Ứng dụng mô hình SOBC nghiên cứu tác động của công nghệ blockchain đến sự sẵn lòng chia sẻ thông tin về thương hiệu thực phẩm hữu cơ

TS. Phạm Thị Kim Thanh

Khoa Marketing, Đại học Kinh tế Quốc dân

Trần Kỳ Anh (tác giả liên hệ)

Email: 11220606@st.neu.edu.vn

Nguyễn Bảo Chính, Hồ Diệu Vy, Lê Khánh Chi, Trần Lê Hà Vy

Đại học Kinh tế Quốc dân

Tóm tắt

Nghiên cứu này xem xét tác động của các đặc tính công nghệ chuỗi khối (blockchain) trong truy xuất nguồn gốc thực phẩm hữu cơ đến sự sẵn lòng chia sẻ thông tin về thương hiệu từ góc nhìn mô hình Kích thích - Trạng thái nội tại - Hành vi - Hệ quả (SOBC). Dữ liệu được thu thập bằng khảo sát trực tuyến với 728 phiếu hợp lệ từ người tiêu dùng tại Việt Nam và được phân tích bằng phương pháp PLS-SEM trên phần mềm SmartPLS 4.0. Kết quả cho thấy tất cả các mối quan hệ được đề xuất trong mô hình đều có ý nghĩa thống kê. Trong đó, Khả năng truy xuất nguồn gốc là yếu tố có tác động mạnh nhất đến Niềm tin cảm nhận vào công nghệ và Cảm nhận về chất lượng sản phẩm. Hai yếu tố này cũng ảnh hưởng tích cực đến Hành vi mua của người tiêu dùng; làm gia tăng Sự sẵn lòng chia sẻ thông tin về thương hiệu của họ. Trên cơ sở kết quả, nghiên cứu gợi mở các hàm ý quản trị cho doanh nghiệp và cơ quan quản lý nhà nước.

Từ khóa: Mô hình SOBC, công nghệ blockchain, thực phẩm hữu cơ, sự sẵn lòng chia sẻ thông tin về thương hiệu

Abstract

This study examines the impact of blockchain technology characteristics in organic food traceability on consumers’ willingness to share brand-related information from the perspective of the Stimulus–Organism–Behavior–Consequence (SOBC) model. Data were collected through an online survey of 728 valid responses from consumers in Viet Nam and analyzed using partial least squares structural equation modeling (PLS-SEM) with SmartPLS 4.0. The results indicate that all proposed relationships in the research model are statistically significant. Among the examined factors, traceability exerts the strongest effect on perceived trust in technology and perceived product quality. These two factors also positively influence consumers’ purchasing behavior, thereby increasing their willingness to share brand-related information. Based on the findings, the study offers managerial implications for businesses and policymakers.

Keywords: SOBC model, blockchain technology, organic food, willingness to share brand-related informatio

ĐẶT VẤN ĐỀ

Trong bối cảnh người tiêu dùng ngày càng quan tâm đến sức khỏe, an toàn thực phẩm và tính bền vững, thực phẩm hữu cơ đang trở thành lựa chọn được ưu tiên tại nhiều thị trường (Reitano và cộng sự, 2024). Tuy nhiên, đây là nhóm sản phẩm mà người tiêu dùng khó tự kiểm chứng đầy đủ các thuộc tính liên quan đến quy trình sản xuất, tiêu chuẩn chất lượng hay độ an toàn tại thời điểm mua, nên quyết định tiêu dùng thường phụ thuộc đáng kể vào thông tin do doanh nghiệp cung cấp và vào mức độ tin cậy của các tín hiệu trên sản phẩm (Huo và cộng sự, 2023). Trong khi đó, tình trạng bất cân xứng thông tin và gian lận nhãn mác trong thị trường thực phẩm hữu cơ vẫn còn phổ biến, làm gia tăng nhu cầu đối với các cơ chế truy xuất nguồn gốc có khả năng nâng cao tính minh bạch xác minh thông tin (Casino và cộng sự, 2020).

