Ảnh hưởng của cá nhân hóa quảng cáo bằng AI đến ý định mua hàng của Gen Z tại TP. Hồ Chí Minh

ThS. Phan Thị Thu Hằng

Email: hangptt@vhu.edu.vn

TS. Huỳnh Thị Thanh Trúc

Email: trucHTT@vhu.edu.vn

Trường Đại học Văn Hiến

Tóm tắt

Nghiên cứu đánh giá tác động của cá nhân hóa quảng cáo bằng trí tuệ nhân tạo (AI) đến ý định mua hàng của Gen Z, đồng thời làm rõ cơ chế trung gian của trải nghiệm khách hàng và niềm tin vào thương hiệu. Dựa trên Lý thuyết S-O-R, mô hình nghiên cứu gồm các biến: Cá nhân hóa quảng cáo bằng AI, Trải nghiệm khách hàng, Niềm tin thương hiệu và Ý định mua hàng. Dữ liệu được thu thập từ 436 đáp viên Gen Z có kinh nghiệm mua sắm trực tuyến tại Việt Nam và được phân tích bằng SmartPLS. Kết quả khẳng định, Cá nhân hóa quảng cáo bằng AI có tác động tích cực đến Trải nghiệm khách hàng và Niềm tin vào thương hiệu. Cả 2 yếu tố này đều thúc đẩy Ý định mua hàng, đồng thời giữ vai trò trung gian quan trọng trong mô hình.

Từ khóa: Cá nhân hóa quảng cáo bằng AI, trải nghiệm khách hàng, niềm tin thương hiệu, ý định mua hàng, Gen Z

Abstract

This study evaluates the impact of AI-based advertising personalization on Gen Z’s purchase intention and clarifies the mediating roles of customer experience and brand trust. Based on the Stimulus-Organism-Response (S-O-R) theory, the research model comprises the following variables: AI-based advertising personalization, customer experience, brand trust, and purchase intention. Data were collected from 436 Gen Z respondents with online shopping experience in Vietnam and analyzed using SmartPLS. The results confirm that AI-based advertising personalization positively affects customer experience and brand trust. Both factors positively influence purchase intention and play important mediating roles in the proposed model.

Keywords: AI-based advertising personalization, customer experience, brand trust, purchase intention, Gen Z

GIỚI THIỆU

AI tác động mạnh mẽ đến hoạt động marketing trong môi trường số. Ứng dụng nổi bật là cá nhân hóa quảng cáo, giúp doanh nghiệp phân tích dữ liệu khách hàng để cung cấp nội dung thích hợp với nhu cầu của từng cá nhân. Theo Huang và Rust (2021), AI không chỉ hỗ trợ tự động hóa marketing mà còn tăng khả năng cá nhân hóa và tạo mối quan hệ với khách hàng thông qua xử lý dữ liệu và dự đoán hành vi tiêu dùng.

Trong bối cảnh thương mại điện tử phát triển bùng nổ, Gen Z trở thành khách hàng mục tiêu chiến lược, là thế hệ có mức độ tiếp cận công nghệ cao, thường tìm kiếm thông tin và ra quyết định mua sắm thông qua các nền tảng mạng xã hội. Guerra-Tamez và cộng sự (2024) chỉ ra rằng, AI giúp gia tăng niềm tin thương hiệu và ảnh hưởng đến quyết định mua sắm của Gen Z. Các nghiên cứu gần đây cũng khẳng định cá nhân hóa quảng cáo bằng AI giúp cải thiện trải nghiệm khách hàng và thúc đẩy ý định mua hàng (An và Ngo, 2025; Beyari và Hashem, 2025; Yin và cộng sự, 2025).

Tuy nhiên, cơ chế tác động của các trải nghiệm khách hàng và niềm tin vào thương hiệu vẫn chưa được làm rõ trong bối cảnh Gen Z tại Việt Nam. Do đó, nghiên cứu này được thực hiện nhằm đánh giá ảnh hưởng của cá nhân hóa quảng cáo bằng AI đến ý định mua hàng, đồng thời làm rõ vai trò trung gian của 2 yếu tố trên.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Nghiên cứu được thiết kế dựa trên Lý thuyết Kích thích - Chủ thể - Phản ứng (S-O-R) do Mehrabian và Russell (1974) đề xuất. Lý thuyết này cho rằng, các yếu tố kích thích từ bên ngoài (Stimulus) sẽ tác động đến nhận thức và cảm xúc của cá nhân (Organism) và tác động đến hành vi (Response). Trong bối cảnh nghiên cứu, cá nhân hóa quảng cáo bằng AI được xem là yếu tố kích thích trải nghiệm khách hàng và niềm tin thương hiệu thay cho trạng thái tâm lý bên trong, trong khi ý định mua hàng phản ánh hành vi của người tiêu dùng.

