giá là 0,3 với mức độ tin cậy cao, cho thấy mối
tương quan của từng biến quan sát với các biến còn lại trong thang đo là khá tốt. Giá
trị Cronbach's alpha nếu xoá bỏ từng biến cho thấy các biến quan sát đều có vai trò
quan trọng trong việc đo lường, nếu xóa bỏ bất kì biến nào thì hệ số Cronbach’s alpha
cũng sẽ giảm.

4.2.1.3. Ảnh hưởng xã hội (Social Influence - SI)

Đối với yếu tố Ảnh hưởng xã hội (Social Influence - SI), Cronbach's Alpha là
47
0,818, cao hơn ngưỡng đánh giá là 0,7, cho thấy độ tương quan của các biến quan sát
đạt mức trung bình. Ngoài ra, cả 3 biến quan sát có hệ số tương quan biến tổng cao và
đều lớn hơn 0,3, cho thấy độ tương quan tốt giữa từng biến quan sát với các biến còn
lại. Giá trị Cronbach's alpha nếu xoá bỏ từng biến cho thấy các biến quan sát đều có
vai trò quan trọng trong việc đo lường, nếu xóa bỏ bất kì biến nào thì hệ số Cronbach’s
alpha cũng sẽ giảm.

4.2.1.4. Nhận thức rủi ro (Perceived Risk - PR)

Hệ số Cronbach's alpha cho yếu tố Nhận thức rủi ro (PR) có giá trị là 0,924, cho
thấy mức độ tương quan cao của các biến đo lường. Hệ số tương quan biến tổng của cả
3 biến quan sát đều trên ngưỡng đánh giá là 0,3 với mức độ tin cậy cao, cho thấy mối
tương quan của từng biến quan sát với các biến còn lại trong thang đo là khá tốt. Giá
trị Cronbach's alpha nếu xoá bỏ từng biến cho thấy các biến quan sát đều có vai trò
quan trọng trong việc đo lường, nếu xóa bỏ bất kì biến nào thì hệ số Cronbach’s alpha
cũng sẽ giảm.

4.2.1.5. Tính đổi mới (Innovativeness - IN)

Kết quả Cronbach's alpha của yếu tố Tính đổi mới (Innovativeness - IN) là
0,914, đạt mức độ tin cậy cao. Ngoài ra, cả 3 biến quan sát có hệ số tương quan biến
tổng cao và đều lớn hơn 0,3, cho thấy độ tương quan tốt giữa từng biến quan sát với
các biến còn lại. Giá trị Cronbach's alpha nếu xoá bỏ từng biến cho thấy các biến quan
sát đều có vai trò quan trọng trong việc đo lường, nếu xóa bỏ bất kì biến nào thì hệ số
Cronbach’s alpha cũng sẽ giảm.

4.2.1.6. Khả năng tương thích (Compatibility - CP)

Kết quả Cronbach's Alpha của yếu tố Khả năng tương thích (Compatibility -
CP) là 0,906, cho thấy mức độ tương quan cao cao của các biến quan sát. Hệ số tương
quan biến tổng của cả 3 biến quan sát đều trên ngưỡng đánh giá là 0,3 với mức độ tin
cậy cao, cho thấy mối tương quan của từng biến quan sát với các biến còn lại trong
thang đo là khá tốt. Giá trị Cronbach's alpha nếu xoá bỏ từng biến cho thấy các biến
quan sát đều có vai trò quan trọng trong việc đo lường, nếu xóa bỏ bất kì biến nào thì
hệ số Cronbach’s alpha cũng sẽ giảm.

48
4.2.1.7. Ý định sử dụng (Behavioural Intention - BI)

Kết quả Cronbach's Alpha cho yếu tố ý định sử dụng (BI) là 0,947, cho thấy
tính đồng nhất của các câu hỏi đo ý định sử dụng rất cao. Các giá trị tương quan biến
tổng cho thấy rằng tất cả các câu hỏi đều có mối quan hệ tích cực và mạnh mẽ với yếu
tố chung ý định sử dụng. Các kết quả của Cronbach's Alpha nếu loại biến cho thấy
rằng việc loại bỏ bất kỳ biến quan sát nào cũng không cải thiện đáng kể tính đồng nhất
của yếu tố. Do đó, tất cả các câu hỏi trong yếu tố này đều có độ tin cậy cao và có thể
được sử dụng để đo ý định sử dụng.
Bảng 6:
Phân tích độ tin cậy Cronbach’s Alpha cho Ý định sử dụng (BI)
Hệ số tương Hệ số Alpha nếu Hệ số Cronbach’s
STT Thang đo
quan biến tổng loại bỏ biến Alpha
Ý định sử dụng (Behavioural Intention - BI)
1 BI1 0,867 0,940
2 BI2 0,911 0,907 0,947
3 BI3 0,892 0,921

4.2.2 Phân tích nhân tố khám phá (EFA)

Phân tích EFA được thực hiện trong nghiên cứu nhằm xác định số lượng các
nhân tố ảnh hướng đến một tập các biến đo lường, cường độ về mối quan hệ giữa mỗi
nhân tố với từng biến đo lường và giúp giảm số lượng biến quan sát trùng lặp có ý
nghĩa tương tự nhau trong một phân tích.
Thực hiện thông qua việc đánh giá các tiêu chí như: Kiểm định Bartlett, Kiểm
định KMO, Hệ số tải Factor Loadings, Trị số Eigenvalues và Giá trị Communalities.
Từ kết quả kiểm định độ tin cậy Cronbach’s Alpha của các biến đều lớn hơn 0,8 và hệ
số tương quan biến tổng lớn hơn 0,3 đạt yêu cầu và tiếp tục kiểm định giá trị hội tụ và
phân biệt thông qua bước phân tích nhân tố (EFA)

4.2.2.1 Phân tích Nhân tố khám phá EFA cho biến độc lập

Hệ số KMO = 0,807 > 0,5, điều này cho thấy việc phân tích dữ liệu phù hợp với
dữ liệu nghiên cứu. Đồng thời, kiểm định Bartlett’s là 2272,083 với mức ý nghĩa sig =
0,000 < 0,05, bác bỏ giả thuyết H0: các biến quan sát không có tương quan với nhau
49
trong tổng thể. Như vậy giả thuyết về ma trận tương quan giữa các biến là ma trận
đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau nên phân tích nhân tố
EFA là phù hợp.
Bảng 7:
Hệ số KMO và kiểm định Bartlett - Phân tích EFA cho biến độc lập

Hệ số KMO và Kiểm định Bartlett

Hệ số Kaiser Meyer Olkin (KMO) 0,807

Kiểm định Bartlett Chi bình phương xấp xỉ 2272,083

(Approx. Chi-Square)

Bậc tự do (df) 120

Mức ý nghĩa (Sig.) 0,000

Kết quả phân tích nhân tố (xem ở phụ lục 4.1) cho thấy 16 biến quan sát ban
đầu được nhóm thành 5 nhóm. Tổng phương sai trích dùng để giải thích nhân tố là
70,483% lớn hơn ngưỡng đánh giá là 60% (Hair và cộng sự, 2009), đồng nghĩa với
việc ác yếu tố này có thể giải thích 70,483% biến thiên của dữ liệu. Giá trị hệ số
Eigenvalues của các nhân tố đều cao hơn ngưỡng đánh giá là 1, nhân tố thứ 5 có
Eigenvalues thấp nhất là 1,412.
Các hệ số tải nhân tố ở bảng 9 đều lớn hơn 0,5, và không có trường hợp biến
nào cùng lúc tải lên cả hai nhân tố. Nên các nhân tố đảm bảo được giá trị hội tụ và
phân biệt khi phân tích EFA. Ngoài ra không có sự xáo trộn các nhân tố, nghĩa là câu
hỏi của nhân tố này không bị nằm lẫn lộn với câu hỏi của nhân tố kia. Nên sau khi
phân tích nhân tố thì các nhân tố độc lập này được giữ nguyên, không bị tăng thêm
hoặc giảm đi nhân tố.
Bảng 8: Ma trận xoay - Phân tích EFA cho biến độc lập

Ma trận xoay

Nhân tố

1 2 3 4 5

PR3 0,922

50
 PR2 0,902

PR1 0,879

PE4 0,832

PE1 0,808

PE3 0,739

PE2 0,713

IN2 0,902

IN1 0,882

IN3 0,876

EE1 0,886

EE3 0,867

EE2 0,799

SI3 0,858

SI1 0,750

SI2 0,711

4.2.2.2 Phân tích EFA cho biến trung gian

Bảng 9:
Kết quả Hệ số KMO và Kiểm định Bartlett - Phân tích EFA cho biến trung gian

Hệ số KMO và Kiểm định Bartlett

Hệ số Kaiser Meyer Olkin (KMO) 0,754

Kiểm định Bartlett Chi bình phương xấp xỉ 461,130

(Approx. Chi-Square)

Bậc tự do (df) 3

Mức ý nghĩa (Sig.) 0,000

51
 Tương tự như phần phân tích nhân tố khám phá cho biến độc lập, đối với biến
trung gian, hệ số KMO = 0,754 > 0,5, mức ý nghĩa thông kê là bé hơn 0,000 < 0,05
bác bỏ giả thuyết H0: các biến quan sát không có tương quan với nhau trong tổng thể.
Điều này cho thấy việc phân tích dữ liệu phù hợp với dữ liệu nghiên cứu. Đồng thời,
kiểm định Bartlett’s bằng 461,130, có ý nghĩa thống kê sig = 0,000 < 0,05 nên phân
tích nhân tố để nhóm các biến lại với nhau là phù hợp.
Bảng 10:
Tổng phương sai trích - Phân tích EFA cho biến trung gian

Tổng phương sai trích (Total variance explained)

Nhân tố Hệ số Eigenvalue khởi tạo (Initial Chỉ số sau khi trích (Extraction
Eigenvalues) Sums of Squared Loadings)

Tổng % % Phương Tổng % Phương % Phương

Phương sai tích sai sai tích
sai lũy lũy

1 2,527 84,249 84,249 2,293 76,417 76,417

2 0,261 8,694 92,943

3 0,212 7,057 100,000

Kết quả phân tích cho thấy các biến quan sát rút trích thành 1 biến tại
eigenvalue = 2,527 và tổng phương sai trích dùng để giải thích nhân tố là 76,417% >
60% (Hair và cộng sự, 2009) đạt yêu cầu, khi đó có thể nói rằng các yếu tố này có thể
giải thích 76,417% biến thiên của dữ liệu, nên thỏa điều kiện phân tích nhân tố.
Bảng 11:
Ma trận xoay - Phân tích EFA cho biến trung gian

Ma trận xoay

Nhân tố

CP3 0,900

CP1 0,868

52
 CP2 0,854

Các hệ số tải nhân tố đều lớn hơn 0.5 đạt yêu cầu. Điều đó chứng minh được
tính hội tụ của các biến quan sát trong một tổng thể.

4.2.2.3 Phân tích EFA cho biến phụ thuộc ý định sử dụng (Behavioural Intention)

Bảng 12:
Hệ số KMO và Kiểm định Bartlett - Phân tích EFA cho biến phụ thuộc

Hệ số KMO và Kiểm định Bartlett

Hệ số Kaiser Meyer Olkin (KMO) 0,765

Kiểm định Bartlett Chi bình phương xấp xỉ 693,684

(Approx. Chi-Square)

Bậc tự do (df) 3

Mức ý nghĩa (Sig.) 0,000

Hệ số KMO = 0,765 > 0,5, bác bỏ giả thuyết H0: các biến quan sát không có
tương quan với nhau, điều này cho thấy việc phân tích dữ liệu phù hợp với dữ liệu
nghiên cứu. Đồng thời, kiểm định Bartlett’s bằng 693,684, có ý nghĩa thống kê sig =
0,000 < 0,05 nên phân tích nhân tố để nhóm các biến lại với nhau là phù hợp.
Bảng 13:
Tổng phương sai trích - Phân tích EFA cho biến phụ thuộc

Tổng phương sai trích (Total variance explained)

Nhân tố Hệ số Eigenvalue khởi tạo (Initial Chỉ số sau khi trích (Extraction
Eigenvalues) Sums of Squared Loadings)

Tổng % % Phương Tổng % Phương % Phương

Phương sai tích sai sai tích
sai lũy lũy

1 2,716 90,533 90,533 2,576 85,878 85,878

53
 2 0,176 5,854 96,387

3 0,108 3,613 100,000

Kết quả phân tích nhân tố khám phá của biến phụ thuộc ý định sử dụng
(Behavioural Intention) cho thấy 3 biến quan sát của thang đo ý định sử dụng được
nhóm thành một nhân tố và giá trị eigenvalue là 2,716 >1.

54
Bảng 14:
Ma trận xoay - Phân tích EFA cho biến phụ thuộc

Ma trận xoay

Nhân tố

BI3 0,955

BI1 0,930

BI2 0,894

Hơn nữa, hệ số tải của 3 biến quan sát đều lớn hơn 0,5 và tổng phương sai trích
dùng để giải thích nhân tố lên tới 85,878%. Như vậy, phân tích nhân tố đạt yêu cầu.

4.2.3. Phân tích nhân tố khẳng định CFA:

4.2.3.1. Kiểm định độ phù hợp mô hình Model Fit trong CFA

Kết quả sau khi thực hiện phân tích CFA cho thấy rằng mô hình phù hợp với dữ
liệu thực tế thông qua các chỉ số Chi-square/df, CFI, TLI, GFI, RMSEA, PCLOSE.
Kết quả phân tích CFA đã thỏa mãn tốt giá trị ngưỡng trong đó với chỉ số CFI được
đánh giá là rất tốt theo ngưỡng trên 0,95. Chỉ số CMIN/df = 1.393, CFI = 0,98, GFI =
0,913, TLI = 0,976, NFI = 0,935 đều thỏa mãn tốt yêu cầu dựa trên thang đo của Hu
và Bentler (1999). Cuối cùng là 2 chỉ số RMSEA và PCLOSE lần lượt là 0,041 và
0,906 đáp ứng tốt yêu cầu về kiểm định phù hợp của mô hình.

