intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE
 » 
 » 

Giá trị cảm nhận của du khách tại khu vực đồng bằng sông Cửu Long về E-Tourism

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:16

Thêm vào BST
Báo xấu
6
lượt xem 1
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nghiên cứu này được thực hiện bằng mô hình PLS-SEM, xác định có 5 yếu tố tác động đến giá trị cảm nhận của du khách tại khu vực đồng bằng sông Cửu Long về E-Tourism gồm có yếu tố tiện lợi, bảo mật, thông tin, tương tác và cá nhân hóa và xác định thứ tự yếu tố quan trọng ảnh hưởng đến giá trị cảm nhận.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Giá trị cảm nhận của du khách tại khu vực đồng bằng sông Cửu Long về E-Tourism

  1. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 GIÁ TRỊ CẢM NHẬN CỦA DU KHÁCH TẠI KHU VỰC ĐỒNG BẰNG SÔNG CỬU LONG VỀ E-TOURISM Nguyễn Lý Kiều Chinh Đại học Kinh tế TP. Hồ Chí Minh-Phân hiệu Vĩnh Long Email: chinhnlk@ueh.edu.vn Tóm tắt: Trong thời đại công nghệ số hiện nay, việc sử dụng các phương tiện truyền thông xã hội để quảng bá sản phẩm và dịch vụ đã trở thành một xu hướng không thể thiếu trong kinh doanh. E-Tourism là việc triển khai các hoạt động du lịch trên nền tảng Internet, bằng cách tạo ra các nội dung hấp dẫn, chia sẻ thông tin và tương tác với khách hàng đã mang lại nhiều lợi ích cho khách hàng bởi sự tiện lợi trong việc tiếp cận các dịch vụ du lịch, đồng thời giúp các doanh nghiệp thể hiện được mình trên thị trường, thu hút được lượng khách hàng tiềm năng lớn. Nghiên cứu này được thực hiện bằng mô hình PLS-SEM, xác định có 5 yếu tố tác động đến giá trị cảm nhận của du khách tại khu vực đồng bằng sông Cửu Long về E-Tourism gồm có yếu tố tiện lợi, bảo mật, thông tin, tương tác và cá nhân hóa và xác định thứ tự yếu tố quan trọng ảnh hưởng đến giá trị cảm nhận. Ngoài ra, sử dụng phương pháp phân tích ANN đã khẳng định lại kết quả phân tích PLS-SEM. Với kết quả nghiên cứu này giúp cho các doanh nghiệp có giải pháp nhằm cải thiện hơn nữa các yếu tố tác động để làm gia tăng giá trị cảm nhận của du khách về E-Tourism, điều đó có ảnh hưởng lớn nhất đến dự định quay lại cũng như là sự hài lòng của du khách. Từ khóa: ANN, E-Tourism, PLS-SEM. 1. Giới thiệu E-Tourism là một thuật ngữ được sử dụng để chỉ các hoạt động du lịch và dịch vụ liên quan được thực hiện thông qua công nghệ thông tin và truyền thông. E-Tourism bao gồm việc sử dụng các nền tảng trực tuyến như website, ứng dụng di động, mạng xã hội và email để tìm kiếm thông tin du lịch, đặt chỗ, đặt vé, tương tác với nhà cung cấp dịch vụ du lịch và chia sẻ kinh nghiệm du lịch. E-Tourism đã thay đổi cách mà du khách tìm kiếm thông tin, lập kế hoạch và trải nghiệm du lịch. E-Tourism cũng đóng vai trò quan trọng trong việc phát triển ngành du lịch và thúc đẩy sự phát triển kinh tế. Nó giúp các doanh nghiệp du lịch tiếp cận được đến một lượng khách hàng rộng lớn, tăng cường quảng bá và tiếp thị dịch vụ của mình. Đồng thời, E-Tourism cũng tạo ra cơ hội cho việc phát triển các dịch vụ mới và sáng tạo trong ngành du lịch. Đẩy nhanh thực hiện chuyển đổi số, thúc đẩy khởi nghiệp, đổi mới sáng tạo trong lĩnh vực du lịch là một trong những nhiệm vụ, giải pháp chủ yếu đẩy nhanh phục hồi, tăng tốc phát triển du lịch hiệu quả, bền vững (Nghị quyết số 82/NQ-CP Ngày 18/5/2023 của Chính phủ). Theo báo cáo của Hiệp hội Du lịch Đồng bằng Sông Cửu Long (ĐBSCL), trong 06 tháng đầu năm 2023, khu vực ĐBSCL đã ghi nhận một sự tăng trưởng đáng kể trong ngành du lịch. Tổng số lượt khách đến thăm vùng này đã đạt 26.908.675 lượt, tăng 33,46% so với cùng kỳ năm 2022. Trong đó, số lượng khách quốc tế tăng mạnh nhất, đạt 955.463 lượt, tăng 636% so với cùng kỳ năm 2022. Tổng doanh thu từ ngành du lịch ở vùng ĐBSCL được ước tính vượt qua con số 26.215 tỷ đồng, tăng 77,99% so với cùng kỳ năm 2022 (Huỳnh Biển, 384
  2. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 2023). ĐBSCL là một trong những khu vực du lịch phát triển nhanh chóng tại Việt Nam. Tuy nhiên, du lịch Đồng Bằng Sông Cửu Long vẫn chưa được đánh giá cao và một trong những vấn đề được xác định là truyền thông tiếp thị và quảng bá chưa được tối ưu. Dựa trên điều này, các chuyên gia đã phân tích và đưa ra các giải pháp, ứng dụng, và định hướng xây dựng chiến lược phù hợp, nền tảng công nghệ để khai thác tiềm năng, phù hợp với thị trường; cải thiện cơ sở dữ liệu du lịch, xây dựng Trung tâm điều hành du lịch thông minh, nâng cao năng lực của đội ngũ nhân lực trong quá trình chuyển đổi số, và tăng cường các hoạt động trải nghiệm cho du khách (CM, 2023). Từ đó, cho thấy E-Tourism đã trở thành một phần quan trọng trong ngành du lịch của khu vực này. Sử dụng