Original Title: Electronic Word-of-Mouth and Changes in Green Food Consumption Behavior in Hanoi: From Online Reviews to Actual Purchasing Behavior
Source: doi.org/10.36956/rwae.v6i3.1965
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ពាក្យសម្ដីតាមប្រព័ន្ធអេឡិចត្រូនិក និងការផ្លាស់ប្តូរឥរិយាបថនៃការប្រើប្រាស់អាហារបៃតងនៅទីក្រុងហាណូយ៖ ពីការវាយតម្លៃតាមអ៊ីនធឺណិតទៅជាឥរិយាបថនៃការទិញជាក់ស្តែង

ចំណងជើងដើម៖ Electronic Word-of-Mouth and Changes in Green Food Consumption Behavior in Hanoi: From Online Reviews to Actual Purchasing Behavior

អ្នកនិពន្ធ៖ Nguyen Van Phuong (VNU University of Economics and Business / O.P. Jindal Global University), Nguyen Thi Khanh Huyen (Academy of Finance, Hanoi), Le Thi Bich Ngoc (Academy of Finance, Hanoi), Pham Manh Hung (VNU University of Economics and Business)

ឆ្នាំបោះពុម្ព៖ 2025 Research on World Agricultural Economy

វិស័យសិក្សា៖ Consumer Behavior and Agricultural Economics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការស្រាវជ្រាវនេះដោះស្រាយបញ្ហានៃការយល់ដឹងមានកម្រិតអំពីកត្តាដែលជំរុញឥរិយាបថអ្នកប្រើប្រាស់ក្នុងការទិញអាហារបៃតង (Green Food) នៅក្នុងបរិបទទីក្រុងនៃប្រទេសកំពុងអភិវឌ្ឍន៍ ដូចជាទីក្រុងហាណូយ ប្រទេសវៀតណាម។

វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះប្រើប្រាស់វិធីសាស្ត្រស្រាវជ្រាវបរិមាណ ដោយរួមបញ្ចូលទ្រឹស្តីនៃឥរិយាបថដែលបានគ្រោងទុក (Theory of Planned Behavior) និងទ្រឹស្តីឥទ្ធិពលសង្គម (Social Influence Theory)។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
Partial Least Squares Structural Equation Modeling (PLS-SEM)
ការវិភាគគំរូសមីការរចនាសម្ព័ន្ធតាមវិធីសាស្ត្រ PLS-SEM
ស័ក្តិសមបំផុតសម្រាប់ការវិភាគទិន្នន័យដែលមានរចនាសម្ព័ន្ធស្មុគស្មាញ និងមានសមត្ថភាពខ្ពស់ក្នុងការវាយតម្លៃទំនាក់ទំនងច្រើនរវាងអថេរលាក់កំបាំង (Latent constructs) ក្នុងពេលតែមួយ។ ដោយសារការប្រើប្រាស់ទិន្នន័យប្រភេទកាត់ទទឹង (Cross-sectional data) វិធីសាស្ត្រនេះមិនអាចបញ្ជាក់ពីទំនាក់ទំនងនៃហេតុនិងផល (Causal inferences) បានច្បាស់លាស់១០០% នោះទេ។ ម៉ូដែលនេះអាចពន្យល់បាន ៥៨,៨% (R² = 0.588) នៃបំរែបំរួលចេតនាទិញអាហារបៃតង និង ២៤,១% (R² = 0.241) នៃឥរិយាបថទិញជាក់ស្តែង។
Quantitative Survey with Multi-stage Cluster Sampling
ការស្ទង់មតិបរិមាណដោយប្រើការជ្រើសរើសសំណាកជាចង្កោមពហុដំណាក់កាល
អាចប្រមូលទិន្នន័យបានច្រើនក្នុងភូមិសាស្ត្រគោលដៅ ដោយកាត់បន្ថយភាពលំអៀងនៃការជ្រើសរើស (Selection bias) និងធានាបាននូវភាពតំណាងខ្ពស់ពីប្រជាជនក្នុងតំបន់។ ពឹងផ្អែកខ្លាំងលើការរាយការណ៍ដោយខ្លួនឯង (Self-reported) របស់អ្នកចូលរួម ដែលអាចមានភាពលំអៀង និងមិនអាចវាស់ស្ទង់ឥរិយាបថទិញជាក់ស្តែងបានសុក្រឹតទាំងស្រុង។ ប្រមូលបានទិន្នន័យមានសុពលភាពពីអ្នកចូលរួមចំនួន ៥៨៩ នាក់ ដោយរកឃើញថា ភាពញឹកញាប់នៃការអានការវាយតម្លៃអនឡាញ (Frequency of eWOM) មានឥទ្ធិពលខ្លាំងជាងគេ (β = 0.351)។