55
Bảng 15:
Chỉ số model fit trong kiểm định CFA

Chỉ số Kết quả Giá trị ngưỡng Nhận xét

Chi-square/df 1,393 Chi-square/df < 3 là tốt; Chi- Tốt

square/df <5 là chấp nhận được

CFI 0,98 CFI ≥ 0,95 là rất tốt, CFI ≥ 0,9 là Rất tốt
tốt, CFI ≥ 0,8 là chấp nhận được

GFI 0,913 GFI ≥ 0,95 là rất tốt, GFI ≥ 0,9 là Tốt

tốt

TLI 0,976 TLI ≥ 0,9 là tốt Tốt

NFI 0,935 NFI > 0,9 là tốt Tốt

RMSEA 0,041 RMSEA ≤ 0,06 là tốt, RMSEA ≤ Tốt

0,08 là chấp nhận được

PCLOSE 0,906 PCLOSE ≥ 0,05 là tốt, PCLOSE ≥ Tốt

0,01 là chấp nhận được

4.2.3.2. Chất lượng biến quan sát trong CFA.

Để đánh giá chất lượng biến quan sát CFA, nhóm tác giả dựa vào kết quả của
bảng hệ số hồi quy CFA. Giá trị P-value cho biết biến quan sát có thể hiện tính chất
của biến tiềm ẩn hay không. Dựa trên mức ý nghĩa 5%, chỉ số P-value phải nhỏ hơn
0,05 để biến quan sát có ý nghĩa trong mô hình. Kết quả cho thấy hầu hết kết quả của
biến quan sát đều nhỏ hơn 0,05. Từ đó ta có thể kết luận rằng các biến quan sát đều có
ý nghĩa trong mô hình. Tiếp theo, việc đánh giá mức độ đóng góp của biến quan sát
lên biến tiềm ẩn là cần thiết và giá trị đánh giá đó được ký hiệu là β1 (hệ số hồi quy
trực tiếp đã chuẩn hóa). Theo Hair và cộng sự (2010), những biến quan sát có β1 phải
tối thiểu lớn hơn 0,5 mới được chấp nhận. Trong đó, β1 lớn hơn 0,7 sẽ được xem là lý
tưởng nhất và biến quan sát nào có β1 lớn hơn thì sẽ đóng góp vào biến mẹ nhiều hơn.
56
Từ kết quả phân tích, nhóm tác giả nhận thấy rằng chỉ số β1 lớn hơn 0,5, một vài biến
quan sát có β1 lớn hơn 0,7. Như vậy, các biến quan sát đều có mức phù hợp cao trong
mô hình.
4.2.3.3 Đánh giá độ tin cậy, tính hội tụ, tính phân biệt.
Từ kết quả phân tích, các biến tiềm ẩn CP, PE, EE, SI, PR, IN, BI có chỉ số CR
đều lớn hơn ngưỡng đánh giá, cụ thể lần lượt là 0,907, 0,855, 0,886, 0,819, 0,927,
0,916, 0,949. Ngoài ra, chỉ số AVE phân tích được với các giá trị lần lượt là 0,764,
0,597, 0,722, 0,603, 0,809, 0,785, 0,860 cũng đều lớn hơn ngưỡng đánh giá. Từ đó
nhóm tác giả đưa ra kết luận rằng tính hội tụ được đảm bảo.
Tính phân biệt được đảm bảo khi chỉ số MSV nhỏ hơn AVE và giá trị căn bậc
hai AVE của một biến phải lớn hơn tương quan giữa biến đó với biến tiềm ẩn khác
trong mô hình. Theo kết quả phân tích trong bảng hội tụ và phân biệt, chỉ số MSV của
các biến CP, PE, EE, SI, PR, IN, BI đều nhỏ hơn AVE. Bên cạnh đó, giá trị căn bậc
hai AVE của từng biến tiềm ẩn đều lớn hơn tương quan của biến đó với biến tiềm ẩn
khác trong mô hình. Vì vậy có thể kết luận rằng tính phân biệt được đảm bảo.
Bảng 16:
Kết quả tính hội tụ và phân biệt

CR AVE MSV Max CP PE EE SI BI IN PR

R(H)

CP 0,907 0,764 0,309 0,909 0,874

PE 0,855 0,597 0,457 0,858 0,492 0,773

EE 0,886 0,722 0,295 0,893 0,297 0,378 0,850

SI 0,819 0,603 0,426 0,825 0,466 0,506 0,302 0,776

BI 0,949 0,860 0,457 0,950 0,556 0,676 0,543 0,653 0,927

IN 0,916 0,785 0,072 0,917 0,268 0,075 -0,259 0,075 0,138 0,886

PR 0,927 0,809 0,203 0,933 -0,142 -0,206 -0,210 -0,216 -0,451 0,124 0,900

57
4.3. Kiểm định các giả thuyết nghiên cứu và tác động gián tiếp

4.3.1 Kiểm định các giả thuyết nghiên cứu

Bài nghiên cứu của nhóm tác giả phân tích mô hình cấu trúc tuyến tính SEM để
kiểm định giả thuyết với cỡ mẫu 237 quan sát và kết quả phân tích đã được tổng hợp ở
bảng 23. Kết quả của việc đánh giá giả thuyết được tóm tắt ở Bảng 24. Đánh giá giả
thuyết. Nhân tố PE (β1=0,300, P-value <0,001), EE (β1=0,313, P-value <0,001), SI
(β1=0,302, P-value <0,001) được cho là tác động tích cực đến ý định sử dụng (BI) của
người dân trong TPHCM đối với dịch vụ Smart Locker. Vậy nên giả thuyết H1, H2,
H3 được ủng hộ. Đối với nhân tố PR (β1=-0,284, P-value <0,001) được cho là có tác
động tiêu cực đến ý định sử dụng (BI) vậy nên giả thuyết H4 được ủng hộ. Ngoài ra,
IN (β1=0,175, P-value <0,001), CP (β1=0,154, P-value <0,001) có tác động tích cực
đến ý định sử dụng (BI) của người tiêu dùng vì vậy giả thuyết H5, H6 được ủng hộ.
Cuối cùng, IN có tác động tích cực đến CP (β1=0,266, P-value <0,001) từ đó H7 được
ủng hộ.
Bảng 17:
Hệ số hồi quy SEM.

Giả Hướng tác β0 (Hệ số β1 (Hệ số hồi Giá trị t P-value

thuyết động hồi quy chưa quy đã chuẩn
chuẩn hóa) hóa)

H1 BI ← PE 0,388 0,300 5,074 ***

H2 BI ← EE 0,307 0,313 5,914 ***

H3 BI ← SI 0,399 0,302 5,150 ***

H4 BI ← PR -0,26 -0,284 -6,277 ***

H5 BI ← IN 0,192 0,175 3.644 ***

H6 BI ← CP 0,172 0,154 3,463 ***

H7 CP ← IN 0,262 0,266 3,785 ***

Ghi chú: *** có nghĩa là p bé hơn 0,001

58
Bảng 18:
Bảng đánh giá giả thuyết

STT Giả thuyết Nhận xét

1 H1: Hiệu suất kỳ vọng có tác động tích cực đến Ủng hộ
ý định sử dụng trong việc sử dụng Smart Locker
tại TPHCM (+)

2 H2: Nỗ lực kỳ vọng có tác động tích cực đến ý Ủng hộ

định sử dụng dịch vụ Smart Locker (+)

3 H3: Ảnh hưởng xã hội có tác động tích cực đến Ủng hộ
ý định sử dụng dịch vụ Smart Locker (+)

4 H4: Nhận thức rủi ro có tác động tiêu cực đến ý Ủng hộ
định sử dụng dịch vụ Smart Locker (-)

5 H5: Tính đổi mới có tác động tích cực lên việc ý Ủng hộ
định sử dụng dịch vụ Smart Locker (+)

6 H6: Khả năng tương thích sẽ ảnh hưởng tích cực Ủng hộ
đến ý định sử dụng sử dụng (+)

7 H7: Tính đổi mới sẽ ảnh hưởng tích cực đến khả Ủng hộ
năng tương thích của công nghệ (+)

Sau khi đánh giá giả thuyết qua bảng hệ số hồi quy, nhóm nghiên cứu tiếp tục
đánh giá mức độ tác động của các biến độc lập, phần trăm biến thiên lên biến phụ
thuộc trong bảng hệ số hồi quy và R bình phương. Trong các biến tác động cùng chiều
lên BI (PE, EE, SI, IN, CP), EE là biến có hệ số hồi quy chuẩn hóa cao nhất, đồng
nghĩa với mức độ tác động cùng chiều lớn nhất là 0,313. Tiếp đến là SI với hệ số hồi
quy chuẩn hóa cao thứ 2 là 0,302 và PE với hệ số hồi quy trực tiếp chuẩn hóa cao thứ
3 là 0,300. Còn lại, các biến IN và CP có mức tác động tương đối với hệ số hồi quy
chuẩn hóa lần lượt là 0,175 và 0,154. Đối với tác động ngược chiều, biến PR có hệ số
hồi quy chuẩn hóa với mức tác động cao đạt 0,284. Ngoải ra, hệ số hồi quy chuẩn hóa
của biến IN tác động lên biến trung gian CP là 0,266.
Qua kết quả của bảng R bình phương (xem ở phụ lục), mức độ giải thích của
biến IN lên biến phụ thuộc CP đạt 7.1%. Nói cách khác, phương sai sai số của CP
bằng xấp xỉ 92.9%. Mức độ giải thích của các biến độc lập lên biến phụ thuộc BI đạt
59
73.1%. Điều đó cho thấy các biến PE, EE, SI, PR, IN, CP tác động lên 73.1% sự biến
thiên của BI. Nói cách khác, phương sai sai số của BI xấp xỉ 26.9%. Kết quả của bảng
R bình phương được coi là đáng tin cậy được khi p-value <0,05 (với mức ý nghĩa
thống kê 5%).

4.3.2 Kiểm định vai trò trung gian:

Bài nghiên cứu sử dụng kĩ thuật Bias-corrected Bootstrapping trong việc tính
toán khoảng tin cậy cho việc kiểm định tác động của biến trung gian với độ tin cậy
95% với cỡ mẫu Bootstrap là 1000. Nhóm tác giả đánh giá tác động của biến trung
gian dựa trên các bước theo mô hình nghiên cứu của Barron và Kenny (1986) đã được
đề cập ở chương 3.
Đầu tiên, kết quả nghiên cứu trong bảng đánh giá tác động của biến trung gian
cho thấy tác động tổng thể của biến IN -> BI đạt 0,216, với khoảng tin cậy (0,123;
0,326). Như vậy, khoảng tin cậy Bootstrap không chứa số 0, từ đó có thể khẳng định
rằng biến IN có tác động tổng thể lên BI.
Tiếp theo, kết quả nghiên cứu trong bảng đánh giá tác động của biến trung gian
cho thấy tác động gián tiếp của biến IN -> BI đạt 0,041, với khoảng tin cậy (0,009;
0,103). Như vậy, khoảng tin cậy Bootstrap không chứa số 0, từ đó khẳng định rằng IN
có tác động gián tiếp lên biến BI thông qua CP.
Cuối cùng, kết quả nghiên cứu trong bảng đánh giá tác động của biến trung gian
cho thấy tác động trực tiếp của biến IN lên BI đạt 0,175, với khoảng tin cậy (0,065;
0,277). Như vậy, khoảng tin cậy Bootstrap không chứa số 0. Từ đó khẳng định rằng IN
có tác động trực tiếp lên biến BI.
Kết quả cho thấy tác động tổng thể từ IN lên BI có ý nghĩa thống kê, tác động
gián tiếp từ IN lên BI thông qua CP và tác động trực tiếp từ IN lên BI có ý nghĩa thống
kê. Vì vậy, kết luận biến trung gian là trung gian một phần (Partial Mediator).

60
Bảng 19:
Bảng đánh giá tác động của biến trung gian

Mối quan hệ Giá trị tác Bias-corrected (khoảng tin cậy Nhận xét
động được 95%)
chuẩn hóa

Chặn Chặn P- value

dưới trên

Tác động IN → BI 0,216 0,123 0,326 0,002 Có tác động

tổng thể tổng thể

Tác động IN → BI 0,175 0,065 0,277 0,002 Có tác động

trực tiếp trực tiếp

Tác động IN → CP 0,041 0,009 0,103 0,009 Có tác động

gián tiếp → BI gián tiếp

4.4. Giải thích kết quả nghiên cứu

4.4.1. Hiệu suất kỳ vọng

Hiệu suất kỳ vọng là nhân tố có ảnh hướng lớn đến ý định sử dụng với hệ số hồi
quy trực tiếp chuẩn hóa là 0,300, cao thứ 3 trong mô hình. Giả thuyết H1 hiệu suất kỳ
vọng có tác động tích cực đến ý định sử dụng trong việc sử dụng Smart Locker tại
TPHCM được ủng hộ. Lý giải cho điều này, Việt Nam nói chung và TPHCM nói riêng
đang tích cực đón nhận xu hướng công nghiệp 4.0, từ đó dẫn đến sự phát triển của cơ
sở hạ tầng, công nghệ được áp dụng vào trong cuộc sống hằng ngày của nhân dân ngày
một cao. Ngoài ra, TPHCM cũng là một trong các thành phố lớn của Việt Nam dẫn
đầu cả nước về số dự án lẫn tổng vốn FDI. Điều đó dẫn đến việc những công nghệ mới
về Smart Locker đã được đầu tư vào Việt Nam kèm với những nhà đầu tư có sức ảnh
hưởng trên thị trường Châu Á. Từ đó, họ có thể nắm bắt được thông tin về những lợi
ích Smart Locker mang lại. Đồng thời, các nhà đầu tư cho rằng việc sử dụng dịch vụ
Smart Locker sẽ giúp việc thực hiện các hoạt đồng giao, nhận hàng hằng ngày trở nên
linh hoạt và thuận tiện hơn. Theo Khalilzadeh và cộng sự (2017), Madigan và cộng sự
61
(2016), trong bối cảnh áp dụng công nghệ ở lĩnh vực hệ thống giao thông đường bộ tự
động (ARTS), khám bệnh từ xa (NFC), hiệu suất kỳ vọng được xem là nhân tố ảnh
hưởng mạnh nhất đến ý định sử dụng. Kết quả phân tích ở đây cũng phù hợp với
nghiên cứu của Zhou và cộng sự (2020), Venkatesh và cộng sự (2003) khi cho rằng
hiệu suất kỳ vọng có ảnh hưởng thuận chiều đến ý định sử dụng khi sử dụng Smart
Locker.

