Chất lượng tương tác chatbot AI và lòng trung thành của khách hàng trên các sàn thương mại điện tử: Vai trò trung gian của sự hài lòng

Nguyễn Tiến Đạt

Khoa Kinh Tế - Quản Trị, Trường Đại học Văn Hiến

Email: [email protected]

Tóm tắt

Nghiên cứu này phân tích cơ chế chất lượng tương tác chatbot trí tuệ nhân tạo (AI) hình thành lòng trung thành của khách hàng, với trọng tâm vai trò trung gian của sự hài lòng. Dựa trên Mô hình xác nhận kỳ vọng (ECM), Mô hình chấp nhận công nghệ (TAM) và thang đo chất lượng dịch vụ điện tử (E-S-QUAL), nghiên cứu đề xuất mô hình đường dẫn gồm 5 khái niệm: Chất lượng dịch vụ chatbot, Cảm nhận tính hữu ích, Niềm tin vào chatbot, Sự hài lòng và Lòng trung thành. Kết quả cho thấy, Chất lượng dịch vụ, Cảm nhận hữu ích và Niềm tin đều tác động tích cực đến Sự hài lòng; Sự hài lòng là yếu tố tác động mạnh nhất đến Lòng trung thành và đóng vai trò trung gian giữa các tiền đề Chất lượng và Lòng trung thành. Nghiên cứu cung cấp hàm ý quản trị cho doanh nghiệp thương mại điện tử trong thiết kế chatbot AI.

Từ khoá: Chatbot AI, lòng trung thành, sự hài lòng, vai trò trung gian, thương mại điện tử

Abstract

This study examines the mechanism through which artificial intelligence (AI) chatbot interaction quality influences customer loyalty, with a particular focus on the mediating role of customer satisfaction. Drawing on the Expectation Confirmation Model (ECM), the Technology Acceptance Model (TAM), and the E-S-QUAL framework, the study proposes a conceptual model comprising five constructs: chatbot service quality, perceived usefulness, trust in AI chatbots, customer satisfaction, and customer loyalty. The findings indicate that chatbot service quality, perceived usefulness, and trust all have significant positive effects on customer satisfaction. Furthermore, customer satisfaction exerts the strongest influence on customer loyalty and serves as a key mediator linking chatbot service quality to customer loyalty. The study offers practical implications for e-commerce businesses in designing and implementing AI chatbot services to enhance customer satisfaction and foster long-term customer loyalty.

Keywords: AI chatbot, customer loyalty, customer satisfaction, mediating role, e-commerce

GIỚI THIỆU

Thương mại điện tử (TMĐT) tại Việt Nam đang phát triển nhanh chóng, kéo theo kỳ vọng ngày càng cao của khách hàng về tốc độ và chất lượng dịch vụ chăm sóc. Để đáp ứng, các sàn lớn như Shopee, Lazada và TikTok Shop đã triển khai rộng rãi chatbot AI nhằm tư vấn, giải đáp thắc mắc và hỗ trợ giao dịch 24/7. Với khả năng phản hồi tức thời và cá nhân hóa, chatbot AI trở thành điểm tiếp xúc quan trọng định hình trải nghiệm và cảm nhận tổng thể của khách hàng đối với nền tảng (Le và Nguyen, 2024).

Trong bối cảnh cạnh tranh khốc liệt, giữ chân khách hàng hiện hữu trở thành mục tiêu chiến lược. Tuy nhiên, mối quan hệ giữa sự hài lòng và lòng trung thành mang tính bất đối xứng: khách hàng hài lòng chưa chắc trung thành, song lòng trung thành hiếm khi hình thành nếu thiếu sự hài lòng (Oliver, 1999). Trong khi đó, phần lớn nghiên cứu trước chỉ xem xét tác động trực tiếp của các đặc tính chatbot đến sự hài lòng (Ashfaq và cộng sự, 2020), mà chưa làm rõ cơ chế trung gian dẫn tới lòng trung thành trong bối cảnh TMĐT Việt Nam. Xuất phát từ khoảng trống đó, nghiên cứu này được thực hiện.

CƠ SỞ LÝ THUYẾT VÀ CÁC GIẢ THUYẾT NGHIÊN CỨU

Cơ sở lý thuyết

Nghiên cứu dựa trên Mô hình xác nhận kỳ vọng (ECM) của Bhattacherjee (2001), theo đó sự hài lòng được hình thành từ mức độ xác nhận kỳ vọng và cảm nhận tính hữu ích sau khi sử dụng; và sự hài lòng quyết định các kết quả hành vi tiếp theo. Áp dụng vào bối cảnh chatbot AI, ECM gợi ý rằng sự hài lòng với trải nghiệm chatbot là cầu nối trung tâm dẫn đến lòng trung thành.