Trong bối cảnh đó, blockchain được xem là một giải pháp có tiềm năng cải thiện truy xuất nguồn gốc nhờ khả năng gia tăng tính minh bạch, hạn chế thao túng dữ liệu và củng cố độ tin cậy của thông tin sản phẩm (Burgess và cộng sự, 2024). Khi được tích hợp vào hệ thống truy xuất nguồn gốc, blockchain có thể trở thành một tín hiệu quan trọng giúp củng cố niềm tin của người tiêu dùng và nâng cao cảm nhận về chất lượng sản phẩm (Huo và cộng sự, 2023). Dù vậy, các nghiên cứu hiện nay vẫn còn phân tán, chủ yếu tập trung vào thái độ hoặc ý định, trong khi hành vi mua và các phản ứng hậu mua như sự sẵn lòng chia sẻ thông tin về thương hiệu vẫn chưa được làm rõ ràng, đầy đủ (Reitano và cộng sự, 2024).

Xuất phát từ khoảng trống đó, nghiên cứu này xem xét tác động của các đặc tính công nghệ blockchain trong truy xuất nguồn gốc thực phẩm hữu cơ đến niềm tin cảm nhận, cảm nhận về chất lượng sản phẩm, hành vi mua của khách hàng và sự sẵn lòng chia sẻ thông tin về thương hiệu từ góc nhìn mô hình SOBC.

CƠ SỞ LÝ LUẬN VÀ GIẢ THUYẾT NGHIÊN CỨU

Mô hình SOBC

Mô hình SOBC được Davis và Luthans phát triển vào năm 1980 trên nền tảng Lý thuyết học tập xã hội của Bandura (1977), đồng thời được xem là sự mở rộng của các mô hình trước đó như SOR và ABC. Điểm cốt lõi của mô hình này là lý giải hành vi thông qua một chuỗi tác động gồm 4 thành phần liên tiếp: kích thích (S), trạng thái nội tại (O), hành vi (B) và hệ quả (C). Trong đó, kích thích là những tác động từ môi trường bên ngoài; trạng thái nội tại phản ánh quá trình nhận thức và phản ứng tâm lý của cá nhân trước các kích thích đó; hành vi là phản ứng biểu hiện ra bên ngoài; còn hệ quả là kết quả phát sinh sau hành vi, có thể ảnh hưởng đến các phản ứng tiếp theo. Nhờ cấu trúc này, mô hình SOBC cho phép giải thích hành vi một cách toàn diện hơn vì xem xét kết quả sau hành vi thực. Vì vậy, mô hình SOBC phù hợp để làm khung lý thuyết cho nghiên cứu này, khi giúp lý giải quá trình từ tác động ban đầu của các yếu tố công nghệ đến phản ứng tâm lý, hành vi mua và hệ quả sau mua của người tiêu dùng.

Mối quan hệ giữa các kích thích với trạng thái nội tại

Tính minh bạch dữ liệu là một đặc tính cốt lõi của blockchain, thể hiện ở khả năng ghi nhận và công bố thông tin chính xác, kịp thời và khó bị bóp méo trong chuỗi cung ứng (Burgess và cộng sự, 2024), từ đó giúp giảm bất cân xứng thông tin giữa các và nâng cao khả năng quan sát dòng sản phẩm và quy trình tạo dữ liệu (Ofem và cộng sự, 2022). Vì vậy, tính minh bạch của blockchain làm gia tăng niềm tin và nâng cao cảm nhận chất lượng của người tiêu dùng đối với sản phẩm (Huo và cộng sự, 2023). Trên cơ sở đó, 2 giả thuyết được đề xuất như sau:

H1_a: Tính minh bạch dữ liệu có tác động tích cực đến Niềm tin cảm nhận đối với công nghệ blockchain.

H1_b: Tính minh bạch dữ liệu có tác động tích cực đến Cảm nhận về chất lượng thực phẩm hữu cơ ứng dụng công nghệ blockchain.