4.4.2. Nỗ lực kỳ vọng

Theo Bhatiasevi (2016); Jewer (2018); Kijsanayotin và cộng sự (2009) trong

các bài nghiên cứu dựa theo mô hình UTAUT, nỗ lực kỳ vọng được xem là nhân tố có
sự tác động nhưng yếu đối với ý định sử dụng. Tuy nhiên, trong bài nghiên cứu này nỗ
lực kỳ vọng là nhân tố tác động cùng chiều mạnh nhất đến với ý định sử dụng của
người dân sinh sống và làm việc tại TPHCM khi có hệ số hồi quy trực tiếp chuẩn hóa
lên đến 0,313, cao nhất trong cả 6 nhân tố tác động đến ý định sử dụng. Điều này có
thể được lý giải bằng việc giao hàng truyền thống ở TPHCM thường xảy ra các tình
trạng tắc nghẽn giao thông do cơ sở hạ tầng giao thông chưa phát triển, còn nhiều mặt
hạn chế, khác với những đất nước đã phát triển là bối cảnh của những bài nghiên cứu
trước đó. Từ đó dẫn đến việc đơn hàng tới trễ hơn dự kiến, làm thay đổi kế hoạch nhận
hàng của người mua, hoặc người mua không có tại địa điểm giao hàng tại thời điểm
nhân viên giao hàng đến làm chậm tiến độ nhận hàng. Vì vậy, việc tìm kiếm một giải
pháp thay thế để giải quyết những vấn đề trên luôn là một nhu cầu lớn đối với người
dân tại đây. Từ những nguyên nhân trên, nhóm tác giả nhận định rằng tính chất linh
hoạt, thuận tiện và giao nhận 24/7 của Smart Locker có thể được xem một trong những
nhân tố chính khiến cho người dân có ý định sử dụng loại hình này.

4.4.3. Ảnh hưởng xã hội

Ảnh hưởng xã hội cũng có tác động tích cực đối với ý định sử dụng (BI) và có
hệ số hồi quy trực tiếp chuẩn hóa là 0,302, cao thứ 2 trong 6 biến tác động lên ý định
sử dụng. Đối với dịch vụ Smart Locker, trải nghiệm tích cực được chia sẻ bởi bạn bè
hoặc những người xung quanh sẽ nâng cao mức độ sẵn sàng chấp nhận sử dụng của
chúng ta. Điều này đặc biệt quan trọng đối với sự phát triển của dịch vụ Smart Locker
ở TPHCM, khi mà hình thức giao hàng này vẫn chưa được phổ biến. Ngoài ra, các
62
nhận xét từ hệ thống đánh giá trực tuyến cũng sẽ ảnh hưởng đến tâm lý mong đợi của
người mua hàng trực tuyến về sản phẩm hoặc dịch vụ, do đó ảnh hưởng đến việc ra
quyết định và hành vi của họ (Lee và cộng sự, 2017). Hiện nay, trong thời đại mạng xã
hội phát triển mạnh mẽ ở Việt Nam nói chung, ý định sử dụng và mức độ chấp nhận sử
dụng của người dân càng bị tác động bởi nhân tố xã hội do hiệu ứng đám đông. Đặc
biệt là trong bối cảnh các nền tảng mạng xã hội như Facebook hay TikTok cực kỳ phát
triển. Cũng từ đó, trong vài năm trở lại đây trào lưu review sản phẩm hay dịch vụ của
các người nổi tiếng, KOL được xem là có tác động rất lớn lên cảm quan của người dân
với một loại hình sản phẩm nào đó. Nhóm tuổi từ 19 tới 35 được xem là nhóm tuổi
chịu tác động nhiều nhất khi nhóm tuổi này đã trở nên quen thuộc với công nghệ, phần
mềm hiện đại từ đó các hành vi của họ dễ dàng bị ảnh hưởng bởi những người xung
quanh.

4.4.4. Nhận thức rủi ro

Nhận thức rủi ro là biến tiềm ẩn có tác động tiêu cực về mặt tâm lý lên ý định
sử dụng (BI) với hệ số hồi quy trực tiếp chuẩn hóa là -0,284. Về mặt ý nghĩa, ý định sử
dụng Smart Locker của người dân sinh sống và làm việc tại TPHCM sẽ bị tác động
một cách tiêu cực khi mà họ nghĩ rằng sử dụng Smart Locker có mức độ rủi ro cao. Lý
giải cho điều này là bản năng của con người khi sử dụng một dịch vụ nào đó mới, sản
phẩm nào đó mang tính chất đột phá, họ luôn phải cân nhắc những rủi ro của chúng.
Điều đó có thể ảnh hưởng tiêu cực đến ý định sử dụng của họ. Thực trạng cho thấy
người Việt Nam nói chung và người dân sinh sống tại TPHCM nói riêng còn e ngại rủi
ro từ công nghệ mới. Nó tác động đến ý định của người dân thông qua những rủi ro về
bảo mật, tài chính, xã hội, thời gian, hiệu suất. Kết quả của bài nghiên cứu này cũng
phù hợp với kết quả của các bài nghiên cứu về ý định sử dụng khác. Nhận thức rủi ro
đóng vai trò là rào cản chức năng và tâm lý có thể phát sinh hậu quả tiêu cực và làm
giảm ý định sử dụng của người tiêu dùng (Martins và cộng sự, 2014). Trong trường
hợp mua hàng trực tuyến, nhận thức rủi ro của khách hàng có tác động tiêu cực đến ý
định sử dụng mua sắm (Amirtha, Sivakumar, & Hwang, 2020). Mô hình đề xuất của
nhóm tác giả được kiểm định qua mô hình cấu trúc tuyến tính (SEM) và Bootstrap, từ
đó cho thấy biến tiềm ẩn nhận thức rủi ro hoàn toàn phù hợp để có thể đưa vào mô

63
hình và khuyến khích các bài nghiên cứu sau này sử dụng để đánh giá được mức độ
chấp nhận sử dụng của một dịch vụ hoặc sản phẩm mới.

4.4.5. Tính đổi mới

Tính đổi mới là biến tiềm ẩn có tác động tích cực đến biến ý định sử dụng (BI)
với hệ số hồi quy trực tiếp chuẩn hóa là 0,175, một mức tác động mà nhóm tác giả
nhận định là tương đối. Kết quả này phù hợp với kết luận của của những bài nghiên
cứu trước (Al-Jundi và cộng sự, 2019; Chao và cộng sự, 2012). Kết quả này có thể
được lý giải qua việc tệp khách hàng sử dụng thương mại điện tử phần đông nằm trong
độ tuổi từ 19 đến 35, nhóm tuổi tương đối trẻ và được sinh ra trong kỷ nguyên công
nghệ. Nhóm đối tượng khảo sát này có sự trưởng thành về mặt nhận thức và có khả
năng tiếp cận với những công nghệ, phần mềm hiện đại; đặc biệt, họ sinh sống ở thành
phố Hồ Chí Minh, một trong những nơi có mức độ đổi mới công nghệ cao nhất Việt
Nam. Vì vậy, một phần tương đối trong nhóm đối tượng này là những người yêu thích
tìm kiếm và sử dụng các giải pháp công nghệ mới. Nhóm tác giả nhận định rằng ảnh
hưởng của tính đổi mới lên ý định sử dụng được tìm thấy có thể bắt nguồn từ tệp
người sở hữu tính cách này. Ngoải ra, như đã đề cập ở chương 4 thì tính đổi mới tác
động tích cực đến khả năng tương thích (với hệ số hồi quy chuẩn hóa là 0,266). Khả
năng tương thích sẽ đóng vai trò là biến trung gian giữa tính đổi mới và ý định sử dụng
với hệ số hồi quy chuẩn hóa thể hiện tác động của tính đổi mới lên ý định sử dụng
thông qua khả năng tương thích là 0,041. Sự tác động gián tiếp này có thể được giải
thích rằng việc sẵn sàng tìm kiếm và dùng thử một sản phẩm công nghệ mới làm cho
tính tương thích giữa nhu cầu được thỏa mãn sở thích cá nhân và sản phẩm đó tăng
lên, Khi đó, nó sẽ là một yếu tố tâm lý thúc đẩy một cá nhân sẵn sàng cân nhắc để trải
nghiệm và chuyển sang sử dụng dịch vụ Smart Locker.

4.4.6. Khả năng tương thích

Khả năng tương thích có tác động tích cực đến biến ý định sử dụng (BI), với hệ
số hồi quy trực tiếp chuẩn hóa là 0,154. Có thể hiểu là khi Smart Locker tương thích
với nhu cầu, giá trị và kinh nghiệm trước đây của người mua thì họ sẽ chuyển dần sang
sử dụng dịch vụ Smart Locker. Điều này có thể được giải thích bằng việc đối tượng
khảo sát thuộc dân cư của một thành phố nhộn nhịp, đông đúng, vì vậy mà khuyết
64
điểm về mặt thời gian của dịch vụ giao hàng truyền thống từ lâu đã làm nảy sinh nhu
cầu có một dịch vụ giao hàng linh hoạt, thuận tiện trong việc sắp xếp thời gian hơn.
Smart Locker được tạo ra với mục đích khiến cho quá trình gửi và nhận đồ trở nên linh
hoạt hơn, tiết kiệm thời gian cho người mua và đa dạng phương thức xác thực để có
thể thích nghi với những nhu cầu của người dân tại TPHCM. Do đó, dịch vụ này tương
thích với nhu cầu nói trên của người dân thành phố, từ đó trở thành một nhân tố ảnh
hưởng đến ý định sử dụng của họ. Ngoài ra, kết quả của nghiên cứu này cũng phù hợp
với các kết quả nghiên cứu trước (AL-Oudat & Altamimi, 2022; Bulent và cộng sự,
2016). Vì vậy, có thể kết luận rằng khả năng tương thích có tác động cùng chiều tương
đối lên ý định sử dụng dịch vụ Smart Locker.

65
 Chương 5: Tóm tắt và kết luận

5.1 Kết luận và đóng góp của đề tài

5.1.1 Kết luận về các kết quả nghiên cứu:

Nhằm xác định các nhân tố ảnh hưởng đến ý định sử dụng dịch vụ Smart
Locker, mô hình nghiên cứu đã xét 6 nhân tố, bao gồm: Hiệu suất kỳ vọng, Nỗ lực kỳ
vọng, Ảnh hưởng xã hội, Nhận thức rủi ro, Tính đổi mới, Tính tương thích. Trong đó
thì Tính đổi mới và Tính tương thích có mối quan hệ tương quan với nhau.
Cả 6 nhân tố lần lượt vượt qua các bài kiểm định từ sử dụng Cronbach’s Alpha,
phân tích EFA, phân tích CFA, đến kiểm định về độ tin cậy, tính hội tụ, phân biệt. Từ
đó, nhóm nghiên cứu đưa ra kết luận rằng cả 6 nhân tố có tác động lên 73,1% sự biến
thiên của BI. Trong đó, về mức độ tác động sẽ theo thứ tự từ cao đến thấp như sau: Nỗ
lực kỳ vọng, Ảnh hưởng xã hội , Hiệu suất kỳ vọng, Tính đổi mới, Tính tương thích và
Nhận thức rủi ro.

5.1.2 Đóng góp

Nghiên cứu được nhóm thực hiện đã đóng góp những giá trị nhất định cho cả 2
phương diện khoa học và thực tiễn.
Xét trên phương diện khoa học, có 4 giá trị mà nhóm nghiên cứu đóng góp như
sau:
Đầu tiên, thông qua các kết quả nghiên cứu, nhóm đã chứng minh rằng mô hình
nghiên cứu mà nhóm đã xây dựng và phát triển (dựa trên cơ sở là mô hình UTAUT kết
hợp cùng các nhân tố mới được bổ sung cùng những tham khảo từ các lý thuyết khác)
là phù hợp để đánh giá ý định sử dụng của khách hàng đối với dịch vụ Smart Locker
trên địa bàn Thành phố Hồ Chí Minh. Cụ thể, 6 nhân tố bao gồm: Hiệu suất kỳ vọng
(1), Nỗ lực kỳ vọng (2), Ảnh hưởng xã hội (3), Nhận thức rủi ro (4), Tính đổi mới (5),
Khả năng tương thích (6). Điều này cung cấp một cơ sở lý thuyết và thực tiễn cho các
doanh nghiệp đang hoạt động trong lĩnh vực giao nhận hàng hóa để phát triển sản
phẩm và dịch vụ của họ.
Thứ hai, sau khi hoàn thành quá trình đánh giá, kiểm định và phân tích với mục
đích đo lường tính phù hợp và mức độ tin cậy của thang đo vừa được phát triển, nhóm

