Original Title: Ý ĐỊNH TIẾP TỤC SỬ DỤNG DỊCH VỤ TỦ ĐỒ THÔNG MINH CỦA NGƯỜI DÙNG TẠI CÁC ĐÔ THỊ LỚN Ở VIỆT NAM
Source: doi.org/10.33301/JED.VI.1524
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ចេតនាបន្តប្រើប្រាស់សេវាកម្មទូផ្ញើឥវ៉ាន់ឆ្លាតវៃរបស់អ្នកប្រើប្រាស់នៅតាមទីក្រុងធំៗក្នុងប្រទេសវៀតណាម

ចំណងជើងដើម៖ Ý ĐỊNH TIẾP TỤC SỬ DỤNG DỊCH VỤ TỦ ĐỒ THÔNG MINH CỦA NGƯỜI DÙNG TẠI CÁC ĐÔ THỊ LỚN Ở VIỆT NAM

អ្នកនិពន្ធ៖ Nguyễn Thị Mỹ Nguyệt (Trường Đại học Thương mại), Trần Thị Hoàng Hà (Trường Đại học Thương mại)

ឆ្នាំបោះពុម្ព៖ 2024, Tạp chí Kinh tế & Phát triển

វិស័យសិក្សា៖ Marketing and Logistics

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះស្វែងយល់ពីកត្តាដែលជះឥទ្ធិពលដល់ចេតនាបន្តប្រើប្រាស់សេវាកម្មទូផ្ញើឥវ៉ាន់ឆ្លាតវៃ (Smart lockers) សម្រាប់ការដឹកជញ្ជូនដំណាក់កាលចុងក្រោយ (Last-mile delivery) របស់អ្នកប្រើប្រាស់នៅតាមទីក្រុងធំៗក្នុងប្រទេសវៀតណាម។

វិធីសាស្ត្រ (The Methodology)៖ ការស្រាវជ្រាវនេះត្រូវបានកសាងឡើងដោយផ្អែកលើទ្រឹស្តីការរំពឹងទុក-ការបញ្ជាក់ (Expectation-Confirmation Theory) និងបានវិភាគទិន្នន័យពីអតិថិជនចំនួន ១៩៣ នាក់ដោយប្រើប្រាស់វិធីសាស្ត្រ PLS-SEM។