dịch vụ E-Tourism mang lại nhiều tiện lợi cho du khách, từ việc tiết kiệm thời gian và công sức, truy cập thông tin chi tiết, tương tác và giao tiếp, đến trải nghiệm cá nhân hóa. Các công trình nghiên cứu đã chứng minh rằng các yếu tố này đóng vai trò quan trọng trong việc tạo ra giá trị cảm nhận cho du khách khi sử dụng dịch vụ E-Tourism. Sử dụng dịch vụ E-Tourism giúp du khách tiết kiệm thời gian và công sức trong việc tìm hiểu thông tin về điểm đến, đặt vé, đặt phòng và lập kế hoạch du lịch. Tính tiện lợi của E-Tourism là một yếu tố quan trọng trong việc tạo ra giá trị cảm nhận cho du khách (Xiang và cộng sự, 2017). E-Tourism cung cấp cho du khách thông tin chi tiết về các điểm đến, khách sạn, nhà hàng, hoạt động giải trí và các dịch vụ du lịch khác. Điều này giúp du khách có cái nhìn tổng quan và lựa chọn phù hợp với nhu cầu của mình. Nghiên cứu của Buhalis và cộng sự (2008) đã chỉ ra rằng thông tin chi tiết là một yếu tố quan trọng trong việc tạo ra giá trị cảm nhận cho du khách. Dịch vụ E-Tourism cho phép du khách tương tác và giao tiếp trực tiếp với các nhà cung cấp dịch vụ du lịch, như đặt phòng, đặt vé hoặc hỏi đáp thông qua các kênh trực tuyến. Điều này tạo ra sự thuận tiện và tăng cường trải nghiệm cá nhân cho du khách. Nghiên cứu của Gretzel và cộng sự (2008) đã chỉ ra rằng tương tác cá nhân là một yếu tố quan trọng trong việc tạo ra giá trị cảm nhận cho du khách. Dịch vụ E-Tourism cho phép du khách tùy chỉnh và cá nhân hóa trải nghiệm du lịch của mình. Du khách có thể lựa chọn các hoạt động, điểm đến và dịch vụ theo sở thích và nhu cầu riêng của mình. Nghiên cứu của Wang và cộng sự (2016) đã chỉ ra rằng trải nghiệm cá nhân là một yếu tố quan trọng trong việc tạo ra giá trị cảm nhận cho du khách. Theo tìm hiểu của tác giả, có một số nghiên cứu về giá trị cảm nhận của du khách đối với các điểm du lịch tại Việt Nam như Quảng Bình (Phan và Hồ, 2019), Phú Yên (Lê và Huỳnh, 2023),… và được phân tích bằng phương pháp phân tích nhân tố khám phá (EFA) nhưng chưa có nghiên cứu nào về giá trị cảm nhận của du khách tại khu vực ĐBSCL về E-Tourism và được phân tích bằng mô hình phương trình cấu trúc bình phương tối thiểu riêng phần (Partial least squares structural equation modeling-PLS-SEM) kết hợp mô hình mạng nơ-ron nhân tạo (Artificial Neural Network-ANN). Để đảm bảo sự phát triển bền vững và nâng cao trải nghiệm du lịch cho du khách, việc nghiên cứu về giá trị cảm nhận của du khách tại khu vực ĐBSCL về E-Tourism là cần thiết. Bài viết này được thực hiện với mục tiêu xác định các yếu tố tác động đến giá trị cảm nhận và biết được yếu tố quan trọng ảnh hưởng đến giá trị cảm nhận của du khách tại khu vực ĐBSCL, từ đó đưa ra các hàm ý quản trị giúp các doanh nghiệp du lịch và nhà quản lý hiểu rõ hơn về những yếu tố quan trọng mà du khách đánh giá cao và mong đợi từ nền tảng E-Tourism. Điều này sẽ hỗ trợ trong việc cải thiện dịch vụ, tăng cường trải nghiệm du lịch và thu hút du khách đến khu vực ĐBSCL. 385
  3. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 2. Tổng quan nghiên cứu lý thuyết Theo Zeithaml (1988), giá trị cảm nhận là sự đánh giá tổng thể của người tiêu dùng về tiện ích của sản phẩm hoặc dịch vụ dựa trên nhận thức của họ về những gì nhận được và những gì phải trả. Nếu khách hàng cảm nhận rằng chất lượng dịch vụ vượt trội so với chi phí sử dụng, giá trị cảm nhận của họ sẽ cao hơn, điều này dẫn đến sự hài lòng cao hơn (Kuo và cộng sự, 2009). Ngoài ra, theo Woodruff (1997), giá trị cảm nhận của khách hàng là sự yêu thích, cảm nhận và đánh giá của khách hàng về các đặc tính của sản phẩm, cách thể hiện của các đặc tính đó và kết quả mà khách hàng đạt được từ việc sử dụng sản phẩm để đạt được mục tiêu và ý định của mình một cách dễ dàng hoặc không gây trở ngại. Trong lĩnh vực du lịch, giá trị cảm nhận đóng vai trò quan trọng trong việc tạo ra sự hài lòng, đáp ứng nhu cầu của du khách và tạo ra sự trung thành của khách hàng. Buhalis và cộng sự (2008) đề xuất khái niệm hóa các thuộc tính công nghệ du lịch thông minh bao gồm các yếu tố chính, đó là thông tin, khả năng truy cập, tính tương tác, cá nhân hóa và bảo mật. Nghiên cứu của Wang và cộng sự (2016), Xiang và cộng sự (2017) đã tìm hiểu về giá trị cảm nhận của du khách đối với E-Tourism trong ngành du lịch Trung Quốc. Nghiên cứu này đã chỉ ra rằng tính tiện lợi, tương tác và trải nghiệm cá nhân đóng vai trò quan trọng trong việc tạo ra giá trị cảm nhận cho du khách. Nghiên cứu của Wang và cộng sự (2020) đã phân tích tác động của E-Tourism đến quyết định mua sắm của du khách. Nghiên cứu này cho thấy rằng du khách đánh giá cao khả năng tìm kiếm và so sánh giá trên nền tảng này, giúp họ đưa ra quyết