Nghiên cứu ảnh hưởng của AI Chatbot đến hành vi mua lại của người tiêu dùng trực tuyến

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:10

Thêm vào BST

Báo xấu

40
lượt xem 5
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Trong bối cảnh cạnh tranh hiện nay, khi các công ty bán lẻ trực tuyến đang sử dụng nhiều phương thức khác nhau trong việc thúc đẩy khách hàng tiếp tục mua sản phẩm hoặc sử dụng dịch vụ, thì AI Chatbot trở thành một trong những phương thức tối ưu để tăng niềm tin và trải nghiệm của khách hàng. Bài viết này nghiên cứu tác động của chất lượng thông tin, chất lượng hệ thống và chất lượng dịch vụ của AI Chatbot đến niềm tin và hành vi mua lại của người tiêu dùng trực tuyến.

Chủ đề:

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

Lưu

Nội dung Text: Nghiên cứu ảnh hưởng của AI Chatbot đến hành vi mua lại của người tiêu dùng trực tuyến

Nghiên cứu ảnh hưởng của AI Chatbot đến hành vi mua lại của người tiêu dùng trực tuyến Nguyễn Thị Khánh Chi1, Vũ Hoàng Nam2, Trần Đình Huyên3 Trường Đại học Ngoại thương1,2,3 Ngày nhận: 28/04/2023 Ngày nhận bản sửa: 06/07/2023 Ngày duyệt đăng: 28/08/2023 Tóm tắt: Trong bối cảnh cạnh tranh hiện nay, khi các công ty bán lẻ trực tuyến đang sử dụng nhiều phương thức khác nhau trong việc thúc đẩy khách hàng tiếp tục mua sản phẩm hoặc sử dụng dịch vụ, thì AI Chatbot trở thành một trong những phương thức tối ưu để tăng niềm tin và trải nghiệm của khách hàng. Bài viết này nghiên cứu tác động của chất lượng thông tin, chất lượng hệ thống và chất lượng dịch vụ của AI Chatbot đến niềm tin và hành vi mua lại của người tiêu dùng trực tuyến. Phương pháp định lượng được sử dụng để kiểm tra các mối quan hệ nhân quả. Kết quả cho thấy ba khía cạnh của Chatbot có tác động tích cực đáng kể đến niềm tin của khách hàng. Chất lượng dịch vụ có ảnh hưởng cao nhất đến niềm tin của khách hàng trong khi chất lượng hệ thống có ảnh hưởng thấp hơn. Khi niềm tin của khách hàng tăng lên thì tần suất mua hàng hóa/sử dụng dịch vụ cho những lần tiếp theo của khách hàng cũng cao hơn. Trên cơ sở kết quả nghiên cứu thu được, bài viết đưa ra những đóng góp cụ thể cả về mặt lý luận lẫn thực tiễn. Từ khóa: AI Chatbot, Hành vi mua lại, Bán lẻ trực tuyến, Niềm tin của khách hàng Investigate the effects of AI Chatbot on repurchasing behavior of online consumers Abstract: In the current competitive landscape, when online retail companies are using several different techniques in motivating customers repurchasing products or services, AI Chatbot has become one of the most popular tools to increase customer trust and experience. This study investigates the effects of information quality, system quality, and service quality of AI Chatbot on online consumers’ trust and repurchasing behavior. Quantitative methods are used to examine causal relationships. The results show that three aspects of AI Chatbot have significant positive impact on customer trust. Service quality has the highest influence while system quality has a lower effect. When customer trust increases, the frequency of rebuying products/services is also higher. Therefore, the article makes specific contributions in terms of both theory and practice. Keywords: AI Chatbot, Repurchasing behavior, Online retailing, Customer trust Doi: 10.59276/TCKHDT.2023.12.2539 Nguyen, Thi Khanh Chi1, Vu, Hoang Nam2, Tran, Dinh Huyen3 Email: chintk@ftu.edu.vn1, namvh@ftu.edu.vn2, trandinhhuyen.cs2@ftu.edu.vn3 Organization of all: Foreign Trade University Tạp chí Khoa học & Đào tạo Ngân hàng © Học viện Ngân hàng Số 259- Tháng 12. 2023 48 ISSN 1859 - 011X
NGUYỄN THỊ KHÁNH CHI - VŨ HOÀNG NAM - TRẦN ĐÌNH HUYÊN 1. Đặt vấn đề Việc nghiên cứu chuyên sâu về ứng dụng Chatbot có đóng góp quan trọng bằng cách Hoạt động kinh doanh của các doanh nghiệp khám phá tác động trực tiếp của các tính hiện nay bị ảnh hưởng bởi các vấn đề bên năng AI Chatbot đến hành vi mua lại của ngoài khác nhau bao gồm kinh tế, toàn cầu, người tiêu dùng. Các tính năng này của AI chính trị và công nghệ (Chi, 2021, Vu và Chatbot đóng vai trò quan trọng trong việc Nguyen, 2022, Vu và cộng sự, 2021): một tạo ra chất lượng giao tiếp giữa người bán là nền kinh tế toàn cầu đã bị ảnh hưởng bởi và người mua cũng như chất lượng của sản đại dịch Covid-19 kể từ năm 