Nguyễn Danh Hà Thái
Nguyễn Phan Như Ngọc
Hà Nguyễn Minh Quân
Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh
Email: thaindh@hcmute.edu.vn
Tóm tắt
Đại dịch COVID-19 đã làm thay đổi mạnh mẽ hành vi con người, đặc biệt trong hoạt động thiết yếu như mua sắm thực phẩm. Các nghiên cứu trước chủ yếu tập trung vào trải nghiệm người tiêu dùng với dịch vụ đặt/mua đồ ăn trực tuyến trước và trong đại dịch, song chưa rõ liệu xu hướng này có tiếp tục sau đại dịch hay không. Nghiên cứu nhằm phân tích mối quan hệ cấu trúc giữa 8 yếu tố ảnh hưởng đến ý định tiếp tục sử dụng dịch vụ đặt/mua đồ ăn trực tuyến hậu COVID-19. Mô hình đề xuất dựa trên khung dự phòng, với 270 bảng khảo sát hợp lệ, được kiểm định bằng phương pháp mô hình hóa đường dẫn bình phương nhỏ nhất một phần. Kết quả nghiên cứu cho thấy, phần lớn các giả thuyết được ủng hộ, ngoại trừ mối quan hệ giữa Kinh nghiệm đặt/mua đồ ăn trực tuyến trước đó và Động lực tiện lợi.
Từ khoá: Đặt/mua đồ ăn trực tuyến, hành vi tiêu dùng, thực phẩm trực tuyến, Việt Nam
Summary
The unprecedented COVID-19 pandemic has brought about drastic changes to human activities including essential activities such as grocery shopping. Previous studies have mainly addressed consumers' experiences with online food & delivery (OFD) services before and during the pandemic. Although the shift to OFD is significant, it is unclear whether this shift will continue. The purpose of this study is to examine the structural relationships among eight factors influencing the intention to continue using OFD after the COVID-19 pandemic. The study proposes a contingency framework-based model with 270 valid questionnaires for empirical testing using the partial least squares (PLS) path modeling method. The results imply that the proposed hypotheses were supported, except for the relationship between prior OFD experience and convenience motivation. Practical implications and limitations are discussed.
Keywords: Online food & delivery (OFD), Intention to continue using OFD, PLS-SEM
GIỚI THIỆU
Thực phẩm vốn được coi là loại hàng hóa khó phát triển thương mại điện tử do đòi hỏi cao về trải nghiệm trực tiếp và nhạy cảm về phương thức giao nhận hàng hóa, đặc biệt tại các nước đang phát triển, người tiêu dùng quen giao dịch trực tiếp, không tin tưởng quy trình mua sắm trực tuyến (Uwemi và cộng sự, 2016). Tuy nhiên, COVID-19 đã làm thay đổi hành vi của người tiêu dùng theo hướng thúc đẩy mua hàng trực tuyến (Unnikrishnan và Figliozzi, 2020).
Dựa trên bối cảnh đó, nghiên cứu nhằm tìm ra những yếu tố thúc đẩy mọi người tiếp tục tìm đến các dịch vụ đặt/mua đồ ăn trực tuyến (OFD) trong tương lai sau khi đại dịch COVID-19 kết thúc. Mục đích của nghiên cứu, xem xét mối quan hệ cấu trúc giữa động lực tiện lợi, sự ủng hộ các dịch vụ OFD, động lực khoái lạc, kinh nghiệm OFD, định hướng tiết kiệm thời gian, định hướng tiết kiệm tiền, sự ủng hộ làm việc từ xa, sự ủng hộ về công nghệ và ý định tiếp tục OFD sau đại dịch COVID-19. Do đó, nghiên cứu mở rộng các mô hình hành vi của người tiêu dùng hiện có bằng cách đưa vào một số cấu trúc chính để giải thích ý định tiếp tục sử dụng dịch vụ OFD.
