Tác động của mệt mỏi mạng xã hội đến hành vi né tránh quảng cáo của sinh viên tại TP. Hồ Chí Minh: Vai trò trung gian của hoài nghi quảng cáo

NCS. Huỳnh Trọng Tấn

Đại học Taylor’s, Malaysia

Email: [email protected]

Vũ Minh Hiếu (Tác giả liên hệ)

Khoa Quản trị Kinh doanh, Trường Đại học Văn Lang

Email: [email protected]

Tóm tắt

Nghiên cứu đánh giá tác động của mệt mỏi mạng xã hội đến hành vi né tránh quảng cáo của sinh viên TP. Hồ Chí Minh, đồng thời làm rõ vai trò trung gian của sự hoài nghi quảng cáo trong mối quan hệ này. Kết quả cho thấy, Mệt mỏi mạng xã hội ảnh hưởng trực tiếp đến Hành vi né tránh quảng cáo, đồng thời làm gia tăng Sự hoài nghi đối với quảng cáo. Bên cạnh đó, Sự hoài nghi đối với quảng cáo có tác động đến Hành vi né tránh quảng cáo. Kết quả nghiên cứu góp phần làm rõ bản chất tâm lý - hành vi của người dùng trong môi trường mạng xã hội, cung cấp cơ sở cho việc xây dựng các chiến lược quảng cáo phù hợp và hiệu quả cho các doanh nghiệp.

Từ khoá: Mệt mỏi mạng xã hội, hoài nghi quảng cáo, né tránh quảng cáo, sinh viên tại TP. Hồ Chí Minh

Abstract

This study examines the impact of social media fatigue on advertising avoidance behavior among students in Ho Chi Minh City, while clarifying the mediating role of advertising skepticism in this relationship. The results indicate that social media fatigue directly influences advertising avoidance behavior and simultaneously increases skepticism toward advertisements. In addition, advertising skepticism significantly affects advertising avoidance behavior. The findings contribute to a deeper understanding of users' psychological and behavioral mechanisms in social media environments and provide a basis for developing more effective and appropriate advertising strategies for businesses.

Keywords: Social media fatigue, advertising skepticism, advertising avoidance, students in Ho Chi Minh City

GIỚI THIỆU

Mạng xã hội hiện là yếu tố thiết yếu định hình nhận thức và hành vi người tiêu dùng (Zheng và Ling, 2021). Bằng cách tận dụng quảng cáo, phát trực tiếp hay người có sức ảnh hưởng (KOL), doanh nghiệp dễ dàng tiếp cận với người tiêu dùng tần suất cao với chi phí tối ưu, giúp tăng cường tương tác, thúc đẩy hành vi mua sắm. Tuy nhiên, mức độ tiếp xúc thường xuyên với cường độ cao gây ra các hệ quả tiêu cực, trở thành thách thức lớn, nổi bật là hiện tượng mệt mỏi mạng xã hội - trạng thái quá tải và kiệt sức tâm lý do sử dụng mạng xã hội quá mức (Fernandes và Oliveira, 2024). Hệ quả là người dùng sẽ giảm tương tác, hạn chế thời gian hoặc rời bỏ nền tảng, gây ảnh hưởng tiêu cực đến sức khoẻ tinh thần (Dhir và cộng sự, 2018). Đồng thời, việc trở nên thờ ơ và chọn lọc nội dung hơn cũng làm suy giảm trực tiếp hiệu quả truyền thông và doanh thu của doanh nghiệp (Fernandes và Oliveira, 2024).

Mệt mỏi mạng xã hội đã thu hút đáng kể sự quan tâm học thuật, nhưng phần lớn nghiên cứu tập trung vào hệ quả tiêu cực với cá nhân như suy giảm kết quả học tập (Malik và cộng sự, 2021), ý định giảm hoặc ngừng sử dụng mạng xã hội (Xie và Tsai, 2021)… Tuy nhiên, vẫn thiếu nghiên cứu làm rõ những hệ quả liên quan đến hành vi người dùng trong bối cảnh truyền thông tiếp thị, đặc biệt là hành vi né tránh quảng cáo trên mạng xã hội.