2019; hai là phẩm/dịch vụ. Internet và công nghệ không ngừng phát Về thực tiễn, trong bối cảnh cách mạng triển cũng mang đến những cơ hội cũng công nghiệp 4.0 và chuyển đổi số, nghiên như thách thức mới cho các doanh nghiệp; cứu này có nhiều ý nghĩa về mặt thực tiễn ba là do khách hàng ngày càng dành nhiều dưới góc độ của cơ quan quản lý nhà nước, thời gian hơn trong môi trường kỹ thuật của doanh nghiệp và người tiêu dùng. Thứ số, nên việc các công ty chuyển sang dịch nhất kết quả của nghiên cứu này sẽ là một vụ kỹ thuật số là điều tất yếu (Lee và cộng trong những cơ sở để phát triển kinh tế số sự, 2019). Những vấn đề như vậy dẫn đến và thực hiện chủ trương của Đảng, chính những thay đổi trong hoạt động kinh doanh sách của Nhà nước. Thứ hai nghiên cứu ở bất kỳ lĩnh vực nào, cũng như trong bán này cũng đóng góp một số hàm ý cho các lẻ trực tuyến. doanh nghiệp bán lẻ trực tuyến của Việt AI Chatbot là các chương trình máy tính Nam trong việc triển khai ứng dụng AI mô phỏng các cuộc trò chuyện của con Chatbot. Thứ ba tại các nước đang phát người thông qua lệnh thoại hoặc trò chuyện triển có nền kinh tế chuyển đổi như ở Việt văn bản và đóng vai trò như trợ lý ảo cho Nam thì việc ứng dụng công nghệ thông tin người dùng (King, 2023; Chi & Nam, nói chung và AI Chatbot nói riêng tại các 2022). Chatbot đang dần trở nên phổ biến doanh nghiệp còn chưa bài bản, đặc biệt trong nhiều lĩnh vực khác nhau trong giáo là trong lĩnh vực bán lẻ trực tuyến. Do đó, dục, kinh doanh và thương mại điện tử, nghiên cứu tác động của Chatbot trên nền sức khỏe và giải trí (Nadarzynski và cộng tảng AI đến hành vi mua sắm trực tuyến sự, 2019). Khi khách hàng dành nhiều thời của người tiêu dùng Việt Nam nhằm giải gian hơn trong môi trường kỹ thuật số, các quyết những vấn đề trên là điều vô cùng công ty và nhà bán lẻ đang chuyển sang sử cần thiết. dụng các dịch vụ kỹ thuật số, đặc biệt sử Khi dự định sử dụng một công nghệ mới dụng chatbot như một kênh để đáp ứng nhu như Chatbot, điều quan trọng doanh nghiệp cầu khách hàng (Kim và cộng sự, 2018). cần hiểu những giá trị mà công nghệ mang Do đó, việc nghiên cứu tác động của áp lại. Một cách để đánh giá chất lượng của dụng AI Chatbot trong ngành bán lẻ trực công nghệ là xem xét trải nghiệm của khách tuyến là một vấn đề cấp thiết. hàng và hành vi mua lại sản phẩm hoặc Về mặt lý luận, mặc dù đã có một số dịch vụ, đồng thời cũng đánh giá được tính nghiên cứu trên thế giới về ứng dụng công hiệu quả trong việc giữ chân khách hàng so nghệ thông tin và vai trò của ứng dụng AI với các hệ thống hỗ trợ truyền thống khác. trong lĩnh vực bán lẻ trực tuyến, nhưng Xuất phát từ vấn đề thực tế và khoảng trống nghiên cứu về ứng dụng AI Chatbot trong nghiên cứu nêu trên, bài viết này sẽ phân lĩnh vực bán lẻ trực tuyến còn hạn chế. tích tác động của việc áp dụng AI Chatbot Số 259- Tháng 12. 2023- Tạp chí Khoa học & Đào tạo Ngân hàng 49
Nghiên cứu ảnh hưởng của AI Chatbot đến hành vi mua lại của người tiêu dùng trực tuyến đến hành vi mua lại của khách hàng trong bán lẻ trực tuyến là việc mà doanh nghiệp trải nghiệm mua sắm trực tuyến. (người bán) bán sản phẩm/dịch vụ thông qua internet và các phương tiện điện tử 2. Cơ sở lý luận và đề xuất giả thuyết (Wagner và cộng sự, 2020). Như vậy, hành nghiên cứu vi mua lại của khách hàng trong bán lẻ trực tuyến là hành động của khách hàng tiếp tục 2.1. AI Chatbot mua trực tuyến sản phẩm/dịch vụ sau lần mua trước. Hành vi mua lại của khách hàng Chatbots, còn được gọi là “chatterbots”, được xem là một trong những yếu tố quan thuộc danh mục tác nhân phần mềm được trọng đối với thành công của các doanh gọi là tác nhân giao diện hoặc tác nhân đàm nghiệp bán lẻ (Yin và cộng sự, 2022). Hơn thoại (Nadarzynski và cộng sự, 2019). Dựa nữa, những khách hàng như vậy sẽ nâng vào Trí tuệ nhân tạo (AI) và đặc biệt là Xử cao khả năng sinh lời với chi phí thấp hơn lý ngôn ngữ tự nhiên (NLP) và Học máy so với việc doanh nghiệp thu hút khách (ML), các chatbot trình bày một giao diện hàng mới (Ismail, 2023). Giữ chân khách ngôn ngữ tự nhiên có thể “hiểu ngôn ngữ tự hàng là một vấn đề thậm chí còn khó khăn nhiên và phản hồi bằng ngôn ngữ tự nhiên hơn trong bối cảnh mua sắm trực tuyến đối với yêu cầu của người dùng” (Lester và cạnh tranh gay gắt và giá cả đều được công cộng sự, 