ការចំណាយលើធនធាន (Resource Cost)៖ ការស្រាវជ្រាវនេះមិនបានបញ្ជាក់លម្អិតអំពីថវិកាចំណាយនោះទេ ប៉ុន្តែវាទាមទារធនធានកម្មវិធីកុំព្យូទ័រសម្រាប់ការវិភាគស្មុគស្មាញ និងធនធានមនុស្សសម្រាប់ចុះប្រមូលទិន្នន័យផ្ទាល់។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងផ្តាច់មុខនៅក្នុងទីក្រុងហាណូយ ប្រទេសវៀតណាម ជាមួយនឹងអ្នកចូលរួមភាគច្រើនជាយុវជនមានអាយុក្រោម ៣៥ឆ្នាំ (៦២%) មានការអប់រំខ្ពស់ (៣៩,៩% មានបរិញ្ញាបត្រឡើងទៅ) និងមានប្រាក់ចំណូលមធ្យមទៅខ្ពស់។ សម្រាប់ប្រទេសកម្ពុជា ការយល់ដឹងពីភាពលំអៀងនេះមានសារៈសំខាន់ ព្រោះឥរិយាបថនៃការប្រើប្រាស់បណ្ដាញសង្គម ទម្លាប់ទិញទំនិញ និងការយល់ដឹងពីអាហារបៃតងនៅរាជធានីភ្នំពេញ ឬតំបន់ជនបទអាចមានកម្រិតខុសគ្នាយ៉ាងខ្លាំងពីទីក្រុងហាណូយ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

ថ្វីបើការសិក្សានេះធ្វើឡើងនៅវៀតណាមក៏ដោយ ក៏វិធីសាស្ត្រ និងរបកគំហើញនេះមានប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ប្រទេសកម្ពុជា ជាពិសេសក្នុងបរិបទដែលពាណិជ្ជកម្មអេឡិចត្រូនិក និងបណ្ដាញសង្គមកំពុងរីកចម្រើនយ៉ាងឆាប់រហ័ស។