CƠ SỞ LÝ THUYẾT VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Cơ sở lý thuyết
OFD là quá trình khách hàng đặt thực phẩm trực tuyến, sau đó đồ ăn sẽ được giao cho khách hàng ngoại tuyến (Li và cộng sự, 2020). Dịch vụ OFD được hỗ trợ bởi một nền tảng tích hợp từ khách hàng và tài xế đến nhà cung cấp. Lý thuyết thống nhất về chấp nhận và sử dụng công nghệ 2 (UTAUT2) được lựa chọn làm cơ sở lý thuyết nền tảng để xây dựng mô hình nghiên cứu. Mô hình sẽ kiểm tra các biến số của sự chấp nhận và sử dụng của khách hàng đối với một hệ thống hoặc công nghệ. Có ba cấu trúc tâm lý và nhận thức mới: động lực khoái lạc, định hướng tiết kiệm giá và hình thành thói quen. Trong bối cảnh dịch vụ OFD, người tiêu dùng có thể tiếp cận nhiều nhà cung cấp khác nhau mà không cần phải đến trực tiếp. Điều này có thể làm tăng sự hài lòng của khách hàng và duy trì ý định sử dụng các dịch vụ OFD.
Giả thuyết nghiên cứu
Động lực khoái lạc (ĐLKL-HM)
Chủ nghĩa khoái lạc, trái ngược với tính hợp lý, tập trung vào sự hưởng thụ và tính vui tươi (Rezaei và cộng sự, 2016). Nghiên cứu gần đây cho thấy, tầm quan trọng của chủ nghĩa khoái lạc trong thương mại điện tử, nơi nó tác động đến giá trị thương hiệu, trải nghiệm dòng chảy và sự tin tưởng, từ đó thúc đẩy lòng trung thành trực tuyến (Bilgihan, 2016). Qua đó, các đặc điểm về tính hữu ích được nhận thức làm sáng tỏ mức độ dễ dàng hoặc khó khăn mà các cá nhân chấp nhận.
H1: Động lực khoái lạc có tác động tích cực đến Động lực tiện lợi.
Kinh nghiệm Mua/Đặt thực phẩm trực tuyến (KNMĐTPTT-EX)
Do thiếu hụt các yếu tố hiện hữu như tương tác trực tiếp với sản phẩm, mua sắm trực tuyến mang tính rủi ro cao hơn so với hình thức truyền thống (Thamizhvanan và Xavier, 2013). Kinh nghiệm có xu hướng làm tăng ý định mua hàng do kinh nghiệm mua hàng trước đó giúp giảm thiểu sự không chắc chắn liên quan đến các trang web, từ đó tăng cường sự tương tác của người tiêu dùng (Weisberg và cộng sự, 2011). Phân tích làm cơ sở cho việc đề xuất giả thuyết liên quan đến mối quan hệ giữa các yếu tố này.
H2: Kinh nghiệm OFD có tác động tích cực đến Động lực tiện lợi.
Định hướng tiết kiệm thời gian (ĐHTKTG-TSO) và Định hướng tiết kiệm tiền (ĐHTKT-PSO)
Sự tiện lợi trong việc tiết kiệm thời gian khi mua hàng qua internet là một lợi ích đáng kể, được củng cố thêm bởi khả năng giảm thiểu công sức, thời gian mở cửa hàng linh hoạt và quy trình thanh toán hiệu quả (Chiu và cộng sự, 2014). Bên cạnh đó, khả năng dễ dàng so sánh giá cả trên nhiều trang web và nhà cung cấp là một yếu tố then chốt thúc đẩy sự hấp dẫn của mua sắm trực tuyến (Chiu và cộng sự, 2014). Sự kết hợp giữa định hướng tiết kiệm thời gian, định hướng tiết kiệm tiền đối với động cơ tiện lợi, được hỗ trợ bởi một giao diện trực quan, dễ sử dụng, khả năng tìm kiếm giá cả cạnh tranh là yếu tố then chốt để thúc đẩy sự thành công của các nền tảng mua sắm trực tuyến.
H3: Định hướng tiết kiệm thời gian có tác động tích cực đến Động lực tiện lợi.
H4: Định hướng tiết kiệm tiền có tác động tích cực đến Động lực tiện lợi.
Sự ủng hộ về công nghệ (SUHVCN-PTE) và Sự ủng hộ làm việc từ xa (SUHLVTX-PTL)
Các nghiên cứu trước đây cho thấy, mối quan hệ chặt chẽ giữa sự hiểu biết về công nghệ và khả năng chấp nhận các nền tảng trực tuyến và công nghệ mới nói chung (Lavieri và cộng sự, 2017). Đại dịch COVID-19 tạo ra những thay đổi đáng kể trong mô hình làm việc, đặc biệt gia tăng xu hướng làm việc từ xa. Sự tự tin, kỹ năng và sự thay đổi trong mô hình làm việc có thể thúc đẩy việc sử dụng các nền tảng trực tuyến một cách chủ động, bao gồm cả việc mua sắm trực tuyến.
