Tác động của đánh giá trực tuyến đến niềm tin và ý định mua sắm của khách hàng

ThS. Hồ Thị Thu Hồng, Phan Đào Uyên Phương, Nguyễn Ngọc Hương,

Nguyễn Thị Quỳnh Như, Nguyễn Đức Huy, Nguyễn Thị Hoài Thương

Khoa Quản trị kinh doanh - Trường Đại học Tài chính - Marketing

Email: hohong@ufm.edu.vn

Tóm tắt

Nghiên cứu kiểm định cơ chế tác động của đánh giá trực tuyến đến niềm tin và ý định mua sắm của người tiêu dùng trong bối cảnh thương mại điện tử tại TP. Hồ Chí Minh. Mô hình đề xuất tích hợp ba đặc tính của đánh giá (chất lượng, nguồn, tính liên quan) với biến trung gian là sự hữu ích; từ đó ảnh hưởng đến niềm tin và ý định mua sắm. Dữ liệu định lượng thu thập từ 238 người tiêu dùng đã mua sắm trực tuyến; mô hình được ước lượng bằng PLS-SEM. Kết quả cho thấy: (i) chất lượng, nguồn và tính liên quan của đánh giá đều tác động tích cực đến sự hữu ích; (ii) sự hữu ích làm tăng niềm tin; và (iii) niềm tin thúc đẩy ý định mua sắm. Sự hữu ích đóng vai trò trung tâm trong chuỗi tác động. Kết quả nghiên cứu góp phần bổ sung bằng chứng thực nghiệm cho bối cảnh Việt Nam và gợi ý doanh nghiệp ưu tiên nâng cao uy tín nguồn, tính liên quan và chất lượng nội dung đánh giá nhằm gia tăng sự hữu ích và niềm tin, qua đó thúc đẩy ý định mua.

Từ khóa: Chất lượng đánh giá, nguồn đánh giá, tính liên quan, sự hữu ích đánh giá, niềm tin khách hàng, ý định mua sắm

Summary

This study examines the mechanism through which online reviews influence consumer trust and purchase intention in the context of e-commerce in Ho Chi Minh City. The proposed model integrates three characteristics of reviews (quality, source, and relevance) with perceived usefulness as a mediating variable, which in turn affects trust and purchase intention. Quantitative data were collected from 238 consumers who had engaged in online shopping, and the model was estimated using PLS-SEM. The results show that: (i) review quality, source, and relevance all have positive effects on perceived usefulness; (ii) perceived usefulness enhances trust; and (iii) trust promotes purchase intention. Perceived usefulness plays a central role in this causal chain. The findings contribute empirical evidence in the Vietnamese context and suggest that businesses should prioritize improving review source credibility, content relevance, and quality to increase usefulness and trust, thereby fostering purchase intention.

Keywords: Review quality, review source, review relevance, review usefulness, customer trust, purchase intention

GIỚI THIỆU

Sự bùng nổ của công nghệ 4.0 cùng tác động từ Covid-19 đã làm thay đổi mạnh mẽ hành vi tiêu dùng, thúc đẩy thương mại điện tử (TMĐT) tại Việt Nam tăng trưởng và trở thành trụ cột của kinh tế số; 81% người được hỏi xem mua sắm online là thói quen hằng ngày, 59% mua ít nhất mỗi tuần và 85% tăng chi tiêu sau dịch (Thịnh, 2023). Trong bối cảnh đó, đánh giá trực tuyến (ĐGTT), một dạng truyền miệng điện tử (eWOM) do người tiêu dùng tạo ra, nổi lên như nguồn thông tin then chốt giúp giảm bất định khi ra quyết định; tỷ lệ tham khảo ĐGTT ở mức rất cao: 97.7% đọc trước khi mua (Zhang và cộng sự, 2014), 86% sẵn sàng trì hoãn nếu thiếu ĐGTT (Thịnh, 2023). ĐGTT có thể tác động theo cả hai chiều: nội dung tích cực củng cố niềm tin và khuynh hướng mua, trong khi thông tin tiêu cực khiến khách hàng ngần ngại hoặc từ chối mua. Mặc dù đã có nhiều nghiên cứu về hành vi mua sắm trực tuyến tại Việt Nam, bằng chứng thực nghiệm về tác động của ĐGTT đến niềm tin và ý định mua của khách hàng vẫn còn hạn chế. Vì vậy, nghiên cứu này kiểm định ảnh hưởng của đánh giá trực tuyến đến ý định mua thông qua sự hữu ích cảm nhận và niềm tin của người tiêu dùng tại TP. Hồ Chí Minh. Kết quả nhằm bổ sung bằng chứng thực nghiệm cho bối cảnh Việt Nam và đề xuất hàm ý quản trị để doanh nghiệp khai thác hiệu quả ĐGTT.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Các khái niệm chính

