Ảnh hưởng của tính minh bạch và cá nhân hóa trong nền tảng VieON đến sự hài lòng của người dùng

1. Đặt vấn đề

Trong kỷ nguyên số, truyền hình OTT (Over-the-top) trở thành một phần quan trọng trong đời sống giải trí, đặc biệt với sự phát triển nhanh chóng của VieON, FPT Play, Galaxy Play hay VTV Go tại Việt Nam. Ưu thế của các nền tảng này nằm ở khả năng cung cấp nội dung phong phú, truy cập linh hoạt và cá nhân hóa trải nghiệm người dùng. Tuy nhiên, hành vi và sự hài lòng của người dùng ngày nay không chỉ phụ thuộc vào chất lượng nội dung, trải nghiệm người dùng (UX/UI), giá cả hay thương hiệu, mà còn gắn chặt với hai yếu tố then chốt: tính cá nhân hóa dựa trên dữ liệu và tính minh bạch trong việc thu thập, xử lý, đề xuất nội dung.

Dù có ý nghĩa quan trọng, các nghiên cứu trước ở Việt Nam chủ yếu dừng ở mức mô tả, ít khai thác cơ chế ảnh hưởng của cá nhân hóa và minh bạch đối với sự hài lòng và hành vi sử dụng OTT. Khoảng trống này khiến các nhà quản lý khó đưa ra quyết sách chiến lược phù hợp.

Nghiên cứu này tập trung đo lường tác động của nhận thức về minh bạch dữ liệu và mức độ cá nhân hóa nội dung đến sự hài lòng, hành vi sử dụng OTT VieON của công chúng, đồng thời xem xét vai trò trung gian của niềm tin kiểm soát dữ liệu cá nhân và sự khác biệt theo nhân khẩu học (giới, tuổi, tần suất sử dụng).

Kết quả được kỳ vọng đóng góp bằng chứng thực nghiệm giúp các nền tảng OTT xây dựng chiến lược minh bạch hóa thuật toán, cá nhân hóa trải nghiệm người dùng gắn với chuẩn mực đạo đức. Qua đó, nâng cao niềm tin và sự gắn bó của người dùng trong môi trường cạnh tranh khốc liệt.

2. Tổng quan tình hình nghiên cứu

Trong bối cảnh công nghệ truyền thông số phát triển nhanh chóng, các nền tảng OTT đã trở thành mô hình phân phối nội dung phổ biến, thay thế dần truyền hình truyền thống nhờ khả năng truy cập mọi lúc, mọi nơi, trên nhiều thiết bị ^(1). Người dùng OTT không chỉ là người tiêu thụ nội dung mà còn là đối tượng sản xuất dữ liệu, từ dữ liệu về hành vi người xem, về lựa chọn nội dung, đến dữ liệu về thời gian tương tác. Do đó, việc hiểu rõ các yếu tố chi phối sự hài lòng và hành vi sử dụng của người dùng nền tảng OTT là một hướng đi quan trọng trong việc nghiên cứu truyền thông và marketing số^(2).

Cá nhân hoá Cá nhân hóa (personalization) là quá trình hệ thống điều chỉnh nội dung, giao diện và trải nghiệm dựa trên dữ liệu người dùng nhằm nâng cao sự hài lòng và giữ chân người dùng ⁽³⁾. Trong lĩnh vực OTT, cá nhân hóa thể hiện rõ nhất qua thuật toán gợi ý nội dung, giúp tăng khả năng khám phá nội dung phù hợp và rút ngắn thời gian ra quyết định của người dùng.

Tuy nhiên, nghiên cứu cũng ghi nhận những lo ngại như hiệu ứng “bong bóng lọc” ⁽⁴⁾, làm giảm tính đa dạng nội dung và định hình thiên lệch tiêu dùng. Ngoài ra, người dùng ngày càng đặt câu hỏi về cách thức dữ liệu được thu thập, phân tích và sử dụng để cá nhân hóa, từ đó đặt ra yêu cầu cao hơn về tính minh bạch và quyền kiểm soát thông tin cá nhân ⁽⁵⁾, ⁽⁶⁾.

Tính minh bạch (transparency) được hiểu là mức độ mà người dùng nhận thức được về cách nền tảng thu thập, xử lý, lưu trữ và sử dụng dữ liệu của họ. Các nghiên cứu chỉ ra rằng, minh bạch không chỉ là yếu tố đạo đức, mà còn là động lực ảnh hưởng đến niềm tin, từ đó dẫn đến sự hài lòng và ý định tiếp tục sử dụng nền tảng ⁽⁷⁾.