H5: Sự ủng hộ về công nghệ có ảnh hưởng tích cực đến Sự ủng hộ OFD.
H6: Sự ủng hộ làm việc từ xa có tác động tích cực đến Sự ủng hộ OFD.
Động lực tiện lợi (ĐLTL-CM) và Sự ủng hộ đặt/mua thực phẩm trực tuyến (SUHĐMTPTT-PO)
Một phần của mô hình chấp nhận công nghệ (TAM) được sử dụng để phân tích khả năng chấp nhận công nghệ - dịch vụ đặt/mua thực phẩm trực tuyến (Dinev và Hu, 2007). Limayem và cộng sự (2000) đã chỉ ra rằng, thái độ đối với mua sắm trực tuyến là yếu tố dự báo quan trọng nhất về mong muốn tham gia mua sắm trực tuyến. Thật vậy, nghiên cứu cho thấy, các đặc điểm về tính hữu ích và thái độ có ảnh hưởng đến khuynh hướng tham gia mua sắm trực tuyến.
H7. Động lực tiện lợi tác động tích cực đến Ý định tiếp tục OFD sau đại dịch COVID-19.
H8. Sự ủng hộ OFD tác động tích cực đến Ý định tiếp tục OFD sau đại dịch COVID-19.
Mô hình nghiên cứu
Từ các giả thuyết nêu trên, mô hình nghiên cứu đề xuất như Hình.
Hình: Mô hình nghiên cứu đề xuất
 |
| Nguồn: Nhóm tác giả đề xuất |
Phương pháp nghiên cứu
Nghiên cứu sử dụng phương pháp thảo luận nhóm tập trung với 6 chuyên gia trong lĩnh vực thương mại điện tử. Qua đó, thang đo được xây dựng cho 34 biến quan sát. Các biến quan sát được đo lường bằng thang đo Likert 5 điểm. Mẫu tối thiểu được ước tính bằng phần mềm G*Power là 109 với mức ý nghĩa 0,05 để đạt được sức mạnh thống kê 80%. Do đó, quy mô mẫu 270 là đủ cho nghiên cứu này.
Dữ liệu sơ cấp được thu thập thông qua phương pháp khảo sát trực tuyến khách hàng bằng Google Forms trong khoảng thời gian từ tháng 1-2/2025 tại TP.Hồ Chí Minh. Phương pháp phân tích mô hình cấu trúc tuyến tính (PLS-SEM) được sử dụng để đánh giá mô hình và làm rõ các giả thuyết nghiên cứu từ nguồn dữ liệu khảo sát. Qua đó, xác định các yếu tố ảnh hưởng đến ý định tiếp tục sử dụng OFD sau đại dịch COVID-19. Khi áp dụng PLS-SEM, mô hình nghiên cứu được đánh giá qua hai bước: đánh giá mô hình đo lường và mô hình cấu trúc (Henseler and Chin, 2010).
KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Kết quả nghiên cứu
Mẫu nghiên cứu
Nghiên cứu cho thấy, trong 270 khách hàng được khảo sát. Về giới tính: có 108 nam, chiếm 40% và 162 nữ, chiếm 60%. Về độ tuổi: dưới 22 tuổi, chiếm 32,2%; từ 22-29 tuổi, chiếm 37% (nhiều nhất); từ 30-39 tuổi, chiếm 16,3%; từ 40-49 tuổi, chiếm 13%; trên 49 tuổi, chiếm 1,1%. Về tình trạng hôn nhân: có 68,9% chưa kết hôn; 29,6% đã kết hôn; 1,5% đã ly hôn. Về trình độ học vấn: tốt nghiệp THPT chiếm 33%; tốt nghiệp Đại học/Cao đẳng chiếm 47,4%; sau đại học chiếm 19,6%. Về quy mô hộ gia đình: độc thân, chiếm 21,5%; 2 người, chiếm 1,9%; 3-4 người, chiếm 50%; 5-6 người, chiếm 24,8%; trên 6 người, chiếm 1,9%. Về thu nhập trung bình hằng tháng: đa số có thu nhập dưới 5 triệu đồng, chiếm 35,6%; 5-12 triệu đồng, chiếm 35,6%; 12-18 triệu đồng, chiếm 20%; 18-25 triệu đồng, chiếm 5,9%; 25-32 triệu đồng, chiếm 1,9%; trên 32 triệu đồng, chiếm 1,1%. Đối với thời gian đã sử dụng app/website OFD, nhiều nhất trên 3 năm, chiếm 37,8%; 2-3 năm, chiếm 24,1%; 1-2 năm, chiếm 20,4% và dưới 1 năm chiếm 17,8%.
