Quảng cáo livestream và doanh số ngoại phiên: Bằng chứng bước đầu từ Công ty TNHH IGA Việt Nam

Nguyễn Minh Tân

Học viên cao học ngành Quản trị Kinh doanh, Trường Đại học Công nghệ TP. Hồ Chí Minh (HUTECH)

Email: [email protected]

Tóm tắt

Nghiên cứu phân tích mối quan hệ đồng thời và độ trễ 1-2 ngày giữa chi tiêu cho quảng cáo livestream và doanh số phát sinh ngoài phiên trên TikTok Shop, với Công ty TNHH IGA Việt Nam làm nghiên cứu trường hợp. Nghiên cứu áp dụng dữ liệu hàng ngày trong khoảng thời gian 92 ngày (từ ngày 1/6-31/8/2026) và tiến hành ước lượng mô hình tự hồi quy phân phối trễ ARDL(1,2) với sai số chuẩn Newey-West. Kết quả cho thấy, chi phí quảng cáo livestream có mối quan hệ tích cực với doanh số bán hàng nội phiên trong cùng ngày ở mức ý nghĩa 10%. Ngược lại, không phát hiện được mối liên hệ có ý nghĩa thống kê giữa chi phí quảng cáo và doanh số ngoại phiên, cả trong cùng ngày và tại các độ trễ 1-2 ngày. Ngoài ra, giá bán trung bình và các ngày khuyến mãi lớn cho thấy mối liên hệ rõ ràng với doanh số ngoại phiên. Từ đó, nghiên cứu nhấn mạnh nhu cầu chuẩn hóa dữ liệu đa nguồn và đánh giá hiệu ứng quảng cáo tại nhiều thời điểm, thay vì chỉ dựa vào kết quả trong phiên.

Từ khóa: Quảng cáo livestream, doanh số ngoại phiên, tác động trễ, TikTok Shop

Abstract

This study examines the contemporaneous relationship and 1- to 2-day lagged effects of livestream advertising expenditure on off-session sales on TikTok Shop, using IGA Viet Nam Co., Ltd. as a case study. The study employs daily data over 92 days (1 June-31 August 2026) and estimates an autoregressive distributed lag model, ARDL(1,2), with Newey-West standard errors. The results indicate that livestream advertising expenditure is positively associated with same-day sales generated during livestream sessions at the 10% significance level. In contrast, no statistically significant relationship is found between advertising expenditure and off-session sales, either contemporaneously or at lags of 1-2 days. In addition, average selling prices and major promotional days are clearly associated with off-session sales. These findings highlight the need to standardize multi-source data and evaluate advertising effects across multiple time points rather than relying solely on sales performance during livestream sessions.

Keywords: Livestream advertising, off-session sales, lagged effects, TikTok Shop

GIỚI THIỆU

Bán hàng livestream kết hợp trình bày sản phẩm, tương tác thời gian thực và khả năng đặt hàng ngay lập tức tạo doanh thu trong phiên và có thể ảnh hưởng đến hành vi mua tại các thời điểm hoặc kênh khác. Với người bán trên TikTok Shop, việc chỉ dựa vào doanh thu ghi nhận trong phiên để đánh giá hiệu quả quảng cáo có thể bỏ qua các tác động xuất hiện sau phiên. Trong khi đó, doanh số ngoài phiên còn bị chi phối bởi giá bán, khuyến mãi, nguồn lưu lượng từ video và bản chất sản phẩm, nên cần phân tích thận trọng thay vì gán mọi biến động doanh thu là kết quả trực tiếp của quảng cáo LIVE. Các nghiên cứu gần đây (Wang và Chen, 2026; Liang và cộng sự, 2026) cho thấy, hiệu ứng lan tỏa có thể ngắn hạn và các nguồn lưu lượng khác nhau không đồng nhất về tác động. Điều đó đặt ra câu hỏi thực tiễn: chi phí quảng cáo livestream tương quan thế nào với doanh số ngoài phiên trong những ngày kế tiếp?

