Tác động của Chatbot AI trong thương mại điện tử đến sự hài lòng của người tiêu dùng tại TP. Hồ Chí Minh

Trương Ngọc An Thanh

Trường Đại học Công nghệ Kỹ thuật TP. Hồ Chí Minh

TS. Hồ Thị Hồng Xuyên (Tác giả liên hệ)

Trường Đại học Công nghệ Kỹ thuật TP. Hồ Chí Minh

Email: [email protected]

Tóm tắt

Nghiên cứu đánh giá tác động của Chatbot AI trong thương mại điện tử đến sự hài lòng của người tiêu dùng tại TP. Hồ Chí Minh. Nghiên cứu thực hiện bằng phương pháp định lượng, xử lý dữ liệu qua SPSS với kích thước mẫu gồm 267 người tiêu dùng từng sử dụng Chatbot AI trên các sàn thương mại điện tử. Kết quả cho thấy cả 5 yếu tố khảo sát gồm: Tính cá nhân hóa, Khả năng phản hồi, Niềm tin cảm nhận, Chất lượng thông tin và Nhận thức về tính hữu ích đều tác động tích cực đến sự hài lòng của khách hàng, trong đó Nhận thức về tính hữu ích có ảnh hưởng thấp nhất và Tính cá nhân hóa có ảnh hưởng mạnh nhất. Kết quả này cho thấy người tiêu dùng ngày càng kỳ vọng Chatbot không chỉ hỗ trợ tra cứu thông tin mà còn có khả năng thấu hiểu nhu cầu, phản hồi nhanh chóng và mang đến trải nghiệm tương tác mang tính cá nhân.

Từ khóa: Chatbot AI, sự hài lòng của người tiêu dùng, thương mại điện tử, tính cá nhân hoá

Abstract

This study evaluates the impact of AI chatbots on consumer satisfaction in e-commerce in Ho Chi Minh City. A quantitative approach was employed, with data processed using SPSS. The sample consisted of 267 consumers who had previously used AI chatbots on e-commerce platforms. The results show that all five factors examined- personalization, responsiveness, perceived trust, information quality, and perceived usefulness- positively affect customer satisfaction. Among these factors, perceived usefulness has the weakest effect, while personalization has the strongest. These findings indicate that consumers increasingly expect chatbots not only to assist with information retrieval but also to understand their needs, respond promptly, and deliver personalized interactive experiences.

Keywords: AI chatbots, consumer satisfaction, e-commerce, personalization

GIỚI THIỆU

Trong những năm gần đây, thương mại điện tử (TMĐT) Việt Nam đang chứng kiến sự tăng trưởng bùng nổ. Năm 2023, quy mô thị trường TMĐT Việt Nam ước tính đạt 20,5 tỷ USD, tăng khoảng 25% so với năm trước. Đặc biệt, TP. Hồ Chí Minh là đầu tàu của xu hướng này với doanh thu TMĐT đạt khoảng 4,7 tỷ USD, chiếm gần một phần tư cả nước và tốc độ tăng trưởng lên tới 37%, cao nhất cả nước (Nguyễn Anh, 2024). Đồng thời, thị trường trí tuệ nhân tạo (AI) trong TMĐT tại Việt Nam cũng đang phát triển bùng nổ, với giá trị thị trường Chatbot AI ước tính sẽ đạt mức hàng trăm triệu USD. Qua đó cho thấy Chatbot AI không chỉ là xu hướng công nghệ mà đã trở thành yếu tố thiết yếu trong hệ sinh thái TMĐT.

