ThS. Trần Thanh Hương

Email: huongtt@ptit.edu.vn

ThS. Phạm Thị Thái Quỳnh

Email: quynhptt@ptit.edu.vn

Giảng viên Học viện Công nghệ Bưu chính Viễn thông

Tóm tắt

Thông qua dữ liệu được thu thập từ khảo sát trực tuyến với 428 đáp viên tại Việt Nam, nghiên cứu này được thực hiện nhằm xác định sự tác động của các nhân tố là thuộc tính của người ảnh hưởng (influencer) đến ý định tham gia các khóa đào tạo trực tuyến tại Việt Nam. Kết quả nghiên cứu cho thấy, có 5 yếu tố có tác động đến Ý định tham gia các khóa đào tạo trực tuyến gồm: Sự hấp dẫn, Chuyên môn, Chất lượng nội dung, Tương tác với influencer và Sự tin tưởng với influencer. Kết quả nghiên cứu là cơ sở giúp các bên liên quan trong việc triển khai những hoạt động truyền thông marketing có sử dụng người ảnh hưởng để kích thích việc mua các khóa học trực tuyến chính quy và phi chính quy.

Từ khóa: Influencer marketing, giáo dục trực tuyến, e-learning

Summary

Based on data collected from an online survey of 428 respondents in Viet Nam, this study aims to determine the impact of influencer attributes on individuals’ intentions to participate in online training courses in Viet Nam. The results reveal five factors influencing the intention to enroll in online courses: Attractiveness, Expertise, Content quality, Interaction with influencers, and Trust in influencers. These findings provide a foundation for stakeholders to design and implement marketing communication strategies using influencer marketing to encourage the purchase of both formal and informal online learning programs.

Keywords: Influencer marketing, online education, e-learning

GIỚI THIỆU

Đại dịch COVID-19 tạo bước ngoặt đối với giáo dục, thúc đẩy mạnh mẽ hình thức học trực tuyến (e-learning). Sau dịch, e-learning vẫn được duy trì nhưng ở bậc đại học Việt Nam còn hạn chế, chủ yếu là các khóa ngắn hạn. Trong khi đó, các nền tảng quốc tế như Coursera, edX, Udemy hay Duolingo khai thác hiệu quả hình thức marketing qua những cá nhân có uy tín và sức ảnh hưởng (influencer) trên mạng xã hội nhằm quảng bá khóa học và khuyến khích người học tham gia. Tại Việt Nam, nghiên cứu về influencer marketing chủ yếu trong lĩnh vực tiêu dùng, trong khi tác động của influencer đến ý định học tập trực tuyến hầu như chưa được khám phá. Vì vậy, nghiên cứu này được thực hiện nhằm đề xuất mô hình xem xét thuộc tính của influencer ảnh hưởng đến ý định học trực tuyến, dựa trên lý thuyết Influencer Marketing và Lý thuyết Hợp nhất về chấp nhận và sử dụng công nghệ (UTAUT), nhằm đưa ra gợi ý hiệu quả cho các trường đại học trong việc tổ chức các chương trình đào tạo trực tuyến chính quy và phi chính quy.

CƠ SỞ LÝ THUYẾT

Khái niệm học trực tuyến trong giáo dục đại học

E-learning là phương thức đào tạo sử dụng công nghệ số để truyền tải kiến thức thông qua Internet, cho phép tương tác từ xa giữa giảng viên và người học (Rodrigues và cộng sự 2019). Các hình thức phổ biến nhất của e-learning bao gồm bài giảng video trực tuyến, các buổi học tương tác thời gian thực và các nền tảng quản lý học tập (Learning Management Systems) như Moodle, Blackboard hay Canvas. Trong lĩnh vực giáo dục đại học, E-learning đang trở thành một phần không thể thiếu trong chiến lược chuyển đổi số và mở rộng khả năng tiếp cận học tập suốt đời thông qua các khóa học kỹ năng, học phần bổ trợ và chương trình đào tạo từ xa, từ đó nâng cao năng lực sinh viên và gia tăng khả năng cạnh tranh toàn cầu (Rodrigues và cộng sự, 2019).