định mua sắm thông minh và tiết kiệm chi phí. Nghiên cứu của Kim và cộng sự (2018) đã tìm hiểu về tác động của E-Tourism đến trải nghiệm du lịch cá nhân hóa. Nghiên cứu này cho thấy rằng du khách đánh giá cao khả năng tùy chỉnh và cá nhân hóa trên nền tảng này, giúp họ có được một trải nghiệm du lịch độc đáo và phù hợp với mong muốn của mình. Nghiên cứu của Park và cộng sự (2017) đã tìm hiểu về nhận thức và hành vi của du khách liên quan đến tính bảo mật trong E-Tourism. Nghiên cứu này chỉ ra rằng du khách có ý thức về tính bảo mật và có xu hướng thực hiện các biện pháp bảo mật cá nhân, như sử dụng mật khẩu mạnh và không chia sẻ thông tin cá nhân với người khác. Nghiên cứu của Wang và cộng sự (2019) đã tìm hiểu về nhận thức của du khách về tính bảo mật trong E-Tourism. Nghiên cứu này chỉ ra rằng du khách đánh giá cao tính bảo mật của nền tảng và quan tâm đến việc bảo vệ thông tin cá nhân và tài khoản của họ. Điều này đặt ra một thách thức cho các nhà cung cấp dịch vụ du lịch để đảm bảo tính bảo mật trong E-Tourism. Nghiên cứu của Phan và Hồ (2019) cho thấy chất lượng cảm nhận, giá cả hành vi, giá cả tiền tệ và phản ứng cảm xúc đều có tác động đến giá trị cảm nhận của du khách đối với dịch vụ du lịch hang động tại Vườn Quốc gia Phong Nha - Kẻ Bàng, tỉnh Quảng Bình. Nghiên cứu của Lê và Huỳnh (2023) cho thấy có 5 yếu tố tác động đến giá trị cảm nhận của du khách đối với du lịch tại tỉnh Phú Yên là chất lượng cảm nhận, danh tiếng, phản ứng cảm xúc, giá cả, giá trị xã hội. Ngoài ra, tính hữu ích và nhận thức về tính dễ sử dụng đều tác động đáng kể và trực tiếp đến ý định sử dụng dịch vụ E-Tourism (Le và Nguyen, 2019). E-Tourism của Việt Nam có thể làm hài lòng khách du lịch và so sánh với các nước khác ở khu vực Đông Nam Á, nghiên cứu đã xác định các yếu tố gồm có sự thuận tiện, thiết kế địa điểm, cơ sở vật chất, chất lượng dịch vụ và an ninh mạng (Nguyen và Phan, 2020). Các nghiên cứu trên đã khẳng định giá trị cảm nhận tích cực của du khách về E-Tourism. Tính tương tác, thông tin chi tiết, cá nhân hóa, tiết kiệm chi phí, tính tiện lợi, tính bảo mật là những yếu tố quan trọng đã đóng góp vào sự hài lòng và trải nghiệm du lịch tốt hơn cho du khách 386
  4. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 trên nền tảng này. Ngoài ra, các nghiên cứu trong nước đã tìm hiểu về các yếu tố ảnh hưởng đến ý định, sự hài lòng, giá trị cảm nhận của du khách về E-Tourism tại Việt Nam. Các nghiên cứu này đã đóng góp vào việc hiểu rõ hơn về giá trị cảm nhận của E-Tourism trong ngữ cảnh du lịch trong nước. Từ những nghiên cứu trước đây tác giả nhận thấy có 5 yếu tố tác động đến giá trị cảm nhận của du khách về E-Tourism gồm có yếu tố tiện lợi (Buhalis và cộng sự, 2008; Wang và cộng sự, 2016; Xiang và cộng sự, 2017; Nguyen và Phan, 2020), bảo mật (Park và cộng sự, 2017; Wang và cộng sự, 2019, Nguyen và Phan, 2020 ), thông tin (Buhalis và cộng sự, 2008), tương tác (Buhalis và cộng sự, 2008; Wang và cộng sự, 2016; Xiang và cộng sự, 2017; Gretzel và cộng sự, 2008) và cá nhân hóa (Wang và cộng sự, 2016; Xiang và cộng sự, 2017; Kim và cộng sự, 2018; Gretzel và cộng sự, 2008). Mô hình nghiên cứu đề xuất được thể hiện qua Hình 1. Hình 1. Mô hình nghiên cứu đề xuất (Nguồn: Tác giả đề xuất) Giả thuyết H1: Yếu tố tiện lợi có tác động tích cực đến giá trị cảm nhận. Giả thuyết H2: Yếu tố thông tin có tác động tích cực đến giá trị cảm nhận. Giả thuyết H3: Yếu tố tương tác có tác động tích cực đến giá trị cảm nhận. Giả thuyết H4: Yếu tố cá nhân hóa có tác động tích cực đến giá trị cảm nhận. Giả thuyết H5: Yếu tố bảo mật có tác động tích cực đến giá trị cảm nhận. 3. Phương pháp nghiên cứu Nghiên cứu được thực hiện ở đối tượng là du khách tại khu vực ĐBSCL, cỡ mẫu được xác định từ 100 đến 200 là tốt để thực hiện mô hình hóa đường dẫn (Hoyle, 1995), hoặc theo Cohen (1992) số lượng biến độc lập trong mô hình đo lường và mô hình cấu trúc là 5 sẽ cần 169 quan sát để đạt được độ nhạy thống kê 80% cho việc phát hiện giá trị R2 nhỏ nhất 0,1 với xác suất sai số 1%. Ngoài ra, đối với phân tích ANN, kích thước mẫu tối thiểu không ít hơn 50 lần số lượng các tham số trong mạng nơron (Alwosheel và cộng sự, 2018). Do đó, để đảm bảo đủ tin cậy cao nên chọn cỡ mẫu ít nhất là 200. 387