Bên cạnh đó, nghiên cứu dựa trên Lý thuyết marketing quan hệ, khẳng định niềm tin đặc biệt quan trọng trong việc tăng cường mức độ trung thành với thương hiệu của khách hàng. Trải nghiệm tích cực từ các hoạt động cá nhân hóa bằng AI có thể gia tăng niềm tin thương hiệu và thúc đẩy việc mua hàng (An và Ngo, 2025; Hennighausen và cộng sự, 2025).

Mô hình và giả thuyết nghiên cứu

Dựa trên Lý thuyết S-O-R và các nghiên cứu trước, nhóm tác giả xây dựng mô hình nghiên cứu ảnh hưởng của cá nhân hóa quảng cáo bằng AI đến ý dịnh mua hàng của Gen Z tại TP. Hồ Chí Minh như Hình.

Hình: Mô hình nghiên cứu đề xuất

Nguồn: Đề xuất của nhóm tác giả

Từ mô hình nghiên cứu đề xuất, các giả thuyết được đưa ra như sau:

H1: Cá nhân hóa quảng cáo bằng AI có tác động tích cực đến Trải nghiệm khách hàng.

H2: Cá nhân hóa quảng cáo bằng AI có tác động tích cực đến Niềm tin thương hiệu.

H3: Cá nhân hóa quảng cáo bằng AI có tác động tích cực đến Ý định mua hàng.

H4: Trải nghiệm khách hàng có tác động tích cực đến Niềm tin thương hiệu.

H5: Trải nghiệm khách hàng có tác động tích cực đến Ý định mua hàng.

H6: Niềm tin thương hiệu có tác động tích cực đến Ý định mua hàng.

H7: Trải nghiệm khách hàng và Niềm tin thương hiệu đóng vai trò trung gian nối tiếp giữa Cá nhân hóa quảng cáo bằng AI và Ý định mua hàng.

Phương pháp nghiên cứu

Phương pháp định lượng được sử dụng để phân tích dữ liệu khảo sát trực tuyến từ 436 đáp viên Gen Z có mua sắm trực tuyến tại Việt Nam từ tháng 1-5/2026. Các biến số được đo lường bằng thang đo Likert 5 mức, kế thừa và điều chỉnh từ các ngiên cứu công bố trước đây. Dữ liệu được xử lý bằng phương pháp Mô hình hóa phương trình cấu trúc bình phương tối thiểu một phần (PLS-SEM) trên phần mềm SmartPLS.

Nghiên cứu sử dụng cách viết số thập phân theo chuẩn quốc tế.

KẾT QUẢ VÀ THẢO LUẬN

Kết quả nghiên cứu

Mô tả dữ liệu

Trong 436 đáp viên, nữ chiếm tỷ lệ cao hơn với 56.0%; nam chiếm 44.0%. Độ tuổi tập trung chủ yếu từ 21-23 tuổi (chiếm 62.8%), phù hợp với đặc điểm Gen Z. Về thu nhập hàng tháng, nhóm từ 5-10 triệu đồng chiếm tỷ lệ cao nhất (42.0%). Tần suất mua sắm trực tuyến phổ biến từ 3-5 lần/tháng (46.1%), cho thấy mẫu khảo sát phù hợp với nghiên cứu hành vi mua hàng trực tuyến.

Đánh giá mô hình đo lường

Bảng 1: Kết quả kiểm định độ tin cậy và giá trị hội tụ của thang đo

Nguồn: Kết quả từ SmartPLS

Kết quả Bảng 1 với hệ số Cronbach’s Alpha dao động từ 0.814-0.849, vượt ngưỡng khuyến nghị 0.7; giá trị CR nằm trong khoảng 0.870-0.892, cho thấy độ tin cậy tổng hợp cao. Đồng thời, AVE của các thang đo đều > 0.5 (0.573-0.624), khẳng định giá trị hội tụ. Các hệ số Outer Loadings đều > 0.7, chứng tỏ các biến quan sát giải thích tốt cho các khái niệm.