Lý thuyết influencer và marketing influencer

Theo Kotler và cộng sự (2009), influencer là cá nhân có khả năng thu hút và định hướng công chúng. Trong môi trường số, họ xây dựng uy tín qua tương tác thường xuyên, tạo tính xác thực và gần gũi cao (Belanche và cộng sự, 2021). Trong giáo dục trực tuyến, influencer có thể truyền đạt tri thức, tạo dựng niềm tin và thúc đẩy tương tác học tập. Theo Brown và Hayes (2008), Freberg và cộng sự (2011), influencer marketing là hình thức hợp tác với cá nhân có uy tín nhằm tác động đến nhận thức và hành vi.

Lý thuyết hợp nhất về chấp nhận và sử dụng công nghệ (UTAUT)

Lý thuyết UTAUT do Venkatesh và cộng sự (2003) đề xuất là khung lý thuyết nền tảng giải thích ý định và hành vi chấp nhận công nghệ. Mô hình này kế thừa các lý thuyết hành vi như TRA, TPB và TAM, xác định 4 yếu tố cốt lõi ảnh hưởng đến việc chấp nhận công nghệ gồm: Hiệu quả mong đợi (PE), Nỗ lực mong đợi (EE), Ảnh hưởng xã hội (SI) và Điều kiện hỗ trợ (FC). Trong bối cảnh E-learning, nhiều nghiên cứu đã áp dụng UTAUT để phân tích mức độ chấp nhận học trực tuyến, nhấn mạnh vai trò trung tâm của PE và EE đối với ý định sử dụng (Abbad, 2021). Tuy nhiên, khi tích hợp với influencer marketing, các yếu tố Niềm tin vào influencer (Trust in Influencer - TI) và Mức độ tương tác (Interaction - II) cần được bổ sung như biến trung gian, phản ánh tác động của yếu tố xã hội và cảm xúc trong quá trình chấp nhận công nghệ. Như vậy, UTAUT không chỉ giải thích hành vi chấp nhận công nghệ trong giáo dục, mà khi mở rộng với các biến niềm tin vào influencer và mức độ tương tác, khung lý thuyết này giúp làm rõ cơ chế ảnh hưởng của influencer đến ý định học tập trực tuyến, đặc biệt trong môi trường học tập phi truyền thống.

GIẢ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU ĐỀ XUẤT

Mô hình nghiên cứu

Từ cơ sở lý thuyết nói trên, nhóm tác giả đề xuất mô hình nghiên cứu như Hình.

Hình: Mô hình nghiên cứu

Nguồn: Nhóm tác giả đề xuất

Giả thuyết nghiên cứu

Các giả thuyết nghiên cứu được đề xuất như sau:

H1: Các thuộc tính của influencer (AOI) có tác động đến Sự tin tưởng (TI).

H2: Các thuộc tính của influencer (AOI) có tác động đến Tương tác (II).

H3: Sự tin tưởng (TI) có tác động tích cực đến Ý định hành vi (BI).

H4: Tương tác (II) có tác động tích cực đến Ý định hành vi (BI).

H5: Sự tin tưởng (TI) đóng vai trò trung gian giữa AOI và BI.

H6: Tương tác (II) đóng vai trò trung gian giữa AOI và BI.