2004). AI Chatbot trên thực tế là khai trên website (Attar và cộng sự, 2023). một robot là một ứng dụng thực hiện các tác vụ tự động, được tạo thành từ một bộ 2.3. Giả thuyết nghiên cứu thuật toán (King, 2023). Theo nghĩa này, AI Chatbot chỉ là phiên bản của rô bốt được Theo Setia và cộng sự (2013), chất lượng thiết kế để có khả năng trò chuyện, ngụ ý thông tin có thể được định nghĩa là “độ rằng chúng có thể hiểu giọng nói hoặc văn chính xác, định dạng, tính đầy đủ của thông bản nhập vào, xử lý và tạo đầu ra dưới dạng tin do công nghệ kỹ thuật số tạo ra”. Việc câu trả lời bằng giọng nói hoặc văn bản tiếp cận thông tin đầy đủ, chính xác, cập theo một cách nhất định (Gauvrit, 2017). nhật và đáng tin cậy đóng vai trò quyết Trái ngược với các robot khác, chatbot có định đối với sự hài lòng của người dùng đặc trưng là không thể đoán trước và có (Veeramootoo và cộng sự, 2018). Độ chính khả năng thể hiện cảm xúc, tạo ý nghĩa, xác của thông tin trở nên quan trọng khi sáng tạo và tính xã hội (Chi, 2023). Trong người dùng truy xuất thông tin trực tuyến phạm vi nghiên cứu này, chúng tôi tìm hiểu chung hoặc cập nhật hàng ngày, thay vì AI Chatbot dưới ba khía cạnh, đó là chất nhận trợ giúp trong một tình huống cụ thể. lượng hệ thống, chất lượng thông tin và Mặt khác, tính dễ hiểu và có liên quan cho chất lượng dịch vụ của AI Chatbot. thấy sức mạnh của các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP). Một AI Chatbot có 2.2. Hành vi mua lại trong bán lẻ trực thể cung cấp mọi thông tin mà khách hàng tuyến cần sẽ cải thiện trải nghiệm và tăng sự hài lòng của họ (Chi, 2023). Gable và cộng Theo Khalifa và Liu (2007), hành vi mua sự (2008) trước đây cũng nhấn mạnh tầm lại của khách hàng được xem là hành động quan trọng của chất lượng thông tin đến của khách hàng tiếp tục mua sản phẩm/ niềm tin của người tiêu dùng trực tuyến. dịch vụ sau lần mua trước. Trong khi đó, Ngoài ra, đối với AI Chatbot, yếu tố cá 50 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 259- Tháng 12. 2023
NGUYỄN THỊ KHÁNH CHI - VŨ HOÀNG NAM - TRẦN ĐÌNH HUYÊN nhân hóa cũng rất quan trọng. Khi chúng một số lượng lớn các nghiên cứu được thúc tiếp tục được cải thiện, trải nghiệm nhắn đẩy bởi mô hình chấp nhận Công nghệ do tin siêu cá nhân hóa sẽ làm mờ ranh giới Davis phát triển vào năm 1989 (Petter và giữa con người và rôbốt, cho phép khách cộng sự, 2008). Người dùng có nhiều khả hàng hoàn thành hầu hết mọi thứ mà họ năng chấp nhận một hệ thống hoặc công cần để điều hướng một trang web hoặc một nghệ mới mà họ cảm thấy dễ sử dụng. Tốc ứng dụng. Khi AI Chatbot được cá nhân độ tương tác, thường được gọi là thời gian hóa phù hợp, khách hàng có thể nhận được phản hồi, đề cập đến mức độ mà hệ thống những gì mong muốn và sẽ ra quyết định cung cấp phản hồi nhanh chóng (hoặc kịp mua hàng nhanh hơn. thời) đối với các yêu cầu thông tin hoặc Các nghiên cứu thực nghiệm về niềm tin hành động. Đặc biệt với những hệ thống của khách hàng vào máy móc tự động cho cần tương tác trực tiếp với khách hàng như thấy hiệu suất và sự tin cậy của khách hàng AI Chatbot, tốc độ tương tác ảnh hưởng rất tăng lên khi tiếp cận chất lượng thông tin lớn đến trải nghiệm của người dùng. ổn định (Lee và Moray, 1992). Đối với Trong khi đó, niềm tin có thể phát sinh từ AI Chatbot, lỗi hệ thống rất hiếm; chỉ khi sự tương tác qua lại giữa người dùng và hệ người dùng hiểu sai, do đó đưa ra thông tin thống công nghệ. Người dùng có kiến thức sai lệch hoặc không phù hợp (King, 2023). thấp hoặc thiếu tự tin về tình huống hiện tại Hiện tại, giao tiếp với dịch vụ khách hàng có xu hướng tin tưởng vào một công nghệ hoặc đại lý bán hàng có thể đáng tin cậy vì nó cung cấp kiến thức chuyên môn mà hơn AI Chatbot, nhưng nếu AI Chatbot có người dùng còn thiếu (Lee và Moray, 1992). thể cung cấp thông tin chính xác cho khách Người dùng tin tưởng vào hệ thống thông hàng, thì niềm tin của khách hàng đối với tin nếu họ đã cố gắng tự mình giải quyết AI Chatbot sẽ cao hơn. Do đó, chúng tôi đề vấn đề và thất bại (Waern và Ramberg, xuất giả thuyết nghiên cứu như sau: 1996). Ngoài ra, niềm tin giảm khi xảy ra H1: Chất lượng thông tin của AI Chatbot lỗi hệ thống (Kantowitz và cộng sự, 1997). càng cao thì niềm tin của người tiêu dùng Do đó, chất lượng hệ thống của AI Chatbot trực tuyến