Tại Việt Nam, các nghiên cứu về né tránh quảng cáo chủ yếu xem xét những yếu tố riêng lẻ như cản trở mục tiêu nhận thức, trải nghiệm tiêu cực, quá tải thông tin, hoài nghi trung gian quảng cáo, lo ngại quyền riêng tư (Vi và Nhân, 2019), giá trị và tính xâm hại của quảng cáo (Vi và cộng sự, 2018)… Tuy nhiên, mối quan hệ giữa mệt mỏi mạng xã hội và hành vi né tránh quảng cáo ở sinh viên vẫn chưa được làm rõ. Nhằm lấp đầy khoảng trống này, nghiên cứu sử dụng Lý thuyết Kích thích - Chủ thể - Phản ứng (SOR - Stimulus Organism Response) nhằm kiểm định vai trò của mệt mỏi mạng xã hội (như một cấu trúc bậc hai) đến sự hoài nghi và hành vi né tránh quảng cáo của sinh viên tại TP. Hồ Chí Minh. Kết quả nghiên cứu góp phần lý giải động lực tâm lý của người dùng, đồng thời đề xuất hàm ý thực tiễn cho chiến lược truyền thông số hiện nay.

CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU

Cơ sở lý thuyết

Lý thuyết SOR cho rằng, các kích thích môi trường ảnh hưởng đến trạng thái tâm lý, từ đó dẫn đến phản ứng hành vi (Mehrabian và Russell, 1974). Lý thuyết này phù hợp vì đã được sử dụng rộng rãi trong marketing để giải thích tác động của các kích thích truyền thông như quá tải thông tin và căng thẳng công nghệ đến mệt mỏi và hành vi né tránh (Phương và cộng sự, 2023; Sharma và cộng sự, 2023). Đồng thời, mạng xã hội là môi trường giàu kích thích, dễ gây ra quá tải và trạng thái tiêu cực, từ đó ảnh hưởng đến hành vi người dùng (Fernandes và Oliveira, 2024). Do đó, nghiên cứu xem xét mệt mỏi mạng xã hội là kích thích (S), hoài nghi quảng cáo là trạng thái tâm lý (O) và né tránh quảng cáo là phản ứng hành vi (R).

Mệt mỏi mạng xã hội là hiện tượng đa chiều gây kiệt sức tinh thần do quá tải thông tin và tương tác, dẫn đến xu hướng giảm hoặc ngừng sử dụng nền tảng (Jabeen và cộng sự, 2023). Tình trạng này liên quan chặt chẽ đến trầm cảm, lo âu ở người trẻ (Dhir và cộng sự, 2018), càng trầm trọng hơn do lượng thông tin lặp lại, dư thừa (Fernandes và Oliveira, 2024). Hiện tượng này chịu ảnh hưởng bởi các yếu tố cá nhân, quan hệ và môi (Malik và cộng sự, 2021; Xie và Tsai, 2021; Zheng và Ling, 2021). Thay vì tiếp cận đơn lẻ từ góc độ nhận thức hay cảm xúc (Dhir và cộng sự, 2018), nghiên cứu này xem mệt mỏi mạng xã hội là cấu trúc bậc 2 gồm 3 thành phần: nhận thức (quá tải), cảm xúc (kiệt sức) và hành vi (rút lui). Cách tiếp cận này giúp phản ánh tính phức tạp của hiện tượng và nâng cao khả năng giải thích phản ứng của người dùng trước các thông điệp thuyết phục.

Hoài nghi quảng cáo là xu hướng người dùng nghi ngờ và thiếu tin tưởng vào thông điệp tiếp thị (Obermiller và Spangenberg, 1998; Sharma và cộng sự, 2023). Dựa trên Lý thuyết kiến thức thuyết phục, theo đó người tiêu dùng chủ động diễn giải quảng cáo dựa trên hiểu biết về mục đích thuyết phục (Friestad và Wright, 1994; Raziq và cộng sự, 2018). Đây cũng là đặc điểm tương đối ổn định giữa các cá nhân (Raziq và cộng sự, 2018). Trong môi trường số, việc tiếp xúc thường xuyên với quảng cáo làm gia tăng nhận diện ý đồ thuyết phục, từ đó thúc đẩy hoài nghi như một cơ chế phòng vệ trước quá tải thông tin và bão hoà quảng cáo (Sharma và cộng sự, 2023).