  5. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Mẫu được chọn bằng phương pháp chọn mẫu cụm (mỗi cụm là 1 tỉnh, thành phố thuộc Khu vực ĐBSCL). Bảng câu hỏi trực tuyến với thang đo Likert 5 bậc, được tạo trên Google form được gửi đến Zalo, Facebook để mời đối tượng nghiên cứu tham gia cung cấp dữ liệu. Thời gian tiến hành thu thập dữ liệu sơ cấp vào tháng 6/2023, dữ liệu được sàng lọc, phân tích. Nghiên cứu này kết hợp mô hình PLS-SEM trong việc khám khá các yếu tố tác động đến giá trị cảm nhận của du khách tại khu vực ĐBSCL về E-Tourism và mức độ tác động của từng yếu tố cùng với mô hình ANN trong việc tăng giá trị cảm nhận. Đầu tiên mô hình PLS-SEM được sử dụng để đánh giá độ phù hợp của mô hình đo lường, đánh giá độ phù hợp của mô hình cấu trúc bằng phần mềm SmartPLS 4.0.9.2. Sau đó, sử dụng kết quả của PLS-SEM làm đầu vào cho phân tích ANN để xác định khả năng dự đoán và tầm quan trọng tương đối của các yếu tố ảnh hưởng bằng phần mềm SPSS 25 nhằm khẳng định kết quả phân tích PLS-SEM. 4. Dữ liệu và kết quả nghiên cứu 4.1 Dữ liệu Dữ liệu được thu thập từ 255 du khách tại khu vực ĐBSCL được sàng lọc, kiểm tra tính xác thực, kết quả còn 252 mẫu đạt yêu cầu. Kết quả được trình bày trong Bảng 1 Bảng 1. Thống kê mô tả của mẫu khảo sát Nhân khẩu học Tần số Tần suất (%) Giới tính Nam 180 71,43 Nữ 72 28,57 Độ tuổi Dưới 20 tuổi 10 3,97 Từ 20 đến dưới 30 tuổi 131 51,98 Từ 30 đến dưới 40 tuổi 77 30,56 Từ 40 đến dưới 50 tuổi 29 11,51 Từ 50 tuổi trở lên 5 1,98 Nghề nghiệp Học sinh, sinh viên 84 33,33 Viên chức, giáo viên, giảng viên, bác sĩ, 163 64,68 nhân viên Nội trợ, nghỉ hưu,.. 5 1,98 Thu nhập bình quân tháng Dưới 5 triệu đồng 90 35,71 Từ 5 đến dưới 10 triệu đồng 75 29,76 Từ 10 đến dưới 15 triệu đồng 52 20,63 388
  6. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Nhân khẩu học Tần số Tần suất (%) Từ 15 triệu đồng trở lên 35 13,89 Tổng 252 100 (Nguồn: Tác giả tính toán) Kết quả cho thấy những người trẻ tuổi quan tâm nhiều hơn đến việc mua các dịch vụ hoặc sản phẩm trực tuyến và đa số của những người được hỏi đã có nghề nghiệp ổn định. Về mức độ sử dụng dịch vụ du lịch trực tuyến 106 người hiếm khi sử dụng; 93 người thỉnh thoảng sử dụng; 53 người thường xuyên. Khi hỏi về mục đích sử dụng dịch vụ trực tuyến chủ yếu đa số là mục đích giải trí, thư giãn, nghỉ dưỡng (trên 90%) và chủ yếu sử dụng dịch vụ đặt tour trọn gói. 4.2 Kết quả nghiên cứu 4.2.1 Đánh giá độ phù hợp của mô hình đo lường Kết quả bảng 2 cho thấy hệ số tải ngoài các biến quan sát đều lớn hơn 0,7, do đó các biến quan sát đều có ý nghĩa trong mô hình (Hair và cộng sự, 2017); hệ số Cronbach's Alpha lớn hơn 0,7 và độ tin cậy tổng hợp (Composite Reliability-CR) lớn hơn 0,7 cho thấy thang đo các biến tiềm ẩn đảm bảo độ tin cậy rất tốt (Henseler và Sarstedt, 2013); phương sai trích trung bình (Average Variance Extracted-AVE) đạt từ 0,5 trở lên nên thang đo của các biến tiềm ẩn đều đảm bảo giá trị hội tụ (Höck và Ringle, 2010). Bảng 2. Kết quả phân tích độ tin cậy, giá trị của thang đo Hệ số tải Cronbach's Mã biến Yếu tố CR (AVE) ngoài alpha con Tiện lợi 0,876 0,876(0,801) Giúp tiết kiệm thời gian và công 0,899 con1 sức trong việc tìm kiếm, đặt và quản lý các hoạt động du lịch. Sự dễ dàng và thân thiện khi sử 0,891 con2 dụng dịch vụ du lịch trực tuyến. Truy cập vào dịch vụ du lịch trực 0,894 con3 tuyến bất kỳ lúc nào và ở bất kỳ đâu, chỉ cần có kết nối internet. sec Bảo mật 0,896 0,913(0,827) Tôn trọng quyền riêng tư và sự 0,925 sec1 an toàn cho các giao dịch Cung cấp chính sách bảo mật rõ 0,925 sec2 ràng và dễ hiểu. Thanh toán an toàn khi mua dịch 0,878 sec3 vụ qua các trang web hoặc trực 389
  7. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Hệ số tải Cronbach's Mã biến Yếu tố CR (AVE) ngoài alpha tuyến. inf Thông tin 0,877 0,878(0,802) Các loại dịch vụ du lịch (vé máy bay, khách sạn, thuê xe, tour du inf1 0,9 lịch trọn gói, v.v.) được cung cấp đầy đủ, chi tiết trên internet. Xem và đánh giá các đánh giá và inf2 nhận xét từ những người đã sử 0,906 dụng dịch vụ trước đó Hoàn thành chuyến đi của mình inf3 với thông tin chi tiết và đáng tin 0,881 cậy int Tương tác 0,847 0,849(0,767) Tương tác với hệ thống bằng cách chọn điểm đến, lịch trình và int1 0,909 các hoạt động phù hợp với sở thích. Tương tác với hệ thống bằng cách chọn ngày nhận phòng, loại 0,886 int2 phòng và tiện nghi khác theo sở thích. Hình thức trực quan và sự hấp int3 dẫn của trang web khiến tôi 0,829 tương tác dễ dàng. per Cá nhân hóa 0,769 0,785(0,683) Cung cấp gợi ý và khuyến nghị per1 dựa trên sở thích và lịch sử du 0,833 lịch của du khách. Được gợi ý và thông tin cá nhân hóa về các sự kiện và hoạt động per2 0,774 du lịch đang diễn ra trong khu vực du khách quan tâm. Được hỗ trợ và giải đáp câu hỏi cá nhân thông qua các công cụ per3 0,87 trò chuyện trực tiếp hoặc hỗ trợ khách hàng. 390