Đánh giá trực tuyến: Là một dạng eWOM do người tiêu dùng viết hoặc xếp hạng về sản phẩm/dịch vụ sau khi trải nghiệm và đăng trên các nền tảng trực tuyến. Các đánh giá này cung cấp thông tin tiền hợp đồng giúp giảm bất cân xứng thông tin giữa doanh nghiệp và người tiêu dùng. Mặc dù mang lại giá trị đáng kể cho doanh nghiệp (ảnh hưởng doanh số, danh tiếng), ĐGTT có thể thiếu tin cậy do thiên lệch, đánh giá giả hoặc thiếu tính đại diện (Narciso, 2019).

Chất lượng đánh giá: Là mức độ đáng tin và hữu ích của nội dung đánh giá do người tiêu dùng tạo ra, phản ánh qua các khía cạnh độ chính xác, đầy đủ, tính cập nhật, hình thức trình bày và độ tin cậy của thông tin (Cao và cộng sự, 2018).

Nguồn đánh giá: Là độ tin cậy cảm nhận gắn với người viết đánh giá, và độ tin cậy này định hình mức thuyết phục mà người đọc gán cho bài đánh giá và cách họ đánh giá sản phẩm (Dou và cộng sự, 2012). Độ tin cậy của nguồn được hình thành bởi uy tín, vốn xã hội, kinh nghiệm và mức độ hoạt động của người đánh giá trong cộng đồng (Li, Cui và Gao, 2015).

Tính liên quan của đánh giá: Là mức độ phù hợp giữa nội dung đánh giá với đối tượng được đánh giá (sản phẩm/dịch vụ). Tính liên quan có thể được đo bằng độ tương đồng ngữ nghĩa với mô tả sản phẩm, mức độ nhất quán giữa các đánh giá (Wang và cộng sự, 2015).

Sự hữu ích của đánh giá: Là mức độ người tiêu dùng cảm nhận đánh giá cung cấp thông tin có giá trị để hỗ trợ quyết định mua. Tính hữu ích của đánh giá thường được ghi nhận bằng phiếu bình chọn “hữu ích/không hữu ích” trên nền tảng (Mudambi và Schuff, 2010).

Niềm tin của người tiêu dùng: Niềm tin của người tiêu dùng đối với đánh giá trực tuyến là một khái niệm đa chiều, phản ánh mức độ người tiêu dùng tin rằng nội dung và nguồn đánh giá đáng tin cậy để làm cơ sở ra quyết định mua. Khái niệm này bao hàm tính liêm chính của người đánh giá, chất lượng lập luận và tính nhất quán của nội dung đánh giá (Borchers, 2023).

Ý định mua sắm của khách hàng: Ý định mua của khách hàng trong TMĐT là mức độ sẵn sàng của người tiêu dùng thực hiện giao dịch trực tuyến (trao đổi thông tin và mua hàng (Pavlou, 2003). Ý định là tiền đề gần nhất của hành vi theo TPB (Ajzen, 1991) và có giá trị dự báo hành vi mua thực tế trong bối cảnh trực tuyến (Chen và Cheng, 2009).