Né tránh quảng cáo là hành vi nhằm giảm thiểu hoặc loại bỏ sự tiếp xúc với nội dung tiếp thị nhằm hạn chế các kích thích gây khó chịu hoặc cản trở trải nghiệm. Trong môi trường số, đây được xem là chiến lược tự điều tiết chủ động giúp người dùng kiểm soát không gian cá nhân (Khan và cộng sự, 2022). Khi quảng cáo gây phiền nhiễu hoặc thiếu tin cậy, người dùng sẽ chủ động bỏ qua hoặc hạn chế tương tác; mức độ né tránh này có thể diễn ra hoàn toàn hoặc một phần phụ thuộc vào nhu cầu tiếp nhận thông tin (Takeuchi, 2026).

Giả thuyết nghiên cứu

Zheng và Ling (2021) chỉ ra rằng, mệt mỏi mạng xã hội tích lũy các tác nhân cá nhân, quan hệ và môi trường, làm suy giảm khả năng xử lý thông tin và kích hoạt cơ chế phòng vệ nhận thức để bác bỏ quảng cáo. Theo khuôn khổ kiến thức thuyết phục (Friestad và Wright, 1994), khi nhận thức ý đồ thuyết phục của quảng cáo, họ kích hoạt hoài nghi như một hàng rào bảo vệ. Trong trạng thái mệt mỏi, khả năng phân tích chi tiết suy giảm, dẫn đến đánh giá nhanh và thiên lệch tiêu cực, gia tăng mức độ hoài nghi quảng cáo (Pizzi và cộng sự, 2023). Do đó, giả thuyết sau được đề xuất:

H1: Mệt mỏi mạng xã hội có tác động tích cực đến Sự hoài nghi quảng cáo.

Hoài nghi quảng cáo là sự bất tin của người dùng trước các tuyên bố tiếp thị phóng đại, thiếu trung thực. Khi hoài nghi gia tăng, họ giảm chú ý, giảm niềm tin, đồng thời hình thành đánh giá tiêu cực với cả quảng cáo lẫn thương hiệu (Raziq và cộng sự, 2018). Các nghiên cứu thực nghiệm cho thấy hoài nghi thúc đẩy mạnh mẽ hành vi phòng vệ như bỏ qua, cuộn nhanh, tránh tiếp xúc (Amyx và Lumpkin, 2016; Obermiller và cộng sự, 2005). Vì vậy, giả thuyết sau được đề xuất:

H2: Sự hoài nghi quảng cáo có tác động tích cực đến Né tránh quảng cáo.

Tương đồng với mệt mỏi mạng xã hội, né tránh quảng cáo là một cấu trúc 3 chiều gồm nhận thức, cảm xúc và hành vi (Khan và cộng sự, 2022; Takeuchi, 2026). Tình trạng quá tải và kiệt sức do mệt mỏi làm suy giảm nguồn lực xử lý thông tin, thúc đẩy người dùng chủ động bỏ qua hoặc chặn quảng cáo để kiểm soát trải nghiệm cá nhân. Do đó, giả thuyết sau được đề xuất:

H3: Mệt mỏi mạng xã hội có tác động tích cực đến Né tránh quảng cáo.

Theo Lý thuyết SOR, mệt mỏi mạng xã hội là nhân tố kích thích, gây quá tải nhận thức và cạn kiệt cảm xúc, làm suy giảm khả năng xử lý thông tin cẩn trọng của người dùng. Khi thường xuyên tiếp xúc với quảng cáo lặp lại, đậm tính thương mại, người dùng phát triển cơ chế phòng vệ nhận thức, thể hiện qua sự nghi ngờ về tính trung thực và động cơ của quảng cáo, nhất là khi các tuyên bố bị xem là phóng đại hoặc có yếu tố lừa đảo (Amyx và Lumpkin, 2016; Raziq và cộng sự, 2018). Sự hoài nghi này làm giảm chú ý, niềm tin và phản hồi, thúc đẩy các hành vi né tránh như bỏ qua, hạn chế tiếp xúc với quảng cáo (Obermiller và cộng sự, 2005). Do đó, hoài nghi quảng cáo đóng vai trò trung gian bán phần trong mối quan hệ giữa mệt mỏi mạng xã hội và hành vi né tránh quảng cáo, Do đó, giả thuyết sau được đề xuất:

H4: Sự hoài nghi quảng cáo đóng vai trò trung gian bán phần trong mối quan hệ giữa Mệt mỏi mạng xã hội và Hành vi né tránh quảng cáo.

Mô hình nghiên cứu

Dựa vào các nghiên cứu và giả thuyết đưa ra, nhóm tác giả đề xuất mô hình nghiên cứu như Hình 1.