Đánh giá độ tin cậy, độ giá trị, giá trị phân biệt của cấu trúc trong mô hình
Các bước kiểm định độ tin cậy và độ giá trị của cấu trúc gồm kiểm định độ nhất quán nội tại, độ giá trị hội tụ và giá trị phân biệt (Hair và cộng sự, 2014). Độ tin cậy được đánh giá bằng hệ số tải ngoài (outer loading) đối với các chỉ báo/biến quan sát, hệ số Cronbach’s Alpha và độ tin cậy tổng hợp. Theo bảng 1, hệ số tải ngoài, hệ số Cronbach’s Apha, độ tin cậy tổng hợp (CR) và giá trị Dijkstra-Henseler’s rho đều lớn hơn 0,7, điều này cho thấy, các mục phản ánh được coi là đạt yêu cầu (Talukder et al., 2019). Giá trị hội tụ được đánh giá bằng hệ số phương sai trích trung bình (AVE) đều lớn hơn 0,5 đã khẳng định được tính hội tụ tốt (Fornell và Larcker, 1981).
Bảng 1: Hệ số tải, Độ tin cậy tổng hợp, Dijkstra Henseler và Phương sai trích trung bình
| Cấu trúc | Thang đo | Hệ số tải | Độ tin cậy tổng hợp (CR) | Dijkstra Henseler's (rho_A) | Phương sai trích trung bình (AVE) |
| YĐTTM/ĐTPTT sau đại dịch COVID-19 | CI1 | 0,808 | 0,881 | 0,888 | 0,677 |
| CI2 | 0,801 | ||||
| CI3 | 0,861 | ||||
| CI4 | 0,854 | ||||
| CI5 | 0,787 | ||||
| ĐLTL | CM1 | 0,809 | 0,854 | 0,856 | 0,695 |
| CM2 | 0,85 | ||||
| CM3 | 0,852 | ||||
| CM4 | 0,823 | ||||
| KNM/ĐTPTT | EX1 | 0,861 | 0,758 | 0,808 | 0,667 |
| EX2 | 0,804 | ||||
| EX3 | 0,783 | ||||
| ĐLKL | HM1 | 0,798 | 0,789 | 0,844 | 0,598 |
| HM2 | 0,74 | ||||
| HM3 | 0,752 | ||||
| HM4 | 0,801 | ||||
| SUHM/ĐTPTT | PO1 | 0,818 | 0,818 | 0,823 | 0,579 |
| PO2 | 0,742 | ||||
| PO3 | 0,814 | ||||
| PO4 | 0,72 | ||||
| PO5 | 0,705 | ||||
| ĐHTKT | PSO1 | 0,747 | 0,768 | 0,803 | 0,68 |
| PSO2 | 0,857 | ||||
| PSO3 | 0,865 | ||||
| SUHVCN | PTE1 | 0,761 | 0,756 | 0,764 | 0,577 |
| PTE2 | 0,703 | ||||
| PTE3 | 0,807 | ||||
| PTE4 | 0,765 | ||||
| SUHLVTX | PTL1 | 0,849 | 0,768 | 0,819 | 0,674 |
| PTL2 | 0,879 | ||||
| PTL3 | 0,728 | ||||
| ĐHTKTG | TSO1 | 0,824 | 0,748 | 0,764 | 0,664 |
| TSO2 | 0,859 | ||||
| TSO3 | 0,759 |
Nguồn: Kết quả xử lý dữ liệu khảo sát
Đối với giá trị phân biệt, tất cả các giá trị đều nằm trong tiêu chí ngưỡng của điểm HTMT (HTMT
Đánh giá mô hình cấu trúc PLS-SEM
Phương pháp bình phương trung bình chuẩn (SRMR) cũng được áp dụng để kiểm tra độ phù hợp của mô hình. Mô hình tổng thể của nghiên cứu được coi là phù hợp vì giá trị bão hòa và giá trị ước tính lần lượt là 0,067 và 0,079, thấp hơn 0,08. Tất cả các giá trị hệ số phương sai phóng đại (VIF) của thang đo nằm trong khoảng từ 1,988 đến 2,408 đều thấp hơn giá trị ngưỡng là 3,3. Do đó, đa cộng tuyến không phải là vấn đề trong nghiên cứu này.