Khả năng truy xuất nguồn gốc là khả năng theo dõi lịch sử của sản phẩm qua các giai đoạn trong chuỗi cung ứng (Golan và cộng sự, 2004). Trong bối cảnh thực phẩm hữu cơ, blockchain giúp người tiêu dùng tiếp cận thông tin rõ hơn về nguồn gốc, chế biến và phân phối sản phẩm, nhờ đó, các lo ngại liên quan đến tính xác thực, an toàn thực phẩm và phương thức sản xuất có thể được giảm bớt (Aung và Chang, 2014), từ đó, niềm tin đối với hệ thống blockchain và đánh giá về chất lượng sản phẩm cũng có xu hướng gia tăng (Casino và cộng sự, 2020). Trên cơ sở đó, 2 giả thuyết được đề xuất như sau:

H2_a: Khả năng truy xuất nguồn gốc có tác động tích cực đến Niềm tin cảm nhận đối với công nghệ blockchain.

H2_b: Khả năng truy xuất nguồn gốc có tác động tích cực đến Cảm nhận về chất lượng thực phẩm hữu cơ ứng dụng công nghệ blockchain.

Tính chống sửa đổi thông tin phản ánh khả năng dữ liệu sau khi được xác minh sẽ không thể bị thay đổi hoặc xóa bỏ, qua đó bảo đảm tính toàn vẹn của thông tin trong hệ thống blockchain (Treiblmaier và cộng sự, 2022). Đặc tính này đặc biệt quan trọng trong chuỗi cung ứng thực phẩm, nơi các hành vi gian lận, khai báo sai hoặc làm giả sản phẩm có thể xảy ra (Ding và Bai, 2022) bởi nó giúp tạo ra lịch sử sản phẩm có thể kiểm chứng và đáng tin cậy hơn (Casino và cộng sự, 2020). Từ đó, người tiêu dùng có cơ sở để tin tưởng hơn vào thông tin sản phẩm và đánh giá tích cực hơn về chất lượng của thực phẩm hữu cơ ứng dụng blockchain (Duong và cộng sự, 2024). Hai giả thuyết được đề xuất như sau:

H3_a: Tính chống sửa đổi thông tin có tác động tích cực đến Niềm tin cảm nhận đối với công nghệ blockchain.

H3_b: Tính chống sửa đổi thông tin có tác động tích cực đến Cảm nhận về chất lượng thực phẩm hữu cơ ứng dụng công nghệ blockchain.

Mối quan hệ giữa trạng thái nội tại và hành vi

Niềm tin phản ánh mức độ người tiêu dùng sẵn sàng chấp nhận sự không chắc chắn dựa trên kỳ vọng rằng hệ thống hoặc bên cung cấp thông tin là đáng tin cậy (Pavlou và Gefen, 2004). Đối với công nghệ blockchain, khi người tiêu dùng tin rằng thông tin từ hệ thống là chính xác và khó bị thao túng, họ có xu hướng đánh giá công nghệ tích cực hơn và sẵn sàng dựa vào thông tin đó khi mua sản phẩm (Li và cộng sự, 2021). Vì vậy, niềm tin cảm nhận đối với công nghệ blockchain có thể thúc đẩy hành vi mua (Liu và cộng sự, 2021). Trên cơ sở đó, giả thuyết được đề xuất như sau:

H4: Niềm tin cảm nhận đối với công nghệ blockchain có tác động tích cực đến Hành vi mua của khách hàng.

Cảm nhận chất lượng là sự đánh giá tổng thể của người tiêu dùng về mức độ vượt trội hoặc phù hợp của sản phẩm so với kỳ vọng sử dụng (Zeithaml, 1988). Trong thị trường thực phẩm hữu cơ, yếu tố cảm nhận về chất lượng sản phẩm càng trở nên quan trọng vì người tiêu dùng thường gắn sản phẩm hữu cơ với sự an toàn, lành mạnh và giá trị cao hơn (Singh và Verma, 2017). Do đó, khi sản phẩm hữu cơ ứng dụng blockchain được cảm nhận có chất lượng tốt hơn, người tiêu dùng sẽ có xu hướng mua sản phẩm cao hơn (Treiblmaier và cộng sự, 2022). Trên cơ sở đó, giả thuyết đề xuất như sau:

H5: Cảm nhận về chất lượng thực phẩm hữu cơ ứng dụng công nghệ blockchain có tác động tích cực đến Hành vi mua của khách hàng.

