Nguyễn Vũ Kha, Dương Thị Hồng Giang, Trần Thanh Tú

ThS. Đinh Thị Kiều Chinh (Tác giả liên hệ)

Email: dinhkieuchinh@sgu.edu.vn

Trường Đại học Sài Gòn

Tóm tắt

Nghiên cứu đánh giá tác động của chất lượng dịch vụ Chatbot AI đến ý định mua lại và kiểm định vai trò điều tiết của trải nghiệm khách hàng trên nền tảng số tại TP. Hồ Chí Minh thông qua dữ liệu khảo sát từ 391 khách hàng được phân tích bằng mô hình cấu trúc tuyến tính trên phần mềm SmartPLS 4.0. Kết quả cho thấy, Sự hài lòng và Giá trị cảm nhận là 2 động lực chính thúc đẩy Ý định mua lại; Chất lượng dịch vụ tác động tích cực đến Niềm tin khách hàng và Giá trị cảm nhận về Chatbot AI. Ngoài ra, Trải nghiệm khách hàng đóng vai trò điều tiết tích cực mối quan hệ giữa Sự hài lòng và Ý định mua lại. Từ đó, nghiên cứu đề xuất một số hàm ý quản trị liên quan.

Từ khóa: Chất lượng dịch vụ, Chatbot AI, ý định mua lại, trải nghiệm khách hàng

Abstract

This study evaluates the impact of AI chatbot service quality on repurchase intention and examines the moderating role of customer experience on digital platforms in Ho Chi Minh City, using survey data from 391 customers and structural equation modeling with SmartPLS 4.0. The results indicate that satisfaction and perceived value are the two main drivers of repurchase intention. Service quality positively affects customer trust and perceived value regarding AI chatbots. In addition, customer experience positively moderates the relationship between satisfaction and repurchase intention. Based on these findings, the study proposes several managerial implications.

Keywords: Service quality, AI chatbot, repurchase intention, customer experience

GIỚI THIỆU

Trong bối cảnh kinh tế số, Chatbot ngày càng được doanh nghiệp sử dụng rộng rãi như công cụ vận hành và tương tác với khách hàng, với quy mô thị trường toàn cầu năm 2025 dự kiến đạt 46,64 tỷ USD (GlobeNewswire, 2024). Tại Việt Nam, theo báo cáo Theo Connected Cosumer quý III/20025 của Decision Lab, Chatbot tích hợp AI phát triển mạnh mẽ và được ứng dụng rộng rãi, với 87% người tiêu dùng trực tuyến đã từng sử dụng trong quá trình mua sắm (Bảo Bình, 2025). Tuy nhiên, tỷ lệ phát sinh hành vi mua và mua lại vẫn còn thấp, chỉ khoảng 25% người tiêu dùng mua hàng sau khi tương tác với Chatbot, và cứ 5 người thì có 1 người mua thêm sản phẩm nhờ gợi ý từ Chatbot AI (Adobe, 2025). Điều này cho thấy hiệu quả chuyển đổi chưa tương xứng với tiềm năng.

Mặc dù các nghiên cứu trong nước đã bước đầu tiếp cận các khía cạnh của Chatbot AI (Lê và cộng sự, 2025; Lê Xuân Cù, 2025), song phần lớn vẫn tập trung vào các biến số đơn lẻ rời rạc và chưa đi sâu vào tác động của Chatbot AI đến hành vi người dùng sau mua. Nhằm khắc phục hạn chế đó, nghiên cứu này xây dựng một mô hình cấu trúc toàn diện để đánh giá tác động của 3 thành phần chất lượng dịch vụ Chatbot AI bao gồm: cá nhân hóa, sự hợp tác và tính hiệu quả đến ý định mua lại của khách hàng thông qua biến trung gian là sự hài lòng. Đồng thời, nghiên cứu tích hợp và kiểm định vai trò điều tiết của trải nghiệm khách hàng trong mối quan hệ giữa sự hài lòng và ý định mua, mở rộng mô hình lý thuyết của Pappas và cộng sự (2014) vào vào bối cảnh Chatbot AI.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Lý thuyết nền

Mô hình chấp nhận công nghệ (TAM) được sử dụng rộng rãi để nghiên cứu sự chấp nhận và sử dụng công nghệ (Venkatesh và Davis, 2000). Mô hình này cho rằng nhận thức tính hữu ích và nhận thức tính dễ sử dụng là 2 yếu tố dự đoán mức độ chấp nhận công nghệ của người dùng.