Koler (2000) định nghĩa sự hài lòng là cảm giác của một người dựa vào kết quả đối chiếu thực tế cảm nhận được của sản phẩm/dịch vụ trong mối liên hệ với kỳ vọng/mong đợi của họ ⁽⁸⁾. Khi nghiên cứu về dịch vụ cung cấp nội dung số trên nền tảng OTT, Yoon, Soo-Yeon và Jong Bae Kim (2022) dựa trên mô hình chấp nhận giá trị để khảo sát mối quan hệ giữa sự hài lòng và ý định tiếp tục sử dụng của người dùng. Qua đó, phân tích nhân tố được người dùng kỳ vọng khi sử dụng dịch vụ nội dung số trên OTT. Những nhân tố như ‘sự thuận tiện’, ‘tính hữu ích’, ‘rủi ro chi phí’, ‘rủi ro kỹ thuật’ và ‘rủi ro bảo mật’ có ảnh hưởng lớn đến quyết định lựa chọn dịch vụ nội dung số OTT ⁽⁹⁾. Ở Việt Nam, Nguyễn Văn Sơn và đồng sự (2024) có một nghiên cứu về sự hài lòng và quyết định tiếp tục sử dụng dịch vụ OTT trên địa bàn khảo sát tại thành phố Hồ Chí Minh, khám phá những nhân tố ảnh hưởng đến việc người dùng chấp nhận OTT, giúp các nhà cung cấp dịch vụ gia tăng sự hài lòng của khách hàng. Kết quả nghiên cứu này đã chỉ ra rằng, Dựa trên mô hình chấp nhận công nghệ TAM và thuyết Sử dụng và Hài lòng (UGT), nhóm nghiên cứu đã chỉ ra các nhân tố ‘giá trị cảm nhận’, ‘tính giải trí’, ‘tính tương tác’, ‘sự tiện lợi’, ‘chất lượng dịch vụ’ có ảnh hưởng được xác nhận qua phân tích thống kê đối với sự hài lòng và quyết định sử dụng dịch vụ của người dùng ⁽¹⁰⁾.

Nhiều nghiên cứu cho thấy, khi người dùng cảm thấy có quyền kiểm soát và được thông tin rõ ràng, họ có xu hướng đánh giá cao chất lượng dịch vụ, dù bản thân dịch vụ có sử dụng nhiều dữ liệu cá nhân^(11). Mô hình Perceived Control – Trust – Satisfaction cũng thường được sử dụng để lý giải mối liên hệ này⁽¹²⁾.

Tại Việt Nam, số lượng người dùng OTT ngày càng tăng, đặc biệt trong nhóm Gen Z (độ tuổi từ 13 – 28) và Millennials (độ tuổi từ 29 – 44 tuổi)⁽¹³⁾ Tuy nhiên, phần lớn các nghiên cứu hiện nay tập trung vào nội dung hoặc trải nghiệm người dùng (UX/UI), ít đề cập đến tác động của thuật toán gợi ý, minh bạch dữ liệu, và cảm nhận về cá nhân hóa trong hành vi người dùng.

Ngoài ra, chưa có nhiều nghiên cứu xây dựng mô hình lý thuyết tích hợp các yếu tố như cá nhân hóa, tính minh bạch, mức kiểm soát dữ liệu, sự hài lòng, hành vi người dùng trong một nền tảng cụ thể như VieON. Đây chính là khoảng trống mà nghiên cứu này hướng tới.

3. Mô hình và phương pháp nghiên cứu

Nghiên cứu này đề xuất mô hình kiểm định mối quan hệ giữa nhận thức về hệ thống gợi ý nội dung, trải nghiệm hành động, cảm nhận kiểm soát và mức độ hài lòng nhằm giải thích ý định tiếp tục sử dụng dịch vụ VieON. VieON là một ứng dụng OTT (Over-The-Top) cung cấp dịch vụ xem phim, chương trình truyền hình, giải trí, thể thao trực tuyến theo yêu cầu (video on demand) và truyền hình trực tiếp. VieON chính thức ra mắt vào năm 2020, được phát triển bởi Tập đoàn DatVietVAC (DatVietVAC Group Holdings), một tổ hợp truyền thông - giải trí - công nghệ tại Việt Nam. Mô hình kiểm định được xây dựng với các biến như sau:

Nhóm biến độc lập bao gồm:

Nhận thức về đề xuất nội dung - RQ_SUG (Recommendation Quality_Suggestion): phản ánh cảm nhận của người dùng về sự phù hợp, hữu ích và minh bạch của hệ thống gợi ý.

Trải nghiệm hành động và nhận thức - AWA (Awareness): thể hiện mức độ tương tác, chủ động và sự thuận tiện trong quá trình sử dụng nền tảng.

Nhận thức kiểm soát - CONT (Continue): đóng vai trò là biến trung gian trọng tâm. Theo lý thuyết kiểm soát nhận thức, khi người dùng có cảm giác chủ động và hiểu được cơ chế hoạt động của hệ thống, họ sẽ phát triển cảm nhận tin cậy và kiểm soát đối với dịch vụ. Điều này góp phần quyết định đến mức độ hài lòng và hành vi tiếp tục sử dụng.