Mối quan hệ giữa hành vi và sự sẵn lòng chia sẻ thông tin về thương hiệu

Sau khi trải nghiệm sản phẩm, người tiêu dùng thường hình thành đánh giá sau tiêu dùng dựa trên mức độ đáp ứng kỳ vọng của sản phẩm (Kotler và Keller, 2022). Nếu trải nghiệm mang tính tích cực, người tiêu dùng có xu hướng thực hiện các hành vi hậu mua như truyền miệng tích cực, giới thiệu cho người khác hoặc chia sẻ thông tin về thương hiệu (Cronin và cộng sự, 2000). Trong bối cảnh thực phẩm hữu cơ, trải nghiệm mua tích cực đã được chứng minh là có liên hệ đáng kể với hành vi lan tỏa thông tin trong mạng lưới xã hội của người tiêu dùng (Boccia và Tohidi, 2024; Duong và cộng sự, 2024). Trên cơ sở đó, giả thuyết được đề xuất như sau:

H6: Hành vi mua của khách hàng có tác động tích cực đến Sự sẵn lòng chia sẻ thông tin về thương hiệu.

Từ các giả thuyết trên, mô hình nghiên cứu được đề xuất như trong Hình.

Hình: Mô hình đề xuất

Nguồn: Đề xuất của nhóm tác giả

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu được thực hiện theo phương pháp định lượng nhằm kiểm định các mối quan hệ trong mô hình đề xuất. Dữ liệu được thu thập thông qua khảo sát trực tuyến trên Google Forms đối với người tiêu dùng tại Việt Nam đã từng mua thực phẩm hữu cơ có ứng dụng hệ thống truy xuất bằng công nghệ blockchain. Mẫu được chọn theo phương pháp thuận tiện, kết hợp lan truyền bảng hỏi trong giai đoạn từ tháng 8-11/2025 với kết quả thu về 728 phiếu hợp lệ. Các thang đo kế thừa từ nghiên cứu trước được phân tích bằng thang Likert 5 điểm. Sau khi làm sạch, dữ liệu được xử lý sơ bộ bằng Excel và phân tích trên SmartPLS 4.0 bằng phương pháp PLS-SEM, bao gồm đánh giá mô hình đo lường, mô hình cấu trúc và kiểm định giả thuyết bằng bootstrapping.

KẾT QUẢ NGHIÊN CỨU

Bảng 1 trình bày kết quả đánh giá độ tin cậy và giá trị hội tụ của các thang đo phản xạ bậc thấp trong mô hình nghiên cứu, bao gồm TRA, TRC, IMN, PEQ, PTU, BUB và INS.

Bảng 1: Kết quả đánh giá mô hình đo lường

Nguồn: Kết quả trích xuất từ SmartPLS 4.0

Kết quả cho thấy tất cả các biến quan sát đều có hệ số tải ngoài lớn hơn 0,70 theo khuyến nghị của Hair và cộng sự (2022), dao động từ 0,710 đến 0,837. Đồng thời, giá trị CA của các cấu trúc nằm trong khoảng từ 0,735 đến 0,821 và giá trị CR từ 0,798 đến 0,846, đều vượt ngưỡng 0,70. Bên cạnh đó, giá trị AVE của các thang đo dao động từ 0,561 đến 0,670, cao hơn ngưỡng khuyến nghị 0,50.

Bảng 2: Kết quả đánh giá giá trị phân biệt của các thang đo trong mô hình

Nguồn: Kết quả trích xuất từ SmartPLS 4.0

Giá trị phân biệt của các thang đo được đánh giá bằng chỉ số HTMT. Kết quả tại Bảng 2 cho thấy toàn bộ các giá trị HTMT giữa các cặp biến đều nhỏ hơn 0,85, dao động từ 0,568 đến 0,845. Điều này cho thấy các khái niệm trong mô hình có mức độ phân biệt phù hợp và không xảy ra hiện tượng chồng lấn khái niệm ở mức đáng kể.