Lý thuyết Kích thích - Chủ thể - Phản ứng (S-O-R) được đề xuất bởi Mehrabian và Russell (1974) cho rằng kích thích môi trường (S) tác động đến trạng thái tâm lý bên trong (O), từ đó dẫn đến phản ứng (R).

Tổng quan nghiên cứu

Nghiên cứu của Pappas và cộng sự (2014) cho thấy trải nghiệm mua sắm trực tuyến đóng vai trò điều tiết mối quan hệ giữa kỳ vọng hiệu quả và sự hài lòng cũng như giữa sự hài lòng với ý định mua lại. Khi chuyển dịch sang bối cảnh công nghệ tương tác thông minh, Chen và cộng sự (2021) chỉ ra rằng, tính dễ sử dụng và khả năng phản hồi của Chatbot AI ảnh hưởng tích cực đến trải nghiệm và sự hài lòng của người dùng. Bên cạnh đó, nghiên cứu của Yun và Park (2022) cho thấy yếu tố ngôn ngữ cảm xúc và sự đồng cảm của Chatbot có thể nâng cao sự hài lòng và ý định hành vi trong bối cảnh khắc phục lỗi dịch vụ. Ở khía cạnh khác, Ashfaq và cộng sự (2020) chứng minh rằng sự hài lòng thúc đẩy ý định tiếp tục sử dụng Chatbot AI và chịu ảnh hưởng trực tiếp bởi chất lượng thông tin và dịch vụ.

Nghiên cứu của Alagarsamy và Mehrolia (2023) làm rõ các yếu tố tiền đề có thể giải thích đáng kể niềm tin vào Chatbot, từ đó ảnh hưởng đến thái độ, sự hài lòng và ý định hành vi. Khai thác cùng đề tài này, Chen và cộng sự (2023) nhấn mạnh chất lượng dịch vụ Chatbot AI ảnh hưởng mạnh mẽ đến lòng trung thành của khách hàng thông qua các biến trung gian trong đó có niềm tin. Trước đó, Chen và cộng sự (2022) đã phát triển thang đo chất lượng dịch vụ Chatbot AI và chỉ ra rằng chất lượng dịch vụ có tác động tích cực đến sự hài lòng, giá trị cảm nhận và ý định tiếp tục sử dụng. Mở rộng nghiên cứu về đề tài này, Shahzad và cộng sự (2024) tiếp tục khẳng định rằng chất lượng Chatbot AI không chỉ ảnh hưởng đến sự hài lòng mà còn tác động đến lòng trung thành thông qua các cơ chế trung gian. Đồng thời, nghiên cứu của Khalifa và Liu (2007) cho thấy trải nghiệm khách hàng có thể ảnh hưởng đến mối quan hệ giữa sự hài lòng và ý định mua lại, qua đó nhấn mạnh vai trò điều tiết của trải nghiệm trong hành vi hậu mua.

Trong bối cảnh tại Việt Nam, nghiên cứu của Lê và cộng sự (2025), Lê Xuân Cù (2025) đều cho thấy chất lượng thông tin và độ tin cậy ảnh hưởng đến niềm tin và cảm nhận hữu ích, từ đó thúc đẩy ý định sử dụng Chatbot của người tiêu dùng. Bên cạnh đó, An và Ngo (2025) đã nhấn mạnh vai trò của cá nhân hóa AI trong việc nâng cao sự phù hợp, niềm tin và tính hữu ích, từ đó thúc đẩy hành vi mua hàng.

Mô hình và giả thuyết nghiên cứu

Dựa trên lý thuyết nền và các nghiên cứu trước đây, các giả thuyết được đề xuất như sau:

H1a: Cá nhân hóa tác động tích cực đến Niềm tin khách hàng về Chatbot AI.

H1b: Tính hiệu quả tác động tích cực đến Niềm tin khách hàng về Chatbot AI.

H1c: Sự hợp tác chặt chẽ với Chatbot AI tác động tích cực đến Niềm tin khách hàng về Chatbot AI.

H2a: Cá nhân hóa tác động tích cực đến Giá trị cảm nhận về Chatbot AI.

H2b: Tính hiệu quả tác động tích cực đến Giá trị cảm nhận về Chatbot AI.

H2c: Sự hợp tác chặt chẽ với Chatbot AI tác động tích cực đến Giá trị cảm nhận về Chatbot AI.

H3a: Cá nhân hóa tác động tích cực đến Sự hài lòng.

H3b: Tính hiệu quả tác động tích cực đến Sự hài lòng.

H3c: Sự hợp tác chặt chẽ với Chatbot AI tác động tích cực đến Sự hài lòng.

