បញ្ហា (The Problem)៖ ទោះបីជាការទិញអាហារតាមអ៊ីនធឺណិតមានការកើនឡើងយ៉ាងឆាប់រហ័សក៏ដោយ ក៏នៅមានកង្វះខាតការស្រាវជ្រាវអំពីអាកប្បកិរិយារបស់អ្នកប្រើប្រាស់នៅក្នុងប្រទេសវៀតណាម ដោយឯកសារនេះធ្វើការស៊ើបអង្កេតលើកត្តាដែលជះឥទ្ធិពលដល់ចេតនាប្រើប្រាស់កម្មវិធីដឹកជញ្ជូនអាហារ (FDAs) ក្នុងទីក្រុងហាណូយ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានប្រមូលទិន្នន័យតាមរយៈការស្ទង់មតិអនឡាញពីប្រជាពលរដ្ឋក្នុងទីក្រុងហាណូយ ដោយប្រើប្រាស់ការវិភាគស្ថិតិដើម្បីវាយតម្លៃកត្តាប្រជាសាស្ត្រ និងចិត្តសាស្ត្រ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Multiple Linear Regression ការវិភាគតម្រែតម្រង់លីនេអ៊ែរពហុគុណ ដើម្បីស្វែងរកកត្តាជះឥទ្ធិពល |
អាចកំណត់ទំនាក់ទំនង និងកម្រិតឥទ្ធិពលនៃអថេរនីមួយៗ (ដូចជាអាយុ ទំនុកចិត្ត) ទៅលើចេតនាប្រើប្រាស់កម្មវិធីបានយ៉ាងច្បាស់លាស់។ | ទាមទារឱ្យទិន្នន័យបំពេញតាមលក្ខខណ្ឌតឹងរ៉ឹងជាច្រើន (ឧ. Normality, No multicollinearity) និងងាយរងឥទ្ធិពលពីទំហំសំណាកតូច។ | បានបង្ហាញថាបទពិសោធន៍ពីមុន (β=0.943) និងការរចនាកម្មវិធី (β=0.280) មានឥទ្ធិពលវិជ្ជមានខ្លាំងបំផុតដល់ចេតនាទិញ។ |
| Exploratory Factor Analysis (EFA) ការវិភាគកត្តារុករក ដើម្បីបង្រួមទិន្នន័យ |
ជួយកាត់បន្ថយសំណួរ ឬអថេរច្រើនសន្ធឹកសន្ធាប់ ឱ្យទៅជាកត្តាគោលសំខាន់ៗមួយចំនួនតូច ដែលធ្វើឱ្យម៉ូដែលកាន់តែមានភាពសាមញ្ញ និងងាយយល់។ | អាចធ្វើឱ្យបាត់បង់ព័ត៌មានលម្អិតខ្លះៗពីសំណួរដើម ហើយតម្រូវឱ្យកាត់ចោលអថេរដែលមានតម្លៃ Factor Loading ទាប (< 0.4)។ | បានបង្រួមសេចក្តីថ្លែងការណ៍ចំនួន 16 មកនៅត្រឹមកត្តាធំៗចំនួន 2 គឺ លក្ខណៈកម្មវិធី (App characteristics) និង គុណលក្ខណៈផលិតផល/ទីផ្សារ (Product attributes and marketing)។ |
ការចំណាយលើធនធាន (Resource Cost)៖ មិនបានបញ្ជាក់លម្អិតអំពីតម្លៃធនធាននៅក្នុងឯកសារនោះទេ ប៉ុន្តែការសិក្សានេះទាមទារធនធានមូលដ្ឋានមួយចំនួនសម្រាប់ការប្រមូល និងវិភាគទិន្នន័យស្ថិតិ។