Bảng 3: Kết quả kiểm định các giả thuyết trong mô hình nghiên cứu

Nguồn: Kết quả trích xuất từ SmartPLS 4.0

Kết quả kiểm định mô hình cấu trúc tại Bảng 3 cho thấy tất cả các giả thuyết nghiên cứu đều được chấp nhận ở mức ý nghĩa 1%. Trong nhóm các yếu tố kích thích, TRA có tác động mạnh nhất đến cả PTU (β = 0,343; p < 0,001) và PEQ (β = 0,391; p < 0,001), tiếp theo là IMNvà TRC, do đó các giả thuyết H1_a đến H3_b được chấp nhận. Điều này hàm ý rằng trong bối cảnh thực phẩm hữu cơ, khả năng theo dõi và xác minh lịch sử sản phẩm là tín hiệu có ảnh hưởng nổi bật nhất đến đánh giá của người tiêu dùng. Bên cạnh đó, PTU và PEQ đều có tác động tích cực đến BUB với β lần lượt là 0,475 và 0,282 ở mức ý nghĩa 5% đồng nghĩa với việc giả thuyết H4 và H5 được chấp thuận. Đáng chú ý, giả thuyết H6 cũng được chấp nhận thông qua việc INS chịu tác động tích cực từ BUB với hệ số đường dẫn tương đối mạnh (β = 0,497; p < 0,001). Kết quả nhấn mạnh rằng sự sẵn lòng chia sẻ thông tin là một hệ quả hành vi nổi bật trong mô hình, phản ánh xu hướng người tiêu dùng chủ động lan tỏa thông tin tích cực về thương hiệu sau khi có trải nghiệm mua hàng.

KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ

Kết quả nghiên cứu cho thấy các đặc tính của công nghệ blockchain không chỉ ảnh hưởng đến niềm tin cảm nhận và cảm nhận chất lượng, mà còn thúc đẩy hành vi mua và sự sẵn lòng chia sẻ thông tin về thương hiệu. Dựa trên kết quả này, nghiên cứu cũng đưa ra các đề xuất cho doanh nghiệp và Nhà nước.

Về phía doanh nghiệp, cần ưu tiên đầu tư vào khả năng truy xuất nguồn gốc với mục tiêu cung cấp thông tin rõ ràng, dễ hiểu và có thể kiểm chứng, như nguồn gốc nguyên liệu, quy trình sản xuất và chứng nhận liên quan. Ngoài ra, doanh nghiệp cũng cần truyền thông blockchain dưới góc độ lợi ích mà người tiêu dùng cảm nhận được, chẳng hạn như tính minh bạch, an toàn và khả năng giảm rủi ro, thay vì chỉ nhấn mạnh yếu tố công nghệ. Bên cạnh đó, giai đoạn sau mua cần được khai thác như một điểm chạm thương hiệu, thông qua nội dung dễ chia sẻ và giao diện truy xuất thân thiện nhằm khuyến khích khách hàng lan tỏa thông tin tích cực.

Về phía Nhà nước, cần tiếp tục hoàn thiện tiêu chuẩn và quy định về truy xuất nguồn gốc số trong lĩnh vực thực phẩm hữu cơ, đồng thời hỗ trợ doanh nghiệp tiếp cận công nghệ phù hợp. Ngoài ra, việc tăng cường truyền thông và giám sát thị trường cũng cần được chú trọng nhằm nâng cao nhận thức của người tiêu dùng và hạn chế gian lận nhãn mác, qua đó củng cố niềm tin đối với thị trường thực phẩm hữu cơ.

Tài liệu tham khảo:

1. Aung, M. M., & Chang, Y. S. (2014). Traceability in a Food Supply chain: Safety and Quality Perspectives. Food Control, 39(2), 172-184.

2. Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84(2), 191-215.

