បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយតម្រូវការក្នុងការស្វែងយល់ពីរបៀបដែលកត្តាសង្គម-ប្រជាសាស្ត្រ និងបុគ្គលិកលក្ខណៈបុគ្គល មានឥទ្ធិពលលើឥរិយាបថស្វែងរកព័ត៌មាន និងការទិញទំនិញអនឡាញ សម្រាប់ប្រភេទផលិតផលផ្សេងៗគ្នាក្នុងយុគសម័យអ៊ីនធឺណិតទំនើប។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានធ្វើការស្ទង់មតិដោយប្រើកម្រងសំណួរលើអ្នកចូលរួមជនជាតិអាល្លឺម៉ង់ចំនួន ៤០៥ នាក់ ដែលមានអាយុពី ១៤ ទៅ ៨៨ ឆ្នាំ ដោយវិភាគទិន្នន័យតាមរយៈទំនាក់ទំនង និងតម្រែតម្រង់ពហុគុណ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Hierarchical Regression Analysis ការវិភាគតម្រែតម្រង់តាមឋានានុក្រម |
អាចកំណត់អត្តសញ្ញាណកត្តាព្យាករណ៍សំខាន់ៗ (Predictors) និងវាស់ស្ទង់ឥទ្ធិពលរួមបញ្ចូលគ្នារបស់វាទៅលើអថេរអាស្រ័យ។ | ទាមទារទំហំគំរូទិន្នន័យធំ ហើយមិនអាចបញ្ជាក់ពីទំនាក់ទំនងជាហេតុនិងផល (Causality) ច្បាស់លាស់ទាំងស្រុងនោះទេ។ | ម៉ូដែលនេះអាចពន្យល់ពីបំរែបំរួលបាន ២៨% នៃការស្វែងរកព័ត៌មានអនឡាញ និង ២៤% នៃការទិញទំនិញអនឡាញពិតប្រាកដ។ |
| Spearman Correlation Analysis ការវិភាគទំនាក់ទំនងដោយប្រើ Spearman |
ស័ក្តិសមបំផុតសម្រាប់កម្រិតទិន្នន័យតាមលំដាប់ (Ordinal data) ដូចជារង្វាស់ Likert scale ដែលប្រើក្នុងកម្រងសំណួរ។ | បង្ហាញត្រឹមតែទំនាក់ទំនងនិងទិសដៅរវាងអថេរ ប៉ុន្តែមិនអាចទស្សន៍ទាយឬបញ្ជាក់ថាអថេរមួយណាជាអ្នកបង្កឱ្យមានការប្រែប្រួលនោះទេ។ | រកឃើញទំនាក់ទំនងអវិជ្ជមានរវាងអាយុនិងការទិញទំនិញអនឡាញ និងទំនាក់ទំនងវិជ្ជមានសម្រាប់កម្រិតអប់រំនិងការងារ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកជាចម្បងលើការប្រមូលទិន្នន័យស្ទង់មតិផ្ទាល់ និងការប្រើប្រាស់កម្មវិធីវិភាគស្ថិតិដើម្បីទាញយកលទ្ធផល។
ការសិក្សានេះត្រូវបានធ្វើឡើងនៅក្នុងប្រទេសអាល្លឺម៉ង់កាលពីឆ្នាំ ២០១១ ដោយប្រើប្រាស់សំណាកចំនួន ៤០៥ នាក់ដែលភាគច្រើនជ្រើសរើសតាមរយៈការស្គាល់គ្នា។ ទិន្នន័យនេះឆ្លុះបញ្ចាំងពីបរិបទសង្គមនិងបច្ចេកវិទ្យារបស់អឺរ៉ុបកាលពីជាងមួយទសវត្សរ៍មុន ដែលអាចមានភាពខុសគ្នាខ្លាំងពីអាកប្បកិរិយារបស់អ្នកប្រើប្រាស់នៅកម្ពុជាបច្ចុប្បន្ន ដែលនិយមទិញទំនិញតាមរយៈបណ្ដាញសង្គម (Social Commerce) ជាងគេហទំព័រ។
ទោះបីជាបរិបទនិងពេលវេលាខុសគ្នាក៏ដោយ វិធីសាស្ត្រនិងក្របខ័ណ្ឌទ្រឹស្តីនៃការសិក្សានេះមានប្រយោជន៍យ៉ាងខ្លាំងសម្រាប់ការស្រាវជ្រាវទីផ្សារនៅកម្ពុជា។
ការអនុវត្តវិធីសាស្ត្រវាយតម្លៃផ្នែកចិត្តសាស្ត្រនិងប្រជាសាស្ត្រនេះ នឹងជួយដល់អាជីវកម្មនិងអ្នកស្រាវជ្រាវនៅកម្ពុជាក្នុងការរៀបចំយុទ្ធសាស្ត្រទីផ្សារចំគោលដៅ និងបង្កើនប្រសិទ្ធភាពនៃការលក់អនឡាញ។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Shopping orientations | ទិសដៅឬចំណូលចិត្តចម្បងដែលជំរុញឱ្យបុគ្គលម្នាក់ៗសម្រេចចិត្តទិញទំនិញ ដូចជាការផ្តោតលើតម្លៃ ម៉ាកយីហោ ភាពងាយស្រួល ឬសេវាកម្ម ដែលជួយអ្នកស្រាវជ្រាវទស្សន៍ទាយពីអាកប្បកិរិយារបស់អ្នកប្រើប្រាស់។ | ដូចជាត្រីវិស័យដែលចង្អុលបង្ហាញថាអ្នកទិញម្នាក់ៗឱ្យតម្លៃទៅលើអ្វីជាងគេពេលដើរផ្សារ (ឧទាហរណ៍ អ្នកខ្លះមើលតែតម្លៃ អ្នកខ្លះមើលតែម៉ាកល្បី)។ |