66
nghiên cứu đã sử dụng các phương pháp thống kê và xác thực lý thuyết để đảm bảo
tính chính xác và tin cậy của kết quả.
Thứ ba, nghiên cứu mà nhóm đã thực hiện có thể được xem là tài liệu tham
khảo giá trị và thiết thực nhằm phục vụ cho công tác nghiên cứu khoa học khác trong
tương lai, cụ thể là các đề tài liên quan đến dịch vụ Smart Locker cũng như các giải
pháp cải thiện chất lượng của dịch vụ giao hàng chặng cuối tại Thành phố Hồ Chí
Minh nói riêng và các thành phố lớn tại Việt Nam nói chung sau giai đoạn phòng
chống dịch bệnh. Nhóm cũng đã trình bày một phương pháp tiếp cận khảo sát khách
hàng mà có thể được áp dụng cho các lĩnh vực khác để tìm hiểu ý kiến của khách hàng
về sản phẩm và dịch vụ của mình.
Thứ tư, nguyên cứu hiện nay của nhóm đã giúp xác định được ý định hành vi
của tệp khách hàng tại Việt Nam đối với một loại hình vận chuyển còn chưa được phổ
biến sau giai đoạn phục hồi từ COVID 19. Điều này sẽ là một đóng góp to lớn khi hầu
hết các bài nghiên cứu đều được thực hiện hoặc là ở tại các nước nơi dịch vụ này đã
trở nên phổ biến, hoặc là phân tích nhiều về tâm lý của tệp khách hàng trước khi
COVID 19 diễn ra.
Về mặt thực tiễn, kết quả nghiên cứu đã cung cấp nhiều thông tin mang giá trị
thực tế về suy nghĩ và cảm nhận của khách hàng đối với dịch vụ Smart Locker, cũng
như tư liệu để các bên liên quan có thể định hướng, phát triển các giải pháp khác tối ưu
hơn cho dịch vụ giao hàng chặng cuối. Bên cạnh đó, nghiên cứu cũng đưa ra những
kiến nghị khách quan cho các doanh nghiệp gồm: tập trung đầu tư, nghiên cứu và nâng
cao chất lượng dịch vụ để đáp ứng nhu cầu và kỳ vọng về tính thuận tiện cho người
dân; quản lý rủi ro cho khách hàng; nâng cấp cơ sở vật chất và cập nhật công nghệ mới
kịp thời; hạn chế sự phức tạp trong việc sử dụng dịch vụ; đẩy mạnh truyền thông,
marketing để nâng cao sự nhận biết của người dân đối với loại hình dịch vụ này.
Nghiên cứu của nhóm cũng đưa ra kiến nghị dành cho cơ quan chính quyền
gồm: hỗ trợ pháp lý cho doanh nghiệp; có chính sách thúc đẩy khu vực tư nhân, cá
nhân và các doanh nghiệp lớn đầu tư mạo hiểm cho khởi nghiệp sáng tạo; xây dựng cơ
chế hợp tác công - tư trong đầu tư mạo hiểm cho khoa học - công nghệ và đổi mới
sáng tạo; hỗ trợ tài chính cho các doanh nghiệp trong thời kỳ kinh tế suy thoái và hậu
đại dịch COVID 19; Hỗ trợ những ngành có liên quan đến quá trình mở rộng của dịch
vụ Smart Locker để tạo điều kiện thuận lợi cho loại hình dịch vụ này phát triển; tạo
67
điều kiện cho người dân trong việc tiếp nhận kịp thời những thông tin, kiến thức về
công nghệ mới.
Cuối cùng, nhóm nghiên cứu đề xuất những kiến nghị cho khách hàng đang và
sẽ sử dụng các hoạt động mua sắm trực tuyến nói riêng và có nhu cầu giao, nhận hàng
nói chung như sau: chủ động trong quá trình tìm hiểu, trải nghiệm và sử dụng phương
thức giao nhận mới để tìm ra phương thức phù hợp, tiện lợi và hữu ích nhất với hành
vi tiêu dùng của mình; thế hệ trẻ nên là thế hệ tiên phong trong việc cởi mở và tiếp
nhận các giải pháp mới tối ưu hơn về công nghệ, đi cùng nhịp độ công nghiệp hóa,
hiện đại hóa của đất nước, phù hợp với định hướng công dân toàn cầu; tích cực phối
hợp cùng các doanh nghiệp và các cơ quan chính quyền trong thời điểm sản phẩm
Smart Locker bắt đầu được phổ biến rộng rãi tới công chúng.

5.2 Khuyến nghị phát triển các nhân tố có ảnh hưởng tích cực đến ý định
sử dụng của khách hàng đối với dịch vụ Smart Locker tại địa bàn Thành phố Hồ
Chí Minh

Căn cứ vào mức độ tác động mạnh hay yếu của các nhân tố có ảnh hưởng đến ý
định sử dụng của khách hàng đối với dịch vụ Smart Locker tại địa bàn Thành phố Hồ
Chí Minh và sự tương quan giữa các nhân tố, nhóm nghiên cứu đề ra các khuyến nghị
cụ thể đối với các doanh nghiệp, các cơ quan chính quyền và người dân tại địa bàn
Thành phố Hồ Chí Minh trong việc đón nhận Smart Locker như một giải pháp mới
hữu ích cho dịch vụ giao hàng chặng cuối tại địa bàn Thành phố Hồ Chí Minh như
sau:

5.2.1. Khuyến nghị dành cho các cơ quan chính quyền

1) Hỗ trợ pháp lý cho doanh nghiệp:

Hiện nay, trong thời đại chuyển đổi số, việc chuyển đổi công nghệ và sáng tạo
ra những công nghệ mới là điều hết sức cần thiết. Nhà nước đã và đang nỗ lực trong
việc thúc đẩy sự phát triển khoa học công nghệ nhằm phục vụ cho sự nghiệp Công
nghiệp hóa hiện đại hóa đất nước. Tuy nhiên về mặt pháp lý vẫn còn khá nhiều vấn đề.
Bên cạnh đó, thủ tục hành chính phức tạp cũng tạo ra nhiều rào cản cho các doanh
nghiệp trong việc mang công nghệ mới ứng dụng vào đời sống. Chính vì vậy, nhà
nước nói chung và chính quyền địa phương nói riêng nên có sự hỗ trợ kịp thời về mặt
68
pháp lý, đơn giản hóa thủ tục hành chính, tạo thuận lợi để doanh nghiệp mang dịch vụ
đến gần hơn với người dân.
2) Có các chính sách rõ ràng, cụ thể cho doanh nghiệp, quy định về việc
bảo vệ quyền riêng tư và bảo mật thông tin cho người dùng.
Phần lớn người dùng đều mang tâm lý e ngại với các loại hình công nghệ
mới do những nhận thức về rủi ro mà họ cho rằng có thể gặp phải. Đặc biệt là trong
thời đại công nghệ số, vấn đề bảo mật thông tin và quyền riêng tư là hết sức quan
trọng. Vậy nên chính quyền cần có những quy định rõ ràng cho doanh nghiệp về vấn
đề này, nhằm đảm bảo quyền lợi, lợi ích cho người dùng, tránh việc doanh nghiệp đùn
đẩy trách nhiệm khi xảy ra sự cố, cũng như giảm thiểu tình trạng bị kẻ xấu lợi dụng sơ
hở làm ảnh hưởng đến trải nghiệm của người dùng đối với loại hình công nghệ mới.
3) Có chính sách thúc đẩy khu vực tư nhân, cá nhân và các doanh nghiệp
lớn đầu tư mạo hiểm cho khởi nghiệp sáng tạo; xây dựng cơ chế hợp tác công - tư
trong đầu tư mạo hiểm cho khoa học - công nghệ và đổi mới sáng tạo.
Nhà nước nên có sự quan tâm đầu tư đúng mức nghiên cứu khoa học cho giải
pháp mới để bảo vệ môi trường, giảm ô nhiễm; tập trung nghiên cứu, ứng dụng công
nghệ lõi, công nghệ số vào đời sống thực tiễn để nâng cao chất lượng sống của toàn xã
hội, xây dựng xã hội hiện đại, văn minh, tiện lợi.
4) Hỗ trợ tài chính cho các doanh nghiệp trong thời kỳ kinh tế suy thoái và
hậu đại dịch COVID 19.
Điều này có thể xét trên các phương diện như Chính sách Thuế, Tín dụng và
Các chính sách hỗ trợ trực tiếp từ nhà nước. Hiện nay, trong thời kỳ nền kinh tế toàn
cầu suy thoái, doanh nghiệp tư nhân là một trong những khu vực chịu ảnh hưởng nặng
nề nhất, phải đối mặt với các khó khăn, nguy cơ, thậm chí phá sản. Việc nhận được sự
quan tâm của chính quyền về mặt tài chính sẽ phần nào tạo động lực và cung cấp
nguồn lực cho doanh nghiệp vượt qua thời kỳ khó khăn. Vậy nên, Nhà nước nên có
những chính sách cởi mở hơn trong việc vay vốn, thuế,... để giúp doanh nghiệp duy trì
hoạt động cũng như nâng cao chất lượng cơ sở hạ tầng, đáp ứng cho việc thúc đẩy sự
phát triển loại hình công nghệ mới.
5) Hỗ trợ những ngành có liên quan đến quá trình mở rộng của dịch vụ
Smart Locker để tạo điều kiện thuận lợi cho loại hình dịch vụ này phát triển.

69
 6) Tạo điều kiện cho người dân trong việc tiếp nhận kịp thời những thông
tin, kiến thức về công nghệ mới bằng cách tuyên truyền cho người dân về những lợi
ích mà Smart Locker mang lại như: bảo vệ môi trường, tiết kiệm chi phí, độ chính xác
và bảo mật cao,...

5.2.2 Khuyến nghị dành cho các doanh nghiệp

1) Tập trung đầu tư, nghiên cứu và nâng cao chất lượng dịch vụ để đáp ứng
nhu cầu và kỳ vọng về tính thuận tiện cho người dân.
Các doanh nghiệp nên chú trọng đến việc cải thiện trải nghiệm của khách hàng
khi sử dụng dịch vụ Smart Locker, bao gồm các hoạt động tiếp nhận, xử lý và giao
nhận - hàng hóa. Bên cạnh đó, các tệp đối tượng cho dịch vụ này vô cùng đa dạng.
Vậy nên, để đáp ứng được những kỳ vọng của người dân, các doanh nghiệp cần đưa ra
giải pháp phù hợp với nhu cầu của từng nhóm khách hàng. Việc phân tích kỹ nhu cầu
của từng nhóm khách hàng để đưa ra các giải pháp phù hợp và đáp ứng được nhu cầu
của từng nhóm khách hàng sẽ giúp cho doanh nghiệp dễ dàng hơn trong việc mở rộng
quy mô và thúc đẩy sự phát triển chung.
2) Quản lý rủi ro cho khách hàng
Đây là yếu tố cực kỳ quan trọng trong việc xây dựng niềm tin khách hàng vào
một loại hình dịch vụ nào đó. Hầu hết mọi người đều quan ngại về vấn đề bảo mật và
hiệu quả hoạt động thực tế của Smart Locker. Bên cạnh đó cũng có sự e ngại về việc
sẽ có những chi phí phát sinh trong quá trình sử dụng. Để khắc phục được những điều
đó, các doanh nghiệp trước tiên cần cung cấp đầy đủ kiến thức cho người dân về loại
hình dịch vụ này. Bên cạnh đó các doanh nghiệp cũng phải không ngừng nâng cao
công nghệ, nghiên cứu ứng dụng các phương pháp nhằm bảo mật thông tin cho khách
hàng, xây dựng các trang web để tiếp nhận ý kiến, phản hồi từ phía người sử dụng để
kịp thời cập nhật, điều chỉnh cho phù hợp.
3) Nâng cấp cơ sở vật chất và cập nhật công nghệ mới kịp thời
Các doanh nghiệp có thể tích hợp các tính năng thông minh vào dịch vụ Smart
Locker để cải thiện trải nghiệm khách hàng. Ví dụ như tính năng thông báo khi hàng
đã được giao vào lockers, tính năng định vị để giúp khách hàng dễ dàng tìm thấy
Smart Locker gần nhất. Các doanh nghiệp cần tập trung vào việc nâng cao chất lượng
dịch vụ, đảm bảo rằng các Smart Locker luôn hoạt động tốt và đáp ứng được nhu cầu
70
của khách hàng một cách tốt nhất. Bên cạnh đó cũng cần cập nhật đầy đủ các thông tin
cho khách hàng để họ có thể theo sát quy trình vận hành của dịch vụ này.
4) Hạn chế sự phức tạp trong việc sử dụng dịch vụ
Mặc dù độ phủ sóng chưa cao, đa số người dân đều tin tưởng việc sử dụng
Smart Locker sẽ giúp cho họ dễ dàng hơn trong việc giao nhận hàng cũng như tiết
kiệm được thời gian và tính tiện lợi cao hơn. Vậy nên, doanh nghiệp nên tập trung đơn
giản hóa quy trình sử dụng để dễ dàng hơn cho người sử dụng, cung cấp cho khách
hàng những hướng dẫn thuận tiện để khách hàng có thể dễ dàng theo dõi đơn hàng.
5) Đẩy mạnh truyền thông, marketing để nâng cao sự nhận biết của người
dân đối với loại hình dịch vụ này
Hiện nay, các nền tảng mạng xã hội có ảnh hưởng rất lớn đến hành vi sử dụng
của mọi người, đặc biệt là giới trẻ. Vậy nên, doanh nghiệp có thể tận dụng điều đó để
đẩy mạnh chiến dịch truyền thông - marketing trong việc chuyển đổi phương thức giao
nhận hàng. Bên cạnh đó cũng cần đưa ra những thông tin cụ thể về lợi ích và tiện ích
của dịch vụ Smart Locker, giúp khách hàng hiểu rõ hơn về tính tiện lợi, an toàn và tiết
kiệm thời gian của việc sử dụng dịch vụ này.