Mức độ hài lòng - SAT (Satisfaction): được xem như biến phụ thuộc trung gian, tổng hợp các trải nghiệm trước đó và là tiền đề cho ý định tiếp tục sử dụng.

Các biến kiểm soát bao gồm giới tính, độ tuổi và tần suất sử dụng.

Các giả thuyết nghiên cứu:

• H1: Nhận thức về đề xuất nội dung (RQ_SUG) có ảnh hưởng tích cực đến nhận thức kiểm soát (CONT).

• H2: Trải nghiệm hành động và nhận thức (AWA) có ảnh hưởng tích cực đến nhận thức kiểm soát (CONT).

• H3: Nhận thức kiểm soát (CONT) có ảnh hưởng tích cực đến mức độ hài lòng (SAT).

• H4: Mức độ hài lòng (SAT) có ảnh hưởng tích cực đến ý định tiếp tục sử dụng VieON.

• H5: Nhận thức về đề xuất nội dung (RQ_SUG) có ảnh hưởng gián tiếp đến mức độ hài lòng (SAT) thông qua nhận thức kiểm soát (CONT).

• H6: Trải nghiệm hành động và nhận thức (AWA) có ảnh hưởng gián tiếp đến mức độ hài lòng (SAT) thông qua nhận thức kiểm soát (CONT).

• H7: Các biến kiểm soát (giới tính, độ tuổi, tần suất sử dụng) có ảnh hưởng đáng kể đến nhận thức kiểm soát (CONT), mức độ hài lòng (SAT) và ý định tiếp tục sử dụng.

Nghiên cứu này được thực hiện theo phương pháp định lượng với thiết kế khảo sát trực tuyến. Mục tiêu là kiểm định mối quan hệ giữa các yếu tố nhận thức, trải nghiệm và mức độ hài lòng của người dùng đối với hệ thống gợi ý nội dung trên nền tảng OTT VieON. Trên cơ sở lý thuyết hành vi người dùng ⁽¹⁴⁾ và hệ thống gợi ý (recommender systems), nghiên cứu tiến hành xây dựng mô hình giả thuyết và đo lường bằng bảng hỏi chuẩn hóa.

Mẫu nghiên cứu bao gồm 224 người dùng VieON, được thu thập thông qua hình thức phát phiếu khảo sát trực tuyến (online survey). Phương pháp chọn mẫu thuận tiện (convenience sampling) được áp dụng, tập trung vào nhóm người dùng trẻ và trung niên vốn là đối tượng sử dụng chủ yếu các nền tảng OTT hiện nay.

• Giới tính: nữ chiếm 64%, nam chiếm 36%.

• Độ tuổi: nhóm 18–30 tuổi chiếm 61%, nhóm 31–50 tuổi chiếm 31%. Không có dữ liệu từ nhóm >50 tuổi.

• Tần suất sử dụng: trung bình 2.09 trên thang 3 mức (1 = hiếm khi, 2 = thỉnh thoảng, 3 = thường xuyên).

Các khái niệm nghiên cứu được đo lường bằng thang đo Likert 5 mức (1 = hoàn toàn không đồng ý, 5 = hoàn toàn đồng ý). Các nhóm biến quan sát cụ thể gồm:

• Nhận thức về đề xuất nội dung (RQ_SUG): 5 chỉ báo (từ RQ_SUG_1 đến RQ_SUG_5).

• Trải nghiệm hành động và nhận thức (AWA): 6 chỉ báo (từ AWA_1 đến AWA_6).

• Nhận thức kiểm soát (CONT): 3 chỉ báo.

• Mức độ hài lòng (SAT): 3 chỉ báo (từ SAT_1 đến SAT_3).

Ngoài ra, bảng hỏi còn thu thập các thông tin nhân khẩu học (giới tính, tuổi) và hành vi (tần suất sử dụng) để làm biến kiểm soát.

Dữ liệu được xử lý bằng phần mềm SPSS theo các bước:

1. Thống kê mô tả: nhằm khái quát đặc điểm mẫu và giá trị trung bình của các biến quan sát.

2. Kiểm định độ tin cậy thang đo: sử dụng Cronbach’s Alpha, với tiêu chuẩn chấp nhận α > 0.7 để đảm bảo tính nhất quán nội bộ.

3. Phân tích nhân tố khám phá (EFA): áp dụng phương pháp Principal Component Analysis với phép xoay Varimax, tiêu chí chọn nhân tố gồm Eigenvalue > 1 và hệ số tải nhân tố ≥ 0.5. Điều kiện tiền đề: KMO > 0.7 và Bartlett’s Test có Sig. < 0.001.

