Mô hình AIDA là gì và cách áp dụng trong nghiên cứu định lượng

Mô hình AIDA là gì

Mô hình AIDA mô tả tiến trình từ khi khách hàng biết đến một thông điệp marketing cho đến khi thực hiện hành động. AIDA là viết tắt của Attention, Interest, Desire và Action, tương ứng với Chú ý, Quan tâm, Mong muốn và Hành động. Trong một đề tài định lượng, bạn có thể dùng AIDA để giải thích cách nội dung quảng cáo, thông tin sản phẩm hoặc trải nghiệm truyền thông tác động đến ý định mua, đăng ký hoặc sử dụng dịch vụ.

Khác với một thang đo đơn lẻ, AIDA là một khung khái niệm gồm nhiều biến tiềm ẩn. Mỗi thành phần cần được đo bằng một nhóm biến quan sát trong bảng hỏi. Sau khi thu thập dữ liệu, bạn có thể kiểm định độ tin cậy bằng Cronbach's Alpha, phân tích nhân tố bằng EFA, rồi kiểm định các mối quan hệ bằng hồi quy tuyến tính hoặc PLS-SEM.

Nguồn gốc của tư duy AIDA thường được gắn với tiến trình phản ứng của người nhận thông điệp trong marketing. Khi áp dụng vào đề tài hiện nay, bạn cần trình bày rõ bối cảnh nghiên cứu và tránh viết rằng mọi khách hàng đều trải qua bốn giai đoạn theo đúng một thứ tự cứng nhắc. AIDA phù hợp nhất khi đề tài của bạn quan tâm đến phản ứng của người tiêu dùng trước quảng cáo, nội dung số, thương hiệu hoặc thông tin bán hàng.

Bạn có thể xem AIDA như một mô hình hành vi marketing, sau đó kết hợp với lý thuyết nền phù hợp. Chẳng hạn, nghiên cứu về chấp nhận công nghệ có thể tham khảo mô hình TAM nếu cần giải thích nhận thức hữu ích và nhận thức dễ sử dụng, nhưng không nên đưa các khái niệm này vào AIDA chỉ vì chúng có vẻ liên quan.

Các thành phần trong mô hình

Bốn thành phần của AIDA cần được tách thành các khái niệm riêng khi bạn xây dựng bảng hỏi. Bảng dưới đây cho thấy ý nghĩa thực hành của từng thành phần và ví dụ về kết quả mà nó có thể giải thích.

Attention thường xuất hiện ở đầu tiến trình. Một quảng cáo có thể được hiển thị nhiều lần nhưng chưa chắc tạo ra sự chú ý có ý nghĩa. Vì vậy, biến quan sát nên hỏi người trả lời có nhận ra nội dung, hình ảnh, thương hiệu hoặc thông điệp chính hay không.

Interest đi xa hơn việc nhìn thấy quảng cáo. Người trả lời có thể cho biết họ muốn đọc thêm, tìm hiểu đặc điểm sản phẩm hoặc theo dõi thông tin liên quan. Đây là giai đoạn phù hợp để đo mức độ hấp dẫn của nội dung đối với người xem.

Desire phản ánh sự chuyển đổi từ tìm hiểu sang mong muốn. Người tiêu dùng có thể đánh giá sản phẩm phù hợp với nhu cầu, đáng sở hữu hoặc tạo ra lợi ích mà họ đang tìm kiếm.

Action là thành phần gần nhất với kết quả kinh doanh. Tuy vậy, bạn cần xác định rõ Action trong đề tài là ý định hành động hay hành vi đã xảy ra. Nếu bảng hỏi khảo sát trước khi mua, cách gọi phù hợp thường là “ý định mua” hoặc “ý định thực hiện hành động”.

Khi xây dựng mô hình, bạn có thể xem bốn thành phần là các biến độc lập hoặc biến trung gian nối tiếp nhau. Cách chọn phụ thuộc vào câu hỏi nghiên cứu. Nếu cần phân biệt mô hình khái niệm với giả thuyết, hãy đọc thêm bài giả thuyết là gì trước khi viết chương 2 và chương 3.

Mô hình gốc và các mở rộng phổ biến

Mô hình AIDA nguyên bản tập trung vào tiến trình phản ứng trước thông điệp: thu hút chú ý, tạo quan tâm, khơi gợi mong muốn và thúc đẩy hành động. Khi chuyển sang nghiên cứu định lượng, nhiều đề tài sử dụng AIDA như một khung để phân loại biến thay vì kiểm định máy móc rằng mọi phản ứng đều diễn ra tuần tự.