Công ty TNHH IGA Việt Nam được chọn làm trường hợp nghiên cứu vì 3 lý do chính. Thứ nhất, đây là doanh nghiệp hoạt động trong lĩnh vực kinh doanh sản phẩm nội thất và đồ gia dụng trên TikTok Shop - một nhóm hàng có giá trị đơn hàng cao (với giá bán trung bình khoảng 924.000 đồng trong thời gian nghiên cứu) và yêu cầu người tiêu dùng phải cân nhắc kỹ lưỡng. Khách hàng thường xem livestream để tìm hiểu về sản phẩm, nhưng có thể trì hoãn quyết định mua hàng đến một thời điểm hoặc kênh khác. Điều này tạo ra một bối cảnh thích hợp để đánh giá tác động trễ của quảng cáo đến doanh số bán hàng. Thứ hai, doanh nghiệp này vận hành nhiều nguồn doanh thu trên TikTok Shop, bao gồm livestream, video ngắn và thẻ sản phẩm, đồng thời thực hiện quảng cáo LIVE không liên tục, dẫn đến sự khác biệt tự nhiên giữa các ngày có và không có quảng cáo. Cuối cùng, tác giả trực tiếp tham gia vào việc vận hành TikTok Shop tại công ty, do đó có thể tiếp cận dữ liệu chi tiết về đơn hàng theo mã đơn, báo cáo quảng cáo và lịch livestream - những loại dữ liệu cấp giao dịch vốn khó khăn để thu thập trong các nghiên cứu thương mại điện tử tại Việt Nam. Hơn nữa, IGA đại diện cho nhóm các doanh nghiệp nhỏ và vừa đang chuyển hướng sang bán hàng qua livestream, do đó kết quả nghiên cứu sẽ có giá trị tham khảo cho các doanh nghiệp có quy mô và lĩnh vực tương tự.

Nghiên cứu này được thực hiện nhằm: (i) mô tả mối liên hệ cùng ngày giữa chi phí quảng cáo livestream và doanh số nội phiên/ngoại phiên; (ii) kiểm tra mối liên hệ trễ 1-2 ngày với doanh số ngoại phiên sau khi điều chỉnh một số biến kiểm soát vận hành; và (iii) chỉ ra các giới hạn đo lường có thể ảnh hưởng tới kết luận. Hai câu hỏi nghiên cứu được đặt ra: RQ1 - Chi phí quảng cáo livestream có mối liên hệ thống kê với doanh số ngoại phiên hay không? RQ2 - Nếu có, mối liên hệ đó biểu hiện như thế nào ở độ trễ 1 hoặc 2 ngày? Các mối quan hệ được kiểm định là tương quan. Có điều kiện, không ngụ ý quan hệ nhân quả. Phạm vi nghiên cứu tập trung vào hoạt động TikTok Shop của Công ty TNHH IGA Việt Nam từ ngày 1/6-31/8/2026 (92 ngày). Đây là nghiên cứu trường hợp cho một doanh nghiệp ngành nội thất/đồ gia dụng, không nhằm suy rộng lên toàn thị trường. Mô hình doanh số ngoại phiên sử dụng 90 quan sát do tạo biến trễ 2 ngày.

CƠ SỞ LÝ THUYẾT VÀ TỔNG QUAN NGHIÊN CỨU

Khái niệm và phạm vi đo lường

Quảng cáo livestream (Live Ads) được hiểu là chi tiêu quảng cáo thực tế phát sinh nhằm thúc đẩy phiên phát trực tiếp. Cần phân biệt khoản chi này với tiền nạp tài khoản, thanh toán hóa đơn, quảng cáo video hay quảng cáo sản phẩm.