4. Phân tích tương quan Pearson: nhằm xác định mối quan hệ tuyến tính giữa các biến.

5. Hồi quy tuyến tính bội (Multiple Linear Regression): kiểm định mức độ ảnh hưởng của các biến độc lập (RQ_SUG, AWA) và biến trung gian (CONT, SAT) đến ý định tiếp tục sử dụng. Các biến kiểm soát (giới tính, tuổi, tần suất sử dụng) được đưa vào mô hình để loại trừ sai lệch.

6. Kiểm định khác biệt theo nhóm: sử dụng T-Test (giới tính) và ANOVA (tuổi, tần suất sử dụng) để đánh giá ảnh hưởng của các biến nhân khẩu học và hành vi.

Kết quả Cronbach’s Alpha cho thấy tất cả các thang đo đều đạt yêu cầu (>0.7). EFA khẳng định tính hội tụ và phân biệt của các biến quan sát. Việc kiểm định tương quan và hồi quy đa biến giúp đảm bảo tính giá trị dự báo và giá trị khái niệm của mô hình.

4. Kết quả nghiên cứu và hàm ý quản trị

Khảo sát được thực hiện với 224 người dùng VieON. Trong đó, 64% là nữ, 36% là nam. Về độ tuổi, nhóm 18–30 chiếm 61%, nhóm 31–50 chiếm 31%, và hoàn toàn không có dữ liệu từ nhóm trên 50 tuổi. Tần suất sử dụng dịch vụ ở mức trung bình (M = 2.09, SD = 0.63 trên thang 3 mức). Đặc điểm này phản ánh tập mẫu nghiên cứu tập trung vào nhóm người dùng trẻ và trung niên (đối tượng chủ yếu của các nền tảng OTT).

Các biến tâm lý được đo lường cho thấy xu hướng tích cực rõ rệt:

• Sự phù hợp và mình bạch (Fit & Transparency – FT): M = 4.48, SD = 0.57.

• Mức độ hữu ích của hệ thống gợi ý (Recommendation Usefulness – RU): M = 4.27, SD = 0.65.

• Mức độ hài lòng (Satisfaction – SAT): M = 4.45, SD = 0.61.

• Ý định tiếp tục sử dụng dịch vụ (Continuance Intention – CONT): M = 4.48, SD = 0.69.

Điều này cho thấy người dùng có đánh giá rất cao về tính phù hợp, minh bạch và hữu ích của hệ thống gợi ý, đồng thời hài lòng với trải nghiệm và có xu hướng tiếp tục sử dụng dịch vụ.

Kết quả Cronbach’s Alpha cho thấy tất cả các thang đo đều đạt yêu cầu:

• RQ_SUG (5 biến quan sát): α > 0.80.

• AWA (6 biến quan sát): α > 0.85.

• CONT (3 biến quan sát): α > 0.70.

• SAT (3 biến quan sát): α ≈ 0.80.

Không có biến nào cần loại bỏ, khẳng định tính nhất quán nội tại cao và độ tin cậy tốt của thang đo.

Bảng 1: Cronbach’s Alpha của các thang đo (Nguồn: số liệu tác giả phân tích tích từ SPSS)

Chỉ số KMO > 0.7, Bartlett’s Test Sig. < 0.001 cho thấy dữ liệu thích hợp để phân tích nhân tố. Phương pháp trích xuất được sử dụng là PCA và phép xoay Varimax. Các biến quan sát được phân thành 4 nhân tố riêng biệt (RQ, AWA, CONT, SAT) với hệ số tải nhân tố đều >0.7. Tổng phương sai trích > 65% cho thấy mô hình đảm bảo khả năng giải thích tốt. Kết quả này khẳng định tính hội tụ và phân biệt rõ ràng của các thang đo, phù hợp với mô hình lý thuyết.

 Kết quả phân tích hệ số tương quan Pearson (r) cho thấy các biến trong mô hình có mối quan hệ tích cực, chặt chẽ và đều đạt ý nghĩa thống kê cao giữa các biếm trong mô hình nghiên cứu, đạt ở mức 0.01. Cụ thể, mức độ hài lòng (SAT) có tương quan rất mạnh với cảm nhận kiểm soát (CONT) (r = .939, p < .001), đồng thời cũng có mối liên hệ đáng kể với nhận thức về đề xuất nội dung (RQ) (r = .710, p < .001) và trải nghiệm hành động/độ phù hợp – minh bạch (AWA/FT) (r = .722, p < .001). Bên cạnh đó, CONT cũng cho thấy tương quan rõ rệt với RQ (r = .647, p < .001). Những kết quả này phản ánh sự gắn kết chặt chẽ giữa các yếu tố nhận thức, sự hài lòng và ý định tiếp tục sử dụng dịch vụ.

Phân tích hệ số tương tan Pearson (r) cho biết:

Độ mạnh của mối quan hệ tuyến tính giữa hai biến (r dạo động từ -1 → +1).