លទ្ធផលសំខាន់ៗ (The Verdict)៖

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method) គុណសម្បត្តិ (Pros) គុណវិបត្តិ (Cons) លទ្ធផលគន្លឹះ (Key Result)
PLS-SEM (Partial Least Squares Structural Equation Modeling)
ម៉ូដែលរចនាសម្ព័ន្ធសមីការការ៉េអប្បបរមាដោយផ្នែក
មានប្រសិទ្ធភាពខ្ពស់ក្នុងការវាយតម្លៃទំនាក់ទំនងស្មុគស្មាញរវាងអថេរច្រើន ព្រមទាំងស័ក្តិសមសម្រាប់ទំហំសំណាកទិន្នន័យតូចទៅមធ្យមដោយមិនទាមទារការចែកចាយទិន្នន័យប្រក្រតី (Normal distribution)។ មិនសូវមានភាពរឹងមាំក្នុងការបង្ហាញពីទំនាក់ទំនងបញ្ច្រាស ឬការធ្វើតេស្តសម្មតិកម្មដែលមានលក្ខណៈមិនលីនេអ៊ែរ (Non-linear) បើប្រៀបធៀបទៅនឹងវិធីសាស្ត្រ CB-SEM នោះទេ។ ម៉ូដែលនេះអាចពន្យល់ពីបំរែបំរួលបាន ៥៥.១% (R² = 0.551) នៃការយល់ឃើញពីអត្ថប្រយោជន៍ និង ៤៤.៥% (R² = 0.445) នៃចេតនាបន្តប្រើប្រាស់សេវាកម្ម។
Bootstrapping Analysis (for Mediation)
ការវិភាគ Bootstrapping សម្រាប់ឥទ្ធិពលអន្តរការី
ផ្តល់នូវភាពជឿជាក់ខ្ពស់ក្នុងការវាយតម្លៃឥទ្ធិពលប្រយោល (Indirect effects) និងអាចបញ្ជាក់ពីតួនាទីជាអន្តរការីរបស់អថេរណាមួយបានយ៉ាងច្បាស់លាស់។ ទាមទារការគណនាគំរូឡើងវិញរាប់ពាន់ដង (Resampling) ដែលអាចនឹងស៊ីពេលខ្លះប្រសិនបើប្រើប្រាស់លើទិន្នន័យដែលធំខ្លាំងនិងស្មុគស្មាញ។ បានបញ្ជាក់ថាការពេញចិត្តដើរតួជាអន្តរការីមួយផ្នែក ដោយមានតម្លៃ VAF ស្មើនឹង ២៨.៤៤% នៅក្នុងទំនាក់ទំនងរវាងអត្ថប្រយោជន៍ដែលទទួលបាននិងចេតនាប្រើប្រាស់បន្ត។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកជាចម្បងលើទិន្នន័យស្ទង់មតិអនឡាញ និងកម្មវិធីវិភាគទិន្នន័យស្ថិតិ ដោយមិនទាមទារធនធានផ្នែករឹង (Hardware) ធំដុំ ឬប្រព័ន្ធកុំព្យូទ័រដែលមានកម្រិតខ្ពស់នោះទេ។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះត្រូវបានធ្វើឡើងដោយប្រមូលទិន្នន័យពីអ្នកប្រើប្រាស់ចំនួន ១៩៣ នាក់ នៅតាមទីក្រុងធំៗនៃប្រទេសវៀតណាម ដែលភាគច្រើនជាយុវជនជំនាន់ Y (៤៩.៧៤%) និង Z (២២.២៨%) ហើយមានការទិញទំនិញអនឡាញញឹកញាប់។ ដោយសារបរិបទនេះផ្តោតលើទីក្រុងដែលមានហេដ្ឋារចនាសម្ព័ន្ធ e-commerce រឹងមាំរួចទៅហើយ លទ្ធផលអាចនឹងមិនឆ្លុះបញ្ចាំងទាំងស្រុងពីឥរិយាបថរបស់អ្នកប្រើប្រាស់នៅប្រទេសកម្ពុជា ដែលសេវាកម្ម Smart Locker នៅថ្មីថ្មោងនិងមិនទាន់មានការយល់ដឹងទូលំទូលាយនៅឡើយ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រ និងទ្រឹស្តីនៃការស្រាវជ្រាវនេះ មានអត្ថប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការត្រួសត្រាយផ្លូវអភិវឌ្ឍន៍សេវាកម្មដឹកជញ្ជូនដំណាក់កាលចុងក្រោយ (Last-mile delivery) នៅប្រទេសកម្ពុជា។

ជារួម ការអនុវត្តប្រព័ន្ធទូផ្ញើឥវ៉ាន់ឆ្លាតវៃដោយផ្តោតលើការកាត់បន្ថយភាពស្មុគស្មាញនៃបច្ចេកវិទ្យា នឹងជួយសម្រួលដល់ការដឹកជញ្ជូននៅកម្ពុជាឱ្យកាន់តែមានប្រសិទ្ធភាព និងឆ្លើយតបទៅនឹងកំណើននៃពាណិជ្ជកម្មអេឡិចត្រូនិក។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