Bổ trợ cho ECM, Mô hình chấp nhận công nghệ (TAM) của Davis (1989) nhấn mạnh cảm nhận tính hữu ích và dễ sử dụng là tiền đề then chốt của việc chấp nhận công nghệ. Trong tương tác với chatbot, cảm nhận hữu ích phản ánh mức độ khách hàng tin rằng chatbot giúp họ giải quyết vấn đề hiệu quả và là động lực cốt lõi hình thành sự hài lòng.

Để đo lường chất lượng tương tác, nghiên cứu kế thừa thang đo chất lượng dịch vụ điện tử (E-S-QUAL) của Parasuraman và cộng sự (2005). Chất lượng dịch vụ chatbot ở đây là khái niệm tổng hợp phản ánh độ chính xác, đầy đủ của thông tin, tốc độ phản hồi và khả năng thấu hiểu, phản hồi mang tính cá nhân hóa giống con người.

Niềm tin vào chatbot phản ánh mức độ khách hàng tin tưởng hệ thống hoạt động đáng tin cậy và vì lợi ích của họ; đây là yếu tố then chốt giúp giảm cảm nhận rủi ro trong tương tác người - AI (Alagarsamy và Mehrolia, 2023). Cuối cùng, sự hài lòng được xem là tiền đề trực tiếp và mạnh nhất của lòng trung thành (Oliver, 1999), còn lòng trung thành thể hiện cam kết lâu dài của khách hàng với nền tảng.

Giả thuyết nghiên cứu

Chất lượng dịch vụ của chatbot là tiền đề nền tảng tạo nên trải nghiệm khách hàng trong môi trường trực tuyến. Theo thang đo E-S-QUAL, các thuộc tính như độ chính xác, đầy đủ của thông tin và khả năng phản hồi kịp thời quyết định mức độ khách hàng đánh giá tích cực về dịch vụ. Trong bối cảnh chatbot AI, khi hệ thống cung cấp câu trả lời chính xác, nhanh chóng và thể hiện sự thấu hiểu nhu cầu, khách hàng có xu hướng cảm thấy được phục vụ tốt và hài lòng hơn. Ashfaq và cộng sự (2020) cũng khẳng định chất lượng thông tin và chất lượng dịch vụ là những yếu tố dự báo mạnh của sự hài lòng đối với các tác nhân dịch vụ dựa trên AI. Do đó, nghiên cứu đề xuất giả thuyết:

H1: Chất lượng dịch vụ chatbot có tác động thuận chiều đến Sự hài lòng của khách hàng.

Cảm nhận tính hữu ích là 1 trong 2 cấu phần trung tâm của TAM (Davis, 1989) và là tiền đề quan trọng của sự hài lòng trong ECM (Bhattacherjee, 2001). Chính cảm nhận về lợi ích thiết thực này làm gia tăng mức độ hài lòng của khách hàng sau khi sử dụng, bởi trải nghiệm đã mang lại đúng giá trị mà khách hàng kỳ vọng. Nhiều nghiên cứu trong lĩnh vực hệ thống thông tin và dịch vụ số đã xác nhận mối quan hệ tích cực giữa cảm nhận hữu ích và sự hài lòng. Vì vậy, nghiên cứu đề xuất giả thuyết:

H2: Cảm nhận tính hữu ích có tác động thuận chiều đến Sự hài lòng của khách hàng.

Niềm tin đóng vai trò đặc biệt quan trọng trong các tương tác trực tuyến vốn tiềm ẩn nhiều rủi ro và sự thiếu chắc chắn, nhất là khi đối tác tương tác là một hệ thống AI mà khách hàng không thể quan sát trực tiếp cơ chế vận hành. Khi khách hàng tin tưởng rằng chatbot cung cấp thông tin trung thực, bảo mật và hành xử vì lợi ích của họ, mức độ lo ngại giảm đi và trải nghiệm tương tác trở nên tích cực hơn. Alagarsamy và Mehrolia (2023) chỉ ra rằng, niềm tin vào chatbot có vai trò trung gian làm giảm nhẹ tác động tiêu cực của cảm nhận rủi ro và thúc đẩy các kết quả hành vi thuận lợi, trong đó có sự hài lòng. Do đó, nghiên cứu đề xuất giả thuyết:

H3: Niềm tin vào chatbot có tác động thuận chiều đến Sự hài lòng của khách hàng.