Chiều hướng mối quan hệ:

• • Nếu r > 0 → mối quan hệ cùng chiều (một biến tăng, biến kia tăng).
•  
  • Nếu r < 0 → mối quan hệ ngược chiều (một biến tăng, biến kia tăng).

Giá trị p (p-value) cho biết mức độ ý nghĩa thống kê.

• • Nếu p < 0.05 → mối quan hệ có ý nghĩa thống kê (đáng tin cậy).
•  
  • Nếu p < 0.01 → mối quan hệ rất có ý nghĩa thống kê (rất đáng tin cậy).
•  
  • Nếu p < .001 → ý nghĩa cực kì mạnh, gần như chắc chắn mối quan hệ tồn tại trong tổng thể mẫu.

­­

Kết quả hồi quy (Hình 2) cho thấy hai mô hình dự báo có sự khác biệt rõ rệt. Với biến SAT, khi chỉ xét các biến xưkiểm soát, mô hình giải thích được 13,2% sự thay đổi. Nhưng khi thêm hai yếu tố chính là độ phù hợp và minh bạch của gợi ý (FT) cùng với tính hữu ích của gợi ý (RU), khả năng giải thích tăng vọt lên 91,6%. Trong đó, FT có ảnh hưởng rất mạnh đến hài lòng, còn RU không có ý nghĩa thống kê, nghĩa là sự hài lòng chủ yếu đến từ việc gợi ý đúng và minh bạch chứ không phải chỉ vì nó “hữu ích”.

Với biến ý định tiếp tục sử dụng (CONT), mô hình với biến kiểm soát giải thích được 16,3%. Khi thêm FT và RU, mức giải thích tăng lên 67,9%. Lần này cả FT và RU đều có tác động ý nghĩa, cho thấy quyết định tiếp tục sử dụng không chỉ phụ thuộc vào tính minh bạch, chính xác mà còn vào việc người dùng thực sự thấy gợi ý có ích. Ngoài ra, nhóm tuổi 18–50 có xu hướng tiếp tục thấp hơn nhóm ≤18. Khi thêm biến hài lòng (SAT) vào, mức giải thích tăng không đáng kể, và SAT không ảnh hưởng trực tiếp đến CONT.

Kết quả kiểm định sự khác biệt theo các biến nhân khẩu học và hành vi cho thấy có những ảnh hưởng đáng kể đến cách người dùng đánh giá trải nghiệm với VieON. Cụ thể, theo giới tính, nam giới có xu hướng đánh giá cao hơn nữ giới về chất lượng đề xuất, cảm nhận kiểm soát, mức độ hài lòng cũng như ý định tiếp tục sử dụng, với sự khác biệt đạt ý nghĩa thống kê (Sig. < .05). Đối với độ tuổi, phân tích ANOVA chỉ ra rằng tồn tại sự khác biệt có ý nghĩa giữa các nhóm người dùng (Sig. < .05), phản ánh tác động của yếu tố tuổi đến nhận thức và hành vi sử dụng dịch vụ. Ngoài ra, tần suất sử dụng cũng cho thấy ảnh hưởng rõ rệt: những người dùng thường xuyên có mức đánh giá tích cực cao hơn đáng kể so với các nhóm còn lại, và sự khác biệt này đạt mức ý nghĩa rất cao (Sig. < .001). Điều này chứng tỏ rằng các yếu tố cá nhân và hành vi sử dụng có vai trò quan trọng trong việc hình thành cảm nhận và hành vi của người dùng OTT.

Nghiên cứu cho thấy độ phù hợp và minh bạch của gợi ý (FT) là yếu tố cốt lõi định hình cả sự hài lòng lẫn ý định tiếp tục sử dụng của người dùng, trong khi tính hữu ích (RU) chỉ đóng vai trò bổ sung. Đáng chú ý, mức độ hài lòng (SAT) không còn giữ vai trò trung gian quan trọng, bởi tác động trực tiếp từ FT và RU đã chiếm ưu thế.

Từ kết quả trên, một hàm ý quan trọng cho VieON là việc cải thiện tính minh bạch và cá nhân hóa của hệ thống gợi ý sẽ mang lại hiệu quả trực tiếp trong việc duy trì lòng trung thành của khách hàng. Cụ thể, nền tảng cần cung cấp những giải thích rõ ràng như “Vì bạn vừa xem…”, phát triển bảng điều khiển cho phép người dùng tùy chỉnh tiêu chí gợi ý, hay hiển thị nhãn “cá nhân hóa” cho từng nội dung. Những yếu tố này không chỉ nâng cao trải nghiệm tức thời mà còn tạo dựng niềm tin dài hạn, giúp VieON khác biệt trong thị trường OTT cạnh tranh khốc liệt.