Song song với tốc độ mở rộng của TMĐT, người tiêu dùng hiện nay ưa thích trải nghiệm mua sắm được cá nhân hóa, thông tin minh bạch và tương tác tức thời. Thực tế cho thấy người tiêu dùng sẵn sàng từ bỏ giao dịch nếu website hoặc dịch vụ trực tuyến không đáp ứng kỳ vọng, chẳng hạn khi thông tin sản phẩm thiếu rõ ràng hoặc giao diện khó sử dụng (Huỳnh Thị Trúc Thanh và cộng sự, 2025). Do đó, việc ứng dụng Chatbot AI được xem là một hướng đi chiến lược nhằm đáp ứng nhu cầu tương tác nhanh và trải nghiệm cá nhân hóa của nhóm khách hàng năng động này. Việc áp dụng Chatbot AI được kỳ vọng sẽ giúp rút ngắn thời gian phản hồi và tăng cường tương tác với khách hàng, thời gian phản hồi khách hàng đã được cải thiện 40% trong khi mức độ tương tác tăng 70% nhờ AI (Cẩm Anh, 2024). Những cải tiến này cho thấy tiềm năng của Chatbot AI trong việc mang lại trải nghiệm mua sắm thuận tiện và nâng cao sự hài lòng của người tiêu dùng trực tuyến.

Mặc dù có tầm quan trọng vô cùng lớn, nhưng đến nay các nghiên cứu về ảnh hưởng của Chatbot AI đối với sự hài lòng khách hàng trong bối cảnh TMĐT ở Việt Nam vẫn còn rời rạc và chưa đầy đủ, phần lớn tài liệu hiện có chủ yếu tập trung ở các thị trường nước ngoài (như châu Âu) với điều kiện văn hóa và hành vi tiêu dùng khác biệt. Trong khi đó, việc thiếu vắng các nghiên cứu chuyên sâu về người tiêu dùng tại TP. Hồ Chí Minh, một thị trường TMĐT năng động với những đặc thù riêng đã dẫn đến khoảng trống nghiên cứu đáng kể. Do đó, việc nghiên cứu tác động của Chatbot AI trong thương mại điện tử đến sự hài lòng của người tiêu dùng tại TP. Hồ Chí Minh là cần thiết. Kết quả dự kiến không chỉ góp phần lấp đầy khoảng trống lý thuyết mà còn cung cấp cơ sở khoa học giúp các doanh nghiệp TMĐT địa phương hiểu rõ hơn nhu cầu của thế hệ khách hàng mới, từ đó hoàn thiện chiến lược dịch vụ nhằm nâng cao sự hài lòng và gắn kết lâu dài của họ.

CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU

Cơ sở lý thuyết

Khái niệm Chatbot AI

Chatbot AI là một hệ thống phần mềm sử dụng AI để mô phỏng và tự động hóa quá trình giao tiếp giữa con người và máy tính thông qua ngôn ngữ tự nhiên. Theo Dale (2016), Chatbot được định nghĩa là các hệ thống hội thoại tự động được thiết kế để tương tác với người dùng thông qua văn bản hoặc giọng nói, cho phép máy tính thực hiện các cuộc hội thoại tương tự như con người trong nhiều bối cảnh khác nhau. Các hệ thống này thường được xây dựng dựa trên các kỹ thuật xử lý ngôn ngữ tự nhiên và AI để hiểu ý định của người dùng và cung cấp phản hồi phù hợp. Theo Huang và Rust (2018), Chatbot AI là một dạng trí tuệ nhân tạo dịch vụ (Service AI) được thiết kế để thay thế hoặc hỗ trợ con người trong các hoạt động dịch vụ khách hàng. Các hệ thống này có khả năng xử lý một lượng lớn các yêu cầu từ người dùng trong thời gian thực giúp doanh nghiệp nâng cao hiệu quả dịch vụ và giảm chi phí vận hành

Chatbot AI trong TMĐT được hiểu là các hệ thống hội thoại tự động sử dụng AI để tương tác với khách hàng thông qua các nền tảng trực tuyến như website, ứng dụng di động hoặc mạng xã hội, nhằm hỗ trợ quá trình tìm kiếm thông tin, tư vấn sản phẩm và thực hiện các giao dịch mua bán trực tuyến (Adamopoulou và Moussiades, 2020). Theo Huang và Rust (2018), việc ứng dụng AI trong dịch vụ khách hàng bao gồm Chatbot AI, cho phép các doanh nghiệp tự động hóa các hoạt động tương tác với khách hàng và cung cấp dịch vụ nhanh chóng, chính xác và liên tục.