càng cao sẽ giúp khách hàng tin tưởng hơn vào AI Chất lượng hệ thống đề cập đến mức độ mà Chatbot. Giả thuyết được đề xuất như sau: hệ thống ‘thân thiện với người dùng’ và có H2: Chất lượng hệ thống của AI Chatbot thể được sử dụng mà không gặp bất kỳ rắc càng cao thì niềm tin của người tiêu dùng rối cụ thể nào (Rai và cộng sự, 2002). Đối trực tuyến càng cao với AI Chatbot, khía cạnh này bao gồm Zeithaml và cộng sự (2002) đã phát triển khả năng công nghệ mà chúng có thể cung thước đo e-SERVQUAL về chất lượng cấp cho người dùng, không bao gồm khả dịch vụ điện tử. Mô hình này được xây năng xử lý thông tin, bởi yếu tố này nằm dựng dựa trên mô hình SERVQUAL của ở việc đánh giá chất lượng thông tin, dữ Parasuraman và cộng sự (1994), nhưng liệu chứ không phải chất lượng hệ thống tập trung cụ thể vào trang web cung cấp (Nadarzynski và cộng sự, 2019). Thông dịch vụ mua sắm. Mô hình này bao gồm thường, chất lượng hệ thống thường được bảy khía cạnh: hiệu quả, độ tin cậy, sự đáp đánh giá theo các khía cạnh linh hoạt, độ tin ứng, quyền riêng tư, khả năng đáp ứng, bồi cậy, chức năng, dễ sử dụng, tích hợp và chất thường và liên hệ. Bốn khía cạnh đầu tiên lượng (DeLone và McLean, 2003). Trong được phân loại là quy mô dịch vụ cốt lõi. số đó, tính dễ sử dụng là phổ biến nhất do Ba khía cạnh sau được coi là thang đo phục Số 259- Tháng 12. 2023- Tạp chí Khoa học & Đào tạo Ngân hàng 51
Nghiên cứu ảnh hưởng của AI Chatbot đến hành vi mua lại của người tiêu dùng trực tuyến Nguồn: Nhóm tác giả đề xuất dựa trên nghiên cứu tổng quan Hình 1. Mô hình nghiên cứu đề xuất hồi, vì chỉ được áp dụng khi khách hàng người dùng, từ đó tác động đến sự hài lòng mua sắm trực tuyến có thắc mắc. Nếu một và ý định mua hàng. Li và cộng sự (2023) chatbot hiểu được vấn đề của khách hàng, đã tìm thấy mối quan hệ chặt chẽ giữa niềm giải quyết vấn đề đó và quan tâm đến cảm tin trực tuyến và ý định hành vi. Sự tác xúc của họ, điều đó sẽ dẫn đến sự đồng cảm động của niềm tin đến ý định mua lại trực lớn hơn và khiến khách hàng tin tưởng hơn tuyến cũng được nhiều học giả chứng minh vào mua sắm trực tuyến (Jiang và cộng sự, trong các nghiên cứu thực nghiệm (Qureshi 2002). Petter và cộng sự (2008) đã chứng và cộng sự, 2009). Do đó, chúng tôi đề xuất minh tác động của chất lượng dịch vụ hệ giả thuyết như sau: thống thông tin đến lợi ích và niềm tin của H4: Niềm tin của người tiêu dùng trực người dùng. Do đó, chúng tôi đề xuất giả tuyến có tác động tích cực đến hành vi mua thuyết sau: lại của họ H3: Chất lượng dịch vụ của AI Chatbot Căn cứ vào những lập luận phía trên, chúng càng cao thì niềm tin của người tiêu dùng tôi đề xuất mô hình nghiên cứu tại Hình 1. trực tuyến càng cao Niềm tin có thể được hiểu là “Một cơ chế 3. Phương pháp nghiên cứu quản trị trong các mối quan hệ liên quan đến trao đổi” (Morgan và Hunt, 1994). Mặc 3.1. Thang đo dù có những nhiều sự thay đổi trong việc mua sắm trực tuyến nhưng khó khăn vẫn là Mô hình nghiên cứu gồm năm nhân tố khiến người dùng chưa đặt niềm tin của họ nghiên cứu bао gồm chất lượng thông tin, trong việc này (Zhang và cộng sự, 2023). chất lượng hệ thống, chất lượng dịch vụ, Niềm tin là một yếu tố quan trọng trong niềm tin của người tiêu dùng và hành vi quyết định mua sắm của người tiêu dùng mua lại của người tiêu dùng. Mỗi nhân tố trên Internet (Chi, 2023). Khalifa và Liu đều có các thang đo và mỗi thang đo đều (2007) cho rằng niềm tin ảnh hưởng đến được mã hóa theo mô tả tại Bảng 1. thói quen mua hàng trực tuyến và qua đó ảnh hưởng đến hành vi mua lại của khách 3.2. Chọn mẫu nghiên cứu và thu thập dữ liệu hàng. Ginting và cộng sự (2023) trước đây cũng cho ra rằng niềm tin là yếu tố chính Để đạt được số lượng mẫu tối thiểu 135 quyết định cảm nhận về chất lượng của (Hair và cộng sự, 1998), số lượng phiếu 52 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 259- Tháng 12. 2023