Kết quả nghiên cứu đã chỉ ra rằng cảm nhận về độ phù hợp và minh bạch của hệ thống gợi ý (FT) là yếu tố then chốt quyết định sự hài lòng và ý định tiếp tục sử dụng của người dùng, trong khi mức độ hài lòng chỉ đóng vai trò thứ yếu. Từ đó, một số hàm ý quản trị quan trọng được rút ra cho VieON như sau:

(1) Tăng cường tính minh bạch và khả năng kiểm soát cho người dùng

Người dùng OTT ngày càng quan tâm đến việc họ có thể hiểu và làm chủ cách hệ thống đưa ra gợi ý. Do đó, VieON cần cung cấp giải thích ngắn gọn, dễ hiểu cho các gợi ý (ví dụ: “Đề xuất dựa trên phim bạn vừa xem”); phát triển bảng điều khiển cá nhân hóa, cho phép người dùng điều chỉnh hoặc tắt/bật một số tiêu chí gợi ý; hiển thị huy hiệu cá nhân hóa (personalization tags) để tăng sự tin tưởng và cảm giác kiểm soát.

(2) Củng cố chất lượng cá nhân hóa nội dung

Độ phù hợp là yếu tố tạo giá trị cốt lõi cho người dùng. VieON có thể khai thác dữ liệu lịch sử xem, thời điểm sử dụng, thiết bị, và bối cảnh cá nhân để đề xuất chính xác hơn; đa dạng hóa nội dung gợi ý nhưng vẫn bảo đảm phù hợp với thị hiếu, tránh tạo cảm giác “lọc gắt” hoặc “lặp lại”; sử dụng công nghệ AI/ML hiện đại để tối ưu hóa thuật toán gợi ý theo từng nhóm đối tượng.

(3) Tối ưu hóa điểm chạm trải nghiệm người dùng

Bên cạnh nội dung, trải nghiệm giao diện và tương tác cũng là yếu tố then chốt. VieON nên thiết kế trang chủ (homepage) và các mục nội dung (carousels) theo chủ đề giúp người dùng dễ dàng khám phá nội dung mới; bổ sung tính năng “xem trước” nội dung quảng bá hoặc gợi ý theo tâm trạng (mood-based recommendation); tích hợp bộ lọc thông minh và chức năng tìm kiếm cải tiến, giúp tăng cảm giác chủ động và giảm thời gian tìm kiếm.

(4) Phân khúc khách hàng theo độ tuổi và hành vi

Kết quả cho thấy nhóm lứa tuổi 18–30 và 31–50 có ý định “tiếp tục sử dụng” thấp hơn nhóm ≤18. Điều này gợi ý rằng VieON cần xây dựng chiến lược giữ chân (retention strategy) cho nhóm khách hàng trưởng thành, chẳng hạn các gói ưu đãi, khuyến mãi gia đình, hoặc tính năng “profile chung” cho hộ gia đình; tạo ra nội dung và chiến dịch marketing phù hợp từng nhóm tuổi, thay vì áp dụng chiến lược đồng nhất.

(5) Xây dựng bộ chỉ số then chốt đánh giá hiệu quả công việc (Key Performance Indicator) theo hướng dẫn dắt

Do mối quan hệ chặt chẽ giữa FT và SAT, VieON có thể xem FT là chỉ số dẫn dắt (leading indicator) quan trọng hơn SAT. Điều này đồng nghĩa với việc thay vì chỉ theo dõi sự hài lòng chung, VieON nên định kỳ đo lường cảm nhận về độ phù hợp và minh bạch của hệ thống. FT có thể được dùng làm thước đo nội bộ để đánh giá hiệu quả cải tiến thuật toán gợi ý, qua đó dự báo trước xu hướng duy trì khách hàng.

Trong bối cảnh cạnh tranh gay gắt giữa các nền tảng OTT, việc nâng cao chất lượng và minh bạch của hệ thống gợi ý không chỉ gia tăng sự hài lòng mà còn trực tiếp củng cố lòng trung thành của người dùng. VieON cần xem đây là “đòn bẩy chiến lược” để khác biệt hóa so với đối thủ, duy trì tập khách hàng hiện hữu và mở rộng thị phần.

5. Kết luận

Nghiên cứu này đã xây dựng và kiểm định mô hình mối quan hệ giữa nhận thức về hệ thống gợi ý nội dung, trải nghiệm hành động, cảm nhận kiểm soát, mức độ hài lòng và ý định tiếp tục sử dụng dịch vụ OTT trong bối cảnh người dùng VieON.

Kết quả cho thấy:

• Độ phù hợp và minh bạch của hệ thống gợi ý (FT) là yếu tố cốt lõi quyết định mức độ hài lòng và ý định tiếp tục sử dụng, đồng thời là chỉ báo dẫn dắt quan trọng trong quản trị.

