Sự gắn kết khách hàng là gì? Thang đo và cách kiểm định
Sự gắn kết khách hàng là gì và được đo bằng gì
Sự gắn kết khách hàng, thường viết là customer engagement, mô tả mức độ khách hàng chủ động chú ý, tương tác, phản hồi và duy trì sự quan tâm với thương hiệu. Khái niệm này rộng hơn việc khách hàng đã mua hàng một lần. Một người có thể chưa mua nhưng vẫn xem nội dung, bình luận, chia sẻ hoặc giới thiệu thương hiệu cho người khác, vì vậy vẫn có biểu hiện gắn kết.
Trong luận văn định lượng, bạn nên xem sự gắn kết khách hàng là một biến tiềm ẩn. Bạn không đo trực tiếp biến này bằng một câu hỏi duy nhất, mà dùng một nhóm biến quan sát cùng phản ánh khái niệm. Các biểu hiện thường được chia theo hướng nhận thức, cảm xúc và hành vi. Tùy mô hình, bạn có thể nghiên cứu sự gắn kết như một biến đơn hướng hoặc một cấu trúc gồm nhiều thành phần.
Cần phân biệt sự gắn kết khách hàng với trải nghiệm khách hàng là gì. Trải nghiệm nói về những gì khách hàng cảm nhận trong quá trình tiếp xúc với thương hiệu, còn gắn kết nhấn mạnh mức độ khách hàng tham gia và phản hồi. Câu hỏi “khách hàng có thấy website dễ dùng không” gần với trải nghiệm hoặc tính dễ dùng. Câu hỏi “khách hàng có chủ động bình luận, chia sẻ và theo dõi thương hiệu không” gần với sự gắn kết.
Bảng hỏi có thể dùng thang Likert 5 hoặc 7 mức, từ hoàn toàn không đồng ý đến hoàn toàn đồng ý. Thang Likert bắt nguồn từ kỹ thuật đo lường thái độ của Likert (1932). Con số 1 đến 5 chỉ là mã hóa mức độ trả lời, chưa phải bằng chứng rằng thang đo của bạn đã có độ tin cậy.
Nguồn thang đo gốc
Với từ khóa “sự gắn kết khách hàng là gì”, điểm cần thận trọng là không nên chép một bộ biến quan sát trên Internet rồi gọi đó là thang đo gốc. Danh sách nguồn được phép sử dụng trong bài này không có một công trình riêng về customer engagement. Vì vậy, bạn cần kiểm tra bài nghiên cứu gốc mà giảng viên hoặc đề cương của bạn đã phê duyệt trước khi đưa tác giả, năm xuất bản và số biến quan sát vào chương 3.
Bảng dưới đây phân biệt nguồn có thể dùng cho phần phương pháp với nguồn gần khái niệm. Đây là bảng định hướng, không phải tuyên bố rằng các nguồn đều là thang đo gốc của sự gắn kết khách hàng.
| Nguồn | Năm | Nội dung có thể tham khảo | Bối cảnh gốc | Lưu ý khi dùng |
|---|---|---|---|---|
| Likert | 1932 | Cách thiết kế thang đo thái độ theo các mức đồng ý | Đo lường thái độ | Dùng để giải thích định dạng trả lời, không dùng như nguồn thang đo customer engagement |
| Parasuraman và cộng sự | 1988 | Thang đo chất lượng dịch vụ SERVQUAL và các chiều cạnh dịch vụ | Chất lượng dịch vụ | Có thể tham khảo cách diễn đạt đánh giá dịch vụ, không tự nhận là thang đo gắn kết |
| Davis | 1989 | Nhận thức tính hữu ích và tính dễ sử dụng | Chấp nhận công nghệ | Phù hợp hơn với biến nhận thức về công nghệ |
| Venkatesh và cộng sự | 2003 | Các yếu tố chấp nhận và sử dụng công nghệ trong UTAUT | Chấp nhận công nghệ | Chỉ dùng nếu mô hình của bạn nghiên cứu hành vi sử dụng công nghệ |
Nếu bạn đã có bài báo gốc ngoài danh sách trên, hãy ghi đúng tác giả, năm, số biến quan sát, bối cảnh và cách dịch. Phần citation của DoThesis chỉ cho phép các nguồn trong danh sách canonical, nên bài viết này không tự bổ sung một tài liệu customer engagement chưa được xác minh. Trong luận văn, việc ghi “tham khảo và điều chỉnh từ các nghiên cứu trước” phải đi kèm tài liệu thật mà bạn đã đọc, không nên điền một tác giả đoán theo trí nhớ.