  1. រចនាការស្ទង់មតិដើម្បីសិក្សាទីផ្សារនៅកម្ពុជា: ប្រើប្រាស់ Google FormsQualtrics ដើម្បីបង្កើតការស្ទង់មតិស្រដៀងគ្នានេះ សំដៅប្រមូលទិន្នន័យពីប្រជាជននៅរាជធានីភ្នំពេញអំពីការត្រៀមខ្លួនទទួលយកសេវាកម្ម Smart Locker និងការរំពឹងទុករបស់ពួកគេ។
  2. អភិវឌ្ឍម៉ូដែលស្រាវជ្រាវ (Research Model): អនុវត្តទ្រឹស្តី Expectation-Confirmation Theory (ECT) ដើម្បីបង្កើតសម្មតិកម្មស្រាវជ្រាវដែលផ្តោតលើកត្តា សុវត្ថិភាព ភាពងាយស្រួល និងភាពស្មុគស្មាញ ដោយសម្របទៅនឹងកម្រិតនៃការយល់ដឹងផ្នែកឌីជីថលរបស់ប្រជាជនកម្ពុជា។
  3. វិភាគទិន្នន័យស្ទង់មតិ: ប្រើប្រាស់កម្មវិធី SmartPLS ឬកញ្ចប់ seminr នៅក្នុងភាសា R ដើម្បីធ្វើការវិភាគ PLS-SEM វាយតម្លៃភាពជឿជាក់នៃទិន្នន័យ និងសាកល្បងសម្មតិកម្មអំពីកត្តាដែលជះឥទ្ធិពលដល់ការពេញចិត្ត។
  4. បង្កើនបទពិសោធន៍អ្នកប្រើប្រាស់ (UX/UI): ផ្អែកលើលទ្ធផលដែលរកឃើញថា 'ភាពស្មុគស្មាញ' កាត់បន្ថយចំណាប់អារម្មណ៍ ត្រូវធ្វើការជាមួយអ្នករចនាដោយប្រើប្រាស់ Figma ដើម្បីបង្កើតចំណុចប្រទាក់កម្មវិធី (Mobile App Interface) សម្រាប់បើកទូ ដែលមានភាពងាយស្រួលបំផុតដោយគ្រាន់តែស្កេន QR Code
  5. បង្កើតគម្រោងសាកល្បង (Pilot Project) ជាមួយដៃគូ: រៀបចំសំណើគម្រោងផ្អែកលើទិន្នន័យស្រាវជ្រាវ ដើម្បីសហការជាមួយក្រុមហ៊ុនដឹកជញ្ជូននានា ក្នុងការដំឡើង Smart Lockers សាកល្បងចំនួនតិចតួចនៅតាមសាកលវិទ្យាល័យធំៗ ឬអគារស្នាក់នៅសហកម្មសិទ្ធិ (Condominiums)។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស ការពន្យល់ជាខេមរភាសា (Khmer Explanation) និយមន័យសាមញ្ញ (Simple Definition)
Expectation - Confirmation theory ទ្រឹស្តីដែលពន្យល់ពីដំណើរការដែលអ្នកប្រើប្រាស់សម្រេចចិត្តបន្តប្រើប្រាស់បច្ចេកវិទ្យា ឬសេវាកម្មណាមួយ ដោយប្រៀបធៀបរវាងការរំពឹងទុករបស់ពួកគេមុនពេលប្រើប្រាស់ និងបទពិសោធន៍ជាក់ស្តែងដែលពួកគេទទួលបានក្រោយពេលប្រើប្រាស់។ ដូចជាការដែលយើងរំពឹងថាម្ហូបមួយមុខឆ្ងាញ់ ហើយពេលញ៉ាំទៅគឺឆ្ងាញ់ដូចការគិតមែន នោះយើងនឹងត្រឡប់ទៅញ៉ាំនៅហាងនោះម្តងទៀត។
Smart locker ប្រព័ន្ធទូផ្ញើឥវ៉ាន់ស្វ័យប្រវត្តិដែលបំពាក់បច្ចេកវិទ្យាអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់អាចមកទទួល ផ្ញើ ឬប្រគល់ទំនិញត្រឡប់វិញដោយខ្លួនឯង (24/7) តាមរយៈការប្រើប្រាស់លេខកូដសម្ងាត់ ឬកម្មវិធីទូរស័ព្ទ ដោយមិនចាំបាច់ជួបផ្ទាល់ជាមួយអ្នកដឹកជញ្ជូន។ ដូចជាទូដែកសុវត្ថិភាពនៅតាមផ្សារទំនើបឬខុនដូ ដែលយើងអាចបើកយកកញ្ចប់អីវ៉ាន់បានដោយគ្រាន់តែវាយលេខកូដដែលផ្ញើចូលទូរស័ព្ទដៃរបស់យើង។