  8. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Hệ số tải Cronbach's Mã biến Yếu tố CR (AVE) ngoài alpha val Giá trị cảm nhận 0,847 0,847(0,766) Được sự hỗ trợ và chăm sóc từ dịch vụ du lịch trực tuyến thông val1 qua các kênh hỗ trợ khách hàng 0,884 và dịch vụ chăm sóc sau bán hàng. Mang đến trải nghiệm du lịch toàn diện với thông tin chi tiết, val2 0,873 hình ảnh và đánh giá về các địa điểm và hoạt động du lịch. Cảm nhận được giá trị đích thực khi sử dụng dịch vụ du lịch trực val3 tuyến thông qua trải nghiệm du 0,868 lịch tốt hơn, tiết kiệm chi phí và sự hài lòng về dịch vụ. (Nguồn: Tác giả tính toán) Tiến hành đánh giá mức độ chính xác về sự phân biệt theo cách tiếp cận hiện đại của Henseler và cộng sự (2013) giới thiệu, dựa vào kết quả chỉ số Heterotrait-Monotrait Ratio (HTMT) ở Bảng 3 cho kết quả nhỏ hơn 1 cho thấy tính phân biệt giữa các biến được đảm bảo (Garson, 2016). Bảng 3. Hệ số Heterotrait Monotrait Ratio (HTMT) con inf int per sec val con inf 0,887 int 0,901 0,856 per 0,932 0,916 0,959 sec 0,701 0,727 0,792 0,852 val 0,906 0,899 0,914 0,986 0,798 (Nguồn: Tác giả tính toán) Tóm lại, từ kết quả phân tích trên ta kết luận rằng các thang đo sử dụng trong mô hình nghiên cứu đã đạt được độ tin cậy và tính giá trị rất tốt, sử dụng thang đo này để phân tích trong mô hình cấu trúc. 4.2.2 Đánh giá độ phù hợp của mô hình cấu trúc Theo Hair và cộng sự (2017), đa cộng tuyến xảy ra nếu hệ số phóng đại phương sai (VIF) vượt quá 5. Theo Wong (2013) nếu VIF lớn hơn 5 hoặc nhỏ hơn 0,2 thì có các vấn đề đa cộng 391
  9. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 tuyến với các biến tiềm ẩn. Kết quả phân tích cho thấy tất cả các hệ số VIF có giá trị từ 2,307 đến 3,719 cho nên các biến tiềm ẩn không xảy ra hiện tượng đa cộng tuyến. Dùng phương pháp Bootstrapping lặp lại 5.000 lần để đánh giá hệ số đường dẫn của mô hình cấu trúc, kết quả của tất cả các giả thuyết và mối liên hệ trong mô hình đã được hiển thị trong Bảng 4 đều có hệ số hồi quy dương và có ý nghĩa thống kê ở mức ý nghĩa 5%. Kết quả này cũng tương đồng với các kết quả trước đây của Buhalis và cộng sự (2008); Xiang và cộng sự (2017); Kim và cộng sự (2018). Ngoài ra, yếu tố cá nhân hóa có tác động đến giá trị cảm nhận mạnh nhất với hệ số hồi quy là 0,258 và yếu tố bảo mật có tác động đến giá trị cảm nhận là yếu nhất với hệ số hồi quy là 0,136. Bảng 4. Kết quả của mối quan hệ giữa các cấu trúc trong mô hình Giả thuyết Mối quan hệ Original Sample (O) P Values Kết quả H1 con -> val 0,207 0,014 Chấp nhận H2 inf -> val 0,210 0,001 Chấp nhận H3 int -> val 0,163 0,018 Chấp nhận H4 per -> val 0,258 0,000 Chấp nhận H5 sec -> val 0,136 0,012 Chấp nhận (Nguồn: Tác giả tính toán) Kết quả phân tích, R Square = 0,754 > 0,67, cho thấy mô hình được giải thích ở mức mạnh (Höck và Ringle, 2010), tức là mô hình có khả năng dự đoán và giải thích hiệu quả của biến phụ thuộc dựa trên các biến độc lập đã chọn. Đánh giá hệ số tác động f² có giá trị từ 0,03 đến 0,073 cho thấy mức tác động nhỏ (Cohen, 1988). Mặc dù các yếu tố tiện lợi, thông tin, tương tác, cá nhân hóa và bảo mật có tác động tích cực đến giá trị cảm nhận, nhưng mức độ tác động của chúng không đủ lớn để tạo ra sự thay đổi đáng kể trong cảm nhận của khách hàng. Việc hiểu rõ về mức độ tác động yếu cũng giúp doanh nghiệp đưa ra các chiến lược và biện pháp phát triển phù hợp để cải thiện trải nghiệm của khách hàng, tăng cường sự hài lòng và trung thành của họ. Hình 2. Kết quả đánh giá mô hình cấu trúc (Nguồn: Tác giả phân tích từ phần mềm Smart PLS) 4.2.3 Phân tích ANN Trong các bước trên PLS được sử dụng để thiết lập các yếu tố dự báo có ý nghĩa thống kê. Trong bước này, các yếu tố dự báo quan trọng của phân tích đường dẫn PLS-SEM được sử 392
  10. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 dụng làm nơ-ron đầu vào cho mô hình ANN. Do đó, 5 yếu tố gồm có tiện lợi, bảo mật, thông tin, tương tác và cá nhân hóa được đưa vào mô hình ANN. Mô hình ANN được thực hiện bằng cách sử dụng mạng MLP (Multi-layer Perceptron) trên phần mềm SPSS 25 (Hình 3). Nghiên cứu đã sử dụng quy trình xác thực chéo 10 lần trong đó dữ liệu được phân đoạn thành dữ liệu huấn luyện và kiểm tra để tránh vấn đề Overfitting; dữ liệu được chia thành hai phần (80% dành cho đào tạo và 20% dành cho kiểm tra) (Liébana - Cabanillas và cộng sự, 2017). Nghiên cứu này chỉ có một mô hình trong ANN. Các biến độc lập có ý nghĩa được thực hiện như nơ-ron đầu vào gồm có biến tiện lợi, bảo mật, thông tin, tương tác, cá nhân hóa, nơ-ron đầu ra (biến phụ thuộc) trong phân tích ANN là biến giá trị cảm nhận. Để xác thực kết quả ANN, một thước đo độ chính xác bình phương sai số trung bình cơ bản (RMSE) đã được sử dụng của dữ liệu đào tạo và kiểm tra là tương đối nhỏ, lần lượt là 0,363 và 0,298, các giá trị của RMSE thấp hơn 0,5. Độ lệch chuẩn trung bình của dữ liệu đào tạo và kiểm tra là tương đối nhỏ, lần lượt là 0,028 và 0,042 (Bảng 5). Do đó, có thể nói rằng mô hình ANN hoạt động hiệu quả và đưa ra các dự đoán có độ chính xác cao; các ước lượng tham số là đáng tin cậy; tất cả các nhân tố đầu vào đều thích hợp để dự đoán giá trị cảm nhận của du khách (Chong, 2013). Hình 3. Mô hình ANN (Nguồn: Tác giả phân tích từ phần mềm SPSS) Bảng 5. RMSE value Đào tạo Kiểm tra N SSE RMSE N SSE RMSE 208 22,18 0,327 44 3,357 0,276 199 23,795 0,346 53 5,117 0,311 206 22,675 0,332 46 4,219 0,303 203 28,094 0,372 49 4,978 0,319 210 26,514 0,355 42 2,506 0,244 393