Hình 1: Mô hình nghiên cứu đề xuất

Nguồn: Nhóm tác giả đề xuất

Phương pháp nghiên cứu

Nghiên cứu kết hợp định tính (lược khảo tài liệu và tham vấn 3 chuyên gia để hiệu chỉnh thang đo) và định lượng chủ đạo. Các biến quan sát sử dụng thang đo Likert 5 điểm. Mệt mỏi mạng xã hội được mô hình hoá thành biến bậc hai, gồm 3 biến bậc 1 gồm: Mệt mỏi nhận thức, Mệt mỏi cảm xúc, Mệt mỏi hành vi. Sự hoài nghi với quảng cáo kế thừa thang đo của Obermiller và Spangenberg (1998) và Hành vi né tránh quảng cáo kế thừa thang đo của Kelly và cộng sự (2010). Sau khi khảo sát thử nghiệm (n = 10), dữ liệu chính thức được thu thập bằng phương pháp lấy mẫu thuận tiện qua Google Form từ sinh viên tại TP. Hồ Chí Minh, thu về 315 phản hồi hợp lệ để phân tích. Dữ liệu được đưa vào phần mềm SPSS để phân tích.

KẾT QUẢ NGHIÊN CỨU

Độ tin cậy và tính giá trị của thang đo

Mệt mỏi mạng xã hội (SMF) được mô hình hoá như một cấu trúc bậc 2, do đó nghiên cứu áp dụng phương pháp 2 giai đoạn theo khuyến nghị của Hair và Alamer (2022). Phương pháp này phù hợp với các mô hình phân cấp vì giúp đánh giá riêng biệt độ tin cậy và giá trị của các cấu trúc bậc 1 ở giai đoạn đầu. Sau đó, điểm số tiềm ẩn của các cấu trúc bậc 1 được sử dụng làm chỉ báo cho cấu trúc bậc 2 ở giai đoạn 2. Cách tiếp cận này giúp giảm độ phức tạp của mô hình, hạn chế hiện tượng đa cộng tuyến giữa các thành phần có tương quan cao và cải thiện độ chính xác trong việc ước lượng cấu trúc bậc 2.

Giai đoạn 1

Kết quả phân tích độ tin cậy lần 1 cho thấy, biến AS3 do có hệ số tải bằng 0,383 nên bị loại bỏ, giữ lại 21 biến quan sát và tiến hành chạy lại mô hình lần 2.

Bảng 1: Kết quả kiểm tra độ tin cậy

Thang đo	Hệ số tải ngoài	Cronbach’s Alpha	CR rho_a	CR rho_c	AVE
Mệt mỏi nhận thức (CF)	0,812-0,852	0,835	0,837	0,890	0,669
Mệt mỏi cảm xúc (AF)	0,799-0,839	0,834	0,835	0,889	0,668
Mệt mỏi hành vi (BF)	0,806-0,866	0,780	0,785	0,872	0,694
Sự hoài nghi đối với quảng cáo (AS)	0,800-0,842	0,874	0,876	0,909	0,666
Hành vi né tránh quảng cáo (AA)	0,766-0,821	0,854	0,855	0,896	0,632

Nguồn: Tính toán của nhóm tác giả

Kết quả kiểm định độ tin cậy và giá trị hội tụ (Bảng 1) cho thấy, các hệ số tải ngoài đều > 0,7 (dao động từ 0,766 đến 0,866), cho thấy các biến quan sát đạt độ tin cậy. Đồng thời, các giá trị Cronbach’s Alpha (0,780-0,874) và CR (0,872-0,909) đều vượt ngưỡng khuyến nghị 0,7, khẳng định độ tin cậy nội tại của các thang đo. Bên cạnh đó, giá trị AVE (dao động từ 0,632-0,694) đều > 0,5, chứng tỏ các thang đo đạt giá trị hội tụ. Do đó, tất cả các thang đo được giữ lại để tiếp tục các bước phân tích tiếp theo.