3. Boccia, F., & Amirhossein Tohidi. (2024). Analysis of green word-of-mouth advertising behavior of organic food consumers. Appetite, 198, Article 107324.

4. Burgess, P., Funlade Sunmola, & Wertheim-Heck, S. (2024). Information needs for transparency in blockchain-enabled sustainable food supply chains. International Journal of Information Management Data Insights, 4(2), Article 100262.

5. Casino, F., Kanakaris, V., Dasaklis, T. K., Moschuris, S., Stachtiaris, S., Pagoni, M., & Rachaniotis, N. P. (2020). Blockchain-based food supply chain traceability: A case study in the dairy sector. International Journal of Production Research, 59(19), 1-13.

6. Cronin, J. Joseph., Brady, M. K., & Hult, G. Tomas. M. (2000). Assessing the effects of quality, value, and customer satisfaction on consumer behavioral intentions in service environments. Journal of Retailing, 76(2), 193-218.

7. Davis, T. R. V., & Luthans, F. (1980). A Social Learning Approach to Organizational Behavior. The Academy of Management Review, 5(2), 281.

8. Ding, J., & Bai, S. (2022). Optimal Decision and Coordination of Organic Food Supply Chain from the Perspective of Blockchain. Discrete Dynamics in Nature and Society, 2022, 1-19.

9. Duong, C. D. D., Dao, T. T., Vu, T. N. V., Viet, T., & Nguyen, M. H. (2024). Blockchain-enabled food traceability system and consumers’ organic food consumption: A moderated mediation model of blockchain knowledge and trust in the organic food chain. Sustainable Futures, 8(2), Article 100316.

10. Golan, E. H., Krissoff, B., Kuchler, F., Calvin, L., Nelson, K. E., & Price, G. K. (2004). Traceability in the U.S. food supply: Economic theory and industry studies (Agricultural Economic Report No. 830). U.S. Department of Agriculture, Economic Research Service.

11. Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A primer on partial least squares structural equation modeling (PLS-SEM) (3rd ed.). Sage.

12. Huo, H., Jiang, X., Han, C., Wei, S., Yu, D., & Yang, Y. (2023). The effect of credence attributes on willingness to pay a premium for organic food: A moderated mediation model of attitudes and uncertainty. Frontiers in Psychology, 14.

13. Kotler, P., Keller, K. L., & Chernev, A. (2022). Marketing management (16th ed.). Pearson Education.

14. Li, W., Wu, J., Cao, J., Chen, N., Zhang, Q., & Buyya, R. (2021). Blockchain-based trust management in cloud computing systems: a taxonomy, review and future directions. Journal of Cloud Computing, 10(1).

15. Liu, H., Meng-Lewis, Y., Ibrahim, F., & Zhu, X. (2021). Superfoods, super healthy: Myth or reality? Examining consumers’ repurchase and WOM intention regarding superfoods: A theory of consumption values perspective. Journal of Business Research, 137, 69-88.

16. Ofem, P., Isong, B., & Lugayizi, F. (2022). On the Concept of Transparency: A Systematic Literature Review. IEEE Access, 10, 89887-89914.

17. Pavlou, P. A., & Gefen, D. (2004). Building Effective Online Marketplaces with Institution-Based Trust. Information Systems Research, 15(1), 37-59.

18. Reitano, M., Pappalardo, G., Selvaggi, R., Zarbà, C., & Chinnici, G. (2024). Factors influencing consumer perceptions of food tracked with blockchain technology. A systematic literature review. Applied Food Research, Article 100455.

19. Singh, A., & Verma, P. (2017). Factors influencing Indian consumers’ actual buying behaviour towards organic food products. Journal of Cleaner Production, 167(167), 473-483.

20. Treiblmaier, H., & Garaus, M. (2022). Using blockchain to signal quality in the food supply chain: The impact on consumer purchase intentions and the moderating effect of brand familiarity. International Journal of Information Management, 68, Article 102514.

21. Zeithaml, V. A. (1988). Consumer Perceptions of price, quality, and value: a means-end Model and Synthesis of Evidence. Journal of Marketing, 52(3), 2-22.