Bảng 2: Kiểm định giá trị phân biệt và hiện tượng đa cộng tuyến

Nguồn: Kết quả từ SmartPLS

Bảng 2 khẳng định mô hình đạt giá trị phân biệt và không xảy ra hiện tượng đa cộng tuyến. Theo tiêu chuẩn Fornell-Larcker, căn bậc hai AVE của mỗi biến (0.757-0.790) đều lớn hơn hệ số tương quan với các biến còn lại, khẳng định giá trị phân biệt. Các chỉ số HTMT dao động từ 0.686-0.842, đều < 0.85, chứng tỏ các khái niệm có sự phân biệt tốt. Các giá trị VIF = 1.659 < 5, suy ra không có hiện tượng đa cộng tuyến trong mô hình.

Đánh giá mô hình cấu trúc và kiểm định giả thuyết

Bảng 3: Kết quả tác động trực tiếp

Nguồn: Kết quả từ SmartPLS

Bảng 3 chứng minh các mối quan hệ có mức 1% với p-value < 0.001 và t-value > 1.96, vì vậy các giả thuyết nghiên cứu được chấp nhận. Trong đó, Cá nhân hóa quảng cáo bằng AI tác động mạnh nhất đến Niềm tin thương hiệu (β = 0.646), tiếp đến là Trải nghiệm khách hàng (β = 0.572). Đối với ý định mua hàng, Niềm tin thương hiệu (β = 0.426) có tác động mạnh hơn Trải nghiệm khách hàng (β = 0.395). Kết quả về vai trò của các nhân hóa quảng cáo bằng AI trong việc nâng cao Niềm tin thương hiệu và thúc đẩy Ý định mua hàng của Gen Z.

Bảng 4: Kết quả tác động gián tiếp

Nguồn: Kết quả từ SmartPLS

Bảng 4 chứng minh các tác động gián tiếp đều có p-value < 0.001 và t-value > 1.96 suy ra đều có ý nghĩa thống kê; trong đó Cá nhân hóa quảng cáo bằng AI tác động đến Ý định mua hàng thông qua Trải nghiệm khách hàng với hệ số β = 0.226 và Niềm tin thương hiệu với hệ số β = 0.275. Kết quả chứng minh vai trò trung gian của Trải nghiệm khách hàng và Niềm tin thương hiệu trong mô hình nghiên cứu.

Bảng 5: Kết quả hệ số R², f² và Q² của biến phụ thuộc

Nguồn: Kết quả từ SmartPLS

Kết quả ở Bảng 5 cho thấy mô hình có khả năng giải thích và dự báo phù hợp. Cụ thể, giá trị R² của Trải nghiệm khách hàng (TN), Niềm tin thương hiệu (NT) và Ý định mua hàng (MH) lần lượt là 0.327, 0.417 và 0.549, cho thấy mô hình giải thích tương ứng 32.7%, 41.7% và 54.9% sự biến thiên của các biến nội sinh. Xét mức độ ảnh hưởng f², Cá nhân hóa quảng cáo bằng AI có ảnh hưởng lớn đến Trải nghiệm khách hàng (AP → TN: f² = 0.468) và Niềm tin thương hiệu (AP → NT: f² = 0.715), trong khi Trải nghiệm khách hàng (TN → MH: f² = 0.206) và Niềm tin thương hiệu (NT → MH: f² = 0.242) có mức ảnh hưởng trung bình đến Ý định mua hàng. Đồng thời, các giá trị Q² của TN (0.185), NT (0.241) và MH (0.326) đều > 0, khẳng định mô hình có khả năng dự báo đối với các biến nội sinh. Nhìn chung, kết quả R², f² và Q² cho thấy mô hình có năng lực giải thích phù hợp, các mối quan hệ có mức ảnh hưởng từ trung bình đến lớn và mô hình đạt giá trị dự báo.

Thảo luận

Kết quả phân tích dữ liệu từ 436 đáp viên chứng minh được rằng tất cả các giả thuyết H1-H6 đều được chấp nhận, phù hợp với các nghiên cứu của An và Ngo (2025), Beyari và Hashem (2025), Hoang và cộng sự (2026), Hadi và cộng sự (2024), Yin và cộng sự (2025), khẳng định AI giúp doanh nghiệp cung cấp nội dung phù hợp hơn với nhu cầu cá nhân của khách hàng. Kết quả kiểm định trung gian cho thấy Trải nghiệm khách hàng và Niềm tin thương hiệu đóng vai trò trung gian trong mối quan hệ giữa Cá nhân hóa quảng cáo bằng AI và Ý định mua hàng, qua đó xác nhận giả thuyết H7 và củng cố lập luận của Lý thuyết S-O-R.