  11. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Đào tạo Kiểm tra N SSE RMSE N SSE RMSE 203 25,826 0,357 49 3,724 0,276 219 35,687 0,404 33 2,836 0,293 210 25,879 0,351 42 2,64 0,251 203 27,965 0,371 49 7,54 0,392 202 33,924 0,41 50 4,865 0,312 Mean 0,363 Mean 0,298 Standard deviation 0,028 Standard deviation 0,042 Ghi chú: SSE: Sum square of errors; RMSE: Root mean square of errors; N: sample size (Nguồn: Tác giả tính toán) Phân tích độ nhạy ANN (Rodríguez-Ardura và Meseguer-Artola, 2020), thông qua tầm quan trọng chuẩn hóa của các nhân tố đầu vào ở Bảng 6 cho thấy nhân tố quan trọng nhất trong việc dự đoán giá trị cảm nhận của du khách là yếu tố cá nhân hóa (100%), kế tiếp là yếu tố thông tin (91,71%), yếu tố tiện lợi (86,97%), yếu tố tương tác (68,85%) và cuối cùng là yếu tố bảo mật (68,35%). Bảng 6. Phân tích độ nhạy ANN Independent Variable Importance Network Normalized Importance (%) Tiện lợi Thông tin Tương tác Cá nhân hóa Bảo mật 1 100,0% 56,3% 81,6% 82,6% 73,5% 2 78,7% 74,4% 94,8% 100,0% 39,2% 3 57,6% 81,5% 55,6% 100,0% 45,4% 4 53,8% 88,5% 61,2% 100,0% 57,4% 5 100,0% 90,0% 55,2% 81,5% 79,5% 6 100,0% 72,4% 37,1% 65,6% 58,3% 7 100,0% 50,3% 23,7% 85,3% 40,6% 8 59,8% 83,0% 54,3% 100,0% 87,5% 9 67,8% 100,0% 75,1% 94,4% 40,1% 10 37,5% 100,0% 59,2% 58,9% 72,1% Average Importance 75,5% 79,6% 59,8% 86,8% 59,3% Normalized Importance 86,97% 91,71% 68,85% 100,00% 68,35% (Nguồn: Tác giả tính toán) 394
  12. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 So sánh kết quả phân tích PLS-SEM (hệ số đường dẫn) và phân tích ANN (mức độ quan trọng tương đối chuẩn hóa) ở Bảng 7 cho thấy cả hai cách phân tích cho kết quả như nhau, xếp hạng tầm quan trọng theo mức độ từ cao xuống thấp gồm có yếu tố cá nhân hóa, thông tin, tiện lợi, tương tác, bảo mật. Như vậy, phân tích ANN củng cố kết quả phân tích PLS-SEM, qua đó khẳng định mức độ phù hợp của mô hình nghiên cứu và xác nhận rằng mô hình dự đoán có độ chính xác cao (Rodríguez-Ardura và Meseguer-Artola, 2020). Bảng 7. So sánh kết quả phân tích PLS-SEM và ANN Thứ hạng mức độ Tầm quan Thứ hạng mức Hệ số Các nhân tố quan trọng theo trọng chuẩn độ quan trọng đường dẫn PLS-SEM hóa (%) theo ANN Tiện lợi 0,207 3 86,97 3 Thông tin 0,21 2 91,71 2 Tương tác 0,163 4 68,85 4 Cá nhân hóa 0,258 1 100,00 1 Bảo mật 0,136 5 68,35 5 (Nguồn: Tác giả tính toán) Vì vậy, dựa vào kết quả của phương pháp đa phân tích có thể kết luận rằng mô hình nghiên cứu phù hợp. Cá nhân hóa, thông tin, tiện lợi, tương tác, bảo mật là 5 yếu tố chính ảnh hưởng đến giá trị cảm nhận của du khách về E-Tourism. 5. Kết luận Nghiên cứu giá trị cảm nhận của du khách tại khu vực ĐBSCL về E-Tourism được thực hiện bằng phương pháp nghiên cứu định lượng với cỡ mẫu 252 du khách tại khu vực ĐBSCL có biết về E-Tourism, tiến hành phân tích định lượng bằng mô hình PLS-SEM đã xác định có 5 yếu tố tác động đến giá trị cảm nhận là yếu tố tiện lợi, bảo mật, thông tin, tương tác và cá nhân hóa. Trong đó, xác định thứ tự yếu tố quan trọng ảnh hưởng đến giá trị cảm nhận từ cao xuống thấp gồm có yếu tố cá nhân hóa, thông tin, tiện lợi, tương tác, bảo mật. Ngoài ra, sử dụng phương pháp phân tích ANN đã khẳng định lại kết quả phân tích PLS-SEM. Với kết quả nghiên cứu này giúp cho các doanh nghiệp có giải pháp nhằm cải thiện hơn nữa các yếu tố để làm gia tăng giá trị cảm nhận của du khách về E-Tourism, điều đó có ảnh hưởng lớn nhất đến dự định quay lại cũng như là sự hài lòng của du khách. Do đó, tác giả đề xuất một số giải pháp: Thứ nhất, doanh nghiệp tăng cường yếu tố cá nhân hóa. Kết quả cho thấy yếu tố cá nhân hóa có ảnh hưởng lớn nhất đến giá trị cảm nhận của du khách về E-Tourism. Do đó, các doanh nghiệp du lịch cần tập trung vào việc hiểu rõ nhu cầu, sở thích và mong muốn của từng khách hàng. Họ cần áp dụng các chiến lược cá nhân hóa thông minh để tạo ra trải nghiệm du lịch độc đáo và đáng nhớ. Điều này có thể bao gồm việc tùy chỉnh dịch vụ, cung cấp gợi ý và thông tin cá nhân hóa, tạo ra các gói tour linh hoạt và đa dạng để phù hợp với nhu cầu riêng biệt của từng khách hàng, tạo ra sự hài lòng. Từ đó nâng cao chất lượng dịch vụ và tăng cường cạnh tranh trên thị trường du lịch. Thứ hai, doanh nghiệp cải thiện yếu tố thông tin để đảm bảo rằng thông tin về sản phẩm và dịch vụ của họ được cung cấp một cách đầy đủ, chính xác và dễ tiếp cận để giúp du khách đưa 395