ជារួម ការយល់ដឹងអំពីឥទ្ធិពលនៃប្រព័ន្ធវាយតម្លៃតាមអនឡាញ (eWOM) និងកត្តាចិត្តសាស្ត្រ នឹងក្លាយជាឧបករណ៍ដ៏មានសក្តានុពលក្នុងការរៀបចំយុទ្ធសាស្ត្រទីផ្សារ ដើម្បីផ្លាស់ប្តូរឥរិយាបថអ្នកប្រើប្រាស់កម្ពុជាឱ្យងាកមកគាំទ្រផលិតផលកសិកម្មបៃតង។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. សិក្សាពីទ្រឹស្តី និងកែច្នៃកម្រងសំណួរ: ចាប់ផ្តើមដោយការសិក្សាស៊ីជម្រៅលើទ្រឹស្តី Theory of Planned Behavior (TPB) និងកែច្នៃកម្រងសំណួរក្នុងតារាងទី១ នៃឯកសារនេះទៅជាភាសាខ្មែរ ដោយកែសម្រួលពាក្យពេចន៍ឱ្យស្របតាមបរិបទអ្នកទិញទំនិញតាម FacebookDelivery Apps នៅកម្ពុជា។
  2. រចនាវិធីសាស្ត្រប្រមូលទិន្នន័យក្នុងស្រុក: អនុវត្តវិធីសាស្ត្រ Multi-stage Cluster Sampling ដោយជ្រើសរើសខណ្ឌគោលដៅចំនួន ២ ឬ ៣ ក្នុងរាជធានីភ្នំពេញ (ឧទាហរណ៍ ទួលគោក និងបឹងកេងកង) រួចប្រើប្រាស់កម្មវិធី KoboToolboxGoogle Forms ដើម្បីប្រមូលទិន្នន័យពីអ្នកប្រើប្រាស់យ៉ាងហោចណាស់ ៤០០នាក់ តាមរយៈការសម្ភាសន៍ផ្ទាល់ ឬស្ទង់មតិអនឡាញ។
  3. វិភាគទិន្នន័យដោយប្រើកម្មវិធី PLS-SEM: ដំឡើងនិងរៀនប្រើប្រាស់កម្មវិធី SmartPLS (អាចប្រើជំនាន់សាកល្បងសម្រាប់និស្សិតដោយឥតគិតថ្លៃ) ដើម្បីវាយតម្លៃភាពជឿជាក់នៃឧបករណ៍វាស់ស្ទង់ (Cronbach's Alpha, AVE) និងសាកល្បងម៉ូដែលរចនាសម្ព័ន្ធ (Structural Model) របស់អ្នក ដើម្បីរកមើលថាតើកត្តាណាមានឥទ្ធិពលខ្លាំងជាងគេនៅកម្ពុជា។
  4. ពង្រីកវិសាលភាពអថេរ eWOM ថ្មីៗ: ដើម្បីឱ្យការស្រាវជ្រាវកាន់តែថ្មី និងទាន់សម័យ សូមបន្ថែមអថេរដែលឯកសារនេះមិនបានបញ្ចូល ដូចជា ឥទ្ធិពលនៃការវាយតម្លៃតាមវីដេអូខ្លីៗ (TikTok/Reels Reviews) ឬ ឥទ្ធិពលរបស់អ្នកតំណាងម៉ាក (Influencer Endorsement) ដែលកំពុងពេញនិយមខ្លាំងក្នុងបរិបទអ្នកប្រើប្រាស់ខ្មែរ។
  5. ចងក្រងរបាយការណ៍ និងផ្តល់អនុសាសន៍ដល់សហគ្រាស: សរសេររបាយការណ៍ស្រាវជ្រាវដោយផ្តោតលើការផ្តល់អនុសាសន៍ជាក់ស្តែងដល់សហគ្រាស SMEs ក្នុងស្រុកអំពីរបៀបគ្រប់គ្រងការវាយតម្លៃអនឡាញឱ្យមានប្រសិទ្ធភាព ហើយសាកល្បងដាក់ស្នើអត្ថបទទៅកាន់ទស្សនាវដ្តីស្រាវជ្រាវរបស់សាកលវិទ្យាល័យ ឬបទបង្ហាញក្នុងសន្និសីទថ្នាក់ជាតិ។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Electronic Word-of-Mouth (eWOM) (ពាក្យសម្ដីតាមប្រព័ន្ធអេឡិចត្រូនិក) ការចែករំលែកមតិយោបល់ ការវាយតម្លៃ ឬបទពិសោធន៍ទាក់ទងនឹងផលិតផលឬសេវាកម្មណាមួយនៅលើប្រព័ន្ធអ៊ីនធឺណិត (ដូចជាបណ្ដាញសង្គម វេទិកាពិភាក្សា ឬគេហទំព័រលក់ទំនិញ) ដែលអ្នកដទៃអាចអាននិងយកជាការសម្រេចចិត្តបាន។ វាដូចជាការប្រាប់តៗគ្នាពីមាត់មួយទៅមាត់មួយអំពីឥវ៉ាន់ល្អឬមិនល្អ ប៉ុន្តែធ្វើឡើងតាមរយៈការសរសេរខមិន (Comment) ឬការដាក់ផ្កាយ (Rating) លើហ្វេសប៊ុកជាដើម។
Theory of Planned Behavior (TPB) (ទ្រឹស្តីនៃឥរិយាបថដែលបានគ្រោងទុក) ទ្រឹស្តីចិត្តសាស្ត្រដែលពន្យល់ថា ឥរិយាបថរបស់មនុស្សម្នាក់ៗគឺត្រូវបានជំរុញដោយចេតនារបស់ពួកគេ ហើយចេតនានោះទៀតសោតកើតចេញពីកត្តាបីយ៉ាងគឺ៖ ឥរិយាបថចំពោះទង្វើនោះ សម្ពាធសង្គម (Subjective norms) និងការយល់ឃើញពីសមត្ថភាពក្នុងការគ្រប់គ្រងសកម្មភាពនោះ។ វាដូចជាការគិតថា បើអ្នកជឿថាការញ៉ាំបន្លែល្អ (អាកប្បកិរិយា) គ្រួសារអ្នកក៏គាំទ្រ (សម្ពាធសង្គម) ហើយអ្នកក៏មានលុយទិញ (ការគ្រប់គ្រងបាន) នោះអ្នកប្រាកដជាមានចិត្តចង់ទិញវាមិនខាន។