Doanh số nội phiên là giá trị đơn hàng phát sinh trong thời gian livestream thực tế; phép đo phải quy định rõ cách tính cho đơn bị hủy/hoàn và ngày ghi nhận đơn. Chỉ số LIVE GMV từ nền tảng có thể dựa trên quy tắc phân bổ riêng nên cần đối chiếu.

Doanh số ngoại phiên có thể xác định theo thời điểm đặt hàng nằm ngoài mọi phiên phát hoặc theo kênh do nền tảng ghi nhận; hai định nghĩa không hoàn toàn đồng nhất.

Nghiên cứu này áp dụng định nghĩa kênh dựa trên dữ liệu từ nền tảng ghi nhận (trường OrderChannel trong tệp đơn hàng): doanh thu nội phiên bao gồm các đơn hàng từ kênh LIVE, trong khi doanh thu ngoại phiên được tính từ các đơn hàng phát sinh qua những kênh khác như video và thẻ sản phẩm.

Lý thuyết trễ quảng cáo của Koyck (1954) và khái niệm vốn quảng cáo (Nerlove và Arrow, 1962) gợi ý rằng, hiệu ứng quảng cáo có thể kéo dài sau thời điểm chi phí phát sinh; trong livestream, người tiêu dùng có thể nhận biết sản phẩm trong phiên nhưng quyết định mua sau đó, một cơ chế có thể liên quan đến hiệu ứng tiếp xúc lặp lại (mere exposure) theo Zajonc (1968). Tuy nhiên, doanh số ngày tiếp theo còn chịu ảnh hưởng bởi khuyến mãi, nhu cầu sẵn có và nội dung video; vì vậy độ trễ không tự động xác nhận cơ chế lan tỏa.

Bằng chứng thực nghiệm

Các nghiên cứu gần đây chỉ ra hiệu ứng lan tỏa ngắn hạn và khả năng dịch chuyển nhu cầu giữa các khoảng thời gian (Wang và Chen, 2026), và giữa các kênh trong chuỗi cung ứng (Yang và cộng sự, 2023), cũng như khác biệt vai trò của các nguồn lưu lượng đối với doanh số (Liang và cộng sự, 2026). Các công trình về hành vi bổ sung góc nhìn về ý định mua (Zhang và cộng sự, 2023; Dao và Nguyen, 2025) nhưng không trực tiếp trả lời câu hỏi về mối liên hệ giữa quảng cáo và doanh thu theo ngày tại IGA.

Đóng góp của nghiên cứu nằm ở việc mô tả một trường hợp vận hành TikTok Shop tại Việt Nam, minh họa cấu trúc kiểm định độ trễ quảng cáo và làm nổi bật yêu cầu đối soát dữ liệu khi doanh thu đến từ nhiều kênh. Đóng góp này mang tính thăm dò, không khẳng định quan hệ nhân quả.

Giả thuyết nghiên cứu

Từ các lý thuyết và tổng quan trên, nghiên cứu đề xuất các giả thuyết sau:

H1: Chi phí quảng cáo livestream cùng ngày có quan hệ dương với doanh số nội phiên.

H2: Chi phí quảng cáo livestream cùng ngày có quan hệ dương với doanh số ngoại phiên.

H3: Chi phí quảng cáo livestream tại ngày t có quan hệ dương với doanh số ngoại phiên tại t+1 hoặc t+2.

PHƯƠNG PHÁP NGHIÊN CỨU VÀ DỮ LIỆU

Thiết kế nghiên cứu và đối soát nguồn

Đơn vị phân tích là ngày theo giờ Việt Nam trong khoảng 1/6-31/08/2026. Nguồn kiểm tra gồm: (i) tệp xuất đơn hàng TikTok Shop có mã đơn, thời điểm tạo đơn, trạng thái và OrderChannel; (ii) báo cáo vận hành/kinh doanh của IGA; (iii) báo cáo thanh toán và hiệu suất quảng cáo; và (iv) lịch làm việc livestream. Tệp đơn hàng cung cấp có 2.004 dòng, 1.957 mã đơn duy nhất, gồm 1.366 dòng hoàn tất và 638 dòng đã hủy; Nghiên cứu này sử dụng khái niệm kênh dựa trên dữ liệu từ nền tảng ghi nhận, cụ thể là trường OrderChannel trong tệp đơn hàng. Doanh thu nội phiên được xác định từ các đơn hàng thuộc kênh LIVE, trong khi doanh thu ngoại phiên được tính từ các đơn hàng phát sinh qua những kênh khác như video và thẻ sản phẩm.