NGUYỄN THỊ KHÁNH CHI - VŨ HOÀNG NAM - TRẦN ĐÌNH HUYÊN Bảng 1. Các nhân tố và biến quan sát đề xuất Mã hóa Thang đo Nguồn Chất lượng hệ thống SYQ1 Giao diện của AI Chatbot hấp dẫn SYQ2 Tương tác với AI Chatbot nhanh chóng Gable và cộng sự SYQ3 Hệ thống AI Chatbot dễ sử dụng (2008); SYQ4 AI Chatbot luôn sẵn sàng tương tác Chi (2023) AI Chatbot có thể đảm nhiệm và tích hợp nhiều công việc (cung cấp thông tin, tư vấn, SYQ5 bán hàng, thanh toán…) Chất lượng thông tin IQ1 Tôi nhận được thông tin chính xác và cập nhật từ hệ thống AI Chatbot IQ2 Tôi có thể dễ dàng hiểu được thông tin do AI Chatbot cung cấp Gable và cộng sự IQ3 Tôi có thể tìm thấy tất cả thông tin chi tiết cần thiết để giải quyết vấn đề của mình (2008) IQ4 AI Chatbot có thể giải thích các yêu cầu của tôi và đưa ra phản hồi phù hợp AI Chatbot cá nhân hóa các cuộc trò chuyện (tự động áp dụng hình thức thanh toán IQ5 trước đó, đưa ra đề xuất dựa trên thông tin cá nhân...) Chất lượng dịch vụ SEQ1 AI Chatbot cung cấp giải pháp phù hợp Jiang và Tôi nhận được phản hồi kịp thời cho vấn đề của mình và AI Chatbot cung cấp cho tôi cộng sự SEQ2 (2002); các dịch vụ nhanh chóng Petter và SEQ3 Tôi cảm thấy an toàn và tự tin về những gì AI Chatbot đang giúp tôi cộng sự SEQ4 AI Chatbot đáp ứng các nhu cầu tìm kiếm thông tin của tôi (2008) Niềm tin của khách hàng Tôi tin rằng với sự trợ giúp của AI Chatbot, các website bán hàng sẽ đáp ứng nhu cầu CT1 của khách hàng Tôi tin rằng với sự trợ giúp của AI Chatbot, các website bán hàng sẽ tăng được uy tín Khalifa CT2 và Liu của họ (2007) CT3 Nói chung, tôi có thể dựa vào AI Chatbot để hỗ trợ tôi CT4 Mua sắm trực tuyến là một trải nghiệm đáng tin cậy Hành vi mua lại của khách hàng RI1 Tôi dự định nhận thêm thông tin từ các trang web mua sắm trực tuyến Tôi sẽ giữ liên lạc với nhà bán hàng mua sắm trực tuyến cho những dịp cần thiết sau Khalifa RI2 này and Liu RI3 Tôi hy vọng sẽ mua lại từ trang mua sắm trực tuyến trong tương lai gần (2007) RI4 Về lâu dài, tôi vẫn sẽ nghĩ đến nhà cung cấp này mỗi khi muốn mua Nguồn: Nhóm tác giả tổng hợp khảo sát được phát ra là 400. Phiếu khảo Chatbot đến hành vi mua lại của người tiêu sát được làm thành hai hình thức: phiếu in dùng Việt Nam trong mua bán trực tuyến, và phiếu trực tuyến. Về phương pháp lấy do đó, đối tượng khảo sát là người tiêu mẫu, bài viết nghiên cứu tác động của AI dùng Việt Nam đã thực hiện mua bán trực Số 259- Tháng 12. 2023- Tạp chí Khoa học & Đào tạo Ngân hàng 53
Nghiên cứu ảnh hưởng của AI Chatbot đến hành vi mua lại của người tiêu dùng trực tuyến tuyến thông qua sự trợ giúp của AI Chatbot. CB-SEM vì mô hình này cung cấp các chỉ Nhóm nghiên cứu sử dụng phương pháp lấy số đo lường mức độ phù hợp của mô hình mẫu thuận tiện. Để đảm bảo được tính đại đề xuất cũng như mức độ tác động của các diện của mẫu cho cả tổng thể nghiên cứu, yếu tố trong mô hình (Dash và Paul, 2021). các đơn vị mẫu được chọn tại các trung tâm Các tiêu chí đánh giá mức độ phù hợp của mua sắm ở Hà Nội và Quảng Ninh. Khảo mô hình như sau: chi-squаrе/df nhỏ hơn sát được thực hiện từ tháng 2 đến tháng 6 3; GFI, CFI, TLI lớn hơn 0,9; RMSЕА năm 2022. Kết quả thu về 273 phiếu hợp nhỏ hơn 0,08 (Hair và cộng sự, 2010). lệ, tỷ lệ phản hồi là 68,25%. 4. Kết quả nghiên cứu 3.3. Phương pháp phân tích dữ liệu 4.1. Kiểm định độ tin cậy của thang đo Để kiểm định mô hình nghiên cứu đề xuất, bài viết phân tích nhân tố khẳng định (CFA- Kết quả khảo sát (Bảng 2) cho thấy số Confirmatory Factor Analysis) để xác định lượng nữ trả lời nhỉnh hơn nam một chút độ tin cậy của thang đo (Hair và cộng sự, với tỷ lệ lần lượt là 55% và 45%. Về độ 2010) và sử dụng mô hình phương trình cấu tuổi, người trả lời khảo sát tương đối trẻ, trúc dựa trên hiệp phương sai (Covariance- trong đó độ tuổi phổ biến nhất là từ 18- 24 based SEM/CB-SEM) để đánh giá mức tuổi, chiếm 78,5% tổng số lượt quan sát. độ tác động của AI Chatbot đến hành vi Nhóm khách hàng từ 35 tuổi trở lên có tỷ mua lại của khách hàng. Bài viết sử dụng lệ thấp, chỉ chiếm 2%, bởi hầu hết những Bảng 2. Thống kê thông tin người trả lời Tiêu chí % Giới tính Nam giới Nữ giới 55 Dưới 18 7,5 18-24 78,5 Tuổi 25-34 12 35-44 2 45 trở lên 0 Chưa tốt nghiệp THPT 6 Tốt nghiệp trung học 7 Cấp độ giáo dục Đại học 55 Tốt nghiệp 21 sau đại học 11 Dưới 500.000đ/tháng 74 Từ 500.000đ đến 1 triệu đồng/tháng 21 Mức độ chi tiêu Từ 1 triệu đồng đến 2 triệu đồng/tháng 4 Trên 2 triệu đồng/tháng 1 Nguồn: Nhóm tác giả tổng hợp 54 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 259- Tháng 12. 2023