Bảng 2: Giá trị phân biệt của thang đo và chỉ số HTMT

Giá trị phân biệt của thang đo
	AA	AF	AS	BF	CF
AA	0,795
AF	0,558	0,817
AS	0,701	0,435	0,816
BF	0,554	0,531	0,404	0,833
CF	0,528	0,507	0,369	0,519	0.818
Chỉ số HTMT
	AA	AF	AS	BF	CF
AA
AF	0,660
AS	0,810	0,509
BF	0,678	0,655	0,485
CF	0,625	0,605	0,430	0,639

Nguồn: Tính toán của nhóm tác giả

Theo Fornell và Larcker (1981), tiêu chí phổ biến để đánh giá là sử dụng căn bậc hai của AVE. Cụ thể hơn, tính phân biệt được đảm bảo khi căn bậc hai của AVE của mỗi biến tiềm ẩn lớn hơn tất cả các hệ số tương quan giữa biến đó với các biến tiềm ẩn còn lại. Kết quả (Bảng 2) cho thấy, tiêu chí này được thỏa mãn đối với toàn bộ các biến trong mô hình. Đồng thời, các giá trị HTMT đều > 0,9, phù hợp với ngưỡng khuyến nghị của Henseler và cộng sự (2015), qua đó tiếp tục khẳng định giá trị phân biệt của các thang đo trong nghiên cứu.

Giai đoạn 2

Bảng 3: Chất lượng biến bậc một

	SMF
AF	0,832
BF	0,831
CF	0,808

Nguồn: Tính toán của nhóm tác giả

Dữ liệu (Bảng 3) cho thấy, các biến bậc một đều đạt hệ số tải ngoài (outer loadings) > 0,7, khẳng định ý nghĩa giải thích tốt cho biến bậc 2. Trị tuyệt đối của hệ số này càng lớn biểu thị mức độ đóng góp vào cấu trúc bậc 2 càng mạnh, qua đó xác định rõ thứ tự quan trọng của các thành phần.

Bảng 4: Độ tin cậy và tính hội tụ biến bậc một

Thang đo	Cronbach’s Alpha	CR rho_a	CR rho_c	AVE
Mệt mỏi mạng xã hội (SMF)	0,763	0,765	0,864	0,678

Nguồn: Tính toán của nhóm tác giả

Kết quả (Bảng 4) cho thấy, thang đo biến bậc 2 Mệt mỏi mạng xã hội (SMF) đảm bảo độ tin cậy và giá trị hội tụ tốt khi các hệ số Cronbach’s Alpha và CR đều > 0,7. Đồng thời, giá trị AVE đạt 0,678 (> 0,5). Kết quả này khẳng định cấu trúc bậc 2 của SMF hoàn toàn phù hợp và đáng tin cậy cho các phân tích tiếp theo.

Bảng 5: Giá trị phân biệt của thang đo và chỉ số HTMT

Giá trị phân biệt của thang đo
	AA	AS	SMF
AA	0,795
AS	0,701	0,816
SMF	0,664	0,490	0,824
Chỉ số HTMT
	AA	AS	SMF
AA
AS	0,810
SMF	0,821	0,597

Nguồn: Tính toán của nhóm tác giả

Kết quả (Bảng 5) cho thấy, mô hình đo lường bậc 2 đảm bảo giá trị phân biệt do thoả mãn tiêu chí Fornell và Larcker (1981) và các giá trị HTMT dao động từ 0,597-0,821 đều < 0,9 theo khuyến nghị Henseler và cộng sự (2015). Đồng thời các giá trị Inner VIF (1,000-1,317) đều dưới ngưỡng quy định (Wong, 2013), cho thấy không có hiện tượng đa cộng tuyến. Do đó, mô hình đủ điều kiện để kiểm định cấu trúc ở bước tiếp theo.

Kiểm định giả thuyết nghiên cứu

Nghiên cứu hiện tại áp dụng kỹ thuật Bootstrap (5000 mẫu) để đánh giá ý nghĩa thống kê của các hệ số đường dẫn. Kết quả phân tích từ Bảng 6 và Hình 2 cho thấy, tất cả hệ số đường dẫn đều có ý nghĩa ở mức 5% (p < 0,05) khẳng định sự ổn định và độ tin cậy của các ước lượng.

Bảng 6: Kết quả kiểm định giả thuyết nghiên cứu

Giả thuyết	Mối quan hệ	Original Sample (O)	Sample Mean (M)	Độ lệch chuẩn	t-statistics	P-Values	Kết luận
H1	SMF -> AS	0.490	0.494	0.045	10.778	0.000	Chấp nhận
H2	AS -> AA	0.494	0.494	0.042	11.665	0.000	Chấp nhận
H3	SMF -> AA	0.422	0.422	0.045	9.408	0.000	Chấp nhận
H4	SMF->AS->AA	0.242	0.244	0.030	8.187	0.000	Chấp nhận

Ghi chú: Cột Original Sample (O) thể hiện hệ số hồi quy chuẩn từ mẫu gốc. Cột Sample Mean (M) thể hiện giá trị trung bình của hệ số hồi quy chuẩn từ các mẫu Bootstrap.