Mối quan hệ giữa sự hài lòng và lòng trung thành là một trong những phát hiện nền tảng và bền vững nhất trong nghiên cứu marketing. Oliver (1999) lập luận rằng, sự hài lòng là điều kiện cần để hình thành lòng trung thành đối với thương hiệu. Trong môi trường số, Bhattacherjee (2001) cũng khẳng định sự hài lòng là yếu tố quyết định ý định tiếp tục sử dụng hệ thống. Nghiên cứu gần đây của Nguyen và cộng sự (2025) trong bối cảnh chatbot tiếp tục xác nhận chuỗi tác động từ sự hài lòng đến lòng trung thành. Khi khách hàng hài lòng với trải nghiệm chatbot, họ có xu hướng gắn bó lâu dài, tiếp tục lựa chọn và giới thiệu nền tảng cho người khác. Vì vậy, nghiên cứu đề xuất giả thuyết:

H4: Sự hài lòng có tác động thuận chiều đến Lòng trung thành của khách hàng.

Khách hàng tin tưởng vào chatbot và rộng hơn là vào nền tảng thường ít có xu hướng tìm kiếm các lựa chọn thay thế, ngay cả khi mức độ hài lòng tại một thời điểm cụ thể chưa thật cao. Niềm tin tạo ra một mối quan hệ ổn định, giảm chi phí chuyển đổi về mặt tâm lý và củng cố cam kết lâu dài (Alagarsamy và Mehrolia, 2023). Trong môi trường thương mại điện tử, nơi rủi ro thông tin và giao dịch luôn hiện hữu, niềm tin trở thành nền tảng cho lòng trung thành bền vững. Do đó, nghiên cứu đề xuất giả thuyết:

H5: Niềm tin vào chatbot có tác động thuận chiều đến Lòng trung thành của khách hàng.

Cuối cùng, chất lượng dịch vụ chatbot vượt trội cũng có thể trực tiếp củng cố lòng trung thành mà không nhất thiết phải thông qua sự hài lòng. Một chatbot cung cấp thông tin chính xác, phản hồi nhanh và tương tác tự nhiên tạo ra giá trị và sự khác biệt rõ rệt trong trải nghiệm, qua đó hình thành thói quen sử dụng và sự gắn bó của khách hàng (Ashfaq và cộng sự, 2020). Vì vậy, nghiên cứu đề xuất giả thuyết:

H6: Chất lượng dịch vụ chatbot có tác động thuận chiều đến Lòng trung thành của khách hàng.

Từ các giả thuyết trên, mô hình nghiên cứu được đề xuất như Hình.

Hình: Mô hình nghiên cứu

Nguồn: Tác giả đề xuất

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu sử dụng phương pháp định lượng với bảng hỏi cấu trúc đối với khách hàng đã từng tương tác với chatbot AI trên các sàn Shopee, Lazada, TikTok Shop. Thang đo 5 khái niệm được kế thừa và hiệu chỉnh từ các nghiên cứu trước (Parasuraman và cộng sự, 2005; Ashfaq và cộng sự, 2020; Davis, 1989; Alagarsamy và Mehrolia, 2023; Bhattacherjee, 2001; Oliver, 1999), mỗi khái niệm đo bằng 4 biến quan sát trên thang Likert 5 mức độ, tổng cộng 20 biến quan sát.

Khảo sát được triển khai trực tuyến thông qua Google Forms và phân phối qua các nền tảng mạng xã hội như Facebook và Zalo trên phạm vi toàn quốc từ tháng 1-4/2026. Phương pháp lấy mẫu thuận tiện được áp dụng nhằm tiếp cận đa dạng nhóm khách hàng. Sau khi loại bỏ các phiếu trả lời không hợp lệ, nghiên cứu thu được 405 phiếu hợp lệ phục vụ cho các bước phân tích.

Cỡ mẫu 405 đáp ứng yêu cầu cho CFA và SEM theo Hair và cộng sự (2010) và công thức n ≥ 50 + 8m của Tabachnick và Fidell (2007). Dữ liệu được xử lý qua 3 bước: kiểm định độ tin cậy (Cronbach’s Alpha, CR); phân tích nhân tố khẳng định (CFA) đánh giá giá trị hội tụ, phân biệt và độ phù hợp; và mô hình cấu trúc tuyến tính (SEM) để kiểm định giả thuyết và ước lượng hiệu ứng trực tiếp, gián tiếp.

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

KẾT QUẢ NGHIÊN CỨU

Kết quả kiểm định độ tin cậy và giá trị thang đo được trình bày tại Bảng 1. Hệ số Cronbach’s Alpha của các thang đo dao động từ 0.802 đến 0.866 (> 0.7); độ tin cậy tổng hợp (CR) đều lớn hơn 0.7 và phương sai trích trung bình (AVE) đều lớn hơn 0.5, khẳng định độ tin cậy và giá trị hội tụ của các thang đo.