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Kết luận

Nghiên cứu đã kiểm định thành công Lý thuyết S-O-R trong bối cảnh AI Marketing tại Việt Nam. Các kết quả khẳng định Cá nhân hóa quảng cáo bằng AI thúc đẩy Ý định mua hàng của Gen Z thông qua cơ chế trung gian của Trải nghiệm khách hàng và Niềm tin thương hiệu.

Hàm ý quản trị

Từ kết quả nghiên cứu, nhóm tác giả đề xuất một số hàm ý quản trị đối với các doanh nghiệp Việt Nam. Theo đó, các doanh nghiệp cần tăng cường ứng dụng AI trong hoạt động marketing để đẩy mạnh mức độ cá nhân hóa quảng cáo, giúp tăng trải nghiệm khách hàng và xây dựng niềm tin thương hiệu bền vững. Đồng thời, cần quan tâm đến tính minh bạch, bảo mật dữ liệu cá nhân và chất lượng nội dung quảng cáo để tăng hiệu quả thuyết phục đối với người tiêu dùng Gen Z.

Hạn chế và hướng nghiên cứu tiếp theo

Nghiên cứu còn hạn chế do chỉ khảo sát nhóm Gen Z, sử dụng dữ liệu cắt ngang và mới xem xét 2 biến trung gian. Các nghiên cứu tiếp theo có thể mở rộng sang các thế hệ khác, bổ sung các yếu tố như: nhận thức quyền riêng tư, giá trị cảm nhận hoặc thái độ đối với AI, đồng thời sử dụng dữ liệu theo thời gian hoặc phương pháp hỗn hợp để tăng độ khái quát.

Tài liệu tham khảo:

1. An, G. K., & Ngo, T. T. A. (2025). AI-powered personalized advertising and purchase intention in Vietnam’s digital landscape: The role of trust, relevance, and usefulness. Journal of Open Innovation: Technology, Market, and Complexity, 11(3). https://doi.org/10.1016/j.joitmc.2025.100580

2. Beyari, H., & Hashem, T. (2025). The role of artificial intelligence in personalizing social media marketing strategies to enhance customer experience. Behavioral Sciences, 15(5), 700. https://doi.org/10.3390/bs15050700

3. Fornell, C., & Larcker, DF (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50. https://doi.org/10.2307/3151312

4. Guerra-Tamez, CR, Kraul Flores, K., Serna-Mendiburu, GM, Chavelas Robles, D., & Ibarra Cortés, J. (2024). Decoding Gen Z: AI’s influence on brand trust and purchasing behavior. Frontiers in Artificial Intelligence, 7, 1323512. https://doi.org/10.3389/frai.2024.1323512

5. Hadi, R., Melumad, S., & Park, ES (2024). The metaverse: A new digital frontier for consumer behavior. Journal of Consumer Psychology, 34(1), 142-166. https://doi.org/10.1002/jcpy.1356

6. Hennighausen, C., Yarza Navarro-Schär, VG, & Eller, E. (2025). AI-mediated communication in e-commerce: Implications for customer trust. International Journal of Consumer Studies, 49(5), e70111. https://doi.org/10.1111/ijcs.70111

7. Hoàng, LC, Ly, KT, Nguyễn, PQH, & Trần, QM (2026). AI-driven personalized advertising on social media and purchase intention in the fashion industry. Journal of Global Marketing. Advance online publication. https://doi.org/10.1080/08911762.2026.2628618

8. Huang, MH, & Rust, RT (2021). A strategic framework for artificial intelligence in marketing. Journal of the Academy of Marketing Science, 49(1), 30-50. https://doi.org/10.1007/s11747-020-00749-9

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

10. Yin, J., Qiu, X., & Wang, Y. (2025). The impact of AI-personalized recommendations on click-through intention: Evidence from Chinese e-commerce. Journal of Theoretical and Applied Electronic Commerce Research, 20(1), 21. https://doi.org/10.3390/jtaer20010021