H4: Niềm tin khách hàng về Chatbot AI tác động tích cực đến Sự hài lòng.

H5: Giá trị cảm nhận về Chatbot AI tác động tích cực đến Sự hài lòng.

H6: Giá trị cảm nhận về Chatbot AI tác động tích cực đến Ý định mua lại.

H7: Sự hài lòng tác động tích cực đến Ý định mua lại.

H8: Trải nghiệm khách hàng điều tiết mối quan hệ giữa Sự hài lòng và Ý định mua lại.

Từ đó, nhóm tác giả đề xuất mô hình nghiên cứu tác động của Chất lượng dịch vụ chatbot AI đến Ý định mua lại của khách hàng trực tuyến như Hình 1.

Hình 1: Mô hình nghiên cứu đề xuất

Nguồn: Nhóm tác giả đề xuất

Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp nghiên cứu định tính kết hợp với định lượng. Nghiên cứu định tính được thực hiện thông qua thảo luận nhóm với 5 chuyên gia trong lĩnh vực Quản trị kinh doanh nhằm hiệu chỉnh mô hình và thang đo. Tiếp đó, nghiên cứu định lượng được triển khai thông qua khảo sát trực tuyến bằng Google Form từ tháng 11/2025-1/2026 tại TP. Hồ Chí Minh. Tổng số phiếu phát ra là 477, thu về 391 phiếu hợp lệ. Dữ liệu sau đó được xử lý bằng phần mềm SmartPLS 4 thông qua phương pháp mô hình hóa phương trình cấu trúc (PLS-SEM) nhằm đánh giá mô hình đo lường và kiểm định hệ thống các giả thuyết nghiên cứu đã đề xuất.

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

KẾT QUẢ NGHIÊN CỨU

Đánh giá mô hình đo lường

Kết quả ở Bảng 1 cho thấy thang đo đảm bảo độ tin cậy và giá trị hội tụ. Hệ số Cronbach’s Alpha dao động từ 0.704-0.878 (> 0.7); phương sai trích trung bình (AVE) đạt giá trị từ 0.532-0.720 (> 0.5), khẳng định các biến quan sát giải thích tốt phương sai của khái niệm tiềm ẩn. Đối với hệ số tải ngoài, sau khi loại bỏ 2 biến quan sát SHL4 (0.673) và TNKH3 (0.687) do không đạt ngưỡng khuyến nghị, tất cả các biến còn lại đều có hệ số tải > 0.7. Kết quả này xác nhận dữ liệu phù hợp để tiến hành phân tích mô hình cấu trúc.

Bảng 1: Kết quả độ tin cậy, giá trị hội tụ

Nguồn: Xử lý từ dữ liệu khảo sát

Kết quả kiểm tra giá trị phân biệt theo 2 phương pháp Cross-loading và Fornell-Larcker đều đạt yêu cầu. Cụ thể, hệ số tải của biến quan sát lên nhân tố chính đều cao nhất và căn bậc hai của AVE đều lớn hơn hệ số tương quan giữa các biến tiềm ẩn, chứng tỏ sự khác biệt thống kê giữa các cấu trúc trong mô hình.

Bảng 2: Kết quả giá trị phân biệt

Nguồn: Xử lý từ dữ liệu khảo sát

Đánh giá mô hình cấu trúc

Kết quả Bảng 3 cho thấy các biến thành phần: Cá nhân hóa, Tính hiệu quả và Sự hợp tác chặt chẽ với Chatbot AI đều tác động đến Giá trị cảm nhận và Niềm tin khách hàng về Chatbot AI; vì vậy, các giả thuyết H1a, H1b, H1c, H2a, H2b, H2c đều được chấp nhận. Ngoài ra, kết quả cho thấy, Tính hiệu quả, Sự hợp tác chặt chẽ với Chatbot AI, Giá trị cảm nhận và Niềm tin khách hàng về Chatbot AI đều có tác động đến Sự hài lòng; do đó, các giả thuyết H3b, H3c, H4, H5 được chấp nhận, trong khi yếu tố Cá nhân hóa không có ý nghĩa thống kê (p > 0.05), nên giả thuyết H3a bị bác bỏ. Cuối cùng, kết quả cho thấy Giá trị cảm nhận và Sự hài lòng có tác động đến ý định mua lại, do đó, các giả thuyết H6 và H7 được chấp nhận.