Partial Least Squares Structural Equation Modeling (PLS-SEM) (គំរូសមីការរចនាសម្ព័ន្ធ PLS-SEM) វិធីសាស្ត្រស្ថិតិដ៏ស្មុគស្មាញមួយដែលអ្នកស្រាវជ្រាវប្រើដើម្បីស្វែងយល់និងវាស់ស្ទង់ទំនាក់ទំនងរវាងអថេរច្រើនក្នុងពេលតែមួយ ជាពិសេសអថេរដែលមិនអាចវាស់បានដោយផ្ទាល់ (ឧទាហរណ៍៖ កម្រិតនៃក្តីស្រលាញ់ ឬការជឿជាក់) ដោយប្រើទិន្នន័យពីកម្រងសំណួរ។ វាដូចជាម៉ាស៊ីនស្កេនដែលអាចមើលធ្លុះឃើញពីរបៀបដែលកត្តាផ្សេងៗ (ដូចជាការអានខមិន និងការយល់ដឹងពីសុខភាព) ធ្វើការរួមគ្នាដើម្បីជំរុញឱ្យអ្នកសម្រេចចិត្តទិញទំនិញមួយ។
Subjective Norms (បទដ្ឋានអត្តនោម័ត / សម្ពាធសង្គម) ការយល់ឃើញឬអារម្មណ៍របស់បុគ្គលម្នាក់ៗចំពោះសម្ពាធសង្គមជុំវិញខ្លួន (ដូចជាគ្រួសារ មិត្តភក្តិ ឬសង្គម) ដែលជះឥទ្ធិពលឱ្យពួកគេធ្វើ ឬមិនធ្វើសកម្មភាពណាមួយ។ វាដូចជាពេលដែលអ្នកសម្រេចចិត្តទិញកាហ្វេប្រ៊េនល្បីមួយ ដោយសារតែឃើញមិត្តភក្តិ និងមិត្តរួមការងារអ្នកទិញផឹកគ្រប់គ្នា ហើយអ្នកមានអារម្មណ៍ថាត្រូវតែទិញតាមគេដែរ។
Purchase Intention (ចេតនាក្នុងការទិញ) ឆន្ទៈ ការគិត ឬផែនការរបស់អ្នកប្រើប្រាស់ក្នុងការទិញផលិតផល ឬសេវាកម្មណាមួយនាពេលអនាគត ដែលជាជំហានមុនឈានដល់ការទិញជាក់ស្តែង។ វាដូចជាការដាក់ទំនិញចូលក្នុងកន្ត្រកលើកម្មវិធីទិញឥវ៉ាន់អនឡាញ (Add to cart) ហើយគិតថានឹងគិតលុយទិញពិតប្រាកដនៅថ្ងៃបើកប្រាក់ខែ។
Social Influence Theory (ទ្រឹស្តីឥទ្ធិពលសង្គម) ទ្រឹស្តីដែលសិក្សាពីរបៀបដែលអារម្មណ៍ ការគិត និងអាកប្បកិរិយារបស់មនុស្សម្នាក់ៗ ត្រូវបានផ្លាស់ប្តូរឬទទួលឥទ្ធិពលដោយវត្តមាន ឬសកម្មភាពរបស់អ្នកដទៃនៅក្នុងសង្គម មិនថាតាមរយៈការបង្ខិតបង្ខំ ឬការចុះសម្រុងគ្នានោះទេ។ វាដូចជាការដែលអ្នកដូរស្ទីលតែងខ្លួនដោយមិនដឹងខ្លួន បន្ទាប់ពីចំណាយពេលលេងជាមួយក្រុមមិត្តភក្តិថ្មីអស់មួយរយៈ។
Discriminant Validity (សុពលភាពនៃការញែកដាច់ពីគ្នា) ការវាយតម្លៃផ្នែកស្ថិតិដើម្បីបញ្ជាក់ថា រង្វាស់ឬសំណួរដែលប្រើសម្រាប់វាស់ស្ទង់គោលគំនិតមួយ ពិតជាវាស់ស្ទង់គោលគំនិតនោះមែន ហើយមិនមានការច្របូកច្របល់ឬត្រួតស៊ីគ្នាជាមួយគោលគំនិតផ្សេងទៀតនៅក្នុងការសិក្សានោះទេ។ វាដូចជាការធ្វើតេស្តបញ្ជាក់ថា សំណួរវាស់ពី "ភាពសប្បាយចិត្ត" និងសំណួរវាស់ពី "ភាពជោគជ័យ" គឺជារឿងពីរដាច់ដោយឡែកពីគ្នា មិនមែនសួរឡូកឡំគ្នានោះទេ។
Variance Inflation Factor (VIF) (កត្តាអតិផរណានៃបំរែបំរួល) សូចនាករដែលប្រើក្នុងម៉ូដែលស្ថិតិ ដើម្បីត្រួតពិនិត្យមើលថាតើមានបញ្ហាពហុទម្រង់ (Multicollinearity) ឬអត់ ពោលគឺវាស់ថាតើអថេរឯករាជ្យពីរឬច្រើនមានទំនាក់ទំនងគ្នាខ្លាំងពេកឬទេ ដែលអាចធ្វើឱ្យលទ្ធផលនៃការទស្សន៍ទាយមានភាពលម្អៀង។ វាដូចជាការពិនិត្យមើលថាតើកីឡាករពីរនាក់ក្នុងក្រុមបាល់ទាត់កំពុងរត់ជាន់តួនាទីគ្នាឬអត់ ប្រសិនបើជាន់គ្នាខ្លាំង (VIF ខ្ពស់) វានឹងធ្វើឱ្យខូចទម្រង់លេងរបស់ក្រុមទាំងមូល។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