Khung lý thuyết (S-O-R)

Mô hình S-O-R cho rằng kích thích môi trường (Stimulus) tác động đến trạng thái bên trong của cá nhân (Organism) và dẫn tới phản ứng hành vi (Response) (Mehrabian và Russell, 1974). Trong bối cảnh trực tuyến, các tín hiệu của cửa hàng số (thiết kế giao diện, mức độ phong phú và chính xác của thông tin, các tín hiệu xã hội) đã được chứng minh là ảnh hưởng đến thái độ và ý định mua (Eroglu, Machleit và Davis, 2003). Trong nghiên cứu này, thuộc tính của đánh giá trực tuyến (chất lượng, nguồn, tính liên quan) được xem là kích thích (S); chúng định hình sự hữu ích và niềm tin của khách hàng như trạng thái bên trong (O) và ý định mua là phản ứng (R).

Giả thuyết nghiên cứu

Chất lượng và sự hữu ích của đánh giá

Theo Zhang và cộng sự (2014), chất lượng đánh giá là yếu tố mang tính hệ thống trong mô hình Heuristic-Systematic Model (HSM), đóng vai trò thuyết phục người tiêu dùng tin tưởng và hành động dựa trên thông tin đó. Nghiên cứu thực nghiệm cho thấy đánh giá có chất lượng cao hỗ trợ quyết định mua hàng (Ngọc, 2017), đánh giá thiếu thông tin hoặc thiếu rõ ràng sẽ không được xem là hữu ích (Chính và Dung, 2020). Chất lượng của đánh giá là nhân tố quan trọng gắn với sự hữu ích cảm nhận của người đọc (Zhang và cộng sự, 2014). Từ đó, giả thuyết sau được đưa ra:

H1: Chất lượng của đánh giá có tác động tích cực đến sự hữu ích của đánh giá.

Nguồn và sự hữu ích của đánh giá

Độ tin cậy của nguồn đánh giá là nhận thức của người tiêu dùng về chuyên môn và mức độ đáng tin của người viết đánh giá (Hovland và Weiss, 1951). Tính hữu ích của đánh giá trực tuyến là mức độ người đọc cho rằng đánh giá hỗ trợ họ ra quyết định (Mudambi và Schuff, 2010); chịu ảnh hưởng bởi độ tin cậy nguồn và chất lượng lập luận (Li và cộng sự, 2013). Nhiều nghiên cứu cũng cho thấy nguồn uy tín làm tăng cảm nhận hữu ích của đánh giá (Erkan và Evans, 2018). Từ đó, giả thuyết sau được đưa ra:

H2: Nguồn của đánh giá có tác động tích cực đến sự hữu ích của đánh giá.

Tính liên quan và sự hữu ích của đánh giá

Tính liên quan đóng góp đáng kể vào hiệu lực tổng thể của đánh giá, với sức ảnh hưởng gần tương đương độ tin cậy nguồn (Mumuni và cộng sự, 2020). Sự tương đồng giữa người đọc và người viết về bối cảnh/nhu cầu làm tăng cảm nhận liên quan; khi đánh giá được xem là liên quan, người tiêu dùng đánh giá sản phẩm chính xác hơn và ra quyết định tốt hơn (Racherla và cộng sự, 2012). Các đánh giá liên quan thường được xem hữu ích hơn (Mumuni và cộng sự, 2020), đặc biệt nội dung cụ thể do khách hàng viết thường hữu ích hơn nội dung mang tính khái quát hoặc của chuyên gia (Li và cộng sự, 2013). Từ đó, giả thuyết sau được đưa ra:

H3: Tính liên quan của đánh giá có tác động tích cực đến sự hữu ích của đánh giá.