  13. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 ra quyết định thông minh. Điều này đòi hỏi doanh nghiệp phải chú trọng vào việc xây dựng và quản lý hệ thống thông tin hiệu quả, bao gồm cập nhật thông tin sản phẩm, dịch vụ, chính sách, giá cả và các ưu đãi một cách định kỳ và chi tiết. Thứ ba, doanh nghiệp tối ưu hóa yếu tố tiện lợi, đảm bảo rằng các công nghệ và giao diện của họ dễ sử dụng, thuận tiện và linh hoạt để du khách có thể tận hưởng trải nghiệm du lịch một cách dễ dàng và không gặp khó khăn. Điều này đòi hỏi doanh nghiệp phải đầu tư vào việc phát triển và cập nhật các ứng dụng di động, trang web và hệ thống đặt phòng trực tuyến hiện đại và tiện ích. Việc tối ưu hóa giao diện và công nghệ giúp du khách dễ dàng tra cứu thông tin, đặt phòng, mua vé và quản lý dịch vụ một cách nhanh chóng và tiện lợi. Đồng thời, việc cung cấp các tính năng linh hoạt và tùy chỉnh cho phép du khách có thể tuỳ chỉnh trải nghiệm của mình theo nhu cầu và sở thích cá nhân. Thứ tư, doanh nghiệp tăng cường yếu tố tương tác, cần tạo ra các cơ hội tương tác với khách hàng thông qua các kênh trực tuyến và offline, như chatbot, hỗ trợ trực tuyến và chăm sóc khách hàng tận tâm để tạo ra một trải nghiệm tương tác tích cực. Bằng cách tăng cường yếu tố tương tác, các doanh nghiệp du lịch không chỉ tạo ra sự gần gũi và tin tưởng từ phía khách hàng mà còn tạo ra một trải nghiệm du lịch đáng nhớ và tạo nên mối quan hệ lâu dài với khách hàng, từ đó nâng cao chất lượng dịch vụ và tăng cường uy tín của doanh nghiệp trên thị trường. Thứ năm, doanh nghiệp đảm bảo yếu tố bảo mật, cần đảm bảo rằng thông tin cá nhân và giao dịch của khách hàng được bảo mật và an toàn để tạo lòng tin và sự an tâm cho du khách khi sử dụng dịch vụ của họ. Điều này đòi hỏi doanh nghiệp phải thực hiện các biện pháp bảo mật thông tin hiệu quả, bao gồm việc sử dụng các công nghệ mã hóa, cơ chế xác thực và kiểm soát truy cập để đảm bảo rằng dữ liệu của khách hàng được bảo vệ tốt nhất. Khách hàng sẽ cảm thấy yên tâm khi chia sẻ thông tin cá nhân và thực hiện các giao dịch trực tuyến mà không lo lắng về việc thông tin của họ bị đánh cắp hoặc lộ ra ngoài. Điều này giúp tạo ra một môi trường tin cậy và an toàn cho khách hàng, từ đó nâng cao uy tín và hình ảnh của doanh nghiệp trên thị trường du lịch. Mặc dù nghiên cứu về giá trị cảm nhận của du khách về E-Tourism tại khu vực ĐBSCL đã mang lại những kết quả quan trọng, nhưng nó cũng có một số hạn chế. Nghiên cứu chỉ tập trung vào 5 yếu tố đã được xác định trước đó. Tuy nhiên, có thể có những yếu tố khác có thể ảnh hưởng đến giá trị cảm nhận của du khách mà chưa được xem xét trong nghiên cứu này và đối tượng khảo sát chủ yếu là sống ở khu vực ĐBSCL nên sự đa dạng về văn hóa, môi trường và yêu cầu của du khách có thể khác nhau ở các khu vực khác nhau. 396
  14. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 TÀI LIỆU THAM KHẢO: [1]. Alwosheel, Ahmad & van Cranenburgh, Sander & Chorus, Caspar G,(2018), “Is your dataset big enough? Sample size requirements when using artificial neural networks for discrete choice analysis”, Journal of choice modelling, Elsevier, vol. 28(C), pages 167-182. [2]. Buhalis, D. and Law, R. (2008), “Progress in Information Technology and Tourism Management: Twenty Years on and 10 Years after the Internet: The State of Etourism Research”, Tourism Management, 29, 609-623. http://dx.doi.org/10. 1016/j.tourman.2008.01.005. [3]. Chong, A.Y.L. (2013), “Predicting m-Commerce Adoption Determinants: A Neural Network Approach”, Expert Systems with Applications, 40, 523-530. https://doi. org/10.1016/j.eswa.2012.07.068. [4]. CM (2023), Chuyển đổi số du lịch – Động lực phát triển bền vững, truy cập ngày 11/7/2023, từ https://dangcongsan.vn/xa-hoi/chuyen-doi-so-du-lich-dong-luc-phat-trien-ben- vung-641612.html [5]. Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers. [6]. Cohen, J. (1992), “A power primer”, Psychological Bulletin, 112(1), 155– 159. https://doi.org/10.1037/0033-2909.112.1.155. [7]. Garson, GD. (2016), “Partial Least Squares: Regression and Structural Equation Models”, Statistical Associates Publishers, Asheboro. [8]. Gretzel, U. and Yoo, K.H. (2008), “Use and Impact of Online Travel Reviews”, Information and Communication Technologies in Tourism 2008, Springer Vienna, 35-46. http://dx.doi.org/10.1007/978-3-211-77280-5_4 [9]. Hair, Jr. J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2017). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (2nd ed.). Thousand Oaks, CA: Sage Publications. [10]. Henseler, J. and Sarstedt, M. (2013), “Goodness-of-Fit Indices for Partial Least Squares Path Modeling”, Computational Statistics, 28, 565-580. https://doi.org/ 10.1007/s00180-012-0317-1. [11]. Höck, Michael and Ringle, Christian M. (2010), “Local Strategic Networks in the Software Industry: An Empirical Analysis of the Value Continuum”, International Journal of Knowledge Management Studies, Vol. 4, No. 2, pp. 132-151, Available at SSRN: https://ssrn.com/abstract=2383777. [12]. Hoyle, RH. (1995), “The structural equation modeling approach: Basic concepts and fundamental issues. In RH Hoyle (Ed.)”, Structural equation modeling: Concepts, issues, and applications (pp. 1–15). Sage Publications, Inc. [13]. Huỳnh Biển (2023), Đồng bằng sông Cửu Long: du khách quốc tế tăng 636% so với cùng kỳ năm 2022, truy cập ngày 20/7/2023, từ https://baoxaydung.com.vn/dong-bang- song-cuu-long-du-khach-quoc-te-tang-636-so-voi-cung-ky-nam-2022-357623.html [14]. Kim, J., Lee, S., & Park, H. (2018), “The impact of E-Tourism on personalized travel experiences”, Journal of Travel Research, 57(8), 1103-1117. doi:10.1177/ 397
  15. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 0047287517721714. [15]. Kuo, Y. F., Wu, C. M., & Deng, W. J. (2009), “The relationships among service quality, perceived value, customer satisfaction, and post-purchase intention in mobile value- added services”, Computers in Human Behavior, 25,887-896. [16]. Liébana-Cabanillas, F. & Lara-Rubio, J., 2017. “Predictive and explanatory modeling regarding adoption of mobile payment systems”, Technological Forecasting and Social Change, Elsevier, vol. 120(C), pages 32-40. [17]. Lê Thị Kim Anh, Huỳnh Văn Thái (2023), “Giá trị cảm nhận của du khách đối với du lịch tại tỉnh Phú Yên”, Tạp chí Tài chính. [18]. Le Thai Phong, Nguyen Thi Khanh Chi (2019), “Determinants on E-Tourism Service Usage: An Empirical Investigation ofVietnamin Emerging Economies”, the international journal of business & management. doi: 10.24940/theijbm/ 2019/ v7/i8/BM1908- 001. [19]. Nguyen Thi Hieu Han, Phan Thuc Uyen Nhung (2020), “E-tourism Satisfaction of Vietnam: The Comparison with other Countries in the Southeast Asian Region”, Progress in Nonlinear Dynamics and Chaos. DOI: http://dx.doi. org/10.22457/pindac.v8n1a08302. [20]. Park, J., Kim, S., & Lee, C. K. (2017), “Understanding tourists' perceptions and behaviors regarding security in E-Tourism”, Journal of Travel Research, 56(5), 631-645. doi:10.1177/0047287516676071. [21]. Phan Thị Quỳnh Trang, Hồ Thị Hương Lan (2019), “Giá trị cảm nhận của du khách đối với dịch vụ du lịch hang động tại Vườn Quốc gia Phong Nha - Kẻ Bàng, tỉnh Quảng Bình”, Tạp chí Khoa học Trường Đại học Cần Thơ. [22]. Rodríguez-Ardura, I., & Meseguer-Artola, A. (2020), “A PLS-neural network analysis of motivational orientations leading to Facebook engagement and the moderating roles of flow and age”, Frontiers in Psychology, 11(August). doi: 10.3389/fpsyg.2020.01869 [23]. Wong, K.K.K. (2013). Partial Least Squares Structural Equation Modeling. In: Homburg, C., Klarmann, M. and Vomberg, A.E., Eds., Handbook of Market Research, Springer, Cham, 1-47. https://doi.org/10.1007/978-3-319-05542-8_15-2. [24]. Wang, D., Li, X., & Wang, Y. (2016), “The role of personal experience in creating perceived value for tourists”, Journal of Travel Research, 55(5), 541-554. doi: 10.1177/0047287515584191. [25]. Wang, L., Li, X., & Zhang, J. (2019), “Understanding tourists' perceptions of security in E-Tourism”, Journal of Travel Research, 58(3), 462-476. doi:10.1177/ 0047287517747302. [26]. Wang, L., Li, X., & Zhang, J. (2020), “The impact of E-Tourism on tourists' purchasing decisions: A study on the evaluation of search and price comparison capabilities”, Journal of Travel Research, 59(3), 529-544. doi:10.1177/ 0047287519836706. [27]. Woodruff, R.B. (1997), “Customer Value: The Next Source of Competitive Advantage”, Journal of the Academy of Marketing Science, 25, 139-153. http:// dx.doi.org/10.1007/BF02894350. [28]. Xiang, Z., Du, Q., Ma, Y. and Fan, W. (2017), “A Comparative Analysis of Major 398
  16. PHÂN TÍCH ĐỊNH LƯỢNG CÁC VẤN ĐỀ KINH TẾ VÀ XÃ HỘI TRONG MÔI TRƯỜNG SỐ LẦN THỨ 3 Online Review Platforms: Implications of Social Media Analytics in Hospitality and Tourism”, Tourism Management, 58, 51-65. https://doi.org/10.1016/ j.tourman.2016.10.001. [29]. Zeithaml, V.A. (1988), “Consumer Perceptions of Price, Quality, and Value: A Means-End Model and Synthesis of Evidence”, Journal of Marketing, 52, 2-22. http://dx.doi.org/10.2307/1251446. 399
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
2=>2