| Need for emotion (NFE) | ទំនោររបស់បុគ្គលក្នុងការព្យាយាមស្វែងរក និងរីករាយនឹងស្ថានភាពដែលបង្កើតឱ្យមានអារម្មណ៍រំភើប ឬរំជួលចិត្ត ដែលអាចជះឥទ្ធិពលយ៉ាងខ្លាំងដល់ការវាយតម្លៃនិងការសម្រេចចិត្តទិញរបស់ពួកគេ។ | ដូចជាមនុស្សដែលចូលចិត្តមើលកុនរន្ធត់ ឬកុនកម្សត់ ដើម្បីទទួលបានអារម្មណ៍រំភើបខ្លាំងក្នុងការកម្សាន្ត។ |
| Fashion leadership (FL) | លក្ខណៈបុគ្គលិកលក្ខណៈរបស់អ្នកប្រើប្រាស់ដែលតែងតែដឹងពីនិន្នាការម៉ូដមុនគេ ទិញមុនគេ និងមានឥទ្ធិពលក្នុងការផ្សព្វផ្សាយឬជំរុញអ្នកដទៃនៅក្នុងសង្គមឱ្យធ្វើតាមខ្លួន។ | ដូចជាមិត្តភក្តិម្នាក់ក្នុងក្រុមដែលតែងតែទិញខោអាវម៉ូដថ្មីៗពាក់មុនគេ ហើយធ្វើឱ្យអ្នកផ្សេងចង់ពាក់តាម។ |
| Hierarchical regression analyses | វិធីសាស្ត្រវិភាគស្ថិតិដែលគេបញ្ចូលអថេរជាជំហានៗ (តាមលំដាប់លំដោយ) ទៅក្នុងម៉ូដែល ដើម្បីមើលថាតើអថេរថ្មីៗ អាចពន្យល់ពីលទ្ធផលបានល្អជាងមុនកម្រិតណា បន្ថែមពីលើឥទ្ធិពលនៃអថេរចាស់ៗ។ | ដូចជាការធ្វើតេស្តសាងសង់ផ្ទះដោយសាកល្បងបន្ថែមសសរម្ដងមួយៗ ដើម្បីរាប់មើលថាតើសសរមួយណាជួយទ្រទម្ងន់ផ្ទះបានរឹងមាំជាងគេ។ |
| Spearman Correlations | ការវាស់ស្ទង់ស្ថិតិអំពីទំនាក់ទំនងរវាងអថេរពីរ ដែលទិន្នន័យមានលក្ខណៈតាមលំដាប់លំដោយ (Ordinal scale) ដើម្បីពិនិត្យមើលថាតើនៅពេលអថេរមួយកើនឡើង អថេរមួយទៀតកើនឡើងឬថយចុះតាមឬទេ។ | ដូចជាការសង្កេតមើលថាតើសិស្សដែលប្រឡងជាប់លេខ១ ដល់លេខ១០ មុខវិជ្ជាគណិតវិទ្យា តែងតែមានចំណាត់ថ្នាក់ល្អផ្នែករូបវិទ្យាដូចគ្នាដែរឬទេ។ |
| Factor analysis | បច្ចេកទេសស្ថិតិសម្រាប់បង្រួមសំណុំទិន្នន័យឬកម្រងសំណួរដ៏ច្រើនសន្ធឹកសន្ធាប់ ឱ្យនៅសល់ត្រឹមកត្តាធំៗមួយចំនួន ដោយចងក្រងអថេរដែលមានទំនាក់ទំនងគ្នាខ្លាំងចូលជាក្រុមតែមួយ។ | ដូចជាការចាត់ថ្នាក់ទំនិញរាប់រយមុខដែលរាយប៉ាយពេញផ្សារ ឱ្យទៅជាតំបន់ធំៗប៉ុន្មានដូចជា "តំបន់បន្លែសាច់" ឬ "តំបន់គ្រឿងអេឡិចត្រូនិក" ដើម្បីងាយស្រួលរក។ |
| Early adopters | ក្រុមមនុស្សតូចមួយដែលហ៊ានសាកល្បងប្រើប្រាស់បច្ចេកវិទ្យា ផលិតផល ឬរបៀបរស់នៅថ្មីៗមុនគេបង្អស់ មុនពេលដែលវាទទួលបានការពេញនិយមជាទូទៅពីសាធារណជនទូលំទូលាយ។ | ដូចជាអ្នកដែលសុខចិត្តតម្រង់ជួររង់ចាំទិញទូរស័ព្ទ iPhone ម៉ូដែលថ្មីតាំងពីថ្ងៃចេញលក់ដំបូងគេ ខណៈអ្នកផ្សេងរង់ចាំមើលសិន។ |
| Discriminant and convergent validity | ការវាយតម្លៃគុណភាពនៃកម្រងសំណួរ ដើម្បីបញ្ជាក់ថាវាពិតជាវាស់ស្ទង់គោលគំនិតដែលវាត្រូវវាស់ប្រាកដមែន (Convergent) និងមិនច្រឡំគ្នាជាមួយគោលគំនិតផ្សេងដែលមិនពាក់ព័ន្ធ (Discriminant)។ | ដូចជាការធានាថាជញ្ជីងថ្លឹងទម្ងន់របស់អ្នកពិតជាវាស់ទម្ងន់របស់អ្នកប្រាកដមែន (Convergent) មិនមែនវាស់កម្ពស់របស់អ្នកឡើយ (Discriminant)។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