5.2.3 Khuyến nghị dành cho người dân tại TPHCM

Để có thể tiếp cận tốt và nhận lại được những giá trị như mong đợi khi sử dụng
Smart Locker như một giải pháp mới hữu ích cho dịch vụ giao hàng chặng cuối, nhóm
khuyến nghị người dân, đặc biệt là nhóm khách hàng đang và sẽ sử dụng các hoạt
động mua sắm trực tuyến nói riêng và có nhu cầu giao, nhận hàng nói chung cần thực
hiện:
1) Chủ động trong quá trình tìm hiểu, trải nghiệm và sử dụng phương thức
giao nhận mới để tìm ra phương thức phù hợp, tiện lợi và hữu ích nhất với thói quen
và hành vi tiêu dùng của mình.
Việc tìm hiểu và sử dụng phương thức giao nhận mới cũng giúp người dân có
cơ hội tiếp cận với những dịch vụ tốt hơn, đồng thời đóng góp vào việc phát triển và
phổ biến các dịch vụ giao nhận hàng hóa trực tuyến tại Việt Nam. Khi đã tìm hiểu và
có lượng hiểu biết nhất định và các phương thức giao nhận hàng chặng cuối, người dân
sẽ có sự so sánh nhiều hơn giữa các phương thức giao hàng truyền thống và Smart
Locker. Theo kết quả nghiên cứu mà nhóm đã thực hiện, mức độ tiếp nhận của khách
71
hàng đối với dịch vụ Smart Locker là đáng kể và mang tính cải thiện. Để có thể tận
dụng tối đa lợi ích từ dịch vụ này, khách hàng cần phải nắm rõ cách sử dụng và đánh
giá các ưu điểm, nhược điểm của phương thức này so với các phương thức giao nhận
khác. Một khi người dân đã có nhận thức về sự tồn tại của Smart Locker, tỉ lệ sử dụng
này sẽ ngày càng gia tăng. Bằng chứng cho thấy điều này chính là việc phổ biến về
Smart Locker khi tiến hành khảo sát của nhóm nghiên cứu đã giúp những người dân
tham gia nghiên cứu có kiến thức nhất định, từ đó tỉ lệ đáp viên trả lời rằng họ sẽ sử
dụng dịch vụ này trong tương lai là rất cao.
Sau khi đã đã tìm hiểu và có hiểu biết về dịch vụ Smart Locker, người dân có
thể bắt đầu sử dụng dịch vụ này một cách chủ động bằng cách thực hiện một số thao
tác đơn giản. Đầu tiên, họ có thể tìm kiếm thông tin về những vị trí Smart Locker trên
các nền tảng TMĐT hoặc trang web của nhà cung cấp dịch vụ. Tiếp theo, họ có thể đặt
hàng và chọn phương thức giao hàng là Smart Locker. Khi hàng được đưa đến Smart
Locker, người dùng sẽ nhận được mã bảo mật và thông tin về vị trí của Smart Locker
để đến lấy hàng. Khách hàng cũng có thể bắt đầu làm quen với việc sử dụng dịch vụ
Smart Locker xen kẽ với dịch vụ giao hàng truyền thống, từ đó nhận xét được cả ưu và
nhược điểm của cả 2 phương thức này để đánh giá mức độ tiện dụng của dịch vụ đối
với thói quen tiêu dùng của bản thân.
2) Thế hệ trẻ nên là thế hệ tiên phong trong việc cởi mở và tiếp nhận các
giải pháp mới tối ưu hơn về công nghệ, đi cùng nhịp độ công nghiệp hóa, hiện đại hóa
của đất nước, phù hợp với định hướng công dân toàn cầu.
Cụ thể, giải pháp mới được nhóm thực hiện nghiên cứu là Smart Locker, với
niềm tin rằng đây sẽ là một sản phẩm của thời đại mới, phù hợp với xu hướng xã hội.
Giới trẻ, với vị thế là những người đi đầu trong công cuộc tiếp nhận công nghệ mới,
đóng vai trò rất quan trọng trong việc lan tỏa sự tiện dụng và cơ chế tự động hóa của
giải pháp Smart Locker này. Một khi Smart Locker đã được biết đến rộng rãi và sử
dụng bởi giới trẻ, những người thân của họ (dựa vào chỉ số Ảnh hưởng xã hội SI) sẽ
ngày càng làm quen với thói quen đó và đi vào sử dụng Smart Locker.
Bên cạnh đó, chỉ số Ảnh hưởng xã hội cũng chỉ ra mức độ lan tỏa nhờ xã hội
đối với những người trẻ là khá đáng chú ý. Vì vậy, nếu trong những nghiên cứu sắp
tới, các tác giả thật sự chỉ ra được giải pháp này là hữu ích và mang tính thời đại, thì
việc thế hệ trẻ tiếp nhận và sử dụng dịch vụ này là hoàn toàn có khả năng.
72
 3) Tích cực phản hồi với nhà cung cấp, doanh nghiệp về chất lượng dịch vụ
và sản phẩm để giúp nhà cung cấp cải thiện chất lượng và phát triển các tính năng mới
đáp ứng nhu cầu của khách hàng trong thời điểm sản phẩm bắt đầu được phổ biến rộng
rãi tới công chúng.
Trong khoảng thời gian sản phẩm bắt đầu được đẩy mạnh và phổ biến rộng rãi
tới phần đông người tiêu dùng, nhu cầu tham khảo ý kiến từ các người dùng trước để
đi đến quyết định sử dụng là khá cao. Đối với người tiêu dùng, ngoài cảm nhận cá
nhân của họ về sự hiệu quả hay tiện dụng đối với dịch vụ, thì nhân tố ảnh hưởng xã hội
cũng đóng vai trò rất quan trọng. Vì vậy, mỗi người dân sau khi đã sử dụng dịch vụ
Smart Locker nên có những phản hồi và đánh giá trên nền tảng của nhà cung cấp, đóng
góp những ý kiến mang tính xây dựng để góp phần tạo dựng thêm niềm tin cho những
người tiêu dùng sau, đồng thời giúp nhà cung cấp nâng cao chất lượng sản phẩm và
trải nghiệm của khách hàng.

5.3. Hạn chế của đề tài và hướng nghiên cứu tiếp theo

5.3.1 Hạn chế của đề tài nghiên cứu

Song song với những đóng góp đề tài này mang lại sau khi hoàn thành những
phân tích dựa trên mô hình đánh giá các nhân tố ảnh hưởng đến ý định sử dụng của
khách hàng với dịch vụ Smart Locker tại TPHCM, nghiên cứu vẫn còn một số tồn
đọng nhất định cần cải thiện và rút kinh nghiệm.
Đầu tiên, địa điểm nhóm thực hiện khảo sát chỉ nằm trong một vài quận trong
TPHCM (Quận Thủ Đức, Quận Bình Thạnh, Quận 1, Quận 3, Quận 5, Quận 4). Từ đó,
kết quả nghiên cứu của nhóm tác giả có thể chưa bao quát hết và đại diện cho toàn bộ
người dân tại TPHCM.
Thứ hai, do hạn chế về thời gian cũng như địa điểm nghiên cứu, những nhân tố
nhân khẩu học trong mô hình UTAUT chưa được đánh giá tác động điều tiết. Ngoài ra,
những nghiên cứu về mô hình UTAUT-2, mô hình đời sau của UTAUT, đã chỉ ra rằng
thói quen là một trong những nhân tố mới có khả năng tác động đến ý định sử dụng
của một cá nhân. Tuy nhân tố tính đổi mới cũng có thể được xem là một khía cạnh của
thói quen, nhưng những khía cạnh khác của thói quen vẫn chưa được tìm hiểu và bao
gồm trong mô hình nghiên cứu.

73
 Cuối cùng, do việc sử dụng Smart Locker còn rất hạn chế nên nhóm nghiên cứu
không thể đo lường nhân tố chấp nhận và sử dụng của khách hàng - nhân tố thể hiện
hành động quyết định sử dụng của khách hàng theo sau giai đoạn khách hàng có ý
định sử dụng.

5.3.2. Hướng nghiên cứu tiếp theo

Dựa trên những hạn chế đã nêu của bài nghiên cứu, nhóm đề xuất các hướng
nghiên cứu tiếp theo để các nghiên cứu về dịch vụ Smart Locker có thể cải thiện được
kết quả cũng như nâng cao giá trị nghiên cứu.
Đầu tiên, các nghiên cứu sau này cần khảo sát rộng hơn với thời gian khảo sát
lâu hơn để có thể bao quát được tệp khách hàng làm việc và sinh sống tại TPHCM, từ
đó có thể mở rộng phạm vi nghiên cứu lên các thành phố khác hoặc toàn bộ lãnh thổ
Việt Nam. Một số điều kiện cần được đảm bảo là đa dạng về nhóm tuổi, mức thu nhập,
số lần sử dụng sàn thương mại điện tử để đặt hàng,… với số lượng đồng đều và hạn
chế sự thiên lệch giữa các khu vực.
Tiếp theo, các nghiên cứu trong tương lai có thể sử dụng mô hình UTAUT-2 và
bao gồm nhân tố thói quen trong mô hình nghiên cứu nhằm tìm hiểu tác động của nó
lên ý định sử dụng. Ngoài ra, các biến nhân khẩu học trong mô hình UTAUT có thể
được đưa vào mô hình để khám phá những tác động điều tiết có thể có như đã được đề
xuất trong mô hình UTAUT gốc.
Cuối cùng, khi dịch vụ Smart Locker đã thu hút được một số lượng tương đối
người sử dụng, nhân tố chấp nhận và sử dụng có thể được đưa vào trong mô hình
nhằm tìm hiểu thêm về giai đoạn tâm lý của khách hàng khi đi thi ý định sử dụng đến
quyết định sử dụng. Khi đó, biến điều kiện thuận lợi cũng có thể được đưa vào mô
hình nghiên cứu như một nhân tố tác động lên biến chấp nhận và sử dụng (Venkatesk
và cộng sự, 2003).

74
 DANH MỤC THAM KHẢO

1. Agarwal, R., & Prasad, J. (1998). A Conceptual and Operational Definition of

Personal Innovativeness in the Domain of Information Technology. Information
Systems Research, 9(2), 204–215. https://doi.org/10.1287/isre.9.2.204
2. Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and
Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-
5978(91)90020-T
3. Al-Jundi, S. A., Shuhaiber, A., & Augustine, R. (2019). Effect of consumer
innovativeness on new product purchase intentions through learning process
and perceived value. Cogent Business & Management, 6(1).
https://doi.org/10.1080/23311975.2019.1698849
4. Amirtha, R., Sivakumar, V. J., & Hwang, Y. (2020). Influence of perceived risk
dimensions on e-shopping behavioural intention among women—a family life
cycle stage perspective. Journal of Theoretical and Applied Electronic
Commerce Research, 16(3), 320-355. doi:10.3390/jtaer16030022
5. Andres Quintero, J., Ruth Felix, E., Eduardo Rincón, L., Crisspín, M.,
Fernandez Baca, J., Khwaja, Y., & Cardona, C. (2012). Social and techno-
economical analysis of biodiesel production in Peru. Energy Policy, 43, 427-
435. https://doi.org/10.1016/j.enpol.2012.01.029
6. Arbuckle, J.L. and W. Wothke, Amos 4.0 user's guide. 1999: SmallWaters
Corporation Chicago, IL.
7. ‌Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable
distinction in social psychological research: Conceptual, strategic, and
statistical considerations. Journal of Personality and Social Psychology, 51(6),
1173–1182. https://doi.org/10.1037/0022-3514.51.6.1173
8. Bartlett, M. S. (1937). Properties of Sufficiency and Statistical Tests.
Proceedings of the Royal Society of London. Series A, Mathematical and
Physical Sciences, 160(901), 268–282. http://www.jstor.org/stable/96803
9. Bhatiasevi, V. (2016). An Extended UTAUT Model to Explain the Adoption of
Mobile Banking. Information Development, 32, 799-814.
https://doi.org/10.1177/0266666915570764

75
10. Bentler, P.M. and D.G. Bonett (1980), Significance tests and goodness of fit in
the analysis of covariance structures. Psychological bulletin. 88(3): p. 588.
11. Bonett, D. G., & Wright, T. A. (2014). Cronbach’s alpha reliability: Interval
estimation, hypothesis testing, and sample size planning. Journal of
Organizational Behavior, 36(1), 3–15. https://doi.org/10.1002/job.1960
12. Bulent, O. A., Anil, B., Khaldoon, N., and Fevzi, O. (2016). What keeps the
mobile hotel booking users loyal? Investigating the roles of self-efficacy,
compatibility, perceived ease of use, and perceived convenience. Int. J. Inf.
Manage. 36, 1350–1359. doi: 10.1016/j.ijinfomgt.2016.04.005
13. Chao, C-W., Reid, M. & Mavondo, F. (2012). Consumer innovativeness
influence on really new adoption. Australasian Marketing Journal, 20, 211-217.
14. Chen, Y., Yu, J., Yang, S., & Wei, J. (2018). Consumer’s intention to use self-
service parcel delivery service in online retailing. Internet Research, 28(2),
500–519. https://doi.org/10.1108/intr-11-2016-0334
15. Chen, Y., Yu, J., Yang, S., & Wei, J. (2018). Consumer’s intention to use self-
service parcel delivery service in online retailing. Internet Research, 28(2),
500–519. https://doi.org/10.1108/intr-11-2016-0334
16. Chin, W.W. and P.A. Todd (1995), On the use, usefulness, and ease of use of
structural equation modeling in MIS research: a note of caution. MIS
quarterly,p. 237-246.
17. ‌Cimperman, M., Makovec Brenčič, M., & Trkman, P. (2016). Analyzing older
users’ home telehealth services acceptance behavior—applying an Extended
UTAUT model. International Journal of Medical Informatics, 90, 22–31.
https://doi.org/10.1016/j.ijmedinf.2016.03.002
18. Confidence Limits for the Indirect Effect: Distribution of the Product and
Resampling Methods. (2023). Multivariate Behavioral Research.
19. Cronbach, L. (1951). Coefficient alpha and the internal structure of tests.
Psychometrika, 16(3), 297-334. https://doi.org/10.1007/bf02310555
20. D. Iacobucci, Mediation Analysis, Sage, Thousand Oaks, CA, 2008.
21. David P. MacKinnon, Chondra M. Lockwood & Jason Williams (2004)
Confidence Limits for the Indirect Effect: Distribution of the Product and