Một hướng mở rộng là tách Attention thành khả năng nhận biết và mức độ ghi nhớ. Hai khía cạnh này có thể liên quan nhưng không đồng nhất. Một người có thể nhận ra quảng cáo ngay khi nhìn thấy, nhưng không nhớ thương hiệu sau một khoảng thời gian.

Một hướng khác là mở rộng Interest bằng chất lượng thông tin, mức độ tương tác hoặc sự phù hợp của nội dung. Với truyền thông số, bạn có thể xem lượt xem, lượt nhấp hoặc thời gian tương tác là dữ liệu hành vi bổ sung. Những chỉ số nền tảng này không nên tự động thay thế cho thang đo cảm nhận trong bảng hỏi, vì chúng đo các khía cạnh khác nhau.

Desire và Action cũng có thể được đặt trong mô hình có biến trung gian hoặc biến điều tiết. Chẳng hạn, niềm tin thương hiệu có thể điều tiết mối quan hệ giữa Mong muốn và Ý định mua. Tuy nhiên, mỗi biến bổ sung phải có cơ sở lý thuyết và thang đo riêng. Bạn có thể tham khảo cách phân nhóm yếu tố trong mô hình SERVQUAL, nhưng không nên trộn các thành phần chất lượng dịch vụ vào AIDA nếu đề tài không nghiên cứu dịch vụ.

Khi chọn mô hình mở rộng, hãy kiểm tra ba điểm. Thứ nhất, biến mới có trả lời câu hỏi nghiên cứu không. Thứ hai, bạn có thể thu thập dữ liệu cho biến đó từ đúng đối tượng khảo sát không. Thứ ba, số lượng biến có làm bảng hỏi quá dài so với thời gian và cỡ mẫu của bạn không.

Nếu đề tài tập trung vào môi trường cạnh tranh, AIDA có thể được đặt cạnh các khung phân tích khác như mô hình SWOT hoặc mô hình năm áp lực cạnh tranh của Porter. SWOT và Porter phân tích bối cảnh chiến lược, còn AIDA tập trung vào phản ứng của khách hàng trước thông điệp. Chúng không thay thế cho nhau.

Thang đo thường dùng cho từng khái niệm

AIDA không cung cấp sẵn một bộ câu chữ tiếng Việt có thể chép nguyên vào mọi bảng hỏi. Bạn cần tìm thang đo phù hợp với bối cảnh, dịch và điều chỉnh cách diễn đạt, sau đó kiểm tra lại bằng dữ liệu thử nghiệm. Likert là dạng thang đo thường dùng để ghi nhận mức độ đồng ý của người trả lời (Likert, 1932).

Bảng trên là khung phát triển biến quan sát, không phải thang đo đã được xác nhận cho đề tài của bạn. Khi đưa vào luận văn, bạn cần thay cột nguồn bằng tài liệu cụ thể đã đọc và trích dẫn. Nếu không có nguồn gốc rõ ràng, hãy mô tả đây là biến quan sát được điều chỉnh cho bối cảnh nghiên cứu, thay vì gọi là thang đo nguyên bản.

Mỗi khái niệm nên có nhiều biến quan sát để kiểm tra độ nhất quán nội tại. Tránh viết bốn câu hỏi giống nhau rồi gán bốn mã khác nhau. Attention phải tập trung vào việc nhận biết hoặc chú ý, Interest vào nhu cầu tìm hiểu, Desire vào mong muốn và Action vào ý định hoặc hành vi.

Bạn cũng cần thống nhất chủ thể và đối tượng trong toàn bộ bảng hỏi. Nếu đề tài nghiên cứu quảng cáo trên TikTok, hãy nói rõ người trả lời đánh giá quảng cáo TikTok. Nếu đối tượng là khách hàng đã mua, câu hỏi về Action có thể đo hành vi đã xảy ra. Nếu đối tượng chưa mua, câu hỏi nên đo ý định trong tương lai.

Sau khi thu thập dữ liệu, kiểm tra Cronbach's Alpha và Corrected Item-Total Correlation. Cronbach's Alpha từ 0.7 trở lên thường được xem là chấp nhận được (Nunnally, 1978). Với thang đo mới hoặc nghiên cứu khám phá, Alpha từ 0.6 có thể được cân nhắc (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên là ngưỡng thường dùng (Nunnally và Bernstein, 1994).

Áp dụng vào đề tài của bạn

Giả sử đề tài của bạn là: “Tác động của quảng cáo trên mạng xã hội đến ý định mua mỹ phẩm của sinh viên tại Thành phố Hồ Chí Minh”. Bạn có thể dùng AIDA theo mô hình nối tiếp, trong đó Attention ảnh hưởng đến Interest, Interest ảnh hưởng đến Desire và Desire ảnh hưởng đến Action.