Partial Least Squares Structure Model (PLS-SEM) វិធីសាស្ត្រស្ថិតិកម្រិតខ្ពស់មួយប្រភេទដែលប្រើសម្រាប់វិភាគទិន្នន័យ ដើម្បីស្វែងយល់ពីទំនាក់ទំនងស្មុគស្មាញរវាងអថេរច្រើន ពិសេសស័ក្តិសមសម្រាប់ការអភិវឌ្ឍទ្រឹស្តីថ្មីៗ ទំហំសំណាកទិន្នន័យតូច និងទិន្នន័យដែលមិនចែកចាយតាមទម្រង់ប្រក្រតី (Non-normal distribution)។ ដូចជាឧបករណ៍វាស់ស្ទង់ដ៏ឆ្លាតវៃមួយដែលជួយអ្នកស្រាវជ្រាវមើលដឹងពីរបៀបដែលកត្តាផ្សេងៗ (ដូចជាសុវត្ថិភាព និងភាពងាយស្រួល) ធ្វើការរួមគ្នាដើម្បីជះឥទ្ធិពលដល់ការពេញចិត្តរបស់អតិថិជន។
Last-mile delivery ដំណាក់កាលចុងក្រោយបង្អស់នៃខ្សែសង្វាក់ផ្គត់ផ្គង់ និងភស្តុភារ ដែលទំនិញត្រូវបានដឹកជញ្ជូនពីឃ្លាំងចែកចាយ ឬមជ្ឈមណ្ឌលផ្ទុកទំនិញទៅកាន់ដៃអតិថិជនផ្ទាល់។ វាជាដំណាក់កាលដែលចំណាយច្រើន និងស្មុគស្មាញបំផុត។ ដូចជាអ្នករត់ម៉ូតូកង់បី ឬបុគ្គលិកដឹកជញ្ជូន ដែលយកកញ្ចប់អីវ៉ាន់ពីឃ្លាំងរបស់ក្រុមហ៊ុន មកប្រគល់ដល់មុខផ្ទះរបស់អ្នកទិញ។
Continuance intention ចេតនា ឬបំណងប្រាថ្នារបស់អ្នកប្រើប្រាស់ក្នុងការបន្តប្រើប្រាស់ផលិតផល បច្ចេកវិទ្យា ឬសេវាកម្មណាមួយជាប្រចាំនៅពេលអនាគត បន្ទាប់ពីពួកគេបានសាកល្បងប្រើប្រាស់វាពីមុនរួចមក។ ដូចជាអារម្មណ៍ដែលយើងគិតប្រាប់ខ្លួនឯងថា "ខ្ញុំនឹងបន្តប្រើសេវាកម្មកុម្ម៉ង់ម្ហូបតាម App នេះរាល់ថ្ងៃ" បន្ទាប់ពីទទួលបានបទពិសោធន៍ល្អលើកដំបូង។
Perceived usefulness ការយល់ឃើញ ឬកម្រិតនៃការជឿជាក់របស់អ្នកប្រើប្រាស់ចំពោះប្រព័ន្ធ ឬបច្ចេកវិទ្យាណាមួយ ថាវានឹងជួយលើកកម្ពស់ប្រសិទ្ធភាពការងារ ចំណេញពេលវេលា ឬផ្តល់អត្ថប្រយោជន៍ជាក់ស្តែងដល់សកម្មភាពប្រចាំថ្ងៃរបស់ពួកគេ។ ដូចជាការដែលអ្នកជឿជាក់ថាម៉ាស៊ីនបោកគក់នេះជួយសន្សំពេលវេលា និងកម្លាំងរបស់អ្នកបានច្រើនមែនទែន ធៀបនឹងការបោកគក់ដោយដៃ។
VAF កាត់មកពីពាក្យ Variance Accounted For ជារង្វាស់ស្ថិតិដែលត្រូវបានប្រើនៅក្នុងការវិភាគអន្តរការី (Mediation analysis) ដើម្បីកំណត់ថាតើអថេរកណ្តាលមួយបានរួមចំណែកពន្យល់ពីឥទ្ធិពលសរុបរវាងអថេរឯករាជ្យ និងអថេរអាស្រ័យបានប៉ុន្មានភាគរយ។ ដូចជារង្វាស់ដែលប្រាប់យើងថាតើកត្តា "ការពេញចិត្ត" បានចូលរួមចំណែកប៉ុន្មានភាគរយ (ឧ. ២៨%) ក្នុងការធ្វើឱ្យអតិថិជនសម្រេចចិត្តបន្តប្រើប្រាស់សេវាកម្ម។
Bootstraping បច្ចេកទេសគណនាស្ថិតិដោយធ្វើការចាប់យកទិន្នន័យគំរូឡើងវិញ (Resampling with replacement) ជាច្រើនពាន់ដងពីសំណុំទិន្នន័យដើម ដើម្បីវាយតម្លៃកម្រិតភាពជឿជាក់ និងសាកល្បងសម្មតិកម្មដោយមិនពឹងផ្អែកលើការសន្មតនៃរបាយទិន្នន័យ។ ដូចជាការចាប់ឆ្នោតហើយដាក់ចូលវិញ រួចចាប់ម្តងហើយម្តងទៀតរាប់ពាន់ដងចេញពីធុងតែមួយ ដើម្បីធានាថាលទ្ធផលនៃការទស្សន៍ទាយពិតជាមានភាពរឹងមាំនិងអាចទុកចិត្តបាន។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