Các lý thuyết liên quan

Mô hình thành công của hệ thống thông tin

Mô hình thành công của hệ thống thông tin do DeLone và McLean đề xuất năm 1992, ban đầu đánh giá sự thành công của hệ thống qua mối quan hệ giữa chất lượng hệ thống, chất lượng thông tin, mức độ sử dụng và sự hài lòng của người dùng. Đến năm 2003, mô hình được cập nhật bổ sung yếu tố chất lượng dịch vụ để phản ánh đúng bối cảnh Internet, khẳng định bộ 3 chất lượng (hệ thống, thông tin, dịch vụ) tác động trực tiếp đến sự hài lòng và mức độ sử dụng từ đó tạo ra lợi ích ròng (DeLone và McLean, 2003).

Mô hình SERVQUAL

Mô hình SERVQUAL do Parasuraman và cộng sự (1988) phát triển giúp đánh giá chất lượng dịch vụ dựa trên việc so sánh giữa kỳ vọng và nhận thức thực tế của khách hàng thông qua 5 thành phần cốt lõi: độ tin cậy, khả năng phản hồi, sự đảm bảo, sự đồng cảm và phương tiện hữu hình. Khi dịch vụ đáp ứng hoặc vượt mong đợi, khách hàng sẽ đánh giá cao chất lượng và cảm thấy hài lòng. Trong bối cảnh TMĐT và dịch vụ trực tuyến phát triển, thang đo này được điều chỉnh thành E-S-QUAL nhằm đánh giá chất lượng dịch vụ điện tử, tập trung vào hiệu quả hệ thống, độ tin cậy và khả năng phản hồi yêu cầu của khách hàng

Mô hình chấp nhận công nghệ (TAM)

Mô hình chấp nhận công nghệ (TAM) do Davis (1989) phát triển dựa trên Thuyết hành động hợp lý (TRA) nhằm giải thích và dự đoán hành vi chấp nhận hoặc từ chối sử dụng công nghệ mới của người dùng. Theo mô hình này, quyết định sử dụng phụ thuộc vào 2 yếu tố nhận thức cốt lõi là nhận thức về tính hữu ích và nhận thức về tính dễ sử dụng. 2 yếu tố này tác động trực tiếp đến thái độ của người dùng, từ đó ảnh hưởng đến ý định hành vi và cuối cùng quyết định hành vi sử dụng công nghệ thực tế

Giả thuyết nghiên cứu và mô hình nghiên cứu đề xuất

Nhận thức về tính hữu ích

Nhận thức về tính hữu ích được hiểu là mức độ mà người dùng tin rằng việc sử dụng một công nghệ sẽ giúp cải thiện hiệu quả hoạt động của họ (Davis, 1989). Trong môi trường TMĐT, Chatbot AI được sử dụng để hỗ trợ khách hàng tìm kiếm thông tin sản phẩm, giải đáp thắc mắc và hỗ trợ ra quyết định mua sắm. Khi người tiêu dùng nhận thấy Chatbot giúp họ tiết kiệm thời gian, tiếp cận thông tin nhanh chóng và hỗ trợ hiệu quả trong quá trình mua sắm, họ sẽ có xu hướng đánh giá tích cực hơn về trải nghiệm sử dụng hệ thống và từ đó gia tăng mức độ hài lòng. Theo Cheng và cộng sự (2022), Chatbot có thể giúp người tiêu dùng tiếp cận thông tin nhanh chóng và cải thiện trải nghiệm mua sắm trực tuyến, từ đó ảnh hưởng đến phản ứng của người dùng đối với hệ thống. Tương tự, nghiên cứu của Soni và Dubey (2024) cũng cho ra kết quả rằng việc sử dụng Chatbot AI có thể nâng cao hiệu quả trải nghiệm khách hàng thông qua việc hỗ trợ tìm kiếm thông tin, cung cấp gợi ý sản phẩm và cải thiện quá trình ra quyết định của người tiêu dung. Do đó, giả thuyết H1 được đề xuất như sau:

H1: Nhận thức về tính hữu ích của Chatbot AI có ảnh hưởng tích cực đến sự hài lòng của người tiêu dùng trong TMĐT.