Bạn cũng có thể xem thang đo marketing nội dung nếu đề tài đặt sự gắn kết trong bối cảnh nội dung số. Thang đo marketing nội dung và thang đo customer engagement có thể liên quan trong mô hình, nhưng chúng đo hai khái niệm khác nhau.
Bộ biến quan sát tham khảo
Dưới đây là bộ câu chữ tham khảo để bạn hình dung cấu trúc bảng hỏi. Đây chưa phải bản dịch đã được xác nhận và chưa được kiểm định. Bạn cần đối chiếu với định nghĩa khái niệm, bối cảnh thương hiệu và nguồn thang đo gốc trước khi phát chính thức.
| Mã biến | Nội dung biến quan sát tham khảo | Nhóm biểu hiện | Ghi chú điều chỉnh |
|---|---|---|---|
| GKE1 | Tôi thường chú ý đến thông tin về thương hiệu này | Nhận thức | Xác định rõ “thông tin” là bài đăng, email hay thông báo |
| GKE2 | Tôi cảm thấy hứng thú khi tìm hiểu thêm về thương hiệu này | Nhận thức hoặc cảm xúc | Kiểm tra từ “hứng thú” có phù hợp với đối tượng khảo sát không |
| GKE3 | Tôi cảm thấy có sự gắn bó với thương hiệu này | Cảm xúc | Nêu rõ thương hiệu, sản phẩm hoặc nền tảng đang nghiên cứu |
| GKE4 | Tôi chủ động tương tác với nội dung của thương hiệu này | Hành vi | Có thể làm rõ tương tác gồm thích, bình luận hoặc lưu bài |
| GKE5 | Tôi sẵn sàng chia sẻ thông tin về thương hiệu này với người khác | Hành vi | Cân nhắc tách chia sẻ và giới thiệu nếu mô hình cần phân biệt |
| GKE6 | Tôi thường tìm cơ hội để phản hồi hoặc trao đổi với thương hiệu này | Hành vi | Tránh dùng nếu kênh phản hồi không tồn tại trong bối cảnh nghiên cứu |
Các biến trên chỉ là bản nháp để xây dựng bảng hỏi, không phải kết quả đã được xác nhận. Bạn không nên viết trong chương 3 rằng “thang đo đạt độ tin cậy” trước khi có dữ liệu và chạy kiểm định. Cũng không nên trộn biến đo sự gắn kết với biến đo ý định mua, lòng trung thành hoặc trải nghiệm khách hàng chỉ vì các câu đó nghe có vẻ liên quan.
Nếu nghiên cứu về mạng xã hội, “tương tác” có thể gồm thích, bình luận, chia sẻ, lưu bài và gửi tin nhắn. Nếu nghiên cứu về website, hành vi có thể là đọc nội dung, đăng ký nhận thông tin hoặc quay lại trang. Bối cảnh phải xuất hiện trong câu hỏi. “Thương hiệu này” và “fanpage này” không thể thay thế cho nhau nếu đối tượng nghiên cứu chỉ tiếp xúc với một kênh.
Bạn có thể đối chiếu biến độc lập về nội dung với bài marketing nội dung là gì, hoặc đặt gắn kết sau biến quảng cáo trên mạng xã hội là gì. Nếu giả thuyết là marketing nội dung ảnh hưởng đến sự gắn kết, mỗi khái niệm phải có bộ biến quan sát riêng.
Điều chỉnh thang đo cho bối cảnh Việt Nam
Bước đầu tiên là viết định nghĩa thao tác. Ví dụ, bạn có thể quy ước sự gắn kết khách hàng trong đề tài là “mức độ khách hàng chú ý, có cảm xúc và chủ động tương tác với thương hiệu trên nền tảng X”. Định nghĩa này giúp bạn quyết định biến nào được giữ lại và biến nào thuộc về ý định mua hoặc lòng trung thành.
Tiếp theo, thay các từ chung chung bằng bối cảnh cụ thể. “Tôi thường tương tác” cần được giải thích bằng hành vi mà người trả lời có thể nhớ lại. Tuy nhiên, không nên nhồi quá nhiều hành vi vào một biến. Câu “Tôi thích, bình luận, chia sẻ và mua sản phẩm của thương hiệu” đo nhiều nội dung cùng lúc, vì vậy khó biết người trả lời đang đánh giá phần nào.