• Tính hữu ích của gợi ý (RU) cũng có tác động đáng kể đến ý định sử dụng, nhưng vai trò này yếu hơn so với FT.

• Mức độ hài lòng (SAT), mặc dù quan trọng trong nhiều nghiên cứu trước, nhưng không đóng vai trò trung gian mạnh trong mô hình hồi quy của nghiên cứu này.

• Các yếu tố nhân khẩu học và hành vi như giới tính, độ tuổi và tần suất sử dụng có ảnh hưởng đáng kể đến nhận thức và hành vi người dùng.

Những phát hiện này khẳng định rằng, trong môi trường OTT, việc nâng cao tính minh bạch, cá nhân hóa và trao quyền kiểm soát cho người dùng chính là con đường ngắn nhất để củng cố lòng trung thành và duy trì sự gắn kết với nền tảng. Nghiên cứu đã đóng góp bằng chứng thực nghiệm quan trọng cho lý thuyết hành vi người dùng trong bối cảnh OTT tại Việt Nam, đồng thời đưa ra hàm ý quản trị thiết thực cho VieON trong việc phát triển hệ thống gợi ý nội dung. Tuy còn hạn chế, nghiên cứu mở ra nhiều hướng đi mới để tiếp tục khám phá các yếu tố ảnh hưởng đến lòng trung thành của người dùng OTT trong thời kỳ cạnh tranh số ngày càng gay gắt./.

_________________________________________________

(2) Chen, L., Wu, W., Li, J., & Yu, Z. (2020), “User behavior-driven content recommendation in multimedia platforms” (Đề xuất nội dung dựa trên hành vi người dùng trong các nền tảng đa phương tiện), Multimedia Tools and Applications, 79(5), 3501–3519.  

(3) Tsekouras, D., Li, T., & Frick, T. (2024), “Don’t Take it Personally: An Empirical Investigation of Consumer Responses to Explicit Targeting” (Đừng xem đó là cá nhân: Nghiên cứu thực nghiệm về phản ứng của người tiêu dùng đối với hình thức nhắm mục tiêu rõ ràng), Journal of the Association for Information Systems, 25(3), 687-720, https://doi.org/10.17705/1jais.00848

(4) Pariser, E. (2011), The Filter Bubble: What the Internet is Hiding from You (Bong bóng lọc: Những điều Internet đang che giấu bạn), Penguin.

(5) Milne, G., & Culnan, M. (2004), “Strategies for reducing online privacy risks: Why consumers read (or don't read) online privacy notices” (Chiến lược giảm thiểu rủi ro về quyền riêng tư trực tuyến: Vì sao người tiêu dùng đọc (hoặc không đọc) các thông báo quyền riêng tư trên Internet), Journal of Interactive Marketing, 18(3), 5-29, https://doi.org/10.1002/dir.20009

(6) Martin, F., & Bolliger, D. U. (2018), “Engagement Matters: Student Perceptions on the Importance of Engagement Strategies in the Online Learning Environment” (Sự gắn kết có ý nghĩa: Nhận thức của sinh viên về tầm quan trọng của các chiến lược gắn kết trong môi trường học tập trực tuyến), Online Learning, 22, 205-222. https://doi.org/10.24059/olj.v22i1.1092

(7) Schnackenberg, A. K., & Tomlinson, E. C. (2016), “Organizational transparency: A new perspective on managing trust in organization-stakeholder relationships” (Tính minh bạch trong tổ chức: Góc nhìn mới về quản trị niềm tin trong mối quan hệ giữa tổ chức và các bên liên quan), Journal of Management, 42(6), 1784-1810. https://doi.org/10.1177/0149206314525202

(8) Kotler, P. (2000), Marketing Management: The Millennium Edition (Quản trị Tiếp thị – Phiên bản Thiên niên kỷ), Person Prentice Hall, Upper Saddle River.

(9) Yoon, Soo-Yeon, and Jong-Bae Kim (2022), A study on user satisfaction and intention to continue use of OTT platform digital content provision service (Nghiên cứu về sự hài lòng của người dùng và ý định tiếp tục sử dụng dịch vụ cung cấp nội dung số trên nền tảng OTT), in 2022 IEEE/ACIS 7th International Conference on Big Data, Cloud Computing, and Data Science (BCD), IEEE.