Bảng 2: Kết quả kiểm định giả thuyết nghiên cứu
| Giả thiết | Mối quan hệ | Mẫu gốc (O) | Giá trị P | Khoảng tin cậy đã hiệu chỉnh độ lệch | Ủng hộ? |
| H1 | HM -> CM | 0,189* | 0,002 | [0,067÷ 0,297] | Có |
| H2 | EX -> CM | -0,031NS | 0,645 | [-0,179 ÷ 0,085] | Không |
| H3 | TSO -> CM | 0,252* | 0,003 | [0,089 ÷ 0,417] | Có |
| H4 | PSO -> CM | 0,18* | 0,003 | [0,061 ÷ 0,297] | Có |
| H5 | PTL -> PO | 0,264*** | 0 | [0,153 ÷ 0,37] | Có |
| H6 | PTE -> PO | 0,365*** | 0 | [0,231 ÷ 0,468] | Có |
| H7 | CM -> CI | 0,284*** | 0 | [0,149 ÷ 0,412] | Có |
| H8 | PO -> CI | 0,457*** | 0 | [0,355 ÷ 0,553] | Có |
Nguồn: Kết quả xử lý dữ liệu khảo sát
Kết quả Bảng 2 cho thấy, HM (β = 0,189, p p p p p p p p
Thảo luận
Kết quả nghiên cứu cho thấy, các động lực gồm: Động lực khoái lạc; Định hướng tiết kiệm thời gian, và Tiền có tác động làm gia tăng Động lực tiện ích, trung gian quan trọng dẫn đến ý định tiếp tục sử dụng OFD. Do đó, H1, H3, H4, H7 được chấp nhận. Đối với Động lực thuận tiện, những khách hàng có kinh nghiệm mua hàng trực tuyến sẽ thích nỗ lực ít hơn để sử dụng các dịch vụ OFD, do đó, H3 bị bác bỏ.
Bên cạnh đó, đối với khách hàng có sự quan tâm đặc biệt đến làm việc từ xa hay yêu thích về công nghệ, các giả thiết đều đánh giá cao các yếu tố này khi đo lường ý định tiếp tục sử dụng OFD. Thật vậy, H5, H6, H8 đều được ủng hộ.
Đối với các nhà tiếp thị quan tâm đến việc tăng ý định sử dụng dịch vụ OFD, các yếu tố trên đã được xác định và có thể được điều chỉnh để mang lại lợi ích cho doanh nghiệp. Từ phân tích trên, trong các động lực, Động lực khoái lạc trở nên quan trọng.
KẾT LUẬN VÀ KHUYẾN NGHỊ
Kết luận
Khung dự phòng công nghệ được sử dụng để nghiên cứu mối quan hệ giữa các yếu tố bên ngoài và ý định tiếp tục sử dụng dịch vụ OFD được trung gian bởi Động lực tiện lợi và sự ủng hộ OFD. Kết quả đã chứng minh thêm tính hợp lệ của các nền tảng lý thuyết được sử dụng. Nó cũng chỉ ra mối quan hệ giữa các biến tiềm ẩn đối với thái độ và ý định hành vi.
Khuyến nghị
Các nhà tiếp thị có thể đưa ra các chiến lược và sửa đổi tương tác trực tuyến của khách hàng để nâng cao trải nghiệm và gia tăng ý định sử dụng dịch vụ OFD của khách hàng. Bên cạnh đó, khách hàng bị thu hút bởi công nghệ có thể mang lại cho họ sự tiện lợi thông qua việc tiết kiệm thời gian và công sức. Do đó, trang web cần phải thân thiện với người dùng và được xử lý theo yêu cầu của khách hàng nhanh nhất có thể. Đổi lại, điều này sẽ cho phép khách hàng hoàn tất giao dịch nhanh chóng, từ đó, có lợi cho cả khách hàng và nhà tiếp thị.