Khả năng phản hồi

Khả năng phản hồi của Chatbot đề cập đến mức độ nhanh chóng và hiệu quả của hệ thống trong việc phản hồi các yêu cầu hoặc câu hỏi của người dùng. Khách hàng trên các nền tảng TMĐT thường mong muốn nhận được sự hỗ trợ kịp thời khi cần thông tin về sản phẩm hoặc dịch vụ. Nghiên cứu Jiang và cộng sự (2022) về giao tiếp Chatbot AI theo hướng đối thoại cho thấy khả năng phản hồi có tác động dương đáng kể đến mức độ hài lòng của khách hàng đối với dịch vụ Chatbot. Nói cách khác, người dùng càng cảm nhận Chatbot AI phản hồi nhanh và phù hợp thì mức độ hài lòng càng cao. Nghiên cứu của Chen, Le và Florence (2021) về Chatbot AI trong bán lẻ trực tuyến cho thấy rằng khả năng phản hồi nhanh chóng của chatbot giúp cải thiện trải nghiệm khách hàng và tăng mức độ hài lòng đối với dịch vụ trực tuyến. Do đó, giả thuyết H2 được đề xuất như sau:

H2: Khả năng phản hồi của Chatbot AI có ảnh hưởng tích cực đến sự hài lòng của người tiêu dùng trong TMĐT.

Chất lượng thông tin

Chất lượng thông tin là một yếu tố quan trọng trong các nghiên cứu về hệ thống thông tin và TMĐT. Theo mô hình thành công của hệ thống thông tin của DeLone và McLean (2003), chất lượng thông tin là một trong những thành phần cốt lõi ảnh hưởng đến sự hài lòng của người dùng và hiệu quả của hệ thống thông tin. Chất lượng thông tin được đánh giá bằng các đặc điểm như: tính chính xác, tính đầy đủ, tính kịp thời và tính liên quan của thông tin được cung cấp cho người sử dụng. Theo Chen và cộng sự (2021), chất lượng thông tin do Chatbot AI cung cấp là một yếu tố quan trọng ảnh hưởng đến trải nghiệm của khách hàng trong môi trường bán lẻ trực tuyến. Khi Chatbot AI cung cấp thông tin rõ ràng, chính xác và dễ hiểu, khách hàng sẽ cảm thấy thuận tiện hơn khi sử dụng hệ thống. Do đó, giả thuyết H3 được đề xuất như sau:

H3: Chất lượng thông tin của Chatbot AI có ảnh hưởng tích cực đến sự hài lòng của người tiêu dùng trong TMĐT.

Niềm tin cảm nhận

Theo Gefen và cộng sự (2003), niềm tin được hiểu là sự tin tưởng của người dùng rằng một hệ thống hoặc tổ chức sẽ hành động một cách đáng tin cậy, trung thực và có trách nhiệm trong quá trình cung cấp dịch vụ. Trong TMĐT, người tiêu dùng thường phải đối mặt với những rủi ro liên quan đến thông tin, bảo mật và chất lượng sản phẩm. Do đó, niềm tin trở thành yếu tố quan trọng giúp giảm bớt sự không chắc chắn và khuyến khích khách hàng thực hiện giao dịch trực tuyến. Khi người tiêu dùng cảm thấy tin tưởng vào nền tảng TMĐT hoặc công nghệ hỗ trợ như Chatbot AI, họ có xu hướng đánh giá trải nghiệm mua sắm tích cực hơn. Theo Roy và cộng sự (2024), khi người tiêu dùng cảm thấy Chatbot AI cung cấp thông tin đáng tin cậy và minh bạch, họ sẽ có xu hướng đánh giá tích cực hơn về dịch vụ. Do đó, giả thuyết H4 được đề xuất như sau:

H4: Niềm tin cảm nhận đối với Chatbot AI có ảnh hưởng tích cực đến sự hài lòng của người tiêu dùng trong TMĐT.