Mô hình khái niệm có thể được trình bày như sau:

Attention → Interest → Desire → Action

Từ mô hình đó, bạn có thể viết bốn giả thuyết:

• H1: Attention có tác động cùng chiều đến Interest của người tiêu dùng đối với quảng cáo mỹ phẩm trên mạng xã hội.
• H2: Interest có tác động cùng chiều đến Desire của người tiêu dùng đối với sản phẩm mỹ phẩm được quảng cáo.
• H3: Desire có tác động cùng chiều đến Action, được đo bằng ý định mua mỹ phẩm.
• H4: Attention có tác động gián tiếp đến Action thông qua Interest và Desire.

H4 cần được kiểm định bằng hiệu ứng gián tiếp, không nên kết luận chỉ từ việc H1, H2 và H3 có p-value nhỏ. Nếu dùng bootstrapping, hiệu ứng gián tiếp được xem là có ý nghĩa khi khoảng tin cậy không chứa 0 (Preacher và Hayes, 2008).

Bạn cần xác định biến kiểm soát nếu có lý do phương pháp rõ ràng, chẳng hạn giới tính, độ tuổi, thu nhập hoặc tần suất sử dụng mạng xã hội. Không nên đưa quá nhiều biến kiểm soát chỉ để mô hình trông đầy đủ. Mỗi biến thêm vào đều làm tăng yêu cầu về bảng hỏi, cỡ mẫu và phần giải thích kết quả.

Cách viết vào luận văn: “Dựa trên tiến trình phản ứng của người tiêu dùng trước thông điệp marketing, nghiên cứu đề xuất Attention tác động đến Interest, Interest tác động đến Desire và Desire tác động đến Action. Các mối quan hệ này được kiểm định thông qua dữ liệu khảo sát từ [đối tượng nghiên cứu] trong bối cảnh [bối cảnh nghiên cứu].”

Khi vẽ sơ đồ, hãy dùng tên biến nhất quán với bảng hỏi và file dữ liệu. Nếu trong bảng hỏi bạn dùng “Ý định mua”, không nên đổi thành “Hành động” ở chương 4 mà không giải thích. Sự không thống nhất này thường khiến người đọc không biết bạn đang đo hành vi thật hay chỉ đo ý định.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi bạn muốn kiểm tra độ tin cậy, chạy EFA, tạo biến tổng hợp và dùng hồi quy tuyến tính. Quy trình thường là Analyze > Scale > Reliability Analysis cho Cronbach's Alpha, tiếp theo Analyze > Dimension Reduction > Factor cho EFA, rồi Analyze > Regression > Linear để kiểm định các quan hệ trực tiếp.

Trong EFA, KMO từ 0.5 trở lên và Bartlett có ý nghĩa thống kê ở mức dưới 0.05 là điều kiện thường được sử dụng (Kaiser, 1974). Factor loading từ 0.5 trở lên và tổng phương sai trích từ 50% trở lên là các ngưỡng tham khảo phổ biến (Hair và cộng sự, 2010). Bạn cần xem cả Rotated Component Matrix, Communalities và Total Variance Explained, không chỉ nhìn KMO.

Nếu mô hình có nhiều biến tiềm ẩn và bạn muốn kiểm định đồng thời measurement model cùng structural model, SmartPLS phù hợp hơn. Trong SmartPLS 4, bạn nhập file .csv, tạo các construct Attention, Interest, Desire và Action, kéo mũi tên theo giả thuyết, sau đó chạy PLS Algorithm và Bootstrapping.

Với PLS-SEM, bạn có thể báo cáo outer loading, Composite Reliability, AVE, HTMT, VIF, path coefficient, t-value, p-value, R² và Q². Outer loading từ 0.7 trở lên là ngưỡng tham khảo thường dùng (Chin, 1998). CR từ 0.7 và AVE từ 0.5 trở lên thường được dùng để đánh giá độ tin cậy và giá trị hội tụ (Fornell và Larcker, 1981). HTMT nên dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau (Henseler và cộng sự, 2015). VIF dưới 5 là ngưỡng báo cáo phổ biến (Hair và cộng sự, 2019).

Khi chạy Bootstrapping, thiết lập số lượng subsamples theo quy trình bạn chọn và ghi rõ trong phương pháp. Hướng dẫn PLS-SEM hiện hành thường sử dụng 5.000 bootstrap subsamples (Hair và cộng sự, 2022). R² cho biết mức độ giải thích của các biến dự báo đối với biến phụ thuộc. Trong PLS-SEM, R² ở mức 0.75, 0.50 và 0.25 lần lượt được diễn giải là đáng kể, trung bình và yếu theo mức tham khảo (Hair và cộng sự, 2011).