ការសិក្សានេះត្រូវបានធ្វើឡើងផ្តោតតែលើអ្នកប្រើប្រាស់ក្នុងទីក្រុងហាណូយ ជាមួយនឹងទំហំសំណាកតូចត្រឹមតែ 101 នាក់ និងប្រើប្រាស់វិធីសាស្ត្រ Snowball sampling តាមបណ្តាញសង្គម។ វិធីសាស្ត្រនេះអាចនាំឱ្យមានភាពលំអៀងទៅរកក្រុមយុវជនដែលមានកម្រិតវប្បធម៌ខ្ពស់ និងពូកែខាងបច្ចេកវិទ្យា។ សម្រាប់ប្រទេសកម្ពុជា នេះមានសារៈសំខាន់ណាស់ក្នុងការយល់ដឹងថា លទ្ធផលនេះអាចយកទៅអនុវត្តបានតែចំពោះបរិបទទីក្រុងប៉ុណ្ណោះ (ដូចជាភ្នំពេញ) និងមិនអាចតំណាងឱ្យប្រជាជននៅតាមតំបន់ជនបទដែលការចូលប្រើប្រាស់អ៊ីនធឺណិតនៅមានកម្រិតនោះទេ។
ទោះបីជាការសិក្សានេះធ្វើឡើងនៅប្រទេសវៀតណាមក៏ដោយ ប៉ុន្តែលទ្ធផល និងវិធីសាស្ត្រស្រាវជ្រាវរបស់វាមានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការយល់ដឹងពីទីផ្សារដឹកជញ្ជូនអាហារក្នុងប្រទេសកម្ពុជា។
សរុបមក ការយល់ដឹងពីកត្តាទំនុកចិត្ត និងសារៈសំខាន់នៃការរចនាកម្មវិធីដែលងាយស្រួលប្រើប្រាស់ គឺជាគន្លឹះឆ្ពោះទៅរកភាពជោគជ័យសម្រាប់ក្រុមហ៊ុនអេឡិចត្រូនិក (E-commerce) នៅក្នុងបរិបទប្រទេសកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Online-to-offline (O2O) interaction (អន្តរកម្មពីអនឡាញទៅអូហ្វឡាញ) | ជាគំរូពាណិជ្ជកម្មដែលប្រើប្រាស់ប្រព័ន្ធអ៊ីនធឺណិត (Online) ដើម្បីទាក់ទាញ និងជំរុញឱ្យអតិថិជនធ្វើការទិញ ឬទទួលយកទំនិញ/សេវាកម្មនៅទីតាំងផ្ទាល់ (Offline) ដូចជាការបញ្ជាទិញអាហារតាមកម្មវិធីទូរស័ព្ទ ហើយមានអ្នកដឹកជញ្ជូនអាហារពិតប្រាកដមកដល់មុខផ្ទះ។ | ដូចជាការឃើញការផ្សាយពាណិជ្ជកម្មហាងកាហ្វេនៅលើ Facebook រួចយើងក៏សម្រេចចិត្តជិះទៅទិញកាហ្វេនោះនៅហាងដោយផ្ទាល់។ |
| Exploratory Factor Analysis / EFA (ការវិភាគកត្តារុករក) | ជាបច្ចេកទេសស្ថិតិមួយដែលប្រើសម្រាប់បង្រួញទិន្នន័យ ឬសំណួរច្រើនសន្ធឹកសន្ធាប់ ឱ្យទៅជាក្រុមធំៗ (ហៅថាកត្តា) មួយចំនួនតូច ដើម្បីងាយស្រួលក្នុងការស្វែងយល់ពីទំនាក់ទំនងរវាងអថេរដែលស្រដៀងគ្នា។ | ដូចជាការរៀបចំខោអាវរាប់រយតួដែលរាយប៉ាយ ទៅជាក្រុមតូចៗដូចជា ក្រុមខោ ក្រុមអាវ និងក្រុមស្រោមជើង ដើម្បីងាយស្រួលរក។ |
| Multiple linear regression (ការវិភាគតម្រែតម្រង់លីនេអ៊ែរពហុគុណ) | ជាវិធីសាស្ត្រស្ថិតិដែលប្រើអថេរឯករាជ្យច្រើន (ដូចជា អាយុ ប្រាក់ចំណូល ទំនុកចិត្ត) ក្នុងពេលតែមួយ ដើម្បីទស្សន៍ទាយ ឬពន្យល់ពីឥទ្ធិពលរបស់ពួកវាទៅលើអថេរអាក្រ័យមួយ (ដូចជា ចេតនាទិញអាហារតាម App)។ | ដូចជាការទស្សន៍ទាយពិន្ទុប្រឡងរបស់សិស្សម្នាក់ ដោយផ្អែកលើការបូកបញ្ចូលគ្នានៃម៉ោងសិក្សារបស់គេ ចំនួនម៉ោងគេង និងការបរិភោគអាហារពេលព្រឹក។ |