NGUYỄN THỊ KHÁNH CHI - VŨ HOÀNG NAM - TRẦN ĐÌNH HUYÊN Bảng 3a. Kết quả kiểm định độ tin cậy của thang đo Cronbach Hệ số tải nhân tố Phương sai tríсh Độ tin сậy tổng Nhân tố Alpha (khoảng phân bố) (AVE) (%) hợp (СR) Chất lượng hệ thống 0,785 0,628 – 0,873 56% 0,832 Chất lượng thông tin 0,754 0,711 – 0,823 58% 0,898 Chất lượng dịch vụ 0,806 0,731 – 0,889 57% 0,885 Niềm tin của khách hàng 0,765 0,770 – 0,953 66% 0,896 Hành vi mua lại của khách hàng 0,819 0,788 – 0,964 67% 0,868 Nguồn: Nhóm tác giả tổng hợp Bảng 3b. Chỉ số của mô hình phương trình cấu trúc phần mềm AMOS 24 chо thấу các Chi-squаrе/df = 1,477 < 3 GFI = 0,927 > 0,9 chỉ số có giá trị như Bảng 3b. CFI = 0,923 > 0,9 RMSEA = 0,055 0,9 PCLOSE = 0,787 hình phù hợp. Điều này có thể giải Nguồn: Nhóm tác giả tổng hợp thích rằng mô hình tương thíсh với bộ dữ liệu thu thập đượс. người ở độ tuổi này không có cơ hội tiếp xúc hoặc không có khả năng sử dụng AI 4.2. Kiểm định giả thuyết nghiên cứu Chatbot. Kết quả về trình độ học vấn gần tương đương với kết quả phân loại theo độ Kết quả рhân tích mô hình cấu trúc tuуến tuổi. Nhóm đang học đại học/cao đẳng/ tính từ dữ liệu khảо sát củа nghiên cứu chо trung cấp chiếm tỷ lệ cao nhất 68%. Về thấу: Chi –squаrе/df = 1,522 nhỏ hơn 3; mức độ chi tiêu cho các sản phẩm trên GFI = 0,925, CFI = 0,936, TLI = 0,934, IFI Internet được chia thành 4 cấp độ. Kết quả = 0.947 đều lớn hơn 0,9; RMSЕА = 0,046 cho thấy đa số người được hỏi chi tiêu dưới nhỏ hơn 0,05. Điều nàу chо thấу mô hình 1 triệu đồng/tháng, chiếm hơn 95% tổng số tương thích với dữ liệu thu thậр được (Hair người được hỏi. và cộng sự, 2010). Kết quả kiểm định độ tin cậy của dữ liệu Bảng 4 cho thấy nhân tố niềm tin của nghiên cứu được trình bày trong Bảng 3 khách hàng khi mua hàng trực tuyến được сho thấy các thang đo trong mô hình đạt xem xét chịu tác động của 3 nhân tố: Chất độ tin cậy và hội tụ (hệ số tải >0,5, AVE lượng thông tin của AI Chatbot, chất lượng >50%, CR>0,7). hệ thống và chất lượng dịch vụ của AI Kết quả phân tích dữ liệu chính thức bằng Chatbot. Trong đó, chất lượng dịch vụ có Bảng 4. Kết quả kiểm định giả thuyết nghiên cứu Hệ số Beta Giả thuyết nghiên cứu T-statistics p-value Kết luận сhuẩn hóa Chất lượng thông tin  Niềm tin của khách hàng 0,296 4,297 ** Сhấp nhận Chất lượng hệ thống  Niềm tin của khách hàng 0,217 3,121 * Chấp nhận Chất lượng dịch vụ  Niềm tin của khách hàng 0,349 3,315 *** Chấp nhận Niềm tin của khách hàng  Hành vi mua lại 0,537 5,618 *** Chấp nhận Ghi chú: *
Nghiên cứu ảnh hưởng của AI Chatbot đến hành vi mua lại của người tiêu dùng trực tuyến tác động lớn nhất (0,349), tiếp theo là chất và thực tiễn. Về mặt lý luận, nghiên cứu lượng thông tin (0,296) và cuối cùng là tổng quan tác động của AI Chatbot (chất chất lượng hệ thống (0,217). Ngoài ra, khi lượng hệ thống, chất lượng thông tin, và khách hàng đã tin tưởng vào AI Chatbot chất lượng dịch vụ) đến hành vi mua lại và hệ thống bán hàng trực tuyến, thì khách của khách hàng trong bán lẻ trực tuyến. hàng sẽ cân nhắc tiếp tục mua hàng cho Về mặt thực tiễn, kết quả của nghiên cứu những lần tiếp theo. Niềm tin là biến này cho thấy các công ty bán lẻ trực tuyến số trung gian chính giữa các yếu tố liên ở Việt Nam nên tập trung vào ứng dụng quan đến nhà cung cấp và ý định mua lại mới AI Chatbot, đặc biệt là chất lượng dịch (Qureshi và cộng sự, 2009), và cũng được vụ, chất lượng thông tin và chất lượng hệ khẳng định trong nghiên cứu này. thống. Để làm được điều đó, các doanh Kết quả nghiên cứu về tác động của chất nghiệp này cần lựa chọn bên cung ứng giải lượng dịch vụ đến niềm tin khách hàng pháp AI Chatbot phù hợp với đặc thù của tương đồng với kết quả nghiên cứu của ngành. Ngoài ra, doanh nghiệp nên thực Petter và cộng sự (2008) về ảnh hưởng tích hiện một số quảng cáo đến người tiêu dùng cực của chất lượng dịch vụ hệ thống thông về việc ứng dụng AI Chatbot. Bên cạnh đó, tin đến niềm tin của người dùng. Bài viết doanh nghiệp nên thường xuyên kiểm tra, này cũng khẳng định lại tác động tích cực nâng cấp, và cải tiến ứng dụng AI Chatbot của chất lượng thông tin đến niềm tin của để đảm bảo việc cung cấp dịch vụ tốt nhất khách hàng dựa trên nghiên cứu của King theo nhu cầu của khách hàng. (2023) khi sử dụng AI Chatbot. Bên cạnh Bên cạnh những đóng góp trên, bài viết này đó, Nadarzynski và cộng sự (2019) cho rằng cũng không thể tránh khỏi những hạn chế, nên chú trọng đến cả chất lượng hệ thống như chưa đề cập đến mối quan hệ qua lại của AI Chatbot trong việc