Định nghĩa biến và quy tắc xử lý

Biến giải thích chính X_t là chi phí quảng cáo LIVE thực chi trong ngày t (VNĐ) lấy từ chỉ số phân phối chiến dịch tương ứng, không phải số tiền nạp ví hoặc khoản thanh toán hóa đơn. Biến dùng trong phương trình là ln(1+X_t), cùng 2 độ trễ t-1 và t-2.

Biến phụ thuộc Y_t là doanh số ngoại phiên theo ngày, sau khi loại các đơn không đủ điều kiện theo quy tắc công bố và khử trùng theo mã đơn. Doanh số được ghi nhận theo ngày tạo đơn (giờ Việt Nam); các đơn đã hủy loại khỏi phép tính. Với mô hình doanh số nội phiên có nhiều ngày bằng 0, sử dụng ln(1+doanh số nội phiên) để tránh ln(0).

Biến kiểm soát bao gồm giá bán trung bình hàng ngày, số lượng phiên LIVE thực tế, biến giả cho cuối tuần (gán giá trị 1 cho thứ Bảy và Chủ nhật) và biến giả cho chiến dịch Mega Sale. Biến Mega Sale có giá trị 1 vào các ngày 6/6, 7/7 và 8/8 - thời điểm diễn ra các chương trình khuyến mãi lớn trên TikTok Shop - và có giá trị 0 vào các ngày khác.

Với biến ln(1+Ads), hệ số quảng cáo không phải là độ co giãn thuần túy tại Ads = 0. Vì vậy, hệ số quảng cáo được hiểu là tỷ lệ thay đổi tương đối của doanh thu liên quan đến sự thay đổi của ln(1+chi phí quảng cáo); tỷ lệ số ngày không chi cho quảng cáo đã được trình bày riêng trong phần thống kê mô tả.

Mô hình phân tích áp dụng là ARDL(1,2): một độ trễ của doanh số ngoại phiên và các biến chi phí quảng cáo hiện tại, trễ 1 ngày, trễ 2 ngày. Mô hình ước lượng bằng OLS với sai số chuẩn Newey-West (HAC). Do nghiên cứu tập trung vào quan hệ ngắn hạn, không tuyên bố đồng liên kết hay hệ số dài hạn khi chưa thực hiện kiểm định thích hợp.

ln(Y_t) = α + pln(Y_t^-1) + β⁰ln(1 + Ads_t) + β¹ln(1 + Ads_t^-1) + β²ln(1+ Ads_t^-2) + γ’Z_t + ɛ_t(1)

Trong đó: Yₜ là doanh số ngoại phiên dương; Adsₜ là chi phí quảng cáo LIVE thực chi; Zₜ là các biến kiểm soát. Hệ số ρ phản ánh tính tự hồi quy của doanh số, còn β₀, β₁, β₂ biểu thị các liên hệ có điều kiện giữa chi phí quảng cáo và doanh số. Sự đồng biến hoặc nghịch biến trong mô hình không đủ để suy ra quan hệ nhân quả nếu ngân sách quảng cáo được lựa chọn dựa trên triển vọng bán hàng.