Nguồn: Tính toán của nhóm tác giả

Hình 2: Kết quả xử lý Diagram-SEM

Ghi chú: SMF là biến bậc hai được ước lượng bằng phương pháp hai giai đoạn từ ba thành phần bậc 1.

Nguồn: Tính toán của nhóm tác giả

Bảng 7: Kết quả đánh giá mô hình cấu trúc

Mức độ giải thích mô hình R2
	R2	R2 điều chỉnh
AA	0,626	0,623
AS	0,240	0,238
Hiệu quả tác động f2
	AA	AS	SMF
AA
AS	0,495
SMF	0,361	0,317
Dự báo Q2 Predict
	Q2Predict	RMSE	MAE
AA	0,435	0,757	0,610
AS	0,233	0,882	0,698

Nguồn: Tính toán của nhóm tác giả

Kết quả đánh giá mô hình cấu trúc (Bảng 7) cho thấy: Về khả năng giải thích của mô hình, giá trị R² hiệu chỉnh của Hành vi né tránh quảng cáo (AA) là 0,623 (do Mệt mỏi mạng xã hội (SMF) và Sự hoài nghi đối với quảng cáo (AS) giải thích) và của AS là 0,238 (do SMF giải thích); Về kích thước tác động, AS (f² = 0,495) tác động mạnh đến AA, trong khi SMF tác động trung bình đến AA (f² = 0,361) và AS (f² = 0,317). Điều này cho thấy, AS đóng vai trò quan trọng trong việc hình thành thái độ đối với quảng cáo. Do các giá trị Q² của AA (Q² = 0,435) và AS (Q² = 0,233) đều > 0, chứng tỏ mô hình có khả năng dự báo dữ liệu ngoài mẫu. Nhìn chung, mô hình có độ tương thích cao, các mối quan hệ đều có ý nghĩa thực tiễn và không xảy ra đa cộng tuyến.

Thảo luận kết quả nghiên cứu

Kết quả kiểm định giả thuyết nghiên cứu (Bảng 6) cho thấy, Mệt mỏi mạng xã hội (SMF) là điểm khởi phát quan trọng, có ảnh hưởng tích cực đến Hành vi né tránh quảng cáo (AA) (ß = 0,422). Phát hiện này mở rộng các kết luận trước đó của Dhir và cộng sự (2018) và Takeuchi (2026), khi khẳng định mệt mỏi trong môi trường có thể chuyển hóa thành các phản ứng hành vi rõ rệt.

Mệt mỏi mạng xã hội (SMF) có tác động đáng kể đến Sự hoài nghi quảng cáo (AS) (ß = 0,490), phù hợp với các lập luận của Pizzi và cộng sự (2023) về việc kích hoạt cơ chế phòng vệ nhận thức trong bối cảnh quá tải thông tin. Phát hiện này đồng thời cộng hưởng với Dhir và cộng sự (2018) về các phản ứng tâm lý tiêu cực do mệt mỏi số, nhưng tiến xa hơn khi chỉ ra trạng thái này làm suy giảm niềm tin về tính trung thực của quảng cáo. Qua đó, nghiên cứu cung cấp bằng chứng thực nghiệm khẳng định rằng, hoài nghi quảng cáo không chỉ là đặc điểm cá nhân cố định mà còn là phản ứng mang tính bối cảnh, được kích hoạt bởi môi trường số.

Kết quả cũng xác nhận vai trò trung tâm của hoài nghi quảng cáo trong việc hình thành hành vi né tránh, với hệ số tác động mạnh nhất (ß = 0,494). Điều này nhất quán với Obermiller và Spangenberg (1998), Cho và Cheon (2004), khi đều nhấn mạnh tầm quan trọng của niềm tin đối với hiệu quả truyền thông marketing. Tuy nhiên, trong khi các nghiên cứu trước thường xem xét hoài nghi và né tránh như các hiện tượng tương đối tách biệt, nghiên cứu hiện tại cung cấp bằng chứng rõ hơn về mối liên hệ trực tiếp và mạnh mẽ giữa 2 yếu tố này trong bối cảnh mạng xã hội.