Bảng 3: Kết quả kiểm định giả thuyết

Nguồn: Xử lý từ dữ liệu khảo sát

Kiểm định vai trò điều tiết

Bảng 4: Kết quả kiểm định vai trò điều tiết

Nguồn: Xử lý từ dữ liệu khảo sát

Kết quả kiểm định (Bảng 4) xác nhận vai trò điều tiết tích cực có ý nghĩa thống kê của Trải nghiệm khách hàng trong mối quan hệ giữa Sự hài lòng và Ý định mua lại (β = 0.113; p = 0.041 < 0.05). Kết luận này được củng cố bởi phép kiểm định Bootstrap (10.000) với khoảng tin cậy 95% hiệu chỉnh sai lệch (Bias-Corrected CI) [0.004; 0.221] không chứa giá trị 0. Do đó, giả thuyết H8 được chấp nhận.

Kiểm định sự khác biệt theo giới tính

Kết quả phân tích đa nhóm (Hình 2) cho thấy có sự khác biệt có ý nghĩa thống kê giữa nam và nữ ở một số mối quan hệ tác động. Cụ thể, sự khác biệt theo giới tính được ghi nhận trong các mối quan hệ: Giá trị cảm nhận đến Ý định mua lại (p = 0.019 < 0.05), Sự hài lòng đến Ý định mua lại (p = 0.013 < 0.05), Sự hợp tác chặt chẽ với Chatbot AI đến Niềm tin khách hàng về Chatbot AI (p = 0.048 < 0.05) và Sự hợp tác chặt chẽ với Chatbot AI đến Sự hài lòng (p = 0.035 < 0.05).

Hình 2: Mô hình kết quả phân tích PLS-SEM

Nguồn: Xử lý từ dữ liệu khảo sát

Kết quả nghiên cứu cho thấy, Sự hài lòng và Giá trị cảm nhận là 2 động lực chính thúc đẩy Ý định mua lại, tương tự với kết quả nghiên cứu của Chen và cộng sự (2022). Các thành phần chất lượng dịch vụ Chatbot AI (Cá nhân hóa, Sự hợp tác chặt chẽ với Chatbot AI, Tính hiệu quả) đều có tác động tích cực đến Giá trị cảm nhận, Niềm tin và Sự hài lòng. Kết quả này phù hợp với với các nghiên cứu tổng hợp trước đây (Chen và cộng sự, 2022; Chen và cộng sự, 2023). Tuy nhiên, Cá nhân hóa chỉ gián tiếp nâng cao mức độ hài lòng thông qua Giá trị cảm nhận và Niềm tin.

Ngoài ra, kết quả nghiên cứu cho thấy, Trải nghiệm khách hàng làm tăng mức độ tác động của Sự hài lòng đến ý định mua lại. Kết quả này mở rộng hơn so với các nghiên cứu trước đó (Chen và cộng sự, 2022; Ashfaq và cộng sự, 2020) chỉ nghiên cứu tác động trực tiếp từ sự hài lòng đến ý định mua lại, từ đó nhấn mạnh tầm quan trọng của trải nghiệm khách hàng trong bối cảnh Chatbot AI.

Cuối cùng, nghiên cứu ghi nhận sự khác biệt theo giới tính trong mối quan hệ giữa Giá trị cảm nhận và Sự hài lòng đến ý định mua lại, giữa Sự hợp tác chặt chẽ đến Niềm tin và Sự hài lòng.

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Kết quả nghiên cứu cho thấy Sự hài lòng và Giá trị cảm nhận là 2 động lực chính thúc đẩy Ý định mua lại, đồng thời chịu tác động trực tiếp từ Chất lượng dịch vụ Chatbot AI. Trên cơ sở đó, doanh nghiệp cần tích hợp Chatbot AI với hệ thống quản trị quan hệ khách hàng để thay thế các phản hồi chung chung bằng những đề xuất dựa trên lịch sử hành vi. Việc phản hồi tương thích không chỉ giúp khách hàng tiết kiệm thời gian, nâng cao giá trị cảm nhận, mà còn là nền tảng để chuyển hóa sự thỏa mãn thành niềm tin bền vững.

Ngoài ra, nghiên cứu cho thấy, Niềm tin đóng vai trò quan trọng trong việc thúc đẩy sự hài lòng. Để hiện thực hóa điều này, doanh nghiệp cần tối ưu Chatbot AI (tốc độ, độ chính xác, khả năng thấu hiểu) thông qua việc cập nhật dữ liệu, huấn luyện từ thực tế và kiểm soát chặt chẽ hiệu suất nhằm giải quyết tốt vấn đề và củng cố niềm tin. Đồng thời, cần thiết lập quy trình phối hợp liền mạch bằng cơ chế chuyển giao tự động bảo toàn ngữ cảnh, đảm bảo nhân sự có thể tiếp quản nhanh các yêu cầu phức tạp mà không làm gián đoạn trải nghiệm của khách hàng.