76
 Resampling Methods, Multivariate Behavioral Research, 39:1, 99-128,
https://doi.org/10.1207/s15327906mbr3901_4
22. ‌Dwivedi, Y. K., Rana, N. P., Jeyaraj, A., Clement, M., & Williams, M. D.
(2017). Re-examining the Unified Theory of Acceptance and Use of
Technology (UTAUT): Towards a Revised Theoretical Model. Information
Systems Frontiers, 21(3), 719–734. https://doi.org/10.1007/s10796-017-9774-y
23. ‌Fakieh, B., & Happonen, A. (2023). Exploring the Social Trend Indications of
Utilizing E-Commerce during and after COVID-19’s Hit. Behavioral Sciences,
13(1), 5. https://doi.org/10.3390/bs13010005
24. Ford, J. K., Macallum, R. C., & Tait, M. (1986). The application of exploratory
factor analysis in applied psychology: A critical revie and analysis. Personnel
Psychology, 39(2), 291–314. https://doi.org/10.1111/j.1744-
6570.1986.tb00583.x
25. Gatignon, H., & Robertson, T. S. (1985). A Propositional Inventory for New
Diffusion Research. Journal of Consumer Research, 11(4), 849.
https://doi.org/10.1086/209021
26. Hair Jr, J., et al., Multivariate Data Analysis (1998), New Jersey, Prentice Hall.
27. Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate
Data Analysis. Andover, Hampshire, United Kingdom: Cengage.
28. Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2018). When to use and
how to report the results of PLS-SEM. European Business Review, 00–00.
doi:10.1108/ebr-11-2018-0203
29. Hair, J.F., Black, W.C., Babin, B.J., Anderson, R.E. (2010). Multivariate data
analysis. Prentice Hall, Upper Saddle River, NJ.
30. Hansell, S., & White, H. R. (1991). Adolescent drug use, psychological distress,
and physical symptoms. Journal of Health and Social Behavior, 32(3), 288–301.
https://doi.org/10.2307/2136809
31. Hayton, J. C., Allen, D. G., & Scarpello, V. (2004). Factor Retention Decisions
in Exploratory Factor Analysis: A Tutorial on Parallel Analysis. Organization
Research Methods, 7, 191-205. http://dx.doi.org/10.1177/1094428104263675
32. Hệ thống thông tin KHCN - Trường ĐHSP Hà Nội. (2023).
http://stdb.hnue.edu.vn/portal/journals.php?articleid=6020
77
33. Henson, R. K., & Roberts, J. K. (2006). Use of Exploratory Factor Analysis in
Published Research: Common Errors and Some Comment on Improved
Practice. https://journals.sagepub.com/doi/10.1177/0013164405282485
34. ‌Herrero Crespo, Á., & Rodríguez del Bosque, I. (2008). The effect of
innovativeness on the adoption of B2C e-commerce: A model based on the
Theory of Planned Behaviour. Computers in Human Behavior, 24(6), 2830–
2847. https://doi.org/10.1016/j.chb.2008.04.008
35. Hirschman, E. C. (1980). Innovativeness, Novelty Seeking, and Consumer
Creativity. Journal of Consumer Research, 7(3), 283.
https://doi.org/10.1086/208816
36. Hoang, L. (2023). TPHCM đứng thứ hai cả nước về thu hút vốn FDI. Trang Tin
Điện Tử Đảng Bộ Thành Phố Hồ Chí Minh.
https://hcmcpv.org.vn/tin-tuc/tphcm-dung-thu-hai-ca-nuoc-ve-thu-hut-von-fdi-
1491905451#:~:text=V%E1%BB%9Bi%20con%20s%E1%BB%91%20n
%C3%A0y%2C%20TPHCM,824%2C34%20tri%E1%BB%87u%20USD)
37. Hoàng, T. & Chu, N. M. N. (2005), Phân tích dữ liệu nghiên cứu với SPSS,
NXB Thống Kê.
38. Hu, L.t. and P.M. Bentler (1999), Cutoff criteria for fit indexes in covariance
structure analysis: Conventional criteria versus new alternatives. Structural
equation modeling: a multidisciplinary journal. 6(1): p. 1-55.
39. Iwan, S., Kijewska, K., & Lemke, J. (2016). Analysis of Parcel Lockers’
Efficiency as the Last Mile Delivery Solution – The Results of the Research in
Poland. Transportation Research Procedia, 12, 644–655.
https://doi.org/10.1016/j.trpro.2016.02.018
40. J. Davis, M.Y. Yi, User disposition and extent of Web utilization: a trait
hierarchy approach, International Journal of Human–Computer Studies 70,
2012, pp. 346–363.
41. Jarvenpaa, S. L., Tractinsky, N., & Vitale, M. (2000). Consumer trust in an
Internet store. Information Technology and Management, 1(1–2), 45–71.
https://doi.org/10.1023/A:1019104520776

78
42. Jöreskog, K. G. (1993). Testing Structural Equation Models. In K. A. Bollen, &
J. S. Long, Testing Structural Equation Models (pp. 294-316). Thousand Oaks,
CA: Sage.
43. K, S. (2020). Impact of COVID 19 on E-Commerce. Review of Impact of
COVID 19 on E-Commerce, Researchgate.
44. Kaiser, H. (1970). A second generation little jiffy. Psychometrika, 35(4), 401-
415. https://doi.org/10.1007/bf02291817
45. Kaiser, H. F. (1960). The application of electronic computers to factor analysis.
Educational and Psychological Measurement, 20, 141–151.
https://doi.org/10.1177/001316446002000116
46. Khalilzadeh, J., Ozturk, A., & Bilgihan, A. (2017). Security-related factors in
extended UTAUT model for NFC based mobile payment in the restaurant
industry. Computers in Human Behavior, In Press.
47. Kim, C., Mirusmonov, M., and Lee, I. (2010). An empirical examination of
factors influencing the intention to use mobile payment. Comput. Hum.
Behav.26, 310–322. https://doi.org/10.1016/j.chb.2009.10.013
48. Kim, J., & Forsythe, S. (2008). Adoption of Virtual Try-on technology for
online apparel shopping. Journal of Interactive Marketing, 22(2), 45–59.
https://doi.org/10.1002/dir.20113
49. Kitcharoen, K. (2019). Factors Influencing on Intention to Use Self-service
Parcel Delivery Service:: An Empirical Case Study of Metropolitan and Greater
Bangkok Area. The Journal Of Risk Management And Insurance, 23(1), 1-14.
https://jrmi.au.edu/index.php/jrmi/article/view/188
50. ‌Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling
(4th ed.). The Guilford Press.
51. ‌Kumar, A., Kumar, P., Palvia, S. C. J., & Verma, S. (2017). Online education
worldwide: Current status and emerging trends. Journal of Information
Technology Case and Application Research, 19(1), 3–9.
https://doi.org/10.1080/15228053.2017.1294867
52. Lee, H. and Whang, S. (2001) E-Business and Supply Chain Integration,
Stanford University. Global Supply Chain Management Forum SGSCMF-
W220, November 2001, 17-26.
79
53. Lee, H. L., & Whang, S. (2001). Winning the Last Mile of E-Commerce. MIT
Sloan Management Review. https://sloanreview.mit.edu/article/winning-the-
last-mile-of-ecommerce/
54. Lee, M. (2009). Factors influencing the adoption of internet banking: An
integration of TAM and TPB with perceived risk and perceived benefit.
Electronic Commerce Research And Applications, 8(3), 130-141.
https://doi.org/10.1016/j.elerap.2008.11.006
55. Lee, R., Sener, I., Mokhtarian, P., & Handy, S. (2017). Relationships between
the online and in-store shopping frequency of Davis, California residents.
Transportation Research Part A: Policy And Practice, 100, 40-52.
https://doi.org/10.1016/j.tra.2017.03.001
56. Liao, C., Palvia, P., & Lin, H.-N. (2006). The roles of habit and web site quality
in e-commerce. International Journal of Information Management, 26(6), 469–
483. https://doi.org/10.1016/j.ijinfomgt.2006.09.001
57. Loewenstein, G. F., Weber, E. U., Hsee, C. K., & Welch, N. (2001). Risk as
feelings. Psychological Bulletin, 127(2), 267–286.
https://doi.org/10.1037/0033-2909.127.2.267
58. Lohmöller, J. (1989). Latent Variable Path Modeling with Partial Least
Squares. https://doi.org/10.1007/978-3-642-52512-4
59. MacKinnon, D. P., Lockwood, C. M., & Williams, J. (2004). Confidence Limits
for the Indirect Effect: Distribution of the Product and Resampling Methods.
Multivariate Behavioral Research, 39(1), 99–128.
doi:10.1207/s15327906mbr3901_4
60. Madigan, M. T., J. M. Martinko. and J. Parker. (2016). Brock Biology of
Microorganisms. 9th edition. Prentice-Hall, Inc. New Yersey, USA.
61. Mangano, G., & Zenezini, G. (2019). The Value Proposition of innovative Last-
Mile delivery services from the perspective of local retailers. IFAC-
PapersOnLine, 52(13), 2590–2595.
62. Manning, K. C., Bearden, W. O., & Madden, T. J. (1995). Consumer
Innovativeness and the Adoption Process. Journal of Consumer Psychology,
4(4), 329–345. https://doi.org/10.1207/s15327663jcp0404_02

80
63. Martins, C., Oliveira, T. and Popovic, A. (2014) Understanding the Internet
Banking Adoption: A Unified Theory of Acceptance and Use of Technology
and Perceived Risk Application. International Journal of Information
Management, 34, 1-13. http://dx.doi.org/10.1016/j.ijinfomgt.2013.06.002
64. McDonald, R. P., & Ho, M.-H. R. (2002). Principles and practice in reporting
structural equation analyses. Psychological Methods, 7(1), 64–82.
https://doi.org/10.1037/1082-989X.7.1.64
65. Michałowska, M., Kotylak, S., & Danielak, W. (2015). Forming relationships
on the e-commerce market as a basis to build loyalty and create value for the
customer. Empirical findings. Management, 19(1), 57–72.
https://doi.org/10.1515/manment-2015-0005
66. Moore, G.A. (1999). Crossing the Chasm: Marketing and Selling High-Tech
Products to Mainstream Customers. Revised edition. Harper Collins, New
York.
67. Morosan, C. (2014). Toward an integrated model of adoption of mobile phones
for purchasing ancillary services in air travel. International Journal of
Contemporary Hospitality Management, 26(2), 246–271.
https://doi.org/10.1108/ijchm-11-2012-0221
68. Morosan, C., & DeFranco, A. (2016). It’s about time: Revisiting UTAUT2 to
examine consumers’ intentions to use NFC mobile payments in hotels.
International Journal of Hospitality Management, 53, 17–29.
https://doi.org/10.1016/j.ijhm.2015.11.003
69. Mun Y. Yi, Kirk D. Fiedler, Jae S. Park (2006). Understanding the Role of
Individual Innovativeness in the Acceptance of IT-Based Innovations:
Comparative Analyses of Models and Measures.
70. Ngoc-Tan, N., & Gregar, A. (2018). Impacts of Knowledge Management on
Innovation in Higher Education Institutions: An Empirical Evidence from
Vietnam. Economics & Sociology, 11(3), 301–320.
71. Nguyễn, Q. H. (n.d.). Các nhân tố ảnh hưởng đến sự hài lòng của khách hàng
khi sử dụng dịch vụ Smart Locker.
72. Nunnally, J. C. (1978). Psychometric Theory (2nd ed.). New York: McGraw-
Hill
81
73. ‌Ooi, K.-B., Sim, J.-J., Yew, K.-T., & Lin, B. (2011). Exploring factors
influencing consumers’ behavioral intention to adopt broadband in Malaysia.
Computers in Human Behavior, 27(3), 1168–1178.
https://doi.org/10.1016/j.chb.2010.12.011
74. ‌Pham, H., Nguyen, D., Doan, C., Thai, Q., & Nguyen, N. (2019). Last mile
delivery as a competitive logistics service - A case study.
https://www.journal.oscm-forum.org/journal/proceeding/download_paper/
20191207215658_OSCM_2019_paper_107.pdf
75. Pollet, B., Staffell, I., & Shang, J. (2012). Current status of hybrid, battery and
fuel cell electric vehicles: From electrochemistry to market prospects.
Electrochimica Acta, 84, 235-249
76. Rahi, S., Ghani, M., & Ngah, A. (2019). Integration of unified theory of
acceptance and use of technology in internet banking adoption setting :
Evidence from Pakistan. Technology in Society (58), 1-10.
77. ‌Ranieri, L., Digiesi, S., Silvestri, B., & Roccotelli, M. (2018). A Review of Last
Mile Logistics Innovations in an Externalities Cost Reduction Vision.
Sustainability, 10(3), 782. https://doi.org/10.3390/su10030782
78. Rogers, E. M. (1962). Diffusion of innovations. New York, Free Press of
Glencoe.
79. Rupp, M. and R. Segal, Confirmatory factor analysis of a professionalism scale
in pharmacy. Journal of Social and Administrative Pharmacy, 1989. 6(1): p. 31-
38.
80. Sarstedt, M., Ringle, C., & Hair, J. (2021). Partial Least Squares Structural
Equation Modeling. Handbook Of Market Research, 1-47.
81. Segar, H. and V. Grover (1993), Re-examining perceived ease of use
measurements and perceived usefulness. Decision sciences.
82. Shin, J., Park, Y., and Lee, D. (2018). Who will be smart home users? An
analysis of adoption and diffusion of smart homes. Technol. Forecast. Soc.
Chang. 134, 246–253. https://doi.org/10.1016/j.techfore.2018.06.029
83. Spearman, C. (1904). General Intelligence, Objectively Determined and
Measured. The American Journal of Psychology, 15, 201-292.
https://doi.org/10.2307/1412107
82
84. Stevens, J. (1996). Applied multivariate statistics for the social sciences (3rd
ed.). Mahwah, NJ: Lawrence Erlbaum Associates, Publishers.
85. Sử dụng SPSS trong nghiên cứu định lượng (2023).
https://ueh.edu.vn/userfiles/file/File_KinhTe/090226_SPSS.pdf
86. ‌Tan, G. W.-H., & Ooi, K.-B. (2018). Gender and age: Do they really moderate
mobile tourism shopping behavior? Telematics and Informatics, 35(6), 1617–
1642. https://doi.org/10.1016/j.tele.2018.04.009
87. Tang, Y. M., Chau, K. Y., Xu, D., & Liu, X. (2021). Consumer perceptions to
support IoT based smart parcel locker logistics in China. Journal of Retailing
and Consumer Services, 62, 102659.
https://doi.org/10.1016/j.jretconser.2021.102659
88. Thanh, T. (2021). Thông cáo báo chí về tình hình kinh tế - xã hội quý IV và
năm 2021. General Statistics Office of Vietnam. https://www.gso.gov.vn/du-
lieu-va-so-lieu-thong-ke/2021/12/thong-cao-bao-chi-ve-tinh-hinh-kinh-te-xa-
hoi-quy-iv-va-nam-2021/
89. ‌Tharenou, P., & Conroy, D. (1994). Men and women managers' advancement:
Personal or situational determinants? Applied Psychology: An International
Review, 43(1), 5–31. https://doi.org/10.1111/j.1464-0597.1994.tb00807.x
90. Tho, N.D. and N.T.M. Trang, (2009). Scientific research in business., Statistics
Publishers 連結.
91. Tsai, Y.-T., & Tiwasing, P. (2021). Customers’ intention to adopt Smart Locker
in last-mile delivery service: A multi-theory perspective. Journal of Retailing
and Consumer Services, 61, 102514.
92. ‌Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User
Acceptance of Information Technology: toward a Unified View. MIS
Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540
93. Venkatraman, M. P. (1991). The impact of innovativeness and innovation type
on adoption. Journal of Retailing, 67(1), 51–68.
94. Viettel Post (2021). Viettel Post: Quyết tâm dẫn dắt thị trường logistics Việt
Nam bằng công nghệ. https://viettelpost.com.vn/tin-tuc/viettel-post-quyet-tam-
dan-dat-thi-truong-logistics-viet-nam-bang-cong-nghe/