*Lời cảm ơn
Xin chân thành cảm ơn Trường Đại học Sư phạm Kỹ thuật Thành phố Hồ Chí Minh đã tài trợ cho bài nghiên cứu đề tài số T2024-187.
Tài liệu tham khảo:
1. Anderson, R. E., & Srinivasan, S. S. (2003). E‐satisfaction and e‐loyalty: A contingency framework. Psychology & Marketing, 20(2), 123-138, https://doi.org/10.1002/mar.10063
2. Bilgihan, A. (2016). Gen Y customer loyalty in online shopping: An integrated model of trust, user experience and branding. Computers in Human Behavior, 61, 103-113, https://doi.org/10.1016/j.chb.2016.03.014
3. Chiu, C., Wang, E. T. G., Fang, Y., & Huang, H. (2014). Understanding customers’ repeat purchase intentions in B2C e‐commerce: The roles of utilitarian value, hedonic value and perceived risk. Information Systems Journal, 24(1), 85-114, https://doi.org/10.1111/isj.12000
4. Dinev, T., & Hu, Q. (2007). The centrality of awareness in the formation of user behavioral intention toward protective information technologies. Journal of the Association for Information Systems, 8(7), 386-408, https://doi.org/10.17705/1jais.00133
5. Fornell, C., & 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/10.1177/002224378101800104
6. Hair Jr, J. F., Sarstedt, M., Hopkins, L., & Kuppelwieser, V. G. (2014). Partial least squares structural equation modeling (PLS-SEM). European Business Review, 26(2), 106–121, https://doi.org/10.1108/EBR-10-2013-0128
7. Henseler, J., & Chin, W. W. (2010). A comparison of approaches for the analysis of interaction effects between latent variables using partial least squares path modeling. Structural Equation Modeling, 17(1), 82-109, https://doi.org/10.1080/10705510903439003
8. Lavieri, P. S., Garikapati, V. M., Bhat, C. R., Pendyala, R. M., Astroza, S., & Dias, F. F. (2017). Modeling individual preferences for ownership and sharing of autonomous vehicle technologies. Transportation Research Record, 2665(1), 1-10, https://doi.org/10.3141/2665-01
9. Li, C., Mirosa, M., & Bremer, P. (2020). Review of online food delivery platforms and their impacts on sustainability. Sustainability, 12(14), 5528.
10. Rezaei, S., Ali, F., Amin, M., & Jayashree, S. (2016). Online impulse buying of tourism products: The role of web site personality, utilitarian and hedonic web browsing, Journal of Hospitality and Tourism Technology, 7(1), 60-83, https://doi.org/10.1108/JHTT-03-2016-0012
11. Shang, D., & Wu, W. (2017). Understanding mobile shopping consumers’ continuance intention. Industrial Management & Data Systems, 117(1), 213-227, https://doi.org/10.1108/IMDS-02-2016-0040
12. Talukder, S., Chiong, R., Dhakal, S., Sorwar, G., & Bao, Y. (2019). A two-stage structural equation modeling-neural network approach for understanding and predicting the determinants of m-government service adoption. Journal of Systems and Information Technology, 21(4), 419-438, https://doi.org/10.1108/JSIT-04-2019-0062
13. Thamizhvanan, A., & Xavier, M. J. (2013). Determinants of customers’ online purchase intention: An empirical study in India. Journal of Indian Business Research, 5(1), 17-32, https://doi.org/10.1108/17554191311303367
14. Unnikrishnan, A., & Figliozzi, M. A. (2020). A study of the impact of COVID-19 on home delivery purchases and expenditures. Transportation Research Interdisciplinary Perspectives, 8, 100263, https://doi.org/10.1016/j.trip.2020.100263
15. Uwemi, S., Khan, H. U., & Fournier-Bonilla, S. D. (2016). Challenges of e-commerce in developing countries: Nigeria as case study. In Proceedings of the Northeast Decision Sciences Institute Conference, 31.
16. Weisberg, J., Te’eni, D., & Arman, L. (2011). Past purchase and intention to purchase in e‐commerce: The mediation of social presence and trust. Internet Research, 21(1), 82-96, https://doi.org/10.1108/10662241111104893
| Ngày nhận bài: 29/5/2025; Ngày hoàn thiện biên tập: 11/6/2025; Ngày duyệt đăng: 12/6/2025 |