Tính cá nhân hoá

Tính cá nhân hóa là khả năng việc cung cấp các dịch vụ hoặc nội dung phù hợp với nhu cầu, sở thích và hành vi của từng người dùng. Theo Tam và Ho (2006), cá nhân hóa là quá trình sử dụng thông tin về khách hàng để điều chỉnh nội dung hoặc dịch vụ nhằm mang lại trải nghiệm phù hợp và có giá trị hơn cho người sử dụng. Theo Roy và cộng sự (2018), các công nghệ dịch vụ thông minh có khả năng cá nhân hóa trải nghiệm người dùng có thể giúp nâng cao sự hài lòng của khách hàng trong môi trường bán lẻ. Vebrianti và cộng sự (2025) cho rằng, tính cá nhân hóa của Chatbot AI có thể giúp tăng cường sự tương tác giữa khách hàng và hệ thống, từ đó nâng cao sự hài lòng và lòng trung thành của khách hàng. Do đó, giả thuyết H5 được đề xuất như sau:

H5: Tính cá nhân hóa của Chatbot AI có ảnh hưởng tích cực đến sự hài lòng của người tiêu dùng trong TMĐT.

Trên cơ sở lý thuyết và các giả thuyết nghiên cứu, mô hình nghiên cứu được đề xuất như Hình 1.

Hình 1: Mô hình nghiên cứu tác giả đề xuất

Nguồn: Nhóm tác giả đề xuất

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu được thực hiện bằng phương pháp định lượng. Nhóm tác giả triển khai thu thập dữ liệu thông qua bảng hỏi khảo sát trực tuyến gửi tới người tiêu dùng từng tương tác với Chatbot AI trên các sàn TMĐT tại TP. Hồ Chí Minh, thu về kích thước mẫu chính thức gồm 267 quan sát hợp lệ. Hệ thống câu hỏi được thiết kế dựa trên các thang đo chuẩn nhằm đo lường chính xác tác động của từng nhân tố đến sự hài lòng của khách hàng. Dữ liệu thu thập được đưa vào xử lý qua phần mềm SPSS với các kỹ thuật thống kê gồm: kiểm định độ tin cậy thang đo (Cronbach’s Alpha), phân tích nhân tố khám phá (EFA), phân tích tương quan Pearson và phân tích hồi quy tuyến tính bội. Kết quả phân tích là căn cứ thực tiễn quan trọng giúp đề xuất các giải pháp quản trị nâng cao trải nghiệm người dùng và định hướng cho các nghiên cứu tiếp theo

KẾT QUẢ NGHIÊN CỨU

Phân tích độ tin cậy Cronbach’s Alpha

Bảng 1: Kết quả phân tích Cronbach’s Alpha

Biến quan sát	Cronbach's Alpha
Nhận thức về tính hữu ích (PU)	0,883
Khả năng phản hồi (RES)	0,729
Chất lượng thông tin (IQ)	0,891
Niềm tin cảm nhận (PT)	0,834
Tính cá nhân hóa (PER)	0,805
Sự hài lòng của người tiêu dùng (CS)	0,826

Nguồn: Kết quả xử lý dữ liệu bằng SPSS

Kết quả kiểm định Cronbach's Alpha Bảng 1 cho thấy tất cả các thang đo trong mô hình nghiên cứu đều đạt độ tin cậy. Trong đó, thang đo Chất lượng thông tin (IQ) có hệ số Cronbach's Alpha cao nhất (0,891), tiếp theo là Nhận thức về tính hữu ích (PU) (0,883), Niềm tin cảm nhận (PT) (0,834), Sự hài lòng của người tiêu dùng (CS) (0,826), Tính cá nhân hóa (PER) (0,805) và Khả năng phản hồi (RES) (0,729). Điều này cho thấy các thang đo đều có mức độ nhất quán nội tại tốt và phù hợp để sử dụng trong nghiên cứu.