| Snowball sampling (វិធីសាស្ត្រជ្រើសរើសសំណាកតជាបន្តបន្ទាប់) | ជាវិធីសាស្ត្រជ្រើសរើសអ្នកចូលរួមក្នុងការស្រាវជ្រាវ ដោយពឹងផ្អែកលើអ្នកចូលរួមដំបូងៗឱ្យជួយណែនាំ ឬបញ្ជូនកម្រងសំណួរទៅកាន់មិត្តភក្តិ ឬអ្នកដែលពួកគេស្គាល់បន្តបន្ទាប់គ្នា ដើម្បីទទួលបានទិន្នន័យកាន់តែច្រើន។ | ដូចជាការរមៀលដុំព្រិលពីលើភ្នំ ដែលដំបូងវាតូច តែពេលរមៀលកាន់តែឆ្ងាយ វាប្រមូលផ្ដុំព្រិលជាប់កាន់តែច្រើនធ្វើឱ្យវាកាន់តែធំ។ |
| Word-of-mouth / WOM (ការផ្សព្វផ្សាយពីមាត់មួយទៅមាត់មួយ) | ជាយន្តការទីផ្សារធម្មជាតិដែលអតិថិជនម្នាក់ប្រាប់ ឬចែករំលែកបទពិសោធន៍ផ្ទាល់ខ្លួនរបស់ពួកគេអំពីគុណភាពផលិតផល ឬសេវាកម្មណាមួយទៅកាន់គ្រួសារ មិត្តភក្តិ ឬអ្នកដទៃ ដែលជួយបង្កើនទំនុកចិត្តយ៉ាងមានប្រសិទ្ធភាព។ | ដូចជាពេលយើងញ៉ាំសាច់អាំងនៅហាងមួយឆ្ងាញ់ ហើយយើងក៏ទៅប្រាប់មិត្តភក្តិឱ្យទៅសាកញ៉ាំនៅហាងនោះដែរ។ |
| Variance Inflation Factor / VIF (កត្តាអតិផរណាបំរែបំរួល) | ជារង្វាស់ស្ថិតិដែលប្រើដើម្បីពិនិត្យមើលបញ្ហាជាន់គ្នា (Multicollinearity) ពោលគឺវាស់ថាតើអថេរឯករាជ្យនៅក្នុងម៉ូដែលវិភាគមានទំនាក់ទំនងគ្នាខ្លាំងពេកឬអត់ ដែលអាចធ្វើឱ្យលទ្ធផលនៃការទស្សន៍ទាយបាត់បង់ភាពច្បាស់លាស់។ | ដូចជាការមានសិស្សពីរនាក់ដែលតែងតែផ្តល់ចម្លើយដូចគ្នាបេះបិទក្នុងការធ្វើកិច្ចការក្រុម ដែលធ្វើឱ្យគ្រូពិបាកវាយតម្លៃថាអ្នកណាពូកែជាង។ |
| Kaiser–Myer–Olkin / KMO (រង្វាស់កាយស័រ-ម៉ៃយ័រ-អូលគីន) | ជាសន្ទស្សន៍ស្ថិតិដែលប្រើដើម្បីវាស់ស្ទង់ភាពគ្រប់គ្រាន់ និងភាពស័ក្តិសមនៃសំណាកទិន្នន័យ មុននឹងធ្វើការវិភាគកត្តារុករក (EFA) ដោយតម្លៃខ្ពស់ (ជាទូទៅ >0.5) បញ្ជាក់ថាទិន្នន័យនោះអាចយកទៅបង្រួមជាកត្តាបានយ៉ាងល្អ។ | ដូចជាការពិនិត្យមើលភាពស្អិតនៃម្សៅនំមុននឹងយកទៅដុត ថាតើវាល្មមអាចរាងជានំបានឬទេ។ |
| Technology Readiness (ភាពត្រៀមខ្លួនប្រើប្រាស់បច្ចេកវិទ្យា) | គឺជាកម្រិតនៃឆន្ទៈ ទំនោរចិត្ត និងសមត្ថភាពរបស់បុគ្គលម្នាក់ក្នុងការទទួលយក សាកល្បង និងប្រើប្រាស់បច្ចេកវិទ្យាថ្មីៗ ដើម្បីជួយសម្រួលដល់ការរស់នៅ ឬការងារប្រចាំថ្ងៃរបស់ពួកគេ។ | ដូចជាអារម្មណ៍រំភើប និងមិនខ្លាចក្នុងការរៀនប្រើប្រាស់ទូរស័ព្ទស្មាតហ្វូនស៊េរីថ្មីដែលទើបនឹងទិញ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