Khi 0 < ρ < 1, biểu thức ln(0,5)/ln(ρ) có thể dùng để mô tả thời gian bán rút còn một nửa của thành phần tự hồi quy doanh số, không phải của riêng hiệu ứng quảng cáo.(2)

Trước khi tiến hành ước lượng, dữ liệu được kiểm tra để đảm bảo có độ phủ trong vòng 92 ngày, bao gồm việc đối chiếu tổng doanh thu với doanh thu theo từng kênh. Ngoài ra, cũng thực hiện rà soát các đơn hàng trùng lặp, đơn bị hủy/hoàn, sai sót về ngày tháng và chênh lệch múi giờ. Sau đó, các biến số sẽ được chuyển đổi sang dạng logarit, tạo biến trễ và đưa vào mô hình hồi quy.

Nghiên cứu tiến hành kiểm định ADF cho từng chuỗi dữ liệu nhằm xác định tính dừng. Bậc trễ tối đa được lựa chọn là 2 ngày, phù hợp với mục tiêu nghiên cứu về tác động ngắn hạn; mô hình được ước lượng với sai số chuẩn HAC. Các kiểm định chẩn đoán bao gồm tự tương quan phần dư (Breusch-Godfrey), phương sai sai số thay đổi (Breusch-Pagan) và đa cộng tuyến (VIF); sai số chuẩn và giá trị p được cung cấp cho các hệ số chính.

KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

Thống kê mô tả

Bảng 1: Thống kê mô tả các biến nghiên cứu (N = 92)

Ghi chú: Chi phí cho quảng cáo Livestream là khoản chi thực tế dành cho chiến dịch LIVE trong ngày; doanh thu nội phiên và ngoại phiên được xác định sau khi đã loại bỏ đơn hàng bị hủy và thực hiện khử trùng theo mã đơn.

Nguồn: Tác giả tính toán từ dữ liệu nghiên cứu

Theo kết quả phân tích, chi phí quảng cáo LIVE bằng 0 trong 77 trên 92 ngày (tương đương 83,7%), trong khi doanh thu nội phiên bằng 0 trong 35 trên 92 ngày. Tỷ lệ ngày không phát sinh chi phí quảng cáo cao, cho thấy rằng hoạt động quảng cáo LIVE tại IGA không diễn ra liên tục và chỉ tập trung vào một số ngày nhất định; đặc điểm này dẫn đến việc giải thích có độ biến thiên thấp và cần được cân nhắc khi phân tích các hệ số ước lượng. Doanh thu ngoại phiên trung bình (khoảng 19,0 triệu đồng/ngày) cao gấp khoảng 12,7 lần doanh thu nội phiên (khoảng 1,49 triệu đồng/ngày), cho thấy phần lớn doanh số của gian hàng phát sinh ngoài thời gian livestream.

Kết quả kiểm định ADF chỉ ra rằng, chuỗi ln(doanh số ngoại phiên) dừng lại ở mức ý nghĩa 5% (p = 0,036), trong khi chuỗi ln(1 + chi phí quảng cáo) có p = 0,416, cho thấy chưa đủ bằng chứng để bác bỏ giả thuyết nghiệm đơn vị. Do biến quảng cáo có tỷ lệ bằng 0 rất cao, độ tin cậy của kiểm định ADF đối với chuỗi này là hạn chế; do đó, các hệ số quảng cáo trong mô hình cần được diễn giải một cách thận trọng.

Kết quả ước lượng mô hình

Bảng 2: Kết quả ước lượng mô hình ARDL(1,2) đối với doanh số ngoại phiên (N = 90)

Ghi chú: R² = 0,295; R² hiệu chỉnh = 0,226; N = 90. *: 10%; ***: 1%.

Nguồn: Kết quả nghiên cứu

Bảng 3: Kết quả mô hình doanh số nội phiên (N = 92)

Ghi chú: Biến phụ thuộc được xác định là ln(1 + doanh số nội phiên_t) vì có nhiều ngày mà doanh số nội phiên là 0; áp dụng sai số chuẩn Newey-West (HAC). R² = 0,227; N = 92. *: 10%; ***: 1%.