Đối với chỉ số Cronbach's Alpha if Item Deleted, mặc dù ở một số biến như PU2 (0,917) và RES1 (0,795), giá trị Alpha nếu loại biến cao hơn hệ số Cronbach's Alpha chung của thang đo, tuy nhiên các biến này vẫn có hệ số tương quan biến - tổng lớn hơn 0,3 và đều phù hợp về mặt lý thuyết. Do đó, nghiên cứu không loại bỏ bất kỳ biến quan sát nào nhằm đảm bảo tính toàn diện của thang đo và duy trì cấu trúc mô hình nghiên cứu đề xuất.

Phân tích ma trận hệ số tương quan

Bảng 2: Mối tương quan giữa các biến và phân tích giá trị phân biệt

Biến	PU	RES	IQ	PT	PER	CS
PU	1
RES	0,264**	1
IQ	0,416**	0,258**	1
PT	0,335**	0,196**	0,453**	1
PER	0,283**	0,174**	0,301**	0,394**	1
CS	0,536**	0,571**	0,548**	0,566**	0,603**	1

Nguồn: Kết quả xử lý dữ liệu bằng SPSS

Kết quả phân tích tương quan Pearson Bảng 2 cho thấy, tất cả các biến độc lập đều có mối tương quan thuận với biến phụ thuộc Sự hài lòng của người tiêu dùng (CS) và đều có ý nghĩa thống kê ở mức 1% (Sig. = 0,000). Điều này cho thấy, khi các yếu tố của Chatbot AI được cải thiện thì mức độ hài lòng của người tiêu dùng cũng có xu hướng tăng lên. Trong các biến độc lập, Tính cá nhân hóa (PER) có mối tương quan mạnh nhất với Sự hài lòng (CS) với hệ số tương quan r = 0,603. Các hệ số tương quan này đều mang giá trị dương và nằm trong khoảng từ 0,5 - 0,7, phản ánh mối tương quan thuận ở mức trung bình đến khá giữa các biến độc lập và biến phụ thuộc.

Phân tích hồi quy

Bảng 3: Kết quả kiểm định các hệ số hồi quy

Biến	Beta	t	Sig.
Nhận thức về tính hữu ích (PU)	0,203	4,241	0,000
Khả năng phản hồi (RES)	0,282	6,904	0,000
Chất lượng thông tin (IQ)	0,233	4,826	0,000
Niềm tin cảm nhận (PT)	0,278	6,792	0,000
Tính cá nhân hóa (PER)	0,300	7,155	0,000

Nguồn: Kết quả xử lý dữ liệu bằng SPSS

Kết quả hồi quy tuyến tính bội cho thấy, Hệ số xác định R² = 0,585 cho thấy mô hình giải thích được 58,5% sự biến thiên của biến phụ thuộc. Sau khi hiệu chỉnh theo số lượng biến độc lập và kích thước mẫu, R² hiệu chỉnh đạt 0,577, nghĩa là 5 nhân tố trong mô hình giải thích được 57,7% sự thay đổi của Sự hài lòng của người tiêu dùng, trong khi 42,3% còn lại được giải thích bởi các yếu tố khác ngoài mô hình và sai số ngẫu nhiên. Kết quả hồi quy cho thấy cả 5 biến độc lập đều có hệ số Beta chuẩn hóa mang dấu dương và Sig. = 0,000 (<0,05). Xét về mức độ ảnh hưởng, Tính cá nhân hóa (PER) có tác động mạnh nhất đến sự hài lòng với hệ số Beta = 0,300 (Bảng 3).