nâng cao niềm tin giữa các yếu tố khác nhau có ảnh hưởng đến của khách hàng khi mua hàng trực tuyến. hành vi mua lại của khách hàng; việc phân tích tác động của đặc điểm nhân khẩu học 5. Kết luận và hàm ý quản trị đến việc ứng dụng AI Chatbot và hành vi mua hàng trực tuyến chưa được chú trọng. ■ Nghiên cứu này đóng góp cả về mặt lý luận Tài liệu tham khảo Attar, R. W., Amidi, A., & Hajli, N. (2023). The role of social presence and trust on customer loyalty. British Food Journal, 125(1), 96-111. https://doi.org/10.1108/BFJ-11-2021-1218 Chi, N. T. K. (2021). Innovation capability: the impact of e-CRM and COVID-19 risk perception. Technology in Society, 67, 101725. https://doi.org/10.1016/j.techsoc.2021.101725 Chi, N. T. K., & Nam, V. H. (2022). The Impact of AI Chatbot on Long-Term Relationships between Customers and Hotels. VNU University of Economics and Business, 2(6). https://doi.org/10.57110/vnujeb.v2i6.145 Chi, N. T. K. (2023). The impact of implementing chatbot on customer visit intention: application for hotel management. Int. J. Technology Marketing, 17(2), 148-165. https://doi.org/10.1504/IJTMKT.2023.130017 Delone, W. H., & McLean, E. R. (2003). The Delone and Mclean model of information systems success: A ten-year update. Journal of management information systems, 19(4), 9-30. https://doi.org/10.1080/07421222.2003.11045748 Gable, G. G., Sedera, D., & Chan, T. (2008). Re-conceptualizing information system success: The IS-impact measurement model. Journal of the association for information systems, 9(7), 18. http://aisel.aisnet.org/jais/vol9/iss7/2 Gauvrit, P. (2017). The impact of the Internet of Things on customer service. Retrieved from Digital CX Conversations by Eptica: https://www.eptica.com/blog/impact-internet-things-customer-service Ginting, Y., Chandra, T., Miran, I., & Yusriadi, Y. (2023). Repurchase intention of e-commerce customers in Indonesia: An overview of the effect of e-service quality, e-word of mouth, customer trust, and customer satisfaction mediation. International Journal of Data and Network Science, 7(1), 329-340. https://doi.org/10.5267/j.ijdns.2022.10.001 Hair, J. F., Celsi, M., Ortinau, D. J., & Bush, R. P. (2010). Essentials of marketing research. New York, NY: mcgraw-Hill/Irwin. 56 Tạp chí Khoa học & Đào tạo Ngân hàng- Số 259- Tháng 12. 2023
NGUYỄN THỊ KHÁNH CHI - VŨ HOÀNG NAM - TRẦN ĐÌNH HUYÊN Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (1998). Multivariate Data Analysis. 5th Edn Prentice Hall International. Upper Saddle River, NJ. Ismail, I. J. (2023). Speaking to the hearts of the customers! The mediating effect of customer loyalty on customer orientation, technology orientation and business performance. Technological Sustainability, 2(1), 44-66. https:// doi.org/10.1108/TECHS-03-2022-0016 Jiang, J. J., Klein, G., & Carr, C. L. (2002). Measuring information system service quality: SERVQUAL from the other side. MIS quarterly, 145-166. https://doi.org/10.2307/4132324 Kantowitz, B. H., Hanowski, R. J., & Kantowitz, S. C. (1997). Driver acceptance of unreliable traffic information in familiar and unfamiliar settings. Human Factors, 39(2), 164-176. https://doi.org/10.1518/001872097778543831 Khalifa, M., & Liu, V. (2007). Online consumer retention: contingent effects of online shopping habit and online shopping experience. European Journal of Information Systems, 16(6), 780-792. https://link.springer.com/article/10.1057/palgrave.ejis.3000711 Kim, J., Kang, S., & Taylor, C. R. (2018). Technology driven experiences from mobile direct to virtual reality. Journal of Global Scholars of Marketing Science, 28(1), 96-102. https://doi.org/10.1080/21639159.2017.1420423 King, M. R. (2023). The future of AI in medicine: A perspective from a chatbot. Annals of Biomedical Engineering, 51(2), 291-295. https://link.springer.com/article/10.1007/s10439-022-03121-w Lee, J., & Moray, N. (1992). Trust, control strategies and allocation of function in human-machine systems. Ergonomics, 35(10), 1243-1270. https://doi.org/10.1080/00140139208967392 Lee, G., Suzuki, A., & Nam, V. H. (2019). Effect of network-based targeting on the diffusion of good aquaculture practices among shrimp producers in Vietnam. World Development, 124, 104641. https://doi.org/10.1016/j. worlddev.2019.104641 