Bảng 1: Độ tin cậy và giá trị hội tụ của thang đo

Nguồn: Kết quả phân tích dữ liệu

Kết quả phân tích nhân tố khẳng định (CFA) cho thấy mô hình đo lường phù hợp với dữ liệu: Chi-square/df = 1.84; CFI = 0.957; TLI = 0.945; RMSEA = 0.046; SRMR = 0.041 - tất cả đều đạt ngưỡng chấp nhận. Giá trị phân biệt cũng được bảo đảm khi căn bậc hai của AVE mỗi khái niệm đều lớn hơn các hệ số tương quan giữa khái niệm đó với các khái niệm còn lại. Do đó, mô hình đủ điều kiện để kiểm định các giả thuyết bằng SEM. Kết quả ước lượng các hệ số đường dẫn được trình bày tại Bảng 2.

Bảng 2: Kết quả ước lượng hệ số đường dẫn (SEM)

Nguồn: Kết quả phân tích dữ liệu

Mô hình giải thích được 43.6% biến thiên của Sự hài lòng và 44.7% biến thiên của Lòng trung thành. Kết quả tóm tắt kiểm định giả thuyết được trình bày tại Bảng 3.

Bảng 3: Tóm tắt kết quả kiểm định giả thuyết

Nguồn: Kết quả phân tích dữ liệu

Cả 6 giả thuyết đều được chấp nhận (p < 0.05). Trong đó, Sự hài lòng là yếu tố tác động mạnh nhất đến Lòng trung thành (β = 0.417), nhất quán với Oliver (1999), Bhattacherjee (2001), Nguyen và cộng sự (2025), tái khẳng định sự hài lòng là động lực cốt lõi của lòng trung thành.

KẾT LUẬN

Nghiên cứu đã phân tích cơ chế qua đó chất lượng tương tác chatbot AI hình thành Lòng trung thành của khách hàng trên các sàn TMĐT tại Việt Nam, với trọng tâm là vai trò trung gian của Sự hài lòng. Kết quả từ 405 quan sát khẳng định Chất lượng dịch vụ, Cảm nhận hữu ích và Niềm tin đều nâng cao Sự hài lòng, và Sự hài lòng là yếu tố quyết định mạnh nhất đối với Lòng trung thành, đồng thời giữ vai trò trung gian giữa các tiền đề chất lượng và lòng trung thành.

Kết quả này cho thấy, ngoài việc nâng cao năng lực kỹ thuật, doanh nghiệp cần đặc biệt chú trọng xây dựng niềm tin của khách hàng đối với chatbot. Về lý thuyết, nghiên cứu tích hợp 3 khung ECM, TAM và E-S-QUAL vào một mô hình đường dẫn thống nhất và làm rõ cơ chế trung gian của sự hài lòng. Về thực tiễn, doanh nghiệp cần ưu tiên xây dựng niềm tin và nâng cao chất lượng dịch vụ chatbot (thông tin chính xác, phản hồi kịp thời), đồng thời chú trọng trải nghiệm nhằm gia tăng sự hài lòng - cầu nối then chốt dẫn đến lòng trung thành.

Tài liệu tham khảo:

1. Alagarsamy, S., & Mehrolia, S. (2023). Exploring chatbot trust: Antecedents and behavioural outcomes. Heliyon, 9(5), e16074. https://doi.org/10.1016/j.heliyon.2023.e16074

2. Ashfaq, M., Yun, J., Yu, S., & Loureiro, S. M. C. (2020). I, Chatbot: Modeling the determinants of users’ satisfaction and continuance intention of AI-powered service agents. Telematics and Informatics, 54, 101473. https://doi.org/10.1016/j.tele.2020.101473

3. Bhattacherjee, A. (2001). Understanding information systems continuance: An expectation-confirmation model. MIS Quarterly, 25(3), 351-370. https://doi.org/10.2307/3250921

4. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340. https://doi.org/10.2307/249008

5. Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Pearson.

6. Le, X. C., & Nguyen, T. H. (2024). The effects of chatbot characteristics and customer experience on satisfaction and continuance intention toward banking chatbots: Data from Vietnam. Data in Brief, 52, 110025. https://doi.org/10.1016/j.dib.2023.110025

7. Nguyen, M. T., Tran, D. Q., Nguyen, C. N. L., Nguyen, A. C., & Doan, H. K. (2025). The influence of AI chatbots on green satisfaction and loyalty: Evidence from sustainability-driven consumer behavior. Journal of Global Marketing. https://doi.org/10.1080/08911762.2025.2503495

8. Oliver, R. L. (1999). Whence consumer loyalty? Journal of Marketing, 63(Special Issue), 33-44. https://doi.org/10.1177/00222429990634s105

9. Parasuraman, A., Zeithaml, V. A., & Malhotra, A. (2005). E-S-QUAL: A multiple-item scale for assessing electronic service quality. Journal of Service Research, 7(3), 213-233. https://doi.org/10.1177/1094670504271156

10. Tabachnick, B. G., & Fidell, L. S. (2007). Using multivariate statistics (5th ed.). Allyn & Bacon.