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Kết luận

Nghiên cứu được thực hiện nhằm xác định mức độ tác động của các yếu tố thuộc Chatbot AI đến sự hài lòng của người tiêu dùng trong TMĐT tại TP. Hồ Chí Minh. Kết quả cho thấy, cả 5 yếu tố đều ảnh hưởng tích cực đến sự hài lòng của khách hàng, bao gồm: Tính cá nhân hóa, Khả năng phản hồi, Niềm tin cảm nhận, Chất lượng thông tin và Nhận thức về tính hữu ích. Trong đó, Tính cá nhân hóa là yếu tố có tác động mạnh nhất, tiếp theo là Khả năng phản hồi, Niềm tin cảm nhận, Chất lượng thông tin và cuối cùng là Nhận thức về tính hữu ích. Kết quả nghiên cứu cho thấy, người tiêu dùng ngày càng kỳ vọng Chatbot có khả năng hiểu nhu cầu cá nhân, phản hồi nhanh chóng, cung cấp thông tin chính xác và tạo dựng niềm tin trong quá trình mua sắm. Mặc dù nhận thức về tính hữu ích có mức tác động thấp nhất, đây vẫn là yếu tố quan trọng giúp chatbot thực hiện hiệu quả các chức năng hỗ trợ khách hàng. Kết quả này cũng phù hợp với các nghiên cứu trước đây và góp phần cung cấp cơ sở thực tiễn cho các doanh nghiệp TMĐT trong việc nâng cao chất lượng dịch vụ.

Hàm ý quản trị

Từ kết quả nghiên cứu, nhóm tác giả đề xuất một số hàm ý quản trị nhằm nâng cao hiệu quả ứng dụng Chatbot AI trong TMĐT.

Thứ nhất, tăng cường tính cá nhân hóa. Doanh nghiệp cần tích hợp Chatbot AI với các mô hình ngôn ngữ lớn (LLMs), hệ thống quản trị quan hệ khách hàng (CRM) và dữ liệu hành vi mua sắm nhằm cung cấp tư vấn, đề xuất sản phẩm phù hợp với nhu cầu và sở thích của từng khách hàng. Quá trình cá nhân hóa cần bảo đảm tính minh bạch và an toàn thông tin cá nhân.

Thứ hai, nâng cao khả năng phản hồi và củng cố niềm tin khách hàng. Doanh nghiệp cần thường xuyên cập nhật dữ liệu sản phẩm, chính sách bán hàng và cơ sở tri thức của chatbot để bảo đảm thông tin chính xác, kịp thời. Đồng thời, cần kết hợp Chatbot AI với đội ngũ chăm sóc khách hàng theo mô hình Human-in-the-Loop, cho phép chuyển tiếp các yêu cầu phức tạp đến nhân viên hỗ trợ, qua đó nâng cao chất lượng phục vụ và độ tin cậy của hệ thống.

Thứ ba, cải thiện chất lượng thông tin và tính hữu ích của chatbot. Doanh nghiệp nên phát triển Chatbot thành trợ lý mua sắm thông minh, hỗ trợ tìm kiếm, so sánh sản phẩm, tư vấn lựa chọn và cung cấp thông tin khuyến mại. Bên cạnh đó, việc tích hợp chatbot trên nhiều kênh bán hàng cần được thực hiện đồng bộ nhằm bảo đảm trải nghiệm liền mạch trong suốt quá trình mua sắm.

Nhìn chung, doanh nghiệp cần triển khai các giải pháp theo hướng đồng bộ giữa công nghệ, dữ liệu và nguồn nhân lực, đồng thời thường xuyên đánh giá mức độ hài lòng của khách hàng để điều chỉnh hệ thống phù hợp với nhu cầu thực tế. Qua đó, Chatbot AI có thể trở thành công cụ hỗ trợ nâng cao chất lượng dịch vụ, tăng cường trải nghiệm khách hàng và củng cố lợi thế cạnh tranh của doanh nghiệp TMĐT.

(*) Nghiên cứu này là sản phẩm thuộc Đề tài mã số SV2026-400 do Trường Đại học Công nghệ Kỹ thuật TP. Hồ Chí Minh tài trợ kinh phí thực hiện.