Nguồn: Kết quả nghiên cứu

Kết quả Bảng 2 cho thấy, các hệ số của ln(1 + Ads) tại thời điểm t, t-1 và t-2 lần lượt là -0,0002; -0,0063 và -0,0068; tất cả đều không có ý nghĩa thống kê (giá trị p đều lớn hơn 0,48). Điều này chỉ ra rằng, không có bằng chứng thống kê cho thấy mối liên hệ giữa chi phí quảng cáo livestream và doanh số ngoại phiên, cả trong cùng ngày và tại độ trễ 1-2 ngày. Kết quả này không có nghĩa là quảng cáo hoàn toàn không tạo ra doanh số ngoài phiên, mà chỉ ra rằng tác động, nếu có, không đủ lớn để được phát hiện trong khung thời gian 92 ngày. Ngược lại, giá bán bình quân (β = 0,7426; p < 0,01) và biến Mega Sale (β = 0,5880; p < 0,01) thể hiện mối quan hệ dương và có ý nghĩa thống kê với doanh số ngoại phiên.

Tại Bảng 3, chi phí quảng cáo trong cùng ngày có mối quan hệ dương với doanh số nội phiên với mức ý nghĩa 10% (β = 0,1910; p = 0,067), trong khi số phiên livestream cho thấy mối quan hệ dương mạnh hơn (β = 2,1701; p < 0,01). Hệ số của biến doanh số ngoại phiên tại độ trễ một ngày là ρ = 0,25 (p < 0,01). Theo công thức (2), thời gian bán rút tương ứng khoảng 0,5 ngày; giá trị này chỉ phản ánh quán tính của doanh số ngoại phiên và không nên được diễn giải là vòng đời tác động riêng của quảng cáo.

Kiểm định chẩn đoán mô hình

Bảng 4: Các kiểm định chuẩn đoán mô hình ARDL(1,2)

Ghi chú: Kiểm định Breusch-Godfrey với độ trễ bằng 2; VIF được tính cho các biến giải thích trong mô hình được trình bày tại Bảng 2.

Nguồn: Tác giả tính toán phân tích

Kết quả từ Bảng 4 cho thấy mô hình không gặp phải vấn đề đa cộng tuyến (VIF dao động từ 1,05 đến 1,75, tất cả đều nhỏ hơn 5); không có dấu hiệu tự tương quan phần dư sau khi thêm biến doanh số trễ (p = 0,575) và không có bằng chứng về phương sai sai số thay đổi (p = 0,604). Do đó, các ước lượng trong Bảng 2 đáp ứng các kiểm định chẩn đoán cơ bản. Tuy nhiên, những kiểm định này không giải quyết được khả năng nội sinh khi ngân sách quảng cáo được điều chỉnh dựa trên kỳ vọng doanh thu; vấn đề này sẽ được đề cập trong phần hạn chế.

Thảo luận và hàm ý quản trị

Bảng 5: Kết quả tổng hợp các kiểm định giả thuyết nghiên cứu

Nguồn: Tác giả tổng hợp từ Bảng 2 và Bảng 3

Thứ nhất, giả thuyết H1 được chấp nhận ở mức ý nghĩa 10%: chi phí quảng cáo livestream trong cùng ngày có mối quan hệ tích cực với doanh số của phiên đó. Kết quả này phù hợp với cơ chế quảng cáo LIVE, giúp tăng lưu lượng truy cập và chuyển đổi thành đơn hàng ngay trong phiên. Tuy nhiên, mức ý nghĩa 10% cho thấy đây là bằng chứng còn yếu; số phiên livestream lại có mối liên hệ mạnh mẽ hơn với doanh số nội phiên (p < 0,01).