(10) Nguyễn Văn Sơn, Nguyễn Văn Tiến, & Vòng Thình Nam (2024), “Nghiên cứu về sự hài lòng và quyết định tiếp tục sử dụng dịch vụ OTT tại TP. Hồ Chí Minh”, Tạp chí Kinh tế và Dự báo. https://kinhtevadubao.vn/nghien-cuu-ve-su-hai-long-va-quyet-dinh-tiep-tuc-su-dung-dich-vu-ott-tai-tp-ho-chi-minh-29912.html

(11) Binns, R., Van Kleek, M., Veale, M., Lyngs, U., Zhao, J., & Shadbolt, N. (2018), “It’s reducing a human being to a percentage: Perceptions of justice in algorithmic decisions” (“Biến con người thành con số: Nhận thức về công bằng trong các quyết định do thuật toán đưa ra”), arXiv. https://doi.org/10.1145/3173574.3173951

Tài liệu tham khảo:

1) Lee, S., & Kim, E. (2020), “Influencer marketing on Instagram: How sponsorship disclosure, influencer credibility, and brand credibility impact the effectiveness of Instagram promotional posts”(Tiếp thị người ảnh hưởng trên Instagram: Tiết lộ cách tài trợ, mức độ tin cậy của người ảnh hưởng và độ tin cậy thương hiệu ảnh hưởng đến hiệu quả của các bài đăng quảng bá trên Instagram), Journal of Global Fashion Marketing, 11(3), 232–249. https://doi.org/10.1080/20932685.2020.1752766

2) Chen, L., Wu, W., Li, J., & Yu, Z. (2020), “User behavior-driven content recommendation in multimedia platforms” (Đề xuất nội dung dựa trên hành vi người dùng trong các nền tảng đa phương tiện), Multimedia Tools and Applications, 79(5), 3501–3519.  

3) Tsekouras, D., Li, T., & Frick, T. (2024), “Don’t Take it Personally: An Empirical Investigation of Consumer Responses to Explicit Targeting” (Đừng xem đó là cá nhân: Nghiên cứu thực nghiệm về phản ứng của người tiêu dùng đối với hình thức nhắm mục tiêu rõ ràng), Journal of the Association for Information Systems, 25(3), 687-720, https://doi.org/10.17705/1jais.00848

4) Pariser, E. (2011), The Filter Bubble: What the Internet is Hiding from You (Bong bóng lọc: Những điều Internet đang che giấu bạn), Penguin.

5) Milne, G., & Culnan, M. (2004), “Strategies for reducing online privacy risks: Why consumers read (or don't read) online privacy notices” (Chiến lược giảm thiểu rủi ro về quyền riêng tư trực tuyến: Vì sao người tiêu dùng đọc (hoặc không đọc) các thông báo quyền riêng tư trên Internet), Journal of Interactive Marketing, 18(3), 5-29, https://doi.org/10.1002/dir.20009

6) Martin, F., & Bolliger, D. U. (2018), “Engagement Matters: Student Perceptions on the Importance of Engagement Strategies in the Online Learning Environment” (Sự gắn kết có ý nghĩa: Nhận thức của sinh viên về tầm quan trọng của các chiến lược gắn kết trong môi trường học tập trực tuyến), Online Learning, 22, 205-222. https://doi.org/10.24059/olj.v22i1.1092

7) Schnackenberg, A. K., & Tomlinson, E. C. (2016), “Organizational transparency: A new perspective on managing trust in organization-stakeholder relationships” (Tính minh bạch trong tổ chức: Góc nhìn mới về quản trị niềm tin trong mối quan hệ giữa tổ chức và các bên liên quan), Journal of Management, 42(6), 1784-1810. https://doi.org/10.1177/0149206314525202

8) Kotler, P. (2000), Marketing Management: The Millennium Edition (Quản trị Tiếp thị – Phiên bản Thiên niên kỷ), Person Prentice Hall, Upper Saddle River.

9) Yoon, Soo-Yeon, and Jong-Bae Kim (2022), A study on user satisfaction and intention to continue use of OTT platform digital content provision service (Nghiên cứu về sự hài lòng của người dùng và ý định tiếp tục sử dụng dịch vụ cung cấp nội dung số trên nền tảng OTT), in 2022 IEEE/ACIS 7th International Conference on Big Data, Cloud Computing, and Data Science (BCD), IEEE.

10) Nguyễn Văn Sơn, Nguyễn Văn Tiến, & Vòng Thình Nam (2024), “Nghiên cứu về sự hài lòng và quyết định tiếp tục sử dụng dịch vụ OTT tại TP. Hồ Chí Minh”, Tạp chí Kinh tế và Dự báo. https://kinhtevadubao.vn/nghien-cuu-ve-su-hai-long-va-quyet-dinh-tiep-tuc-su-dung-dich-vu-ott-tai-tp-ho-chi-minh-29912.html

11) Binns, R., Van Kleek, M., Veale, M., Lyngs, U., Zhao, J., & Shadbolt, N. (2018), “It’s reducing a human being to a percentage: Perceptions of justice in algorithmic decisions” (“Biến con người thành con số: Nhận thức về công bằng trong các quyết định do thuật toán đưa ra”), arXiv. https://doi.org/10.1145/3173574.3173951

mendation systems are strategic levers for OTT platforms to strengthen user trust and loyalty.