Sự hữu ích của đánh giá và niềm tin của khách hàng

Sự hữu ích của đánh giá tăng khi bài đánh giá rõ ràng và cụ thể về thuộc tính hay bối cảnh sử dụng, phản ánh trải nghiệm thực của người dùng (Baek và cộng sự, 2012). Khi sự hữu ích cao, tức thông tin đánh giá được xem là đáng giá, đa chiều và xác thực, niềm tin của người tiêu dùng đối với sản phẩm hay nền tảng tăng tương ứng (Zhang và cộng sự, 2014). Ngoài ra, cơ chế đánh giá ngang hàng (peer-rating) làm tăng cảm nhận về tính xác thực của đánh giá, qua đó củng cố niềm tin (Willemsen và cộng sự, 2011). Từ đó, giả thuyết sau được đưa ra:

H4: Sự hữu ích của các đánh giá có tác động tích cực đến niềm tin của khách hàng.

Niềm tin của khách hàng và ý định mua sắm

Nhiều nghiên cứu thực nghiệm khẳng định niềm tin của khách hàng tác động tích cực đến ý định mua trực tuyến (Wijoseno và Ariyanti, 2017). Niềm tin không chỉ ảnh hưởng trực tiếp mà còn đóng vai trò trung gian trong tác động của các yếu tố khác lên ý định mua (Wijoseno và Ariyanti, 2017). Bên cạnh đó, đánh giá của khách hàng là đầu vào quan trọng để xây dựng niềm tin, qua đó gia tăng ý định mua (Suman và Kurniawati, 2024). Từ đó, giả thuyết sau được đưa ra:

H5: Niềm tin của khách hàng (Customer Trust) có tác động tích cực đến ý định mua sắm của khách hàng (Customer Intention)

Mô hình nghiên cứu đề xuất

Từ 5 giả thuyết nghiên cứu nói trên, nhóm tác giả đề xuất mô hình nghiên cứu như Hình.

Hình: Mô hình nghiên cứu đề xuất

Nguồn: Nhóm tác giả đề xuất

Phương pháp nghiên cứu

Nghiên cứu định lượng sử dụng PLS-SEM để kiểm định các quan hệ trong mô hình. Bộ thang đo cho 6 biến: Chất lượng đánh giá; Nguồn đánh giá; Tính liên quan; Sự hữu ích; Niềm tin; Ý định mua sắm, được kế thừa từ các nghiên cứu trước và hiệu chỉnh cho bối cảnh Việt Nam; các mục hỏi đo bằng thang đo Likert 5 điểm.

Đối tượng khảo sát là người tiêu dùng tại TP. Hồ Chí Minh có kinh nghiệm mua sắm trực tuyến. Chọn mẫu thuận tiện, dữ liệu thu thập thông qua khảo sát trực tuyến, thu được 238 quan sát hợp lệ. Dữ liệu được phân tích bằng SmartPLS 4.0 gồm đánh giá mô hình đo lường (độ tin cậy, giá trị hội tụ, giá trị phân biệt) và mô hình cấu trúc để kiểm định các giả thuyết (Bài viết sử dụng cách viết số thập phân theo chuẩn quốc tế).

KẾT QUẢ NGHIÊN CỨU

Đánh giá mô hình đo lường

Bảng 1: Hệ số tải, giá trị hội tụ, độ tin cậy tổng hợp và Cronbach’s Alpha

Nguồn: Phân tích từ dữ liệu nghiên cứu

Mô hình đo lường được xem xét nhằm kiểm định độ tin cậy của thang đo, cùng với đó là giá trị hội tụ và giá trị phân biệt. Kết quả từ Bảng 1 cho thấy, Cronbach’s Alpha đều ≥ 0.70; độ tin cậy tổng hợp (CR) ≥ 0.80, cho thấy các nhân tố đáng tin cậy. Giá trị hội tụ cũng được đảm bảo với hệ số tải ngoài của các biến quan sát đều > 0.70; AVE của các nhân tố đều vượt ngưỡng tối thiểu 0.50. Giá trị phân biệt đạt theo tiêu chí Fornell–Larcker (Bảng 2). Kết quả phân tích cho thấy mô hình đo lường đáp ứng tốt các yêu cầu về độ tin cậy và tính hợp lệ.