Cuối cùng, việc phát hiện cơ chế trung gian khi Mệt mỏi mạng xã hội (SMF) vừa tác động trực tiếp tới Hành vi né tránh quảng cáo (AA), vừa tác động gián tiếp thông Sự hoài nghi quảng cáo (AS), cho thấy hiện tượng này mang tính đa cơ chế, phù hợp với nhận định của Zheng và Ling (2021) về cấu trúc phức hợp của Mệt mỏi mạng xã hội. So với các nghiên cứu tiền đề chủ yếu nhấn mạnh một chiều kích nhận thức hoặc cảm xúc, kết quả hiện tại gợi ý rằng cả các kênh nhận thức (hoài nghi) lẫn các phản ứng cảm xúc và hành vi mang tính thói quen có thể đồng thời tham gia vào quá trình hình thành hành vi né tránh quảng cáo.

KẾT LUẬN

Kết quả cho thấy, Mệt mỏi mạng xã hội (SMF) ảnh hưởng trực tiếp đến Hành vi né tránh quảng cáo (ß = 0,422), gợi ý rằng vấn đề nằm ở chiến lược tiếp xúc tổng thể hơn là từng mẫu quảng cáo riêng lẻ. SMF đồng thời làm gia tăng Sự hoài nghi quảng cáo (AS) (ß = 0,490), cho thấy trong trạng thái quá tải, người dùng có xu hướng xử lý thông tin theo hướng phòng vệ và giảm niềm tin, qua đó đòi hỏi doanh nghiệp phải tăng cường minh bạch, giảm phóng đại và ưu tiên bằng chứng cụ thể, chân thực. Bên cạnh đó, AS có tác động mạnh nhất đến Hành vi né tránh quảng cáo (AA) (ß = 0,494), nhấn mạnh tầm quan trọng của việc xây dựng niềm tin dài hạn, sử dụng các định dạng “ít bán hàng hơn”, nội dung hữu ích, cá nhân hóa vừa phải để vừa tăng liên quan vừa tránh gây cảm giác bị theo dõi. Cuối cùng, với mô hình có khả năng giải thích và dự báo tốt (R² = 0,626, Q² > 0), hàm ý rằng doanh nghiệp cần thiết lập hệ thống theo dõi các dấu hiệu mệt mỏi và né tránh (tỷ lệ bỏ qua, thời gian xem, tương tác) để điều chỉnh kịp thời nội dung, tần suất và hình thức triển khai.

Tài liệu tham khảo:

1. Amyx, D. A., and Lumpkin, J. R. (2016). Interaction effect of ad puffery and ad skepticism on consumer persuasion. Journal of Promotion Management, 22(3), 403-424. https://doi.org/10.1080/10496491.2016.1154920

2. Cho, C. H., and Cheon, J. H. (2004). Why do people avoid advertising on the internet?. Journal of advertising, 33(4), 89-97. https://www.jstor.org/stable/4189279

3. Dhir, A., Yossatorn, Y., Kaur, P., and Chen, S. (2018). Online social media fatigue and psychological wellbeing-A study of compulsive use, fear of missing out, fatigue, anxiety and depression. International journal of information management, 40, 141-152. https://doi.org/10.1016/j.ijinfomgt.2018.01.012

4. Fernandes, T., and Oliveira, R. (2024). Brands as drivers of social media fatigue and its effects on users’ disengagement: The perspective of young consumers. Young Consumers: Insight and Ideas for Responsible Marketers, 25(5), 625-644. https://doi.org/10.1108/YC-09-2023-1873

5. Fornell, C., and Larcker, D. F. (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

6. Friestad, M., and Wright, P. (1994). The persuasion knowledge model: How people cope with persuasion attempts. Journal of consumer research, 21(1), 1-31. https://www.jstor.org/stable/2489738

7. Hair, J., and Alamer, A. (2022). Partial Least Squares Structural Equation Modeling (PLS-SEM) in second language and education research: Guidelines using an applied example. Research methods in applied linguistics, 1(3), 100027. 10.1016/j.rmal.2022.100027

8. Henseler, J., Ringle, C. M., and Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115-135. https://doi.org/10.1007/s11747-014-0403-8

9. Jabeen, F., Tandon, A., Sithipolvanichgul, J., Srivastava, S., and Dhir, A. (2023). Social media-induced fear of missing out (FoMO) and social media fatigue: The role of narcissism, comparison and disclosure. Journal of Business Research, 159, 113693. https://doi.org/10.1016/j.jbusres.2023.113693

10. Kelly, L., Kerr, G., and Drennan, J. (2010). Avoidance of advertising in social networking sites: The teenage perspective. Journal of interactive advertising, 10(2), 16-27. https://doi.org/10.1080/15252019.2010.10722167

11. Khan, A., Rezaei, S., and Valaei, N. (2022). Social commerce advertising avoidance and shopping cart abandonment: A fs/QCA analysis of German consumers. Journal of Retailing and Consumer Services, 67, 102976.