Cùng với đó, do trải nghiệm khách hàng đóng vai trò điều tiết tích cực làm gia tăng tác động của Sự hài lòng lên Ý định tái lựa chọn dịch vụ. Do đó, doanh nghiệp cần ưu tiên tối ưu quá trình tương tác với Chatbot AI nhằm nâng cao trải nghiệm mua sắm. Chatbot AI cần được tối ưu bằng cách giới hạn thao tác dưới 3 bước, loại bỏ việc hỏi lại thông tin cũ và cho phép chỉnh sửa tìm kiếm linh hoạt trong khung chat. Những cải tiến này giúp giảm rào cản và thúc đẩy tỷ lệ hoàn tất đơn hàng cũng như hành vi mua lại bền vững.

Cuối cùng, nghiên cứu đã chứng minh Chất lượng dịch vụ Chatbot AI tác động đến Ý định mua lại thông qua Giá trị cảm nhận, Sự hài lòng và Niềm tin của khách hàng. Do đó, doanh nghiệp cần chuyển đổi Chatbot AI từ hỗ trợ thụ động sang tiếp thị chủ động, sử dụng dữ liệu thời gian thực để tư vấn và gửi ưu đãi cá nhân hóa. Để thúc đẩy hành vi mua lại bền vững, trọng tâm đo lường cần chuyển từ tiết kiệm chi phí sang tối ưu hóa tỷ lệ giữ chân và giá trị vòng đời khách hàng, tương tự các nền tảng thương mại điện tử hàng đầu.

(*) Lời cảm ơn: Bài viết này là sản phẩm của đề tài nghiên cứu khoa học sinh viên mã số SVB2025-061 được tài trợ bởi Trường Đại học Sài Gòn.

Tài liệu tham khảo:

1. Adobe Express (2025). How consumers really feel about AI chat.

2. Alagarsamy, S., & Mehrolia, S. (2023). Exploring chatbot trust: Antecedents and behavioural outcomes. Heliyon, 9(5).

3. 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), 100580.

4. 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.

5. Bảo Bình (2025). Trung bình mỗi người Việt dùng 2 chatbot AI, các công cụ quốc tế chiếm ưu thế thị trường. https://vneconomy.vn/techconnect/trung-binh-mot-nguoi-viet-dung-2-chatbot-ai-cac-cong-cu-quoc-te-chiem-uu-the-thi-truong.htm

6. Chen, J. S., Le, T. T. Y., & Florence, D. (2021). Usability and responsiveness of artificial intelligence chatbot on online customer experience in e-retailing. International Journal of Retail & Distribution Management, 49(11), 1512-1531.

7. Chen, Q., Gong, Y., Lu, Y., & Tang, J. (2022). Classifying and measuring the service quality of AI chatbot in frontline service. Journal of Business Research, 145, 552-568.

8. Chen, Q., Lu, Y., Gong, Y., & Xiong, J. (2023). Can AI chatbots help retain customers? Impact of AI service quality on customer loyalty. Internet Research, 33(6), 2205-2243.

9. GlobeNewswire (2024). Global Chatbot Market Size and Forecast 2024-2032.

10. 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.

11. Lê, X. C. (2025). Hành vi sử dụng chatbot trong bán lẻ điện tử: Vai trò của giá trị thông tin và cảm nhận thông minh. Tạp chí Khoa học Thương mại, 200, 3-13.

12. Le, X. C., Nguyen, T. H., & Vu, T. T. L. (2025). Understanding AI Chatbot Utilization in Vietnam: An Extended Elaboration Likelihood Model Perspective. Thammasat Review, 28(1), 152-178.

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

14. Pappas, I. O., Pateli, A. G., Giannakos, M. N., & Chrissikopoulos, V. (2014). Moderating effects of online shopping experience on customer satisfaction and repurchase intentions. International Journal of Retail and Distribution Management, 42(3), 187-204.

15. Shahzad, M. F., Xu, S., An, X., & Javed, I. (2024). Assessing the impact of AI-chatbot service quality on user e-brand loyalty through chatbot user trust, experience and electronic word of mouth. Journal of Retailing and Consumer Services, 79, 103867.

16. Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management science, 46(2), 186-204.

17. Yun, J., & Park, J. (2022). The effects of chatbot service recovery with emotion words on customer satisfaction, repurchase intention, and positive word-of-mouth. Frontiers in psychology, 13, 922503.