Tài liệu tham khảo:

1. Adamopoulou, E., & Moussiades, L. (2020). Chatbots: History, technology, and applications. Machine Learning with Applications, 2. https://doi.org/10.1016/j.mlwa.2020.100006

2. Cẩm Anh (2024). Cẩn trọng ứng dụng AI trong thương mại điện tử. Diễn đàn Doanh nghiệp. https://diendandoanhnghiep.vn/can-trong-ung-dung-ai-trong-thuong-mai-dien-tu- 10134907.html

3. Chen, J.-S., Le, 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. https://doi.org/10.1108/IJRDM-08-2020-0312

4. Cheng, X., Bao, Y., Zarifis, A., Gong, W., & Mou, J. (2022). Exploring consumers’ response to text-bsed chatbots in e-commerce. arXiv.https://doi.org/10.48550/arXiv.2401.12247

5. Dale, R. (2016). The return of the chatbots. Natural Language Engineering, 22(5), 811–817. https://doi.org/10.1017/S1351324916000243

6. 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

7. 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

8. Gefen, D., Karahanna, E., & Straub, D. (2003). Trust and TAM in online shopping: An integrated model. MIS Quarterly, 27(1), 51-90. https://doi.org/10.2307/30036519

9. Huang, M. H., & Rust, R. T. (2018). Artificial intelligence in service. Journal of Service Research, 21(2), 155–172. https://doi.org/10.1177/1094670517752459

10. Huỳnh Thị Trúc Thanh & Doanh Thị Ngân Hà (2025). Ảnh hưởng của chất lượng dịch vụ thương mại điện tử đến sự hài lòng của người tiêu dùng thế hệ Gen Z tại TP. Hồ Chí Minh. Tạp chí Quản lý nhà nước.https://www.quanlynhanuoc.vn/2025/06/12/anhhung-cua-chat-luong-dich-vu-thuong-mai-dien-tu-den-su-hai-long-cua-nguoi-tieu-dung-the-he-gen-z-tai-tp-ho-chi-minh/

11. Jiang, H., Cheng, Y., Yang, J., & Gao, S. (2022). AI-powered chatbot communication with customers: Dialogic interactions, satisfaction, engagement, and customer behavior. Computers in Human Behavior, 134, 107329. https://doi.org/10.1016/j.chb.2022.107329

12. Parasuraman, A., Zeithaml, V. A., & Berry, L. L. (1988). SERVQUAL: A multiple-item scale for measuring consumer perceptions of service quality. Journal of Retailing, 64(1), 12-40.

13. Nguyễn Anh. (2024). Thương mại điện tử TP.HCM đạt 4,7 tỷ USD, tăng nhanh nhất cả nước. Thanh Niên. https://thanhnien.vn/thuong-mai-dien-tu-tphcm-dat-47- ty-usd-tang-nhanh-nhat-ca- nuoc-185240229232729914.htm

14. Roy, S. K., Balaji, M. S., Quazi, A., & Quaddus, M. (2018). Predictors of customer acceptance of and resistance to smart technologies in the retail sector. Journal of Retailing and Consumer Services, 42, 147-160. https://doi.org/10.1016/j.jretconser.2018.02.005

15. Soni, A., & Dubey, S. (2024). The impact of AI-powered chatbots on customer satisfaction in e-commerce marketing (TAM approach). JPRA - Journal of Public Relations and Advertising, 3(1). https://doi.org/10.70670/sra.v3i1.547

16. Tam, K. Y., & Ho, S. Y. (2006). Understanding the Impact of Web Personalization on User Information Processing and Decision Outcomes. MIS Quarterly. https://doi.org/10.2307/25148757

17. Vebrianti, Riri., Aras, Muhammad., Putri, Mega Silviana Sukarni., & Swandewi, Ida Ayu. (2025). AI chatbots in e-commerce: Enhancing customer engagement, satisfaction, and loyalty. COMPENDIUM by paperASIA, 41(2B), 1-15. https://doi.org/10.59953/paperasia.v41i2b.4451

Ngày nhận bài: 7/9/2026; Ngày hoàn thiện biên tập: 21/10/2026; Ngày duyệt đăng: 29/10/2026