12. Malik, A., Dhir, A., Kaur, P., and Johri, A. (2021). Correlates of social media fatigue and academic performance decrement: A large cross-sectional study. Information Technology and People, 34(2), 557-580. https://doi.org/10.1108/ITP-06-2019-0289

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

14. Obermiller, C., and Spangenberg, E. R. (1998). Development of a scale to measure consumer skepticism toward advertising. Journal of consumer psychology, 7(2), 159-186. https://doi.org/10.1207/s15327663jcp0702_03

15. Obermiller, C., Spangenberg, E., and MacLachlan, D. L. (2005). Ad skepticism: The consequences of disbelief. Journal of advertising, 34(3), 7-17. https://doi.org/10.1080/00913367.2005.10639199

16. Phương, H. N., An, N. T., and Huyền, K. N. (2023). Ứng dụng mô hình SOR nghiên cứu các yếu tố ảnh hưởng hành vi né tránh quảng cáo của người dùng Youtube tại thành phố Cần Thơ. Tạp chí khoa học đại học mở thành phố hồ chí minh-kinh tế và quản trị kinh doanh, 72-83. https://doi.org/10.46223/HCMCOUJS.econ.vi.18.5.2246.2023

17. Pizzi, G., Vannucci, V., Mazzoli, V., and Donvito, R. (2023). I, chatbot! the impact of anthropomorphism and gaze direction on willingness to disclose personal information and behavioral intentions. Psychology and Marketing, 40(7), 1372-1387. https://doi.org/10.1002/mar.21813

18. Raziq, M. M., Ahmed, Q. M., Ahmad, M., Yusaf, S., Sajjad, A., and Waheed, S. (2018). Advertising skepticism, need for cognition and consumers’ attitudes. Marketing Intelligence and Planning, 36(6), 678-693. https://doi.org/10.1108/MIP-11-2017-0273

19. Sharma, M., Kaushal, D., and Joshi, S. (2023). Adverse effect of social media on generation Z user's behavior: Government information support as a moderating variable. Journal of Retailing and Consumer Services, 72, 103256. https://doi.org/10.1016/j.jretconser.2023.103256

20. Takeuchi, R. (2026). Three Roles of Antecedents of Ad Avoidance in Digital Media: A Constructive Choice Approach. Journal of Interactive Advertising, 1-16. https://doi.org/10.1080/15252019.2025.2595086

21. Vi, H. T., and Nhân, P. T. (2019). Các yếu tố tác động đến tránh né quảng cáo trên facebook của giới trẻ tại thành phố hồ chí minh. Tạp chí Khoa học Đại học Đà Lạt, 9(1), 3-17. https://doi.org/10.37569/DalatUniversity.9.1.344

22. Vi, H. T., Thương, P. T. S., và Nhân, P. T. (2018). Tránh né quảng cáo và nhận thức nhãn hiệu-một nghiên cứu về hình thức video quảng cáo trên các trang mạng xã hội của giới trẻ tại thành phố Hồ Chí Minh. Tạp chí Khoa học Đại học Cần Thơ, 54(4), 159-167. https://doi.org/10.22144/ctu.jvn.2018.081

23. Wong, K. (2013). Partial Least Squares Structural Equation Modeling (PLS-SEM) techniques using SmartPLS. Marketing Bulletin, 24(1), 1-32.

24. Xie, X. Z., and Tsai, N. C. (2021). The effects of negative information-related incidents on social media discontinuance intention: Evidence from SEM and fsQCA. Telematics and Informatics, 56, 101503. https://doi.org/10.1016/j.tele.2020.101503

25. Zheng, H., and Ling, R. (2021). Drivers of social media fatigue: A systematic review. Telematics and informatics, 64, 101696. https://doi.org/10.1016/j.tele.2021.101696

Ngày nhận bài: 17/4/2026; Ngày hoàn thiện biên tập: 18/6/2026; Ngày duyệt đăng: 22/6/2026