Bảng 2: Giá trị phân biệt

Nguồn: Phân tích từ dữ liệu nghiên cứu

Đánh giá mô hình cấu trúc

Bảng 3: Kết quả kiểm tra mô hình cấu trúc và giả thuyết

Nguồn: Phân tích từ dữ liệu nghiên cứu

Kết quả kiểm tra mô hình cấu trúc (Bảng 3) cho thấy, cả 5 giả thuyết đều được chấp nhận. Cụ thể, Chất lượng, Nguồn đánh giá và Tính liên quan của đánh giá đều tác động lên Sự hữu ích, trong đó, tác động mạnh nhất là Nguồn đánh giá (β = 0.387; p

R-square lần lượt 0.532; 0.506; 0.432, cho thấy mô hình có sức giải thích ở mức trung bình; giải thích được 53.2% biến thiên của Sự hữu ích, 50.6% của Niềm tin và 43.2% của Ý định mua.

KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

Kết luận

Kết quả nghiên cứu cho thấy, 3 đặc tính của Đánh giá trực tuyến (Chất lượng, Tính liên quan, Nguồn đánh giá) đều làm tăng Sự hữu ích của đánh giá, trong đó, Nguồn đánh giá tác động mạnh nhất đến Sự hữu ích của đánh giá. Sự hữu ích của đánh giá tác động rất mạnh đến Niềm tin của khách hàng, từ đó, Niềm tin tiếp tục thúc đẩy Ý định mua sắm.

Hàm ý quản trị

Sự hữu ích của đánh giá: Tăng số lượng và chất lượng thông tin hữu ích trong đánh giá bằng cách khuyến khích khách hàng sau mua để lại nhận xét bằng ưu đãi/điểm thưởng, đồng thời lọc bỏ đánh giá sai lệch, xúc phạm để bảo toàn độ tin cậy của hệ thống

Niềm tin của khách hàng: Để hình thành niềm tin, cần tương tác và phản hồi tích cực trên kênh đánh giá (cảm ơn, giải đáp, xử lý đổi–trả), đồng thời nhấn mạnh độ tin cậy, chính xác của đánh giá do người dùng thực chia sẻ. Những thực hành này vừa giảm rủi ro cảm nhận vừa tạo cơ sở cho hành vi mua lặp lại

Nguồn đánh giá: Tăng độ uy tín của nguồn bằng cách hợp tác KOL/Influencer/chuyên gia để dùng thử và đưa ra nhận xét độc lập, khách quan; người tiêu dùng có xu hướng tin và mua nhiều hơn khi đánh giá đến từ nguồn có chuyên môn, uy tín.

Tính liên quan: Làm nổi bật các đánh giá phù hợp với nhu cầu/bối cảnh của từng nhóm khách hàng (ví dụ gắn thẻ nhu cầu, hoàn cảnh sử dụng, gần thời gian), vì người đọc tin và mua nhiều hơn khi cảm thấy đánh giá “giống mình”. Đồng thời, tăng tương tác để đưa các đánh giá liên quan lên vị trí dễ thấy.

Chất lượng đánh giá: Khuyến khích nội dung rõ ràng, đầy đủ, dễ hiểu, thể hiện trải nghiệm cụ thể; đây là yếu tố làm hài lòng và kích thích ý định mua. Doanh nghiệp có thể chuẩn hoá mẫu đánh giá (gợi ý tiêu chí: hoàn cảnh dùng, ưu - nhược điểm, hình ảnh minh hoạ)./.

Tài liệu tham khảo:

1. Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211

2. Baek, H., Ahn, J., & Choi, Y. (2012). Helpfulness of online consumer reviews: Readers' objectives and review cues. International journal of Electronic Commerce, 17(2), 99-126.

3. Borchers, N. S. (2023). Why do we trust in online reviews? integrative literature review and future research directions. Cyberpsychology: Journal of Psychosocial Research on Cyberspace, 17(2).

4. Cao, C., Yan, J., & Li, M. (2018, October). The Influence Factors of Online Review Quality and Their Mechanism on Trust Intention. In 2018 IEEE 15th International Conference on e-Business Engineering (ICEBE) (pp. 147-152). IEEE.