Bạn cần kiểm tra biến đảo chiều trước khi nhập dữ liệu. Nếu có câu như “Tôi hiếm khi quan tâm đến thương hiệu này”, hãy ghi rõ quy tắc mã hóa và kiểm tra lại sau khi đảo điểm. Biến đảo chiều không làm thang đo tốt hơn một cách tự động. Một câu viết khó hiểu có thể khiến người trả lời nhầm, làm giảm Corrected Item-Total Correlation.
Sau khi soạn bảng hỏi, hãy thử với một nhóm nhỏ có đặc điểm gần mẫu chính. Mục tiêu của bước thử là phát hiện từ khó hiểu, câu hỏi trùng ý, lựa chọn trả lời thiếu và thời gian hoàn thành bất thường. Bạn có thể dùng tính dễ dùng của website là gì để kiểm tra một biến liên quan nếu website là bối cảnh nghiên cứu, nhưng đừng đưa tiêu chí của tính dễ dùng vào thang đo gắn kết.
Cuối cùng, lập bảng theo dõi thay đổi. Ghi mã biến ban đầu, câu chữ sau chỉnh sửa, lý do thay đổi và nguồn tham khảo. Nếu giảng viên hỏi vì sao GKE4 bị loại, bạn có thể chỉ ra nó bị trùng nội dung, không phù hợp bối cảnh hoặc không đạt tiêu chí thống kê. Đừng sửa câu hỏi sau khi đã thu dữ liệu mà không lưu phiên bản cũ.
Kiểm định độ tin cậy và giá trị của thang đo
Bạn có thể kiểm định theo trình tự: kiểm tra dữ liệu, chạy Cronbach's Alpha, chạy EFA nếu đề tài dùng SPSS, sau đó chạy mô hình đo lường và mô hình cấu trúc nếu dùng SmartPLS. Khi dùng SEM theo cách tiếp cận hai bước, hãy đánh giá phần đo lường trước rồi mới kết luận về quan hệ giữa các biến, phù hợp với Anderson và Gerbing (1988).
| Tiêu chí | Ngưỡng tham khảo | Cách đọc trong thực hành | Nguồn |
|---|---|---|---|
| Cronbach's Alpha | Từ 0.70 trở lên | Đánh giá độ nhất quán nội tại của thang đo | (Nunnally, 1978) |
| Cronbach's Alpha trong nghiên cứu khám phá | Có thể từ 0.60 | Chỉ dùng khi có lý do về tính mới và bối cảnh khám phá | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.30 trở lên | Xem từng biến có tương quan với tổng thang đo hay không | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.50 trở lên | Kiểm tra mức phù hợp để phân tích nhân tố | (Kaiser, 1974) |
| Bartlett's Test | p-value dưới 0.05 | Ma trận tương quan khác ma trận đơn vị | (Kaiser, 1974) |
| Factor loading trong EFA | Từ 0.50 trở lên | Xem biến quan sát tải đủ mạnh lên nhân tố | (Hair và cộng sự, 2010) |
| Total Variance Explained | Từ 50% trở lên | Đánh giá phần phương sai được các nhân tố giải thích | (Hair và cộng sự, 2010) |
| Outer loading trong PLS-SEM | Từ 0.70 trở lên | Đánh giá biến quan sát trong mô hình đo lường | (Chin, 1998) |
| AVE | Từ 0.50 trở lên | Đánh giá giá trị hội tụ của biến tiềm ẩn | (Fornell và Larcker, 1981) |
| HTMT | Dưới 0.85 hoặc 0.90 | Đánh giá giá trị phân biệt tùy mức gần nhau của khái niệm | (Henseler và cộng sự, 2015) |
Trong SPSS, vào Analyze > Scale > Reliability Analysis, đưa các biến GKE vào ô Items. Bấm Statistics, chọn Scale if item deleted để xem Alpha nếu loại từng biến. Đừng xóa ngay biến có Alpha if Item Deleted cao hơn. Hãy đọc cùng Corrected Item-Total Correlation, nội dung câu hỏi và cơ sở lý thuyết.
Nếu chạy EFA, vào Analyze > Dimension Reduction > Factor. Kiểm tra KMO and Bartlett's Test, Communalities, Total Variance Explained và Rotated Component Matrix. Factor loading thấp, tải chéo hoặc một nhân tố chỉ còn một biến đều cần được giải thích trước khi loại. EFA hiếm khi ra đẹp ở lần chạy đầu, nhưng mỗi vòng loại biến phải được ghi lại.