83
95. Vijayasarathy, L. (2004). Predicting consumer intentions to use on-line
shopping: the case for an augmented technology acceptance model. Information
&Amp; Management, 41(6), 747-762. https://doi.org/10.1016/j.im.2003.08.011
96. VNPost (2021). Vietnam Post sẽ sớm thí điểm giải pháp giao hàng không tiếp
xúc. http://www.vnpost.vn/vi-vn/bai-viet/chi-tiet/id/94197/key/vietnam-post-se-
som-thi-diem-giai-phap-giao-hang-khong-tiep-xuc
97. Wang, X., Zhan, L., Ruan, J., & Zhang, J. (2014). How to Choose “Last Mile”
Delivery Modes for E-Fulfillment. Mathematical Problems in Engineering,
2014, 1–11. https://doi.org/10.1155/2014/417129
98. Wang, Y.-S., Wu, S.-C., Lin, H.-H., Wang, Y.-M., He, T.-R., 2012.
Determinants of user adoption of web automatic teller machines: an integrated
model of transaction cost theory and innovation diffusion theory. Serv. Ind. J.
32 (9), 1505–1525. https://doi.org/10.1080/02642069.2010.531271
99. Yi, M. Y., Fiedler, K. D., & Park, J. S. (2006). Understanding the Role of
Individual Innovativeness in the Acceptance of IT-Based Innovations:
Comparative Analyses of Models and Measures. Decision Sciences, 37(3),
393–426. https://doi.org/10.1111/j.1540-5414.2006.00132.x
100. Zhang, D., Zhu, P., & Ye, Y. (2016). The effects of E-commerce on the
demand for commercial real estate. Cities, 51, 106–120.
https://doi.org/10.1016/j.cities.2015.11.012
101. Zhou, M., Zhao, L., Kong, N., Campy, K. S., Xu, G., Zhu, G., Cao, X.,
& Wang, S. (2020). Understanding consumers’ behavior to adopt self-service
parcel services for last-mile delivery. Journal of Retailing and Consumer
Services, 52, 101911. https://doi.org/10.1016/j.jretconser.2019.101911

84
 PHỤ LỤC

Phụ lục 1. Bảng hỏi khảo sát

Thân chào Anh/Chị và các Bạn,

Chúng em/mình là một nhóm Sinh viên nghiên cứu khoa học đến từ Trường Đại học
Ngoại thương Cơ sở II tại TP.HCM. Lời đầu tiên, chúng em/mình xin gửi đến mọi
người lời chào và lời chúc tốt đẹp nhất.

Hiện nhóm chúng em/mình đang tiến hành tìm hiểu và KHẢO SÁT VỀ CÁC YẾU
TỐ ẢNH HƯỞNG ĐẾN MỨC ĐỘ CHẤP NHẬN SỬ DỤNG CỦA KHÁCH HÀNG
ĐỐI VỚI DỊCH VỤ Smart Locker TẠI TP HỒ CHÍ MINH. Để có cơ sở dữ liệu tiến
hành thực hiện dự án, nhóm chúng mình rất hy vọng sẽ nhận được sự giúp đỡ từ mọi
người thông qua việc hoàn thành khảo sát dưới đây.

Mọi thông tin Anh/Chị hay các Bạn cung cấp cam kết sẽ được bảo mật tuyệt đối và chỉ
sử dụng cho mục đích nghiên cứu trong dự án này.

Sự giúp đỡ của mọi người đóng vai trò rất quan trọng trong quá trình chuẩn bị để thực
hiện dự án của nhóm mình.

Một lần nữa, nhóm xin chân thành cảm ơn sự hỗ trợ từ anh/chị và các bạn. Chúc
Anh/Chị và các Bạn thật nhiều sức khỏe và thành công trong học tập và công việc.

Trân trọng./.

1. THÔNG TIN CÁ NHÂN:

Giới tính:

● Nam
● Nữ
● Khác

Độ tuổi:

● Từ 18 trở xuống

85
 ● Từ 19 tới 24 tuổi
● Từ 25 tới 35 tuổi
● Từ 36 tới 45 tuổi
● Trên 45 tuổi

Trình độ học vấn:

● Tốt nghiệp Tiểu học

● Tốt nghiệp cấp 2
● Tốt nghiệp cấp 3
● Đại học
● Trên Đại học

Bạn có đang sinh sống và làm việc tại Thành phố Hồ Chí Minh không?

● Có
● Không

Thu nhập hàng tháng:

● Dưới 5 triệu
● Từ 5 triệu tới 10 triệu
● Từ 10 triệu tới 20 triệu
● Trên 20 triệu

Trung bình 1 tháng bạn đặt hàng trên sàn thương mại điện tử (TMĐT) bao nhiêu
đơn?

● Dưới 2 đơn
● Từ 2 đến 5 đơn
● Trên 5 đơn

Bạn đã có biết đến hay đã từng sử dụng dịch vụ Smart Locker chưa?

● Chưa từng nghe

● Có biết đến
● Đã từng sử dụng
86
2. THÔNG TIN VỀ TỦ GIAO NHẬN HÀNG THÔNG MINH (Smart Locker):

Smart Locker (Tủ giao nhận hàng thông minh) được hiểu là hình thức giao nhận hàng
không cần đến sự vận hành, quản lý của nhân viên, được cố định ở một địa điểm an
toàn bên ngoài nơi sinh hoạt của khách hàng (Ví dụ: tầng trệt chung cư, bãi đậu xe,
nhà ga, cửa hàng tiện lợi,...) và có thể mở bằng chìa khoá hoặc một mã điện tử. Smart
Locker đa phần được sử dụng trong các dịch vụ giao bưu kiện, tuy nhiên cũng có thể
được ứng dụng để giao đồ ăn nếu có lắp các thiết bị kiểm soát nhiệt độ. Người mua
hàng sẽ được thông báo về việc giao hàng thông qua cuộc gọi điện thoại hoặc email.

Về cách thức sử dụng:

Bước 1: Người mua hàng trên mạng lựa chọn tủ lockers thông minh (Smart Locker) tại
một địa điểm nhất định thuận tiện với người mua hàng để nhận hàng.

Bước 2: Sau khi đặt hàng và chọn nhận hàng thông qua tủ khóa đó, người mua hàng sẽ
nhận được mã xác nhận qua email hoặc tin nhắn điện thoại. Bưu kiện sẽ được chuyển
đến tủ khóa đã chọn và sau đó khách hàng sẽ nhận được email và tin nhắn điện thoại
ngắn kèm theo mã để mở một ngăn tủ khóa điện tử cụ thể.

Bước 3: Khách hàng sẽ nhập mã OTP hoặc quét QR Code bằng màn hình cảm ứng
trên tủ khóa để mở khóa ngăn tủ.

Bước 4: Khách hàng nhận hàng sau khi tủ được nhập đúng phương thức bảo mật

Trên đây là những thông tin và hướng dẫn sử dụng tủ Smart Locker trong giao nhận
hàng. Đây là một hình thức đã được áp dụng rộng rãi trên thế giới và đang dần được sử
dụng ở các thành phố lớn ở Việt Nam (trong đó có TP Hồ Chí Minh, hiện sàn TMĐT
LAZADA đã có áp dụng).

3. CÁC CÂU HỎI VỀ HIỆU SUẤT KỲ VỌNG:

Bạn vui lòng cho biết mức độ đồng ý của mình với các phát biểu dưới đây bằng các
lựa chọn tương ứng:

1 - Hoàn toàn không đồng ý

87
2 - Không đồng ý

3 - Bình thường

4 - Đồng ý

5 - Hoàn toàn đồng ý

Tên biến Nội dung câu hỏi Mức độ đồng ý

Hiệu suất kỳ vọng (Performance Expectancy - PE)

PE1 Tôi nghĩ việc sử dụng dịch vụ Smart Locker sẽ 1 2 3 4 5

giúp tôi tiết kiệm thời gian hơn

PE2 Tôi nghĩ dịch vụ Smart Locker sẽ dễ sử dụng 1 2 3 4 5

hơn những dịch vụ giao nhận hàng khác

PE3 Tôi nghĩ việc sử dụng dịch vụ Smart Locker sẽ 1 2 3 4 5

tiện lợi hơn

PE4 Tôi nghĩ việc sử dụng dịch vụ Smart Locker sẽ 1 2 3 4 5

giúp tôi thoải mái hơn

Nỗ lực kỳ vọng (Effort Expectancy- EE)

EE1 Tôi nghĩ cách thức sử dụng dịch vụ Smart 1 2 3 4 5

Locker để nhận một đơn hàng là dễ dàng với tôi

EE2 Tôi nghĩ cách thức sử dụng dịch vụ Smart 1 2 3 4 5

Locker để gửi một đơn hàng là dễ dàng với tôi

EE3 Tôi nghĩ tôi có thể dễ dàng theo sát quy trình 1 2 3 4 5
vận hành của dịch vụ Smart Locker

Ảnh hưởng xã hội (Social Influence - SI)

SI1 Hiện tại không có nhiều người sử dụng dịch vụ 1 2 3 4 5

Smart Locker

88
SI2 Hiện tại không có nhiều người thân thiết của tôi 1 2 3 4 5
biết đến và sử dụng dịch vụ Smart Locker

SI3 Tôi nghĩ việc sử dụng dịch vụ Smart Locker sẽ 1 2 3 4 5

không khiến tôi trở nên sành điệu hơn

Nhận thức rủi ro (Perceived Risk - PR)

PR1 Tôi quan ngại về vấn đề bảo mật của Smart 1 2 3 4 5

Locker

PR2 Tôi lo lắng về hiệu quả hoạt động của Smart 1 2 3 4 5

Locker so với trong tưởng tượng của tôi

PR3 Tôi e rằng sẽ có nhiều rủi ro về các chi phí phát 1 2 3 4 5

sinh khác khi sử dụng Smart Locker

Tính đổi mới (Innovativeness - IN)

IN1 So với những người xung quanh tôi, tôi thường 1 2 3 4 5

là người đầu tiên sử dụng những sản phẩm/dịch
vụ với giải pháp mới

IN2 Khi tôi nghe về một sản phẩm/dịch vụ với giải 1 2 3 4 5

pháp mới, tôi sẽ thử tìm hiểu về chúng

IN3 Tôi thích sử dụng thử những sản phẩm/dịch vụ 1 2 3 4 5

với giải pháp mới

Khả năng tương thích (Compatibility - CP)

CP1 Tôi nghĩ việc sử dụng Smart Locker sẽ tương 1 2 3 4 5

thích với lối sống của tôi

CP2 Tôi nghĩ việc sử dụng Smart Locker sẽ tương 1 2 3 4 5

thích với nhu cầu của tôi

CP3 Tôi nghĩ việc sử dụng Smart Locker sẽ tương 1 2 3 4 5

89
 thích với tình hình hiện tại của tôi

Ý định sử dụng (Behavioural Intention - BI)

BI1 Tôi sẵn lòng sử dụng Smart Locker để 1 2 3 4 5

giao/nhận hàng trong tương lai

BI2 Tôi dự định sẽ sử dụng Smart Locker để 1 2 3 4 5

giao/nhận hàng trong tương lai

BI2 Tôi sẽ giới thiệu bạn bè của tôi về dịch vụ 1 2 3 4 5

Smart Locker

90
Phụ lục 2. Phân tích thống kê tần số

Tên biến Đặc điểm Số lượng đáp viên Tỷ lệ (%)

(N= 237)

Giới tính Nam 112 47.3

Nữ 123 51.9

Khác 2 0,8

Độ tuổi Từ 18 tuổi trở 11 4.6

xuống

Từ 19 tới 24 tuổi 80 33.8

Từ 25 tới 35 tuổi 66 27.8

Từ 36 tới 45 tuổi 57 24.1

Trên 45 23 9.7

Trình độ học vấn Tốt nghiệp tiểu học 1 0,4

Tốt nghiệp cấp 2 5 2.1

Tốt nghiệp cấp 3 25 10,6

Đại học 159 67.1

Trên đại học 47 19.8

Thu nhập hằng Dưới 5 triệu 79 33.3

tháng
Từ 5 đến 10 triệu 54 22.8

Từ 10 đến 20 triệu 18 7.6

Trên 20 triệu 86 36.3

91
Phụ lục 3. Phân tích độ tin cậy Cronbach’s Alpha

3.1 Phân tích độ tin cậy Cronbach’s Alpha cho nhóm nhân tố ảnh hưởng đến Ý
định sử dụng (BI)

Hệ số tương Hệ số Alpha nếu Hệ số Cronbach’s

STT Thang đo
quan biến tổng loại bỏ biến Alpha
Hiệu suất kỳ vọng (Performance Expectancy - PE)
1 PE1 0,707 0,810