Thứ hai, giả thuyết H2 và H3 không được chấp nhận: không có bằng chứng thống kê cho thấy sự liên hệ giữa chi phí quảng cáo LIVE và doanh số ngoại phiên tại IGA, cả trong cùng ngày lẫn trễ 1-2 ngày, trong giai đoạn khảo sát. Kết quả này không hỗ trợ cho kỳ vọng từ Lý thuyết trễ quảng cáo (Koyck, 1954; Nerlove và Arrow, 1962). So với nghiên cứu của Wang và Chen (2026), cho rằng livestream có thể tạo ra hiệu ứng lan tỏa ngắn hạn và dịch chuyển nhu cầu, kết quả tại IGA cho thấy 2 tác động trái ngược này có thể bù trừ lẫn nhau. Hơn nữa, việc không tìm thấy mối liên hệ có ý nghĩa có thể được giải thích bởi: (i) quy mô quảng cáo LIVE tại IGA nhỏ và không liên tục (83,7% số ngày không có quảng cáo), dẫn đến việc giải thích ít biến động; (ii) doanh số ngoại phiên chiếm tỉ trọng lớn và chủ yếu bị ảnh hưởng bởi giá bán, các chương trình khuyến mãi và lưu lượng từ video, điều này phù hợp với nhận định về vai trò khác nhau của các nguồn lưu lượng (Liang và cộng sự, 2026); và (iii) khoảng thời gian 92 ngày hạn chế khả năng phát hiện các tác động nhỏ.

Về hàm ý quản trị, kết quả không đủ để khuyến nghị cắt giảm toàn bộ ngân sách quảng cáo LIVE, vì quảng cáo vẫn có mối liên hệ tích cực với doanh số trong phiên. Thay vào đó, cần đánh giá quảng cáo qua nhiều chỉ số khác nhau: chi phí và hiệu quả trong phiên, doanh số ngoài phiên dựa trên quy tắc đo lường nhất quán, mức độ tương tác và sự thay đổi trong chuyển đổi sau phiên.

Cần tránh việc gán tất cả đơn hàng phát sinh sau phiên cho cùng một kênh Product cards/Videos mà không xem xét thời gian. Cần đảm bảo liên kết dữ liệu giữa đơn hàng, lịch livestream và hiệu suất Ads Manager theo mã gian hàng, ngày giờ và mã chiến dịch. Lịch phân ca chỉ thể hiện kế hoạch nhân sự mà không thay thế nhật ký phiên; chứng từ chi tiêu quảng cáo cũng không thay thế cho chi phí thực tế. Khi dữ liệu được chuẩn hóa, doanh nghiệp có thể thiết kế thử nghiệm ngân sách/khung giờ với nhóm đối chứng và nguyên tắc kiểm soát khuyến mãi nhất quán để ước lượng đóng góp thực tế của quảng cáo một cách đáng tin cậy hơn so với suy luận nhân quả từ chuỗi hồi quy quan sát ngắn.

KẾT LUẬN

Nghiên cứu này nhằm đánh giá mối quan hệ ngắn hạn giữa quảng cáo livestream và doanh thu tại Công ty TNHH IGA Việt Nam trong khoảng thời gian 92 ngày (từ 1/6-31/8/2026) sử dụng mô hình ARDL(1,2). Kết quả là giả thuyết H1 được chấp nhận với mức ý nghĩa 10%, cho thấy chi phí quảng cáo livestream trong cùng ngày có mối liên hệ tích cực với doanh thu nội phiên. Tuy nhiên, giả thuyết H2 và H3 không được xác nhận: hệ số của quảng cáo không cho thấy ý nghĩa thống kê đối với doanh thu ngoại phiên tại độ trễ từ 0 đến 2 ngày, trong khi doanh thu ngoại phiên chủ yếu phụ thuộc vào giá bán trung bình và các ngày Mega Sale. Đóng góp của nghiên cứu này là việc phân tách doanh thu trong và ngoài phiên, trình bày quy trình kiểm tra độ trễ của quảng cáo trên dữ liệu thực tế, và chỉ ra nhu cầu chuẩn hóa dữ liệu từ nhiều nguồn cho các doanh nghiệp kinh doanh trên TikTok Shop.