Nếu dùng SmartPLS 4, bạn cần phân biệt measurement model với structural model. Xem Outer Loadings, Cronbach's Alpha, Composite Reliability, AVE và Discriminant Validity trước. Sau đó mới xem VIF, Path Coefficients, R², f², Q² và kết quả bootstrapping. Trong PLS-SEM, VIF dưới 5 là ngưỡng tham khảo của Hair và cộng sự (2019), còn 5.000 bootstrap subsamples được nêu trong Hair và cộng sự (2022).
Khi kiểm tra giá trị phân biệt, HTMT dưới 0.85 hoặc dưới 0.90 với các khái niệm gần nhau được tham khảo từ Henseler và cộng sự (2015). Các chỉ số CFI, TLI, RMSEA thuộc nhóm đánh giá độ phù hợp thường dùng trong CB-SEM, vì vậy không đưa chúng vào bảng tiêu chí của SmartPLS. Nếu đề tài dùng AMOS, quy trình và tiêu chí phải theo CB-SEM, không trộn hai họ chỉ số.
Số liệu minh họa từ SPSS
Bảng sau là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Nó mô phỏng tên cột thường thấy trong Reliability Statistics và Item-Total Statistics để bạn biết cần đọc phần nào.
| Bảng SPSS | Biến hoặc chỉ số | Cronbach's Alpha if Item Deleted | Corrected Item-Total Correlation | Quyết định minh họa |
|---|---|---|---|---|
| Reliability Statistics | GKE1 đến GKE6 | 0.864 | Không áp dụng | Thang đo có Alpha minh họa đạt mức tham khảo |
| Item-Total Statistics | GKE1 | 0.842 | 0.612 | Giữ để xem tiếp |
| Item-Total Statistics | GKE2 | 0.851 | 0.574 | Giữ để xem tiếp |
| Item-Total Statistics | GKE3 | 0.837 | 0.668 | Giữ để xem tiếp |
| Item-Total Statistics | GKE4 | 0.829 | 0.701 | Giữ để xem tiếp |
| Item-Total Statistics | GKE5 | 0.846 | 0.593 | Giữ để xem tiếp |
| Item-Total Statistics | GKE6 | 0.861 | 0.421 | Chưa có lý do thống kê đủ mạnh để loại |
Không được chép các con số trong bảng này vào chương 4. Bạn phải mở file .sav của mình, chạy đúng phân tích và lưu output thật. Nếu Alpha của bạn thấp, xem lại dữ liệu thiếu, biến đảo chiều, cách mã hóa và nội dung từng biến trước khi quyết định loại.
Cách trình bày thang đo trong chương 3
Phần phương pháp nên trình bày theo thứ tự: định nghĩa khái niệm, nguồn thang đo, số lượng biến quan sát ban đầu, cách dịch và điều chỉnh, dạng thang Likert, đối tượng khảo sát và kế hoạch kiểm định. Nếu có biến mới do bạn đề xuất, phải nói rõ đó là biến được xây dựng hoặc điều chỉnh theo bối cảnh, không gắn nhãn “thang đo gốc”.
Cách viết vào luận văn: “Khái niệm sự gắn kết khách hàng trong nghiên cứu này được đo bằng các biến quan sát GKE1 đến GKE[__], sử dụng thang Likert [5/7] mức từ [1 = hoàn toàn không đồng ý] đến [5/7 = hoàn toàn đồng ý]. Các biến được điều chỉnh cho bối cảnh [ngành/nền tảng/thương hiệu] dựa trên [nguồn thang đo đã xác minh], sau đó kiểm định độ tin cậy và giá trị trước khi kiểm định các giả thuyết.”
Trong bảng thang đo, nên có mã biến, nội dung biến, nguồn và ghi chú điều chỉnh. Sang chương 4, báo cáo số biến sau từng bước kiểm định. Nếu GKE2 bị loại sau EFA, hãy ghi số biến ban đầu, lý do loại và số biến còn lại. Cách báo cáo này giúp người đọc phân biệt quyết định trước thu thập dữ liệu với quyết định dựa trên output.