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu sử dụng phương pháp định lượng, với dữ liệu thu thập qua khảo sát trực tuyến bằng Google Form. Tổng cộng có 428 phiếu trả lời, sau khi sàng lọc còn 332 phiếu hợp lệ. Mẫu được chọn theo phương pháp chọn mẫu có điều kiện, gồm những người trong 12 tháng gần đây có theo dõi influencer để tìm hiểu hoặc đã đăng ký khóa học trực tuyến. Thời gian khảo sát từ tháng 4-7/2025. Các kỹ thuật phân tích chính gồm kiểm định độ tin cậy thang đo Cronbach’s Alpha, phân tích nhân tố khám phá (EFA), phân tích tương quan Pearson và hồi quy tuyến tính bội nhằm kiểm định mô hình và giả thuyết nghiên cứu

KẾT QUẢ NGHIÊN CỨU

Đánh giá độ tin cậy Cronbach’s Alpha

Cronbach’s Alpha đạt từ 0,7 trở lên được xem là tốt, các biến quan sát có hệ số tương quan biến tổng (Corrected Item-Total Correlation) ≥ 0,3 được xem là phù hợp và sẽ được giữ lại cho các bước phân tích tiếp theo. Sau khi kiểm tra độ tin cậy của các thang đo ta có kết quả như Bảng 1. Kết quả cho thấy, các thang đo TW (0,909), EX (0,932), TI (0,921) có hệ số Cronbach’s Alpha > 0,9, thể hiện mức độ tin cậy rất cao và tính nhất quán nội tại mạnh mẽ giữa các biến quan sát. Các thang đo CQ (0,858), II (0,874), BI (0,897) có Cronbach’s Alpha trên 0,85, phản ánh độ tin cậy tốt. Thang đo AT (0,733) cũng vượt ngưỡng chấp nhận 0,7, cho thấy tính ổn định và phù hợp trong bối cảnh nghiên cứu khám phá. Các biến quan sát đều có hệ số tương quan biến tổng (Corrected Item-Total Correlation) lớn hơn 0,3, cho thấy mức độ liên kết chặt chẽ giữa từng biến và thang đo tổng thể. Như vậy, toàn bộ các thang đo đều đảm bảo độ tin cậy và được giữ lại cho bước phân tích nhân tố khám phá (EFA) tiếp theo.

Bảng 1: Đánh giá độ tin cậy thang đo

Nguồn: Phân tích từ dữ liệu nghiên cứu

Phân tích EFA

Kết quả nghiên cứu cho thấy, hệ số KMO = 0.942 thỏa mãn điều kiện KMO > 0,5. Như vậy có thể kết luận phân tích nhân tố là thích hợp với các dữ liệu đã có. Kiểm định Bartlett có giá trị Chi-Square = 7.067,717 với Sig. = 0,000 (< 0,05), nghĩa là giữa các biến có mối tương quan tuyến tính đáng kể, đáp ứng điều kiện cần thiết để tiến hành phân tích nhân tố khám phá.

Kết quả nghiên cứu cũng cho thấy đa số các biến quan sát đều có hệ số Factor loading > 0,5, đạt yêu cầu về giá trị hội tụ. Tuy nhiên, một số biến như TW1, TW2, TW3 và II4, II5 xuất hiện hiện tượng tải chéo cao và không ổn định, tức là cùng lúc có hệ số tải đáng kể trên từ 2 nhân tố trở lên, gây ảnh hưởng đến tính phân biệt của các thang đo. Vì vậy, các biến này được loại khỏi mô hình để đảm bảo tính thuần nhất của từng nhân tố. Sau khi loại bỏ các biến không đạt, mô hình EFA giữ lại 6 nhóm nhân tố chính, bao gồm: Sức hấp dẫn (AT), Chuyên môn (EX), Chất lượng nội dung (CQ), Tương tác với influencer (II), Sự tin tưởng vào influencer (TI) và Ý định hành vi (BI).

Như vậy, kết quả EFA khẳng định mô hình nghiên cứu có cấu trúc thang đo phù hợp, đạt giá trị hội tụ và giá trị phân biệt, đáp ứng yêu cầu cho bước phân tích hồi quy tuyến tính ở giai đoạn tiếp theo.