5. Chen, C. W. D., & Cheng, C. Y. J. (2009). Understanding consumer intention in online shopping: a respecification and validation of the DeLone and McLean model. Behaviour & Information Technology, 28(4), 335-345.

6. Chính, P. Đ., & Dung, N. T. (2020). Tác động của truyền miệng điện tử đến ý định mua hàng: Khảo sát thực tế tại Thành phố Hồ Chí Minh. Tạp chí Quản lý & Kinh tế Quốc tế, số 125.

7. Dou, X., Walden, J. A., Lee, S., & Lee, J. Y. (2012). Does source matter? Examining source effects in online product reviews. Computers in Human Behavior, 28(5), 1555-1563.

8. Erkan, I., & Evans, C. (2018). Social media or shopping websites? The influence of eWOM on consumers’ online purchase intentions. Journal of Marketing Communications, 24(6), 617–632.

9. Eroglu, S., Machleit, K., & Davis, L. (2003). Empirical Testing of a Model of Online Store Atmospherics and Shopper Responses. Psychology and Marketing, 20, 139–150.

10. Hovland, C. I., & Weiss, W. (1951). The Influence of Source Credibility on Communication Effectiveness. Public Opinion Quarterly, 15(4), 635–650.

11. Li, Q., Cui, J., & Gao, Y. (2015, January). The influence of social capital in an online community on online review quality in China. In 2015 48th Hawaii International Conference on System Sciences (pp. 562-570). IEEE.

12. Li, M., Huang, L., Tan, C. H., & Wei, K. K. (2013). Helpfulness of online product reviews as seen by consumers: Source and content features. International Journal of Electronic Commerce, 17(4), 101-136.

13. Mehrabian, A., & Russell, J. A. (1974). An approach to environmental psychology. MIT Press

14. Mudambi, S., & Schuff, D. (2010). What Makes a Helpful Online Review? A Study of Customer Reviews on Amazon.com. MIS Quarterly, 34, 185–200.

15. Mumuni, A. G., O’Reilly, K., MacMillan, A., Cowley, S., & Kelley, B. (2020). Online product review impact: the relative effects of review credibility and review relevance. Journal of Internet Commerce, 19(2), 153-191.

16. Narciso, M. (2019). The regulation of online reviews in European consumer law. European Review of Private Law, 27(3), 557–581.

17. Ngọc, N. T. H. (2017). Ảnh hưởng của đánh giá trực tuyến đến quyết định lựa chọn khách sạn của khách du lịch khi đến Huế. Hue University Journal of Science: Economics and Development, 126(5D), 41-51.

18. Suman, E. F., & Kurniawati, K. (2024). How do trust, customer review and product risk affect customer engagement in influencing purchase intention in e-commerce transactions?. Jurnal Maksipreneur: Manajemen, Koperasi, dan Entrepreneurship, 14(1), 201-218.

19. Thịnh, M. H. (2023). Xu hướng hành vi mua hàng trực tuyến của người tiêu dùng Việt Nam. Tạp chí Công thương, số 8.

20. Wang, J. Z., Yan, Z., Yang, L. T., & Huang, B. X. (2015). An approach to rank reviews by fusing and mining opinions based on review pertinence. Information fusion, 23, 3-15.

21. Wijoseno, J. W. R., & Ariyanti, M. (2017). Perceived factors influencing consumer trust and its impact on online purchase intention in Indonesia. International Journal of Science and Research, 6(8), 961–968.

22. Willemsen, L. M., Neijens, P. C., Bronner, F., & de Ridder, J. A. (2011). “Highly Recommended!” The Content Characteristics and Perceived Usefulness of Online Consumer Reviews. Journal of Computer-Mediated Communication, 17(1), 19–38.

23. Zhang, K. Z. K., Zhao, S. J., Cheung, C. M. K., & Lee, M. K. O. (2014). Examining the influence of online reviews on consumers’ decision-making: A heuristic–systematic model. Decision Support Systems, 67, 78–89.