Lester, J., Branting, K., & Mott, B. (2004). Conversational agents. M. P. Singh (Ed.), The Practical Handbook of Internet Computing (1st ed., pp. 220–240). New York: Chapman & Hall. Li, M., Kamaraj, A. V., & Lee, J. D. (2023). Modeling Trust Dimensions and Dynamics in Human-Agent Conversation: A Trajectory Epistemic Network Analysis Approach. International Journal of Human–Computer Interaction, 1-12. https://doi.org/10.1080/10447318.2023.2201555 Morgan, R. M., & Hunt, S. D. (1994). The commitment-trust theory of relationship marketing. Journal of marketing, 58(3), 20-38. https://doi.org/10.1177/002224299405800302 Nadarzynski, T., Miles, O., Cowie, A., & Ridge, D. (2019). Acceptability of artificial intelligence (AI)- led chatbot services in healthcare: A mixed-methods study. Digital health, 5, 2055207619871808. https://doi.org/10.1177/20552076198718 Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1994). Reassessment of expectations as a comparison standard in measuring service quality: implications for further research. Journal of marketing, 58(1), 111-124. https://doi. org/10.1177/002224299405800109 Petter, S., Delone, W., & Mclean, E. (2008). Measuring information systems success: models, dimensions, measures, and interrelationships. European journal of information systems, 17(3), 236-263. https://link.springer.com/ article/10.1057/ejis.2008.15 Qureshi, I., Fang, Y., Ramsey, E., McCole, P., Ibbotson, P., & Compeau, D. (2009). Understanding online customer repurchasing intention and the mediating role of trust–an empirical investigation in two developed countries. European Journal of Information Systems, 18(3), 205-222. https://doi.org/10.1057/ejis.2009.15 Rai, A., Lang, S. S., & Welker, R. B. (2002). Assessing the validity of IS success models: An empirical test and theoretical analysis. Information systems research, 13(1), 50-69. https://doi.org/10.1287/isre.13.1.50.96 Setia, P., Setia, P., Venkatesh, V., & Joglekar, S. (2013). Leveraging digital technologies: How information quality leads to localized capabilities and customer service performance. MIS quarterly, 565-590. https://www.jstor.org/stable/43825923 Veeramootoo, N., Nunkoo, R., & Dwivedi, Y. K. (2018). What determines success of an e-government service? Validation of an integrative model of e-filing continuance usage. Government Information Quarterly, 35(2), 161-174. https:// doi.org/10.1016/j.giq.2018.03.004 Vu, N. H., & Nguyen, N. M. (2022). Development of small-and medium-sized enterprises through information technology adoption persistence in Vietnam. Information Technology for Development, 28(3), 585-616. https://doi.org/10.10 80/02681102.2021.1935201 Vu, N. H, Anh Bui, T., Minh Nguyen, N., & Hiep Luu, N. (2021). Local business environment, managerial expertise and tax corruption of small-and medium-sized enterprises. Baltic Journal of Economics, 21(2), 134-157. https://doi.org/10.1080/1406099X.2021.1990473 Wagner, G., Schramm-Klein, H., & Steinmann, S. (2020). Online retailing across e-channels and e-channel touchpoints: Empirical studies of consumer behavior in the multichannel e-commerce environment. Journal of Business Research, 107, 256-270. https://doi.org/10.1016/j.jbusres.2018.10.048 Waern, Y., & Ramberg, R. (1996). People’s perception of human and computer advice. Computers in human behavior, 12(1), 17-27. https://doi.org/10.1016/0747-5632(95)00016-X Yin, C. C., Chiu, H. C., Hsieh, Y. C., & Kuo, C. Y. (2022). How to retain customers in omnichannel retailing: Considering the roles of brand experience and purchase behavior. Journal of Retailing and Consumer Services, 69, 103070. https://doi.org/10.1016/j.jretconser.2022.103070 Zeithaml, V. A., Parasuraman, A., & Malhotra, A. (2002). Service quality delivery through web sites: a critical review of extant knowledge. Journal of the academy of marketing science, 30(4), 362-375. https://doi.org/10.1177/009207002236 Zhang, R., Jun, M., & Palacios, S. (2023). M-shopping service quality dimensions and their effects on customer trust and loyalty: An empirical study. International Journal of Quality & Reliability Management, 40(1), 169-191. https:// doi.org/10.1108/IJQRM-11-2020-0374 Số 259- Tháng 12. 2023- Tạp chí Khoa học & Đào tạo Ngân hàng 57