Kiểm tra phân phối chuẩn và phần dư của mô hình: Biểu đồ Histogram của phần dư chuẩn hóa cho thấy phần dư phân bố xấp xỉ chuẩn, với giá trị Mean gần 0 và độ lệch chuẩn xấp xỉ 1. Điều này chứng tỏ mô hình hồi quy thỏa mãn giả định về phân phối chuẩn của sai số, đảm bảo độ tin cậy cho các kiểm định thống kê và kết quả hồi quy.

Ma trận hệ số tương quan

Sau khi kiểm định độ tin cậy và giá trị của thang đo, nhóm tác giả sử dụng hệ số Pearson Correlation để phân tích mối tương quan giữa các biến định lượng. Dựa vào ma trận tương quan, ta thấy đa số các biến độc lập đều có tương quan với biến phụ thuộc của mô hình, các giá trị hệ số tương quan đều nằm trong khoảng từ 0 đến 0,8.

Bảng 2: Ma trận hệ số tương quan

Nguồn: Phân tích từ dữ liệu nghiên cứu

Kết quả tại Bảng 2 cho thấy, tất cả các biến trong mô hình đều có tương quan tuyến tính dương với nhau ở mức ý nghĩa 0,01 (Sig. < 0,01). Các biến độc lập AT, EX, CQ, II, TI đều có mối tương quan dương có ý nghĩa với biến phụ thuộc Ý định hành vi (BI), với hệ số tương quan dao động từ 0,291 đến 0,637, thể hiện mức độ liên hệ từ trung bình đến khá mạnh. Biến Sự tin tưởng vào influencer (TI) có hệ số tương quan cao nhất với BI (r = 0,637; p < 0,01), cho thấy sự tin tưởng là yếu tố có ảnh hưởng mạnh nhất đến Ý định hành vi của người học. Ngoài ra, các biến độc lập cũng có tương quan dương vừa phải với nhau (r từ 0,305-0,668), đều < 0,8. Như vậy, kết quả kiểm định tương quan Pearson khẳng định mối quan hệ tích cực và có ý nghĩa thống kê giữa các biến nghiên cứu, đáp ứng điều kiện để tiếp tục thực hiện phân tích hồi quy tuyến tính ở bước kế tiếp.

Phân tích hồi quy và kiểm định vi phạm giả định hồi quy

Kết quả phân tích hồi quy tuyến tính bội (N = 332) được trình bày như Bảng 3 nhằm kiểm định mô hình nghiên cứu với 3 bước: Mô hình 1 kiểm tra ảnh hưởng trực tiếp của các biến độc lập (AT, EX, CQ) lên Ý định hành vi (BI); Mô hình 2 kiểm tra ảnh hưởng của các biến độc lập lên 2 biến trung gian là TI (mức độ tin tưởng vào influencer) và II (mức độ tương tác với influencer); Mô hình 3 kiểm tra ảnh hưởng của các biến trung gian (TI, II) lên BI, qua đó đánh giá vai trò trung gian của chúng trong mô hình. Cụ thể như sau:

Mô hình 1 (AT, EX, CQ → BI): Giá trị R² hiệu chỉnh = 0,253, cho thấy các biến độc lập trong mô hình giải thích được 25,3% sự biến thiên của Ý định hành vi (BI). Mức này phản ánh khả năng giải thích trung bình. Khi xét riêng từng biến, chỉ có EX (β = 0,276; Sig. = 0,001) và CQ (β = 0,324; Sig. = 0,000) có ý nghĩa thống kê, trong khi AT (β = 0,114; Sig. = 0,28) không có ý nghĩa. Do đó, tuy mô hình đạt ý nghĩa tổng thể Sig.=0,000 nhưng biến sự hấp dẫn có thể loại khỏi mô hình hồi quy chính thức. Hệ số Durbin-Watson 1,998, cho phép loại trừ hiện tượng tự tương quan. Đồng thời, các hệ số VIF dao động từ 1,18 đến 1,77, dưới ngưỡng 10 khẳng định không có dấu hiệu đa cộng tuyến giữa các biến độc lập.