Lỗi thường gặp
Lỗi đầu tiên là dùng “sự tham gia của khách hàng” như một từ đồng nghĩa tuyệt đối với sự gắn kết. Sự tham gia của khách hàng có thể chỉ một hành vi cụ thể trong quá trình đồng tạo giá trị, còn customer engagement có thể bao gồm nhận thức và cảm xúc. Bạn cần chọn định nghĩa phù hợp với mô hình, rồi dùng nhất quán từ đầu đến cuối.
Lỗi thứ hai là gom mọi hành vi tích cực vào một thang đo: mua lại, giới thiệu, trung thành, hài lòng, chia sẻ và bình luận. Những biến này có thể là kết quả, tiền đề hoặc khái niệm phân biệt. Nếu mô hình đặt customer engagement ảnh hưởng đến lòng trung thành, đưa “tôi sẽ mua lại” vào thang đo gắn kết sẽ làm hai biến chồng lấn.
Lỗi thứ ba là thấy Alpha tăng thì xóa biến ngay. Cronbach's Alpha bị ảnh hưởng bởi số biến và sự tương quan giữa các biến. Một biến có chỉ số thấp cần được xem cùng câu chữ, tính phù hợp khái niệm và kết quả EFA. Xóa quá nhiều biến có thể khiến thang đo mất một thành phần quan trọng.
Lỗi thứ tư là dùng số liệu minh họa hoặc output của người khác làm kết quả của mình. Hãy giữ riêng file dữ liệu gốc, file syntax hoặc lịch sử thao tác và output theo từng vòng. SPSS, SmartPLS, AMOS, JASP và R đều có thể hỗ trợ phân tích, nhưng phần bảo vệ vẫn cần giải thích được dữ liệu của chính bạn. Thuê dịch vụ chạy SPSS có thể tiết kiệm thời gian thao tác, nhưng rủi ro tăng nếu bạn không biết vì sao biến bị loại hoặc vì sao chọn mô hình.
Câu hỏi thường gặp
Sự tham gia của khách hàng có giống sự gắn kết khách hàng không?
Hai khái niệm có thể liên quan nhưng không nên mặc định là một. Sự tham gia thường nhấn mạnh hành động hoặc mức độ tham gia vào một hoạt động, còn sự gắn kết có thể bao gồm nhận thức, cảm xúc và hành vi. Bạn nên xem định nghĩa trong mô hình và nguồn thang đo trước khi đặt tên biến.
Có thể dùng một câu hỏi để đo sự gắn kết khách hàng không?
Có thể dùng một câu hỏi tổng quát cho khảo sát sơ bộ, nhưng trong luận văn định lượng bạn thường cần nhiều biến quan sát để đánh giá độ tin cậy và giá trị của thang đo. Nếu chỉ có một biến, bạn không thể chạy Cronbach's Alpha cho khái niệm đó.
Cronbach's Alpha của thang đo sự gắn kết bao nhiêu là đạt?
Cronbach's Alpha từ 0.70 trở lên thường được tham khảo theo Nunnally (1978). Với thang đo mới hoặc nghiên cứu khám phá, mức từ 0.60 có thể được xem xét theo Hair và cộng sự (2010), nhưng bạn vẫn phải trình bày lý do và xem Corrected Item-Total Correlation.
Có cần chạy cả EFA và SmartPLS không?
Không phải đề tài nào cũng cần chạy cả hai. EFA thường được dùng để khám phá cấu trúc nhân tố trong SPSS, còn SmartPLS đánh giá measurement model và structural model trong PLS-SEM. Việc chọn công cụ phụ thuộc thiết kế nghiên cứu, mô hình và yêu cầu của giảng viên, không nên chạy thêm chỉ để có nhiều bảng output.
Tôi có thể lấy bộ biến quan sát trên mạng rồi dịch sang tiếng Việt không?
Bạn có thể dùng một bộ biến như điểm khởi đầu, nhưng cần xác minh nguồn gốc, bối cảnh, định nghĩa và quyền sử dụng nếu có yêu cầu. Bản dịch phải được điều chỉnh cho đối tượng Việt Nam và kiểm định bằng dữ liệu của bạn. Một bảng câu hỏi được chia sẻ trên mạng không tự trở thành thang đo đã được xác nhận.
Bạn hãy mở lại đề cương, xác định sự gắn kết khách hàng là biến độc lập, phụ thuộc hay trung gian, rồi lập bảng GKE với nguồn và lý do giữ từng biến trước khi nhập dữ liệu. Nếu cần chạy các kiểm định trên chính file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu của DoThesis để xử lý bước phân tích định lượng.