2 PE2 0,662 0,829

0,854
3 PE3 0,687 0,819

4 PE4 0,732 0,800

Nỗ lực kỳ vọng (Effort Expectancy- EE)
1 EE1 0,749 0,775

2 EE2 0,726 0,795 0,885

3 EE3 0,725 0,795

Ảnh hưởng xã hội (Social Influence - SI)
1 SI1 0,648 0,776

2 SI2 0,670 0,755 0,818

3 SI3 0,705 0,715

Nhận thức rủi ro (Perceived Risk - PR)
1 PR1 0,832 0,907

2 PR2 0,846 0,896 0,924

3 PR3 0,872 0,869

Tính đổi mới (Innovativeness - IN)
1 IN1 0,834 0,869

2 IN2 0,834 0,873 0,914

3 IN3 0,823 0,886

Khả năng tương thích (Compatibility - CP)

92
 1 CP1 0,809 0,869

2 CP2 0,800 0,878 0,906

3 CP3 0,831 0,851

3.2 Phân tích độ tin cậy Cronbach’s Alpha cho Ý định sử dụng (BI)

Hệ số tương Hệ số Alpha nếu Hệ số Cronbach’s

STT Thang đo
quan biến tổng loại bỏ biến Alpha
Ý định sử dụng (Behavioural Intention - BI)
1 BI1 0,867 0,940

2 BI2 0,911 0,907 0,947

3 BI3 0,892 0,921

93
Phụ lục 4. Phân tích EFA

4.1 Phân tích EFA cho biến độc lập

4.1.1 Hệ số KMO và kiểm định Bartlett - Phân tích EFA cho biến độc lập

Hệ số KMO và Kiểm định Bartlett

Hệ số Kaiser Meyer Olkin (KMO) .807

Kiểm định Bartlett Chi bình phương xấp xỉ 2272.083

(Approx. Chi-Square)

Bậc tự do (df) 120

Mức ý nghĩa (Sig.) .000

4.1.2 Giá trị Communalities - Phân tích EFA cho biến độc lập

Giá trị Communalities

Phần chung ban đầu (Initial) Phần trích cuối cùng (Extraction)

PE1 .538 .636

PE2 .470 .537

PE3 .517 .579

PE4 .572 .671

EE1 .676 .803

EE2 .625 .695

EE3 .617 .708

SI1 .439 .542

94
 SI2 .525 .618

SI3 .508 .686

PR1 .703 .765

PR2 .739 .808

PR3 .773 .868

IN1 .733 .798

IN2 .720 .799

IN3 .688 .766

4.1.3 Tổng phương sai trích - Phân tích EFA cho biến độc lập

Tổng phương sai trích (Total variance explained)

Nhân tố Hệ số Eigenvalue khởi tạo Chỉ số sau khi trích Chỉ số

(Initial Eigenvalues) (Extraction Sums of sau khi
Squared Loadings) xoay
(Rotation
Sums of
Squared
Loadings)

Tổng % % Tổng % % Tổng

Phương Phương Phương Phương
sai sai tích sai sai tích
lũy lũy

1 4.581 28.932 28.632 4.260 26.623 26.623 2.757

2 2.983 18.642 47.274 2.739 17.117 43.739 3.294

3 2.243 14.019 61.294 2.035 12.721 56.460 2.565

95
 4 1.491 9.317 70.610 1.208 7.550 64.010 2.946

5 1.412 8.828 79.438 1.036 6.473 70.483 2.729

6 .474 2.962 82.400

7 .454 2.837 85.237

8 .388 2.422 87.659

9 .358 2.239 89.898

10 .347 2.166 92.064

11 .307 1.916 93.980

12 .226 1.410 95.390

13 .212 1.328 96/718

14 .209 1.306 98.024

15 .171 1.070 99.094

16 .145 .906 100.000

4.1.4 Ma trận xoay - Phân tích EFA cho biến độc lập

Ma trận xoay

Nhân tố

1 2 3 4 5

PR3 .922

PR2 .902

PR1 .879

96
 PE4 .832

PE1 .808

PE3 .739

PE2 .713

IN2 .902

IN1 .882

IN3 .876

EE1 .886

EE3 .867

EE2 .799

SI3 .858

SI1 .750

SI2 .711

4.2 Phân tích EFA cho biến trung gian

4.2.1 Kết quả Hệ số KMO và Kiểm định Bartlett - Phân tích EFA cho biến trung gian

Hệ số KMO và Kiểm định Bartlett

Hệ số Kaiser Meyer Olkin (KMO) .754

Kiểm định Bartlett Chi bình phương xấp xỉ 461.130

(Approx. Chi-Square)

Bậc tự do (df) 3

97
 Mức ý nghĩa (Sig.) .000

4.2.2. Giá trị Communalities - Phân tích EFA cho biến trung gian

Giá trị Communalities

Phần chung ban đầu (Initial) Phần trích cuối cùng (Extraction)

CP1 .659 .753

CP2 .641 .729

CP3 .691 .810

4.2.3 Tổng phương sai trích - Phân tích EFA cho biến trung gian

Tổng phương sai trích (Total variance explained)

Nhân tố Hệ số Eigenvalue khởi tạo (Initial Chỉ số sau khi trích (Extraction
Eigenvalues) Sums of Squared Loadings)

Tổng % % Tổng % Phương %

Phương Phương sai Phương
sai sai tích sai tích
lũy lũy

1 2.527 84.249 84.249 2.293 76.417 76.417

2 .261 8.694 92.943

3 .212 7.057 100.000

4.2.4 Ma trận xoay - Phân tích EFA cho biến trung gian

Ma trận xoay

Nhân tố

98
 CP3 .900

CP1 .868

CP2 .854

4.3. Phân tích EFA cho biến phụ thuộc

4.3.1 Hệ số KMO và Kiểm định Bartlett - Phân tích EFA cho biến phụ thuộc

Hệ số KMO và Kiểm định Bartlett

Hệ số Kaiser Meyer Olkin (KMO) .765

Kiểm định Bartlett Chi bình phương xấp xỉ 693.684

(Approx. Chi-Square)

Bậc tự do (df) 3

Mức ý nghĩa (Sig.) .000

4.3.2. Giá trị Communalities - Phân tích EFA cho biến phụ thuộc

Giá trị Communalities

Phần chung ban đầu (Initial) Phần trích cuối cùng (Extraction)

BI1 .754 .800

BI2 .833 .912

BI3 .809 .865

4.3.3. Tổng phương sai trích - Phân tích EFA cho biến phụ thuộc

Tổng phương sai trích (Total variance explained)

Nhân tố Hệ số Eigenvalue khởi tạo (Initial Chỉ số sau khi trích (Extraction
Eigenvalues) Sums of Squared Loadings)

99
 Tổng % % Tổng % Phương %
Phương Phương sai Phương
sai sai tích sai tích
lũy lũy

1 2.716 90.533 90.533 2.576 85.878 85.878

2 .176 5.854 96.387

3 .108 3.613 100.000

4.3.4 Ma trận xoay - Phân tích EFA cho biến phụ thuộc

Ma trận xoay

Nhân tố

BI3 .955

BI1 .930

BI2 .894

100
Phụ lục 5. Phân tích CFA

5.1 Chỉ số đánh giá độ phù hợp của mô hình và ngưỡng đánh giá trong phân tích
CFA

Chỉ số Ngưỡng đánh giá Nguồn tham khảo

Chi-square/df < 3 là tốt; < 5 là chấp nhận Hair Jr, Anderson (1998);
được Hu & Bentler (2010)

P-value < 0,05 Arbuckle & Wothke (2015);

Rupp & Segal (2018)

NFI > 0,90 Chin & Todd (2018); Hair Jr,

Anderson (2013)

CFI > 0,95 là tốt; > 0,90 là Bentler & Bonett (2018); Tho
chấp nhận được & Trang (2018)

GFI > 0,90 là tốt; > 0,80 là Segar & Grover (2018); Chin
chấp nhận được & Todd (2018); Baumgartner
& Homburg (2018)

RMSEA < 0,05 là tốt; Steiger (2015); Segar &

0,05 - 0,10 là chấp nhận Grover (2018); Chin & Todd
được (2018)

PCLOSE > 0,05 là tốt; > 0,01 là Hair Jr & Anderson (2013)
chấp nhận được

5.2 Chỉ số model fit trong kiểm định CFA

Chỉ số Kết quả Giá trị ngưỡng Nhận xét

Chi-square/df 1.393 Chi-square/df < 3 là tốt; Chi- Tốt

square/df <5 là chấp nhận được

101
 CFI 0,98 CFI ≥ 0,95 là rất tốt, CFI ≥ 0,9 là Rất tốt
tốt, CFI ≥ 0,8 là chấp nhận được

GFI 0,913 GFI ≥ 0,95 là rất tốt, GFI ≥ 0,9 là Tốt

tốt

TLI 0,976 TLI ≥ 0,9 là tốt Tốt

NFI 0,935 NFI > 0,9 là tốt Tốt

RMSEA 0,041 RMSEA ≤ 0,06 là tốt, RMSEA ≤ Tốt

0,08 là chấp nhận được

PCLOSE 0,906 PCLOSE ≥ 0,05 là tốt, PCLOSE Tốt

≥ 0,01 là chấp nhận được

5.3 Hệ số hồi quy CFA.

Hướng tác động β0 (Hệ số hồi quy β1 (Hệ số hồi quy P- value
chưa chuẩn hóa) trực tiếp đã chuẩn
hóa)

PR3 ← PR 1.000 .935

PR2 ← PR .857 .890 ***

PR1 ← PR .988 .873 ***

IN2 ← IN 1.000 .893

IN1 ← IN 1.053 .891 ***

IN3 ← IN 1.154 .874 ***

PE4 ← PE 1.000 .802

PE1 ← PE 1.032 .786 ***

102
 PE3 ← PE 1.016 .773 ***

PE2 ← PE .889 .727 ***

EE1 ← EE 1.000 .896

EE3 ← EE .933 .826 ***

EE2 ← EE .880 .826 ***

SI3 ← SI 1.000 .797

SI1 ← SI .813 .721 ***

SI2 ← SI 1.067 .808 ***

CP1 ← CP 1.000 .863

CP2 ← CP 1.016 .859 ***

CP3 ← CP 1.045 .900 ***

BI1 ← BI 1.000 .910

BI2 ← BI .979 .941 ***

BI3 ← BI 1.026 .931 ***

Ghi chú: *** có nghĩa là p bé hơn 0,001

5.4 Kết quả tính hội tụ và phân biệt

CR AVE MSV Max CP PE EE SI BI IN PR

R(H)

CP 0,907 0,764 0,309 0,909 0,874

PE 0,855 0,597 0,457 0,858 0,492 0,773

EE 0,886 0,722 0,295 0,893 0,297 0,378 0,850

SI 0,819 0,603 0,426 0,825 0,466 0,506 0,302 0,776

103
BI 0,949 0,860 0,457 0,950 0,556 0,676 0,543 0,653 0,927

IN 0,916 0,785 0,072 0,917 0,268 0,075 -0,259 0,075 0,138 0,886

PR 0,927 0,809 0,203 0,933 -0,142 -0,206 -0,210 -0,216 -0,451 0,124 0,900

104
5.5 Mô hình phân tích nhân tố khẳng định CFA.

105
Phụ lục 6. Hệ số hồi quy SEM và đánh giá trung gian.

6.1 Mô hình phân tích nhân tố tuyến tính.

6.2 Hệ số hồi quy SEM

Giả thuyết Hướng tác động β0 (Hệ số hồi β1 (Hệ số hồi quy P-value
quy chưa chuẩn trực tiếp đã chuẩn
hóa) hóa)

H1 BI ← PE 0,388 0,300 ***

H2 BI ← EE 0,307 0,313 ***

H3 BI ← SI 0,399 0,302 ***

106
 H4 BI ← PR -0,26 -0,284 ***

H5 BI ← IN 0,192 0,175 ***

H6 BI ← CP 0,172 0,154 ***

H7 CP ← IN 0,262 0,266 ***

Ghi chú: *** có nghĩa là p bé hơn 0,001

6.3 Bảng đánh giá giả thuyết

STT Giả thuyết Nhận xét

1 H1: Hiệu suất kỳ vọng có tác động tích cực đến Ủng hộ
ý định sử dụng trong việc sử dụng Smart Locker
tại TPHCM (+)

2 H2: Nỗ lực kỳ vọng có tác động tích cực đến ý Ủng hộ

định sử dụng dịch vụ Smart Locker (+)

3 H3: Ảnh hưởng xã hội có tác động tích cực đến Ủng hộ
ý định sử dụng dịch vụ Smart Locker (+)

4 H4: Nhận thức rủi ro có tác động tiêu cực đến ý Ủng hộ
định sử dụng dịch vụ Smart Locker (-)

5 H5: Tính đổi mới có tác động tích cực lên việc ý Ủng hộ
định sử dụng dịch vụ Smart Locker (+)

6 H6: Khả năng tương thích sẽ ảnh hưởng tích cực Ủng hộ
đến ý định sử dụng sử dụng (+)

7 H7: Tính đổi mới sẽ ảnh hưởng tích cực đến khả Ủng hộ
năng tương thích của công nghệ (+)

107
 6.4 Bảng R bình phương.

Ước tính P-value

CP .071 0,003

BI .731 0,017

6.5 Bảng đánh giá tác động của biến trung gian

Mối quan hệ Giá trị tác Bias-corrected (95% khoảng tin

động được cậy)
chuẩn hóa

Chặn Chặn trên P- value

dưới

Tác động tổng IN → BI 0,216 0,123 0,326 0,002

thể

Tác động trực IN → BI 0,175 0,065 0,277 0,002

tiếp

Tác động gián IN → CP → 0,041 0,009 0,103 0,00

tiếp BI

108