Hạn chế và hướng hoàn thiện

Thứ nhất, nghiên cứu chỉ xét một doanh nghiệp và một cửa sổ 92 ngày, nên khả năng khái quát hóa và sức mạnh thống kê hạn chế.

Thứ hai, biến quảng cáo có tỷ lệ 0 cao (83,7%), làm giảm độ biến thiên và ảnh hưởng độ tin cậy của kiểm định tính dừng cũng như khả năng phát hiện tác động của quảng.

Thứ ba, quyết định chi tiêu quảng cáo có thể chịu ảnh hưởng từ dự báo bán hàng, tồn kho hoặc lịch khuyến mãi, dẫn đến vấn đề nội sinh; mô tả hồi quy động và sai số chuẩn HAC không giải quyết hoàn toàn nội sinh.

Thứ tư, cần thống nhất định nghĩa GMV/doanh số, quy tắc khử trùng mã đơn, xử lý đơn hủy/hoàn và cách phân loại doanh số ngoại phiên theo thời gian hoặc kênh.

Thứ năm, chiến dịch đã được mã hóa theo các ngày chẵn 6/6, 7/7 và 8/8, vì vậy chưa thể hiện đầy đủ các chương trình khuyến mãi khác của gian hàng. Các nghiên cứu sau này cần thực hiện mã hóa dựa trên lịch trình chiến dịch thực tế và tách biệt dữ liệu IGA ra khỏi các gian hàng hoặc đơn vị hợp nhất như GAPI/B2B.

Hướng nghiên cứu tiếp theo sẽ là mở rộng khung thời gian, bổ sung thời điểm bắt đầu và kết thúc của phiên thực tế cùng với dữ liệu chi tiết về chiến dịch. Cần kiểm định tính ổn định của các phương pháp đo lường doanh thu ngoài phiên ở các khía cạnh khác nhau (theo kênh và theo giờ của phiên), thông qua mã hóa dựa trên ngày thực tế của chiến dịch và với biến chỉ báo có/không chi quảng cáo để giải quyết vấn đề về số 0.

Tài liệu tham khảo:

1. Dao, C. T., & Nguyen, N. Q. (2025). Influence of livestream selling on purchase intention: Fashion products on TikTok. SAGE Open, 15(3). https://doi.org/10.1177/21582440251375733

2. Koyck, L. M. (1954). Distributed lags and investment analysis. North-Holland Publishing Company.

3. Liang, X., Liang, Z., Zhao, Y., & Luo, P. (2026). Investigating the dynamic impact of customer traffic on sales performance: An empirical study of livestream e-commerce. Journal of Retailing and Consumer Services, 92, Article 104846. https://doi.org/10.1016/j.jretconser.2026.104846

4. Nerlove, M., & Arrow, K. J. (1962). Optimal advertising policy under dynamic conditions. Economica, 29(114), 129-142.

5. Wang, X., & Chen, Z. (2026). Dual impact of live-streaming e-commerce on non-live sales: Evidence from Douyin. Journal of Retailing and Consumer Services, 92, Article 104835. https://doi.org/10.1016/j.jretconser.2026.104835

6. Yang, W., Govindan, K., & Zhang, J. (2023). Spillover effects of live streaming selling in a dual-channel supply chain. Transportation Research Part E: Logistics and Transportation Review, 180, Article 103298. https://doi.org/10.1016/j.tre.2023.103298

7. Zajonc, R. B. (1968). Attitudinal effects of mere exposure. Journal of Personality and Social Psychology, 9(2, Pt. 2), 1-27. https://doi.org/10.1037/h0025848

8. Zhang, P., Chao, C.-W. F., Chiong, R., Hasan, N., Aljaroodi, H. M., & Tian, F. (2023). Effects of in-store live stream on consumers' offline purchase intention. Journal of Retailing and Consumer Services, 72, Article 103262. https://doi.org/10.1016/j.jretconser.2023.103262