Mô hình 2 (AT, EX,CQ → TI/II): Kết quả cho thấy R² hiệu chỉnh = 0,487 (TI) và 0,276 (II). Điều này có nghĩa là các biến độc lập giải thích được 48,7% biến thiên của sự tin tưởng vào influencer (TI) và 27,6% biến thiên của mức độ tương tác (II). Mức R² hiệu chỉnh cao của mô hình 2a chứng tỏ sự tin tưởng (TI) là biến trung gian được giải thích tốt nhất bởi chuyên môn (EX) và chất lượng nội dung (CQ) - 2 yếu tố có hệ số hồi quy mạnh và có ý nghĩa (p < 0,001).

Trong khi đó, biến AT (Sự hấp dẫn) tiếp tục không có ý nghĩa thống kê ở cả 2 mô hình trung gian (Sig. > 0,05), chứng tỏ đặc điểm bên ngoài của influencer không làm tăng đáng kể niềm tin hay sự tương tác của người học. Ở cả 2 mô hình trung gian, trị số Durbin-Watson = 1,994 và 2,121 và VIF nằm trong phạm vi 1,18~ 1,77 tiếp tục khẳng định tính độc lập của sai số và không có đa cộng tuyến.

Mô hình 3 (TI và II -> BI): Mô hình này có R² hiệu chỉnh = 0,463, tức là 46,3% sự biến thiên của ý định hành vi (BI) được giải thích bởi hai biến trung gian TI và II.

So sánh với Mô hình 1 thì mức tăng đáng kể của R² hiệu chỉnh cho thấy việc bổ sung các biến trung gian giúp cải thiện rõ rệt khả năng giải thích của mô hình.

Nói cách khác, Sự tin tưởng (TI) và Tương tác (II) là 2 biến đóng vai trò trung gian quan trọng, giúp chuyển hóa tác động của Chuyên môn (EX) và Chất lượng nội dung (CQ) thành Ý định hành vi (BI) một cách mạnh mẽ và ổn định hơn. Ngoài ra, với hệ số Durbin-Watson xấp xỉ 1,98 (không có tự tương quan).

Bảng 3: Kết quả phân tích hồi quy

*p<0,05; **p<0,01; ***p<0,001. VIF: Hệ số phóng đại phương sai

Nguồn: Phân tích từ dữ liệu nghiên cứu

Kiểm định giả thuyết nghiên cứu

Bảng 4: Kết quả kiểm định giả thuyết nghiên cứu

Nguồn: Phân tích từ dữ liệu nghiên cứu

Giả thuyết H1, H2 các thuộc tính của influencer tác động đến Sự tin tưởng và Tương tác: Các biến chuyên môn và chất lượng nội dung có ảnh hưởng thuận chiều và có ý nghĩa thống kê cao đến Sự tin tưởng và Tương tác của người học với influencer. Riêng biến sự hấp dẫn có Sig. > 0,05 nên không có tác động đáng kể. Như vậy giả thuyết H1 và H2 được chấp nhận một phần, trong đó EX và CQ là 2 yếu tố giải thích chính của Niềm tin và Tương tác.

Giả thuyết H3, H4: Sự tin tưởng vào influencer và Tương tác với influencer tác động đến Ý định hành vi: Cả 2 biến TI (β = 0,471; p < 0,001) và II (β = 0,297; p < 0,001) đều tác động dương và có ý nghĩa thống kê đến BI, cho thấy người học càng tin tưởng và tương tác nhiều với influencer, ý định hành vi càng cao. Do đó, H3 và H4 được chấp nhận.