Bạn không nên đưa CFI, TLI hoặc RMSEA vào bài viết chỉ vì thấy các chỉ số này trong tài liệu SEM. Đây là nhóm chỉ số phù hợp với CB-SEM, còn SmartPLS cần giữ đúng nhóm chỉ số của PLS-SEM. Nếu dùng AMOS, hãy trình bày rõ vì sao chọn CB-SEM và tuân thủ quy trình tương ứng.

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là xem AIDA như bốn biến quan sát duy nhất. Attention, Interest, Desire và Action là bốn khái niệm, mỗi khái niệm thường cần một nhóm biến quan sát. Nếu mỗi khái niệm chỉ có một câu hỏi, bạn sẽ rất khó đánh giá độ tin cậy và giá trị đo lường.

Lỗi thứ hai là gọi ý định mua là hành động thực tế. Người trả lời nói họ có ý định mua chưa chứng minh họ đã mua. Trong chương 3, hãy ghi chính xác biến phụ thuộc là “ý định mua” nếu dữ liệu của bạn chỉ đến từ bảng hỏi tại một thời điểm.

Lỗi thứ ba là xây dựng quá nhiều giả thuyết nhưng không có logic. Mô hình AIDA không tự động chứng minh mọi biến marketing đều tác động đến mọi thành phần. Mỗi mũi tên cần được giải thích bằng lập luận lý thuyết và bối cảnh nghiên cứu.

Lỗi thứ tư là loại biến quan sát chỉ để làm Alpha tăng. Một biến có Corrected Item-Total Correlation thấp có thể cần xem xét, nhưng bạn phải đọc nội dung câu hỏi, kiểm tra mã đảo chiều và xem lại dữ liệu trước khi xóa. EFA hiếm khi ra đẹp ở lần chạy đầu. Việc loại biến, chạy lại và ghi lại từng vòng là bình thường, nhưng bạn cần giải trình lý do.

Lỗi cuối là trộn AIDA với các mô hình khác mà không phân biệt chức năng. Bạn có thể tham khảo tháp nhu cầu Maslow để giải thích động cơ, nhưng Maslow và AIDA không phải cùng một loại mô hình. Hãy ghi rõ mô hình nào là khung nền, mô hình nào cung cấp biến bổ sung.

Câu hỏi thường gặp

Mô hình AIDA có phải là lý thuyết không?

AIDA thường được dùng như một mô hình hoặc khung mô tả tiến trình phản ứng marketing. Trong luận văn, bạn nên gọi đúng vai trò của nó trong đề tài và chỉ dùng từ “lý thuyết” khi tài liệu nền của bạn thực sự trình bày AIDA theo hướng đó.

Mô hình AIDA gồm mấy yếu tố?

AIDA gồm bốn thành phần: Attention, Interest, Desire và Action. Khi xây dựng bảng hỏi, bạn có thể mã hóa lần lượt là ATT, INT, DES và ACT, nhưng tên mã chỉ là quy ước trong file dữ liệu.

Mô hình AIDA có dùng được cho nghiên cứu định lượng không?

Có thể dùng nếu đề tài nghiên cứu phản ứng của khách hàng trước quảng cáo, nội dung thương hiệu hoặc thông tin sản phẩm. Bạn cần chuyển từng thành phần thành biến tiềm ẩn, thiết kế biến quan sát, thu thập dữ liệu và kiểm định bằng SPSS hoặc SmartPLS.

Mô hình AIDA nên chạy SPSS hay SmartPLS?

SPSS phù hợp khi mô hình của bạn đơn giản, các thang đo đã được tổng hợp thành biến và bạn muốn chạy EFA cùng hồi quy. SmartPLS phù hợp khi bạn có nhiều biến tiềm ẩn, muốn đánh giá đồng thời measurement model và structural model, hoặc cần kiểm định hiệu ứng gián tiếp bằng bootstrapping.

Thang đo mô hình AIDA lấy ở đâu?

Bạn cần chọn một nghiên cứu gốc hoặc nghiên cứu trước có bối cảnh gần với đề tài, sau đó kiểm tra định nghĩa và cách đo từng khái niệm. Không nên chép một bộ câu hỏi trên mạng mà không biết nguồn. Bản dịch tiếng Việt cũng cần được điều chỉnh cho đối tượng khảo sát và kiểm tra bằng dữ liệu thử nghiệm.

Mở file dữ liệu của bạn ngay bây giờ, kiểm tra bốn nhóm mã ATT, INT, DES và ACT, rồi đối chiếu từng biến quan sát với giả thuyết trước khi chạy phân tích; nếu cần chạy mô hình trên file .sav hoặc .csv của chính bạn, xem M4 phân tích dữ liệu bằng SPSS và SmartPLS.