Giả thuyết H5, H6 về vai trò của biến trung gian: nhóm tác giả thực hiện so sánh 2 mô hình hồi quy (1 và 2). Kết quả cho thấy ở mô hình 1 các biến EX và CQ có ảnh hưởng thuận chiều và có ý nghĩa đến BI (Sig. < 0,01), trong khi AT không có ý nghĩa thống kê (Sig. = 0,28). Khi bổ sung 2 biến trung gian TI và II, giá trị R² hiệu chỉnh tăng từ 0,253 lên 0,463, chứng tỏ mô hình được cải thiện đáng kể. Như vậy, 2 biến TI và II đóng vai trò trung gian trong mối quan hệ giữa EX, CQ và BI. Do đó, giả thuyết H5 và H6 được chấp nhận.

KẾT LUẬN VÀ KHUYẾN NGHỊ

Kết luận

Kết quả nghiên cứu cho thấy, tầm quan trọng của việc xây dựng lòng tin và sự đồng nhất giữa influencer và người học trong marketing giáo dục. Các yếu tố Chuyên môn và Chất lượng nội dung của influencer có ảnh hưởng mạnh nhất đến Ý định học tập, song phần lớn tác động này được truyền qua 2 biến trung gian: Niềm tin và Tương tác.

Khuyến nghị

Về ý nghĩa thực tiễn, nghiên cứu mang lại những hàm ý quan trọng cho việc thiết kế chiến lược influencer marketing trong lĩnh vực giáo dục tại Việt Nam trong bối cảnh chuyển đổi số hiện nay để quảng bá cho các khóa học trực tuyến ngắn hạn chính quy và phi chính quy.

Trước hết, cần đầu tư vào chất lượng nội dung do influencer cung cấp, bảo đảm tính hữu ích, chính xác và tính hấp dẫn, đồng thời triển khai dưới nhiều hình thức khác nhau video, case study, infographic nhằm nâng cao trải nghiệm học tập.

Thứ hai, việc lựa chọn influencer cần chú trọng đến uy tín và năng lực chuyên môn, bởi đây là nền tảng để hình thành và củng cố niềm tin nơi người học.

Thứ ba, cần xây dựng và duy trì lòng tin một cách bền vững thông qua thông điệp minh bạch, trung thực và phản hồi kịp thời các thắc mắc của người học, qua đó tạo dựng hình ảnh đáng tin cậy cho influencer và tổ chức giáo dục.

Thứ tư, cần tăng cường các cơ chế tương tác 2 chiều giữa influencer và người học như hỏi đáp trực tuyến, livestream hoặc phản hồi cá nhân hóa, để nâng cao mức độ gắn kết và khuyến khích hành vi học tập.

Tài liệu tham khảo:

1. Abbad, M. M. M. (2021). Using the UTAUT model to understand students’ usage of e-learning systems in developing countries. Education and Information Technologies, 26(6), 7205-7224. https://doi.org/10.1007/s10639-021-10573-5.

2. Belanche, Casaló, Flavián and Ibáñez-Sánchez (2021a). Building influencers’ credibility on Instagram: Effects on followers’ attitudes and behavioral responses toward the influencer, Journal of Retailing and Consumer Services, 61, 10.1016/j.jretconser.2021.102585.

3. Brown D., Hayes N. (2008). Influencer marketing: Who really influences your customers? Elsevier/Butterworth-Heinemann. ISBN: 0750686006; 9780750686006.

4. Freberg K., Graham K., McGaughey K., Freberg L. A. (2011). Who are the social media influencers? A study of public perceptions of personality. Public Relations Review, 37, 90-92.

5. Kotler, P., Keller, K., & Jha, M. (2009). Marketing Management: A South Asian Perspective (12th ed). Pearson Education.

6. Rodrigues et al (2019). Tracking e-learning through published papers: A systematic review, DOI:10.1016/j.compedu.2019.03.007.

7. Venkatesh, V., Morris, M. G., Davis, G. B., and Davis, F. D. (2003), User Acceptance of Information Technology: Toward a Unified View, MIS Quarterly, 27(3), 425-478. https://doi.org/10.2307/30036540.